Aplicación de la inteligencia artificial en la gestión empresarial

Application of the artificial intelligence in the business management

Jhesu Marisol Morales Carrillo*
Tecnológico Nacional de México
ORCID 0000-0002-3989-1440

José Pablo Bermúdez Lares
Tecnológico Nacional de México
ORCID 0009-0005-9312-6327

Nadia Elizabeth Castañeda Romero
Tecnológico Nacional de México
ORCID 0009-0000-1969-9294

Juan Rafael Hernández Cortez
Tecnológico Nacional de México
ORCID 0009-0008-9168-7288

Alan Azael Padilla López
Tecnológico Nacional de México
ORCID 0009-0007-1238-7862

*Autora correspondiente.

Recibido: 10 de mayo de 2025 | Aceptado: 18 de mayo de 2025 | Publicado en línea: 20 de mayo de 2025 |


Cómo citar:
Morales-Carrillo, J. M., Bermúdez-Lares, J. P., Castañeda-Romero, N. E., Hernández-Cortez, J. R., & Padilla-López, A. A. (2025). Aplicación de la inteligencia artificial en la gestión empresarial. Revista Multidisciplinaria de Ciencia Básica, Humanidades, Arte y Educación, 3(12), 60-65. 
https://www.mjshae.org/2025/05/aplicacion-de-la-inteligencia.html [.RIS]



Resumen:
La transformación digital ha situado a la inteligencia artificial (IA) como un recurso estratégico clave en la gestión empresarial. Su capacidad para automatizar procesos, optimizar la toma de decisiones y personalizar la experiencia del cliente la posiciona como un motor de innovación y competitividad. No obstante, su adopción enfrenta barreras significativas, entre las que destacan la limitada preparación técnica de los profesionales, la resistencia organizacional al cambio y los dilemas éticos asociados al uso de datos y la privacidad. Este artículo presenta una investigación documental de carácter descriptivo que tiene como objetivo analizar de manera integral los beneficios, desafíos y perspectivas del uso de la IA en el ámbito empresarial. Para ello, se revisan fuentes académicas, informes técnicos y estudios de caso que permiten identificar patrones, experiencias y propuestas en contextos organizacionales diversos. El contenido se organiza en torno a tres ejes principales: automatización de procesos, apoyo en la toma de decisiones y personalización de servicios. En cada apartado se describen tanto las ventajas como las limitaciones observadas en la implementación de soluciones basadas en IA. La investigación concluye con recomendaciones orientadas a una integración efectiva y ética de estas tecnologías, destacando la importancia de la capacitación del capital humano, el diseño de políticas organizacionales claras y la adopción de marcos regulatorios adecuados. Este trabajo busca contribuir al debate académico y profesional sobre la incorporación responsable de la IA en la gestión empresarial, promoviendo prácticas sostenibles e innovadoras. 

Palabras clave: inteligencia artificial; gestión empresarial; automatización de procesos; ética; privacidad.



Referencias:

Alegre, L. R. R., Calderón-De-Los-Ríos, H., Hurtado-Zamora, M. M., & Ocaña-Rodríguez, Á. W. (2023). Inteligencia artificial en la gestión organizacional: Impacto y realidad latinoamericana. Revista Arbitrada Interdisciplinaria Koinonía, 8(1), 226-241. https://doi.org/10.35381/r.k.v8i1.2782

Aziz, S., & Dowling, M. (2019). Chapter 3: Machine learning and AI for risk management. In Disrupting Finance: FinTech and Strategy in the 21st Century (pp. 33–50). Springer International Publishing. https://doi.org/10.1007/978-3-030-02330-0

Bertolini, M., Mezzogori, D., Neroni, M., & Zammori, F. (2021). Machine Learning for industrial applications: A comprehensive literature review. Expert Systems with Applications, 175, 114820. https://doi.org/10.1016/j.eswa.2021.114820

Bertsimas, D., & Kallus, N. (2020). From predictive to prescriptive analytics. Management Science, 66(3), 1025–1044. https://doi.org/10.1287/mnsc.2018.3253

Canhoto, A. I., & Clear, F. (2020). Artificial intelligence and machine learning as business tools: A framework for diagnosing value destruction potential. Business Horizons, 63(2), 183–193. https://doi.org/10.1016/j.bushor.2019.11.003

Chen, L.-F., & Tsai, C.-T. (2016). Data mining framework based on rough set theory to improve location selection decisions: A case study of a restaurant chain. Tourism Management, 53, 197–206. https://doi.org/10.1016/j.tourman.2015.10.00 1

Chen, M., & Wu, H. (2005). An association-based clustering approach to order batching considering customer demand patterns. Omega, 33(4), 333–343. https://doi.org/10.1016/j.omega.2004.05.003

Di Vaio, A., Palladino, R., Hassan, R., & Escobar, O. (2020). Artificial intelligence and business models in the sustainable development goals perspective: A systematic literature review. Journal of Business Research, 121, 283–314. https://doi.org/10.1016/j.jbusres.2020.08.019

Dove, G., Halskov, K., Forlizzi, J., & Zimmerman, J. (2017). UX design innovation: Challenges for working with machine learning as a design material. In Proceedings of the 2017 CHI Conference on Human Factors in Computing Systems (pp. 278–288). https://doi.org/10.1145/3025453.3025739

García, A. J. C., Vera, M. C. Q., Vargas, M. T. P., & Luzardo, J. S. Z. (2024). La inteligencia artificial como herramienta en la segmentación de mercado. Ciencia y Desarrollo, 27(1), 193-202. http://dx.doi.org/10.21503/cyd.v27i1.2556

Haenlein, M., & Kaplan, A. (2019). A Brief History of Artificial Intelligence: On the Past, Present, and Future of Artificial Intelligence. California Management Review, 61(4), 5-14. https://doi.org/10.1177/0008125619864925

Kraus, M., Feuerriegel, S., & Oztekin, A. (2020). Deep learning in business analytics and operations research: Models, applications and managerial implications. European Journal of Operational Research, 281(3), 628–641. https://doi.org/10.1016/j.ejor.2019.09.018

Maroufi, R., Alketbi, J.M., Valeri, M. (2023). iSpatial Tech: GEO-AI-Enabled Solutions for Smart Cities. In: Alkaabi, K., Ramadani, V. (eds) Family Business Cases. Springer Business Cases. Springer, Cham. https://doi.org/10.1007/978-3-031-39252-8_12

Montañez, A. M., & Suarez Torrez, D. E. (2023). El futuro de la gestión empresarial: La convergencia de la inteligencia artificial y el big data en las organizaciones [Tesis]. Universidad Santo Tomás, Colombia. https://repository.usta.edu.co/items/ec8e873c-b208-40ba-909f-a19e11984e38

Montiel, O. (2021). The History of Entrepreneurship Backward: An Exploratory Approach from Industrial Archaeology. Entreciencias: diálogos en la sociedad del conocimiento, 9(23), e2377100. https://doi.org/10.22201/enesl.20078064e.2021.23.77100

Pereira, V., dos Santos, R. A., & Ralha, D. C. (2021). Predictive analytics for business: A systematic literature review. Journal of Business Research, 123, 112-123. https://doi.org/10.1016/j.jbusres.2020.09.001 

© (CC BY 4.0)

Cintillo Legal: Revista Multidisciplinaria de Ciencia Básica, Humanidades, Arte y Educación (Rev. Mult. C. Hum. Art. y Educ.) ISSN 2992-7722 es una publicación internacional bimestral con actualización continua, editada por Prolatam Ética Latam, A.C. con Registro Nacional de Instituciones y Empresas Científicas y Tecnológicas (RENIECYT) número 1900530. Correo electrónico de la revista: editor@mjshae.org. Reserva de Derechos al Uso Exclusivo otorgado por el Instituto Nacional del Derecho de Autor (INDAUTOR): 04-2023-082114463300-102. Las opiniones expresadas por los autores no necesariamente reflejan la postura de los editores. Se autoriza la reproducción total o parcial de los contenidos publicados, siempre y cuando se cite la fuente original. Última actualización: mayo de 2025.