https://revistaimpulso.org/
Volumen 5 | Número 9 | Enero – Junio - 2025 | ISSN:
2959-9040 | ISNN-L: 2959-9040 | Pág. 353 - 367
Inteligencia artificial en las
empresas: Oportunidades y desafíos
Artificial intelligence in companies: opportunities and challenges
Inteligência artificial nas empresas: oportunidades e desafíos
Fortunato Contreras Contreras
fcontrerasc@unmsm.edu.pe
https://orcid.org/0000-0001-6060-0321
Universidad Nacional Mayor de San
Marcos Lima-Perú.
Julio Cesar Olaya Guerrero
jolayag@unmsm.edu.pe
https://orcid.org/0000-0002-4273-3654
Universidad Nacional Mayor de San
Marcos Lima-Perú.
http://doi.org/10.59659/impulso.v.5i9.88
Artículo recibido 12 de septiembre de 2024 / Arbitrado
30 de septiembre de 2024 / Aceptado 08 diciembre 2024 / Publicado 01 de enero
de 2025
RESUMEN
En la actualidad el desarrollo tecnológico contribuye
a mejorar la vida, a pesar de esto, es necesario incursionar en el uso de de la Inteligencia Artificial en las empresas
paulatinamente y se evaluará cada paso que se tome, para que su adaptación sea
óptima y apropiada, en función de las necesidades de la empresa. Por lo que el
presente estudio trazó analizar las principales oportunidades y desafíos de la
IA en las empresas, mediante una revisión sistemática, se examinaron 88
artículos publicados entre 2019 y 2024, empleando las bases de datos Dialnet,
Scielo y Redalyc. La metodología que se utilizó fue PRISMA con enfoque
cualitativo, se emplearon palabras claves como “Inteligencia Artificial”,
“Empresas”, “Oportunidades” y “Desafíos”. Los resultados subrayan que la
Inteligencia Artificial en la administración empresarial, trae beneficios,
haciendo que la estructura organizacional labore de forma más efectiva,
permitiendo así ahorrar tiempo y recursos, y proporcionar un mejor servicio a
los clientes.
Palabras clave:
Empresas; Desafíos; Inteligencia Artificial; Oportunidades
ABSTRACT
Currently, technological development
contributes to improving life, despite this, it
is necessary to venture into the application of Artificial Intelligence in companies gradually and evaluate each step taken, so that its adaptation is optimal and appropriate. according to business needs.
Therefore, the objective of this
study was to analyze the
opportunities and challenges
of AI in companies, through a systematic review. 88 articles published between 2019 and 2024 were analyzed, using databases: Dialnet, Scielo and Redalyc. The
methodology used was PRISMA with a qualitative approach, keywords such as “Artificial Intelligence”, “Companies”, “Opportunities” and “Challenges” were used. The
results emphasize that Artificial Intelligence in business administration brings benefits, making the work
organizational structure
more efficient, so that
time and resources can be saved,
and offer better services to customers.
Keywords: Companies; Challenges;
Artificial Intelligence; Opportunities
RESUMO
Atualmente, o desenvolvimento tecnológico contribui para melhorar a vida, apesar disso, é necessário aventurar-se gradualmente na
aplicação da Inteligência
Artificial nas empresas e
avaliar cada passo dado, para que a sua adaptação seja
óptima e adequada. de acordo
com as necessidades do negócio. Portanto, o objetivo deste estudo foi analisar
as oportunidades e desafios da IA nas
empresas, por meio de uma revisão sistemática. Foram analisados 88 artigos publicados
entre 2019 e 2024, nas bases de dados: Dialnet,
Scielo e Redalyc. A metodologia utilizada foi PRISMA com abordagem qualitativa, foram utilizadas palavras-chave
como “Inteligência Artificial”, “Empresas”,
“Oportunidades” e “Desafios”. Os resultados enfatizam que a Inteligência
Artificial na administração
de empresas traz benefícios,
tornando a estrutura organizacional de trabalho mais eficiente, para que
se possa economizar tempo e
recursos, e oferecer melhores
serviços aos clientes.
Palavras chave: Empresas; Desafios;
Inteligência Artificial; Oportunidades
INTRODUCCIÓN
En años recientes se ha observado un cambio
significativo en el sector empresarial, principalmente impulsado por el
progreso tecnológico. La aparición de nuevos enfoques en la gestión de datos
generada por instituciones, conocido como Gestión del Conocimiento, junto con
el análisis masivo de datos, una creciente globalización acerca de los
mercados, así como la inseguridad y el peligro en el proceso de toma de
decisiones en las empresas, han sido factores clave en este desarrollo.
Esto ocurre en un contexto cada vez más complicado,
donde el antiguo mundo de las certezas ha dejado de existir y la capacidad de
ser competitivo y sostenible a largo plazo se ha transformado en un desafío
fundamental para la continuidad de las organizaciones empresariales. En este
contexto, el progreso tecnológico y los métodos innovadores no deberían
restringirse a replicar las funciones del manejo manual de información; por el
contrario, estas herramientas deben desempeñar un papel fundamental para alcanzar
los objetivos de la gestión empresarial, facilitando decisiones que sean
adecuadas, efectivas y oportunas.
Las empresas se han enfrentado a diferentes puntos de
inflexión en los últimos años. Las tecnologías más actuales y el hacer uso de
ellas han llevado a las empresas a enfrentar un nuevo reto: la inclusión e
implantación en su día a día de la Inteligencia Artificial (IA). Esta
clasificación es una parte dentro de la informática, pero no cuenta con una
descripción exacta en el ámbito literario (Wang, 2019). No se refiere a la
automatización de tareas repetitivas mediante códigos.
Tampoco se trata únicamente de reproducir los métodos
tradicionalmente empleados en la programación. La IA consiste en un
procedimiento que imita el cerebro humano, lo que permite a las máquinas tomar
decisiones y fomentar competencias para abordar problemas de forma más
efectiva. La definición de inteligencia artificial se muestra como una
representación conceptual del pensamiento humano, con el objetivo de crear
soluciones que imiten la racionalidad, funciones cognitivas, capacidad,
comportamiento y la estructura del pensamiento (Markram,
2006).
De manera general la IA trata de buscar métodos que
doten a los sistemas informáticos de la capacidad de “pensar”; esto es, que a
partir de los datos e informaciones con los que “convive” genere respuestas y
comportamientos adecuados a cualquier situación. Por otro lado, un sistema es
considerado inteligente si logra hacer frente a cualquier demanda teniendo
información y capacidad de análisis.
Existen varios tipos de inteligencia artificial, entre
los que destacan los siguientes: Pensamiento humano: como son la memoria y el
aprendizaje que llevan a cabo los humanos. Racional: al igual que los
anteriores, busca simular el comportamiento humano, pero con un contexto
reducido. A efectos prácticos, resulta la inteligencia artificial más útil e
interesante. Actuar de forma humana: el objetivo es resultar indistinguible del
ser humano. En conclusión, que el ser humano no distinga si con lo que interacciona
es una máquina o un humano (Numa et al., 2024). Hoy en día existen dos
vertientes muy claras en la forma de abordar la inteligencia artificial:
aprendizaje por el modelo y aprendizaje profundo. Ambas tienen como objetivo
conseguir que un sistema pueda actuar y mejorar de forma autónoma a partir de
una serie de datos constructivos.
Una técnica de inteligencia artificial se considera un
enfoque que emplea conocimiento representado de manera que permite
generalizaciones, es entendible, adaptable y aplicable (Ehie
y Ferreira, 2019). Las metodologías de inteligencia artificial se han
implementado de acuerdo con la naturaleza del desafío; en otras palabras,
aquellas que están orientadas al aprendizaje deben aplicarse a problemas que
compartan características similares. Entre las técnicas de IA más reconocidas
se encuentran: lógica difusa, sistemas expertos fundamentados en reglas,
algoritmos genéticos, redes neuronales artificiales, agentes inteligentes y
visión por computadora, entre otros. Sin embargo, es posible combinar estas
técnicas, lo que se denomina técnicas híbridas (MinAgricultura,
2018). La clasificación de estas metodologías es considerablemente más amplia;
para los fines de este artículo, se tomarán en cuenta aquellas que son más
relevantes según el análisis del problema. A pesar de ello, hay otras técnicas
como: visión por computadora, planificación, procesamiento de lenguaje natural
y redes inteligentes de datos, entre otras. La IA se considera como la próxima
etapa en el desarrollo de las especies (Achard,
2020).
La literatura sobre la inteligencia artificial (IA) en
las instituciones financieras ha aumentado notablemente en pocos años, por lo
que se plantea como pregunta de investigación
¿Cómo impacta la IA en las empresas? Por tanto, la
presente investigación tiene como objetivo analizar las oportunidades y
desafíos de la IA en las empresas a través de la revisión sistemática de la
metodología Prisma. En este contexto, la investigación contribuye a la
comprensión de esta problemática, proporcionando un marco que determina la
aplicabilidad, ventajas y retos de la IA para mejorar el desempeño y
competitividad de las empresas.
MÉTODO
Se empleó una metodología con un enfoque cualitativo
detallado por Katayama (2014) como el enfoque metodológico que emplea
vocabulario, escritos, discursos, ilustraciones, gráficos y visuales, analiza
diversos objetos para entender la vida social del individuo mediante los
significados que este ha generado. Se empleó como método la revisión
sistemática de la literatura según la metodología PRISMA, que abarca metas y
procedimientos definidos y replicables, una investigación exhaustiva para
conseguir los estudios, un análisis interno de los resultados y una exposición
de los hallazgos obtenidos (Clarke, 2011). Para llevar a cabo la revisión
sistemática, se establecieron cuatro etapas: búsqueda, evaluación, análisis y
síntesis (Orihuela, 2024).
Durante la fase inicial de búsqueda, se realizó una
exhaustiva exploración en la base de datos de Google Académico utilizando
términos clave relevantes como "Inteligencia Artificial",
"Empresas", "Oportunidades" y "Desafíos". Se
aplicaron criterios específicos, incluyendo un riguroso filtro de idioma para
abarcar artículos en inglés y español, así como un intervalo de fechas de
publicación limitado a los últimos 5 años, comprendidos entre 2019 y 2024.
Además, se privilegiaron los artículos científicos originales de revistas de
prestigio indexadas en Dialnet, Scielo y Redalyc.
En la etapa de evaluación, se examinaron los resúmenes
y títulos de los artículos obtenidos en la búsqueda preliminar para valorar su
relevancia, siguiendo criterios de inclusión como la extensión de entre 4000 y
6000 palabras. Aquellos que no cumplían con los requisitos establecidos fueron
descartados en este proceso de selección inicial.
Posteriormente, en la fase de análisis, se procedió a
un escrutinio detallado de los artículos seleccionados con el objetivo de
extraer información pertinente acerca del uso de la inteligencia artificial en
diversos sectores empresariales. Se registraron datos clave como los nombres de
los autores, títulos de los estudios, años de publicación, resultados
relevantes y aspectos comunes identificados entre las investigaciones.
En la etapa de síntesis, se llevaron a cabo un examen
profundo y una consolidación de los resultados de los artículos elegidos en
relación con los objetivos planteados en la investigación. Se identificaron
patrones, temas recurrentes y diferencias significativas entre los estudios
analizados. Estos hallazgos permitieron la formulación de conclusiones
generales y propuestas de posibles vías para investigaciones futuras. De los 88
artículos examinados en total, se seleccionaron 7 publicaciones que cumplían con
los criterios de relevancia establecidos para el propósito específico de la
investigación.
RESULTADOS
En este estudio se recopiló y analizó información,
logrando identificar y seleccionar una serie de estudios que abordaron
diferentes aspectos de esta problemática relacionada con la utilización y
beneficios de la IA en las empresas.
El diagrama de flujo representa toda la selección de
estudios dividido en tres etapas. En la primera etapa, llamada identificación,
se obtienen un total de 88 artículos de diversas bases de datos para la
revisión, considerados como artículos identificados. Se eliminan antes de la
selección: 2 artículos duplicados, 16 por ser tesis y artículos de revisión y
33 por no estar disponibles para su descarga.
En la segunda etapa, denominada elegible, quedaron 34
artículos para revisión después de eliminar los duplicados e ilegibles. De
estos, 13 artículos son excluidos ya que no cumplían con los requisitos para
ser incluidos, no se solicitaron artículos adicionales para ser recuperados. Al
final de esta etapa, se evalúan 21 informes para determinar su elegibilidad,
incluyendo finalmente un total de 7 estudios en la presente revisión, según se
detalla en la figura 1.
Figura 1. Diagrama de flujo
Seguidamente, se detallan 7 artículos que se han
seleccionado como consecuencia de las etapas de información analizada luego de
ejecutar los criterios, estrategias y filtros de búsqueda que fueron
mencionados en el punto anterior.
Tabla 1. Relación de
artículos incluidos
|
Autores/año |
Titulo |
Resultados |
|
Filgueiras, F. (2021) |
Inteligencia
Artificial en la administración pública: ambigüedad y elección de sistemas
de IA y desafíos de gobernanza digital |
Indica la importancia
de crear instituciones que se adentren en la comprensión de los matices, los pormenores y los posibles efectos de la gobernanza
de la inteligencia artificial en la gestión pública. |
|
Cordero Naspud, E. I., Erazo
Álvarez, J. C., Narváez Zurita, C. I.,
y Cordero Guzmán, D. M.
(2020) |
Soluciones
corporativas de inteligencia de negocios en las pequeñas y medianas empresas |
Demuestra que las
herramientas tecnológicas facilitan un análisis más eficiente de la información de manera más ágil.
asimismo, incrementan de manera notable la calidad de la información,
aumentando la fiabilidad de los informes producidos a partir de ella, brindando medios para tomar decisiones en una organización. |
|
Arango Palacio, I.C. (2021) |
Oportunidades
para la transformación digital de la
cadena de suministro del sector bananero basado
en software con
inteligencia artificial |
Se
reconocen los efectos y las oportunidades que brindan los programas de inteligencia artificial para simplificar las operaciones y optimizar el rendimiento de
la cadena de suministro en la industria bananera de Colombia. |
|
de Tyler,
C., Gordon Graell, R., y Tyler, C. (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 |
Destaca la
Inteligencia Artificial y los sistemas de información como ChatGPT representan una oportunidad para
mejorar, automatizar y simplificar
procesos, beneficiando así la eficiencia empresarial. Esta tecnología permite a las empresas optimizar
sus operaciones, liberar recursos humanos para tareas más estratégicas y aumentar la productividad
general, adaptándose a un entorno
cada vez más complejo y basado en datos |
|
Carrión González,
J. T., Novillo Díaz, L. A.,
y Aguirre Ochoa, M.M. (2024) |
Impacto
de la economía digital de las PYMES en El
Oro. CASO INCARPALM |
El análisis
del caso en la empresa INCARPALM que revela
mediante una evaluación de cualidades, se identifican retos y beneficios que
influyen en el compromiso de la alta dirección. Además, se determinan las herramientas
tecnológicas para procesar la información y la comunicación empleadas y se
destacan los beneficios de la economía digital en sus operaciones y
relaciones con los clientes. Los hallazgos evidencian que el uso de las tecnologías en la economía
ha transformado los procesos productivos en las empresas |
|
Lope Salvador, V., Mamaqi, X., y Vidal Bordes , J. (2019) |
La Inteligencia
Artificial: desafíos teóricos, formativos y comunicativos
de la datificación |
Explora la urgencia
de clasificar las capacidades y destrezas para nuevas profesiones en el ámbito
económico, empresarial y comunicativo., así como,
la utilización de la inteligencia artificial para optimizar el resultado satisfactorio
de los artículos científicos. |
|
Arencibia,
F. (2022) |
Inteligencia
artificial para la gestión e integración de las personas en la era de la
competencia absoluta por el talento |
Analiza las
competencias de un equipo de empresas
tecnológicas y manejar de manera adaptable a los humanos para alcanzar
niveles favorables que resulten en una productividad óptima. |
En los años recientes, se ha evidenciado que la
Inteligencia Artificial (IA) respalda las habilidades humanas, facilitando una
mejora que antes no se creía viable. De esta manera, contribuye a que la
humanidad potencie las estrategias y la creatividad en las empresas, logrando
un crecimiento económico notable en los lugares donde se implementa. de Tyler
et al. (2023) destacan que la administración de empresas se vuelve cada vez más
complicada debido al volumen creciente de datos generados diariamente, lo que
convierte a la IA en una valiosa herramienta para optimizar, automatizar y
simplificar procesos, mejorando así la productividad. Según Mampel
(2023), Harvard Business School identificó cuatro
pasos esenciales para implementar la IA en las empresas:
-Experiencia práctica: Es vital aplicar los
conocimientos teóricos para integrar la IA adecuadamente.
-Actualización constante: La IA debe aprender de
manera continua gracias al machine learning.
-Retroalimentación: Los comentarios sobre el
rendimiento son cruciales.
-Verificación: Idealmente, tanto empleados como IA
deben compartir experiencias.
Tipos de IA en las empresas y su aplicación
Para Cordero et al. (2020) existen varias formas de
integrar la IA en las pequeñas y medianas empresas (pymes):
-Sistemas de información: Los sistemas de información
(SI) en las pequeñas y medianas empresas son fundamentales para el
funcionamiento operativo y la evaluación de la situación de la organización.
Estos sistemas agrupan los recursos a través de tres funciones específicas:
primero, reciben datos informativos de fuentes tanto internas como externas;
segundo, procesan y gestionan los datos recopilados; y
por último, proporcionan la información procesada a los usuarios con el
objetivo de crear estrategias que contribuyan a la mejora de la empresa. Los SI
son uno de los elementos más importantes del contexto empresarial actual, que
brindan amplias oportunidades de éxito para las pequeñas y medianas empresas.
-Sistema inteligente de negocios: Son considerados un
recurso que integra diversos recursos tangibles empleados por las pymes para
añadir valor y desarrollar estrategias competitivas en el mercado. Este recurso
incluye otras herramientas que contribuyen a la creación del business intelligence (BI) como
apoyo en la toma de decisiones. Según Vanegas y Guerra (2013), una plataforma
de Inteligencia de Negocios (BI) articula las funciones de recolección,
almacenamiento, procesamiento, evaluación y representación gráfica de
información., provenientes de las operaciones y la administración de la
entidad. Esta funcionalidad busca mejorar la aprehensión y la aplicación del
planeamiento estratégico
-Data Warehouse: Denominado
Almacén de datos, se trata de conjuntos de información reunida de diversas
fuentes y en diferentes períodos, que pueden ser utilizados en cualquier
momento con el propósito de ser aplicados posteriormente en la empresa. Esta
herramienta facilita el proceso de toma de decisiones; por otro lado, antes de
guardar la información en este sistema, se debe obtener, depurar, modificar y
cargar todos los datos de manera secuencial.
-Minería de datos: Consiste en un conjunto de
herramientas para analizar información que, mediante el análisis de patrones
identificables, se posibilita la extracción precisa de información relevante
sobre un proceso específico o general dentro del contexto empresarial. Este
procedimiento resulta crucial en la toma de decisiones. Arango (2021) concuerda
en el impacto positivo de la IA, en este caso en la cadena de suministro y su
transformación digital: La combinación de negocios, disminución de gastos, mejora
en la gestión del tiempo y de la infraestructura de datos, entre otras
aplicaciones, facilita la modelización de la transformación digital de las
cadenas de suministro. La integración de metodologías basadas en inteligencia
artificial. l en la cadena de suministro abre nuevas oportunidades para la
industria del banano. Arencibia (2022) propone otros tipos de técnicas de la
IA:
-Sistemas expertos: Estos sistemas describen como
sistemas computacionales (que abarcan sistemas que integran componentes físicos
y lógicos), diseñados para emular los procesos inferenciales de expertos
humanos en un dominio específico del saber. Estas entidades computacionales
exhiben la facultad de adquirir, procesar, y almacenar información, así como de
realizar procesos de aprendizaje y razonamiento en contextos tanto
deterministas como inciertos, interactuar con humanos y/o
otros sistemas expertos, tomar decisiones adecuadas y justificar las razones
detrás de dichas decisiones. De este modo, los sistemas expertos operan como un
agente de soporte cognitivo, capaz de proporcionar asistencia a un experto
humano con un grado aceptable de confiabilidad.
-Redes neuronales: Las redes neuronales artificiales
constituyen un paradigma computacional de procesamiento de información en masa
y paralelo, que emula los atributos esenciales de la arquitectura neuronal del
cerebro biológico. Estas redes se configuran mediante un sistema de nodos
interconectados, dispuestos en estratos o capas, cada uno de los cuales alberga
múltiples unidades de procesamiento. Dichas capas se clasifican en capas de
entrada, donde se inyecta el vector de datos; capas de salida, que proveen el
vector resultante de la computación; y capas intermedias, que modulan el flujo
de información entre las capas inicial y final.
En el ámbito de la gestión financiera empresarial, las
redes neuronales buscan abordar de manera eficiente problemas que se clasifican
en tres categorías amplias: Mejora, identificación y ampliación (Serrano y
Gallizo, 1996). En los problemas de optimización, el objetivo es encontrar la
mejor solución para un problema específico previamente definido. Ejemplos de
estos problemas incluyen la determinación de niveles adecuados de liquidez en
las empresas, así como los niveles ideales de existencias, producción y
carteras, entre otros.
Para abordar problemas de reconocimiento, se emplea
comúnmente un proceso de aprendizaje supervisado en redes neuronales,
utilizando datos de entrada que comprenden representaciones de señales
acústicas, numéricas y alfanuméricas. La subsiguiente fase de validación del
modelo implica la presentación de los mismos patrones con la adición de
perturbaciones o imprecisiones. Este enfoque para problemas de reconocimiento
tiene aplicaciones significativas en la gestión empresarial, particularmente,
se incluye el proceso de identificación de caracteres en documentos mediante
tecnología óptica empresariales, que ha sido implementado en distintas
instalaciones de banco y finanzas. En los problemas de generalización, el
enfoque principal es resolver cuestiones relacionadas con la clasificación y la
predicción.
-Algoritmos genéticos: Estos algoritmos constituyen
una manifestación de los progresos en cálculo basado en la evolución,
inspirados en los mecanismos de la genética. Imitan el proceso de selección
natural y los principios genéticos, aprovechando información histórica para
explorar nuevos enfoques en la búsqueda de una solución óptima. Esto permite
resolver problemas que, debido a su complejidad, no cuentan con un método de
solución preciso. La obtención de estas soluciones requiere cálculos complejos
que, de otro modo, consumirían un tiempo excesivo.
Dentro de la gestión financiera empresarial, los
algoritmos genéticos encuentran aplicaciones relevantes en el análisis
predictivo. Específicamente, se emplean en la modelización de la probabilidad
de quiebra empresarial y en el análisis anticipado de la habilidad económica de
una compañía para la adquisición de deuda, lo que ayuda a decidir si se debe
otorgar; y la optimización de la asignación de recursos, guiada por reglas
inferidas a partir de datos históricos de múltiples años, presenta un desafío donde
la lógica difusa complementa las capacidades de los algoritmos genéticos. En
este contexto, los algoritmos genéticos sobresalen en la búsqueda de soluciones
óptimas en espacios numéricos y combinatorios, mientras que la lógica difusa
modela la ambigüedad y la vaguedad presentes en los datos históricos y en los
criterios de asignación.
-Lógica difusa: En la lógica difusa, se asume que los
fenómenos no se ajustan a categorías discretas, sino que presentan una
gradación en su manifestación, lo que facilita el manejo de información
imprecisa o difícil de definir, lo cual es crucial para resolver problemas.
Esto se logra a través de un conjunto de reglas de "sentido común"
que se desarrollan mediante sistemas adaptativos, los cuales aprenden a partir
de la observación del comportamiento humano o de la formulación realizada por
expertos.
En el dominio empresarial, la teoría de conjuntos
borrosos ha sido empleada de forma amplia en los procedimientos de selección de
opciones, caracterizados por la utilización de juicios subjetivos fundamentados
en la información disponible y en la experiencia personal. Se consideran dentro
de este alcance: esquemas decisorios con criterios de optimización,
modelamiento de la producción, control de inventarios, seguros de vida,
asignación de ubicaciones industriales, selección de activos, estrategias para
la penetración en mercados foráneos, y estimación del valor de intangibles en
compañías en línea, entre otros.
-Teoría de los conjuntos aproximados - Rough Sets: Se
define como un mecanismo de cuantificación y visualización espacial diseñado
para la a gestión de la incertidumbre en el marco de la toma de decisiones
dentro de un grupo de elementos que, por lo general, no pueden ser definidos de
forma exacta en función de los valores de un grupo de características.
En el entorno corporativo, esta herramienta analítica
resulta aplicable a la prospección de la dinámica del mercado de valores,
proporcionando soporte a los inversores en la formulación de estrategias de
adquisición y disposición de activos, así como en la anticipación de fracasos
financieros y en el marketing basado en bases de datos, que implica la
identificación de patrones en el comportamiento de consumo de los clientes.
Los recursos humanos en la inteligencia artificial
Los autores consultados y en especial Arencibia
(2022), consideran que en el nuevo entorno las organizaciones van a necesitar
perfiles mucho más específicos para cada función y, por tanto, los trabajadores
deberán adquirir conocimientos en diferentes ámbitos en función de su cargo. En
general, la digitalización supone un cambio cultural de gran calado, y aunque
todos quieren ser digitales, son pocos los que están dispuestos a llevar a cabo
los esfuerzos necesarios que permiten hacerlo; esto también se ve en software
de recursos humanos, donde muchas empresas buscan, pero no encuentran
herramientas que transformen sus procesos. Los departamentos de personal no
están libres de lo que ocurre a la empresa; deberán conocer mejor a los
empleados y atender a sus necesidades de forma diferente, conocer y gestionar
las personas con las que trabajan en un proyecto para causar impacto en ellos.
Asimismo, asegura que la inteligencia artificial y el machine learning harán el análisis complejo más accesible, pero los
profesionales deberán aprender a traducirlo en planes de actuación con impacto,
que requieren de las personas; el mejor conocimiento siempre es humano al
depender de personas (Osorio y Enerieth, 2020).
Oportunidades de la IA en las empresas
Cordero et al. (2020) disertan sobre la amplia gama de
servicios que ofrece la inteligencia de negocios, que promueve la
interpretación de los ingresos devengados por una compañía en diversos
intervalos de tiempo contable. Del mismo modo, posibilita el análisis del
volumen de comercialización y la identificación del producto más vendido, ya
sea a nivel general o específico. En resumen, contribuye a conocer múltiples
parámetros en tiempos breves, simplemente implementando los algoritmos o
métricas pertinentes a cada variable sometida a estudio.
Cordero et al. (2020) concuerda con Arango (2021), de
Tyler et al. (2023) y Carrión et al. (2024) e indican que otros beneficios que
proporciona la inteligencia de negocios son la reducción del tiempo necesario
para localizar información específica, así como la creación de gráficos e
indicadores que facilitan el conocimiento gerencial en un corto período. En
contraposición, la incorporación de datos en la base de datos
departamentalizada permite a los administradores la identificación de
deficiencias o puntos críticos que inciden en un incremento de los costes, lo
que les permite implementar estrategias adecuadas para disminuir esos gastos.
Adicionalmente, facilita la definición de objetivos factibles mediante el
análisis comparativo de datos financieros, tanto históricos como
contemporáneos, y la evaluación referencial con el desempeño de entidades
similares. Este enfoque analítico es fundamental para la elaboración de
proyecciones realistas y alcanzables.
En el ámbito de la cadena de suministro, Arango (2021)
destaca las múltiples posibilidades ofrecidas por la transformación digital a
través de la inteligencia artificial, incluyendo el aumento de la velocidad de
acceso a datos, la supervisión para garantizar la disponibilidad, la ubicación
óptima, la modelación en la cadena de suministro, la consolidación de
inventarios, la mejora del proceso de toma de decisiones, la unificación de las
redes de suministro, la reducción de plazos de entrega y costos de producción,
la planificación de la producción, entre otros aspectos. Por otro lado, Lope et
al. (2019) resumen los beneficios de la inteligencia artificial en la gestión
empresarial, resaltando funciones clave como el incremento de la productividad
y eficiencia operativa, la reorientación del talento humano hacia capacidades
creativas, la optimización en la creación de productos, la mejora en la
comercialización, la optimización de la experiencia de usuarios y clientes, así
como el impacto en el mercado laboral al generar nuevas oportunidades laborales
y transformar roles existentes, manteniendo constante la cantidad de empleos y
resaltando que la inteligencia artificial no puede reemplazar la creatividad,
ingenio e innovación humanas.
Desafíos de la IA en las empresas
Con respecto a la metodología de implementación de
tecnologías de inteligencia artificial (IA) en el ámbito público, según
Filgueiras (2021), presenta múltiples retos. Se requiere una clara comprensión
de que la Inteligencia Artificial no ofrece una resolución automática para un
conjunto de problemas predefinidos. En el contexto del sector público y de la
formulación de políticas, las decisiones continúan siendo procesos ritualizados
con mensajes equívocos que conllevan diversas interpretaciones contradictorias.
Se ha evidenciado que, aunque los algoritmos agilizan la toma de decisiones,
también generan nuevos problemas. Estos algoritmos pueden contribuir a diversas
formas de injusticia, como sesgos raciales o de género, colonialismo de datos y
nuevas desigualdades.
Por su parte, Arencibia (2022) se enfoca en los
desafíos que enfrenta los recursos humanos al utilizar la IA, planteando que
los departamentos de recursos humanos van a tener que fomentar un nuevo enfoque
basado en la flexibilidad y la resiliencia, ya que las competencias técnicas
son más susceptibles de perderse al cambio conforme evolucionan las
tecnologías. Identificar y favorecer el desarrollo de las competencias blandas
que marcarán la diferencia entre trabajadores y directivos, desarrollar herramientas
personalizadas para gestionar el capital humano, conocer e informar de posibles
riesgos asociados a la digitalización, fomentar un cambio de cultura orientado
al cliente, son retos a los que desde la función de recursos humanos deben
darse respuesta.
La tabla 2 facilita un resumen de los aspectos comunes
que se identificaron de los artículos revisados, destacando relaciones claves.
Tabla 2. Aspectos
comunes de los estudios realizados
|
Aspecto Común |
Descripción |
Estudios Relacionados |
|
Conceptualización de la IA |
Busca métodos
que doten a los sistemas informáticos de la capacidad de "pensar";
a partir de los datos
e informaciones con
los que "convive" generando respuestas y comportamientos
adecuados a cualquier situación. |
Todos los
artículos incluidos |
|
Aplicación |
·
Estrategia
financiera empresarial ·
Evaluación
de inversiones ·
Otorgamiento
de préstamos ·
Estudio de informes financieros ·
Comprensión
de indicadores ·
Evaluación
de tendencias ·
Cálculo y asignación de costos ·
Control y análisis de desviaciones ·
Diseño de sistemas de información y de gestión ·
Análisis de riesgos |
Todos
los artículos incluidos |
|
Oportunidades |
·
Evaluación
del control interno de una empresa |
Todos los
artículos incluidos |
|
·
Eficiencia
operativa y desempeño. |
||
|
·
Capital humano con
alta competencia profesional. |
||
|
·
Desarrollo
y manufactura de bienes y servicios." |
||
|
·
Distribución y posicionamiento de productos y
demandas en el mercado. |
||
|
·
Retroalimentación y respuesta de usuarios y clientes. |
||
|
·
Contexto de oportunidades de empleo. |
||
|
Desafíos |
Se enfocan en las competencias técnicas que deben
enfrentar los recursos humanos al aplicarla IA en las áreas de las
empresas. |
Filgueiras, F.(2021),
Arencibia, F. (2022) |
Discusión
Las herramientas digitales determinan las soluciones
tecnológicas que se deben implementar para abordar problemas públicos. La
selección de métodos generalmente está influenciada por factores que mejoran
los resultados para las empresas. Por consiguiente, la comprensión y aplicación
de las tecnologías orientadas al sector empresarial produce beneficios
competitivos, asistiendo a las organizaciones en la creación de valor y
fortaleciendo su presencia en el mercado.
La inteligencia empresarial proporciona ventajas tales
como la habilidad de comprender diversas características de los consumidores y
potenciales clientes, disminuye costos, incrementa la rapidez en el análisis,
contribuye a establecer metas realistas y se aplica en situaciones concretas.
Por lo tanto, es fundamental utilizar un Sistema Inteligente de Negocios, ya
que optimiza el control de gestión y facilita el acceso a la información que
permite a directivos de empresas formular posibles situaciones con respecto a
los datos recopilados y, así, definir estrategias que favorezcan el crecimiento
de la empresa.
En el conjunto de técnicas de Inteligencia Artificial,
los sistemas expertos se distinguen como la aproximación de mayor uso histórico
en el campo del control de las empresas financieras, ya que permiten la
construcción de sistemas transaccionales, que se destacan por su adaptabilidad
e innovación. La estructura de estos sistemas se basa, generalmente, en pautas
y categorías que se derivan del conocimiento de especialistas en la resolución
de problemas específicos.
Los progresos en hardware y software, mediante el uso
de una variedad de métodos de Inteligencia Artificial, tanto en aplicaciones
independientes como conjuntas, ha generado oportunidades relevantes para y
herramientas que permitan mejorar la gestión financiera en organizaciones. La
integración de estas soluciones permite tomar decisiones adecuadas en una
economía globalizada y altamente competitiva, donde los objetivos fundamentales
para la supervivencia empresarial se enfocan en la sostenibilidad a largo plazo
y en la creación de valor.
La Inteligencia Artificial no debe considerarse una
amenaza, sino como un elemento del proceso en un entorno en constante cambio
que exige adaptarse y enfrentar estos nuevos desafíos. La disrupción
tecnológica puede inducir a la obsolescencia de ciertas categorías laborales y
la disminución de su necesidad; sin embargo, esto no implica el reemplazo de la
fuerza laboral humana, sino la emergencia de nuevos perfiles profesionales. Con
respecto a este tema, la formación y el crecimiento de capital humano
especializado adquieren una relevancia crítica. Es decir, aunque ciertas
funciones podrían eliminarse, también podrían emerger otras, manteniendo un
equilibrio que constituye un componente fundamental de la evolución. En el
contexto actual, las entidades empresariales, a través de sus estrategias de
gestión, deben asimilar e implementar estas transformaciones en sus procesos
operativos con el fin de mantener su competitividad y relevancia en el mercado.
La satisfacción del cliente, en tanto, se erige como el objetivo primordial,
constituyendo la razón fundamental de su actividad.
CONCLUSIONES
La revisión sistemática realizada pone de manifiesto
que la aplicación de las herramientas de la IA en el ámbito empresarial
facilita la utilización de metodologías que respaldan los complejos
procedimientos de análisis. Estos procedimientos son necesarios para
identificar las dinámicas del mercado que facilita la adopción de decisiones
óptimas y apropiadas, así como para enfrentar los desafíos que presenta un
mundo globalizado, donde el conocimiento y su adecuada aplicación se consideran
factores fundamentales para el crecimiento de las organizaciones y la economía
en su conjunto.
A través del presente estudio se pudo demostrar que el
despliegue de la Inteligencia Artificial en entornos empresariales no debe
fundamentarse en una aplicación aleatoria o en una incorporación masiva e
inmediata a los procesos. Su implementación debe ser, preferentemente, de forma
gradual y evaluar cada avance, asegurando que su proceso adaptativo alcance un
nivel óptimo y se correlacione de manera precisa con las necesidades de su del
negocio.
Finalmente, los resultados subrayan que la
Inteligencia Artificial en la gestión empresarial ofrece importantes ventajas,
siempre que se utilice de manera ética y adecuada, lo que permite que la
disposición estructural en cada uno de sus niveles y secciones opere con mayor
eficiencia, ahorrando tiempo y recursos, y brindando un mejor servicio a los
clientes.
REFERENCIAS
Achard, I. (2020).
¿Nuevo rol o nueva identidad docente en la era digital? Educación y Tecnología.
https://n9.cl/jw01v3
Arango, I. C. (2021). Oportunidades para la transformación digital de la
cadena de suministro del sector bananero basado en software con inteligencia
artificial. Revista Politécnica. 17. 47-63. http://dx.doi.org/
10.33571/rpolitec.v17n33a4
Arencibia, F. (2022). Inteligencia artificial para la gestión e
integración de las personas en la era de la competencia absoluta por el
talento. Economía industrial. 423. 145-152. https://n9.cl/c8nb0x
Carrión, J. T., Novillo, L. A., y Aguirre, M. M. (2024). Impacto de la
economía digital de las PYMES en El Oro. CASO INCARPALM.
Desarrollo sustentable, https://n9.cl/y10i0
Clarke, J. (2011). What is
a systematic review? In Evidence-Based Nursing 14(3). 64.
https://doi.org/10.1136/ebn.2011.0049
Cordero, E. I., Erazo, J. C., Narváez, C. I., y Cordero, D. M. (2020).
Soluciones corporativas de inteligencia de negocios en las pequeñas y medianas
empresas. Revista Arbitrada Interdisciplinaria Koinonía, 5(10). Fundación
Koinonía, Venezuela. https://lc.cx/WlZXTb
de Tyler, C., Gordon Graell, R., y Tyler, C. (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
Ehie, I., y
Ferreira, L. M. (2019). Conceptual Development of Supply Chain
Digitalization Framework. IFAC-PapersOnLine, 52(13), 2338-2342. https://doi.org/10.1016/j.ifacol.2019.11.555
Filgueiras, F. (2021). Inteligencia Artificial en la administración
pública: ambigüedad y elección de sistemas de IA y desafíos de gobernanza
digital. Revista del CLAD Reforma y Democracia. 79.
5-38. https://www.redalyc.org/articulo.oa?id=357570194001
Katayama, R. J. (2014). Introducción a la investigación cualitativa.
Lima. Fondo Editorial de la UIGV. https://n9.cl/9z28td
Lope, V., Mamaqi, X., y Vidal, J. (2019). La
Inteligencia Artificial: desafíos teóricos, formativos y comunicativos de la datificación. Icono 14. 18(1). 58-88.
https://doi.org/10.7195/ri14.v18i1.1434
Mampel, P. (2023). IA
Empresas: cómo implementar la inteligencia artificial. https://n9.cl/e39cm
Markram,
H. (2006). The Blue Brain
Project. Nature Reviews Neuroscience. 7(2). 153-160. MinAgricultura. (2018). Cadena de Banano Indicadores e
Instrumentos 2018. https://n9.cl/0j4k
Numa, N., Diaz, L. Y., y Peñaloza, M. E. (2024). Importancia de la
Inteligencia Artificial en la educación del siglo XXI. AiBi
Revista de Investigación, Administración e Ingeniería, 12(2), 49-62. https://revistas.udes.edu.co/aibi/article/download/3776/3044
Orihuela, C. R. (2024). “Estrategias de resolución de problemas
matemáticos en estudiantes: una revisión sistemática”. REVISTA INVECOM Estudios transdisciplinarios en comunicación y
sociedad. 55 (11). https://lc.cx/hLFnU3
Osorio, A., y Enerieth, N. (2020). El derecho
de autor en la Inteligencia Artificial de machine learning
(Copyright Law in the
Artificial Intelligence of
Machine Learning). La propiedad inmaterial. https://n9.cl/mgnrp
Serrano, C. y Gallizo, J. L. (1996). Las redes neuronales artificiales
en el tratamiento de la información financiera. Departamento de Contabilidad y
Finanzas, Universidad de Zaragoza. https://n9.cl/f6yf7
Vanegas Lago, E. y Guerra Cantera, L. (2013). Sistema de inteligencia de
negocios para el apoyo al proceso de toma de decisiones. Revista Ingeniería UC,
20(3), 25-34. https://n9.cl/60ej
Wang, P. (2019). On Defining
Artificial Intelligence. Journal
of Artificial General Intelligence.
10(2) pp. 1-37. https://acortar.link/dYhZMB