https://revistaimpulso.org/
Volumen 4 | Número 8 | Octubre 2024 – Número especial |
ISSN: 2959-9040 | ISNN-L: 2959-9040
| Pág. 213 - 228
Beneficios de la
implementación de la inteligencia artificial en la administración de empresas:
una revisión sistemática
Benefits of
implementing artificial intelligence in business administration: a systematic
review
Benefícios da implementação da inteligência artificial na administração
de empresas: uma revisão sistemática
|
Fortunato Contreras Contreras https://orcid.org/0000-0001-6060-0321 Universidad Nacional Mayor de San Marcos Lima – Perú |
Julio Cesar
Olaya Guerrero https://orcid.org/0000-0002-4273-3654 Universidad Nacional Mayor de San Marcos Lima – Perú |
http://doi.org/10.59659/impulso.v.4i8.58
Artículo recibido 10 de junio de 2024 / Arbitrado 26 de junio de 2024 /
Aceptado 12 de agosto 2024 / Publicado 20 de octubre de 2024
RESUMEN
En
un entorno globalizado, competitivo y en constante cambio, las empresas deben
adoptar herramientas innovadoras, destacándose la Inteligencia Artificial. Esta
investigación se propuso analizar los beneficios de implementar la Inteligencia
Artificial en la administración empresarial. Mediante una revisión sistemática
basada en el método PRISMA, se identificaron 21 artículos publicados desde el
2020. En los trabajos analizados, se evidencian mejoras significativas en la
eficiencia operativa y la productividad, destacándose la automatización de
tareas repetitivas y la optimización de la toma de decisiones en áreas como el
análisis de datos, mejora de la experiencia del cliente y predicción de la
demanda. Se concluye que la Inteligencia Artificial puede ser adoptada en diversos
contextos y sectores, con grandes beneficios. Sin embargo, es crucial
implementar estrategias que enfrenten los desafíos asociados, y que se asuma un
enfoque ético y responsable para maximizar su impacto positivo y mitigar
posibles riesgos.
Palabras clave: administración de empresas;
automatización de procesos; eficiencia operativa; inteligencia artificial; toma
de decisiones.
ABSTRACT
In a globalized, competitive and constantly changing environment,
companies must adopt innovative tools, with Artificial Intelligence being the
most important. This research aimed to analyze the benefits of implementing
Artificial Intelligence in business administration. Through a systematic review
based on the PRISMA method, 21 articles published since 2020 were identified.
In the works analyzed, significant improvements in operational efficiency and
productivity are evident, highlighting the automation of repetitive tasks and
the optimization of decision-making in areas such as data analysis, improving
customer experience and predicting demand. It is concluded that Artificial
Intelligence can be adopted in various contexts and sectors, with great
benefits. However, it is crucial to implement strategies that address the
associated challenges, and to take an ethical and responsible approach to
maximize its positive impact and mitigate potential risks.
Keywords:
business administration; process automation; operational efficiency; artificial
intelligence; decision making.
RESUMO
Num
ambiente globalizado, competitivo e em constante mudança, as empresas devem
adotar ferramentas inovadoras, com destaque para a Inteligência Artificial.
Esta pesquisa teve como objetivo analisar os benefícios da implementação da
Inteligência Artificial na administração de empresas. Através de uma revisão
sistemática baseada no método PRISMA, foram identificados 21 artigos publicados
desde 2020. Nos trabalhos analisados são evidentes melhorias significativas na
eficiência operacional e na produtividade, destacando-se a automatização de
tarefas repetitivas e a otimização da tomada de decisão em áreas como análise
de dados, melhoria da experiência do cliente e previsão de demanda. Conclui-se
que a Inteligência Artificial pode ser adotada em diversos contextos e setores,
com grandes benefícios. No entanto, é crucial implementar estratégias que
abordem os desafios associados e que seja adotada uma abordagem ética e
responsável para maximizar o seu impacto positivo e mitigar possíveis riscos.
Palavras chave: administração de empresas; Automação do
processo; Operando eficientemente; inteligência artificial; tomando uma
decisão.
INTRODUCCIÓN
En la actualidad, la administración empresarial enfrenta cambios
vertiginosos que exigen adaptaciones para ser más competitivas, eficientes y
capaces de operar en un mercado cada vez más complejo. En este contexto, las
empresas se ven impulsadas a incorporar sistemas que faciliten este objetivo en
sus funciones administrativas (De Tyler et al., 2023). Al examinar las tendencias actuales en el uso de la informática, Cevallos et al. (2024) subrayan que los procesos de gestión están en continua evolución, con
un enfoque especial en herramientas como la Inteligencia Artificial (IA).
Al describir Rubín (2024) lo que es la
IA, se refiere a la capacidad de las máquinas de
emular y superar ciertas capacidades cognitivas humanas, como el aprendizaje,
el razonamiento y la toma de decisiones, a través del procesamiento de grandes
cantidades de información. Esto les permite desenvolverse de manera autónoma y
adaptarse a diferentes entornos y situaciones.
Desde la perspectiva de Rangel et al. (2024), la IA transforma de manera radical el panorama empresarial y mejora la
eficiencia, la productividad y la competitividad de las organizaciones. Aquellas empresas que se resistan a adoptar estas tecnologías corren el
riesgo de quedarse atrás en un entorno cada vez más competitivo e impulsado por
la innovación. La automatización de tareas repetitivas y rutinarias es uno de
los principales beneficios que ofrece la IA en el ámbito empresarial. Al
liberar a los empleados de labores manuales, para que se concentren en
actividades más estratégicas, creativas y de valor agregado. Además, facilita
la toma de decisiones informadas y optimizadas, al permitir el análisis de
grandes volúmenes de datos para los tomadores de decisiones.
Además, como lo
describe Melara (2023), la IA tiene
una amplia gama de aplicaciones en diversas áreas de la administración de
empresas, entre las que se incluyen el análisis de datos, la automatización de
procesos, la mejora de la experiencia del cliente, la predicción de la demanda
y la gestión de recursos humanos. Estas aplicaciones han demostrado ser
efectivas para impulsar la satisfacción del cliente, al permitir una mayor
personalización y anticipación de sus necesidades.
Sin embargo, ante la
implementación de la IA en las empresas, Vera y Pico (2024) identificaron
que persiste el desconocimiento y la incertidumbre. Muchas organizaciones aún
no comprenden todo el alcance y las implicaciones de su adopción, lo que genera
dudas sobre cómo integrarlas de manera efectiva en sus operaciones. Por lo
tanto, su adopción debe llevarse a cabo de manera cuidadosa, reflexiva y
gestionada, con el fin de maximizar sus beneficios y mitigar los riesgos
asociados en un entorno globalizado. Para ello se debe evaluar cómo puede
mejorar sus procesos, al tiempo que desarrollan estrategias para abordar los
desafíos que conlleva su implementación.
En este sentido, a
medida que la IA se integra cada vez más en el ámbito empresarial, es
fundamental identificar y abordar los retos y limitaciones que conlleva este
proceso. Según Calle et al. (2024), algunas de
las principales barreras a superar incluyen: la falta de datos de calidad, la
resistencia cultural dentro de las organizaciones y las preocupaciones
relacionadas con la privacidad y la seguridad de los datos. Unido a esto,
existe un temor generalizado de que la IA pueda reemplazar a los trabajadores
humanos en el futuro. Sin embargo, Garibo et al. (2023) argumentan
que estas tecnologías no buscan reemplazar a los profesionales, sino más bien
complementar sus capacidades y habilidades. La IA puede ayudar a los empleados
a realizar sus tareas y cambiaría la forma en que se realizan.
Para lograr una
adopción exitosa de la IA en las organizaciones, Canossa y Peraza (2024) sugieren
implementar una serie de estrategias clave, como: fomentar un liderazgo
adaptativo, establecer una infraestructura tecnológica adecuada, llevar a cabo
la transformación y digitalización de las funciones empresariales, preparar al
talento humano en el uso de la IA, y cultivar una cultura tecnológica. Al
abordar estos desafíos de manera proactiva y estratégica, las empresas estarán
en una mejor posición para maximizar los beneficios que ofrecen estos sistemas
inteligentes.
Dada la importancia de la adopción de la IA en el ámbito empresarial,
resulta fundamental estudiar y analizar las experiencias y hallazgos
presentados por la comunidad científica sobre este fenómeno. Esto permitirá
comprender mejor su magnitud e impacto, así como trazar estrategias efectivas
para su implementación exitosa. Al examinarse de manera exhaustiva las
investigaciones y casos de estudio existentes, se puede tener una visión más
clara y fundamentada sobre cómo estos sistemas inteligentes pueden mejorar los
procesos, la toma de decisiones y el desempeño general de las organizaciones.
Es por ello que en el presente estudio, se llevará a cabo una revisión
sistemática de la literatura científica con el objetivo de analizar los
beneficios que ofrece la implementación de la IA en la administración de
empresas.
MÉTODO
Este estudio adopta un enfoque cualitativo y se basa en una revisión
sistemática de diversas investigaciones publicadas desde el año 2020, centradas
en la implementación de la IA en la gestión empresarial. Se incluyen trabajos
que proporcionan una descripción detallada de cómo estos sistemas inteligentes
pueden integrarse en las organizaciones, así como un análisis de las ventajas,
desafíos y oportunidades que presentan.
La búsqueda de
estudios relevantes para esta investigación se llevó a cabo mediante la
consulta de una variedad de recursos documentales digitales, a partir del
acceso a: las bases de datos ProQuest Central y Science Direct, las cuales
albergan algunos de los catálogos más completos de revistas científicas en los
campos de la investigación empresarial, económica y financiera; así como,
mediante los buscadores académicos especializados Google
Scholar, Redalyc y Dialnet, con amplia cobertura de la búsqueda a una
gama más diversa de publicaciones. Con la intención de capturar la mayor
cantidad posible de investigaciones relevantes sobre el tema, se realizó una
búsqueda exhaustiva sin imponer restricciones geográficas de país de origen de
los estudios, ni de áreas empresariales específicas.
Para la selección de
los documentos, se aplicaron filtros específicos y se desarrollaron ecuaciones
de búsqueda basadas en las palabras clave "inteligencia artificial",
"administración de empresas" y "gestión empresarial", así
como sus equivalentes en inglés. Se utilizaron operadores booleanos (AND, OR,
NOT, NEAR, SAME) para optimizar la búsqueda. Este enfoque permitió recuperar la
mayor cantidad posible de estudios relevantes, los cuales fueron analizados de
manera rigurosa y objetiva, de los cuales se destacaron sus resultados más significativos.
Se establecieron criterios claros para la inclusión de los estudios en
esta revisión. Los requisitos para la inclusión fueron los siguientes: (a) que
se analizara el uso de la IA en la administración empresarial; (b) que fuera un
artículo científico publicado en revista arbitrada; (c) que se hubiera
publicado a partir del año 2020; y (d) en idioma español o inglés. Por otro
lado, se excluyeron aquellas investigaciones que: (a) no analizaran el uso de
la IA en la administración empresarial; (b) documentos que fueran ponencias de congresos,
tesis, páginas web; y (c) que se hubieran publicado antes del año 2020.
Para representar de manera visual el flujo de información durante el
proceso de revisión sistemática, se utilizó el diagrama PRISMA, que se presenta
en la Figura 1. Este diagrama ofrece una visión clara de cómo se identifica,
evalúa y sintetiza la evidencia de la investigación, desde la identificación
inicial de 71 registros hasta la inclusión final de 21 artículos.
Figura 1.
Diagrama PRISMA de la revisión sistemática.
RESULTADOS
En consonancia con la
revisión sistemática realizada, se llevó a cabo un análisis crítico de 21
investigaciones que tratan la implementación de la IA en la gestión
empresarial. En este estudio, se identificaron los beneficios que ofrece la IA,
así como las oportunidades, retos y desafíos mencionados por varios autores.
Los trabajos recuperados provienen de diversas regiones y países, lo que
evidencia que empresas de todo el mundo están apostando por el uso de la IA.
Además, abarcan diferentes sectores empresariales, entre los que se incluyen la
industria, pequeñas y medianas empresas, negocios digitales y la salud pública.
La aplicación de la IA se enmarca en diversas áreas, tales como contabilidad, finanzas,
marketing digital, cadena de suministro, logística, recursos humanos,
optimización de procesos, administración de negocios y gestión económica.
Los estudios
recuperados comprenden todos los años definidos para esta revisión, lo que
indica que el tema es activo y de interés para la comunidad científica. Se
recuperaron 2 artículos correspondientes al 2024, 4 del 2023, 6 del 2022, 6 del
2021 y 3 del 2020. La adopción de la IA es un tema en constante evolución, que
gana relevancia cada día debido al avance tecnológico y a la creciente
necesidad que perciben las empresas de incorporarla en sus operaciones.
En la Tabla 1 se
listan los 21 artículos analizados, donde se detallan los autores, el año de
publicación y una síntesis de los principales beneficios que los autores
atribuyen a la IA en la administración empresarial. En términos generales, los
estudios indican que la adopción de la IA puede transformar radicalmente las
operaciones empresariales. Ante el análisis de los hallazgos de los autores, se
aprecian importantes beneficios en su implementación, no solo al mejorar la
eficiencia operativa, sino también al enriquecer la experiencia del cliente
mediante la personalización y la predicción de necesidades.
Tabla 1.
Investigaciones incluidas en la revisión sistemática sobre la
implementación de la IA en la gestión empresarial.
|
No. |
Autor y año |
Beneficios de
la IA para la administración de empresa percibido por los autores. |
|
1 |
Calle et al. (2024) |
En la gestión de la cadena de suministro empresarial
para la optimización de procesos logísticos, la precisión y la toma de
decisiones. |
|
2 |
Rubín (2024) |
En la administración de negocios, para mejorar el
rendimiento y potenciar la influencia de los activos intangibles en relación
con su valor de mercado. |
|
3 |
De Tyler et al. (2023) |
En la optimización empresarial, al automatizar y
reducir procesos, en beneficio de la productividad y el rendimiento. |
|
4 |
Villarreal y Flor (2023) |
En la optimización de los recursos industriales, en
varios ámbitos como logística, medicina, finanzas, servicios y talento
humano. |
|
5 |
Arias et al. (2023) |
En la potenciación de la resiliencia, al predecir
eventos disruptivos y optimizar las cadenas de suministro. |
|
6 |
García et al. (2023) |
En la contabilidad empresarial en PYMEs y pequeños
empresarios en Ecuador, con lo que se ha generado impactos positivos en la
eficiencia operativa, toma de decisiones y sostenibilidad financiera. |
|
7 |
Cui et al. (2022) |
Para elevar el nivel de gobierno corporativo a
través del efecto de la simetría de la información. |
|
8 |
He et al. (2022) |
En el control óptimo del tratamiento del agua y la
desalinización de agua de mar, con la toma de decisiones experta,
optimización, predicción y control por secuencia. |
|
9 |
Maitre et al. (2022) |
En la mejora de la gestión de la cadena de
suministro de materias primas con la predicción del precio. |
|
10 |
Zhu (2022) |
En la alerta temprana de auditoría de cuentas
financieras y para el control de crisis financiera. |
|
11 |
Wang (2022) |
En la programación de recursos industriales y
comerciales, lo que optimiza la gestión empresarial en tiempo real. |
|
12 |
Zhao (2022) |
En apoyo a la toma de decisiones basado para la
gestión económica de grandes empresas. |
|
13 |
Li (2021) |
En apoyo a la toma de decisiones de recursos
humanos. |
|
14 |
Xuanbei (2021) |
En la gestión de recursos humanos, al optimizar la
gestión empresarial y mejorar la competitividad básica del mercado. |
|
15 |
Diestra et al. (2021) |
En la toma de decisiones gerenciales, al detectar
anomalías y realizar análisis predictivos. |
|
16 |
Wang (2021) |
En el desarrollo de la industria de la logística de
la cadena de suministro, al mejorar la eficiencia operativa. |
|
17 |
Qin y Qin (2021) |
En la gestión del presupuesto financiero
empresarial. |
|
18 |
Chen y Biswas (2021) |
Para enriquecer las operaciones comerciales de la
empresa. |
|
19 |
Torres y Díaz (2020) |
En la operación de modelo de negocio digital, con
estrategias comerciales efectivas que permiten personalizar la entrega de
productos y servicios. |
|
20 |
Li et al. (2020) |
En la predicción de la sensibilidad a los fármacos
para las líneas celulares del cáncer. |
|
21 |
Basri (2020) |
En el marketing en redes sociales para aumentar la
gestión empresarial. |
DISCUSIÓN
La discusión de los
resultados se centra en la comparación de los hallazgos de diferentes autores,
lo que permite delimitar cómo la implementación de la IA ha impactado a las
empresas y las áreas en las que se ha aplicado. En este contexto, Calle et al. (2024), destacan que
la IA ofrece ventajas significativas en la gestión de la cadena de suministro.
Esta tecnología permite a las empresas mejorar su capacidad para anticipar y
responder a las demandas del mercado, optimizar los flujos de inventario y
reducir los costos operativos.
Además, Calle et al. (2024), consideran
que la capacidad de la IA para prever la demanda con mayor precisión facilita
un ajuste más exacto en la producción y en la gestión de inventarios, lo que
evita tanto el exceso como la escasez de existencias. Como resultado, se
obtienen beneficios tales como una mayor eficiencia operativa y productiva, una
mejora en la satisfacción del cliente, una reducción significativa de costos,
la optimización de procesos y una toma de decisiones más informada. A su
juicio, la automatización de procesos tediosos y propensos a errores, permite a
las empresas liberar recursos humanos para que se concentren en tareas más
estratégicas y de alto valor añadido.
Desde la perspectiva
de Rubín (2024), la IA se
erige como un nuevo activo intangible que aporta un valor adicional a cada uno
de los elementos que componen su estructura. Como efecto global sobre la
empresa, genera una mejora sustancial en su rendimiento y potencia la
influencia de los activos intangibles en relación con su valor de mercado. Por
lo que representa una optimización de la economía del conocimiento y los
servicios tanto a nivel macroeconómico como microeconómico, con claras
oportunidades de optimización adicional.
Por otro lado, De Tyler et al. (2023) argumentan
que la IA mejora de manera significativa las funciones de administración
empresarial, al impactar en áreas como la productividad, el rendimiento, la
gestión del talento, la creación de productos, la comercialización y la
experiencia del cliente. Coinciden con investigaciones previas en que la IA
influye en la toma de decisiones al facilitar un análisis de datos rápido y
preciso, la predicción de tendencias y la automatización de procesos. Estos
avances permiten a las empresas ahorrar tiempo y recursos, así como ofrecer un
mejor servicio a sus clientes. Sin embargo, los autores enfatizan en que estos
beneficios dependen de su uso ético y adecuado.
Un aspecto importante
que destacan De Tyler et al. (2023) es que la IA
no debe considerarse una amenaza, sino como una herramienta esencial para
adaptarse a un entorno en constante evolución. Aunque esto puede llevar a que
algunos empleos se vuelvan obsoletos, no implica necesariamente que estos
sistemas inteligentes reemplacen al ser humano. Por el contrario, se anticipa
que la IA genere nuevas oportunidades laborales y facilite las tareas de los
trabajadores.
Entre tanto, la IA es
considerada por Villarreal y Flor (2023) como sistemas inteligentes que mejoran la gestión de
recursos en las empresas. Desde su punto de vista, no solo maximiza los
beneficios en función del riesgo, sino que también optimiza los costos. Para
respaldar su argumento, presentan varios ejemplos: la automatización de tareas,
al permitir la automatización de actividades repetitivas y rutinarias, lo que
resulta en una reducción de costos operativos; en el análisis de datos, al
facilitar el procesamiento de grandes volúmenes de información, lo que a su vez
permite ofrecer experiencias personalizadas a los clientes; en la innovación en
productos y servicios, al ayuda a identificar oportunidades que conducen a la
creación de nuevas ofertas en el mercado; en la prevención del fraude, a través
del análisis de patrones de comportamiento, con la detección de actividades
sospechosas, con lo que se protegen así los activos de la empresa; y en el
diagnósticos en salud, al contribuir en la generación de diagnósticos
tempranos, lo que permite implementar soluciones inmediatas que pueden salvar
vidas.
Desde el punto de
vista de Arias et al. (2023), argumentan
que la IA puede contribuir de manera significativa a las empresas en la mejora
de su resiliencia al predecir eventos disruptivos y optimizar las cadenas de
suministro. Existen diversas técnicas y algoritmos con un alto potencial para
realizar estas predicciones y monitoreos. En este contexto, destacan que uno de
los ámbitos donde se han implementado algoritmos para fortalecer la resiliencia
es en las redes informáticas, las cuales son fundamentales para su
funcionamiento diario. Además, mencionan modelos diseñados para minimizar y
detectar eventos disruptivos en la cadena de suministro, así como para prevenir
fallos en el servicio. En particular, hacen referencia a un sistema de
monitoreo de datos que busca aumentar la resiliencia empresarial mediante el
uso de analítica de datos, que incluye técnicas de aprendizaje automático y
minería de datos, con el fin de identificar y prevenir disrupciones.
Desde la óptica de García et al. (2023), el
aprendizaje automático y el procesamiento del lenguaje natural facilitan la
automatización de tareas contables rutinarias en las empresas, tales como la
reconciliación de cuentas, la clasificación de gastos y la elaboración de
informes financieros. Los autores destacan que en Ecuador, ciertos sectores han
comenzado a implementar sistemas de IA para automatizar la creación de informes
y balances, así como en la gestión de inventarios, cuentas por cobrar y cuentas
por pagar. Estas tecnologías también se utilizan para realizar análisis de
flujo de efectivo y proyecciones financieras, lo que contribuye a la
optimización de costos y gastos relacionados con la producción y distribución.
Los resultados obtenidos indican un efecto positivo en la eficiencia operativa,
la toma de decisiones y la sostenibilidad financiera, lo que evidencia el
potencial y la factibilidad de estas tecnologías.
Sin embargo, García et al. (2023) advierten que
la adopción de la IA en el ámbito contable enfrenta importantes desafíos. Entre
las barreras se encuentran los costos de implementación, tanto en
infraestructura como en la capacitación del personal, los posibles conflictos
con las normativas contables y de auditoría, tanto locales como
internacionales, y las cuestiones éticas relacionadas con las decisiones que
toman los sistemas de IA, las cuales se basan en algoritmos complejos. Esto
genera inquietudes sobre la transparencia, la responsabilidad y la privacidad
en el uso de estas tecnologías.
Un estudio realizado
por Cui et al. (2022) indica que
las aplicaciones de IA pueden mejorar de manera significativa los niveles de
gobierno corporativo. Estas aplicaciones ayudan a reducir la asimetría de
información necesaria para una gobernanza efectiva. Al mejorar la transparencia
y acceso a datos relevantes, facilita que los consejos de administración y
otros órganos de gobierno tomen decisiones más informadas. Al optimizar el
flujo de información, se minimizan los riesgos asociados con la falta de datos
precisos y actualizados, lo que es crucial para la gestión efectiva de las
organizaciones. Además, la implementación de tecnologías de IA no solo mejora
la calidad de la información disponible, sino que también mejora la capacidad
para anticipar y responder a los cambios en el entorno empresarial.
Según He et al. (2022), la IA
también ha demostrado ser valiosa en el campo de la desalinización de agua de
mar con energía renovable. Estos autores afirman que las características de la
IA empleadas en el diseño de sistemas de desalinización no solo permiten
alcanzar la máxima eficiencia y el mínimo costo, sino que también liberan
recursos humanos al automatizar tareas complejas. Al analizar los cuatro
procesos clave en el diseño de sistemas de desalinización (selección del sitio,
predicción energética, selección de la tecnología de desalinización y
optimización sistemática de parámetros), descubrieron que las redes neuronales
artificiales y los algoritmos genéticos son los más extendidos y maduros para
abordar problemas no lineales multiobjetivo en este contexto. Estos algoritmos
permiten la toma de decisiones informadas, la optimización de recursos, la
predicción de variables críticas y el control preciso a lo largo de las
diferentes etapas del diseño de sistemas de desalinización impulsados por
energías renovables.
De gran significación
tiene el aporte realizado por Maitre et al. (2022), quienes
presentaron un enfoque innovador para anticipar las implicaciones de eventos
externos en la interrupción de la cadena de suministro y la evolución de los
precios de las materias primas. Su propuesta involucra el conocimiento experto
del dominio y el uso de IA avanzada con el objetivo de predecir dichos precios
y mejorar la anticipación a las interrupciones en la cadena de suministro. Esta
integración permite no solo analizar datos históricos, sino también identificar
patrones y tendencias que podrían no ser evidentes a simple vista. Con esto se
pueden tomar decisiones más informadas, lo que optimizaría sus estrategias de
adquisición y minimizaría el riesgo de pérdidas financieras.
Zhu (2022) por su parte,
identificó la aplicabilidad de la IA a través de un modelo eficaz de alerta
temprana para la salud financiera de las empresas. Este modelo permite detectar
de manera oportuna señales de crisis financiera, lo que ayuda a prevenir y
mitigar los riesgos, lo que asegura así la estabilidad financiera de la
organización. La propuesta se fundamenta en el uso de un algoritmo de bosque
aleatorio combinado con un enfoque de evaluación integral difusa, componentes
relevantes dentro del ámbito de la IA.
El trabajo de Wang (2022) presenta un
modelo de programación de recursos industriales y comerciales que utiliza IA
para optimizar la gestión empresarial en tiempo real, apoyándose en tecnologías
de aprendizaje profundo. Las pruebas realizadas indican que este modelo ofrece
una notable eficiencia operativa y capacidad de respuesta en tiempo real, lo
que facilita a los ingenieros la ejecución de las tareas de programación de
recursos necesarias.
Desde la perspectiva
de Zhao (2022), la IA
también resulta beneficiosa como apoyo a la toma de decisiones. El autor
diseñado una herramienta con este fin para la gestión económica de grandes
empresas. En su desarrollo se construyó un modelo de red neuronal de
retropropagación que fue entrenado mediante un ajuste continuo de la tasa de
aprendizaje. Durante el proceso de entrenamiento, se lograron pronósticos de
ventas con un margen de error reducido, alineándose con los resultados de la
predicción en la maximización integral de los beneficios empresariales. El
sistema destaca por su alta tolerancia a fallas, confiabilidad, robustez y
eficiencia. Además, presenta un corto tiempo de respuesta, alta precisión en la
toma de decisiones y un impacto positivo en su aplicación práctica.
Asimismo, Li (2021) presentó un
sistema de apoyo a la toma de decisiones en gestión de recursos humanos para
empresas, basado en minería de datos. Este sistema puede respaldar de manera
más efectiva la informatización, estandarización de datos y el análisis
inteligente. De esta forma, se optimizan los procesos empresariales
relacionados con los recursos humanos, lo que mejora la eficiencia de su
gestión, proporciona un apoyo más eficaz para la administración empresarial e
impulsa el desarrollo organizacional.
De igual manera, en
el ámbito de la gestión de recursos humanos, Xuanbei (2021) observó que
el big data y la IA fomentan la innovación en este campo. Sus hallazgos
revelaron que estas tecnologías han permitido el desarrollo de métodos de
formación de empleados más variados, así como una gestión del rendimiento y del
bienestar más enfocada y diversificada. Un uso efectivo de estas herramientas
puede optimizar la gestión empresarial y fortalecer la competitividad en el
mercado.
Otro de los aportes
de la IA en la administración de
empresas según Diestra et al. (2021), es que mejora de manera significativa la toma
de decisiones gerenciales. Los autores se basan en que permite la detección
temprana de anomalías, pues permite detectar señales de advertencia de problemas
potenciales al proporcionar información en tiempo real, lo que brinda la
posibilidad de implementar acciones correctivas oportunas. También, es posible
con la IA el análisis predictivo basado en datos, probabilidades e inferencia
estadística; de esta manera se puede generar ideas innovadoras al identificar
patrones y relaciones no obvias entre datos, lo que complementa la toma de
decisiones humana.
Sin embargo, Diestra et al. (2021) también
advierten que el uso excesivo de la IA sin supervisión puede llevar a errores
en la toma de decisiones. Por lo tanto, proponen que se use como una
herramienta de apoyo y complemento, supervisada por personal capacitado. Al
mitigar los riesgos y usarse de forma apropiada, constituye una herramienta muy
valiosa al procesar grandes volúmenes de datos y generar predicciones sobre
clientes, activos y operaciones.
Por otro lado, Wang (2021) subraya el
impacto significativo de la IA en la logística de la cadena de suministro,
especialmente a través del análisis de datos y la predicción. La IA contribuye
a optimizar tanto la producción como los procesos operativos logísticos, lo que
abarca aspectos clave como la selección de la ubicación de los almacenes, la
gestión de inventarios, las operaciones de almacenamiento, así como el
transporte y la distribución de productos. De esta manera se mejora la
eficiencia, se reducen costos y permite a las empresas adaptarse rápidamente a
las cambiantes condiciones del mercado.
La IA también
contribuye a la gestión del presupuesto financiero empresarial. Qin y Qin (2021) describen un
módulo de toma de decisiones inteligente que incluye aprendizaje automático y
minería de datos, para integrarse con las actividades y funciones contables de
las empresas. Según los autores, gracias a esta implementación, los gastos de
ventas y gestión se han controlado de manera efectiva, al reducir el exceso del
13,82 % a niveles que no superan el presupuesto establecido. Esta investigación
evidencia el aporte significativo de la IA en la mejora del nivel de gestión
presupuestaria en la organización.
Chen y Biswas (2021), presentan
varios casos de negocios que ejemplifican cómo empresas comerciales recurrieron
a la IA y el big data durante la pandemia de COVID-19 para enriquecer y
optimizar sus operaciones. El empleo de estas tecnologías se basó en la
necesidad de hacer frente a cinco desafíos críticos: la interrupción de la
producción y la cadena de suministro, la selección del modelo de negocio más
adecuado, la gestión eficiente de inventarios, la planificación presupuestaria
y la gestión de la fuerza laboral. Estos casos de negocios demuestran que la IA
y el big data se han convertido en fuerzas impulsoras cruciales para lograr
operaciones comerciales eficaces y resilientes en un entorno empresarial tan
desafiante como el actual.
Entre tanto, Torres y Díaz (2020) subrayan la
importancia de la IA en la operación de modelos de negocio digitales, donde se
destaca su papel en la creación y generación de valor a través de la personalización
y flexibilidad en la entrega de productos y servicios. Se señala que técnicas
como el aprendizaje automático, el aprendizaje profundo y el aprendizaje
predictivo son fundamentales para implementar estrategias comerciales efectivas
mediante el uso de datos. Los autores presentan ejemplos concretos en este
sentido: Amazon utiliza el aprendizaje automático para optimizar su inventario
y mejorar las recomendaciones de productos para sus clientes. Infinite
Analytics ha desarrollado un sistema de aprendizaje automático que predice si
un usuario hará clic en anuncios relevantes, lo que mejora la colocación de
publicidad para una empresa global de bienes de consumo empaquetados. Por su
parte, Netflix analiza patrones para entender las conexiones entre su contenido
y las audiencias, al ajustar así su estrategia de negocio.
Además, Torres y Díaz (2020) mencionan que
la IA se aplica en la gestión de relaciones con los clientes, en la detección
de anomalías y fraudes mediante análisis predictivo, y en la previsión de la
demanda. Estas aplicaciones permiten anticipar el mantenimiento necesario de
máquinas y componentes, así como la creación de motores de recomendación que
identifican elementos deseables, entre otros usos. A través de la IA, se
establecen nuevos procesos de aprendizaje automático que optimizan la toma de
decisiones en tiempo real, tanto en procesos centrados en las personas como en
aquellos automatizados, lo que alinea así las estrategias de negocio.
En el ámbito de la
medicina de precisión, Li et al. (2020) abordaron la
contribución de la IA en la predicción de la sensibilidad a los fármacos en
líneas celulares de cáncer. Su estudio destacó el uso de técnicas como el
aprendizaje automático, las redes neuronales y las redes neuronales profundas
multimodales. Se reconoció que estas herramientas son fundamentales para
predecir estrategias terapéuticas efectivas, basándose en la información
genómica de los pacientes. Esta capacidad de la IA no solo optimiza el
tratamiento individualizado, sino que también mejora la eficacia de las
intervenciones terapéuticas en la oncología.
Basri (2020) encontró que
la IA también tiene un impacto positivo en el marketing de redes sociales para
las pequeñas y medianas empresas en Arabia Saudita, lo que se traduce en una
gestión empresarial más eficaz. Los resultados de su estudio mostraron un
aumento general en el número y en la base de clientes, así como un efecto
adicional de mayor rentabilidad como consecuencia de la implementación de la IA
en las estrategias de marketing en redes sociales.
Unido a los
beneficios de la IA en la gestión empresarial, algunos autores también han
manifestado sus preocupaciones con su uso. Según Pineda y Londoño (2024), la IA puede
heredar sesgos y prejuicios presentes en los datos utilizados para su
entrenamiento. Esto podría dar lugar a situaciones en la que los sistemas de IA
reflejen de forma involuntaria los prejuicios de sus creadores o de la sociedad
en general, lo que resultaría en discriminación y desigualdad. Asimismo, estos
autores señalan que el uso de la IA en el desarrollo de armas autónomas representa
un riesgo considerable. La automatización y autonomía de estas armas podrían
desencadenar conflictos letales sin la intervención humana directa, lo que
plantea serias preocupaciones éticas y de seguridad.
Asimismo, Pineda y Londoño (2024), destacan la
pérdida de control como un problema importante. La complejidad de los sistemas
de IA dificulta comprender y supervisar de manera adecuada su funcionamiento, lo
que genera la preocupación de que puedan tomar decisiones críticas sin un
control apropiado. Esto podría desencadenar consecuencias imprevistas y
potencialmente dañinas en diversos ámbitos de la sociedad.
A pesar de esto, al
comparar los hallazgos de esta revisión sistemática con los resultados de
investigación similar realizadas por Rangel et al. (2024), se pueden
identificar numerosos puntos de convergencia. Ambos estudios coinciden en que
la implementación de la IA en las empresas tiene un impacto significativo en
diversas áreas. Entre estas se incluyen la gestión de tareas, el análisis de
datos, la asistencia virtual que mejora la experiencia del cliente, así como la
predicción y el pronóstico, la optimización de la cadena de suministro y la
gestión de recursos humanos.
Asimismo, Reigosa y Gómez (2024) y Sira (2023) llevaron a
cabo un estudio bibliométrico sobre la aplicación de la IA en la gestión
empresarial. Coinciden con esta revisión en que la IA no solo acelera las
tareas, sino que también enriquece la experiencia humana con rapidez y
precisión. Además, impulsa la eficiencia en diversos procesos comerciales y
gestiona los costos operativos, al mismo tiempo que mejora el rendimiento y
permite la creación de productos y servicios de mayor calidad. Se destacan los
avances en los algoritmos de aprendizaje automático; así como en la
automatización de procesos administrativos, la toma de decisiones basada en
datos y la personalización de la experiencia del cliente. Además, se destaca el
incremento del uso de la IA en una amplia gama de áreas temáticas, que incluyen
informática, ingeniería, física, astronomía, medicina, ciencias ambientales,
matemáticas, ciencias de la tierra y planetarias, energía, ciencia de
materiales y enfoques multidisciplinarios.
De igual manera, los
hallazgos y reflexiones presentados en esta revisión sistemática están
alineados con lo expuesto por Li (2022). En su
análisis sobre la importancia de la tecnología de IA y big data para la gestión
empresarial en China, constató una reducción en los costos de gestión y riesgo,
así como una mejora en la eficiencia laboral y los beneficios económicos. Sin
embargo, también se identificaron desafíos, como la continua expansión del
alcance empresarial, que requieren atención y estrategias adecuadas para su
abordaje.
CONCLUSIONes
Mediante la revisión sistemática se pudo
constatar que la implementación de
la IA en la administración de empresas ofrece múltiples beneficios. Su adopción mejora
significativamente la eficiencia operativa y la productividad. Entre los
principales beneficios que aporta a las organizaciones se encuentra la
automatización de tareas repetitivas, lo que permite a los empleados enfocarse
en actividades más estratégicas y de valor agregado. También, facilita la toma
de decisiones informadas con el análisis de grandes volúmenes de datos.
Según los hallazgos de los diferentes autores analizados, la IA tiene una amplia gama de aplicaciones en diversas áreas de la
administración empresarial, como el análisis de datos, la automatización de
procesos, la mejora de la experiencia del cliente y la predicción de la
demanda. Además, abarca diferentes contextos y sectores como la logística, el
marketing, la contabilidad, las finanzas, los recursos humanos y la cadena de
suministro. Esto resalta la relevancia y la aplicabilidad de la IA en diversos
ámbitos empresariales.
Entre tanto, si bien
muchas organizaciones enfrentan barreras para la adopción de la IA y la
incertidumbre sobre cómo integrarla de manera efectiva en sus operaciones, dada
las ventajas que proporciona para complementar las capacidades humanas y
facilitar las tareas de los trabajadores, vale la pena que se implementen estrategias
que aborden de manera proactiva los desafíos asociados; siempre y cuando se
adopte un enfoque ética y responsable.
Referencias
Arias, M., Sanchís, R. y Poler, R. (2023). Potenciación de la
resiliencia en empresas y cadenas de suministro a través de la inteligencia
artificial: Una revisión de la literatura reciente. Dirección y Organización, 81,
13-29. https://doi.org/10.37610/dyo.v0i81.649
Basri, W. (2020). Examining the Impact of
Artificial Intelligence (AI)-Assisted Social Media Marketing on the Performance
of Small and Medium Enterprises: Toward Effective Business Management in the
Saudi Arabian Context. International
Journal of Computational Intelligence Systems, 13(1), 142-152. https://doi.org/10.2991/ijcis.d.200127.002
Calle, J. S., Pincay, M. A., Mendoza, B. S. y
Bravo, G. S. (2024). Uso estratégico de la inteligencia artificial en la
gestión de la cadena de suministro empresarial. Ciencia y Desarrollo, 27(2),
267-276. https://doi.org/10.21503/cyd.v27i2.2620
Canossa, H. y Peraza, N. (2024). Gestión del talento
humano en la era de la inteligencia artificial: Retos y oportunidades en el
entorno laboral. 593 Digital Publisher
CEIT, 9(1), 302-319. https://doi.org/10.33386/593dp.2024.1.2170
Cevallos, C. del R., Naranjo, M. J., Vilcacundo, G. I.
y Castelo, Á. G. (2024). Tendencias actuales en el uso de la informática
aplicada a los procesos de la administración de empresas: Reflexiones teóricas.
Revista de la Universidad del Zulia,
15(43), 462-480. https://doi.org/10.46925//rdluz.43.26
Chen, Y. y Biswas, M. I. (2021). Turning
Crisis into Opportunities: How a Firm Can Enrich Its Business Operations Using
Artificial Intelligence and Big Data during COVID-19. Sustainability, 13(22),
12656. https://doi.org/10.3390/su132212656
Cui, X., Xu, B. y Razzaq, A. (2022). Can
Application of Artificial Intelligence in Enterprises Promote the Corporate
Governance? Frontiers in Environmental
Science, 10, 944467. https://doi.org/10.3389/fenvs.2022.944467
De Tyler, C., Gordon, R. y Tyler, C. E.
(2023). La administración empresarial y la utilización de la
inteligencia artificial y GPT-4 aportes y desafíos para la ingeniería del
software y los sistemas de información. Revista
Científica Guacamaya, 8(1),
128-141. https://doi.org/10.48204/j.guacamaya.v8n1.a4323
Diestra, N. M., Cordova, A. J., Caruajulca, C. P.,
Esquivel, D. L. y Nina, S. A. (2021). La inteligencia artificial y la toma de
decisiones gerenciales. Revista de
Investigación Valor Agregado, 8(1),
52-69. https://doi.org/10.17162/riva.v8i1.1631
García, Y. S., Juca, F. X. y Torres, V. (2023).
Automatización de procesos contables mediante Inteligencia Artificial:
Oportunidades y desafíos para pequeños empresarios ecuatorianos. Revista Transdiciplinaria de Estudios
Sociales y Tecnológicos, 3(3),
68-74. https://doi.org/10.58594/rtest.v3i3.93
Garibo, G., Najera, A. y Parra, H. (2023). Una mirada
teórica a la administración empresarial en la era digital: El proceso
administrativo y la revolución de la inteligencia artificial. Technological Innovations Journal, 2(4), 7-19. https://doi.org/10.35622/j.ti.2023.04.001
He, Q., Zheng, H., Ma, X., Wang, L., Kong, H.
y Zhu, Z. (2022). Artificial intelligence application in a renewable
energy-driven desalination system: A critical review. Energy and AI, 7,
100123. https://doi.org/10.1016/j.egyai.2021.100123
Li, H. (2022). Research on the Significance
of Big Data and Artificial Intelligence Technology to Enterprise Business
Management. Mobile Information Systems,
2022, 1-10. https://doi.org/10.1155/2022/7639965
Li, J. (2021). Design of Enterprise Human Resources Decision Support System based on
Data Mining. https://doi.org/10.21203/rs.3.rs-805084/v1
Li X., Wu X., Wan X., Zhong F., Cui C., Chen
Y., Chen L., Chen K., Jiang H. y Zheng M. (2020). The application of artificial
intelligence to drug sensitivity prediction. Chinese Science Bulletin, 65(32),
3551-3561. https://doi.org/10.1360/TB-2020-0557
Maitre, E., Ramalho Sena, G., Chemli, Z.,
Chevalier, M., Dousset, B., Gitto, J.-P. y Teste, O. (2022). The investigation
of an event-based approach to improve commodities supply chain management. Brazilian Journal of Operations &
Production Management, 19(2),
e20221160. https://doi.org/10.14488/BJOPM.2022.005
Melara, M. (2023). La Inteligencia Artificial en la
administración de empresas. Revista
Digital. Facultad de Ciencias Administrativas y Recursos Humanos, 6. https://www.administracion.usmp.edu.pe/revista-digital-usmp/entrada_6/la-inteligencia-artificial-en-la-administracion-de-empresas/
Pineda, E. F. y Londoño, J. L. (2024). Administración,
Inteligencia Artificial y riesgo existencial: El papel de las corrientes
críticas para el futuro de la humanidad. Ensayos:
Revista de Estudiantes de Administración de Empresas, 13, 98-139. https://revistas.unal.edu.co/index.php/ensayos/article/view/113806
Qin, J. y Qin, Q. (2021). Cloud Platform for
Enterprise Financial Budget Management Based on Artificial Intelligence. Wireless Communications and Mobile Computing,
2021, 1-10. https://doi.org/10.1155/2021/8038433
Rangel, J. E., Triviño, S. Y., Lavayen, H. y
Villamar, W. G. (2024). Inteligencia Artificial. La nueva transformación de la
administración empresarial. RECIAMUC,
8(1), 759-767. https://doi.org/10.26820/reciamuc/8.(1).ene.2024.759-767
Reigosa, A. y Gómez, V. (2024). Inteligencia
artificial en la administración de empresas: Análisis bibliométrico de la
producción científica en SCOPUS. Universidad
y Sociedad, 16(3),
512-522. https://rus.ucf.edu.cu/index.php/rus/article/view/4509
Rubín, C. N. (2024). La IA en la administración de
negocios actual. Cuadernos del CIMBAGE, 1(26), 61–76. https://doi.org/10.56503/CIMBAGE/Vol.1/Nro.26(2024)/3021
Sira, M. (2023). Artificial Intelligence and
its application in Business Management. Scientific
Papers of Silesian University of Technology. Organization and Management Series,
2022(165), 307-346. http://dx.doi.org/10.29119/1641-3466.2022.165.23
Torres, A. D. y Díaz, L. A. (2020). Aplicaciones de la
Inteligencia Artificial en los Modelos de Negocios Digitales. Recherches en Sciences de Gestion, 141(6), 67-88. https://doi.org/10.3917/resg.141.0067
Vera, S. P. y Pico, S. P. (2024). Inteligencia
artificial en el desarrollo administrativo de la empresa moderna. Revista Científica Arbitrada
Multidisciplinaria PENTACIENCIAS, 6(2),
264-282. https://doi.org/10.59169/pentaciencias.v6i2.1046
Villarreal, F. L. y Flor, G. A. (2023). Inteligencia
Artificial: El reto contemporáneo de la gestión empresarial. ComHumanitas: revista científica de comunicación, 14(1), 94-111. https://doi.org/10.31207/rch.v14i1.393
Wang, J. (2022). A Business Management
Resource-Scheduling Method based on Deep Learning Algorithm. Mathematical Problems in Engineering,
2022. https://doi.org/10.1155/2022/1122024
Wang, S. (2021). Artificial Intelligence
Applications in the New Model of Logistics Development Based on Wireless
Communication Technology. Scientific
Programming, 2021, 1-5. https://doi.org/10.1155/2021/5166993
Xuanbei, S. (2021). Big data and Artificial
Intelligence Drive Human Resource Management Innovation Research. Journal of Physics: Conference Series,
1955(1), 012011. https://doi.org/10.1088/1742-6596/1955/1/012011
Zhao, Y. (2022). Decision Support System for
Economic Management of Large Enterprises Based on Artificial Intelligence. Wireless Communications and Mobile Computing,
2022, 1-11. https://doi.org/10.1155/2022/9453580
Zhu, D. (2022). A Fuzzy Comprehensive
Evaluation and Random Forest Model for Financial Account Audit Early Warning. Mobile Information Systems, 2022, 1-11. https://doi.org/10.1155/2022/5425618