Revista de Investigación y Liderazgo Vol. 01 (Num. 02)(Abril – Junio 2024) ISSN 3151-8532
Horizontes emergentes de investigación multidisciplinaria
Recibido: 12/03/2024 Aceptado: 10/04/2024 Publicado: 03/05/2024
https://rivinglid.omeditorial.com
32
DOI: https://doi.org/10.63618/omd/revinvlid/v1/n2/13
Inteligencia artificial generativa y transformación de los
modelos de gestión empresarial.
Generative artificial intelligence and the transformation of business
management models.
Salgado-Ortiz, Patricia Janella
1
; Quiñonez-Cabeza, Betty Maribel
2
; Casanova-
Villalba, César Iván
3
; Herrera-Sánchez, Maybelline Jaqueline
4
.
1
Universidad Técnica Luis Vargas Torres de Esmeraldas ; Ecuador; https://orcid.org/0000-0002-5366-
7330; patricia.salgado@utelvt.edu.ec.
2
Universidad Técnica Luis Vargas Torres de Esmeraldas; Ecuador; https://orcid.org/0000-0002-3964-
2153; betty.quinonez@utelvt.edu.ec.
3
Universidad Técnica Luis Vargas Torres de Esmeralda; Ecuador; https://orcid.org/0000-0001-6486-1334;
cesar.casanova.villalba@utelvt.edu.ec.
4
Universidad Técnica Luis Vargas Torres de Esmeraldas; Ecuador; https://orcid.org/0000-0001-6840-
3891; maybelline.herrera.sanchez@utelvt.edu.ec.
Cita: Salgado-Ortiz, P. J., Quiñonez-Cabeza, B. M., Casanova-Villalba, C. I., & Herrera-Sánchez, M. J. .
(2024). Inteligencia artificial generativa y transformación de los modelos de gestión empresarial. Revista
De Investigación Y Liderazgo, 1(2), 32-48. https://doi.org/10.63618/omd/revinvlid/v1/n2/13
Resumen
La rápida expansión de la inteligencia artificial generativa ha impulsado cambios en los procesos,
capacidades y estructuras de gestión empresarial, aunque su adopción continúa siendo desigual entre
países, sectores y tamaños organizacionales. El estudio tuvo como objetivo analizar la relación entre la
incorporación de inteligencia artificial generativa y la transformación de los modelos de gestión empresarial
en Ecuador y América Latina. Se desarrolló una investigación cualitativa, documental, no experimental y
transversal, sustentada en el análisis temático y comparativo de literatura científica y reportes institucionales
recientes. Los resultados evidenciaron un crecimiento acelerado de la adopción, mejoras en productividad,
calidad y eficiencia operativa, así como diferencias asociadas con infraestructura digital, habilidades
laborales, liderazgo, gobernanza, tamaño empresarial y sector económico. La interpretación de los
hallazgos mostró que la disponibilidad tecnológica no produjo por sí sola una transformación integral, debido
a que sus efectos dependieron del rediseño de procesos y de la capacidad organizacional para escalar y
supervisar las soluciones implementadas. Se concluyó que la inteligencia artificial generativa favoreció una
transformación progresiva de la gestión, cuyo alcance requirió integrar tecnología, capacidades humanas,
gobernanza y objetivos estratégicos.
Palabras clave: inteligencia artificial generativa, gestión empresarial, transformación organizacional,
capacidades digitales, gobernanza tecnológica.
Abstract
The rapid expansion of generative artificial intelligence has driven changes in business management
processes, capabilities, and structures, although its adoption remains uneven across countries, sectors, and
organizational sizes. The study aimed to analyze the relationship between the adoption of generative artificial
intelligence and the transformation of business management models in Ecuador and Latin America. A
qualitative, documentary, non-experimental, and cross-sectional study was conducted, based on a thematic
and comparative analysis of scientific literature and recent institutional reports. The results revealed rapid
growth in adoption, improvements in productivity, quality, and operational efficiency, as well as differences
associated with digital infrastructure, workforce skills, leadership, governance, company size, and economic
sector. Interpretation of the findings showed that technological availability alone did not produce a
comprehensive transformation, as its effects depended on process redesign and the organizational capacity
to scale and oversee the implemented solutions. It was concluded that generative artificial intelligence
facilitated a progressive transformation of management, the scope of which required integrating technology,
human capabilities, governance, and strategic objectives.
Keywords: generative artificial intelligence, business management, organizational transformation, digital
capabilities, technology governance.
Revista de Investigación y Liderazgo Vol. 01 (Num. 02)(Abril – Junio 2024) ISSN 3151-8532
Horizontes emergentes de investigación multidisciplinaria
https://rivinglid.omeditorial.com
33
1. Introducción
La inteligencia artificial generativa se convierte en una tecnología de propósito
transversal capaz de producir texto, imágenes, código, audio y otros contenidos
mediante patrones aprendidos de grandes volúmenes de datos, por lo que su alcance
empresarial supera la automatización convencional y se extiende hacia la creación, el
análisis y la toma de decisiones (Feuerriegel et al., 2024). En 2024, el 78 % de las
organizaciones consultadas declara utilizar inteligencia artificial y el 71 % emplea
inteligencia artificial generativa en al menos una función empresarial, frente al 33 %
registrado un año antes. La inversión privada mundial en esta tecnología alcanza USD
33.900 millones, con un crecimiento anual del 18,7 % (Stanford HAI, 2025). Este avance
modifica la forma en que las empresas coordinan recursos, distribuyen
responsabilidades y convierten información en conocimiento operativo. En
consecuencia, la inteligencia artificial generativa incide en los modelos de gestión
empresarial al reconfigurar procesos, capacidades directivas, mecanismos de control y
relaciones entre personas y sistemas inteligentes (Kanbach et al., 2024).
Esta expansión tecnológica adquiere características particulares en América Latina,
donde el gasto en inteligencia artificial alcanza aproximadamente USD 11.590 millones
en 2023, frente a USD 87.180 millones en Estados Unidos, mientras la penetración
estimada permanece por debajo del 4 % en la mayoría de los países analizados
(CEPAL, 2024). Dentro de este escenario, Ecuador dispone de 1.173.985 empresas
activas, cuyas ventas suman USD 213.402 millones constantes de 2018 y sostienen
2.903.064 plazas de empleo registrado, lo que evidencia la magnitud económica de las
decisiones asociadas con la transformación digital (INEC, 2025). La unidad de análisis
se delimita, por tanto, en las empresas activas del país y, operativamente, en los
propietarios, gerentes y responsables de áreas que intervienen en decisiones
estratégicas, tecnológicas y organizacionales. El Índice Latinoamericano de Inteligencia
Artificial sitúa a Ecuador en la posición 11 de 19 economías evaluadas, con 34,59 puntos
sobre 100 (CENIA, 2024). Esta posición revela un ecosistema en desarrollo que
combina oportunidades de adopción con restricciones de infraestructura, talento,
institucionalidad y capacidad de escalamiento empresarial.
Las posibilidades de transformación se sustentan en evidencias que muestran
incrementos relevantes de productividad, aunque sus efectos dependen del tipo de tarea
y de las capacidades organizacionales disponibles. En actividades profesionales de
redacción, el uso de inteligencia artificial generativa reduce el tiempo promedio de
ejecución en 40 % y eleva la calidad de los resultados en 18 % (Noy & Zhang, 2023).
De forma complementaria, un estudio aplicado a cerca de 5.000 agentes de atención al
cliente identifica un aumento aproximado del 14 % en productividad y mejoras de hasta
35 % entre trabajadores con menor experiencia (Brynjolfsson et al., 2023). En Ecuador,
la combinación de aprendizaje automático e inteligencia artificial generativa puede
afectar alrededor del 40,9 % de la fuerza laboral, lo que amplía la necesidad de gestionar
procesos de adaptación y desarrollo de competencias (CEPAL, 2024). El tamaño
empresarial, el capital humano, la digitalización previa, la computación en la nube y el
uso de sistemas de gestión de clientes condicionan la adopción efectiva de estas
tecnologías (Jung & Katz, 2025). La ausencia de una respuesta estratégica puede
profundizar brechas productivas, dependencia tecnológica y desigualdades entre
empresas con diferentes niveles de madurez digital.
Revista de Investigación y Liderazgo Vol. 01 (Num. 02)(Abril – Junio 2024) ISSN 3151-8532
Horizontes emergentes de investigación multidisciplinaria
https://rivinglid.omeditorial.com
34
El efecto de la inteligencia artificial generativa sobre la gestión empresarial no se limita
a sustituir tareas, debido a que también modifica la arquitectura mediante la cual se
planifican actividades, se asignan recursos y se supervisan resultados. Una revisión
basada en 513 unidades documentales organiza sus efectos sobre los modelos de
negocio en tres ámbitos: creación de valor, propuesta de valor y captura de valor,
mostrando que la tecnología puede originar nuevos productos, reducir costos y
transformar las fuentes de ingresos (Kanbach et al., 2024). Sin embargo, la
transformación de los modelos de gestión empresarial comprende dimensiones
adicionales, entre ellas la estructura organizacional, la distribución de autoridad, los
mecanismos de coordinación, el liderazgo, la gestión del conocimiento y el control del
desempeño. Una revisión sistemática de 180 artículos concluye que la investigación
sobre inteligencia artificial y transformación empresarial permanece fragmentada por la
diversidad de enfoques conceptuales y unidades de análisis (Jorzik et al., 2024). Esta
dispersión dificulta explicar cómo las mejoras observadas en tareas específicas se
convierten en cambios sostenidos dentro de la dirección y el funcionamiento integral de
las empresas.
La brecha resulta más evidente cuando se examinan las relaciones entre adopción
tecnológica, capacidades empresariales y rediseño organizacional en economías
emergentes. La literatura reciente identifica diez líneas prioritarias de investigación,
entre las que se encuentran el diseño organizacional, los límites de la empresa, la
innovación, la propiedad intelectual, la gobernanza y los usos éticamente responsables
de la inteligencia artificial generativa (Mariani & Dwivedi, 2024). Pese a este avance,
predominan enfoques tecnológicos y estudios centrados en grandes organizaciones,
mientras existe menor evidencia empírica sobre empresas latinoamericanas y sobre
diferencias asociadas con tamaño, sector y madurez digital (Jorzik et al., 2024). En
Ecuador se observa una asimetría relevante: el subíndice de adopción alcanza 59,08
puntos, pero la dimensión de visión e institucionalidad registra 0 puntos en la medición
de 2024 (CENIA, 2024). Esta divergencia sugiere que la incorporación de herramientas
puede avanzar con mayor rapidez que la consolidación de políticas, competencias
directivas y mecanismos de gobernanza. Por ello, permanece insuficientemente
explicada la relación conjunta entre intensidad de uso, capacidades organizacionales,
gestión responsable y transformación de los modelos de gestión empresarial.
Frente a este vacío, el estudio adquiere relevancia social y económica porque examina
un fenómeno que incide sobre más de 1,17 millones de unidades empresariales y cerca
de 2,9 millones de empleos registrados en Ecuador (INEC, 2025). Su valor teórico reside
en integrar la perspectiva tecnológica con variables organizacionales que permiten
comprender la transición desde el uso aislado de herramientas hacia cambios en la
dirección, coordinación y control empresarial. La utilidad práctica se relaciona con la
posibilidad de generar criterios para orientar inversiones, capacitación, rediseño de
procesos y políticas internas de inteligencia artificial. La investigación resulta viable
mediante información empresarial agregada del Registro Estadístico de Empresas, cuya
base definitiva comprende 100 variables, y mediante la aplicación de un cuestionario
estructurado a directivos y responsables funcionales (INEC, 2025). El uso de
instrumentos digitales favorece la cobertura de distintos sectores y tamaños
empresariales sin requerir acceso a secretos comerciales ni a sistemas internos. El
tratamiento confidencial de las respuestas, el consentimiento informado, la
anonimización y la verificación humana de los contenidos generados constituyen
Revista de Investigación y Liderazgo Vol. 01 (Num. 02)(Abril – Junio 2024) ISSN 3151-8532
Horizontes emergentes de investigación multidisciplinaria
https://rivinglid.omeditorial.com
35
condiciones necesarias para preservar la responsabilidad y la confianza organizacional
(Feuerriegel et al., 2024).
A partir de estas consideraciones, el objetivo general del estudio consiste en analizar la
relación entre la adopción de inteligencia artificial generativa y la transformación de los
modelos de gestión empresarial en Ecuador. Este propósito se despliega en cuatro
objetivos específicos orientados a producir evidencia comparable y aplicable. El primero
describe el nivel, las áreas funcionales y los patrones de utilización de herramientas
generativas en las empresas analizadas. El segundo determina los cambios asociados
con su uso en la toma de decisiones, la coordinación, la gestión del conocimiento y la
eficiencia de los procesos. El tercero relaciona las capacidades digitales, el liderazgo y
los mecanismos de gobernanza con el grado de transformación de los modelos de
gestión empresarial. El cuarto compara los resultados según tamaño y sector
económico, debido a que estas características condicionan la disponibilidad de
recursos, talento y tecnologías complementarias necesarias para una adopción efectiva
(Jung & Katz, 2025; Jorzik et al., 2024).
Con esta orientación, la contribución esperada supera el análisis de aplicaciones
aisladas y propone comprender la transformación empresarial en tres niveles
articulados: tareas, procesos y modelo de gestión. La originalidad del trabajo radica en
integrar cuatro dimensiones analíticas (adopción de inteligencia artificial generativa,
capacidades organizacionales, gobernanza y transformación de la gestión) dentro de un
contexto empresarial latinoamericano poco representado en la evidencia internacional
(Jorzik et al., 2024). Esta articulación permite examinar no solo cuánto se utiliza la
tecnología, sino también de qué manera modifica la autoridad, la coordinación, el
aprendizaje y los criterios de desempeño. En el ámbito académico, el estudio aporta
evidencia contextual para reducir la fragmentación conceptual identificada en las
investigaciones recientes sobre inteligencia artificial y organización (Mariani & Dwivedi,
2024). En el ámbito empresarial, los resultados pueden facilitar la identificación de
condiciones que favorecen una adopción productiva, responsable y coherente con las
capacidades de cada organización. De esta manera, el trabajo conecta la aceleración
tecnológica con la necesidad de construir modelos de gestión empresarial adaptativos,
medibles y orientados a la creación sostenible de valor.
2. Materiales y Métodos
El estudio se desarrolló mediante una orientación cualitativa, debido a que buscó
interpretar cómo la inteligencia artificial generativa modificó las prácticas de dirección,
la toma de decisiones, la coordinación organizacional y la creación de valor en los
modelos de gestión empresarial. La unidad de análisis estuvo constituida por
documentos científicos, académicos e institucionales relacionados con empresas de
Ecuador y América Latina, complementados con evidencia internacional pertinente. Esta
perspectiva permitió examinar significados, enfoques y relaciones conceptuales que no
podían reducirse exclusivamente a indicadores cuantificables. La investigación privilegió
la comprensión contextual del fenómeno y la identificación de patrones organizacionales
asociados con la incorporación de tecnologías generativas. El análisis documental
cualitativo resultó coherente con la necesidad de integrar fuentes heterogéneas y
Revista de Investigación y Liderazgo Vol. 01 (Num. 02)(Abril – Junio 2024) ISSN 3151-8532
Horizontes emergentes de investigación multidisciplinaria
https://rivinglid.omeditorial.com
36
contrastar interpretaciones sobre un campo tecnológico en rápida evolución (Morgan,
2022; Braun & Clarke, 2021).
La coherencia entre el propósito del estudio y la naturaleza del fenómeno condujo a la
aplicación de un diseño no experimental y transversal, puesto que las variables no
fueron manipuladas ni se introdujeron intervenciones sobre organizaciones, procesos o
tecnologías. La información se examinó tal como apareció registrada en publicaciones
existentes y la recuperación documental se efectuó en un único corte analítico,
considerando trabajos publicados entre enero de 2021 y junio de 2026. Esta delimitación
permitió incorporar evidencia reciente sobre inteligencia artificial generativa y
transformación empresarial sin efectuar seguimiento longitudinal de empresas
específicas. El diseño se orientó a reconocer configuraciones, tendencias y
asociaciones conceptuales, pero no pretendió demostrar relaciones causales ni medir
efectos estadísticos. La identificación, depuración y selección de documentos se
organizó mediante criterios explícitos de trazabilidad y elegibilidad, conforme a
principios contemporáneos de transparencia en la revisión de literatura (Page et al.,
2021; Morgan, 2022).
La construcción del corpus respondió a una investigación documental basada en
búsquedas realizadas en Scopus, Web of Science, ScienceDirect, SpringerLink y
Google Scholar, junto con repositorios oficiales vinculados con el contexto empresarial
ecuatoriano y latinoamericano. Se utilizaron combinaciones de los términos generative
artificial intelligence, business management, business models, organizational
transformation, “inteligencia artificial generativa”, “gestión empresarial” y
“transformación organizacional”. La población documental comprendió artículos
revisados por pares, libros académicos y reportes institucionales publicados durante el
periodo establecido, mientras que cada documento seleccionado constituyó una unidad
de análisis. Se incluyeron fuentes con relación directa entre inteligencia artificial,
capacidades organizacionales, gestión, innovación o modelos de negocio y se
excluyeron duplicados, contenidos comerciales sin respaldo metodológico, opiniones no
verificables y publicaciones ajenas al objeto de estudio. No se predeterminó un tamaño
muestral probabilístico, debido a que la selección se sustentó en pertinencia temática,
calidad de la fuente y suficiencia analítica (Morgan, 2022; Page et al., 2021).
El razonamiento deductivo orientó la interpretación del corpus mediante categorías
construidas a partir de la literatura especializada, mientras que el método analítico
permitió descomponer el fenómeno en dimensiones organizacionales interrelacionadas.
La matriz inicial incorporó adopción de inteligencia artificial generativa, capacidades
digitales, toma de decisiones, transformación de procesos, estructura organizacional,
gestión del conocimiento, gobernanza, creación de valor y riesgos asociados. Estas
categorías se fundamentaron en estudios que vincularon la inteligencia artificial
generativa con la reconfiguración de actividades empresariales, la innovación de
modelos de negocio y las tensiones entre automatización y complementariedad humana
(Feuerriegel et al., 2024; Kanbach et al., 2024; Raisch & Krakowski, 2021). Cada fuente
fue examinada mediante una ficha que registró autoría, año, contexto, objetivo, enfoque
metodológico, hallazgos, limitaciones y aportes para las categorías definidas.
Posteriormente, el análisis comparó coincidencias, diferencias y relaciones entre la
evidencia internacional y las particularidades empresariales identificadas para Ecuador
y América Latina (Jorzik et al., 2024).
Revista de Investigación y Liderazgo Vol. 01 (Num. 02)(Abril – Junio 2024) ISSN 3151-8532
Horizontes emergentes de investigación multidisciplinaria
https://rivinglid.omeditorial.com
37
El análisis del corpus mantuvo un alcance descriptivo y se orientó a caracterizar las
formas mediante las cuales la inteligencia artificial generativa se relacionó con la
transformación de los modelos de gestión empresarial. El procedimiento comprendió la
lectura integral de los documentos, la extracción de segmentos relevantes, la asignación
de códigos, la agrupación en categorías y la elaboración de síntesis interpretativas. La
codificación permitió organizar conceptos recurrentes y reconocer convergencias,
divergencias y vacíos en torno a la adopción tecnológica, la gestión organizacional y la
creación de valor. La interpretación se apoyó en el análisis temático y de contenido,
cuyos procedimientos facilitaron la identificación sistemática de patrones y la
articulación de categorías conceptuales (Braun & Clarke, 2021; Saldaña, 2021; Naeem
et al., 2023). El alcance adoptado no buscó generalizar resultados a la totalidad de
empresas ecuatorianas ni estimar relaciones causales, sino ofrecer una representación
estructurada del conocimiento disponible y de sus principales implicaciones
empresariales (Nicmanis, 2024).
La calidad metodológica se fortaleció mediante la revisión reiterada de las fuentes, la
verificación de duplicados, el contraste entre publicaciones académicas y documentos
institucionales, y el mantenimiento de una matriz de trazabilidad para respaldar cada
interpretación. La consistencia analítica se examinó comparando los códigos con los
fragmentos originales y revisando que las categorías conservaran correspondencia con
los objetivos del estudio. El proceso también consideró la reflexividad del investigador,
debido a que la interpretación documental exigió reconocer posibles sesgos derivados
de la selección y organización de la evidencia (Braun & Clarke, 2021; Nicmanis, 2024).
Debido a que se trabajó exclusivamente con información publicada y no se recopilaron
datos personales ni se estableció interacción con participantes humanos, la
investigación preservó la integridad de las fuentes mediante citación, atribución y
representación fiel de los hallazgos. Los contenidos producidos por sistemas
generativos no fueron utilizados como evidencia científica sin verificación documental y
revisión humana, con el propósito de mantener transparencia, responsabilidad y
reproducibilidad académica (Feuerriegel et al., 2024; Morgan, 2022).
3. Resultados
Nivel y patrones de adopción de inteligencia artificial generativa en las empresas
El análisis documental tuvo como propósito caracterizar el nivel de incorporación de la
inteligencia artificial generativa y reconocer los patrones predominantes de uso dentro
de las funciones empresariales. Los indicadores consolidados mostraron una expansión
acelerada entre 2023 y 2024, periodo en el que la proporción de organizaciones que
utilizó algún tipo de inteligencia artificial aumentó del 55 % al 78 %, equivalente a una
variación de 23 puntos porcentuales. La adopción específica de inteligencia artificial
generativa presentó un incremento mayor, al pasar del 33 % al 71 %, con una diferencia
de 38 puntos porcentuales. Estos resultados ubicaron a las tecnologías generativas
entre las aplicaciones digitales de crecimiento empresarial más rápido durante el periodo
examinado. Los valores comparables y las variaciones identificadas se sintetizaron
como se observa en la Tabla 1 (Stanford Institute for Human-Centered Artificial
Intelligence [Stanford HAI], 2025).
Revista de Investigación y Liderazgo Vol. 01 (Num. 02)(Abril – Junio 2024) ISSN 3151-8532
Horizontes emergentes de investigación multidisciplinaria
https://rivinglid.omeditorial.com
38
La distribución funcional mostró que la incorporación no permaneció concentrada en
una sola área, debido a que las organizaciones utilizaron inteligencia artificial en un
promedio de tres funciones empresariales. Las aplicaciones generativas aparecieron
con mayor frecuencia en marketing y ventas, desarrollo de productos y servicios,
operaciones de atención, ingeniería de software y tecnologías de la información.
Respecto al tipo de contenido producido, el 63 % de las organizaciones usuarias generó
principalmente textos, mientras que más de un tercio produjo imágenes y más de una
cuarta parte empleó estas herramientas para crear código informático. La utilización
individual también registró diferencias jerárquicas: el 53 % de los ejecutivos de nivel
directivo declaró un uso habitual, frente al 44 % de los gerentes de nivel medio, lo que
representó una brecha de nueve puntos porcentuales. El patrón observado correspondió
a una adopción multifuncional orientada prioritariamente a la producción de contenidos
y al soporte de actividades intensivas en conocimiento (Singla et al., 2025)
Tabla 1
Indicadores consolidados del nivel y los patrones de adopción empresarial de
inteligencia artificial
Indicador
Ámbito y
periodo
Resultado
Variación o patrón
Organizaciones que utilizaron IA en al menos
una función
Global, 2023
55 %
—
Organizaciones que utilizaron IA en al menos
una función
Global, 2024
78 %
+23 pp
Organizaciones que utilizaron IA generativa en
al menos una función
Global, 2023
33 %
—
Organizaciones que utilizaron IA generativa en
al menos una función
Global, 2024
71 %
+38 pp
Número promedio de funciones empresariales
con uso de IA
Global, 2024
3
funciones
Uso multifuncional
Organizaciones usuarias que generaron texto
Global, 2024
63 %
Modalidad predominante
Organizaciones usuarias que generaron
imágenes
Global, 2024
>33 %
Modalidad secundaria
Organizaciones usuarias que generaron
código
Global, 2024
>25 %
Uso técnico especializado
Puntaje de adopción de IA de Ecuador
Ecuador, 2024
59,08/100
Posición 10 de 19
Puntaje de adopción industrial de IA
Ecuador, 2024
41,56/100
Menor que el componente
gubernamental
Nota: Los porcentajes y puntajes provinieron de mediciones secundarias con unidades y
metodologías diferentes, por lo que no se agregaron en una media conjunta. No se calcularon
desviaciones estándar, intervalos de confianza ni valores p, debido a que las fuentes consultadas
presentaron indicadores agregados y no microdatos comparables (CENIA et al., 2024; Singla et
al., 2025; Stanford HAI, 2025).
La evidencia correspondiente a América Latina presentó una trayectoria diferenciada
respecto del crecimiento global. La penetración estimada de soluciones de inteligencia
artificial permaneció por debajo del 4 % en los países latinoamericanos incluidos en la
medición regional, mientras que el ecosistema empresarial proveedor mantuvo una
concentración mayor en tecnologías de inteligencia artificial general y aprendizaje
automático. Entre las empresas tecnológicas regionales vinculadas con este campo, el
81,8 % desarrolló soluciones generales de inteligencia artificial y el 35,5 % trabajó con
aprendizaje automático; en contraste, únicamente el 2,5 % registró actividades
específicas relacionadas con inteligencia artificial generativa. Esta distribución mostró
que la expansión del uso organizacional coexistió con una participación reducida de
Revista de Investigación y Liderazgo Vol. 01 (Num. 02)(Abril – Junio 2024) ISSN 3151-8532
Horizontes emergentes de investigación multidisciplinaria
https://rivinglid.omeditorial.com
39
empresas regionales especializadas en el desarrollo de soluciones generativas. Los
porcentajes no totalizaron 100 %, debido a que una misma empresa pudo participar
simultáneamente en varias actividades tecnológicas (Comisión Económica para
América Latina y el Caribe [CEPAL], 2024).
Dentro del contexto ecuatoriano, el Índice Latinoamericano de Inteligencia Artificial
registró una puntuación total de 34,59 sobre 100 y ubicó al país en la posición 11 entre
19 economías evaluadas. El componente específico de adopción alcanzó 59,08 puntos
y ocupó la décima posición regional; sin embargo, la adopción industrial obtuvo 41,56
puntos, mientras que la adopción gubernamental llegó a 85,35 puntos. En el ecosistema
empresarial de inteligencia artificial se contabilizaron cinco inversores, 33 operaciones
de inversión y aproximadamente USD 3.325 millones de financiamiento registrado,
aunque la medición regional dispuso de información financiera únicamente para una
fracción de las empresas observadas. En conjunto, los resultados describieron un patrón
caracterizado por crecimiento acelerado de la adopción global, predominio de
aplicaciones textuales y multifuncionales, menor especialización generativa en América
Latina y un nivel intermedio de incorporación de inteligencia artificial en el entorno
ecuatoriano (CENIA et al., 2024; CEPAL, 2024).
Transformaciones asociadas con la inteligencia artificial generativa en los
procesos de gestión empresarial
El análisis documental se orientó a identificar los cambios registrados en la
productividad, la calidad del trabajo, la atención al cliente, la reorganización de flujos
operativos y la generación de resultados económicos. Los hallazgos se concentraron en
transformaciones observables en tareas intensivas en conocimiento y en procesos
empresariales apoyados por asistentes generativos. La evidencia examinada mostró
variaciones en el tiempo requerido para completar actividades, la cantidad de tareas
ejecutadas, la calidad de los resultados y la eficiencia de las interacciones
organizacionales. También se identificaron modificaciones en la distribución del
conocimiento entre trabajadores con distintos niveles de experiencia y en la
configuración de determinados procesos internos. Los principales indicadores obtenidos
se organizaron según el ámbito de aplicación y la medida de desempeño utilizada (Noy
& Zhang, 2023; Dell’Acqua et al., 2023).
La evidencia correspondiente al trabajo profesional mostró que 453 participantes con
formación universitaria redujeron en 40 % el tiempo promedio requerido para desarrollar
tareas de redacción y elevaron en 18 % la calidad de los productos elaborados mediante
el uso de inteligencia artificial generativa. De forma complementaria, el experimento
realizado con 758 consultores registró un incremento de 12,2 % en la cantidad de tareas
completadas y una reducción de 25,1 % en el tiempo de ejecución. La calidad de las
soluciones aumentó en más de 40 % para las actividades situadas dentro de las
capacidades funcionales del sistema. Los participantes con desempeño inicial inferior
incrementaron sus puntuaciones en 43 %, mientras que aquellos con desempeño
superior registraron un aumento de 17 % (Noy & Zhang, 2023; Dell’Acqua et al., 2023).
La transformación de las operaciones de atención al cliente presentó un comportamiento
diferenciado según la experiencia laboral. El análisis de 5.179 agentes, de los cuales
aproximadamente 1.300 utilizaron un asistente basado en modelos de lenguaje, registró
un aumento promedio de 14 % en la productividad y un incremento de hasta 35 % entre
Revista de Investigación y Liderazgo Vol. 01 (Num. 02)(Abril – Junio 2024) ISSN 3151-8532
Horizontes emergentes de investigación multidisciplinaria
https://rivinglid.omeditorial.com
40
los trabajadores de menor experiencia o rendimiento previo. El tiempo destinado a cada
interacción disminuyó alrededor de 9 %, mientras que la cantidad de conversaciones
atendidas por hora aumentó 14 % y la proporción de consultas resueltas se elevó 1,3
%. Los indicadores de satisfacción del cliente no mostraron cambios estadísticamente
significativos y la tasa de rotación laboral fue 8,6 % inferior entre los agentes que
dispusieron de asistencia generativa (Brynjolfsson et al., 2023).
La incorporación organizacional también registró modificaciones en la estructura de los
procesos y en los resultados económicos de las unidades empresariales. El 21 % de los
participantes que reportaron uso de inteligencia artificial generativa indicó que su
organización había rediseñado de manera sustancial al menos algunos flujos de trabajo.
Asimismo, el 17 % atribuyó a esta tecnología una contribución equivalente o superior al
5 % del EBIT generado durante los 12 meses anteriores; sin embargo, más del 80 % no
identificó todavía un efecto tangible sobre el EBIT total de la empresa. Las reducciones
de costos se concentraron en procesos de cadena de suministro, operaciones de
servicio, estrategia, finanzas y recursos humanos, como se observa en la Tabla 2 (Singla
et al., 2025).
Tabla 2
Indicadores de transformación asociados con el uso empresarial de inteligencia artificial
generativa
Dimensión analizada
Contexto o muestra
Resultado
Productividad en redacción
profesional
453 profesionales
40 %
Calidad del trabajo escrito
453 profesionales
18 %
Productividad en consultoría
758 consultores
12,2 %
Eficiencia en consultoría
758 consultores
25,1 %
Calidad en tareas de
consultoría
758 consultores
>40 %
Atención al cliente
5.179 agentes
14 %
Trabajadores con menor
experiencia
5.179 agentes
35 %
Cadena de suministro e
inventarios
Encuesta empresarial
global
61 %
Operaciones de servicio
Encuesta empresarial
global
58 %
Estrategia y finanzas
corporativas
Encuesta empresarial
global
56 %
Recursos humanos
Encuesta empresarial
global
56 %
Ingeniería de software
Encuesta empresarial
global
52 %
Nota: Los porcentajes correspondieron a estudios con diseños, muestras y unidades de medición
diferentes; por esta razón, no se calcularon medias agregadas, desviaciones estándar conjuntas
ni intervalos de confianza combinados. Los indicadores empresariales de reducción de costos
correspondieron a organizaciones que utilizaron inteligencia artificial generativa en cada función
analizada (Brynjolfsson et al., 2023; Dell’Acqua et al., 2023; Noy & Zhang, 2023; Singla et al.,
2025).
El conjunto de resultados describió una transformación concentrada inicialmente en la
ejecución de tareas, la transferencia de conocimiento operativo y la eficiencia de
procesos específicos. Las mayores variaciones cuantificadas correspondieron al
incremento de calidad en actividades de consultoría, con valores superiores al 40 %, y
Revista de Investigación y Liderazgo Vol. 01 (Num. 02)(Abril – Junio 2024) ISSN 3151-8532
Horizontes emergentes de investigación multidisciplinaria
https://rivinglid.omeditorial.com
41
al aumento de productividad de trabajadores con menor experiencia, que alcanzó hasta
35 %. En contraste, las tareas situadas fuera de las capacidades funcionales del sistema
registraron una disminución de 19 puntos porcentuales en la probabilidad de obtener
respuestas correctas. Los resultados económicos aparecieron con mayor frecuencia en
unidades y funciones particulares que en el desempeño financiero integral de las
organizaciones. El hallazgo central estuvo representado por mejoras operativas
medibles acompañadas de un rediseño organizacional todavía parcial y de efectos
empresariales heterogéneos (Dell’Acqua et al., 2023; Singla et al., 2025).
Capacidades organizacionales y diferencias de transformación según tamaño y
sector empresarial
El análisis se orientó a identificar las capacidades organizacionales asociadas con la
incorporación de inteligencia artificial generativa y las diferencias observadas según
tamaño y actividad económica. La evidencia global incluyó una encuesta aplicada a
1.491 participantes de 101 países, de los cuales el 42 % perteneció a organizaciones
con ingresos anuales superiores a USD 500 millones. Entre los 25 atributos
organizacionales evaluados, el rediseño de flujos de trabajo presentó la asociación más
elevada con el impacto declarado sobre el EBIT, mientras el modelo de pesos relativos
alcanzó un coeficiente de determinación de R² = 0,20. Asimismo, el 21 % de los
participantes vinculados con organizaciones usuarias indicó que al menos algunos
procesos habían sido rediseñados de forma sustancial como resultado de la adopción
tecnológica (Singla et al., 2025).
La consolidación de capacidades para escalar las soluciones generativas mostró un
desarrollo desigual entre las organizaciones examinadas. Menos de un tercio aplicó la
mayoría de las 12 prácticas de adopción y escalamiento evaluadas, y menos del 20 %
utilizó indicadores clave de desempeño para medir los resultados y el retorno de las
iniciativas. Las empresas de mayor tamaño fueron más de dos veces más propensas
que las pequeñas a disponer de hojas de ruta definidas y equipos especializados para
dirigir la incorporación de inteligencia artificial generativa. La gobernanza estuvo bajo
responsabilidad del director ejecutivo en el 28 % de los casos y del directorio en el 17
%, mientras un promedio de dos líderes participó en la supervisión organizacional.
Respecto al control de calidad, el 27 % revisó la totalidad del contenido generado antes
de utilizarlo, aunque una proporción similar verificó únicamente el 20 % o menos de las
salidas producidas (Singla et al., 2025).
La evidencia latinoamericana presentó diferencias más amplias cuando el tamaño
empresarial se examinó mediante los microdatos de aproximadamente 4.500 empresas
brasileñas. La adopción de inteligencia artificial alcanzó el 11 % en las empresas
pequeñas, aumentó al 24 % en las medianas y llegó al 41 % en las grandes, lo que
representó una brecha de 30 puntos porcentuales entre los extremos y una tasa 3,7
veces superior en las organizaciones de mayor tamaño. Los efectos marginales del
modelo probit mostraron que la condición de empresa mediana incrementó la
probabilidad de adopción en 8,9 puntos porcentuales (p < 0,05), mientras la condición
de empresa grande la elevó en 16,9 puntos porcentuales (p < 0,01), en ambos casos
respecto de las empresas pequeñas. Un aumento de un punto en la escala de
habilidades laborales incrementó adicionalmente la probabilidad de adopción en 4,8
puntos porcentuales (p < 0,01) (Jung & Katz, 2025).
Revista de Investigación y Liderazgo Vol. 01 (Num. 02)(Abril – Junio 2024) ISSN 3151-8532
Horizontes emergentes de investigación multidisciplinaria
https://rivinglid.omeditorial.com
42
Las capacidades digitales previas también diferenciaron el nivel de transformación
empresarial. En la muestra brasileña, el 73,7 % de las empresas utilizó servicios de
computación en la nube, el 42,2 % empleó sistemas de planificación de recursos
empresariales, el 32,9 % contó con aplicaciones de gestión de relaciones con clientes y
el 10,7 % realizó análisis de grandes datos. El modelo inicial estimó efectos marginales
de 14,8 puntos porcentuales para la digitalización del entorno, 5,3 puntos para el uso de
CRM y 8,0 puntos para la computación en la nube, todos con significancia de p < 0,01.
Aunque el ERP y el análisis de grandes datos también presentaron asociaciones
positivas en la estimación inicial, el análisis de robustez mantuvo como predictores
significativos principalmente el uso de CRM y los servicios de computación en la nube
(Jung & Katz, 2025).
Las diferencias sectoriales mostraron una concentración de la adopción en actividades
con mayor intensidad tecnológica y disponibilidad de conocimiento especializado. El
sector de tecnologías de la información y la comunicación registró una tasa de adopción
del 40 %, seguido por las actividades inmobiliarias, profesionales y administrativas con
el 18 %, y por transporte y logística con el 14 %. Los valores disminuyeron al 13 % en
actividades artísticas, culturales y recreativas, al 12 % en comercio, al 11 % en
manufactura, al 10 % en construcción y al 6 % en alojamiento y alimentación. En
conjunto, los resultados describieron un patrón en el que la transformación se concentró
en empresas grandes, con mayor disponibilidad de habilidades, tecnologías
complementarias, estructuras de gobernanza y capacidades para integrar la inteligencia
artificial en diferentes áreas y procesos organizacionales (Jung & Katz, 2025; Singla et
al., 2025).
4. Discusión
El estudio analiza la relación entre la adopción de inteligencia artificial generativa y la
transformación de los modelos de gestión empresarial, y los hallazgos sugieren que la
expansión tecnológica avanza con mayor rapidez que la consolidación de capacidades
organizacionales para integrarla de manera estratégica. Aunque el uso global alcanza
al 71 % de las organizaciones en al menos una función, el contexto ecuatoriano presenta
un desarrollo intermedio, expresado en una puntuación de 34,59 sobre 100 y en una
brecha entre adopción tecnológica e institucionalidad. Esta diferencia parece indicar que
la disponibilidad de herramientas no se traduce automáticamente en cambios profundos
en la dirección, la coordinación o la gobernanza empresarial. El patrón coincide con la
fragmentación señalada en la literatura, donde la innovación basada en inteligencia
artificial depende de la articulación entre tecnología, estructura organizacional y
creación de valor, y no únicamente de la incorporación de aplicaciones digitales (Jorzik
et al., 2024; Kanbach et al., 2024). En este sentido, la transformación observada se
interpreta como un proceso gradual que comienza en tareas específicas y requiere
capacidades complementarias para alcanzar el nivel integral del modelo de gestión.
La evidencia sobre productividad refuerza esta interpretación, debido a que las mejoras
más consistentes aparecen en actividades delimitadas, intensivas en conocimiento y
compatibles con las capacidades del sistema. Las reducciones de hasta 40 % en el
tiempo de ejecución y los incrementos de calidad superiores al 18 % convergen con los
resultados que identifican aumentos de productividad en atención al cliente y mejoras
Revista de Investigación y Liderazgo Vol. 01 (Num. 02)(Abril – Junio 2024) ISSN 3151-8532
Horizontes emergentes de investigación multidisciplinaria
https://rivinglid.omeditorial.com
43
más pronunciadas entre trabajadores con menor experiencia (Noy & Zhang, 2023;
Brynjolfsson et al., 2023). Sin embargo, el descenso de 19 puntos porcentuales en la
probabilidad de responder correctamente cuando las tareas exceden la frontera
funcional de la tecnología evidencia que el desempeño no es uniforme y debe
interpretarse con cautela. Esta divergencia respalda la paradoja entre automatización y
aumento de capacidades humanas, según la cual el valor organizacional depende de
definir qué actividades se delegan, cuáles se complementan y cuáles requieren
supervisión experta (Raisch & Krakowski, 2021). Por tanto, los hallazgos parecen indicar
que la inteligencia artificial generativa fortalece la eficiencia operativa, pero no sustituye
la necesidad de juicio directivo, validación humana y rediseño contextualizado de los
procesos.
Las diferencias por tamaño y sector muestran que la transformación se relaciona con la
disponibilidad previa de infraestructura digital, talento, liderazgo y mecanismos de
seguimiento. La brecha entre una adopción del 41 % en empresas grandes y del 11 %
en pequeñas sugiere que los recursos organizacionales condicionan la capacidad de
experimentar, escalar y gobernar las soluciones generativas, mientras el predominio del
sector tecnológico confirma la ventaja de los entornos con mayor intensidad digital (Jung
& Katz, 2025). De forma consistente, el hecho de que solo el 21 % de las organizaciones
rediseñe sustancialmente algunos flujos de trabajo y menos del 20 % utilice indicadores
para evaluar resultados muestra que la adopción continúa concentrada en usos
funcionales antes que en transformaciones sistémicas (Singla et al., 2025). Esta
situación implica que la gestión empresarial requiere integrar hojas de ruta, métricas de
desempeño, capacitación y mecanismos de control que conecten la tecnología con
objetivos estratégicos verificables. El aporte práctico del estudio reside, por ello, en
mostrar que la generación de valor depende menos del acceso aislado a herramientas
y más de la capacidad para incorporarlas dentro de estructuras de decisión, aprendizaje
y gobernanza coherentes.
Las interpretaciones deben considerar que el estudio se sustenta en un diseño
documental, cualitativo, no experimental y transversal, por lo que no permite establecer
relaciones causales ni generalizar los resultados a la totalidad de las empresas
ecuatorianas. La heterogeneidad de las fuentes, los distintos periodos de medición y la
combinación de indicadores globales, regionales y nacionales limitan la comparación
directa y explican la imposibilidad de estimar medidas agregadas de efecto. Además, la
rápida evolución de las tecnologías generativas puede modificar en periodos breves los
niveles de adopción, las prácticas de uso y los resultados económicos observados, lo
que exige actualizar la evidencia de manera periódica (Feuerriegel et al., 2024; Morgan,
2022). A partir de estas limitaciones, futuras investigaciones deben incorporar estudios
longitudinales, muestras empresariales ecuatorianas y análisis diferenciados por
tamaño, sector y madurez digital, además de examinar la relación entre gobernanza,
capacidades organizacionales y desempeño financiero. En conjunto, la contribución
central del estudio consiste en integrar adopción, transformación de procesos,
capacidades digitales y gobernanza dentro de una misma perspectiva analítica,
reduciendo la brecha existente entre el uso operativo de la inteligencia artificial
generativa y la comprensión de su incidencia sobre los modelos de gestión empresarial
(Mariani & Dwivedi, 2024; Jorzik et al., 2024).
Revista de Investigación y Liderazgo Vol. 01 (Num. 02)(Abril – Junio 2024) ISSN 3151-8532
Horizontes emergentes de investigación multidisciplinaria
https://rivinglid.omeditorial.com
44
5. Conclusiones
Los resultados permiten concluir que la adopción de inteligencia artificial generativa se
relaciona con una transformación progresiva de los modelos de gestión empresarial,
especialmente en la ejecución de tareas, la organización de procesos y el apoyo a la
toma de decisiones. No obstante, la magnitud de dicha transformación depende de la
capacidad de cada empresa para integrar la tecnología con su estructura, sus recursos
y sus mecanismos de dirección. La expansión del uso empresarial, que alcanza al 71 %
de las organizaciones analizadas a escala global, evidencia una incorporación
acelerada, aunque todavía desigual en contextos latinoamericanos y ecuatorianos. En
Ecuador, el nivel intermedio de desarrollo observado muestra que la disponibilidad
tecnológica no garantiza por sí sola cambios profundos en la gestión. En consecuencia,
la transformación empresarial se configura como un proceso gradual que requiere
articulación entre adopción, capacidades organizacionales y gobernanza.
Los hallazgos vinculados con los objetivos específicos evidencian que la inteligencia
artificial generativa se utiliza de forma predominante en actividades intensivas en
conocimiento, producción de contenidos, atención al cliente y soporte operativo. Las
mejoras observadas en productividad, tiempo de ejecución y calidad indican que la
tecnología puede fortalecer el desempeño cuando se aplica a tareas compatibles con
sus capacidades. Asimismo, las diferencias entre empresas pequeñas, medianas y
grandes muestran que el tamaño, la infraestructura digital, las competencias laborales
y el acceso a tecnologías complementarias condicionan el nivel de adopción. La
concentración sectorial en actividades con mayor intensidad tecnológica confirma que
la transformación no ocurre de manera uniforme entre ramas económicas. En conjunto,
estos resultados sugieren que el valor empresarial surge de la integración estratégica
de la tecnología y no únicamente de su disponibilidad funcional.
A partir de esta evidencia, el principal aporte del estudio consiste en integrar en una
misma perspectiva analítica la adopción tecnológica, la transformación de procesos, las
capacidades digitales, el liderazgo y los mecanismos de gobernanza. Esta articulación
permite comprender que las mejoras operativas pueden constituir una etapa inicial, pero
no equivalen necesariamente a una transformación integral del modelo de gestión. El
estudio también aporta una lectura contextual para Ecuador y América Latina, regiones
donde persisten brechas de infraestructura, especialización tecnológica y capacidad
institucional. En el ámbito profesional, los resultados orientan la necesidad de vincular
las iniciativas de inteligencia artificial con objetivos estratégicos, indicadores de
desempeño y procesos de supervisión humana. En el ámbito académico, la
investigación contribuye a reducir la fragmentación conceptual existente entre los
estudios centrados en eficiencia operativa y aquellos orientados a innovación
organizacional.
La evidencia obtenida sugiere que las empresas deberían priorizar procesos de
adopción gradual, fortalecer las competencias digitales y establecer criterios de
evaluación antes de ampliar el uso de soluciones generativas. También resulta
pertinente desarrollar mecanismos de gobernanza que definan responsabilidades,
validación de resultados, gestión de riesgos y seguimiento del impacto organizacional.
Las futuras investigaciones deberían incorporar muestras empresariales ecuatorianas,
diseños longitudinales y comparaciones por tamaño, sector y nivel de madurez digital.
Revista de Investigación y Liderazgo Vol. 01 (Num. 02)(Abril – Junio 2024) ISSN 3151-8532
Horizontes emergentes de investigación multidisciplinaria
https://rivinglid.omeditorial.com
45
Asimismo, convendría examinar con mayor precisión la relación entre uso de inteligencia
artificial generativa, desempeño financiero, rediseño organizacional y sostenibilidad de
los resultados. De este modo, la principal contribución de la investigación radica en
evidenciar que la transformación de los modelos de gestión depende de la convergencia
entre tecnología, capacidades humanas y estructuras organizacionales adaptativas.
Referencias Bibliográficas
Almeida Blacio, J. H. (2024). El Rol de la Auditoría Forense en la Detección de Fraudes
Corporativos. Revista Científica Zambos, 3(2), 74-96.
https://doi.org/10.69484/rcz/v3/n2/18
Almeida-Blacio, J. H. (2024). Tendencias en la educación financiera y su impacto en la
toma de decisiones económicas personales. Revista Científica Ciencia Y
Método, 2(4), 1-13. https://doi.org/10.55813/gaea/rcym/v2/n4/48
Almeida-Blacio, J. H., López-Pérez, P. J., Farfán-Muñoz, I. R., & Chamorro-Quiñónez,
J. G. (2024). Auditoría interna y prevención del fraude financiero en
organizaciones del sector agroindustrial. Revista Científica Enfoques Del
Conocimiento, 1(2), 51-68. https://doi.org/10.55813/gaea/revistacec/v1/n2/15
Andrade-Díaz, K. V. (2024). Integración de tecnologías de realidad aumentada en
campañas publicitarias interactivas. Revista Científica Ciencia Y Método, 2(4),
26-37. https://doi.org/10.55813/gaea/rcym/v2/n4/51
Bonilla Bonilla, M. A. (2021). El formalismo ruso y los debates culturales sobre la
literatura en la Rusia Soviética. Journal of Economic and Social Science
Research, 1(2), 1–19. https://doi.org/10.55813/gaea/jessr/v1/n2/28
Bonilla Bonilla, M. A. (2022). Montaigne y el Individualismo en el Capitalismo
Naciente. Journal of Economic and Social Science Research, 2(4), 1–14.
https://doi.org/10.55813/gaea/jessr/v2/n4/22
Bonilla-Bonilla, M. A. (2022). Las teorías de Lukács y Shklovski sobre el género
novelístico en el “Debate sobre la Novela” de 1934-35. Revista Científica
Zambos, 1(1), 1-12. https://doi.org/10.69484/rcz/v1/n1/51
Braun, V., & Clarke, V. (2021). Thematic analysis: A practical guide. SAGE Publications.
https://uk.sagepub.com/en-gb/eur/thematic-analysis/book248481
Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at work (NBER Working
Paper No. 31161). National Bureau of Economic Research.
https://doi.org/10.3386/w31161
Casanova-Villalba, C. I. (2024). Evaluación de la eficacia de la auditoría remota en la
era postpandémica. Revista Científica Ciencia Y Método, 2(2), 1-13.
https://doi.org/10.55813/gaea/rcym/v2/n2/39
Casanova-Villalba, C. I., & Casanova-Villalba, L. A. (2024). Uso de análisis de datos
avanzados para la detección de fraudes financieros. Revista Científica Ciencia Y
Método, 2(3), 1-12. https://doi.org/10.55813/gaea/rcym/v2/n3/44
Casanova-Villalba, C. I., Herrera-Sánchez, M. J. & Rivadeneira-Moreira, J. C. (2023).
Spin-offs en el mundo académico: ¿Cómo se traducen en impacto tangible?. In
Revista de Investigación y Liderazgo Vol. 01 (Num. 02)(Abril – Junio 2024) ISSN 3151-8532
Horizontes emergentes de investigación multidisciplinaria
https://rivinglid.omeditorial.com
46
Libro de memorias. I Simposio de investigadores emergentes en cien-cia y
tecnología. Religación Press. https://doi.org/10.46652/ReligacionPress.115.p5
Casanova-Villalba, C. I., Herrera-Sánchez, M. J., Hurtado-Guevara, R. F., & De-La-Cruz-
Garcia, F. K. (2024). Impacto de la inteligencia artificial en los procesos contables
y financieros de las PYMES en Ecuador. Revista Científica Enfoques Del
Conocimiento, 1(1), 19-35. https://doi.org/10.55813/gaea/revistacec/v1/n1/8
Centro Nacional de Inteligencia Artificial, Banco Interamericano de Desarrollo, Banco de
Desarrollo de América Latina y el Caribe, Comisión Económica para América
Latina y el Caribe, & Organización de las Naciones Unidas para la Educación, la
Ciencia y la Cultura. (2024). Índice Latinoamericano de Inteligencia Artificial
2024. https://indicelatam.cl/wp-
content/uploads/2025/01/ILIA_2024_020125_compressed.pdf
Erazo-Luzuriaga, A. F., Boné-Andrade, M. F., & Borja-Almeida, L. G. (2024). Inteligencia
artificial y automatización de procesos en la transformación digital empresarial.
Revista Científica Enfoques Del Conocimiento, 1(1), 56-72.
https://doi.org/10.55813/gaea/revistacec/v1/n1/10
Eurostat. (2025). Use of artificial intelligence in enterprises. European Commission.
https://ec.europa.eu/eurostat/statistics-
explained/index.php?title=Use_of_artificial_intelligence_in_enterprises
Feuerriegel, S., Hartmann, J., Janiesch, C., & Zschech, P. (2024). Generative AI.
Business & Information Systems Engineering, 66, 111–126.
https://doi.org/10.1007/s12599-023-00834-7
García-Osorio, N. E. (2022). Evaluación de la rentabilidad del sector agrocacaotero de
La Concordia ante la disminución de precios en el periodo 2019-2021. Journal of
Economic and Social Science Research, 2(3), 53–66.
https://doi.org/10.55813/gaea/jessr/v2/n3/57
Guerrero-Calero, V. S. (2023). Microfinanzas y disminución de la pobreza en un análisis
exploratorio de investigaciones empíricas. Innova Science Journal, 1(4), 25-
36. https://doi.org/10.63618/omd/isj/v1/n4/25
Hermosa-Vega, G. G. (2022). Mejora de la rentabilidad en almacenes de
electrodomésticos mediante estrategias de marketing digital: evidencia empírica
en La Concordia. Journal of Economic and Social Science Research, 2(3), 40–
52. https://doi.org/10.55813/gaea/jessr/v2/n3/56
Herrera-Enríquez, G. P., & Urresta-Yépez, R. F. (2024). Estrategias de marketing de
influencers y su efectividad en la generación de engagement en redes sociales.
Revista Científica Ciencia Y Método, 2(2), 53-68.
https://doi.org/10.55813/gaea/rcym/v2/n2/43
Herrera-Sánchez, M. J., Casanova-Villalba, C. I., Gonzales-Ticona, Y. B., & Casanova-
Villalba, L. A. (2024). Gestión del riesgo financiero y sostenibilidad empresarial
en pequeñas y medianas empresas. Revista Científica Enfoques Del
Conocimiento, 1(2), 34-50. https://doi.org/10.55813/gaea/revistacec/v1/n2/14
Herrera-Sánchez. M., Casanova-Villalba C., Herrera-Enríquez G., Preciado-Ortiz F.,
Bravo-Bravo, I. (2022). Estrategia y Ventaja Competitiva - Compilación y Análisis.
Editorial Grupo Compás.
Revista de Investigación y Liderazgo Vol. 01 (Num. 02)(Abril – Junio 2024) ISSN 3151-8532
Horizontes emergentes de investigación multidisciplinaria
https://rivinglid.omeditorial.com
47
Instituto Nacional de Estadística y Censos. (2025). Registro Estadístico de Empresas
2023: Definitivo. https://www.ecuadorencifras.gob.ec/registro-estadistico-de-
empresas-2023-definitivo/
Jacome-Vélez, T. G., Hurtado Guevara, R. F., & Gonzales-Ticona, Y. B. (2024).
Estrategias de emprendimiento digital y sostenibilidad de nuevos negocios en
mercados emergentes. Revista Científica Enfoques Del Conocimiento, 1(3), 1-
21. https://doi.org/10.55813/gaea/revistacec/v1/n3/17
Jorzik, P., Klein, S. P., Kanbach, D. K., & Kraus, S. (2024). AI-driven business model
innovation: A systematic review and research agenda. Journal of Business
Research, 182, 114764. https://doi.org/10.1016/j.jbusres.2024.114764.
Jung, J., & Katz, R. L. (2025). Factores determinantes de la adopción de la inteligencia
artificial en las empresas: Un estudio empírico del caso del Brasil. Comisión
Económica para América Latina y el Caribe.
Kanbach, D. K., Heiduk, L., Blueher, G., Schreiter, M., & Lahmann, A. (2024). The GenAI
is out of the bottle: Generative artificial intelligence from a business model
innovation perspective. Review of Managerial Science, 18, 1189–1220.
https://doi.org/10.1007/s11846-023-00696-z
López-Pérez, P. J., Casanova-Villalba, C. I., & Muñoz-Intriago, K. R. . (2022). La
Evolución de la Contabilidad Ambiental en Empresas Ecuatorianas. Revista
Científica Zambos, 1(3), 44-59. https://doi.org/10.69484/rcz/v1/n3/32
Mariani, M., & Dwivedi, Y. K. (2024). Generative artificial intelligence in innovation
management: A preview of future research developments. Journal of Business
Research, 175, 114542. https://doi.org/10.1016/j.jbusres.2024.114542
Montero-de-la-Cueva, J. V., & Caicedo-Aldaz, J. C. (2022). Efectos económicos de la
enfermedad del cogollo en la cadena productiva de la palma aceitera. Journal of
Economic and Social Science Research, 2(3), 13–25.
https://doi.org/10.55813/gaea/jessr/v2/n3/54
Morgan, H. (2022). Conducting a qualitative document analysis. The Qualitative Report,
27(1), 64–77. https://doi.org/10.46743/2160-3715/2022.5044
Navarrete Zambrano, C. M., & Herrera-Sánchez, M. J. (2023). Impacto de la
Contabilidad Ambiental en las Empresas del Sector Minero en Ecuador. Revista
Científica Zambos, 2(2), 37-49. https://doi.org/10.69484/rcz/v2/n2/42
Nicmanis, M. (2024). Reflexive content analysis: An approach to qualitative data
analysis, reduction, and description. International Journal of Qualitative Methods,
23, 16094069241236603.
Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of
generative artificial intelligence. Science, 381(6654), 187–192.
Núñez-Liberio, R. V. (2024). Análisis de la influencia de la cultura organizacional en la
ética contable. Revista Científica Ciencia Y Método, 2(2), 27-39.
https://doi.org/10.55813/gaea/rcym/v2/n2/41
Organisation for Economic Co-operation and Development. (2024). Fostering an
inclusive digital transformation as AI spreads among firms.
https://www.oecd.org/content/dam/oecd/en/publications/reports/2024/11/fosterin
Revista de Investigación y Liderazgo Vol. 01 (Num. 02)(Abril – Junio 2024) ISSN 3151-8532
Horizontes emergentes de investigación multidisciplinaria
https://rivinglid.omeditorial.com
48
g-an-inclusive-digital-transformation-as-ai-spreads-among-
firms_cd50d324/5876200c-en.pdf
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C.
D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville,
J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-
Wilson, E., McDonald, S., . . . Moher, D. (2021). The PRISMA 2020 statement:
An updated guideline for reporting systematic reviews. BMJ, 372, n71.
https://doi.org/10.1136/bmj.n71
Proaño-González, E. A., Bedoya-Flores, M. C., & Paladines-Torres, L. K. (2024). Cultura
tributaria y cumplimiento fiscal en contribuyentes de pequeñas empresas
comerciales. Revista Científica Enfoques Del Conocimiento, 1(2), 69-86.
https://doi.org/10.55813/gaea/revistacec/v1/n2/16
Quinatoa-Chasi, W. D., Cepeda-Valente, W. M., Chasi-Chela, A. V., Chasi-Chela, N. F.,
Casanova-Villalba, C. I., Salgado-Ortiz, P. J., Guerrero-Freire, E. I., Guerrero-
Freire, A. E., Herrera-Sánchez, M. J., Mina-Bone, S. G., Santana-Torres, A. A.,
Rios-Gaibor, C. G., Calero-Cherres, R. V., López-Salinas, C. M., Mora-Estrada,
I. A., & Chuchuca-Peñaloza, P. M. (2024). Fronteras del Futuro: Innovación y
Desarrollo en Ciencia y Tecnología. Editorial Grupo AEA.
https://doi.org/10.55813/egaea.l.69
Raisch, S., & Krakowski, S. (2021). Artificial intelligence and management: The
automation–augmentation paradox. Academy of Management Review, 46(1),
192–210.
Saldaña, J. (2021). The coding manual for qualitative researchers (4th ed.). SAGE
Publications. https://uk.sagepub.com/en-gb/eur/node/1561813/download.pdf
Santander-Salmon, E. S., Sandoval-Álvarez, C., & Isaza, J. D. (2024). Liderazgo
transformacional y desempeño laboral en organizaciones del sector de servicios.
Revista Científica Enfoques Del Conocimiento, 1(1), 36-55.
https://doi.org/10.55813/gaea/revistacec/v1/n1/9
Singla, A., Sukharevsky, A., Yee, L., Chui, M., & Hall, B. (2025). The state of AI: How
organizations are rewiring to capture value. McKinsey & Company.
Stanford Institute for Human-Centered Artificial Intelligence. (2025). The 2025 AI Index
report. Stanford University. https://hai.stanford.edu/ai-index/2025-ai-index-report
CONFLICTO DE INTERESES
“Los autores declaran no tener ningún conflicto de intereses”.