Inteligencia artificial generativa en la gestión empresarial: Revisión sistemática de oportunidades, riesgos y desafíos organizacionales

Resumen

Este artículo de revisión sistemática analiza el impacto de la Inteligencia Artificial Generativa (IAG) en la gestión empresarial contemporánea. Mediante la metodología PRISMA 2020, el autor examinó 13 estudios científicos para identificar oportunidades, riesgos y desafíos organizacionales. Las principales oportunidades identificadas incluyen la automatización de procesos operativos, el incremento de la productividad y una toma de decisiones más precisa basada en datos. En áreas como marketing y recursos humanos, la IAG permite niveles superiores de personalización y optimiza la gestión del talento. Sin embargo, la investigación advierte sobre riesgos críticos como sesgos algorítmicos, desinformación y vulnerabilidades en la privacidad de datos. Además, se destaca el desafío del desplazamiento laboral y la urgencia de desarrollar nuevas competencias digitales. El estudio concluye que las organizaciones requieren estructuras flexibles y marcos de gobernanza ética. El éxito radica en una integración estratégica, sostenible y centrada fundamentalmente en el desarrollo humano.

Palabras clave: inteligencia artificial generativa, gestión empresarial, revisión sistemática, automatización, ética organizacional

1. Introducción

En los últimos años, la transformación digital ha modificado profundamente la forma en que las organizaciones desarrollan sus actividades y gestionan sus procesos internos. Actualmente, las empresas operan en entornos cada vez más dinámicos y competitivos, donde la innovación tecnológica se ha convertido en un factor clave para mejorar la eficiencia y fortalecer la capacidad de adaptación organizacional (Westerman et al., 2014). Dentro de este contexto, la Inteligencia Artificial Generativa (IAG) ha adquirido una relevancia creciente debido a su capacidad para producir contenido, automatizar tareas y facilitar el análisis de información mediante algoritmos avanzados de aprendizaje automático (Dwivedi et al., 2023). La expansión de herramientas basadas en Inteligencia Artificial Generativa está impactando distintas áreas empresariales como marketing, recursos humanos, atención al cliente y gestión estratégica. De acuerdo con Dwivedi et al. (2023), el desarrollo acelerado de modelos conversacionales de inteligencia artificial representa una de las transformaciones tecnológicas más importantes para las organizaciones contemporáneas, debido a su potencial para optimizar procesos y apoyar la toma de decisiones. En el ámbito empresarial, la inteligencia artificial no solo permite automatizar actividades rutinarias, sino también mejorar la experiencia del cliente y fortalecer las estrategias comerciales. Huang y Rust (2021) sostienen que la inteligencia artificial está redefiniendo las funciones del marketing mediante mayores niveles de personalización, análisis predictivo y automatización de servicios, generando nuevas formas de interacción entre empresas y consumidores. Asimismo, Brynjolfsson y McAfee (2017) afirman que las tecnologías digitales y la automatización inteligente están transformando significativamente la estructura del trabajo y los modelos de negocio, impulsando cambios en las competencias laborales y en la dinámica organizacional. Esto evidencia que la Inteligencia Artificial Generativa no constituye únicamente una innovación tecnológica, sino también un elemento capaz de modificar la manera en que las organizaciones gestionan recursos, información y procesos estratégicos. Sin embargo, el avance de estas tecnologías también ha generado diversas preocupaciones relacionadas con aspectos éticos y sociales. Bender et al. (2021) advierten que los modelos de lenguaje de gran escala pueden reproducir sesgos presentes en los datos de entrenamiento, generando riesgos asociados con discriminación, desinformación y falta de transparencia en determinados procesos automatizados. De igual manera, Floridi y Cowls (2019) destacan la necesidad de establecer principios éticos para garantizar un uso responsable de la inteligencia artificial dentro de la sociedad y las organizaciones, especialmente en temas relacionados con privacidad de datos, justicia algorítmica y responsabilidad corporativa. En consecuencia, resulta necesario analizar de manera crítica cómo la literatura científica reciente aborda las oportunidades, riesgos y desafíos organizacionales vinculados con la implementación de Inteligencia Artificial Generativa en la gestión empresarial. La incorporación de inteligencia artificial dentro de las organizaciones ha comenzado a transformar progresivamente la manera en que las empresas interactúan con sus consumidores, gestionan información y desarrollan procesos internos. Kaplan y Haenlein (2019) sostienen que la inteligencia artificial no solo representa un avance tecnológico, sino también un cambio estructural en la relación entre organizaciones y usuarios, debido a que permite generar experiencias más personalizadas, automatizar procesos de comunicación y optimizar la capacidad de respuesta empresarial frente a mercados cada vez más dinámicos. En ese sentido, las empresas que logran integrar herramientas inteligentes dentro de sus estrategias organizacionales pueden fortalecer significativamente su competitividad y capacidad de adaptación. Por ello, el presente estudio tiene como objetivo analizar la evidencia científica disponible sobre el impacto de estas tecnologías en las organizaciones contemporáneas.

2. Metodología

La búsqueda bibliográfica en Scopus se desarrolló utilizando términos relacionados con Inteligencia Artificial Generativa y gestión empresarial. Para ello, se aplicó la siguiente ecuación de búsqueda: TITLE-ABS-KEY (“Generative Artificial Intelligence” OR “Generative AI” OR “Artificial Intelligence”) AND TITLE-ABS-KEY (“Business Management” OR “Business Administration” OR “Organizational Management” OR “Digital Transformation”). Asimismo, se estableció un intervalo temporal entre los años 2021 y 2026 con el propósito de recuperar investigaciones recientes y relevantes vinculadas con la temática de estudio El proceso de selección bibliográfica se desarrolló siguiendo los lineamientos establecidos por la metodología PRISMA 2020 (Page et al., 2021). Inicialmente, se identificaron 185 registros provenientes de bases de datos académicas especializadas. Posteriormente, se eliminaron 42 documentos duplicados. Luego del proceso de revisión de títulos y resúmenes, se excluyeron 78 estudios por no cumplir los criterios temáticos y metodológicos establecidos. Finalmente, tras la evaluación completa de elegibilidad, se seleccionaron 13 artículos científicos para el análisis final de la revisión sistemática.

3. Resultados y discusión

La revisión de literatura permitió identificar que la Inteligencia Artificial Generativa viene produciendo cambios significativos en diferentes áreas de la gestión empresarial. Diversos estudios coinciden en señalar que una de las principales ventajas de estas herramientas radica en la automatización de procesos administrativos y operativos, permitiendo reducir tiempos, optimizar recursos y mejorar la eficiencia organizacional.

Según Davenport y Ronanki (2018), las empresas que implementan inteligencia artificial de manera estratégica logran mejoras importantes en productividad y capacidad de análisis, especialmente cuando estas tecnologías complementan el trabajo humano y facilitan la toma de decisiones basada en datos. Asimismo, el desarrollo de tecnologías basadas en inteligencia artificial está modificando los modelos tradicionales de toma de decisiones dentro de las organizaciones. Según Shrestha et al. (2019), las decisiones organizacionales apoyadas por inteligencia artificial requieren estructuras empresariales más flexibles y adaptativas, debido a que la automatización de análisis y procesos genera nuevas dinámicas entre supervisión humana y sistemas inteligentes. Los autores señalan que las organizaciones contemporáneas deben replantear sus mecanismos de gestión y liderazgo para responder adecuadamente a entornos donde las decisiones estratégicas dependen cada vez más del procesamiento automatizado de datos.

En el ámbito del marketing y la experiencia del consumidor, Huang y Rust (2021) sostienen que la inteligencia artificial permite desarrollar procesos de personalización más precisos mediante análisis predictivos y automatización de contenidos. Esto contribuye a fortalecer la relación entre organizaciones y clientes, mejorando la competitividad empresarial en mercados altamente dinámicos. Del mismo modo, Dwivedi et al. (2023) señalan que las herramientas de Inteligencia Artificial Generativa poseen el potencial de transformar profundamente los modelos de gestión organizacional debido a su capacidad para generar información, apoyar procesos creativos y automatizar actividades complejas.

En el ámbito de recursos humanos, la inteligencia artificial también viene generando cambios importantes relacionados con la gestión del talento y los procesos administrativos internos. Vrontis et al. (2022) afirman que estas tecnologías están modificando actividades como reclutamiento, selección de personal, evaluación del desempeño y capacitación organizacional, permitiendo optimizar tiempos y mejorar la eficiencia operativa. Sin embargo, los autores también advierten que la automatización de procesos vinculados con recursos humanos plantea desafíos éticos relacionados con privacidad, sesgos algorítmicos y reducción de interacción humana dentro de las organizaciones.

No obstante, la literatura revisada también evidencia riesgos relevantes asociados con la implementación de estas tecnologías. Uno de los principales problemas identificados corresponde a los sesgos algorítmicos y la confiabilidad de la información generada por sistemas automatizados. Bender et al. (2021) explican que los modelos de lenguaje pueden reproducir errores y pre juicios derivados de los datos utilizados durante el entrenamiento de los algoritmos.

Respecto al impacto laboral, Brynjolfsson y McAfee (2017) afirman que la automatización inteligente modificará significativamente las competencias requeridas en el mercado laboral, generando tanto riesgos de desplazamiento ocupacional como nuevas oportunidades vinculadas con habilidades digitales y análisis de información. Del mismo modo, Floridi y Cowls (2019) sostienen que las organizaciones deben desarrollar principios éticos orientados a garantizar transparencia, responsabilidad y justicia en el uso de inteligencia artificial, especialmente cuando estas herramientas influyen en procesos sensibles de toma de decisiones.

Finalmente, la evidencia científica demuestra que uno de los principales desafíos organizacionales consiste en lograr una integración equilibrada de Inteligencia Artificial Generativa dentro de los procesos empresariales, promoviendo simultáneamente innovación tecnológica, supervisión humana y adaptación organizacional sostenible.

4. Conclusiones

La Inteligencia Artificial Generativa representa una tecnología con amplio potencial para transformar la gestión empresarial contemporánea. Los estudios revisados evidencian que su implementación contribuye a optimizar procesos organizacionales, fortalecer la toma de decisiones y mejorar la productividad empresarial (Davenport & Ronanki, 2018).

Por otro lado, Russell y Norvig (2021) sostienen que los sistemas de inteligencia artificial poseen capacidades crecientes de aprendizaje y procesamiento orientadas a resolver problemas complejos mediante análisis automatizados y reconocimiento de patrones. Esta capacidad de aprendizaje permite que las herramientas de inteligencia artificial sean aplicadas en diferentes áreas empresariales, facilitando procesos de análisis predictivo, automatización operativa y generación de contenido estratégico. Como consecuencia, muchas organizaciones consideran actualmente la inteligencia artificial como un recurso clave para fortalecer innovación y competitividad empresarial.

Sin embargo, la adopción de estas herramientas también implica riesgos importantes relacionados con ética, privacidad de datos, sesgos algorítmicos y cambios en las dinámicas laborales. En este sentido, Floridi y Cowls (2019) sostienen que el desarrollo de principios éticos y mecanismos de gobernanza digital resulta fundamental para garantizar un uso responsable de la inteligencia artificial.

De igual manera, el crecimiento de herramientas conversacionales basadas en Inteligencia Artificial Generativa ha impulsado nuevas posibilidades de aplicación tanto en educación como en gestión empresarial. Zhai (2022) señala que plataformas como ChatGPT están modificando la manera en que las personas acceden a información, desarrollan actividades académicas y realizan tareas organizacionales. En el contexto empresarial, estas herramientas permiten automatizar respuestas, generar contenidos digitales y apoyar procesos administrativos, aunque también generan preocupaciones relacionadas con confiabilidad de la información, dependencia tecnológica y uso ético de sistemas automatizados.

Asimismo, Brynjolfsson y McAfee (2017) indican que las organizaciones deberán fortalecer sus capacidades digitales y promover procesos permanentes de adaptación tecnológica para responder adecuadamente a los cambios impulsados por la automatización inteligente.

En consecuencia, el verdadero desafío empresarial no consiste únicamente en incorporar Inteligencia Artificial Generativa, sino en integrarla estratégicamente dentro de los procesos organizacionales mediante enfoques éticos, sostenibles y centrados en el desarrollo humano.

Referencias

Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, 610–623. https://doi.org/10.1145/3442188.3445922

Brynjolfsson, E., & McAfee, A. (2017). Machine, platform, crowd: Harnessing our digital future. W. W. Norton & Company.

Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world. Harvard Business Review, 96(1), 108–116.

Dwivedi, Y. K., Kshetri, N., Hughes, L., Slade, E. L., Jeyaraj, A., Kar, A. K., Baabdullah, A. M., Koohang, A., Raghavan, V., Ahuja, M., Albanna, H., Albashrawi, M. A., Al-Busaidi, A. S., Balakrishnan, J., Barlette, Y., Basu, S., Bose, I., Brooks, L., Buhalis, D., . . . Wright, R. (2023). So what if ChatGPT wrote it? Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, 71, Artículo 102642. https://doi.org/10.1016/j.ijinfomgt.2023.102642

Floridi, L., & Cowls, J. (2019). A unified framework of five principles for AI in society. Harvard Data Science Review, 1(1). https://doi.org/10.1162/99608f92.8cd550d1

Huang, M.-H., & Rust, R. T. (2021). A strategic framework for artificial intelligence in marketing. Journal of the Academy of Marketing Science, 49(1), 30–50. https://doi.org/10.1007/s11747-020-00749-9

Kaplan, A., & Haenlein, M. (2019). Siri, Siri in my hand: Who’s the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence. Business Horizons, 62(1), 15–25. https://doi.org/10.1016/j.bushor.2018.08.004

Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.

Shrestha, Y. R., Ben-Menahem, S. M., & von Krogh, G. (2019). Organizational decision-making structures in the age of artificial intelligence. California Management Review, 61(4), 66–83. https://doi.org/10.1177/0008125619862257

Vrontis, D., Christofi, M., Pereira, V., Tarba, S., Makrides, A., & Trichina, E. (2022). Artificial intelligence, robotics, advanced technologies and human resource management: A systematic review. The International Journal of Human Resource Management, 33(6), 1237–1266. https://doi.org/10.1080/09585192.2020.1871398

Westerman, G., Bonnet, D., & McAfee, A. (2014). Leading digital: Turning technology into business transformation. Harvard Business Review Press.

Zhai, X. (2022). ChatGPT user experience: Implications for education and business. Human Behavior and Emerging Technologies, 2022, Artículo 5293511. https://doi.org/10.1155/2022/5293511