Resumen
La presente investigación se centró en analizar la red bibliométrica en Scopus relacionada con la inteligencia
artificial y su impacto en la productividad empresarial. Para ello, se utilizaron técnicas cuantitativas, así como la
aplicación del método bibliométrico. A través de un análisis exhaustivo de 758 documentos, extraídos de la base
de datos Scopus, se reveló que entre los años 2014 y 2024 hubo un notable crecimiento (59.3%) en el volumen
de publicaciones relacionadas con el tema planteado. Asimismo, según los datos obtenidos, se evidenció que la
producción científica en Estados Unidos experimentó un crecimiento acelerado (27.8%) en comparación con otros
países. Además, el área académica más destacada fue el campo de las ciencias de la computación (34%),
mientras que el autor más citado fue Wirtz J., con 1309 citas, y la fuente más relevante fue la Revista de la
Sociedad de la Información y la Comunicación, con 43 publicaciones. Por lo tanto, se puede afirmar que la
investigación sobre la IA y la productividad en las empresas ha avanzado considerablemente. En conclusión, este
estudio bibliométrico proporciona una base fundamental para futuras investigaciones, siendo crucial profundizar
en el estudio de los sistemas de procesamiento y análisis de datos, así como en los recursos tecnológicos para
implementar soluciones que mejoren la productividad en las empresas.
Inteligencia artificial para aumentar la
productividad en las empresas:
un estudio bibliométrico
Artificial intelligence to increase productivity in
companies: a bibliometric study
Recibido: 25/11/2024 Aceptado: 04/02/2025
Italo Paul Yaranga Vite
https://orcid.org/0000-0001-7380-135X
iyaranga@ucvvirtual.edu.pe
Universidad César Vallejo. Trujillo-Perú
Lucio Wilfredo Olórtiga Cóndor
https://orcid.org/0000-0001-7380-135X
lolortigac@ucvvirtual.edu.pe
Universidad César Vallejo. Trujillo-Perú
2025. V5. N 4.
Yaranga, I., & Olórtiga, L. (2025). Inteligencia artificial para aumentar la productividad en las empresas: un estudio bibliométrico.
Revista InveCom, 5(4). 1-11. https://zenodo.org/records/14846656
2
Palabras clave: bibliométrico, inteligencia artificial, productividad.
Abstract
This research focused on analyzing the bibliometric network in Scopus related to artificial intelligence and its
impact on business productivity. To do so, quantitative techniques were used, as well as the application of the
bibliometric method. Through an exhaustive analysis of 758 documents, extracted from the Scopus database, it
was revealed that between the years 2014 and 2024 there was a notable growth (59.3%) in the volume of
publications related to the topic raised. Likewise, according to the data obtained, it was evident that scientific
production in the United States experienced accelerated growth (27.8%) compared to other countries. In addition,
the most prominent academic area was the field of computer science (34%), while the most cited author was Wirtz
J., with 1,309 citations, and the most relevant source was the Journal of the Information and Communication
Society, with 43 publications. Therefore, it can be stated that research on AI and productivity in companies has
advanced considerably. In conclusion, this bibliometric study provides a fundamental basis for future research,
and it is crucial to further study data processing and analysis systems, as well as technological resources, to
implement solutions that improve productivity in companies.
Keywords: bibliometric, artificial intelligence, productivity.
Introducción
La inteligencia artificial (IA) ha emergido como una de las tecnologías más disruptivas del siglo XXI,
transformando diversos sectores económicos y revolucionando la manera en que las empresas operan
(Brynjolfsson & McAfee, 2017). El desarrollo de la IA ha sido notablemente rápido desde sus orígenes, pasando
de sistemas básicos de automatización a modelos avanzados capaces de tomar decisiones y aprender de los
datos (Russell & Norvig, 2021). En la actualidad, su aplicación en el mundo empresarial se ha convertido en un
factor clave para mejorar la productividad y eficiencia organizacional (Davenport & Ronanki, 2018).
En términos generales, la IA se refiere a la capacidad de las máquinas para realizar tareas que,
normalmente, requieren inteligencia humana, tales como: el reconocimiento de voz, la toma de decisiones y la
traducción de idiomas (Ho, C. & Won, S. H., 2024). Aprovechando esta capacidad de simular la inteligencia
humana, la implementación de IA en las empresas ha permitido automatizar procesos repetitivos, mejorar la toma
de decisiones basada en datos y ofrecer experiencias personalizadas a los clientes (Brock & von Wangenheim,
2019). Estas aplicaciones no solo han aumentado la eficiencia operativa, sino que también han permitido a las
empresas innovar y mantenerse competitivas en un entorno empresarial en constante cambio (Davenport &
Ronanki, 2018).
La productividad empresarial ha sido impulsada por diversas revoluciones tecnológicas, desde la
Revolución Industrial hasta la era de la computación (Mokyr, 2018). Por ende, la incorporación de la IA a los
procesos corporativos representa la siguiente fase en esta evolución, proporcionando herramientas que optimizan
la toma de decisiones, reducen costos operativos y mejoran la eficiencia en la gestión de recursos (Bessen, 2019).
En esta línea, diversos estudios han analizado el impacto de la IA en la productividad empresarial desde diferentes
perspectivas. Por un lado, algunos investigadores se centran en los beneficios económicos derivados de la
reducción de recursos en los procesos (Aghion, Jones & Jones, 2017). Por otro lado, entre los beneficios más
destacados de la IA se encuentra su capacidad para automatizar tareas repetitivas y tediosas, liberando a los
empleados para que se concentren en actividades de mayor valor añadido (Huang & Rust, 2018). No obstante,
su implementación también presenta retos y desafíos, como la resistencia al cambio organizacional y la necesidad
de nuevas competencias laborales (Mindell & Reynolds, 2020). A pesar de estas divergencias, existe un consenso
general sobre el potencial de la IA para redefinir el panorama empresarial y mejorar el desempeño de las
organizaciones (Cockburn, Henderson & Stern, 2018). El desempeño automatizado mediante IA permite predecir
las cadenas de suministro, lo que representa un impacto significativo en el éxito de las empresas (Ali, S. M.,
Rahman, A. U., Kabir, G., & Paul, S. K., 2024).
Por otra parte, la IA también ha tenido un impacto significativo en la mejora de la experiencia del cliente.
Por ejemplo, los chatbots y los asistentes virtuales, impulsados por IA, pueden interactuar con los clientes de
manera personalizada y eficiente, resolviendo consultas y problemas en tiempo real (Luo, Tong, Fang, & Qu,
2019). Esto no solo mejora la satisfacción del cliente, sino que también reduce la carga de trabajo del personal
de atención al cliente, permitiéndoles centrarse en casos más complejos que requieren intervención humana (Van
Doorn et al., 2017), No obstante, es fundamental comprender que el impacto de la inteligencia artificial en las
empresas va más allá de mejorar la eficiencia y la productividad. En este sentido, es crucial considerar las
Yaranga, I., & Olórtiga, L. (2025). Inteligencia artificial para aumentar la productividad en las empresas: un estudio bibliométrico.
Revista InveCom, 5(4). 1-11. https://zenodo.org/records/14846656
3
cuestiones éticas y la transparencia, especialmente con la llegada de la IA generativa, la cual tiene el potencial
de transformar los modelos productivos en el ámbito de la comunicación (Codina, L., Ufarte-Ruiz, M., & Borden,
S., 2024)
En el contexto actual, las empresas buscan maximizar su eficiencia y productividad mediante la adopción
de tecnologías innovadoras. Por ello, la IA ha logrado introducirse en el ámbito empresarial, ya que la misma ha
demostrado ser una herramienta clave en la automatización de tareas repetitivas, permitiendo a los empleados
enfocarse en actividades de mayor valor agregado (Frey & Osborne, 2017). Además, la capacidad de la IA para
analizar grandes volúmenes de datos en tiempo real ha optimizado la toma de decisiones estratégicas, mejorando
la capacidad de respuesta ante cambios en el mercado (McKinsey Global Institute, 2018). Sin embargo, la
implementación de IA en el ámbito empresarial también enfrenta importantes desafíos. Uno de los principales
obstáculos es la falta de infraestructura tecnológica adecuada y la escasez de talento especializado en inteligencia
artificial. Asimismo, la preocupación por la ética y la privacidad en el uso de IA ha generado debates sobre la
regulación y el impacto de estas tecnologías en el empleo y la seguridad de los datos (Jobin, Ienca & Vayena,
2019).
Los estudios bibliométricos, cuya función es recopilar y analizar de manera detallada las publicaciones
científicas sobre un tema en particular, resultan esenciales para identificar las tendencias vigentes (Tomás-Górriz
& Tomás-Casterá, 2018), así como para reconocer enfoques metodológicos y áreas del conocimiento aún
inexploradas (García et al., 2021; Ribeiro & Aroni, 2019). En este contexto, el análisis bibliométrico y el empleo
de indicadores posibilitan la cuantificación de la información mediante la evaluación métrica de investigaciones
científicas en diversas disciplinas (Caló, 2022). Por ello, este estudio busca sistematizar investigaciones previas
con el fin de detectar tendencias claves y hallazgos relevantes que contribuyan a mejorar la aplicación de
actividades relacionadas con la gestión.
Metodología
Para el desarrollo de la investigación se llevó a cabo un análisis bibliométrico para identificar estudios
académicos publicados entre 2014 y 2024 sobre la aplicación de la inteligencia artificial para aumentar la
productividad empresarial. La información, extraída de bases de datos como Scopus de Elsevier y Google
Scholar, se analizó mediante técnicas bibliométricas para obtener resultados cuantificables (Tomás-Gorríz &
Tomás-Castera, 2018). La selección de documentos relevantes se basó en ecuaciones de búsqueda booleana
(inteligencia artificial OR AI AND productividad OR eficiencia OR rendimiento AND empresa OR negocio OR
organización) explorando títulos y resúmenes. Además, se aplicaron criterios de inclusión como el período de
publicación (2014-2024), el tipo de documento (artículos, libros y capítulos de libros), el idioma (inglés y español)
y la accesibilidad, priorizando documentos disponibles. Para obtener una visión completa de la investigación
actual y sus tendencias futuras, se seleccionaron 758 documentos de Scopus, Google Scholar y otras fuentes
para su análisis bibliométrico. Tras normalizar los metadatos y eliminar duplicados, se examinaron los patrones
de producción científica mediante indicadores como el año de publicación, tipo de documento, autor principal,
áreas temáticas, fuente de publicación, país de origen, número de citas y afiliación institucional (Salinas & García,
2022).
Para identificar las relaciones entre términos en la producción científica, se generó un mapa de co-
ocurrencia de palabras clave a partir de los documentos seleccionados (Flores-Fernández & Aguilera-Eguía,
2020). Además, se utilizó el software VOSviewer para el procesamiento y visualización de la red de co-
ocurrencias, permitiendo la creación del mapa. Asimismo, Excel se empleó para complementar este análisis con
tablas y gráficos descriptivos.
Resultados y discusión
Tras un análisis bibliométrico de 758 documentos –de diversos países- sobre el impacto de la Inteligencia
Artificial en la productividad empresarial, se observó un crecimiento exponencial de la producción científica en
este campo, sobre todo entre 2020 y 2024 (ver Figura 1).
Yaranga, I., & Olórtiga, L. (2025). Inteligencia artificial para aumentar la productividad en las empresas: un estudio bibliométrico.
Revista InveCom, 5(4). 1-11. https://zenodo.org/records/14846656
4
13 13 13 13
24
35
61
80
142
176
188
0
20
40
60
80
100
120
140
160
180
200
2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024
Cantidad de documentos
Figura 1
Documentos publicados por año
La investigación abarcó 10 países y se centró en las 6 primeras naciones que han publicado más trabajos
académicos en el campo abordado. En términos de productividad científica, Estados Unidos ocupa el primer
puesto con un 27.8% (n=249), seguida de Reino Unido con un 21.7% (n=182), India en tercera posición, con un
17.7% (n=158), Arabia Saudita en cuarta posición, con un 13.1% (n=117), Italia en quinta posición, con un 11.3%
(n=111) y Alemania en sexta posición, con un 9.8% (n=88). En la Figura 2 se muestra la distribución global de
publicaciones por países:
Figura 2
Cantidad de publicación en los principales países
Tabla 1
Cantidad de publicación en los principales países
País
f
%
Estados Unidos
249
27.8%
Reino Unido
182
21.7%
India
158
17.7%
Arabia Saudita
117
13.1%
Italia
111
11.3%
Alemania
88
9.8%
Yaranga, I., & Olórtiga, L. (2025). Inteligencia artificial para aumentar la productividad en las empresas: un estudio bibliométrico.
Revista InveCom, 5(4). 1-11. https://zenodo.org/records/14846656
5
La información recopilada para este estudio procedió de 758 fuentes académicas. La Tabla 2 muestra los
documentos que se tomaron en cuenta para este estudio. Con respecto al número de publicaciones, la principal
fuente fue la Revista de la Sociedad de la Información y la Comunicación - IEEE Access, con 43 publicaciones en
esta área. Seguida por las revistas Sostenibilidad Suiza con 31 publicaciones y la Revista Internacional de
Informática Avanzada y Aplicaciones con 20 publicaciones. Asimismo, la posición en los dos cuartiles superiores
de los factores de impacto de sus respectivos campos muestra la importancia de estas revistas.
Tabla 2
Publicación de documentos por fuente o revista
Fuente
N°
Fuente
N°
Revista de la Sociedad de la
Información y la Comunicación
43
Descubra la Inteligencia Artificial
7
Sostenibilidad Suiza
31
Revista de negocios euroasiática
7
Revista internacional de informática
avanzada y aplicaciones
20
Revista de Derecho de las Organizaciones
Empresariales Europeas
7
Inteligencia computacional y
neurociencia
15
Fronteras en inteligencia artificial
7
Ciencias Aplicadas Suiza
14
Fronteras en la salud digital
7
Revista de informática biomédica
13
Fronteras en genética
7
Revista de investigación médica en
Internet
12
Fronteras en Medicina
7
Sistemas expertos con aplicaciones
11
Fronteras en neurología
7
Revista de la Asociación
Estadounidense de Informática Médica
10
Fronteras en oncología
7
Informática e ingeniería industria
9
Fronteras en salud pública
7
Transacciones IEEE sobre gestión de
ingeniería
9
Transacciones IEEE sobre inteligencia
artificial
7
Pronóstico tecnológico y cambio social
9
Transacciones IEEE sobre sistemas el
hombre y los sistemas cibernéticos
7
Inteligencia artificial en medicina
9
La informática en la medicina al
descubierto
7
Gestión de Marketing Industrial
9
Fronteras de los sistemas de información
7
Revista internacional de investigación
ambiental y salud pública
9
Medicina basada en inteligencia
6
Revista internacional de informática
médica
9
Sistemas Inteligentes Con Aplicaciones
6
Protocolos de investigación de Jmir
9
Revista internacional de tecnología de
administración de fármacos
6
Revista de investigación empresaria
9
Revista internacional de gestión de la
información
6
Revista de producción más limpia
9
Revista internacional de redes inteligentes
6
Sistemas basados en el conocimiento
9
Revista internacional de ingeniería y
gestión de garantía de sistemas
6
Acceso IEEE
43
Revista internacional sobre tendencias
recientes e innovadoras en Informática
médica Jmir
6
Sostenibilidad Suiza
31
Revista de Gestión de la Innovación
6
Revista internacional de informática
avanzada y aplicaciones
20
Revista de fabricación inteligente
6
Inteligencia computacional y
neurociencia
15
Revista de innovación abierta tecnología
mercado y complejidad
6
Ciencias Aplicadas Suiza
14
Revista de gestión de la innovación de
productos
6
Revista de informática biomédica
13
Revista de la Sociedad de Investigación
Operativa
6
Revista de investigación médica en
Internet
12
Ingeniería Médica Biológica y
Computación
6
Sistemas expertos con aplicaciones
11
Computación neuronal y aplicaciones
6
Yaranga, I., & Olórtiga, L. (2025). Inteligencia artificial para aumentar la productividad en las empresas: un estudio bibliométrico.
Revista InveCom, 5(4). 1-11. https://zenodo.org/records/14846656
6
Revista de la Asociación
Estadounidense de Informática Médica
10
Medicina digital Npj
6
Informática e ingeniería industria
9
Transacciones filosóficas de la Royal
Society A Ciencias matemáticas físicas y
de ingeniería
6
Transacciones IEEE sobre gestión de
ingeniería
9
Descubra la Inteligencia Artificial
7
Pronóstico tecnológico y cambio social
9
Revista de negocios euroasiática
7
Inteligencia artificial en medicina
9
Revista de Derecho de las Organizaciones
Empresariales Europeas
7
Gestión de Marketing Industrial
9
Fronteras en inteligencia artificial
7
Revista internacional de investigación
ambiental y salud pública
9
Fronteras en la salud digital
7
Revista internacional de informática
médica
9
Fronteras en genética
7
Protocolos de investigación de Jmir
9
Fronteras en Medicina
7
Revista de investigación empresaria
9
Fronteras en neurología
7
Ciencias de la Computación de Peerj
9
Fronteras en oncología
7
Big Data y computación cognitiva
9
Fronteras en salud pública
7
Boletín de la Sociedad Meteorológica
Americana
9
Transacciones IEEE sobre inteligencia
artificial
7
Comunicaciones de la Asociación de
Sistemas de Información
9
Transacciones IEEE sobre sistemas el
hombre y los sistemas cibernéticos
7
Revista de análisis de decisiones
9
La informática en la medicina al
descubierto
7
Sistemas de apoyo a la toma de
decisiones
9
Fronteras de los sistemas de información
7
Investigación en tecnología de
ingeniería y ciencias aplicadas
9
Medicina basada en inteligencia
6
Revista Europea de Investigación
Operativa
9
Sistemas Inteligentes Con Aplicaciones
6
Revista internacional de ciencia de
datos y redes
9
Revista internacional de tecnología de
administración de fármacos
6
Revista internacional de gestión de la
información Data Insights
9
Revista internacional de gestión de la
información
6
Revista internacional de tecnología
innovadora y exploración de la
ingeniería
7
Revista internacional de redes inteligentes
6
Revista internacional de economía de
la producción
7
Revista internacional de ingeniería y
gestión de garantía de sistemas
6
Revista internacional de investigación
en producción
7
Revista internacional sobre tendencias
recientes e innovadoras en Informática
médica Jmir
6
Informes científicos
7
Revista de Gestión de la Innovación
6
Revista de ingeniería de Alejandría
7
Revista de fabricación inteligente
6
Revisión de inteligencia artificial
7
Revista de innovación abierta tecnología
mercado y complejidad
6
Estrategia empresarial y medio
ambiente
7
Revista de gestión de la innovación de
productos
6
Gestión y negocios coherentes
7
Revista de la Sociedad de Investigación
Operativa
6
Ciencia e ingeniería de sistemas
informáticos
7
Ingeniería Médica Biológica y
Computación
6
Imágenes y gráficos médicos
computarizados
7
Computación neuronal y aplicaciones
6
Ciencias de la Computación de Peerj
9
Medicina digital Npj
6
Big Data y computación cognitiva
9
Transacciones filosóficas de la Royal
Society A Ciencias matemáticas físicas y
de ingeniería
6
Yaranga, I., & Olórtiga, L. (2025). Inteligencia artificial para aumentar la productividad en las empresas: un estudio bibliométrico.
Revista InveCom, 5(4). 1-11. https://zenodo.org/records/14846656
7
Boletín de la Sociedad Meteorológica
Americana
9
Descubra la Inteligencia Artificial
7
Comunicaciones de la Asociación de
Sistemas de Información
9
Revista de negocios euroasiática
7
Revista de análisis de decisiones
9
Revista de Derecho de las Organizaciones
Empresariales Europeas
7
Sistemas de apoyo a la toma de
decisiones
9
Fronteras en inteligencia artificial
7
Investigación en tecnología de
ingeniería y ciencias aplicadas
9
Fronteras en la salud digital
7
Revista Europea de Investigación
Operativa
9
Fronteras en genética
7
Revista internacional de ciencia de
datos y redes
9
Fronteras en Medicina
7
Revista internacional de gestión de la
información Data Insights
9
Fronteras en neurología
7
Revista internacional de tecnología
innovadora y exploración de la
ingeniería
7
Fronteras en oncología
7
Revista internacional de economía de
la producción
7
Fronteras en salud pública
7
Revista internacional de investigación
en producción
7
Transacciones IEEE sobre inteligencia
artificial
7
Informes científicos
7
Transacciones IEEE sobre sistemas el
hombre y los sistemas cibernéticos
7
Revista de ingeniería de Alejandría
7
La informática en la medicina al
descubierto
7
Revisión de inteligencia artificial
7
Fronteras de los sistemas de información
7
Estrategia empresarial y medio
ambiente
7
Medicina basada en inteligencia
6
Gestión y negocios coherentes
7
Sistemas Inteligentes Con Aplicaciones
6
Ciencia e ingeniería de sistemas
informáticos
7
Revista internacional de tecnología de
administración de fármacos
6
Imágenes y gráficos médicos
computarizados
7
Revista internacional de gestión de la
información
6
Revista internacional de redes
inteligentes
6
Innovación en sistemas aplicados
3
Revista internacional de ingeniería y
gestión de garantía de sistemas
6
Archivos de métodos computacionales en
ingeniería
3
Revista internacional sobre tendencias
recientes e innovadoras en Informática
médica Jmir
6
Archivos de patología y medicina de
laboratorio
3
Revista de Gestión de la Innovación
6
Inteligencia artificial
3
Revista de fabricación inteligente
6
Inteligencia artificial en las ciencias de la
vida
3
Revista de innovación abierta
tecnología mercado y complejidad
6
Revisión de la gestión en Asia y el Pacífico
3
Revista de gestión de la innovación de
productos
6
Revista de contabilidad negocios y
finanzas de Australasia
3
Revista de la Sociedad de
Investigación Operativa
6
Sistemas Inteligentes Autónomos
3
Ingeniería Médica Biológica y
Computación
6
Bioinformática BMC
3
Computación neuronal y aplicaciones
6
Investigación de servicios de salud de
BMC
3
Medicina digital Npj
6
Revista británica de medicina
3
Transacciones filosóficas de la Royal
Society A Ciencias matemáticas físicas
y de ingeniería
6
Aeroespacial
3
Inteligencia artificial en radiología
6
Objetivos Energía
3
Yaranga, I., & Olórtiga, L. (2025). Inteligencia artificial para aumentar la productividad en las empresas: un estudio bibliométrico.
Revista InveCom, 5(4). 1-11. https://zenodo.org/records/14846656
8
Ciencias de la
Computación
34%
Ingeniería
23%
Negocios, Gestión y
Contabilidad
13%
Ciencias Sociales
12%
Matemáticas
7%
Ciencia ambiental
6%
Economía y Finanzas
3%
Física y Astronomía
2%
Ciencia de la seguridad
6
Revista Americana del Corazón
3
Salud Ciencia Y Tecnología Serie De
Conferencias
6
Revista estadounidense de control de
infecciones
3
Revista científica mundial
6
Anales de la medicina saudí
3
La tecnología en la sociedad
6
Computación blanda aplicada
3
Revista occidental de medicina de
urgencias
5
Aeroespacial
3
Comunicaciones inalámbricas y
computación móvil
5
Ingeniería de sistemas de información y
negocios
2
Transacciones ACM sobre
procesamiento de información en
idiomas asiáticos y de bajos recursos
5
Horizontes de negocios
1
Transacciones ACM sobre sistemas
autónomos y adaptativos
5
Revisión de la gestión de California
1
La IA y la sociedad
5
Revista de Cambridge sobre regiones
economía y sociedad
1
Revista AI
4
Revista Aeronáutica Ceas
1
Medicina académica
4
Ingeniería de sistemas de información y
negocios
2
Acta Oftalmológica
4
Horizontes de negocios
1
Ciencias Administrativas
4
Revisión de la gestión de California
1
Agroquímica avanzada
4
Revista de Cambridge sobre regiones
economía y sociedad
1
Informática avanzada en ingeniería
4
Revista Aeronáutica Ceas
1
Total de Revistas
758
las investigaciones académicas entre 2014 y 2024 sobre inteligencia artificial para aumentar la
productividad empresarial abarcan diversas áreas del conocimiento. Los datos recopilados de ocho disciplinas
muestran que las ciencias de la computación representan el 34% de la producción científica global, seguidas por
la ingeniería con un 23%. No obstante, este campo integra fundamentos teóricos de múltiples disciplinas,
incluyendo ingeniería (16%), ciencias sociales (12%), economía (3%), matemáticas (7%), ciencias ambientales
(6%) y física y astronomía (2%). Esto se puede ver en la Figura 3.
Figura 3
Publicación de documentos por área temática
Un análisis de co-ocurrencia de palabras clave, basado en la revisión de los resúmenes, palabras clave
y títulos de las publicaciones, cuyos resultados se muestran en la Figura 4, permitió identificar los términos más
relevantes en el campo. Se seleccionaron las palabras clave que aparecieron con una frecuencia superior a tres
Yaranga, I., & Olórtiga, L. (2025). Inteligencia artificial para aumentar la productividad en las empresas: un estudio bibliométrico.
Revista InveCom, 5(4). 1-11. https://zenodo.org/records/14846656
9
veces. Para la visualización de la red de palabras clave conectadas, se utilizó VOSviewer (Van Eck, N., &
Waltman, L, 2010), que asignó colores diferenciados a cada grupo en función de su conectividad:
Clúster rojo. “artificial intelligence” (n=686 ocurrencias), refiere a un grupo de palabras relacionadas
que incluyen: artificial intelligence, IA, automation,big data y information análisis.
Clúster verde. “organization” (n=16 ocurrencias), agrupa a las siguientes palabras: clinical decision
support, efficiency, organizational, productivity.
Clúster azul. “machine learning” (n= 24 ocurrencias), está asociado con las palabras: IA, data
handling, decisión making, algorithms,classification of algorithms y prediction.
Clúster amarillo. “company” (n= 47 ocurrencias), agrupa a las siguientes palabras: computer
security,information processing, reproductibility, organization and manager.
El análisis de agrupamiento reveló que las palabras más utilizadas eran también las más significativas
para el tema de estudio, destacándose la frecuente asociación entre "inteligencia artificial" y productividad
empresarial. Esto es relevante porque evidencia que la tecnología avanzada permite transformar los datos en
conocimiento y generar ventajas competitivas para las organizaciones. Por lo tanto, los datos sugieren que el
conocimiento derivado de las herramientas de IA contribuye a potenciar la productividad en diferentes áreas, tal
y como señala Centeno (2024).
Figura 4
Co-ocurrencia de palabras clave
Según los datos bibliométricos, se evidencia un crecimiento sostenido en el número de publicaciones
sobre este tema, desde el año 2022. En este marco, resaltan las contribuciones de Cresswell, K., académico de
la Facultad de Medicina de Edimburgo y de Dwivedi, Yogesh K., de la Universidad Rey Fahd de Petróleo y
Minerales en Dhahran, Arabia Saudita. Asimismo, se distingue el trabajo de Floridi et al., (2018), quienes han
investigado cómo la IA generativa puede crear contenido nuevo a partir de datos existentes, para tal fin, los
investigadores plantean preguntas sobre la propiedad intelectual, la autenticidad y el potencial de sesgo en los
algoritmos.
Asimismo, la Revista de la Sociedad de la Información y la Comunicación mostró una tendencia creciente
en publicaciones que abordaban temas relacionados con la inteligencia artificial, la productividad, la organización
y el aprendizaje automático, entre otros. Entre los temas más relevantes destacan: el impacto del uso de modelos
de aprendizaje automático en la toma de decisiones y la exploración de datos para la obtención de conocimiento
(Gonçalves et al., 2024), así como un estudio que analiza el potencial de ChatGPT para optimizar los recursos
de tiempo de las tareas rutinarias. A través del análisis de estos artículos quedó claro que la tecnología de software
avanzada permite mejorar y optimizar la productividad y las tareas en las empresas (Sumbal et al., 2024).
Por otra parte, los datos sobre colaboraciones internacionales indican que la mayoría de las
investigaciones publicadas en este campo provienen de países como Estados Unidos, India, Reino Unido y Arabia
Saudita. Estos estudios se enfocan en mejorar la precisión de las predicciones mediante el análisis y
procesamiento de datos, lo que facilita la generación de conocimiento orientado a optimizar la productividad en
empresas que dependen de tecnología de software avanzada (Guo et al., 2024).
Conclusiones
El estudio reveló un reciente aumento en la investigación sobre inteligencia artificial y su impacto en la
productividad empresarial. Asimismo, el análisis bibliométrico de 758 trabajos indexados en Scopus, entre 2014
Yaranga, I., & Olórtiga, L. (2025). Inteligencia artificial para aumentar la productividad en las empresas: un estudio bibliométrico.
Revista InveCom, 5(4). 1-11. https://zenodo.org/records/14846656
10
y 2024, reveló que Estados Unidos lideró la producción científica por países, representando el 27.8% con 249
publicaciones. El inglés fue el idioma predominante utilizado en el 90% de los artículos científicos. La Revista de
la Sociedad de la Información y la Comunicación fue la fuente más destacada, con 43 trabajos académicos,
mientras que J. Wirtz, con 1309 citas en sus trabajos, fue el autor más citado.
Además, se detectó que las investigaciones sobre IA han abarcado diversos temas, incluyendo el
acompañamiento institucional y el compromiso de los autores. El análisis de contenido también muestra que la
tecnología de software de IA tiene un impacto positivo en la productividad empresarial. Por lo tanto, este estudio
bibliométrico proporciona una base esencial para futuras investigaciones, resaltando la importancia de analizar
en profundidad los avances tecnológicos como herramientas clave para mejorar la productividad organizacional.
CONTRIBUCIÓN DE LA AUTORÍA:
1. Conceptualización: Italo Paul Yaranga Vite
2. Curación de datos: Italo Paul Yaranga Vite
3. Análisis formal: Italo Paul Yaranga Vite
4. Adquisición de fondos: Italo Paul Yaranga Vite
5. Investigación: Italo Paul Yaranga Vite
6. Metodología: Lucio Wilfredo Olórtiga Cóndor
7. Dirección del proyecto: Lucio Wilfredo Olórtiga Cóndor
8. Recursos: Italo Paul Yaranga Vite
9. Software: Italo Paul Yaranga Vite
10. Supervisión: Lucio Wilfredo Olórtiga Cóndor
11. Validación: Lucio Wilfredo Olórtiga Cóndor
12. Visualización: Italo Paul Yaranga Vite
13. Redacción - borrador original: Lucio Wilfredo Olórtiga Cóndor
14. Redacción - corrección de pruebas y edición: Lucio Wilfredo Olórtiga Cóndor
Referencias
Ali, SM, Rahman, AU, Kabir, G. & Paul, SK (2024). Enfoque de inteligencia artificial para predecir el rendimiento
de la cadena de suministro: implicaciones para la sostenibilidad. Sustainability, 16 (6), 2373.
https://doi.org/10.3390/su16062373
Autor, D., Mindell, D. A., & Reynolds, E. (2020). The work of the future: building better jobs in an age of machines.
https://doi.org/10.7551/mitpress/14109.001.0001
Aghion, P., Jones, B. & Jones, C. (2017). Inteligencia artificial y crecimiento económico. 23928. MA: Oficina
Nacional de Investigación Económica. https://doi.org/10.3386/w23928
Bessen, J. (2018). AI and jobs: The role of demand. National Bureau of Economic Research, (24235).
https://doi.org/10.3386/w24235
Brynjolfsson, E., & Mcafee, A. (2017). Inteligencia artificial, de verdad. Harvard Business Review, 1, 1-31.
https://hbr.org/2017/07/the-business-of-artificial-intelligence
Brock, J., & Von Wangenheim, F. (2019). Demystifying AI: What digital transformation leaders can teach you about
realistic artificial intelligence. California Management Review, 61(4), 110-134.
https://doi.org/10.1177/1536504219865226
Caló, L. (2022). Métricas de impacto y evaluación de la ciencia. Revista Peruana de Medicina Experimental y
Salud Pública, 39(2), 236-240. https://doi.org/10.17843/rpmesp.2022.392.11171
Centeno de López, Y. (2024). Aplicaciones y herramientas de inteligencia artificial desde la labor del docente
universitario. 6(1). https://revistasuba.com/index.php/POSTDOCTUBA/article/view/1008
Cockburn, IM, Henderson, R., & Stern, S. (2018). El impacto de la inteligencia artificial en la innovación. Oficina
Nacional de Investigación Económica, 24449. https://doi.org/10.3386/w24449
Codina, L., Ufarte-Ruiz, M., & Borden, S. (2024). Introducción. Avivar las llamas de la inteligencia artificial en los
medios: más allá de las ganancias de eficiencia y productividad. Comunicación y Sociedad 37: 221–25.
https://doi.org/10.15581/003.37.2.221-225
Davenport, T. H., & Ronanki, R. (2018). Artificial Intelligence for the Real World. Harvard Business Review, 96(1),
108-116. https://www.bizjournals.com/boston/news/2018/01/09/hbr-artificial-intelligence-for-the-real-
world.html
Yaranga, I., & Olórtiga, L. (2025). Inteligencia artificial para aumentar la productividad en las empresas: un estudio bibliométrico.
Revista InveCom, 5(4). 1-11. https://zenodo.org/records/14846656
11
Frey, C. B., & Osborne, M. A. (2017). El futuro del empleo: ¿Qué tan susceptibles son los empleos a la
informatización? Pronóstico tecnológico y cambio social, 114, 254-280.
https://doi.org/10.1016/j.techfore.2016.08.019
Flores-Fernández, C., & Aguilera-Eguía, R. (2020). Indicadores bibliométricos y su importancia en la investigación
clínica. ¿Por qué conocerlos? Revista de la Sociedad Española del Dolor, 26(5), 315-316.
https://dx.doi.org/10.20986/resed.2018.3659/2018
Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., ... & Vayena, E. (2018). AI4People—
An ethical framework for a good AI society: opportunities, risks, principles, and recommendations. Minds
and Machines, 28(4), 689-707. https://doi.org/10.1007/s11023-018-9482-5
García, L., Fernández, A., & Bécquer, A. (2021). Análisis bibliométrico de la producción científica 2001-2020.
Revista Electrónica Cuba: Medio Ambiente y Desarrollo, 21(40), 1–9.
https://cmad.ama.cu/index.php/cmad/article/view/297
Gonçalves, S., Ventura, J. B., Rua, O. L., Dias, R., & Galvão, R. (2024). Big Data como paradigma emergente en
la gestión de las organizaciones: un análisis bibliométrico. Journal of Ecohumanism, 3 (7), 2699–2721.
https://doi.org/10.62754/joe.v3i7.4412
Guo, C., & Zhang, X. (2024). Predicción inteligente de la satisfacción del cliente en el comercio electrónico
transfronterizo mediante incrustaciones de aprendizaje profundo. Acceso IEEE, 12.
https://doi.org/10.1109/ACCESO .2024.3494776
Ho, C. H., Hyeon, D., Chang, M., McFarquhar, G., & Won, S. H. (2024). Geostationary satellite–derived positioning
of a tropical cyclone center using artificial intelligence algorithms over the western north pacific. Bulletin of
the American Meteorological Society, 105(3), E486-E500. https://doi.org/10.1175/BAMS-D-23-0130.1
Huang, M. H., & Rust, R. T. (2018). Artificial intelligence in service. Journal of Service Research, 21(2), 155-172.
https://psycnet.apa.org/record/2018-17141-001
Jobin, A., Ienca, M., & Vayena, E. (2019). El panorama global de las directrices éticas de la IA. Inteligencia de la
máquina de la naturaleza, 1 (9), 389-399. https://doi.org/10.1038/s42256-019-0088-2
Luo, X., Tong, S., Fang, Z., & Qu, Z. (2019). Frontiers: Machines vs. humans: The impact of artificial intelligence
chatbot disclosure on customer purchases. Marketing Science, 38(6), 937-947.
https://doi.org/10.1287/mksc.2019.1192
McKinsey Global Institute. (2018). Notes from the AI frontier: Applications and value of deep learning.
https://www.mckinsey.com/capabilities/quantumblack/our-insights
Mokyr, J. (2018). El pasado y el futuro de la innovación: algunas lecciones de la historia económica. Explorations
in Economic History, 69 , 13-26. https://doi.org/10.1016/j.eeh.2018.03.003
Ribeiro, R., & Aroni, P. (2019). Standardization, ethics and biometric indicators in scientific publication: integrative
review. Revista Brasileira de Enfermagem REBEn, 72(6), 1723-9. https://doi.org/10.1590/0034-7167-
2018-0283
Russell, S., & Norvig, P. (2021). Artificial Intelligence: a modern approach. Pearson.
https://thuvienso.hoasen.edu.vn/bitstream/handle/123456789/8967/Contents.pdf?sequence=3
Salinas, K. & García, A. (2022). Bibliometrics, a useful tool within the field of research. Journal of Basic and Applied
Psychology Research, 3(6), 10-17. https://doi.org/10.29057/jbapr.v3i6.6829
Sumbal, M. S., Amber, Q., Tariq, A., Raziq, M. M., & Tsui, E. (2024). Wind of change: how ChatGPT and big data
can reshape the knowledge management paradigm? Industrial Management & Data Systems, 124(9),
2736-2757. https://DOI.org/10.1108/IMDS-06-2023-0360
Tomás-Gorríz, V., & Tomás-Castera, V. (2018). La bibliometría en la evaluación de la actividad científica. Hospital
a Domicilio, 2(4), 145-163. https://doi.org/10.22585/hospdomic.v2i4.51
Van Eck, N., & Waltman, L. (2010). Software survey: VOSviewer, a computer program for bibliometric mapping.
Scientometrics, 84(2), 523-538. https://doi.org/10.1007/s11192-009-0146-3
Van Doorn, J., Mende, M., Noble, S. M., Hulland, J., Ostrom, A. L., Grewal, D., & Petersen, J. A. (2017). Domo
arigato Mr. Roboto: Emergence of automated social presence in organizational frontlines and customers’
service experiences. Journal of Service Research, 20(1), 43-58.
https://doi.org/10.1177/1094670516679272
