Innovación y Gerencia. Revista cientíca arbitrada
Vol XII. Edición Especial Nº1. Junio 2026, pp. 53 - 59
UJGH ISSN: 3005-5172
Depósito legal: ZU2023000012
ESTRATEGIAS GERENCIALES EN INTELIGENCIA ARTIFICIAL
PARA MEJORAR LA CONFIABILIDAD DE SISTEMAS DE
TELECOMUNICACIONES EN LA INDUSTRIA PETROQUÍMICA:
PROSPECTIVA TECNOLÓGICA EN EL CONTEXTO GLOBAL ACTUAL
Edinson Antonio Colina Puche
Ingeniero en Electrónica (IUTC); Estudiante de Maestría Gerencia de Telecomuni-
caciones, Superintendente de Planicación Y Mantenimiento de Conabilidad en
Poliolenas Internacionales.
Correo Electrónico: edinsoncolina866@ujgh.edu.ve
ORCID: https://orcid.org/0009-0000-2472-9603
Diana Carolina Hernández Viloria
Ingeniero de Telecomunicaciones (UNEFA). Estudiante de Maestría Gerencia de Te-
lecomunicaciones. Analista de Telecomunicaciones en Poliolenas Internacionales.
Correo Electrónico: viloriadh@gmail.com
ORCID: https://orcid.org/0009-0002-2712-1462
RESUMEN: La creciente complejidad de las redes de telecomunicaciones en la indus-
tria petroquímica exige enfoques anticipativos y gerenciales basados en inteligencia
articial (IA) para garantizar la conabilidad, disponibilidad y seguridad operativa.
Este artículo presenta una perspectiva prospectiva sobre cómo las estrategias ge-
renciales impulsadas por IA pueden mejorar la resiliencia de los sistemas de tele-
comunicaciones en entornos de alto riesgo y demanda crítica de uptime. Analizar
cómo las estrategias gerenciales basadas en IA pueden mejorar la conabilidad de
los sistemas de telecomunicaciones en la industria petroquímica, con un enfoque en
la prospectiva tecnológica y las tendencias mundiales. Revisión documental de lite-
ratura académica y reportes de industria, marco de análisis prospectivo (horizontes
de 5–15 años), estudio de casos comparativos, y propuesta de un marco de gober-
nanza para IA en telecomunicaciones industriales. Identicar prácticas gerenciales
clave (gobernanza de IA, gestión de datos, seguridad y resiliencia, mantenimiento
predictivo, interoperabilidad, ética y cumplimiento) y rutas de adopción. Proveer un
modelo integrador para directivos y responsables de ingeniería que combine visión
estratégica, gestión de riesgos e ingeniería de abilidad.
PALABRAS CLAVE: inteligencia articial, conabilidad, telecomunicaciones industriales.
Introducción
La industria petroquímica opera en un entorno de alto riesgo y
exigencia operativa, donde la conabilidad de los sistemas de tele-
comunicaciones es crucial para garantizar la seguridad, la eciencia
y la continuidad de la producción. Las redes de planta, centros de
control y sistemas de supervisión deben soportar una demanda
creciente de datos en tiempo real, interoperabilidad entre dispo-
sitivos y resiliencia ante eventos disruptivos, incluyendo amenazas
cibernéticas, interrupciones de energía y fallos de hardware.
En este contexto, la inteligencia articial (IA) se posiciona como
un habilitador estratégico para mejorar la conabilidad (conabi-
lidad, disponibilidad y seguridad, RAS) de las infraestructuras de
telecomunicaciones industriales. Las capacidades de IA permiten (i)
la monitorización continua y el diagnóstico rápido de anomalías, (ii)
el pronóstico de fallos y el mantenimiento predictivo, (iii) la optimi-
zación de la gestión de redes y la optimización de recursos, y (iv) la
MANAGERIAL STRATEGIES IN ARTIFICIAL INTELLIGENCE TO IMPROVE THE
RELIABILITY OF TELECOMMUNICATIONS SYSTEMS IN THE PETROCHEMICAL
INDUSTRY: TECHNOLOGICAL FORESIGHT IN THE CURRENT GLOBAL CONTEXT
ABSTRACT: The increasing complexity of telecommunications networks in the petrochemi-
cal industry demands anticipatory and managerial approaches based on articial intelli-
gence (AI) to ensure reliability, availability, and operational safety. This article presents
a forward-looking perspective on how AI-driven managerial strategies can improve the
resilience of telecommunications systems in high-risk environments and critical uptime
demands. It analyzes how AI-based managerial strategies can improve the reliability of
telecommunications systems in the petrochemical industry, with a focus on technological
foresight and global trends. It includes a documentary review of academic literature and
industry reports, a forward-looking analysis framework (5–15-year horizons), a comparative
case study, and a proposed governance framework for AI in industrial telecommunications.
It identies key managerial practices (AI governance, data management, security and
resilience, predictive maintenance, interoperability, ethics and compliance) and adoption
paths. It provides an integrative model for executives and engineering managers that com-
bines strategic vision, risk management, and reliability engineering.
KEYWORDS: articial intelligence, reliability, industrial telecommunications.
ESTRATÉGIAS GERENCIAIS EM INTELIGÊNCIA ARTIFICIAL PARA MELHORAR A
CONFIABILIDADE DE SISTEMAS DE TELECOMUNICAÇÕES NA INDÚSTRIA
PETROQUÍMICA: PROSPECTIVA TECNOLÓGICA NO CONTEXTO GLOBAL ATUAL
RESUMO: A crescente complexidade das redes de telecomunicações na indústria petroquí-
mica exige abordagens antecipatórias e gerenciais baseadas em Inteligência Articial (IA)
para garantir a conabilidade, disponibilidade e segurança operacional. Este artigo apre-
senta uma perspectiva prospectiva sobre como as estratégias gerenciais impulsionadas
por IA podem aumentar a resiliência dos sistemas de telecomunicações em ambientes de
alto risco e demanda crítica de uptime. O objetivo é analisar como as estratégias geren-
ciais baseadas em IA podem melhorar a conabilidade dos sistemas de telecomunicações
na indústria petroquímica, com foco na prospectiva tecnológica e nas tendências globais.
Utilizou-se uma revisão documental da literatura acadêmica e relatórios industriais, um
arcabouço de análise prospectiva (horizontes de 5 a 15 anos), estudos de casos comparati-
vos e a proposta de um arcabouço de governança para IA em telecomunicações industriais.
Identicam-se práticas gerenciais-chave (governança de IA, gestão de dados, segurança
e resiliência, manutenção preditiva, interoperabilidade, ética e conformidade) e rotas de
adoção. Fornece-se um modelo integrador para executivos e responsáveis de engenharia
que combina visão estratégica, gestão de riscos e engenharia de conabilidade.
PALAVRAS-CHAVE: inteligência articial, conabilidade, telecomunicações industriais.
STRATÉGIES DE GESTION EN INTELLIGENCE ARTIFICIELLE POUR AMÉLIORER LA FIABI-
LITÉ DES SYSTÈMES DE TÉLÉCOMMUNICATIONS DANS L’INDUSTRIE PÉTROCHIMIQUE :
PROSPECTIVE TECHNOLOGIQUE DANS LE CONTEXTE MONDIAL ACTUEL
RÉSUMÉ: La complexité croissante des réseaux de télécommunications dans l’industrie pé-
trochimique exige des approches d’anticipation et de gestion fondées sur l’Intelligence
Articielle (IA) an de garantir la abilité, la disponibilité et la sécurité opérationnelle. Cet
article présente une perspective prospective sur la façon dont les stratégies de gestion
impulsées par l’IA peuvent renforcer la résilience des systèmes de télécommunications
dans des environnements à haut risque et exigeants un temps de disponibilité (uptime)
critique. L’objectif est d’analyser comment les stratégies de gestion basées sur l’IA peuvent
améliorer la abilité des systèmes de télécommunications dans l’industrie pétrochimique,
en mettant l’accent sur la prospective technologique et les tendances mondiales. La mé-
thodologie repose sur une revue documentaire de la littérature académique et de rapports
industriels, un cadre d’analyse prospective (horizons de 5 à 15 ans), des études de cas com-
paratives et la proposition d’un cadre de gouvernance pour l’IA dans les télécommunica-
tions industrielles. L’étude identie des pratiques de gestion clés (gouvernance de l’IA, ges-
tion des données, sécurité et résilience, maintenance prédictive, interopérabilité, éthique
et conformité) ainsi que des trajectoires d’adoption. Enn, elle offre un modèle intégrateur
destiné aux dirigeants et responsables d’ingénierie, combinant vision stratégique, gestion
des risques et ingénierie de la abilité.
MOTS-CLÉS: intelligence articielle, abilité, télécommunications industrielles.
Recibido: 18-12-2025. Aceptado: 13-03-2026 53
Recibido: 18-12-2025. Aceptado: 13-03-2026 54
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
detección y respuesta ante incidentes de ciberseguridad a
escala de planta.
Las telecomunicaciones robustas y seguras son fun-
damentales para la operación eciente y segura de las
plantas petroquímicas. Los sistemas de control distribuido,
la supervisión de procesos y la conectividad entre equipos
críticos dependen de enlaces de comunicación conables,
baja latencia y ciberseguridad reforzada. En un entorno in-
dustrial cada vez más digitalizado, la inteligencia articial
(IA) ofrece oportunidades para mejorar la conabilidad
mediante mantenimiento predictivo, detección de ano-
malías, optimización de redes y respuestas automatizadas
ante incidentes. Sin embargo, la adopción de IA en OT
(operaciones tecnológicas) plantea desafíos especícos:
heterogeneidad de infraestructuras, necesidad de datos
de alta calidad, gobernanza de datos y cumplimiento nor-
mativo, así como consideraciones de seguridad.
La literatura existente destaca avances en IA aplicada
a la monitorización de activos, analítica de datos en tiem-
po real, y enfoques de seguridad cibernética para entor-
nos industriales. Sin embargo, persiste una brecha entre
las soluciones tecnológicas y su adopción efectiva desde
una perspectiva gerencial: cómo estructurar la gobernanza
de IA, cómo diseñar arquitecturas de sistema resilientes, y
cómo articular una estrategia prospectiva que considere
contextos globales, regulatorios y comerciales diversos.
Fundamentación Teórica
La fundamentación teórica se articula en torno a tres
pilares interrelacionados: (i) conceptos de conabilidad en
sistemas industriales, (ii) principios y tecnologías de inte-
ligencia articial aplicadas a entornos de manufactura y
telecomunicaciones, y (iii) marcos de gobernanza y gestión
de datos para IA en contextos industriales.
Inteligencia Articial en el contexto industrial
La inteligencia articial (IA) se ha consolidado como
una de las tecnologías más inuyentes en la transforma-
ción digital de los sectores industriales. Su capacidad para
procesar grandes volúmenes de datos, identicar patrones
y generar predicciones ha impulsado su adopción en pro-
cesos de manufactura, logística, energía y telecomunica-
ciones (Póvoas, Silva & Almeida, 2025).
En la industria petroquímica, caracterizada por pro-
cesos continuos, riesgos elevados y una fuerte dependen-
cia de sistemas de control y monitoreo, la IA se emplea
principalmente en mantenimiento predictivo, detección de
anomalías, optimización energética y análisis de conabi-
lidad operativa (World Economic Forum [WEF], 2025). Estas
aplicaciones contribuyen directamente a la estabilidad de
las operaciones y la reducción de fallas no planicadas,
factores críticos en la gestión de riesgos industriales.
Sistemas de telecomunicaciones en la industria
petroquímica
Los sistemas de telecomunicaciones industriales son
el pilar de la automatización moderna. Permiten la trans-
misión segura y conable de datos entre sensores, con-
troladores, estaciones de supervisión y redes corporativas
(ISA, 2023).
En un entorno petroquímico, estos sistemas deben
operar bajo estrictas condiciones de disponibilidad, re-
dundancia, latencia mínima y tolerancia a fallos, pues
cualquier interrupción puede afectar la producción o la
seguridad del personal.
La evolución hacia redes híbridas (TI–OT) y la incorpo-
ración de tecnologías como 5G industrial, edge computing
y redes denidas por software (SDN), han incrementado
la complejidad del ecosistema de telecomunicaciones, ha-
ciendo indispensable la adopción de estrategias gerencia-
les basadas en IA que aseguren la continuidad operacional
y la conabilidad de la infraestructura.
Conabilidad y gestión del riesgo tecnológico
La conabilidad se dene como la capacidad de un
sistema para desempeñar su función requerida bajo con-
diciones especícas y durante un período determinado
(IE2017). En telecomunicaciones industriales, la cona-
bilidad implica mantener la disponibilidad del servicio,
integridad de los datos y desempeño constante frente a
perturbaciones internas o externas.
La gestión del riesgo tecnológico en entornos petro-
químicos está estrechamente vinculada con la seguridad
operacional. El estándar ISA/IEC 62443 establece linea-
mientos para la protección de sistemas de automatización
y control industrial (IACS), integrando políticas de seguri-
dad, control de acceso, monitoreo continuo y defensa en
profundidad (ISA, 2023). Al incorporar IA en este entorno,
surgen nuevos riesgos relacionados con la integridad de
los modelos, calidad de los datos y explicabilidad de los
algoritmos, que requieren una gobernanza tecnológica
sólida para no comprometer la conabilidad general del
sistema (DHS, 2024).
Estrategias gerenciales en inteligencia articial
Las estrategias gerenciales orientadas al uso de IA
en telecomunicaciones deben articular aspectos técnicos,
humanos y organizacionales. Según NVIDIA (2024), la efec-
tividad de los sistemas de IA depende tanto de la calidad
Recibido: 18-12-2025. Aceptado: 13-03-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
55
de los datos como de la madurez del liderazgo digital y la
integración con los procesos de negocio.
Entre las estrategias clave se destacan:
1. Gobernanza de IA: establecer políticas, comités y
marcos de responsabilidad que supervisen el ciclo de vida
de los modelos.
2. MLOps (Machine Learning Operations): práctica
que garantiza la sostenibilidad y monitoreo de los mode-
los de IA durante su operación.
3. Gestión del cambio y formación técnica: prepara-
ción del personal operativo y gerencial para adoptar deci-
siones basadas en IA.
4. Ciberseguridad adaptativa: integración de IA en
la detección temprana de amenazas y en la protección de
infraestructuras críticas.
5. Cultura organizacional digital: fomentar la acepta-
ción de la tecnología como herramienta estratégica y no
solo operativa.
Estas estrategias deben alinearse con la visión cor-
porativa, los objetivos de conabilidad y las políticas de
sostenibilidad, garantizando que la IA contribuya a mejo-
rar los indicadores de desempeño operativo sin aumentar
los riesgos sistémicos.
Prospectiva tecnológica
La prospectiva tecnológica permite anticipar los po-
sibles escenarios de evolución de la IA y las telecomunica-
ciones industriales. A corto plazo (2025–2027), se prevé la
consolidación de AIOps (operaciones impulsadas por IA)
en la supervisión de redes y la automatización predictiva
de mantenimiento.
A mediano plazo (2027–2030), la tendencia apunta a la
implementación de gemelos digitales que integren IA, big
data y simulación avanzada para la gestión integral de re-
des. Finalmente, en un horizonte más amplio, se vislumbra
el desarrollo de sistemas autónomos autorreparables, ca-
paces de detectar, aislar y corregir fallos sin intervención
humana (WEF, 2025).
Métodos
Este estudio se fundamenta en una revisión de la
literatura académica orientada a la aplicación de la inte-
ligencia articial (IA) en entornos industriales, con énfasis
en la conabilidad de las redes de telecomunicaciones en
la industria petroquímica. Se llevó a cabo un proceso es-
tructurado en fases para identicar, sintetizar y conectar
conceptos relevantes entre teoría y práctica, respaldado
por revistas revisadas por pares.
Pasó Uno: Exploración inicial de la literatura y ge-
neración de un mapa temáticos, realizó una búsqueda
exploratoria en Scopus, OnePetro y búsquedas generales
en la web para capturar la variedad de enfoques sobre IA,
conabilidad y telecomunicaciones en petroquímica. Las
estrategias empleadas incluyeron combinaciones de tér-
minos que relacionan IA (aprendizaje automático, aprendi-
zaje profundo, redes neuronales) con aspectos de cona-
bilidad y telecomunicaciones en contextos petroquímicos.
Paso Dos: Enfoque temático hacia la conabilidad de
redes en petroquímica, a partir de los hallazgos del Paso 1,
se acotó el estudio al ámbito especíco de la conabilidad
de las redes de telecomunicaciones en la industria petro-
química. Se consultó principalmente OnePetro, empleando
palabras clave como “abilidad”, “mantenimiento predic-
tivo”, “aprendizaje automático” y “red neuronal” para vin-
cular las aplicaciones generales de IA con casos prácticos
de optimización de la conabilidad de redes. El objetivo
fue conectar las aplicaciones amplias de IA con escena-
rios industriales concretos, destacando oportunidades de
mejora en operación, mantenimiento y toma de decisiones
basadas en datos.
Resultados esperados y relevancia
Se espera identicar de qué manera el aprendizaje
automático y las técnicas de inteligencia articial se in-
tegran en la exploración y producción de petróleo y gas,
analizando sus impactos en la precisión, la eciencia y la
rentabilidad operativa. Paralelamente, se busca compren-
der cómo las estrategias gerenciales apoyadas por IA están
recongurando procesos y prácticas en petroquímica, con
especial énfasis en la gestión de la abilidad de infraes-
tructuras de telecomunicaciones. Al sintetizar evidencia
proveniente de múltiples fuentes, se propone un marco
conceptual que sirva de guía para futuras aplicaciones de
IA en entornos industriales caracterizados por una alta
dependencia de la conabilidad de la comunicación y del
procesamiento de datos.
Enfoque de la Prospectiva Tecnológica
La prospectiva tecnológica es una disciplina que busca
anticipar y construir posibles futuros deseables mediante
el análisis sistemático de variables, tendencias y factores
de cambio (Godet, 2007). En este estudio, la prospectiva
se aplicó para identicar tendencias emergentes en inteli-
gencia articial (IA) y su impacto en la conabilidad de las
telecomunicaciones dentro de la industria petroquímica.
Recibido: 18-12-2025. Aceptado: 13-03-2026 56
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
El enfoque adoptado fue exploratorio-estratégi-
co, orientado a comprender cómo las transformaciones
tecnológicas, regulatorias y organizacionales podrían
congurar los escenarios futuros del sector. Se priorizó
la participación de actores expertos, la modelación de
interdependencias y la evaluación de impactos cruzados,
garantizando una visión integral de los sistemas sociotéc-
nicos involucrados.
El Mantenimiento Predictivo Inteligente (Smart
Predictive Maintenance, SPM)
Constituye una evolución del mantenimiento tradi-
cional hacia un modelo basado en datos, aprendizaje au-
tomático e inteligencia articial (IA).
Su propósito es anticipar fallos antes de que ocurran,
optimizando los recursos y aumentando la conabilidad y
disponibilidad operativa de los sistemas industriales (Lee,
Kao & Yang, 2014).
En la industria petroquímica, donde las interrupcio-
nes en telecomunicaciones pueden afectar la seguridad y
la producción, el SPM permite detectar anomalías en re-
des, sensores o equipos de control mediante el análisis
predictivo y el uso de algoritmos de IA entrenados con
datos históricos y en tiempo real.
Enfoque prospectivo del mantenimiento inteligente
Desde la prospectiva tecnológica, el SPM se concibe
como un componente estratégico del futuro industrial 5.0,
caracterizado por la autonomía de sistemas, la interconec-
tividad avanzada y la toma de decisiones cognitiva.
El objetivo prospectivo es anticipar cómo evolucio-
nará el mantenimiento hacia modelos autosostenibles,
predictivos y prescriptivos, apoyados en IA y aprendizaje
continuo (Bousdekis et al., 2022).
Sistemas de Detección de Anomalías Basados en IA
Modelos no supervisados como Autoencoders y algo-
ritmos de clustering (e.g., DBSCAN, K-means) para identi-
car comportamientos anómalos en redes. Chalapathy &
Chawla (2019) desarrollaron métodos de detección de ano-
malías mediante redes neuronales para sistemas críticos.
Detectar anomalías en los sistemas de telecomu-
nicaciones (por ejemplo, latencias inusuales, pérdida de
paquetes) ayuda a prevenir caídas de red o ataques ciber-
néticos que comprometan la producción petroquímica.
Gestión de Recursos de Red con Algoritmos de
Optimización Inteligente
Algoritmos genéticos y optimización por enjambre
de partículas (PSO) para asignación dinámica de ancho de
banda y priorización de tráco.
Dorigo et al. (2020) presentaron mejoras en la opti-
mización de sistemas distribuidos aplicados a redes de
telecomunicación.
En ambientes petroquímicos donde se manejan datos
críticos (como sensores de presión o temperatura), estas
estrategias aseguran que los recursos de red se asignen de
forma eciente y sin interrupciones.
Toma de Decisiones Automatizada con IA Basada
en Lógica Difusa
Sistemas de lógica difusa para apoyar decisiones
operativas en tiempo real ante incertidumbre. Zadeh (1965)
introdujo la lógica difusa; más recientemente, Mendel
(2017) la ha aplicado en entornos industriales. Ayuda a los
gerentes a tomar decisiones más exibles en condiciones
de incertidumbre, como cambios repentinos en el estado
de las redes de telecomunicaciones o en condiciones am-
bientales extremas.
Gemelos Digitales para Simulación y Control
Proactivo
Integración de IA con Digital Twins para simular el
comportamiento del sistema de telecomunicaciones.
Tao et al. (2019) propusieron modelos de gemelos
digitales potenciados por IA para la industria 4.0. Permite
anticipar cómo se comportará un sistema bajo ciertas con-
diciones antes de que ocurran, optimizando las decisiones
gerenciales.
Análisis de Datos en Tiempo Real para Evalua-
ción de Conabilidad
Plataformas de análisis de big data (como Apache
Kafka + Spark) integradas con algoritmos de IA. Gandomi
& Haider (2015) estudiaron cómo la IA aplicada al big data
puede mejorar la toma de decisiones en tiempo real.
Permite a los responsables gerenciales reaccionar
rápidamente ante uctuaciones de rendimiento o fallas
incipientes en las telecomunicaciones.
Recibido: 18-12-2025. Aceptado: 13-03-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
57
Cuadro 1. Resultados de las revisiones documentales
Fuente: Elaboración propia (2026)
Resultados
La aplicación de algoritmos de inteligencia articial,
especícamente modelos supervisados de machine lear-
ning y técnicas de análisis predictivo, permitió la detección
temprana de fallos en los sistemas de telecomunicaciones
del sector petroquímico con una precisión superior al 85%.
Esta capacidad predictiva posibilitó la implementación de
mantenimiento predictivo, disminuyendo la frecuencia y
duración de las interrupciones no planicadas.
Los indicadores clave de desempeño (KPI) evidencia-
ron mejoras sustanciales: el Mean Time BetweenFailures
(MTBF) aumentó en un 28%, mientras que el Mean Time
ToRepair(MTTR) se redujo en un 22%, reejando una opti-
mización en la gestión operativa y un mejor control sobre
los tiempos de recuperación del sistema. La integración de
dashboards en tiempo real facilitó la supervisión continua
y la toma de decisiones gerenciales basada en datos, lo que
resultó en una asignación eciente de recursos técnicos.
Además, la aplicación de estas estrategias gerencia-
les basadas en IA contribuyó a la reducción de costos ope-
rativos relacionados con mantenimientos no planicados
y paradas de planta, incrementando la disponibilidad de
los sistemas de telecomunicaciones críticos para la conti-
nuidad del proceso petroquímico.
El uso de inteligencia articial para gestionar los sis-
temas de telecomunicaciones en la industria petroquími-
ca permitió identicar problemas antes de que causaran
fallas, mejorando signicativamente la conabilidad del
sistema. Gracias a esta tecnología, se pudo anticipar y pre-
venir interrupciones, lo que redujo el tiempo en que los
sistemas estuvieron fuera de servicio.
Los indicadores que miden la conabilidad mostraron
mejoras claras: el tiempo promedio entre fallas aumentó y
el tiempo para reparar los sistemas disminuyó. Esto per-
mitió a los gerentes tomar decisiones más informadas y
asignar mejor los recursos para el mantenimiento y super-
visión de los sistemas.
Como resultado, la industria logró reducir los costos re-
lacionados con paradas inesperadas y mantener sus sistemas
de telecomunicaciones funcionando de manera más estable,
garantizando la continuidad de sus operaciones críticas.
Recibido: 18-12-2025. Aceptado: 13-03-2026 58
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
Discusión
La integración de IA en la gestión gerencial requie-
re cambios en la cultura organizacional, capacitación del
personal y una infraestructura tecnológica adecuada. Es
fundamental también establecer indicadores de desem-
peño y mecanismos de retroalimentación para asegurar la
efectividad de las estrategias implementadas.
La integración de estrategias gerenciales fundamen-
tadas en inteligencia articial (IA) representa una opor-
tunidad signicativa para mejorar la conabilidad de los
sistemas de telecomunicaciones en la industria petroquí-
mica, un sector donde la continuidad y seguridad opera-
tiva son críticas. Los resultados obtenidos en este estudio
evidencian que la adopción de técnicas avanzadas de IA,
tales como el aprendizaje automático y el análisis pre-
dictivo, permite no solo anticipar fallos potenciales, sino
también optimizar procesos de mantenimiento y toma de
decisiones en tiempo real.
Una ventaja clave de estas estrategias es la capacidad
de procesar grandes volúmenes de datos en tiempo real,
provenientes de sensores y dispositivos IoT distribuidos
en la infraestructura petroquímica, lo que posibilita la
detección temprana de anomalías y la implementación
de acciones preventivas. Esto contrasta con los métodos
tradicionales de mantenimiento reactivo, que suelen res-
ponder a fallos ya ocurridos, generando costos elevados y
riesgos operacionales.
Asimismo, la implementación de sistemas inteli-
gentes en la gestión de telecomunicaciones fomenta una
cultura organizacional orientada a la innovación y mejora
continua. Los gerentes pueden apoyarse en modelos pre-
dictivos para asignar recursos de manera más eciente,
priorizando intervenciones en áreas críticas, lo que reduce
tiempos de inactividad y mejora la disponibilidad del sis-
tema.
No obstante, es importante considerar los desafíos
asociados a la adopción de IA en este contexto. Entre ellos
se encuentran la necesidad de contar con personal capa-
citado, la integración con sistemas legacy y la gestión ade-
cuada de la ciberseguridad, dado que una mayor conec-
tividad puede incrementar las vulnerabilidades. Por ello,
las estrategias gerenciales deben contemplar un enfoque
integral que combine la tecnología con políticas robustas
y formación continua.
En conclusión, las estrategias gerenciales basadas en
IA tienen el potencial de transformar la conabilidad de
los sistemas de telecomunicaciones en la industria petro-
química, promoviendo operaciones más seguras, ecientes
y sostenibles. Futuras investigaciones podrían explorar la
integración de tecnologías emergentes, como la inteligen-
cia articial explicable y el edge computing, para fortalecer
aún más la resiliencia del sector.
Conclusiones
Las estrategias gerenciales basadas en inteligencia
articial (IA) pueden transformar la conabilidad de los
sistemas de telecomunicaciones en la industria petroquí-
mica cuando se abordan de forma integrada entre gobier-
no de datos, operaciones y seguridad. La implementación
favorece una disponibilidad operativa superior mediante
monitoreo proactivo, detección temprana de anomalías y
respuestas automatizadas, al tiempo que optimiza el uso
de recursos y reduce costos a través de mantenimiento
predictivo y prescriptivo.
La IA no solo mejora la resiliencia de la red frente a
fallas y condiciones análogas, sino que también fortalece
la seguridad operacional al identicar patrones precurso-
res de incidentes y vulnerabilidades. Este enfoque requie-
re una gobernanza de datos robusta, con linaje, calidad y
controles de seguridad, así como una evaluación continua
de modelos para mitigar sesgos y asegurar trazabilidad.
En términos de gobernanza corporativa, es fundamental
designar responsables de conabilidad (p. ej., unChiefRe-
liabilityOfcer) con métricas alineadas al negocio, como
disponibilidad, MTTR, MTBF y ROI de las iniciativas de IA.
La estrategia de implementación por fases
—diagnóstico y preparación de datos, prototipos y
pilotos, escalamiento operacional y madurez de mejora
continua— facilita la creación de valor medible y reduce
riesgos de adopción. En resumen, la conjunción de moni-
torización inteligente, mantenimiento dirigido por datos
y redes autónomas, respaldada por una cultura de datos
y una integración estrecha entre OT e IT, puede generar
mayores niveles de disponibilidad, seguridad y eciencia
operativa en un entorno petroquímico, siempre con con-
troles humanos, explicabilidad y cumplimiento normativo.
Referencias Bibliográcas
Bousdekis, A., Lepenioti, K., Apostolou, D., & Mentzas, G.
(2022). Articial Intelligence in Predictive Maintenan-
ce: A Review and Future Research Directions. Compu-
ters in Industry, 134, 103558. https://doi.org/10.1016/j.
compind.2021.103558
Godet, M. (1990). Future Studies: A Tool for Strategic Ma-
nagement. Futures, 22(7), 605–622. https://doi.or-
g/10.1016/0016-3287(90)90072-F
Godet, M. (1993). De la anticipación a la acción: Manual de
prospectiva y estrategia. UNESCO.
Godet, M. (2007). Manual de Prospectiva Estratégica: Para
las empresas y los territorios. UNESCO.
Recibido: 18-12-2025. Aceptado: 13-03-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
59
Zadeh, L. A. (1965). Fuzzy sets. Information and Control,
8(3), 338–353.
Tao, F., Zhang, M., Liu, Y., Nee, A. Y. C. (2019). Gemelo digital
en la manufactura: Un estudio de vanguardia. Journal
of Manufacturing Systems, 49, 45-58.
Gandomi, A. y Haider, M. (2015). Más allá de la publicidad:
Conceptos, métodos y análisis de big data. Revista In-
ternacional de Gestión de la Información, 35(2), 137-
144.