Resumen
El presente estudio examina la participaci贸n de la IA en la gesti贸n empresarial a trav茅s de una revisi贸n
bibliogr谩fica que aborda su aplicaci贸n en 谩reas como la toma de decisiones gerenciales, el marketing B2B, la
gesti贸n de recursos humanos y la innovaci贸n. La metodolog铆a se bas贸 en una revisi贸n sistem谩tica siguiendo los
lineamientos PRISMA y analizando estudios relacionados publicados entre 2021 y 2024 sobre la aplicaci贸n de la
IA en la gesti贸n empresarial. Los hallazgos destacan que la IA mejora la recopilaci贸n y an谩lisis de datos, facilitando
la automatizaci贸n de tareas rutinarias y permitiendo la detecci贸n de patrones complejos, adem谩s de contribuir a
la resiliencia en cadenas de suministro y al rendimiento en mercados altamente competitivos. Asimismo, se
identific贸 que t茅cnicas avanzadas como la l贸gica difusa, el big data y los sistemas basados en agentes tienen una
repercusi贸n en la creaci贸n de conocimiento organizacional y en la personalizaci贸n de estrategias. Sin embargo,
los resultados tambi茅n evidencian limitaciones significativas, como la necesidad de intervenci贸n humana en
contextos no predecibles y los desaf铆os 茅ticos relacionados con la transparencia y la responsabilidad en la toma
de decisiones. Tambi茅n, se resalta la importancia de infraestructura tecnol贸gica adecuada y de personal
capacitado para garantizar el 茅xito de estas implementaciones. Finalmente, se propone que futuras
investigaciones se orienten al desarrollo de mecanismos preventivos y un an谩lisis m谩s profundo de la interacci贸n
La participaci贸n de la inteligencia artificial en
la toma de decisiones gerenciales
The participation of artificial intelligence in managerial
decision-making
Recibido: 19/10/2024 Aceptado: 07/01/2025
Susana Esther Mej铆a Vera
https://orcid.org/0009-0006-8852-1426
susana.mejia@unesum.edu.ec
Universidad Estatal del Sur de Manab铆.
Jipijapa - Ecuador
Jorge Enrique Nava Ore Garro
https://orcid.org/0000-0001-6070-1114
jorge4570@hotmail.com
Universidad C茅sar Vallejo. Lima - Per煤
Ricardo Javier Cede帽o Cede帽o
https://orcid.org/0009-0000-8406-6725
rjcedenoc@gmail.com
Investigador independiente. Quito-Ecuador
2025. V5. N 4.
Mej铆a, S., Nava, J., & Cede帽o, R. (2025). La participaci贸n de la inteligencia artificial en la toma de decisiones gerenciales
. Revista InveCom, 5(4). 1-7. https://zenodo.org/records/14816449
2
entre factores 茅ticos, tecnol贸gicos y humanos, con el objetivo de promover una integraci贸n sostenible y efectiva
de la IA en el entorno empresarial.
Palabras clave: inteligencia artificial, toma de decisiones gerenciales, innovaci贸n empresarial
Abstract
The present study examines the involvement of AI in business management through a literature review that
addresses its application in areas such as managerial decision-making, B2B marketing, human resource
management, and innovation. The methodology was based on a systematic review following PRISMA guidelines
and analysing related studies published between 2021 and 2024 on the application of AI in business management.
The findings highlight that AI improves data collection and analysis, facilitating the automation of routine tasks and
allowing the detection of complex patterns, in addition to contributing to resilience in supply chains and
performance in highly competitive markets. It was also identified that advanced techniques such as fuzzy logic,
big data and agent-based systems have an impact on the creation of organizational knowledge and the
personalization of strategies. However, the results also show significant limitations, such as the need for human
intervention in unpredictable contexts and ethical challenges related to transparency and accountability in
decision-making. Also, the importance of adequate technological infrastructure and trained personnel to guarantee
the success of these implementations is highlighted. Finally, it is proposed that future research be oriented to the
development of preventive mechanisms and a more in-depth analysis of the interaction between ethical,
technological and human factors, with the aim of promoting a sustainable and effective integration of AI in the
business environment.
Keywords: Artificial Intelligence, Management Decision Making, Business Innovation
Introducci贸n
La inteligencia artificial (IA) ha transformado radicalmente la toma de decisiones gerenciales al permitir la
optimizaci贸n de procesos, la automatizaci贸n de tareas y la capacidad de realizar predicciones precisas en
entornos organizacionales cada vez m谩s din谩micos y complejos (Barcia-Zambrano, 2024; Godoy, 2024; Leguiza,
2024). Estas tecnolog铆as avanzadas, como el aprendizaje autom谩tico y los sistemas algor铆tmicos, facilitan la
recopilaci贸n y el an谩lisis de grandes vol煤menes de datos, lo cual proporciona a los gerentes herramientas m谩s
efectivas para mejorar la eficiencia y la adaptabilidad de las organizaciones en mercados competitivos (Rodr铆guez,
2024; Salavarr铆a & Bazurto, 2024; Montenegro, 2024). La capacidad de la IA para detectar patrones complejos y
anticiparse a situaciones de riesgo tambi茅n se ha destacado como un aspecto clave en 谩reas como las cadenas
de suministro y el marketing empresarial (G贸mez et al., 2024; Ch谩vez, 2024)
Sin embargo, la implementaci贸n de la IA no est谩 exenta de desaf铆os significativos. En primer lugar,
persisten barreras relacionadas con la falta de infraestructura tecnol贸gica adecuada y la resistencia cultural al
cambio dentro de las organizaciones (Hern谩ndez-Sotomayor et al., 2024; Cornelio et al., 2024). Estas barreras
no solo afectan a las grandes corporaciones, sino que son especialmente problem谩ticas en peque帽as y medianas
empresas, donde los recursos limitados dificultan su adopci贸n (Ferrer-D谩valos, 2021). Adem谩s, surgen
preocupaciones 茅ticas y operativas sobre la transparencia, la equidad y la responsabilidad en los resultados de
los algoritmos, que generan incertidumbre en su uso (Mart铆nez et al., 2024; V茅lez et al., 2022). Estas
preocupaciones 茅ticas est谩n directamente relacionadas con la falta de claridad en los procesos algor铆tmicos y la
posibilidad de sesgos en la toma de decisiones, lo cual puede generar desconfianza tanto a nivel interno como
externo (Represa, 2024).
Desde una perspectiva te贸rica, este estudio se sustenta en el modelo de sistemas sociot茅cnicos de
Bostrom y Heinen en 1977, que enfatiza la interdependencia entre las tecnolog铆as y los factores humanos en las
organizaciones (Mart铆nez, 2019). Este marco te贸rico se alinea con los avances recientes en aprendizaje
autom谩tico y redes neuronales, como plantea Andrade (2023), que han permitido a la IA identificar patrones
complejos y ofrecer soluciones precisas en tiempo real. Por otra parte, el concepto de 茅tica algor铆tmica (P茅rez et
al., 2024) resulta clave para abordar las implicaciones 茅ticas relacionadas con el uso de estas tecnolog铆as,
garantizando un equilibrio entre la innovaci贸n y la responsabilidad en la toma de decisiones. Adem谩s, se destaca
que la IA no solo debe enfocarse en la eficiencia operativa, sino tambi茅n en garantizar que los valores 茅ticos y
humanos sean preservados en los procesos organizacionales (Almeida-Blacio et al., 2024).
En este contexto, la presente investigaci贸n tiene como objetivo principal analizar la participaci贸n de la IA
en la toma de decisiones gerenciales, identificando tanto sus beneficios como las barreras cr铆ticas que limitan su
Mej铆a, S., Nava, J., & Cede帽o, R. (2025). La participaci贸n de la inteligencia artificial en la toma de decisiones gerenciales
. Revista InveCom, 5(4). 1-7. https://zenodo.org/records/14816449
3
implementaci贸n. A partir de los hallazgos, se proponen estrategias pr谩cticas y sostenibles para fomentar su
adopci贸n efectiva y responsable, ofreciendo un aporte significativo a la gesti贸n empresarial en un entorno
tecnol贸gico en constante evoluci贸n. Estos enfoques buscan proporcionar una base s贸lida para futuras
investigaciones que aborden los vac铆os existentes, especialmente en sectores con alta dependencia tecnol贸gica
y escenarios de incertidumbre creciente (Herrera, 2024; C贸rdova et al., 2023).
Metodolog铆a
El estudio se fundamenta en una revisi贸n sistem谩tica basada en la metodolog铆a PRISMA (Preferred
Reporting Items for Systematic Reviews and Meta-Analyses) para analizar de manera estructurada la
participaci贸n de la IA en la toma de decisiones gerenciales. Siguiendo las etapas de identificaci贸n, selecci贸n,
elegibilidad e inclusi贸n, se realizaron b煤squedas exhaustivas en bases de datos reconocidas como Scopus,
Scielo, Google Acad茅mico, Dialnet, lo que permiti贸 identificar un total de 30 documentos relevantes, de los cuales
10 cumplieron con los criterios de inclusi贸n. Estos criterios priorizaron estudios revisados por pares, publicados
en ingl茅s y espa帽ol entre 2021 y 2024, relacionados directamente con la IA en decisiones gerenciales, excluyendo
documentos de opini贸n, publicaciones fuera del periodo y aquellos que no abordaran expl铆citamente el 谩mbito
empresarial. Este enfoque riguroso permiti贸 extraer y sintetizar informaci贸n clave, identificando patrones,
tendencias y vac铆os en el conocimiento actual, asegurando as铆 resultados consistentes y respaldados por
evidencia s贸lida para explorar los beneficios y barreras de la implementaci贸n de la IA en la gesti贸n empresarial.
Figura 1
Flujograma Prisma
Resultados y discusi贸n
Los resultados de este estudio reflejan c贸mo la IA ha transformado la gesti贸n empresarial, optimizando
procesos, automatizando tareas y mejorando la toma de decisiones estrat茅gicas mediante el an谩lisis avanzado
de datos. Se identificaron aplicaciones relevantes en 谩reas como marketing B2B, gesti贸n de recursos humanos,
innovaci贸n y resiliencia en cadenas de suministro, lo que evidencia su versatilidad en diversos sectores. Sin
embargo, se detectaron limitaciones, como desaf铆os 茅ticos relacionados con la transparencia y responsabilidad
en las decisiones mediadas por IA, y la necesidad de supervisi贸n humana en escenarios impredecibles. Estos
hallazgos subrayan la importancia de un enfoque equilibrado que considere tanto los beneficios como los retos,
proporcionan una base s贸lida para futuras investigaciones y estrategias de implementaci贸n responsables.
Mej铆a, S., Nava, J., & Cede帽o, R. (2025). La participaci贸n de la inteligencia artificial en la toma de decisiones gerenciales
. Revista InveCom, 5(4). 1-7. https://zenodo.org/records/14816449
4
Tabla 1.
Resumen de estudios sobre la participaci贸n de la inteligencia artificial en la gesti贸n empresaria
#
T铆tulo, Autor
A帽o
Metodolog铆a
Resultados principales
1
(Cao et al., 2021)
Se desarroll贸 y valid贸 un modelo
integrado de aceptaci贸n-evitaci贸n de IA
(IAAAM) mediante una encuesta a 269
gerentes de empresas del Reino Unido,
evaluando factores positivos y negativos
relacionados con el uso de IA en
decisiones organizacionales.
El modelo IAAAM explica y predice actitudes e
intenciones hacia el uso de IA. Los hallazgos destacan la
importancia de condiciones favorables, mecanismos para
mitigar preocupaciones personales y una perspectiva
equilibrada entre beneficios y riesgos de la IA, aportando
te贸rica y emp铆ricamente al campo.
2
(Bag y otros, 2021)
El estudio utiliza un modelo te贸rico
basado en la teor铆a de gesti贸n del
conocimiento (KMT) para analizar el
impacto de la inteligencia artificial
impulsada por big data en la toma de
decisiones racionales de marketing B2B
y el rendimiento empresarial. Los datos
primarios se recopilaron de empresas
B2B de la industria minera sudafricana.
Los hallazgos revelan que la inteligencia artificial
impulsada por big data influye significativamente en la
creaci贸n de conocimiento del cliente, del usuario y del
mercado externo. Estos procesos de creaci贸n de
conocimiento impactan directamente en la toma de
decisiones racionales de marketing B2B, lo que, a su vez,
tiene un efecto significativo en el rendimiento de la
empresa. Este estudio resalta la importancia de la IA y el
big data como herramientas clave para optimizar el
conocimiento y la estrategia en mercados B2B.
3
(Berente y otros,
2021)
El estudio utiliza un enfoque conceptual
basado en el an谩lisis de siete estudios
ejemplares que abordan la gesti贸n de la
IA. Explora c贸mo han evolucionado las
fronteras de la IA en t茅rminos de
autonom铆a, aprendizaje e
inescrutabilidad, y analiza c贸mo estas
dimensiones impactan la gesti贸n
tecnol贸gica y la toma de decisiones.
Se destaca que la gesti贸n de la IA implica liderar, coordinar
y controlar avances computacionales que replican la
inteligencia humana para resolver problemas de decisi贸n
cada vez m谩s complejos. Los estudios incluidos demuestran
c贸mo las fronteras de la IA han evolucionado con el
tiempo, ampliando su alcance y rendimiento. Adem谩s, se
plantean reflexiones sobre los futuros desaf铆os en la gesti贸n
de la IA y el papel de la investigaci贸n en sistemas de
informaci贸n para moldear estos desarrollos.
4
(Rodgers et al., 2023)
El estudio desarrolla un marco
conceptual de modelo de rendimiento
que analiza los procesos de toma de
decisiones 茅ticas en la gesti贸n de
recursos humanos (HRM) en un
contexto algor铆tmico. Utiliza un enfoque
te贸rico multidisciplinario, integrando
perspectivas de asimilaci贸n y mediaci贸n
por IA, as铆 como literatura sobre juicio y
elecci贸n, para explorar c贸mo las
estrategias de HRM se ven influenciadas
por decisiones 茅ticas algor铆tmicas.
El marco describe c贸mo las percepciones, juicios y uso de
informaci贸n afectan la selecci贸n de estrategias en HRM
mediada por IA. Resalta el papel de las posiciones 茅ticas
algor铆tmicas para mejorar la inteligibilidad y
responsabilidad en la toma de decisiones de HRM generada
por IA. Adem谩s, subraya que estas posiciones son clave
para seleccionar estrategias efectivas en HRM y propone su
adopci贸n para abordar la falta de inteligibilidad y
responsabilidad en la investigaci贸n existente sobre
integraci贸n de IA en HRM.
5
(Haefner y otros,
2021)
El estudio utiliza un enfoque te贸rico
basado en la Escuela Carnegie y la teor铆a
del comportamiento de la empresa para
analizar c贸mo la IA afecta la gesti贸n de
la innovaci贸n. Desarrolla un marco
conceptual que eval煤a las capacidades
de procesamiento de informaci贸n de la
IA necesarias para apoyar la
digitalizaci贸n de la innovaci贸n
organizacional.
La IA tiene un papel constructivo en la gesti贸n de la
innovaci贸n, especialmente en contextos donde las
limitaciones de procesamiento de informaci贸n obstaculizan
el desarrollo de nuevas ideas. Los sistemas de IA, como los
algoritmos de detecci贸n de anomal铆as, pueden superar estas
limitaciones al identificar nuevas oportunidades.
Mej铆a, S., Nava, J., & Cede帽o, R. (2025). La participaci贸n de la inteligencia artificial en la toma de decisiones gerenciales
. Revista InveCom, 5(4). 1-7. https://zenodo.org/records/14816449
5
Los estudios revisados enfatizan que la IA est谩 revolucionando la gesti贸n empresarial al integrarse como
una herramienta fundamental para optimizar procesos, personalizar estrategias y tomar decisiones m谩s
informadas en diversos contextos. Seg煤n Saltos y otros (2024) y Cao et al. (2021), la capacidad de la IA para
analizar grandes vol煤menes de datos, automatizar tareas repetitivas y predecir problemas futuros ofrece ventajas
6
(Belhadi y otros,
2022)
El estudio propone un marco de toma de
decisiones multicriterio (MCDM)
impulsado por algoritmos de IA,
incluyendo sistemas difusos, redes
neuronales Wavelet (WNN) y
evaluaci贸n basada en la distancia desde
la soluci贸n promedio (EDAS). Este
enfoque se aplic贸 a datos de 479
empresas manufactureras para
identificar patrones y t茅cnicas de IA
relevantes para construir resiliencia en
las cadenas de suministro (SCRes).
Los hallazgos destacan que las t茅cnicas m谩s prometedoras
para promover SCRes incluyen la programaci贸n de l贸gica
difusa, el big data de aprendizaje autom谩tico y los sistemas
basados en agentes. Adem谩s, el marco MCDM propuesto
facilita a los tomadores de decisiones la identificaci贸n y
aplicaci贸n de t茅cnicas de IA efectivas, proporcionando un
enfoque pr谩ctico para guiar la implementaci贸n de
estrategias de SCRes en entornos manufactureros.
7
(Quinto y otros,
2021)
El estudio emplea una revisi贸n
sistem谩tica de la literatura para analizar
la dependencia entre la IA y la toma de
decisiones gerenciales. Este enfoque
permiti贸 reflexionar sobre c贸mo la IA
est谩 acelerando la automatizaci贸n de
procesos en la gesti贸n empresarial,
destacando tanto sus beneficios como
sus limitaciones.
La IA mejora y optimiza los procesos empresariales
existentes, facilitando la toma de decisiones mediante la
creaci贸n de patrones establecidos. Sin embargo, su eficacia
se limita a contextos previamente analizados, mientras que
en situaciones nuevas y complejas se requiere la
intervenci贸n intuitiva del gerente. En el futuro, se espera
que la IA desarrolle mecanismos de anticipaci贸n para
manejar escenarios impredecibles de manera m谩s
aut贸noma.
8
(Contreras &
Guerrero, 2024)
El ensayo utiliza una revisi贸n
documental para proponer un enfoque
te贸rico que resalta la importancia de la
previsi贸n dentro del proceso
administrativo, consider谩ndola un
elemento fundamental previo a la
planeaci贸n. Este enfoque analiza c贸mo
la previsi贸n y la integraci贸n de
herramientas tecnol贸gicas,
especialmente la IA, pueden potenciar la
eficiencia y eficacia administrativa en
un entorno empresarial din谩mico.
El trabajo subraya que la previsi贸n permite anticipar y
prepararse para cambios en entornos caracterizados por
incertidumbre y transformaci贸n r谩pida. Este proceso
predictivo, al analizar tendencias y patrones, facilita la
creaci贸n de estrategias s贸lidas y planes de acci贸n que
optimizan la toma de decisiones. Adem谩s, se destaca la
importancia de la integraci贸n de la IA como un
complemento para el proceso administrativo, promoviendo
una coexistencia arm贸nica entre m茅todos tradicionales y
tecnolog铆a avanzada.
9
(Ma卯tre y otros,
2022)
El trabajo combina un an谩lisis experto
con motores avanzados de inteligencia
artificial, utilizando un enfoque
interdisciplinario que integra gesti贸n
empresarial, tecnolog铆as de la
informaci贸n (TI) e inform谩tica. Incluye
una revisi贸n de la literatura para definir
par谩metros clave y un estudio de caso
centrado en las fluctuaciones de precios
de los fosfatos, analizando los factores
que hist贸ricamente han influido en la
oferta y la demanda de esta materia
prima.
Se propone una arquitectura basada en la sinergia entre la
gesti贸n empresarial y las TI para supervisar las
fluctuaciones en los precios de materias primas. El an谩lisis
del caso de los fosfatos muestra c贸mo diversos
acontecimientos, como cambios en la oferta y la demanda,
afectan los precios. Este enfoque proporciona una
herramienta robusta para predecir y gestionar las din谩micas
de mercado relacionadas con materias primas espec铆ficas.
10
(Saltos y otros, 2024)
El enfoque metodol贸gico es una
revisi贸n bibliogr谩fico-documental que
analiza c贸mo la IA ha transformado
diversas 谩reas empresariales. Se centra
en el impacto de la IA en la recopilaci贸n
y an谩lisis de grandes vol煤menes de
datos, automatizaci贸n de tareas
rutinarias, y mejora de la experiencia del
cliente mediante herramientas como
chatbots y asistentes virtuales.
La implementaci贸n de IA ha revolucionado la
administraci贸n empresarial, permitiendo procesar grandes
cantidades de datos de manera r谩pida y eficiente para
apoyar la toma de decisiones informada. Adem谩s, la
automatizaci贸n de tareas repetitivas libera a los empleados
para que se concentren en actividades estrat茅gicas y
creativas. Asimismo, la IA mejora la experiencia del cliente
mediante respuestas personalizadas y predice y previene
problemas antes de que ocurran, destacando su papel en la
transformaci贸n organizacional.
Mej铆a, S., Nava, J., & Cede帽o, R. (2025). La participaci贸n de la inteligencia artificial en la toma de decisiones gerenciales
. Revista InveCom, 5(4). 1-7. https://zenodo.org/records/14816449
6
significativas en t茅rminos de eficiencia y adaptabilidad. Estas capacidades tecnol贸gicas permiten a las empresas
responder r谩pidamente a los cambios del entorno, mejorando su competitividad en mercados altamente
din谩micos. Adem谩s, las t茅cnicas avanzadas de IA, como la l贸gica difusa y el big data, analizadas por Belhadi y
otros (2022), han demostrado ser cruciales para desarrollar resiliencia en cadenas de suministro.
Del mismo modo, Bag y otros (2021) destacan que la IA impacta positivamente en la toma de decisiones
racionales de marketing B2B, contribuyendo directamente al rendimiento empresarial. Sin embargo, a pesar de
estos avances, los estudios tambi茅n se帽alan limitaciones 茅ticas y operativas, como la necesidad de supervisi贸n
humana para abordar contextos complejos e imprevistos, tal como lo indican Quinto y otros (2021).
Una revisi贸n m谩s detallada de los hallazgos permite identificar coincidencias y diferencias clave entre los
estudios. La mayor铆a de los autores coinciden en que la IA mejora la eficiencia operativa y la calidad de las
decisiones en contextos predefinidos. Por ejemplo, Contreras & Guerrero (2024) y Rodgers et al. (2023) destacan
la importancia de combinar la supervisi贸n humana con la implementaci贸n de la IA para garantizar resultados
responsables y efectivos. Adem谩s, Saltos y otros (2024) y Haefner y otros (2021) subrayan que la adopci贸n
exitosa de la IA depende de contar con infraestructura tecnol贸gica adecuada y personal capacitado para
maximizar su potencial. Sin embargo, las diferencias surgen en los enfoques y aplicaciones espec铆ficas. Berente
y otros (2021) exploran los desaf铆os de gestionar la IA en t茅rminos de autonom铆a, aprendizaje y trasparencia,
mientras que Bag y otros (2021) priorizan los beneficios estrat茅gicos de la IA en contextos de marketing B2B.
Por otro lado, Rodgers et al. (2023) abordan los dilemas 茅ticos en la gesti贸n de recursos humanos,
contrastando con el enfoque t茅cnico de Ma卯tre y otros (2022) en la gesti贸n de fluctuaciones de precios de materias
primas. Estas diferencias enriquecen la discusi贸n y reflejan la amplitud de aplicaciones y desaf铆os asociados con
la IA en distintos sectores.
La integraci贸n de la IA en la gesti贸n empresarial representa no solo una oportunidad, sino tambi茅n un
desaf铆o 煤nico para optimizar procesos y mejorar la toma de decisiones en 谩reas complejas como la innovaci贸n,
las cadenas de suministro y la gesti贸n de recursos humanos. Sin embargo, los desaf铆os 茅ticos y operativos
resaltan la importancia de adoptar un enfoque equilibrado. Por ejemplo, Quinto y otros (2021) se帽alan que,
aunque la IA es efectiva en contextos previamente analizados, su eficacia disminuye en situaciones nuevas y
complejas donde la intuici贸n humana se vuelve indispensable. Este hallazgo se complementa con las
aportaciones de Rodgers et al. (2023), quienes enfatizan la relevancia de adoptar posiciones 茅ticas algor铆tmicas
que promuevan la transparencia y la responsabilidad en la toma de decisiones. Adem谩s, Haefner y otros (2021)
sugieren que la IA no solo puede superar limitaciones humanas en la gesti贸n de innovaci贸n, tambi茅n tiene el
potencial de detectar patrones complejos y generar ideas completamente novedosas, ampliando as铆 su alcance
en escenarios futuros.
En conclusi贸n, la IA no solo debe ser considerada como una herramienta tecnol贸gica avanzada, sino
como un socio estrat茅gico que trabaja en colaboraci贸n con la supervisi贸n humana para transformar radicalmente
la gesti贸n empresarial. Si bien sus beneficios son claros, los desaf铆os 茅ticos y operativos asociados con su
implementaci贸n subrayan la importancia de desarrollar enfoques integrales que equilibren la innovaci贸n
tecnol贸gica con la responsabilidad organizacional. Para maximizar su impacto, las investigaciones futuras
deber铆an enfocarse en desarrollar mecanismos de anticipaci贸n que permitan a la IA manejar escenarios
impredecibles con mayor autonom铆a, as铆 como explorar en mayor profundidad la interacci贸n entre factores 茅ticos,
tecnol贸gicos y humanos. Adem谩s, se deben promover marcos regulatorios que garanticen una implementaci贸n
equitativa y sostenible, de manera que las organizaciones puedan capitalizar las ventajas de la IA mientras mitigan
sus riesgos inherentes. Solo a trav茅s de este enfoque equilibrado ser谩 posible aprovechar plenamente el potencial
transformador de la IA en un entorno empresarial cada vez m谩s din谩mico y competitivo.
Conclusiones
La integraci贸n de la IA en la gesti贸n empresarial representa una oportunidad estrat茅gica que requiere un
enfoque cr铆tico y fundamentado. En primer lugar, los datos analizados demuestran que la IA tiene una contribuci贸n
representativa en la optimizaci贸n de procesos y en la toma de decisiones, siempre que su implementaci贸n
contemple tanto las capacidades tecnol贸gicas como las limitaciones humanas. Por consiguiente, las
organizaciones deben adoptar la IA como una herramienta complementaria que opere en sinergia con la
experiencia y el juicio humano, particularmente en contextos complejos o impredecibles donde las tecnolog铆as
actuales enfrentan limitaciones.
A pesar de que los avances en el uso de la IA son evidentes, persisten interrogantes relacionadas con los
desaf铆os 茅ticos y operativos que deben resolverse para maximizar su potencial. En este sentido, resulta
Mej铆a, S., Nava, J., & Cede帽o, R. (2025). La participaci贸n de la inteligencia artificial en la toma de decisiones gerenciales
. Revista InveCom, 5(4). 1-7. https://zenodo.org/records/14816449
7
imprescindible desarrollar investigaciones futuras que aborden estos vac铆os, enfoc谩ndose en mecanismos
preventivos que permitan a la IA actuar de manera aut贸noma en escenarios emergentes. Finalmente, es esencial
analizar con mayor profundidad la interacci贸n entre los factores 茅ticos, tecnol贸gicos y humanos, de modo que se
pueda garantizar una implementaci贸n de la IA que sea eficiente, responsable y sostenible en diversos contextos
empresariales.
Referencias
Herrera, M. (2024). El desaf铆o de la toma de decisiones gerenciales basada en datos con inteligencia artificial.
Revista FACES, 6(1), 34-53. http://servicio.bc.uc.edu.ve/faces/revista/evol6n1/art03.pdf
Hevia, G. (2019). La sociedad como artefacto: Sistemas sociot茅cnicos, sociotecnolog铆as y sociot茅cnicas. CTS:
Revista iberoamericana de ciencia, tecnolog铆a y sociedad, 14(40), 267-295.
https://dialnet.unirioja.es/servlet/articulo?codigo=6873902
Leguiza, C. (2024). Inteligencia artificial: aplicada a los procesos contables. Contador P煤blico Nacional.
Universidad Nacional de San Mart铆n.
https://ri.unsam.edu.ar/bitstream/123456789/2597/1/TFPP%20EEYN%202024%20LCG.pdf
Ma卯tre, E., Sena, G., Chemli, Z., Chevalier, M., Dousset, B., Gitto, J., & Teste, O. (2022). The investigation of an
event-based approach to improve commodities supply chain management. Brazilian Journal of Operations
& Production Management, 19(2), 1-19. https://doi.org/10.14488/BJOPM.2022.005
Mart铆nez, K., Rodr铆guez, J. A., & Renteria, A. (2024). DESAF脥OS 脡TICOS DE LA INTELIGENCIA ARTIFICIAL
GENERATIVA EN LAS NUEVAS FORMAS ORGANIZACIONALES. Revista Digital de Tecnolog铆as
Inform谩ticas y Sistemas, 8(1), 46-55. https://doi.org/10.61530/redtis.vol8.n1.2024.209
Montenegro, A. (2024). Inteligencia artificial como herramienta de gesti贸n en la mejora de procesos en las
MiPymes: caso ferreter铆a Angie. Universidad Estatal Pen铆nsula de Santa Elena.
https://repositorio.upse.edu.ec/handle/46000/10891
P茅rez, E., Toasa, R., & Morales, V. (2024). Impacto de la inteligencia artificial en la toma de decisiones gerenciales.
Innovarium, 1(1), 4-22. https://innovarium.teclemas.edu.ec/index.php/home/article/view/1
Quinto, N., Villodas, A., Montero, C., Cueva, D., & Vera, S. (2021). La inteligencia artificial y la toma de decisiones
gerenciales. Revista de Investigaci贸n Valor Agregado, 8(1), 52-69.
https://riva.upeu.edu.pe/index.php/ri_va/article/view/1631
Represa, C. (2024). La inteligencia artificial desde la perspectiva del consumidor. Grado en Comercio. Universidad
de Valladolid. https://uvadoc.uva.es/handle/10324/71585
Rodgers, W., Murray, J., Stefanidis, A., Degbey, W., & Tarba, S. (2023). An artificial intelligence algorithmic
approach to ethical decision-making in human resource management processes. Human resource
management review, 33(1). https://doi.org/10.1016/j.hrmr.2022.100925
Rodr铆guez, S. (2024). La Inteligencia Artificial aplicada al 谩rea de recursos humanos: una aproximaci贸n al estado
del arte de la cuesti贸n. Universidad EAFIT. https://repository.eafit.edu.co/items/1d63e6d7-61b2-4f0c-
a333-0a8a30b366a9
Salavarr铆a, S., & Bazurto, S. (2024). Inteligencia artificial en el desarrollo administrativo de la empresa moderna.
Revista Cient铆fica Arbitrada Multidisciplinaria PENTACIENCIAS, 6(2), 264-282.
https://doi.org/10.59169/pentaciencias.v6i2.1046
Saltos, J., Bloisse, S., Yavar, H., & Piguave, W. (2024). Inteligencia Artificial. La nueva transformaci贸n de la
administraci贸n empresarial. RECIAMUC, 8(1), 759-767.
https://doi.org/10.26820/reciamuc/8.(1).ene.2024.759-767
V茅lez, M., G贸mez, C., & Osorio, M. (2022). Conceptos fundamentales y uso responsable de la inteligencia artificial
en el sector p煤blico. Informe 2. Scioteca. https://scioteca.caf.com/handle/123456789/1921
