INNOVACIÓN Y GERENCIA
Revista cientíca arbitrada
Universidad Dr. José Gregorio Hernández
Maracaibo - Venezuela
Vol XII. Edición Especial Nº1
Agosto 2026
ISSN 3005-5172 Publicación semestral
Depósito Legal: ZU2023000012
La Revista Innovación y Gerenciaes una publicación semestral de laUniversidad Dr. José Gregorio Hernández
(UJGH), que surge con el propósito de convertirse en una importante referencia entre los órganos de difusión
universitarios que existen en la actualidad.Publicaartículos cientícos, ensayos, críticas de libros, sobre as-
pectos asociados con procesos de innovación. En los cuales se presentan conocimientos novedosos, nuevas
ideas y experiencias teórico-prácticas, que contribuyen con las diferentes disciplinas del conocimiento. Ade-
más,abarca temas relacionados con la gerencia, término con gran auge en los tiempos actuales, desde la pers-
pectiva de entender nuevos retos y formular estrategias orientadas a dar respuestas a los procesos de trans-
formación que experimenta la sociedad moderna. Las contribuciones cientícas difundidas en este medio,
serán el resultado de investigaciones teóricas o experimentales de carácter inédito y original.La revista está
dirigida a investigadores, catedráticos, profesionales, estudiantes y el público en general, interesados en am-
pliar sus conocimientos sobre temas de actualidad y relevancia en las áreas primordiales del desarrollo social.
EDITOR JEFE
Dra. Janeth Hernandez - ORCID: https://orcid.org/0000-0002-2274-687X
EDITOR INVITADO
Dr. Deivi David Fuentes Doria - ORCID: https://orcid.org/0000-0002-0699-286X
COEDITOR
Dr. Jesus Arocha Rangel - ORCID: https://orcid.org/0000-0003-3018-7796
COEDITOR INVITADO
Dr. Hugo Alejandro Muñoz Bonilla - ORCID: https://orcid.org/0000-0001-8757-3909
COMITÉ EDITORIAL
Dra. Lisette Sanchez Díaz - ORCID: https://orcid.org/0000-0002-4941-594X
Dr. Edgar A. Prieto - ORCID: https://orcid.org/0000-0003-4817-5195
Dr. Deivi Fuentes Doria - ORCID: https://orcid.org/0000-0002-0699-286X
Dr. Romer Alvarez M - ORCID: https://orcid.org/0009-0008-1740-5430
Dra. Sahilys Urdaneta - ORCID: https://orcid.org/0000-0002-4743-0142
Dr. Oswaldo Vergara - ORCID: https://orcid.org/0000-0001-9867-9581
Dr. William Pirela - ORCID: https://orcid.org/0000-0002-9244-0876
CONSEJO ASESOR
Dra. Migdalia Caridad - ORCID: https://orcid.org/0000-0001-7585-7226
Dra. Annherys Paz - ORCID: https://orcid.org/0000-0001-7538-1563
Dr. Angel Acevedo Duque - ORCID: https://orcid.org/0000-0002-8774-3282
Dr. Ronald Prieto - ORCID: https://orcid.org/0000-0003-3901-4250
Dr. Faber Alzate Ortiz - ORCID: https://orcid.org/0000-0002-3102-7666
Dr. Ender Carrasquero - ORCID: https://orcid.org/0000-0002-9244-0876
COMITÉ DE REDACCIÓN
Msc. Geryk Nuñez - ORCID: https://orcid.org/0009-0007-3648-0949
Dra. Branda Molina - ORCID: https://orcid.org/0000-0002-8624-8095
Lcdo. Harvin Férnandez - ORCID: https://orcid.org/0009-0002-8733-7775
INNOVACIÓN Y GERENCIA
Revista cientíca arbitrada
Universidad Dr. José Gregorio Hernández
Maracaibo - Venezuela
Vol XII. Edición Especial Nº1
Agosto 2026
ISSN 3005-5172 Publicación semestral
Depósito Legal: ZU2023000012
2026, Universidad Dr. José Gregorio Hernández.
Maracaibo, Venezuela
Concepto gráco: Karla Velazquez y Daniel León Bracamonte
E-mail: Karlavelazquez0902@gmail.com
Diagramación y montaje: Daniel León Bracamonte
E-mail: Danielleonbracamonte2004@gmail.com
INNOVACIÓN Y GERENCIA
Revista cientíca arbitrada
Universidad Dr. José Gregorio Hernández
Maracaibo - Venezuela
Vol XII. Edición Especial Nº1
Agosto 2026
ISSN 3005-5172 Publicación semestral
Depósito Legal: ZU2023000012
Tabla de Contenido
Editorial
Artículos
• TENDENCIAS ACTUALES EN MATERIA DE FISCALIZACIÓN CON EL USO DE INTELIGENCIA ARTIFICIAL
CURRENT TRENDS IN TAX AND AUDITING CONTROL THROUGH THE USE OF ARTIFICIAL INTELLIGENCE
Roselin Suárez Escorcia, Deyalyn Rondón Vilera
• IA Y GOBERNANZA DIGITAL: HACIA UNA GESTIÓN TRIBUTARIA INTELIGENTE Y TRANSPARENTE
AI AND DIGITAL GOVERNANCE: TOWARDS SMART AND TRANSPARENT TAX MANAGEMENT
Angélica Colmenares, Esperanza Calmen, Víctor Julio Fernández García
• DESHUMANIZACIÓN DEL TRABAJO E INTELIGENCIA ARTIFICIAL
DEHUMANIZATION OF WORK AND ARTIFICIAL INTELLIGENCE
Lisbeth Milena Chirinos Portillo
• GESTIÓN ACADÉMICA INTELIGENTE: COMPETENCIAS EN INTELIGENCIA ARTIFICIAL PARA GERENTES UNIVERSITARIOS
SMART ACADEMIC MANAGEMENT: ARTIFICIAL INTELLIGENCE COMPETENCIES FOR UNIVERSITY MANAGERS
Juan Andrés Rincón
• INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN UNIVERSITARIA: IMPACTO EN EL DESEMPEÑO ESTUDIANTIL
ARTIFICIAL INTELLIGENCE IN HIGHER EDUCATION: IMPACT ON STUDENT PERFORMANCE
Juan Pablo Vargas Aponte
• DEL PROJECT MANAGER AL AI MANAGER: TRANSFORMACIÓN DE LOS ROLES GERENCIALES EN LA ERA DIGITAL
FROM PROJECT MANAGER TO AI MANAGER: TRANSFORMING MANAGERIAL ROLES IN THE DIGITAL ERA
Jonnathan López Hurtado
• ESTRATEGIAS GERENCIALES EN INTELIGENCIA ARTIFICIAL PARA MEJORAR LA CONFIABILIDAD DE SISTEMAS DE
TELECOMUNICACIONES EN LA INDUSTRIA PETROQUÍMICA: PROSPECTIVA TECNOLÓGICA EN EL CONTEXTO GLOBAL ACTUAL
MANAGERIAL STRATEGIES IN ARTIFICIAL INTELLIGENCE TO IMPROVE THE RELIABILITY OF TELECOMMUNICATIONS
SYSTEMS IN THE PETROCHEMICAL INDUSTRY: TECHNOLOGICAL FORESIGHT IN THE CURRENT GLOBAL CONTEXT
Edinson Antonio Colina Puche, Diana Carolina Hernández Viloria
6
12
21
27
35
43
53
Editorial
Inteligencia Articial en la Gestión Empresarial
Gobernanza, Transformación y Prospectiva para un Nuevo Paradigma Organizacional
La inteligencia articial (En adelante IA) ha dejado de ser una simple herramientas tec-
nológicas del futuro para convertirse en un elemento esencial en las transformaciones de
las empresas. En cada uno de los sectores de las actividades humanas, desde la gestión s-
cal, las aulas universitarias, las plantas industriales, las nanzas, algoritmos de aprendizaje
automático, el procesamiento de los datos y hasta los sistemas de recomendaciones, están
reescribiendo las reglas de aplicación de la IA en las decisiones de las organizaciones. Esta
edición especial de nuestra revista, surge con la necesidad de comprender el rigor cientíco,
académicos y de proyección que tiene la practica y el uso de modelos de IA en la gestión
empresarial y cada unas de las dimensiones organizacionales.
Por su puesto, los artículos que conforman este numero especial fueron seleccionado
por sus capacidades de aportes desde diferentes perspectivas de los fenómenos tecnoló-
gicos de aplicación de los modelos inteligentes, hemos organizado esta presentación en
torno a cinco grandes núcleos temáticos que atraviesan todos los artículos: (1) gobernanza
e instituciones digitales, (2) scalización y transparencia pública, (3) transformación de roles
y deshumanización laboral, (4) prospectiva tecnológica sectorial, y (5) gestión del conoci-
miento y formación universitaria. Cada núcleo es tratado con profundidad en al menos un
artículo, y todos convergen en la pregunta fundamental de nuestra época: ¿cómo pueden las
organizaciones públicas o privadas, educativas o industriales aprovechar el potencial de la
IA sin sacricar sus valores fundacionales?
El primer estudio denominado IA y Gobernanza Digital: Hacia una Gestión Tributaria In-
teligente y Transparente, aborda como el Estado actual moderno está enfrentando algunos
cambios estructurales frente al recaudo y la eciencia económicas que cada día genera ma-
yores complejidades en la generación de conanza y su legitimidad frente a los ciudadanos.
Por tal razón, las nuevas tendencias de gobernanza digital vista como conjunto de normas y
capacidades institucionales que hacen uso de herramientas tecnológicas para organizar las
relaciones entre el Estado y los ciudadanos en entorno digital frente a las relaciones scales.
Este articulo abre el especial abordando precisamente la importancia que tiene la IA
de ser vista como herramientas que puede ayudar a los procesos de automatización, sino
que también creando un paradigma de gobernanza transparente frene a los principios que
regula la gestión publica de legalidad, equidad y trasparencias. Entendiendo que los siste-
mas tributarios inteligente puede generar un mayor control en las detecciones de fraude,
inconsistencias y son capaces de anticipar antes la evasión scal, no solo como mecanismo
sancionatorio, también como cultura que busca que los contribuyentes sean conscientes
frente al cumplimiento de sus obligaciones scales.
La reexión entorno al tema tributaria no lleva a plantear sobre los riesgos que puede
generar los modelos inteligentes y su contrapeso frente a la institucionalidad. Obviamente,
riesgo que tiene los modelos asociados a la opacidad de las decisiones que puede generar
problema frente a la transparencia algorítmica.
4
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
Por su parte el articulo Tendencias Actuales En Materia De Fiscalización Con El Uso De
Inteligencia Articial, el segundo documento del especial completa la visión frente a los
procesos de globalización digital. La temática enfoca los múltiples niveles que puedes tener
la IA como agente de scalización para adoptar procesos de revisión y prevención frente a
las obligaciones tributarias. Unas de las grandes tendencias que tiene la IA y su aplicación
en campo de scalización, vinculada con la evaluación de la facturación electrónica como
eje central de la scalización inteligente en Colombia y el mundo, que ayuda a las autorida-
des a conocer de formas inmediata las transacciones y control de los tributos, evitando la
evasión y mayores scalizaciones frente a las obligaciones tributaria.
“La IA tributaria no es solo una herramienta de eciencia; es un instrumento de poder
que requiere frenos institucionales claros.”
Esta idea de su aporte de la IA reeja los grandes retos que tiene los modelos tecnoló-
gicos y su aplicación en el entono de gobernanza scal y por su puesto en le mejoramiento
de las condiciones de toda la ciudadanía.
Por otra parte, el articulo Deshumanización del Trabajo e Inteligencia Articial, una
temática imposible de no abordar el tema de la IA en la empresa sin abordar una reexión
sobre el impacto que puede generar este tipo de modelos en la transformación laboral. La
temática tiene tanta importancia que hoy es necesario reexionar sobre los efectos que
puede generar la IA en la empresa, pensar en los interrogantes como ¿qué ocurre con las
personas cuando los algoritmos asumen tareas que antes denían identidades profesio-
nales, rutinas cotidianas y fuentes de sustento? Este tercer articulo es el resultado de una
temática que cambias las dimensiones del derecho laboral y algunos cambios en materia
que debe generarse con la implementación de los modelos inteligentes.
Por su puesto el concepto del concepto de deshumanización laboral no solo se reere
a la progresividad o reducción del trabajo de las personas, también a una cadena de valor
algorítmico, donde las personas puedes quedar sujetos al monitoreo por modelos IA quien
evalúan su rendimiento y cumplimiento de responsabilidad laborales. En todos estos casos,
la IA no sustituye al trabajador, pero sí transforma radicalmente la naturaleza y la vivencia
de su trabajo.
“La IA que no reconoce la dignidad del trabajador no es progreso: es una nueva forma de
taylorismo digital.”
Esta idea es clara, al mencionar que existe una gran reexión de la IA como elemento de
medición del rendimiento de las personas, puesto que dichos modelos no comprenden ele-
mentos de principios y dignidad de los trabajos, puesto que su funcionamiento esta dado a
reglas y modelos estadístico para tomar decisiones.
Por otro lado, el articulo Del Project Manager al AI Manager: Transformación de los Ro-
les Gerenciales, una temática que plantea los impacto que tiene la IA en las trasformaciones
de los roles gerenciales. La importancia del tema recae sobre la reconguración que ha teni-
do la emergencia de la AI manager como nuevo paradigma directiva cuyas competencias no
solo es gerenciar, sino también tomar decisiones en entorno de datos a través de modelos
inteligentes. Por su puesto desde los tránsitos de estudios, se ha visto evidencias que las
organizaciones y rol de los gerentes transita a niveles de alfabetización de datos y modelos
inteligentes como herramientas gerenciales. Eso obliga a los nuevos roles empresariales
competencias estadísticas, tecnológicas y de tomas decisiones basadas en datos.
5
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
“La IA hoy transforma las industrial a través de arquitectura inteligentes.”
Este argumento de transformación es una realidad que trae el IoT capaces del uso de
tecnologías, sensores con tecnologías de arquitectura digital lograr monitorear cualquier
actividad, recopilar datos y a través de estos tomar mejores decisiones
Por otra parte, el texto Estrategias Gerenciales En Inteligencia Articial Para Mejorar La
Conabilidad De Sistemas De Telecomunicaciones En La Industria Petroquímica: Prospectiva
Tecnológica En El Contexto Global Actual, demuestra como los entornos de cualquier campo
industrial, puede operar con uso de modelos inteligentes. El campo se han destacado pro-
blemas asociados a los suministros, márgenes de errores, complejidades frente a las fallas
críticas de procesos y otras regulaciones de la literatura cientíca ha destacada. Los cierto,
el texto ofrece examinar las estrategias gerenciales que pueden ser aplicadas con IA en los
sistemas comunicaciones con el objetivo de mejorar la conabilidad operacional.
Frente al tema de IA en la educación, el articulo Gestión académica Inteligente: com-
petencias en inteligencia articial para gerentes universitarios, tema que abre un escenario
como los ecosistemas de IA puede generar transformaciones en la gestión académicas y por
su puesto como los perles de docentes, directivos se transforman en agentes con compe-
tencias tecnológica para comunicar el conocimiento. Esta nueva era de la IA en la educación
busca gerentes universitarios capaces de comprender las instituciones con datos, uso de
tecnologías, implementaciones de modelos de inteligencia que integre la educación, forma-
ción desde estudiantes y profesores.
Finalmente, el texto Inteligencia Articial en la Educación Universitaria: Impacto en el
Desempeño Estudiantil, estudia como los ambientes de estudio la IA puede generar tras-
formaciones en la forma que se genera el aprendizaje. No solo se trata de mencionar si la
IA o no se puede aplicar en los amiente educativo, sino pensar en las transformaciones de
aprendizaje que puede generar la tecnología sin dejar de lado todas esas competencias
humanas que son necesarias en la formación integrar de los estudiantes. Este estudio, nos
lleva a la reexión de la IA en la educación, más allá de un simple herramientas de uso en la
educación, los matices frente a las evidencias empíricas de algunos estudios en sector edu-
cativo. Se podría pensar dad las reexiones del estudio en sistemas de tutorías inteligentes
que pueden personalizar la formación de los estudiantes, crear decencias de estudio y cen-
trarse en las dicultades de funciones histórica de aprendizaje. El mundo que abre la IA en
la educación, permite explorar los uso como también aquellas limitaciones en su aplicación.
“La IA en las aulas no es el problema: es el espejo que revela las limitaciones de una pe-
dagogía diseñada para otra época.”
Esta frase genera una reexión que la IA en educación al igual que en todo entorno em-
presarial, se convierte hoy, no solo como una simple herramientas sino como estilo de vida
y trabajo en las organizaciones.
Editores Invitados
Dr. Deivi David Fuentes Doria y Dr. Hugo Alejandro Muñoz Bonilla
5
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
Artículos
Innovación y Gerencia. Revista cientíca arbitrada
Vol XII. Edición Especial Nº1. Junio 2026, pp. 06 - 13
UJGH ISSN: 3005-5172
Depósito legal: ZU2023000012
TENDENCIAS ACTUALES EN MATERIA DE FISCALIZACIÓN
CON EL USO DE INTELIGENCIA ARTIFICIAL
Roselin Suárez Escorcia
Maestrante en Gerencia Tributaria (URBE) Especialista en Contaduría men-
ción Auditoría (LUZ). Licenciada en Contaduría Pública. Universidad Dr. Jose
Gregorio Hernandez.
Correo Electrónico: Roselinsuarez2024@gmail.com
ORCID: https://orcid.org/0009-0004-6543-5475
Deyalyn Rondón Vilera
Maestrante en Gerencia Tributaria (URBE). Licenciada en Contaduría Pública (URBE).
Correo Electrónico: deyarondon2702@gmail.com
ORCID: https://orcid.org/0009-0002-5359-7296
RESUMEN: El presente artículo analiza la convergencia entre la scalización pública
y la Inteligencia Articial (IA) como respuesta a los desafíos de la economía digital.
El objetivo es identicar las tendencias actuales en el uso de herramientas disrupti-
vas para optimizar el control scal y la detección de fraudes. Bajo una metodología
cualitativa de diseño documental y alcance descriptivo, se examinó literatura téc-
nica y casos de éxito internacionales recolectados entre marzo y abril de 2025. Los
hallazgos, sustentados en autores como Cabanelas (2019), Filgueiras (2021) y Santini
(2025), revelan que el uso de Machine Learning y Big Data ha permitido transitar de
un modelo punitivo hacia uno preventivo y predictivo. Se concluye que la integración
de la IA, alineada con los principios éticos de la Organización para la Cooperación y
Desarrollo Económico (OCDE), no solo minimiza el error humano, sino que fortalece
la transparencia y la probidad administrativa, consolidando una gestión pública e-
ciente y moderna.
PALABRAS CLAVE: Inteligencia Articial, Fiscalización, Gestión pública.
Introducción
En el escenario económico global contemporáneo, la scaliza-
ción ha dejado de ser una función solo administrativa para consoli-
darse como un pilar de la estabilidad macroeconómica. Inclusive su
ejercicio, fundamentado en el principio de legalidad, busca equili-
brar las interacciones entre los agentes privados y el sector público,
garantizando la integridad en la gestión de los fondos. En efecto,
como señala el Diccionario Panhispánico del Español Jurídico, esta
prerrogativa de control externo es una función consuntiva y per-
manente, esencial para la subordinación de la actividad estatal al
ordenamiento jurídico vigente.
No obstante, el incremento de la complejidad en las tran-
sacciones nancieras y la aparición de nuevas modalidades de
corrupción administrativa han excedido las capacidades de los
métodos de auditoría tradicionales. Ante esta realidad, organismos
internacionales como la Organización Internacional de Entidades
Fiscalizadoras Superiores (INTOSAI) y la Organización Latinoameri-
cana y del Caribe de Entidades Fiscalizadoras Superiores (OLACEFS)
promueven la modernización de los sistemas de control. De cual-
quier forma, la necesidad de optimizar los recursos públicos bajo
CURRENT TRENDS IN TAX AND AUDITING CONTROL THROUGH THE USE OF AR-
TIFICIAL INTELLIGENCE
ABSTRACT: This article analyzes the convergence between public auditing control and Arti-
cial Intelligence (AI) as a response to the challenges of the digital economy. The objective is
to identify current trends in the use of disruptive tools to optimize scal control and fraud
detection. Under a qualitative methodology with a documentary design and descriptive
scope, technical literature and international success cases collected between March and
April 2025 were examined. The ndings, supported by authors such as Cabanelas (2019),
Filgueiras (2021), and Santini (2025), reveal that the use of Machine Learning and Big Data
has enabled a transition from a punitive model toward a preventive and predictive one. It is
concluded that the integration of AI, aligned with the ethical principles of the Organisation
for Economic Co-operation and Development (OECD), not only minimizes human error but
also strengthens transparency and administrative integrity, consolidating an efcient and
modern public management.
KEYWORDS: Articial Intelligence, Auditing Control, Public Management.
TENDÊNCIAS ATUAIS EM MATÉRIA DE FISCALIZAÇÃO COM O USO DE INTELIGÊNCIA
ARTIFICIAL
RESUMO: O presente artigo analisa a convergência entre a scalização pública e a Inteligên-
cia Articial (IA) como resposta aos desaos da economia digital. O objetivo é identicar as
tendências atuais no uso de ferramentas disruptivas para otimizar o controle scal e a de-
tecção de fraudes. Sob uma metodologia qualitativa de delineamento documental e alcan-
ce descritivo, examinou-se a literatura técnica e casos de sucesso internacionais coletados
entre março e abril de 2025. Os achados, sustentados por autores como Cabanelas (2019),
Filgueiras (2021) e Santini (2025), revelam que o uso de Aprendizado de Máquina (Machine
Learning) e Big Data permitiu a transição de um modelo punitivo para um preventivo e
preditivo. Conclui-se que a integração da IA, alinhada aos princípios éticos da Organização
para a Cooperação e Desenvolvimento Econômico (OCDE), não apenas minimiza o erro hu-
mano, mas também fortalece a transparência e a probidade administrativa, consolidando
uma gestão pública eciente e moderna.
PALAVRAS-CHAVE: Inteligência Articial, Fiscalização, Gestão Pública.
TENDANCES ACTUELLES EN MATIÈRE DE CONTRÔLE FISCAL GRÂCE À L’UTILISATION DE
L’INTELLIGENCE ARTIFICIELLE
RÉSUMÉ: Cet article analyse la convergence entre le contrôle scal public et l’Intelligence
Articielle (IA) pour répondre aux dés de l’économie numérique. L’objectif est d’identier
les tendances actuelles dans l’utilisation d’outils disruptifs an d’optimiser le contrôle s-
cal et la détection des fraudes. Selon une méthodologie qualitative, avec un modèle docu-
mentaire et une portée descriptive, la littérature technique ainsi que des cas de réussite
internationaux collectés entre mars et avril 2025 ont été examinés. Les résultats, appuyés
sur les travaux d’auteurs tels que Cabanelas (2019), Filgueiras (2021) et Santini (2025), ré-
vèlent que l’utilisation de l’apprentissage automatique (Machine Learning) et des Big Data
a permis de passer d’un modèle punitif à un modèle préventif et prédictif. En conclusion,
l’intégration de l’IA, alignée sur les principes éthiques de l’Organisation de Coopération et
de Développement Économiques (OCDE), permet non seulement de réduire l’erreur humai-
ne, mais renforce également la transparence et la probité administrative, consolidant ainsi
une gestion publique efcace et moderne.
MOTS-CLÉS: Intelligence Articielle, Contrôle Fiscal, Gestion Publique.
Recibido: 11-06-2025. Aceptado: 23-03-2026 6
Recibido: 11-06-2025. Aceptado: 23-03-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
7
paradigmas de eciencia y economía exige una transición
hacia modelos de supervisión más dinámicos, capaces de
procesar información en tiempo real y detectar anomalías
de manera oportuna.
En este contexto de transformación digital, la Inte-
ligencia Articial (IA) emerge como el motor de un cam-
bio de paradigma sin precedentes. La misma es, denida
por el Parlamento Europeo (2021) como la capacidad de
las máquinas para replicar funciones cognitivas humanas
como el aprendizaje y la creatividad, la IA ofrece herra-
mientas disruptivas para la gestión pública. Para autores
como Cabanelas (2019), la convergencia entre el aumento
de la capacidad de cómputo y el renamiento algorítmico
marca el inicio de una era de “superinteligencia” aplicada
a la gobernanza.
En consecuencia, se puede señalar que, la integración
de tecnologías como el Machine Learning y el Big Data en
los Órganos Supremos de Fiscalización (OSF) permite tras-
cender la simple vericación contable hacia un examen
integral y predictivo. No obstante, este avance tecnológico
no está exento de desafíos éticos. Por esta razón, la Or-
ganización para la Cooperación y Desarrollo Económico
(OCDE) subraya que la implementación de la inteligencia
articial (IA) en el sector público debe alinearse con prin-
cipios de transparencia, responsabilidad y respeto a los
derechos humanos, asegurando que el progreso técnico
no vulnere los valores democráticos ni la equidad social.
El presente artículo tiene como propósito analizar las
tendencias actuales, basados en la importancia y el im-
pacto de la Inteligencia Articial (IA) en los procesos de
scalización gubernamental. Por lo cual se exploran los
fundamentos teóricos del control scal y las capacida-
des operativas de la IA, contrastando estas premisas con
experiencias exitosas en diversas jurisdicciones interna-
cionales. Finalmente, se examina cómo la alianza entre la
tecnología y la ética institucional fortalece la rendición de
cuentas y consolida la conanza ciudadana en las institu-
ciones del Estado.
Fundamentación teórica
Fiscalización
Ahora bien, el concepto de scalización no debe en-
tenderse como un acto solamente punible, sino como un
mecanismo de control preventivo indispensable para la
estabilidad macroeconómica. Motivado a que, el órgano
scalizador al actuar sobre una jurisdicción, asegura que
la interacción entre los agentes privados y la administra-
ción pública se desarrolle bajo el principio de la legalidad,
equilibrando incentivos para la economía sumergida y ga-
rantizando la probidad en la gestión de fondos públicos.
Considerando un enfoque especico la scalización
del sector público se establece como la prerrogativa de
control externo, de ejercicio permanente y naturaleza
consuntiva, atribuida constitucionalmente al Tribunal de
Cuentas en su condición de Órgano Supremo De Fiscali-
zación (OSF). Es decir, esta función trasciende desde la
vericación contable para fundar un examen integral de
la gestión económica y nanciera, cuya nalidad es vali-
dar la plena subordinación de la actividad administrativa
al principio de legalidad, así como la optimización de los
recursos públicos bajo los paradigmas de eciencia y eco-
nomía (Diccionario Panhispánico del Español Jurídico, s.f,)
De igual manera, la supervisión scal es un procedi-
miento a través del cual se efectúa la revisión, inspección
y análisis minucioso de la gestión pública. Tal actividad
es fundamental para vericar si las instituciones, ya sean
públicas o privadas, que reciben nanciamiento público lo
administran, gestionan y asignan de acuerdo con lo que
establecen las normativas, planes y programas vigentes.
También puede interpretarse como el proceso en el cual la
autoridad monitorea la utilización de los recursos públicos
(nancieros, humanos y materiales).
Por otra parte, dicho termino se trata de la acción
mediante el cual se evalúan y examinan las actividades
del gobierno, teniendo en cuenta la veracidad, racionali-
dad y cumplimiento de la legislación, así como la revisión
del funcionamiento eciente y ecaz de la planicación,
organización y ejecución de la administración pública. Al
respecto la supervisión se reere fundamentalmente a
garantizar y vericar que las acciones se realicen confor-
me a la ley. Igualmente, conlleva la existencia de sistemas
de control que se conocen como inspección, vigilancia,
seguimiento, auditoría, supervisión y, en cierta medida,
evaluación.
Organismos y modelos de scalización en el
mundo
Ahora bien, en la esfera internacional comprendiendo
los contextos de Europa, Asia, África y América la arqui-
tectura estatal se articula, predominantemente, en torno
a una Entidad Fiscalizadora Superior (EFS). Este organis-
mo actúa como el eje rector del ecosistema de control y
supervisión de la función administrativa. Más allá de su
reconocimiento sociopolítico, estas instituciones están
investidas de potestades de investigación, capacidad
sancionadora y la facultad para emitir recomendaciones
de carácter técnico. En efecto, la EFS ejerce una inuencia
sustantiva sobre la administración activa del Poder Ejecu-
tivo, fundamentada no solo en su marco de competencias,
sino en su autoridad y legitimidad institucional proyecta-
da ante la ciudadanía.”
En este sentido, el uso adecuado del patrimonio
público, los Estados requieren de órganos, mecanismos y
procesos que permitan revisar la legalidad, objetividad y
Recibido: 11-06-2025. Aceptado: 23-03-2026 8
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
adecuación de la actividad que realizan sus instituciones y
establecer las responsabilidades a que hubiere lugar, cuya
idoneidad y efectividad permitirá en un largo plazo la sa-
tisfacción de necesidades ciudadanas y minimizar los in-
centivos para la corrupción. Así, cada Estado establece los
distintos mecanismos de control del uso de los recursos
públicos, pudiendo hablarse de control previo, posterior,
concomitante, político, entre otros; designando en función
de ello, competencias a distintos órganos y entes.
Por tal motivo, los órganos de control scal asumen un
rol esencial en la lucha contra la corrupción, dado que su
nalidad primordial consiste en garantizar la administra-
ción responsable del patrimonio público y de las nanzas
estatales, promoviendo la transparencia en la rendición de
cuentas y consolidando la credibilidad y conanza en las
instituciones sometidas a scalización Diversos autores,
entre ellos Redondo, Santana y Pérez (2021), han destaca-
do que dichas instancias han impulsado la modernización
de las funciones clásicas de la auditoría pública, incorpo-
rando en determinados supuestos nuevas atribuciones
vinculadas con la prevención y el combate del fraude y la
corrupción.
En la misma línea, organismos internacionales y re-
gionales como la Organización Internacional de Entida-
des Fiscalizadoras Superiores (INTOSAI) y la Organización
Latinoamericana y del Caribe de Entidades Fiscalizadoras
Superiores (OLACEFS) han reconocido la relevancia de
este cometido. Ahora bien, aunque la detección directa de
actos de corrupción no constituye el objeto especíco de
la auditoría nanciera o scal, la función de control scal
contribuye de manera decisiva a la consolidación de una
cultura de integridad como fundamento de un Estado de-
mocrático.
En este marco, el control de la gestión se erige en un
instrumento idóneo para optimizar la actividad guberna-
mental y enfrentar ecazmente las nuevas modalidades de
corrupción administrativa, proporcionando apoyo tanto a
los órganos y entes públicos en sus procesos de toma de
decisiones como a la ciudadanía en el ejercicio del con-
trol social En cuanto a los sistemas de control interno y
externo en la administración pública, el control es solo un
componente dentro del amplio campo de la scalización.
Además, los especialistas en derecho identican controles
parlamentarios, judiciales y administrativos, correspon-
dientes a los tres poderes de gobierno: Ejecutivo, Legisla-
tivo y Judicial. Según el sujeto que ejerza el control, puede
clasicarse como interno o externo.
Así mismo, es importante destacar que dentro del
poder Ejecutivo existen órganos encargados de control,
supervisión y scalización, que se consideran relativamen-
te como órganos de control interno. Por su parte, el poder
Legislativo cuenta con la Entidad de Fiscalización Superior
de la Federación, que está enfocada en ejercer un control
externo. Este tipo de control es esencialmente preventivo
y correctivo, abarcando principalmente aspectos nancie-
ros, la evaluación de eciencia y el cumplimiento jurídico.
Por consiguiente, en relación con el control externo
ejercido por las Entidades Fiscalizadoras Superiores (EFS),
cabe señalar que este reviste un carácter eminentemente
supervisor, orientado a la determinación de responsabi-
lidades jurídicas conforme a lo previsto en la normativa
vigente y en los principios constitucionales de legalidad,
transparencia y rendición de cuentas. Dicho control no se
limita a la vericación contable, sino que se proyecta hacia
la garantía de la probidad administrativa y la protección
del patrimonio público, en consonancia con el mandato de
un Estado democrático y social de derecho.
Las observaciones y recomendaciones emitidas por
estas entidades tienen como propósito no solo corregir
irregularidades, sino también optimizar la eciencia y la
ecacia institucional, contribuyendo a la consolidación de
una cultura de integridad en la gestión pública. En este
sentido, el control externo se congura como un meca-
nismo de tutela del interés general, en tanto asegura la
correcta utilización de los recursos públicos y fortalece la
conanza ciudadana en las instituciones.
En el ámbito estatal, los órganos superiores de sca-
lización poseen la atribución esencial de revisar y auditar
las cuentas públicas de los gobiernos estatales y munici-
pales, función que se vincula directamente con el principio
de responsabilidad scal y con la exigencia de probidad
administrativa establecida en los textos constitucionales
y legales.
Inteligencia Articial
Si bien los fundamentos teóricos de la inteligencia
articial (IA) se remontan a más de cinco décadas, la re-
ciente convergencia entre el incremento exponencial en la
capacidad de cómputo, la reproducción de datos y el re-
namiento de arquitecturas algorítmicas ha catalizado un
cambio de paradigma en el campo, propiciando grandes
avances de IA durante los últimos años. Para Cabanelas
(2019), la revolución digital que ocurrió con el advenimien-
to de la informática e internet ya es historia. Este autor
destaca que el próximo gran paso sería un gran avance en
el desarrollo de la inteligencia articial hasta la súper in-
teligencia articial (SIA).
En este sentido, según artículos publicados por el
Parlamento Europeo (2021) la inteligencia articial es de-
nida como la destreza de una máquina de mostrar las
mismas capacidades que los seres humanos tales como:
el razonamiento, el aprendizaje, la creatividad y la capaci-
dad de planear. En otras palabras, la máquina recibe datos
ya aptos o recopilados a través de sus propios sensores,
los procesa y maniesta una respuesta a ellos. Así mismo
clasica la IA en las siguientes categorías en primer lugar;
Recibido: 11-06-2025. Aceptado: 23-03-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
9
Software: asistentes virtuales, software de análisis de imá-
genes, motores de búsqueda, sistemas de reconocimiento
de voz y rostro, en segundo lugar, Inteligencia articial
integrada: robots, drones, vehículos autónomos, Internet
de las Cosas.
Por otro lado, se hace necesario puntualizar un reco-
rrido fundamentado que en inicio la inteligencia articial
se consideró ciencia cción, pero hoy es una realidad; las
máquinas resuelven problemas, ejemplo de ello es el Al-
phaGo, un programa de inteligencia articial que en 2015
logró ganarle a Fan Hui, campeón europeo del juego de
mesa chino Go. En 2016, Sedol, el entonces campeón mun-
dial de este juego, señaló que para poder ganar se reque-
riría de intuición, imposible de ser desarrollada por algún
software.
A partir de ello, de acuerdo a la integración entre la
creatividad humana y las capacidades analíticas de los
sistemas de inteligencia articial se ha impulsado el desa-
rrollo de herramientas conversacionales cada vez más e-
cientes. Por lo tanto, Molares et al (2024) destacan que los
chatbots actuales no solo procesan grandes volúmenes de
información en tiempo real, sino que también aprenden
de sus interacciones, mejoran su capacidad para interpre-
tar las necesidades del usuario y optimizan la asignación
de respuestas adecuadas. Estos avances han permitido
que los sistemas conversacionales se consoliden como un
recurso clave en entornos de atención al cliente, especial-
mente en servicios como los call centers, donde la auto-
matización inteligente incrementa la ecacia operativa y la
satisfacción del usuario.
Por otra parte, los algoritmos de Deep Learning, ba-
sados en redes neuronales articiales, permiten replicar
ciertas funciones del cerebro humano para realizar pre-
dicciones y tomar decisiones. Un ejemplo de su uso es el
algoritmo de reconocimiento facial empleado por Face-
book. De manera similar, en el ámbito nanciero ya es una
realidad que las decisiones sobre transacciones se puedan
ejecutar sin la intervención directa de personas.
Estas decisiones se fundamentan en diversos mode-
los, como los que derivan de las teorías de computación
evolutiva, inspiradas en la evolución genética y la lógica
probabilística. En este contexto, se integra y analiza el Big
Data, lo que facilita generar predicciones, seleccionar la
mejor opción disponible y adoptar la respuesta más ade-
cuada. Administración pública y servicios.
Principios sobre la inteligencia articial
De acuerdo con la Organización para la Cooperación y
el Desarrollo Económico (OCDE), los principios de la inteli-
gencia articial (IA) basados en valores deben orientarse al
compromiso de promover el diseño, desarrollo, despliegue
y uso conable de la IA en el sector público. En primer lu-
gar, el principio de crecimiento inclusivo, desarrollo soste-
nible y bienestar enfatiza el potencial de una IA conable
para favorecer el crecimiento y la prosperidad general para
todos, abarcando personas, sociedad y planeta. Este enfo-
que también impulsa la promoción de los objetivos de de-
sarrollo mundial, asegurando que la tecnología contribuya
al bienestar colectivo y no solo a la eciencia operativa. De
esta manera, la IA se concibe como un instrumento capaz
de generar benecios amplios y equitativos en el marco de
una gobernanza responsable.
Asimismo, el principio de respeto del Estado de De-
recho, los derechos humanos y los valores democráticos,
incluidas la equidad y la privacidad, establece que el dise-
ño de los sistemas de IA debe respetar plenamente el Es-
tado de Derecho, los derechos humanos y los valores de-
mocráticos. Este principio exige incorporar salvaguardias
adecuadas que garanticen una sociedad justa y equitativa,
protegiendo la multiplicidad y la diversidad. Además, su-
braya la importancia de que los sistemas tecnológicos no
vulneren derechos fundamentales ni generen discrimina-
ción, asegurando que la innovación avance en armonía con
los marcos éticos y jurídicos vigentes.
Del mismo modo, el principio de transparencia y ca-
rácter explicable exige que los sistemas de IA se desarrollen
bajo criterios de divulgación responsable, de manera que
las personas comprendan cuándo interactúan con ellos y
puedan objetar los resultados cuando sea necesario. Este
principio busca fortalecer la conanza pública mediante
la claridad en los procesos algorítmicos, permitiendo que
los ciudadanos identiquen la lógica detrás de las deci-
siones automatizadas. La transparencia se convierte así
en un elemento esencial para garantizar la legitimidad del
uso de la IA en el sector público y para prevenir posibles
abusos o interpretaciones erróneas.
Por otra parte, el principio de solidez, seguridad y
protección establece que los sistemas de IA deben fun-
cionar de manera sólida, segura y protegida a lo largo de
toda su vida útil. Esto implica que los principales riesgos
asociados a su operación deben ser evaluados y gestio-
nados de manera continua, asegurando que la tecnología
mantenga niveles adecuados de abilidad. Este principio
también exige que los sistemas sean resistentes a fallos,
manipulaciones o vulnerabilidades, garantizando que su
desempeño no comprometa la integridad institucional
ni la seguridad de los ciudadanos. La solidez técnica se
convierte, por tanto, en un requisito indispensable para la
adopción responsable de la IA.
Finalmente, el principio de responsabilidad señala
que las organizaciones y las personas que desarrollan,
extienden u operan sistemas de IA deben rendir cuentas
de su funcionamiento correcto, conforme a los principios
basados en valores denidos por la Organización para la
Cooperación y el Desarrollo Económico OCDE. Este prin-
cipio implica que los actores involucrados en el ciclo de
Recibido: 11-06-2025. Aceptado: 23-03-2026 10
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
vida de la IA deben asumir obligaciones claras respecto
a su diseño, implementación y supervisión. La responsa-
bilidad institucional asegura que la tecnología no opere
en un vacío ético, sino bajo mecanismos de control que
garanticen su uso adecuado, transparente y alineado con
los intereses públicos.
Es importante resaltar que la adopción de los prin-
cipios de la OCDE en el sector público garantiza que la
inteligencia articial no sea solo una herramienta de
eciencia, sino un motor de bienestar social y justicia. Al
integrar el crecimiento inclusivo, el respeto a los derechos
humanos y la transparencia, el Estado asegura que cada
decisión algorítmica sea explicable y auditable. Este marco
transforma la innovación tecnológica en un compromiso
ético, donde la solidez técnica y la rendición de cuentas
construyen la conanza ciudadana necesaria para una
gobernanza digital moderna. En última instancia, estos
principios actúan como la brújula que orienta el progreso
técnico hacia la protección de los valores democráticos y
la equidad planetaria.
Sin duda alguna este avance permite aprovechar los
benecios y fomentar el desarrollo de una inteligencia ar-
ticial centrada en el ser humano, garantizando que sea
segura, inclusiva y conable. Además, resulta imprescindi-
ble trabajar en un marco regulatorio adecuado, especial-
mente considerando que las inversiones en inteligencia
articial han incrementado signicativamente. Esto deriva
de la convicción de que la misma puede generar un valor
añadido signicativo para la economía, exigiendo políticas
integradoras que afronten desafíos globales y reduzcan la
fragmentación.
Importancia del uso de la inteligencia articial
por las administraciones publicas
Entre las innovaciones tecnológicas más promete-
doras destaca la inteligencia articial (IA), cuyo potencial
está revolucionando entre tanto a la gestión de la admi-
nistración pública, los gobiernos están haciendo realidad
el potencial de la IA en las misiones públicas convirtién-
dola en una prioridad estratégica. Así pues, casi todos los
países de la Organización para la Cooperación y Desarrollo
Económico (OCDE) han puesto en marcha estrategias y
programas para la IA que establecen una visión y un enfo-
que de alto nivel para su uso en el gobierno. Al convertir
los datos en un valioso recurso de conocimiento y toma de
decisiones, la esta herramienta permite a abordar desa-
fíos complejos con mayor ecacia.
Según Filgueiras (2021), los sistemas de IA amplían las
capacidades de la administración pública y tienen el poten-
cial de cambiar el desempeño institucional de los servicios
públicos y de las políticas públicas, promoviendo una mayor
conexión entre gobiernos y ciudadanos, anticipando deman-
das, automatizando rutinas, desempeñando funciones dis-
crecionales, entre otros. Así mismo destaca que la adopción
de sistemas de IA signica utilizar tecnologías que sean ca-
paces de aprender a tomar decisiones y resolver problemas.
Por lo que se reere a la conjunción entre inteligencia
articial, Internet de las cosas (IoT) y análisis avanzado de
datos (Data Analytics) ya está generando notables bene-
cios, gracias a la capacidad de recopilar y analizar gran-
des volúmenes de información en tiempo real sobre los
participantes. De hecho, en la práctica los gobiernos están
empleando la inteligencia articial para diversas funcio-
nes, entre las que destacan la provisión de información
y asistencia personalizada mediante herramientas como
asistentes virtuales conversacionales y chatbots. Estos de-
sarrollos no solo facilitan la interacción con los usuarios,
sino que también refuerzan el cumplimiento tributario al
hacerlo más accesible y eciente para todos.
En esta línea de ideas, la inteligencia articial se apli-
ca en la función de recaudación para anticipar ingresos y
mitigar los efectos del concurso de acreedores en los con-
tribuyentes. También se emplea en aduanas y aeropuertos
mediante sistemas de reconocimiento facial; en la gestión
de demandas gracias al reconocimiento del lenguaje na-
tural; y en la segmentación de interesados dentro de las
tareas de control y scalización, entre otros usos que se-
guirán desarrollándose en el futuro. Hay que hacer notar,
la digitalización en la dirección tributaria está generando
transformaciones profundas, no solo en su estructura, sino
también en sus funciones clave: recaudación, scalización,
información y asistencia. Además, está impactando los
sistemas de información, fomentando una mayor contri-
bución facilitada por los intercambios de datos a nivel
nacional e internacional.
Experiencias de aplicación de la inteligencia ar-
ticial en scalización
En relación a la aplicación de la Inteligencia Articial
(IA) en procesos de scalización Gubernamental Santini
(2025) arma, que la IA se ha transformado en una herra-
mienta fundamental para la innovación de los métodos
de scalización y auditoría en el ámbito gubernamental,
destaca que su aplicación ha contribuido a optimizar los
mecanismos de control, minimizar errores humanos, me-
jorar la detección de irregularidades y fortalecer la trans-
parencia institucional. Es otras palabras estas, evidencias
reejan que la integración tecnológica constituye un pilar
fundamental para el fortalecimiento de la rendición de
cuentas y la eciencia del sector público.
Desde otra perspectiva Collosa (2020), dene que la
scalización es la operación mediante el cual las organiza-
ciones tratan de evitar que los contribuyentes incidan en
evasión o defraudación scal y, en caso de cometerlas, ges-
tiona detectarlas, probarlas y liquidarlas. Además, señala
que para el logro de este propósito la inteligencia articial
puede utilizarse para analizar vínculos entre los contribu-
yentes para así identicar las relaciones ocultas o simuladas
o las redes de incumplimiento tributario potencialmente de
Recibido: 11-06-2025. Aceptado: 23-03-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
11
alto riesgo, que pueden generar nuevas fuentes de informa-
ción para las reglas de selección que no son obvias.
De igual manera el mencionado autor describe al-
gunos casos concretos sobre la aplicación combinada de
una revisión con las técnicas de Inteligencia articial. Por
ejemplo, la Administración Tributaria de Noruega imple-
menta análisis de datos y aprendizaje automático para
optimizar la selección de casos a inspeccionar. En este
caso el algoritmo se entrena con datos históricos para pre-
decir posibles errores en las declaraciones de IVA y cada
caso recibe un puntaje que prioriza la revisión por parte
de los funcionarios tributarios, comenzando con los con-
tribuyentes que obtienen las puntuaciones más altas. Es
decir, con un mayor número de declaraciones scalizadas,
el algoritmo recoge más datos, lo que mejora su precisión.
En cuanto al porcentaje de inspecciones exitosas casi se ha
duplicado en comparación con métodos manuales.
Por otro lado, la Superintendencia Nacional de
Aduanas y de Administración Tributaria (SUNAT) en Perú
ha incorporado sistemas de (IA) en el marco del control
electrónico del Impuesto General a las Ventas (IGV). Dichas
herramientas tecnológicas permiten identicar de manera
automatizada operaciones que presentan características
atípicas respecto del giro comercial declarado por el con-
tribuyente. En estos casos, la SUNAT emite alertas preven-
tivas mediante mensajes de texto, noticando a los sujetos
pasivos cuando se registran facturas vinculadas a gastos o
costos que resultan inusuales para la naturaleza del nego-
cio en cuestión.
Mientras en Colombia, la Dirección de Impuestos y
Aduanas Nacionales (DIAN) se encuentra en proceso de
integración de tecnologías avanzadas, entre las que desta-
can la inteligencia articial y los sistemas robotizados, con
el propósito de fortalecer la interconexión de los puertos
nacionales. Esto le permite optimizar los mecanismos de
control aduanero y tributario, favoreciendo la detección
temprana de prácticas evasivas y la vericación integral
de las operaciones comerciales internacionales, de este
modo, la DIAN busca consolidar un modelo de gestión s-
cal más eciente y transparente.
Tal es el caso, en Costa Rica se ha implementado el
uso de Big Data para perfeccionar el cobro de impuestos
mediante un modelo predictivo basado en minería de da-
tos. Este sistema permitió identicar simulaciones de pa-
gos a terceros por un monto superior a los $31 millones. Y
por último en Brasil el Sistema de Selección Aduanera por
Machine Learning (SISAM) es un sistema de IA que aprende
del historial de los formularios presentados y estima la
probabilidad de alrededor de 30 tipos de errores que pue-
den ocurrir en cada renglón de cada nuevo formulario de
declaración de importaciones, y calcula el valor esperado
de los ingresos para cada error detectado.
Método
Esta investigación se enmarco bajo un enfoque cua-
litativo con un alcance descriptivo. El diseño empleado
fue de tipo documental, utilizando métodos de revisión
y análisis como base principal. La técnica de recolección
de información se centró en el análisis documental, que
incluyo artículos académicos, páginas relacionadas con
administraciones tributarias y scalización, así como es-
tudios de diversos autores que han implementado o se
encuentran en fase piloto para incorporar la inteligencia
articial en dichos procesos. La búsqueda bibliográca se
realizó en Google Académico, empleando palabras clave
como: “Inteligencia articial en procesos de scalización”
e “Inteligencia articial como mecanismo contra fraudes
scales”. El periodo de referencia para la investigación
abarcó los meses de marzo y abril del 2025. Los hallazgos
fueron expuestos de forma conceptual a través de una na-
rrativa explicativa.
Discusión de los Resultados
La scalización contemporánea trasciende el carácter
punitivo para erigirse como un control preventivo esencial
para la estabilidad macroeconómica. Según el Diccionario
Panhispánico del Español Jurídico, esta función del Tribu-
nal de Cuentas, como Órgano Supremo de Fiscalización
(OSF), garantiza la probidad y la optimización de recursos
bajo principios de eciencia y economía. Esta visión se
alinea con la necesidad de mecanismos que aseguren la
subordinación administrativa a la legalidad y minimicen
los incentivos de la economía sumergida.
En este orden, autores como Redondo, Santana y Pé-
rez (2017) enfatizan que los órganos de control scal han
modernizado la auditoría pública para combatir el fraude.
Este enfoque es respaldado por organismos como INTOSAI
y OLACEFS, que promueven una cultura de integridad den-
tro del Estado democrático. La supervisión scal no solo
verica cuentas, sino que actúa como un sistema integral
de vigilancia y evaluación, fundamental para la transpa-
rencia y la rendición de cuentas ante la ciudadanía.
En cuanto a la innovación tecnológica, Cabanelas
(2019) sostiene que el avance hacia la Superinteligencia
Articial (SIA) es el próximo hito tras la revolución digital.
La denición del Parlamento Europeo (2021) refuerza esta
idea, caracterizando a la IA por su capacidad de razona-
miento, aprendizaje y planicación. Esta evolución permite
que sistemas de software e IA integrada (como robots y
drones) procesen datos masivos para emitir respuestas
autónomas, superando las limitaciones de la gestión ma-
nual tradicional.
Recibido: 11-06-2025. Aceptado: 23-03-2026 12
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
Complementariamente, Molares et. al (2024) destaca
el éxito de la simbiosis entre la creatividad humana y la
capacidad analítica de las máquinas mediante el uso de
chatbots y algoritmos de Deep Learning. Estos modelos,
inspirados en redes neuronales, facilitan la toma de de-
cisiones nancieras y el análisis de Big Data. Tal como se
observa en la práctica, estas herramientas permiten rea-
lizar predicciones precisas y optimizar transacciones sin
intervención humana directa, lo que representa un cambio
de paradigma en el sector público.
Como resultado de ello, la implementación de la IA
en el sector público debe regirse por los principios de
la OCDE, los cuales priorizan el crecimiento inclusivo, la
transparencia y la responsabilidad. Estos marcos éticos
aseguran que el diseño algorítmico respete los derechos
humanos y los valores democráticos. La integración de
estos principios transforma la innovación en un compro-
miso ético, garantizando que cada decisión automatizada
sea explicable y auditable, fortaleciendo así la conanza
ciudadana en la gobernanza digital.
Para Filgueiras (2021), los sistemas de IA expanden las
capacidades administrativas al automatizar rutinas y anti-
cipar demandas sociales. La convergencia entre IA, Inter-
net de las Cosas (IoT) y Data Analytics permite una gestión
tributaria más eciente, facilitando el cumplimiento y op-
timizando la scalización. Este ecosistema digital impacta
directamente en la recaudación y el control aduanero, per-
mitiendo que el Estado actúe con mayor celeridad y pre-
cisión ante posibles irregularidades o evasiones scales.
Desde una perspectiva operativa, Santini (2025)
arma que la IA es el pilar de la innovación en los mé-
todos de auditoría gubernamental, minimizando errores
y fortaleciendo la transparencia. Por su parte, Collosa
(2020) subraya que la IA es capaz de identicar redes de
incumplimiento tributario no evidentes para los métodos
clásicos. Estas herramientas analizan vínculos complejos
entre contribuyentes, permitiendo a las administraciones
detectar simulaciones y esquemas de fraude con una e-
cacia signicativamente mayor a la supervisión manual.
Finalmente, las experiencias internacionales validan
estas teorías: Noruega duplicó su efectividad en inspeccio-
nes de IVA mediante aprendizaje automático, mientras que
la SUNAT (Perú) utiliza alertas preventivas automatizadas.
En la región, la DIAN (Colombia) y los sistemas de Brasil
(SISAM) demuestran que el uso de Machine Learning y Big
Data permite predecir errores y mitigar la evasión. Estos
casos conrman que la scalización inteligente es la ruta
hacia una administración pública moderna, transparente y
nancieramente sostenible.
Conclusiones
En síntesis, la scalización ha dejado de ser un pro-
ceso meramente reactivo para transformarse en un siste-
ma preventivo de control integral. La evidencia teórica y
práctica demuestra que el cumplimiento del principio de
legalidad y la probidad administrativa dependen de una
supervisión constante sobre la gestión de fondos públicos.
De este modo, el fortalecimiento de las Entidades Fiscali-
zadoras Superiores (EFS) resulta determinante para mitigar
los riesgos de corrupción y asegurar la estabilidad macro-
económica en un Estado democrático de derecho.
Por otra parte, la irrupción de la Inteligencia Articial
(IA) representa un cambio de paradigma disruptivo en la
administración pública. Como se ha analizado, la capa-
cidad de procesamiento de grandes volúmenes de datos
(Big Data) y el uso de algoritmos de aprendizaje automá-
tico (Machine Learning) permiten una precisión sin prece-
dentes. Estas herramientas no solo optimizan la detección
de irregularidades, sino que también reducen signica-
tivamente el error humano, elevando los estándares de
eciencia y ecacia en la recaudación y auditoría estatal.
Asimismo, la adopción de tecnologías avanzadas
debe estar intrínsecamente ligada a marcos éticos y re-
gulatorios sólidos, como los propuestos por la OCDE. La
transparencia, la explicabilidad y el respeto a los derechos
humanos son pilares que garantizan una gobernanza digi-
tal conable. Una IA aplicada a la scalización que carezca
de rendición de cuentas podría comprometer la equidad;
por lo tanto, la tecnología debe actuar como un soporte de
la decisión humana, bajo una supervisión técnica y moral
permanente.
Finalmente, las experiencias exitosas en países como
Noruega, Perú, Brasil y Colombia conrman que la scali-
zación inteligente es el camino hacia la modernización del
Estado. La integración de sistemas predictivos y alertas tem-
pranas permite a las administraciones tributarias y aduane-
ras anticiparse a las redes de evasión con mayor agilidad.
En conclusión, la sinergia entre la integridad institucional
y la innovación algorítmica es la clave para consolidar una
gestión pública transparente que responda ecazmente a
las demandas y necesidades de la ciudadanía.
Referencias Bibliográcas
Cabanelas Omil, J. (2019). Inteligencia articial ¿Dr. Jekyll o
Mr. Hyde? Mercados y Negocios, (40), 5–18. Universi-
dad de Guadalajara.
Collosa, A. (2020). Inteligencia articial aplicada a la sca-
Recibido: 11-06-2025. Aceptado: 23-03-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
13
lización. Centro Interamericano de Administraciones
Tributarias (CIAT).
Filgueiras, F. (2021). Inteligencia articial en la administra-
ción pública: ambigüedad y elección de sistemas de
IA y desafíos de gobernanza digital. Revista del CLAD
Reforma y Democracia, (79), 5–38.
Molares Cardoso, J., Badenes Plá, V., & Maíz Bar, C. (2024).
Creatividad humana vs. creatividad articial: estudio
comparativo entre estudiantes universitarios y chat-
bots en la generación de ideas. [Documento de traba-
jo o artículo en prensa].
OECD. (2025). Gobernar con la inteligencia articial: Pano-
rama actual y hoja de ruta en las funciones centrales
de gobierno. OECD Publishing.
Parlamento Europeo. (2021). ¿Qué es la inteligencia arti-
cial y cómo se usa? https://www.europarl.europa.eu/
Redondo López, J. A., Santana Suárez, M. J., & Pérez Vázquez,
M. (2021). El control externo y la prevención de la co-
rrupción. Presupuesto y Gasto Público, (103), 147–162.
Santini Rodríguez, F. J. (2025). Inteligencia articial en la
scalización gubernamental: avances, desafíos y
perspectivas éticas desde una revisión sistemática.
Revista INVECOM, (s/n), 1–?
Innovación y Gerencia. Revista cientíca arbitrada
Vol XII. Edición Especial Nº1. Junio 2026, pp. 12 - 20
UJGH ISSN: 3005-5172
Depósito legal: ZU2023000012
IA Y GOBERNANZA DIGITAL: HACIA UNA GESTIÓN
TRIBUTARIA INTELIGENTE Y TRANSPARENTE
Angélica Colmenares
Lic. En Contaduría Pública. Cursante de la Especialización en Gerencia Tributaria en
la Universidad Dr. José Gregorio Hernández (UJGH), Maracaibo, estado Zulia, Vene-
zuela. Investigadora, auditoría, adscrita al área de gerencia y scalización inteligente.
Correo Electrónico: angelicacolmenares153@ujgh.edu.ve
ORCID: https://orcid.org/0009-0007-7821-7786
Esperanza Calmen
Lic. En Contaduría Pública. Cursante de la Especialización en Gerencia Tributaria en la
Universidad Dr. José Gregorio Hernández (UJGH), Maracaibo, estado Zulia, Venezuela.
Con sólida trayectoria en las áreas administrativa y scal, destacando su experiencia
en el manejo de retenciones, declaraciones de impuestos, procesos administrativos
y tesorería. Experta en la gestión operativa de sectores comerciales y de producción,
con habilidades avanzadas en sistemas administrativos y liderazgo de equipos.
Correo Electrónico: esperanzacalme106@ujgh.edu.ve
ORCID: https://orcid.org/0009-0005-2904-6373
Víctor Julio Fernández García
Lic. En Contaduría Pública. Cursante de la Especialización en Gerencia Tributaria en la
Universidad Dr. José Gregorio Hernández (UJGH), Maracaibo, estado Zulia, Venezuela.
Profesional con sólida experiencia en la práctica contable y administrativa, espe-
cializado en la gestión de tributos nacionales y municipales. Actualmente orienta
su trayectoria hacia la integración de nuevas tecnologías en la gerencia tributaria.
Correo Electrónico: victorfernandez180@ujgh.edu.ve
ORCID: https://orcid.org/0009-0000-3741-407X
RESUMEN: El presente artículo de investigación aborda la convergencia entre la Inte-
ligencia Articial (IA) y la gobernanza digital como elementos clave para transformar
la gestión tributaria. La investigación analiza cómo las megatendencias tecnológicas
catalizan un cambio de paradigma hacia la Administración Tributaria 3.0 y el marco
de supervisión adaptativa (AATO). Los principales autores utilizados en la investiga-
ción fueron Olivares (2022), Belahouaoui y Alm. (2025), (Shehu, 2025) y Santini-Ro-
dríguez (2026). Mediante un enfoque documental y analítico, se exploran las aplica-
ciones de algoritmos de aprendizaje automático, procesamiento de lenguaje natural
y sistemas agenticos en la detección de fraude y la asistencia al contribuyente. Los
hallazgos subrayan que el uso de estas tecnologías permite reducir hasta un 60%
los tiempos empleados en el cumplimiento de obligaciones y elevar un 14% la re-
caudación scal mediante la identicación de inconsistencias. Sin embargo, autores
como Olivares señalan inquietudes éticas relacionadas con la opacidad algorítmica,
destacando la importancia de un marco de gobernanza digital que garantice la trans-
parencia y los derechos fundamentales en el contexto venezolano, especícamente
bajo las facultades del SENIAT y el Código Orgánico Tributario de 2020. Se concluye
que la scalización inteligente, requiere la formación de talento humano con visión
crossdisciplinaria para gestionar un modelo eciente y transparente.
PALABRAS CLAVE: Fiscalización inteligente, Gobernanza digital, Inteligencia articial.
Introducción
Al inicio de la tercera década del siglo XXI, la gerencia tributaria
se enfrenta a una metamorfosis sin precedentes impulsada por la
aceleración de las tecnologías disruptivas y la imperativa necesidad
de transparencia en la gestión pública. Donde la ciencia de datos,
AI AND DIGITAL GOVERNANCE: TOWARDS SMART AND TRANSPARENT
TAX MANAGEMENT
ABSTRACT: This research article addresses the convergence of Articial Intelligence (AI) and
digital governance as key elements for the transformation of tax administration. The re-
search analyzes how technological megatrends are driving a paradigm shift toward Tax Ad-
ministration 3.0 and the Adaptive Tax Oversight Model (ATM). The main authors cited in this
research are Olivares (2022), Belahouaoui and Alm (2025), Shehu (2025), and Santini-Rodrí-
guez (2026). Through a documentary and analytical approach, the applications of machine
learning algorithms, natural language processing, and agent systems in fraud detection and
taxpayer assistance are explored. The results highlight that the use of these technologies
can reduce compliance time by up to 60% and increase tax revenue by 14% by identifying
inconsistencies. However, authors such as Olivares point out ethical concerns related to
algorithmic opacity, highlighting the importance of a digital governance framework that
guarantees transparency and fundamental rights in the Venezuelan context, specically in
the area of SENIAT’s responsibilities and the 2020 Organic Tax Code. It is concluded that an
intelligent tax audit requires the training of professionals with an interdisciplinary vision to
manage an efcient and transparent model.
KEYWORDS: Intelligent scalization, Digital governance, Articial intelligence.
IA E GOVERNANÇA DIGITAL: RUMO A UMA GESTÃO TRIBUTÁRIA INTELIGENTE E
TRANSPARENTE
RESUMO: O presente artigo de pesquisa aborda a convergência entre a Inteligência Articial
(IA) e a governança digital como elementos-chave para transformar a gestão tributária.
A investigação analisa como as megatendências tecnológicas catalisam uma mudança de
paradigma em direção à Administração Tributária 3.0 e ao arcabouço de supervisão adapta-
tiva (AATO). Os principais autores utilizados na pesquisa foram Olivares (2022), Belahouaoui
et al. (2025), Shehu (2025) e Santini-Rodríguez (2026). Por meio de uma abordagem docu-
mental e analítica, exploram-se as aplicações de algoritmos de aprendizado de máquina,
processamento de linguagem natural e sistemas agênticos na detecção de fraudes e na
assistência ao contribuinte. Os achados destacam que o uso dessas tecnologias permite
reduzir em até 60% o tempo empregado no cumprimento de obrigações e elevar em 14% a
arrecadação scal por meio da identicação de inconsistências. No entanto, autores como
Olivares apontam preocupações éticas relacionadas à opacidade algorítmica, ressaltando
a importância de um arcabouço de governança digital que garanta a transparência e os
direitos fundamentais no contexto venezuelano, especicamente sob as prerrogativas do
SENIAT e do Código Orgânico Tributário de 2020. Conclui-se que a scalização inteligente
requer a formação de talento humano com visão interdisciplinar para gerir um modelo
eciente e transparente.
PALAVRAS-CHAVE: Fiscalização inteligente, Governança digital, Inteligência articial.
IA ET GOUVERNANCE NUMÉRIQUE : VERS UNE GESTION FISCALE
INTELLIGENTE ET TRANSPARENTE
RÉSUMÉ: Cet article de recherche aborde la convergence entre l’Intelligence Articielle
(IA) et la gouvernance numérique en tant qu’éléments clés pour transformer la gestion
scale. L’étude analyse la manière dont les mégatendances technologiques catalysent
un changement de paradigme vers l’Administration Fiscale 3.0 et le cadre de supervision
adaptative (AATO). Les principaux auteurs mobilisés dans la recherche sont Olivares (2022),
Belahouaoui et al. (2025), Shehu (2025) et Santini-Rodríguez (2026). Selon une approche do-
cumentaire et analytique, l’article explore les applications des algorithmes d’apprentissage
automatique, du traitement automatique du langage naturel et des systèmes agentiques
dans la détection de la fraude et l’assistance aux contribuables. Les résultats soulignent
que l’utilisation de ces technologies permet de réduire jusqu’à 60 % le temps consacré au
respect des obligations scales et d’augmenter les recettes scales de 14 % grâce à l’iden-
tication des incohérences. Toutefois, des auteurs comme Olivares soulèvent des préconi-
sations éthiques relatives à l’opacité algorithmique, mettant en évidence l’importance d’un
cadre de gouvernance numérique garantissant la transparence et les droits fondamentaux
dans le contexte vénézuélien, plus particulièrement sous l’autorité du SENIAT et du Code
Organique Fiscal de 2020. En conclusion, le contrôle scal intelligent exige la formation
de talents humains dotés d’une vision interdisciplinaire pour piloter un modèle efcace
et transparent.
MOTS-CLÉS: Contrôle scal intelligent, Gouvernance numérique, Intelligence articielle.
Recibido: 28-02-2026. Aceptado: 07-04-2026 14
Recibido: 28-02-2026. Aceptado: 07-04-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
15
el derecho tributario y la ética algorítmica convergen para
redenir las prácticas de scalización. La digitalización ha
dejado de ser un complemento en la gestión para conver-
tirse en el pilar estratégico que posibilita la transición de
procesos manuales y reactivos hacia un modelo de gober-
nanza más inteligente y preventivo.
A nivel mundial, la disparidad entre la sosticación
de las transacciones económicas y la capacidad de las Ad-
ministraciones Tributarias (AATT) ha generado una pérdida
anual estimada en 492 mil millones de dólares debido al
abuso scal internacional. En este contexto, la Inteligen-
cia Articial (IA) se presenta como una herramienta clave
para reducir esta brecha, permitiendo el procesamiento de
Big Data para identicar patrones de evasión que resul-
tan invisibles al ojo humano. Sin embargo, en el caso de
Venezuela, y particularmente en la región del Zulia, esta
transición requiere un examen detallado de las capacida-
des institucionales del Servicio Nacional Integrado de Ad-
ministración Aduanera y Tributaria (SENIAT), así como del
marco legal que regula la actividad scal en el país.
Bajo esta perspectiva, el objetivo de este artículo es
examinar cómo la inteligencia articial y la gobernanza
digital están transformando la gestión tributaria, propo-
niendo un modelo de scalización que combine capacida-
des técnicas avanzadas con un diseño fundamentado en
principios éticos y transparencia. A partir de un análisis
detallado de las tendencias globales y las particularidades
locales, se busca fundamentar cómo la incorporación de
agentes inteligentes y algoritmos de aprendizaje automá-
tico puede optimizar la recaudación, disminuir los costos
relacionados con el cumplimiento y promover una mayor
conanza de la ciudadanía en el sistema tributario.
Fundamentación Teórica
Evolución de la Administración Tributaria:
Del Papel a la Inteligencia Articial
El recorrido de las administraciones tributarias, según
la OCDE, se caracteriza en tres fases que reejan tanto el
avance tecnológico como la transformación en la interac-
ción con los contribuyentes. Esta evolución es clave para
comprender hacia dónde se dirige la gerencia tributaria en
un entorno de gobernanza digital.
En este orden de ideas, la Administración Tributaria
3.0 se posiciona como la etapa más avanzada, donde la
tributación se integra en los sistemas habituales de los
contribuyentes, posibilitando el llamado “cumplimiento
por diseño” (compliance by design). En este modelo, la IA
no solo automatiza tareas, sino que genera conocimiento
a partir de datos masivos para predecir comportamientos
y orientar la toma de decisiones estratégicas.
Tabla 1
Fuente: Elaboración propia basada en OCDE (2026).
En este orden de ideas, la Administración Tributaria
3.0 se posiciona como la etapa más avanzada, donde la
tributación se integra en los sistemas habituales de los
contribuyentes, posibilitando el llamado “cumplimiento
por diseño” (compliance by design). En este modelo, la IA
no solo automatiza tareas, sino que genera conocimiento
a partir de datos masivos para predecir comportamientos
y orientar la toma de decisiones estratégicas.
Gobernanza Digital y el Marco del Infogobierno
La gobernanza digital se reere al uso de las tecnolo-
gías de la información y comunicación (TIC) con el objetivo
de optimizar los servicios públicos, fomentar una mayor
participación ciudadana y asegurar la transparencia en
la gestión administrativa. En el contexto tributario, esto
implica desarrollar una infraestructura pública digital que
sea interoperable, segura y diseñada en función de las ne-
cesidades del usuario.
En el contexto de Venezuela, la Ley de Infogobierno y la
Ley Orgánica de Ciencia, Tecnología e Innovación imponen
el uso de nuevas tecnologías como un medio para moderni-
zar la gestión pública. No obstante, la transformación hacia
una scalización inteligente exige que el marco jurídico no
solo promueva el uso de software, sino que regule la res-
ponsabilidad ética y legal de las decisiones tomadas por
algoritmos. La gobernanza digital efectiva debe lograr un
equilibrio entre la facultad recaudatoria del Estado y las ga-
rantías de privacidad y debido proceso de los ciudadanos.
La Inteligencia Articial en la Gestión Pública y
Tributaria
La IA no es una tecnología monolítica, sino un conjun-
to de disciplinas que incluyen el aprendizaje automático
(Machine Learning), el procesamiento de lenguaje natural
(NLP) y la robótica de procesos (RPA). Según Belahouaoui y
Alm (2025), su aplicación en el ámbito de la scalización se
Recibido: 28-02-2026. Aceptado: 07-04-2026 16
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
materializa mediante el marco denominado “Adaptive AI
Tax Oversight” (AATO), que optimiza la precisión en la de-
tección de fraudes gracias al empleo de redes neuronales
y técnicas de minería de datos.
Atendiendo a su estructura operativa, la taxonomía
de la IA aplicada a los tributos puede dividirse según el
grado de autonomía y complejidad de los sistemas:
1. Sistemas Descriptivos: Utilizan analítica avanzada
para entender qué ha sucedido en el pasado (ej. reportes
de recaudación histórica).
2. Sistemas Predictivos: Emplean modelos estadísti-
cos para prever comportamientos futuros, como la proba-
bilidad de que un contribuyente incurra en omisión.
3. Sistemas Prescriptivos y Agénticos: Sugieren accio-
nes especícas o ejecutan procesos autónomos, como los
agentes de IA que analizan precios de transferencia compa-
rando estructuras de costos globales en tiempo real.
Crossdisciplinariedad como Eje de la Megatendencia
El concepto de crossdisciplinariedad, central en este
congreso, propone que la solución a problemas complejos
como la evasión scal no puede depender de una única
disciplina. La gerencia tributaria moderna requiere la
combinación de conocimientos contables para el análisis
económico, saberes jurídicos para la validez normativa y
saberes tecnológicos para la implementación operativa.
Bajo el enfoque de estos autores, como Tabon (2013)
y Boyatzis (2008) señalan que el talento humano en las
organizaciones del siglo XXI debe desarrollar competen-
cias sustentables y digitales que les permitan actuar de
manera ética y reexiva en entornos tecnológicos. En la
gerencia tributaria, esto signica que el scal ya no solo
debe conocer el Código Orgánico Tributario, sino compren-
der la lógica de los algoritmos de riesgo para validar sus
resultados y evitar sesgos discriminatorios.
Metodología
La investigación se llevó a cabo siguiendo un enfoque
cualitativo-documental con un carácter descriptivo-analí-
tico. Se utilizó el método de revisión sistemática basado
en el protocolo PRISMA (Preferred Reporting Items for
Systematic Reviews and Meta-Analyses), lo que facilitó la
identicación, selección y análisis crítico de fuentes aca-
démicas e institucionales publicadas en el periodo com-
prendido entre 2020 y 2025.
Diseño y Procedimiento
El diseño de esta investigación es de carácter biblio-
gráco y no experimental, centrándose exclusivamente
en el análisis de información ya existente, sin implicar la
manipulación de variables.
El procedimiento se organizó en las siguientes etapas:
1. Búsqueda y Selección: Se consultaron bases de
datos cientícas de alto impacto como Scopus, SciELO, Re-
dalyc, Dialnet y repositorios de organismos internacionales
como la OCDE, el CIAT y el BID. Se utilizaron descriptores en
español e inglés relacionados con “Inteligencia Articial”,
“Gerencia Tributaria”, “Gobernanza Digital” y “Fiscalización
Inteligente”.
2. Criterios de Inclusión: Se seleccionaron estudios
que abordaran directamente el impacto de la tecnología
en la recaudación, los desafíos éticos de los algoritmos
públicos y el marco legal de la digitalización en América
Latina y Venezuela.
3. Análisis de Información: Se utilizaron matrices de
análisis cualitativo para categorizar los hallazgos en ejes
temáticos: eciencia operativa, transparencia algorítmica,
marcos normativos y competencias profesionales.
4. Triangulación: Se contrastaron los aportes teóri-
cos de autores clásicos de la gerencia (Elkington, Carro-
ll, Perrenoud) con los hallazgos técnicos de expertos en
tecnología tributaria (Collosa, Santini-Rodríguez, Olivares
Olivares) para construir una visión integral del fenómeno.
En consecuencia, este rigor metodológico garantiza
que las conclusiones presentadas no sean meras observa-
ciones subjetivas, sino el resultado de una síntesis cientí-
ca de las tendencias globales y locales en la materia.
Resultados y Discusión
Impacto de la IA en la Eciencia Recaudatoria y
Detección de Fraude
Los resultados de la revisión sistemática evidencian
que la IA ha transformado la capacidad de scalización
de las AATT mediante el procesamiento masivo de datos
que antes resultaba inmanejable. Según el estudio de Be-
lahouaoui y Alm (2025) revela que la aplicación de la IA en
la detección de fraudes ha incrementado la precisión en
la identicación de irregularidades en un 35% en compa-
ración con los métodos tradicionales basados en seleccio-
nes aleatorias o reglas simples.
Recibido: 28-02-2026. Aceptado: 07-04-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
17
En el contexto regional, se han documentado casos
de éxito que demuestran la efectividad de los modelos
predictivos: Tabla 2
Fuente: Elaboración propia basada en OCDE (2026).
Para ilustrar esta dinámica, la aplicación de algorit-
mos de aprendizaje automático permite la creación de
perles de riesgo dinámicos. Tal es el caso de Noruega, las
autoridades entrenan algoritmos con datos históricos para
asignar un “puntaje de riesgo” a las declaraciones de IVA,
iniciando las auditorías por los casos con mayor proba-
bilidad de error. Este enfoque optimiza el uso del talento
humano, permitiendo que los auditores se concentren en
tareas de alto valor agregado mientras la IA gestiona la va-
lidación masiva de campos.
Transformación de la Gerencia hacia la Transparencia
Algorítmica
Un hallazgo crítico en la investigación es que la inteli-
gencia tecnológica debe ir acompañada de una transparen-
cia ética. El fenómeno de la “caja negra” (black box), donde
no se comprende cómo un algoritmo llega a una decisión
de scalización, plantea un riesgo para la legitimidad del
sistema tributario. Santini-Rodríguez (2026) destaca que la
transparencia algorítmica es la clave para una implementa-
ción responsable, asegurando que las decisiones automati-
zadas sean auditables y explicables ante el contribuyente.
La transparencia se maniesta en tres dimensiones:
1. Explicabilidad: La capacidad de traducir el razona-
miento técnico del algoritmo a un lenguaje jurídico com-
prensible.
2. Trazabilidad: El registro detallado de todas las
fuentes de datos y pasos lógicos seguidos por el sistema
para emitir una alerta o sanción.
3. Gestión de Sesgos: El monitoreo constante para
evitar que los algoritmos discriminen injustamente a
ciertos sectores económicos o perles sociodemográcos
basados en datos históricos sesgados.
La gobernanza digital en la gerencia tributaria impli-
ca, por tanto, el derecho del contribuyente a tener conoci-
mientos sobre el funcionamiento de las aplicaciones que
afectan su entorno patrimonial. En España y Chile, ya exis-
ten resoluciones que reconocen este derecho como parte
de las garantías del debido proceso en la era digital.
El Contexto Venezolano: SENIAT y el Código Orgá-
nico Tributario 2020
En Venezuela, la gestión tributaria se desarrolla
dentro de un marco legal que conere al SENIAT amplias
competencias en materia de vericación y scalización. El
Artículo 131 del Código Orgánico Tributario (2020) autoriza
a la administración a llevar a cabo procedimientos para
determinar tributos, así como a implementar medidas
cautelares destinadas a garantizar el cumplimiento de
las obligaciones scales. No obstante, la incorporación
de la inteligencia articial en este marco enfrenta retos y
oportunidades especícas. La normativa venezolana sobre
Infogobierno y la Ley Penal del Ambiente sugieren que la
modernización es un deber estatal. Para que el SENIAT
evolucione hacia una gerencia tributaria 3.0, es necesario:
• Actualización de la Infraestructura: Superar las limi-
taciones de conectividad y hardware para procesar Big Data.
• Soberanía Tecnológica: Desarrollo de algoritmos
propios o de código abierto que eviten la dependencia de
software extranjero opaco.
• Transparencia Internacional: Implementar regíme-
nes de transparencia scal que permitan el intercambio de
información sobre inversiones en Jurisdicciones de Baja
Imposición Fiscal (JBIF), utilizando IA para cruzar la renta
territorial y extraterritorial.
La gerencia tributaria en Maracaibo y el resto del país
debe transitar hacia un modelo donde la “scalización
amigable” y el acceso a la información por internet sean
la norma, reduciendo la discrecionalidad del funcionario y
aumentando la certeza jurídica del contribuyente.
La Revolución de los Agentes de IA en la Gestión
Inteligente
Una de las innovaciones más disruptivas identicadas
en la investigación es el paso de la automatización simple
a la autonomía agentica. Según el CIAT (2025), los agentes
de IA no son simples chatbots, sino sistemas modulares
capaces de razonar y planicar ujos de trabajo complejos.
Recibido: 28-02-2026. Aceptado: 07-04-2026 18
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
Tabla 3
Fuente: Elaboración propia basada en OCDE (2026).
Aunado a lo anterior, estos agentes facilitan la ejecu-
ción de tareas altamente complejas, como el análisis fun-
cional en precios de transferencia. Mediante técnicas de
Generación Aumentada por Recuperación (RAG), el agente
puede consultar instantáneamente la jurisprudencia de la
OCDE y compararla con el contrato local de una multina-
cional para sugerir ajustes scales. Esto democratiza las
capacidades técnicas de las administraciones tributarias,
permitiendo que los países en desarrollo puedan competir
en condiciones más equitativas en la supervisión de gran-
des corporaciones.
Desafíos Éticos, Legales y la Intervención Humana
(Human-in-the-Loop)
A pesar de los benecios tecnológicos, la investiga-
ción resalta que la IA no debe sustituir el juicio profesional
del gerente o auditor tributario. El modelo ideal es un sis-
tema híbrido de “humano en el ciclo” (human-in-the-loop),
donde la IA actúa como un potente copiloto que procesa
datos, pero el funcionario valida los hallazgos y toma la
decisión nal los desafíos detectados incluyen:
• Privacidad y Seguridad: La vulnerabilidad ante ci-
berataques de bases de datos que contienen información
nanciera sensible.
• Responsabilidad Jurídica: La ambigüedad sobre
quién es el responsable de un acto administrativo basado
en un error algorítmico (¿el programador, el funcionario o
el proveedor del software?).
• Brecha de Competencias: El riesgo de marginar a
funcionarios que no posean alfabetización digital avanzada.
Sobre este particular, la gobernanza digital debe es-
tablecer límites claros a la administración electrónica para
asegurar que la digitalización no sobrepase las garantías
fundamentales de los ciudadanos ni vulnere el principio
de capacidad contributiva. Como señala Olivares Olivares
(2022), el diseño de una inteligencia articial garantista
constituye la única estrategia posible para salvaguardar la
paz social y la justicia scal en el largo plazo. En conse-
cuencia, la implementación de estos sistemas no puede
limitarse a una búsqueda ciega de eciencia recaudatoria;
por el contrario, requiere de un marco regulatorio robusto
que tutele el debido proceso y la protección de datos. Solo
mediante un equilibrio entre la potestad scalizadora y
los derechos del contribuyente será posible legitimar el
uso de algoritmos en la gestión pública, evitando que la
opacidad tecnológica se convierta en una barrera para el
ejercicio de la defensa.
Conclusiones
La transformación de la gerencia tributaria hacia un
modelo de scalización inteligente y transparente es una
megatendencia irreversible que redene el contrato social
entre el Estado y el ciudadano. La Inteligencia Articial y la
gobernanza digital ofrecen herramientas sin precedentes
para combatir la evasión, optimizar la recaudación y re-
ducir la complejidad administrativa que históricamente ha
fomentado la informalidad y la corrupción, a partir de los
hallazgos presentados, se concluye que:
1. La IA es un multiplicador de eciencia: Los mo-
delos predictivos y agénticos permiten una detección de
fraude más precisa y una gestión de riesgos que supera las
capacidades de los métodos tradicionales.
2. La transparencia es el requisito de validez: La s-
calización inteligente solo es legítima si es transparente,
explicable y está libre de sesgos algorítmicos. La gober-
nanza digital debe garantizar que el contribuyente no sea
víctima de una “justicia de caja negra”.
3. La crossdisciplinariedad es el motor del cambio:
La gerencia tributaria ya no puede ser entendida de forma
aislada. Requiere profesionales integrales que dominen el
derecho, la contaduría y la tecnología, capaces de liderar
la implementación ética de la IA.
4. Venezuela posee un marco fértil pero incompleto:
Si bien el COT 2020 y las leyes de Infogobierno brindan
facultades potentes, es imperativo desarrollar una infraes-
tructura digital robusta y un marco regulatorio especíco
para la inteligencia articial en la administración pública.
Recomendaciones
Considerando los argumentos expuestos, resulta im-
perativo establecer una hoja de ruta que permita materia-
lizar los benecios de la tecnología en el marco de la ética
pública. Para catalizar la transformación hacia una geren-
cia tributaria inteligente y transparente, especialmente en
el ámbito académico y profesional de la Universidad José
Gregorio Hernández, se proponen diversas acciones estra-
tégicas orientadas a la excelencia institucional.
Recibido: 28-02-2026. Aceptado: 07-04-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
19
Dichas propuestas no solo buscan la actualización
tecnológica, sino también el fortalecimiento del capital in-
telectual y la creación de espacios de investigación donde
converjan el derecho tributario y la ingeniería de datos. En
este sentido, la articulación entre la academia y los entes
recaudadores se presenta como un pilar fundamental para
garantizar que la innovación responda a las necesidades
reales del entorno económico actual, promoviendo así un
modelo de gestión basado en la eciencia y la integridad:
1. Integración Estratégica de la IA: Las administra-
ciones tributarias deben adoptar un enfoque de “cumpli-
miento por diseño”, integrando algoritmos en el ciclo de
vida de los datos económicos para prevenir el incumpli-
miento antes de que ocurra.
2. Fortalecimiento del Talento Humano: Implementar
programas de formación continua en competencias digi-
tales y ética algorítmica. El gerente tributario del futuro
debe ser un “auditor de algoritmos” capaz de interpretar y
validar resultados tecnológicos.
3. Adopción de Estándares Internacionales: Sincroni-
zar las prácticas locales con las guías de la OCDE (Adminis-
tración 3.0) y las normas ISO de responsabilidad social y
gestión de datos para proyectar una imagen institucional
sólida y comprometida.
4. Transparencia y Participación Ciudadana: Crear
canales digitales abiertos que faciliten el acceso a la in-
formación tributaria y permitan al contribuyente auditar
su propio perl de riesgo, fomentando la conanza y el
cumplimiento voluntario.
5. Inversión en Innovación y Ciberseguridad: Priorizar
el gasto público en infraestructuras digitales seguras y en el
desarrollo de IA explicable (XAI) para minimizar los riesgos
de errores operativos y vulneraciones de privacidad.
En denitiva, al aplicar de manera sistemática estas
recomendaciones, la gerencia tributaria podrá trascender
su rol tradicional de recaudación para convertirse en un
pilar fundamental de justicia social y transparencia ins-
titucional. Este cambio de paradigma permitiría impulsar
un desarrollo económico sustentable, sustentado en una
innovación cross-disciplinaria que integre el derecho, la
ética y la ciencia de datos.
Bajo esta óptica, el uso de herramientas tecnológicas
avanzadas no solo optimizaría la eciencia administrativa,
sino que también fortalecería el contrato social al reducir
las brechas de desigualdad y combatir la opacidad en el
manejo de los recursos públicos. De este modo, la admi-
nistración tributaria se posicionaría como un referente
de modernidad y ética, capaz de responder con agilidad
a las complejidades del entorno global contemporáneo,
garantizando siempre el respeto absoluto a los derechos
fundamentales de cada contribuyente dentro del sistema.
Referencias Bibliográcas
Aguilar Morocho, C. E., Jiménez Sánchez, N. S., & Orellana
Ulloa, M. N. (2025). Uso de la inteligencia articial en
la prevención de la evasión scal: eciencia, trans-
parencia y desafíos éticos en El Oro. Sociedad & Tec-
nología, 8(53), 1311–1329. https://doi.org/https://doi.
org/10.51247/st.v8iS3.693
Asamblea Nacional Constituyente. (2020). Código Orgánico
Tributario. Gaceta Ocial de la República Bolivariana
de Venezuela, N° 6.507 Extraordinario. https://www.
asambleanacional.gob.ve/storage/documentos/le-
yes/decreto-constituyente-mediante-el-cual-se-dic-
ta-el-codigo-organico-tributario-20211019155621.pdf
Asamblea Nacional de Venezuela. (2012). Ley Penal del
Ambiente. Venezuela: Gaceta Ocial de la República
Bolivariana de Venezuela, N° 39.913. https://www.
asambleanacional.gob.ve/storage/documentos/le-
yes/ley-penal--20211109143642.pdf
Belahouaoui, R., & Alm, J. (2025). Tax Fraud Detection Using
Articial Intelligence-Based Technologies: Trends and
Implications. J. Risk Financial Manag. https://doi.org/
https://doi.org/10.3390/jrfm18090502
Boyatzis, R. E. (2008). Competencies in the 21st century.
Journal of Management Development,, Vol. 27 No. 1,
pp. 5-12. https://doi.org/10.1108/02621710810840730
Centro Interamericano de Administraciones Tributarias
(CIAT). (2025). www.ciat.org. https://www.ciat.org/
Escalante Rua, O. I. (2025). Innovación Digital En La Gestión
Pública: Retos Jurídicos En Venezuela. Revista Mom-
boy Fondo editorial UVM(23), 165–173. https://doi.org/
https://doi.org/10.70219/mby-232025-387
OECD. (2025). Governing with Articial Intelligence: The
State of Play and Way Forward in Core Government
Functions. Paris: OECD Publishing. https://doi.org/ht-
tps://doi.org/10.1787/795de142-en
OECD. (2025). Tax Administration 2025: Comparative Infor-
mation on OECD and other Advanced and Emerging
Economies,. Paris: OECD Publishing. https://doi.org/
https://doi.org/10.1787/cc015ce8-en
Olivares Olivares, B. D. (2022). La inteligencia articial en
la relación entre los obligados y la administración tri-
butaria: retos ante la gestión tecnológica. La Laey. ht-
tps://dialnet.unirioja.es/servlet/libro?codigo=888047
Recibido: 28-02-2026. Aceptado: 07-04-2026 20
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
Ordoñez Sanchez, S. G., Hernádez Barrena, G., Paz Muñoz,
R., Aguilar Pliego, G., & Herrera Martínez, V. J. (2025). La
Inteligencia Articial como Herramienta para la Ges-
tión de Impuestos. Veritas De Difusão Cientíca, 6(1),
1561–1586. https://doi.org/https://doi.org/10.61616/
rvdc.v6i1.472
Ossandón Cerda, F. (2025). INTELIGENCIA ARTIFICIAL EN LAS
ADMINISTRACIONES TRIBUTARIAS:. Centro de Estudios
Tributarios de la Universidad de Chile. https://revis-
taestudiostributarios.uchile.cl/index.php/RET/arti-
cle/download/60703/64473/206650
Santini Rodríguez, F. J. (2026). Inteligencia articial en la
scalización gubernamental: avances, desafíos y
perspectivas éticas desde una revisión sistemática.
Revista InveCom, 6(3). https://doi.org/https://doi.
org/10.5281/zenodo.17807616
Shehu, T. S. (2025). The Impact of AI on Tax Compliance and
Reporting,. Zenodo, 2(11), 86-105. https://doi.org/ht-
tps://doi.org/10.5281/zenodo.15593177
Tobón, S. (2013). Formación integral y competencias. Pen-
samiento complejo, currículo, didáctica y evaluación.
(4ta. Ed.). Bogotá: ECOE. https://www.researchgate.
net/profile/Sergio_Tobon4/publication/319310793_
Formacion_integral_y_competencias_Pensamien-
to_complejo_curriculo_didactica_y_evaluacion/
links/59a2edd9a6fdcc1a315f565d/Formacion-inte-
gral-y-competencias-Pensamiento-complejo-curricul
Innovación y Gerencia. Revista cientíca arbitrada
Vol XII. Edición Especial Nº1. Junio 2026, pp. 21 - 26
UJGH ISSN: 3005-5172
Depósito legal: ZU2023000012
DESHUMANIZACIÓN DEL TRABAJO E
INTELIGENCIA ARTIFICIAL
Lisbeth Milena Chirinos Portillo
Abogada (Summa Cum Laude) Universidad del Zulia (LUZ); Magíster Scientiarum en
Derecho Laboral y Administración del Trabajo (LUZ); Doctora en Ciencias Jurídicas
(LUZ); Postdoctora en Derechos Humanos (LUZ); Docente e Investigadora (LUZ).
Correo Electrónico: lisbethmchirinosp@gmail.com
ORCID: https://orcid.org/0000-0002-8034-2443
RESUMEN: El trabajo tiene como eje central al ser humano, de allí que sus históri-
cas luchas sociales se centren en protegerlo incluso ante herramientas de auxilio y
colaboración. Así, el objetivo principal de esta investigación es analizar la deshuma-
nización del trabajo por el uso de la inteligencia articial. Para abordar la temática,
la metodología es propicia para el nivel exploratorio, y el método es el analítico de
tipo bibliográco-documental, las fuentes medulares son Chirinos Portillo (2022) y la
Organización Internacional del Trabajo. Entre los resultados se encuentra que el tra-
bajo es un derecho humano con fecunda aceptación en el corpus iuris internacional;
asimismo, aunque los diversos trabajos podrían verse inuidos por la inteligencia
articial generativa, se trataría de una transformación y no de una sustitución total.
De allí que, la inteligencia articial se asuma como un componente innovador del
trabajo, lo cual no signica la total deshumanización del trabajo. La limitación con-
sistió en encontrar un perl ético general en torno al uso de la IA en las dinámicas
laborales, lo cual puede dar lugar a futuras investigaciones. La principal conclusión
se orienta a que, en el futuro convienen regulaciones internacionales que estandari-
cen el uso de las tecnologías en el campo laboral, las cuales deben tener por norte la
humanización del trabajo incluso con el uso de la inteligencia articiale.
PALABRAS CLAVE: relaciones laborales, inteligencia articial, derechos humanos.
Introducción
El trabajo humano es cambiante, las expresiones del mismo
se adecuan a las realidades en las que se desarrolla, pero en cada
conguración y reconguración la constante es la persona con un
rol preponderante en las luchas sociales que le han permitido al-
canzar prerrogativas en la prestación del servicio, pues el trabajo
no solo constituye en sí un derecho humano, sino que a partir de
él se crean otros tantos en función de la dignidad. Adicionalmente,
las tecnologías forman parte del quehacer humano, la digitalización
da lugar a prácticas que requieren de conocimientos y habilidades
centradas en algoritmos que ameritan ser regulados, como sucede
con la inteligencia articial (IA).
En un estudio de Benhamou (2022, pág. 14), sostiene que, “la
IA probablemente automatizará algunas de las tareas que compo-
nen una profesión, pero no todas”. Ahra bien, el trabajo y la IA no
se pueden analizar de forma aislada del contexto social, jurídico,
económico, político y cultural, las tendencias envuelven a “la evo-
lución real del mercado laboral, incluidos el empleo, los salarios
y las transiciones laborales, así como con factores económicos e
institucionales más amplios que inuyen en la adopción de la IA”
(Organización Internacional del Trabajo, 2026).
DEHUMANIZATION OF WORK AND ARTIFICIAL INTELLIGENCE
ABSTRACT: Work revolves centrally around the human being, which is why historical social
struggles have focused on protecting workers, even against tools intended for assistance
and collaboration. Thus, the main objective of this research is to analyze the dehumani-
zation of work resulting from the use of articial intelligence. To address this topic, an
exploratory methodology was employed using a bibliographic-documentary analytical me-
thod, with primary sources including Chirinos Portillo (2022) and the International Labour
Organization. Among the ndings, it is highlighted that work is a human right with broad
acceptance within the international corpus iuris; furthermore, although various jobs could
be inuenced by generative articial intelligence, this would represent a transformation
rather than complete substitution. Consequently, articial intelligence should be assumed
as an innovative component of work, which does not imply the total dehumanization of
labor. The main limitation was nding a general ethical framework regarding the use of AI
in labor dynamics, opening avenues for future research. The primary conclusion highlights
that future international regulations standardizing the use of technology in the workplace
are necessary, and these must aim to ensure the humanization of work even when utilizing
articial intelligence.
KEYWORDS: labor relations, articial intelligence, human rights.
DESUMANIZAÇÃO DO TRABALHO E INTELIGÊNCIA ARTIFICIAL
RESUMO: O trabalho tem o ser humano como seu eixo central, motivo pelo qual suas histó-
ricas lutas sociais se concentram em protegê-lo, inclusive diante de ferramentas de auxílio
e colaboração. Assim, o objetivo principal desta pesquisa é analisar a desumanização do
trabalho pelo uso da inteligência articial. Para abordar a temática, a metodologia adotada
foi adequada ao nível exploratório, utilizando o método analítico do tipo bibliográco-do-
cumental, cujas fontes centrais foram Chirinos Portillo (2022) e a Organização Internacio-
nal do Trabalho. Entre os resultados, verica-se que o trabalho é um direito humano com
ampla aceitação no corpus iuris internacional; além disso, embora diversas ocupações
possam ser inuenciadas pela inteligência articial generativa, trata-se de uma transfor-
mação e não de uma substituição total. Assim, a inteligência articial deve ser assumida
como um componente inovador do trabalho, o que não signica a total desumanização das
relações laborais. A limitação consistiu em encontrar um perl ético geral sobre o uso da
IA nas dinâmicas de trabalho, o que pode dar origem a futuras investigações. A principal
conclusão aponta que, no futuro, são convenientes regulamentações internacionais que
padronizem o uso das tecnologias no campo laboral, as quais devem ter como norte a
humanização do trabalho, mesmo com o uso da inteligência articial.
PALAVRAS-CHAVE: relações de trabalho, inteligência articial, direitos humanos..
DÉSHUMANISATION DU TRAVAIL ET INTELLIGENCE ARTIFICIELLE
RÉSUMÉ: Le travail place l’être humain au cœur de son existence, c’est pourquoi ses luttes
sociales historiques se sont concentrées sur sa protection, y compris face à des outils d’as-
sistance et de collaboration. Ainsi, l’objectif principal de cette recherche est d’analyser la
déshumanisation du travail découlant de l’utilisation de l’intelligence articielle. Pour trai-
ter ce sujet, la méthodologie retenue s’inscrit dans une démarche exploratoire et s’appuie
sur une méthode analytique de type bibliographique et documentaire, ayant pour sources
fondamentales Chirinos Portillo (2022) et l’Organisation internationale du Travail. Parmi les
résultats, il ressort que le travail est un droit humain largement reconnu dans le corpus iu-
ris international ; de plus, bien que divers emplois puissent être inuencés par l’intelligen-
ce articielle générative, il s’agirait d’une transformation et non d’une substitution totale.
Dès lors, l’intelligence articielle doit être considérée comme une composante innovante
du travail, ce qui ne signie pas la déshumanisation totale de l’activité professionnelle. La
limite de l’étude a résidé dans la difculté à dénir un prol éthique global concernant
l’usage de l’IA dans la dynamique du travail, ce qui ouvre la voie à de futures recherches. La
principale conclusion souligne qu’à l’avenir, il conviendra d’adopter des réglementations
internationales harmonisant l’usage des technologies dans le domaine professionnel, les-
quelles devront avoir pour cap la humanisation du travail, y compris lors de l’utilisation de
l’intelligence articielle.
MOTS-CLÉS: relations professionnelles, intelligence articielle, droits de l’homme.
Recibido: 14-01-2026. Aceptado: 22-04-2026 21
Recibido: 14-01-2026. Aceptado: 22-04-2026 22
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
Lo planteado amerita ser considerado objeto de estu-
dio, de allí que el propósito medular de esta investigación
consiste en analizar la deshumanización del trabajo por
el uso de la inteligencia articial. Para ello, este manus-
crito se divide en dos grandes aspectos teóricos, a saber:
1. El ser humano como centro de la actividad laboral y, 2.
Inteligencia articial en el trabajo ¿progreso social?, pos-
teriormente se trazan algunas reexiones en cuanto a la
metodología, análisis, discusión y conclusiones.
Aspectos teóricos
El ser humano como centro de la actividad laboral
Los nuevos modelos de organización y de trabajo van
de la mano con la complejidad asociada a los cambios del
entorno, mismos que en la actualidad se reeren al uso de
las tecnologías, que apalancan las tendencias del futuro
del trabajo, es así que las organizaciones deben crear una
fuerza laboral más comprometida y conectada con la or-
ganización, lo cual implica establecer nuevas estrategias
para la gestión del talento humano (Del Canto, Mercado, &
Castillo, 2024), a lo que se agrega la imperiosa necesidad
de incentivar y reforzar los conocimientos en materia de
digitalización.
Lo que inquieta a los estudiosos es que las relaciones
laborales innovadoras surgen fuera del cauce que hasta
ahora había contenido las relaciones generales y especia-
les del trabajo y sin que conguren tampoco las formas
clásicas de contratación del derecho común. Se teme, en
esas condiciones, que lleguen a generar un nuevo orde-
namiento laboral distinto y contrario en sus principios al
que hasta ahora ha estado rigiendo la relación de trabajo,
o que la ausencia de regulación de ese nuevo fenómeno
engendre situaciones anómalas e irregulares que puedan
minar la ecacia de los sistemas de relaciones laborales
(Córdova, 1986, págs. 431-432).
Asimismo, la dimensión humana del trabajo no pasa
desapercibida, indistintamente la época laboral sobre la
que se reexión, pues el trabajo es inherente al ser hu-
mano. Al contratar no se pueden desligar las funciones y
habilidades de los valores y personalidad humana, de allí,
incluso la sensibilidad social que acompaña a los estudios
del trabajo. “Fluctuaciones de la economía, las decisiones
políticas y los vaivenes de la sociedad impactan en el mun-
do laboral y viceversa (…), el punto central de la regulación
del trabajo ha sido la protección de la persona que presta
el servicio” (Chirinos Portillo, 2022, pág. 17).
En otras palabras, ante los cambios mundiales que no
son ajenos al campo laboral, debe prevalecer esa tutela a
través de las normas internacionales del trabajo y las que
se incorporen a los distintos ordenamientos jurídicos para
evitar lo que Ferrajoli describe de la siguiente manera:
El vacío de un derecho público global, colmado por el
derecho privado producido por los mismos actores de la
economía y de las nanzas; en la consecuente sustitución
del imperio de la ley y su heteronomía por el imperio del
contrato y de la autonomía privada como fuente privile-
giada de la producción jurídica; en suma, en la armación
como verdadera grund-norm del orden mundial, no ya de
las constituciones nacionales y las cartas internacionales
de los derechos, sino de la ley del mercado (Ferrajoli, 2016,
pág. 262).
Es tal el carácter central del ser humano en el trabajo,
que está constituido en un derecho humano estipulado en
la normativa de la Declaración Universal de Derechos Hu-
manos (Asamblea General de las Naciones Unidas, 1948) y
en el Pacto Internacional de Derechos Económicos, Socia-
les y Culturales (Asamblea General de las Naciones Unidas,
1966) aunado a las declaraciones, convenios, protocolos y
recomendaciones que promulga la Organización Interna-
cional del Trabajo (OIT) desde 1919. Se asume, entonces,
que el trabajo no es una mercancía, se concibe como un
derecho fundamental para la dignidad humana.
Pues permite que cada individuo desarrolle sus ca-
pacidades, tenga un sentido de pertenencia y contribuya
activamente a la sociedad. El trabajo aporta más que una
remuneración económica, incide en la realización personal
del individuo; a nivel social, el trabajo impulsa el desa-
rrollo económico, pues permite a las personas generar
ingresos, acceder a servicios básicos y mejorar su calidad
de vida (Hernández-Infante, Pupo-Pupo, & Isea-Argüelles,
2025, pág. 174).
De hecho, el trabajo conere una inmensa red de
contactos entre personas con formación y habilidades se-
mejantes, intereses similares que los conectan entre sí, y
por ende, con la sociedad. Aunado a ello, se concretan las
conexiones formales de las leyes y los pactos; las conexio-
nes personales y colaborativas con quienes se interactúa
en el trabajo; paralelamente, las conexiones asociativas
y comunitarias que suele generar el trabajo; las conexio-
nes materiales y de imagen que denen la jerarquía y el
estatus; y las conexiones que denen el equilibrio y el
desequilibrio entre vida privada y vida laboral (Organiza-
ción Internacional del Trabajo. Comisión Mundial sobre el
futuro del trabajo, 2018).
Inteligencia articial en el trabajo ¿progreso social?
La IA “es una tecnología que tiene el potencial de
transformar la sociedad y el orden jurídico-constitucional,
al afectar a diversos ámbitos y derechos fundamentales”
(Pérez-Ugena, 2024, pág. 309), “consiste en ejecutar ope-
raciones comparables a las que realiza la mente humana,
como el aprendizaje o el razonamiento lógico, a través de
la creación de programas informáticos” (Aragüéz Valenzue-
la, 2024, pág. 29).
Recibido: 14-01-2026. Aceptado: 22-04-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
23
La IA abarca una amplia gama de tecnologías que pue-
den denirse como “sistemas adaptativos de autoaprendi-
zaje”. Puede clasicarse en función de las tecnologías, los
propósitos (como el reconocimiento facial o de imágenes),
las funciones (como la comprensión del lenguaje y la reso-
lución de problemas) o los tipos de agentes (incluidos los
robots y los coches autoconducidos).
Además, engloba diversos métodos y disciplinas
como la visión, el reconocimiento de voz y la robótica, y
sirve para mejorar las capacidades humanas tradicionales.
Los recientes avances en inteligencia articial se han visto
impulsados por los avances en capacidad de procesamien-
to informático y el desarrollo de técnicas de manejo de
datos (Organización de las Naciones Unidas, s.f.).
Las actividades que se llevan a cabo por medio de la
IA se incrementan cada vez más, lo que incide en el progre-
so social en tanto las herramientas se utilicen con ética y
respeto de la dignidad humana, parámetros esenciales del
desarrollo humano, y especialmente, del trabajo humano.
Según Statista (s.f.), el mercado de las tecnologías de IA es
enorme, ascendió a unos 244 000 millones de dólares es-
tadounidenses en 2025 y se prevé que crezca mucho más,
superando los 800 millones de dólares estadounidenses
para 2030. Asimismo, cerca del 80 % de las personas uti-
lizan IA, incluso sin darse cuenta, apenas la tercera parte
está consciente de ello; en este enfoque la IA representa
una tecnología está llamada a ser, si no lo es ya, una trans-
formación disruptiva con impacto en todos los ámbitos de
la actividad humana (Romero Míreles, 2023).
Lo dicho acarrea mayores demandas de trabajadores
especializados en tecnologías y digitalización, lo cual es
catalogado como una ventana de oportunidades para nue-
vos esquemas de formación del capital humano, esto ame-
rita impulsar la educación en programación de algoritmos
desde edades tempranas. Al mismo tiempo, los órganos
encargados de regular el uso de la IA tienen que estar a
la par de lo vertiginosos cambios que las innovaciones
requieren.
Entre el 26% y el 38% de los empleos de la región
podrían verse inuidos por la inteligencia articial genera-
tiva, lo más probable es que la tecnología aumente y trans-
forme los puestos de trabajo en lugar de automatizarlos
por completo. En concreto, entre el 8% y el 14% de los
empleos podrían ver mejorada su productividad gracias a
ese tipo de IA, mientras que sólo entre el 2% y el 5% corren
el riesgo de automatización total (Organización Internacio-
nal del Trabajo, 2024). Así las cosas, la Organización de las
Naciones Unidas (ONU) (2024) alerta acerca de regular a
escala mundial el campo de la IA, ello incluye el ámbito
laboral y su impacto en el progreso social.
La OIT preparó en el 2023 y renó en 2025 una meto-
dología para proyectar el futuro de distintas ocupaciones
y tareas en cuanto al uso de IA generativa, vale decir su
reemplazo o transformación, entre los posibles efectos
estimados por la organización se encuentra lo siguiente:
algunas de las tareas en las que no es posible o es menos
posible la automatización se encuentran los recolectores
de basura y desechos, lavadores de vehículos, recolectores
de leña, buzos, mientras que, entre las tareas con mayor
exposición a la automatización se señalan los empleados
de servicios nancieros, estadísticos y de seguros; agentes
de bolsa; empleados de contabilidad (Organización Inter-
nacional del Trabajo, 2025).
El otro aspecto a considerar en las dinámicas labora-
les y la IA tienen que ver ya no directamente con el traba-
jador y la posibilidad (o no) de su sustitución, son desde
el escenario de la toma de decisiones que le competen al
empleador. En este orden de ideas, para la OIT (s.f.), los
trabajadores interactúan con un sistema en lugar de un
gestor humano, lo que reduce el contacto entre los traba-
jadores y sus gestores, debido al uso de la gestión algorít-
mica, con ella las facultades de organizar, asignar, contro-
lar, supervisar y evaluar el trabajo (que tradicionalmente le
corresponden al empleador) las llevan a cabo los sistemas
algorítmicos; esta delegación de funciones de gestión en
algoritmos crece en varios sectores, tales como atención al
cliente, transporte, logística, banca y sanidad, y es el rasgo
denitorio de las plataformas laborales digitales.
Metodología
Esta investigación se traza con una metodología de
diseño cualitativo, pues atiende a las singularidades de la
temática concreta, mismas que se encuentran expresadas
en los acápites de los aspectos teóricos, así como en el de-
sarrollo correspondiente que incorpora el criterio de la au-
tora. Asimismo, es de alcance o nivel exploratorio, toda vez
que establece los aspectos iniciales del objeto de estudio,
vale decir la IA y la deshumanización del trabajo. En todo
caso, para lograr el objetivo planteado en la introducción
el método es el analítico.
Lo dicho es propicio para este estudio bibliográ-
co-documental, pues estos datos “han sido obtenidos por
otros y nos llegan elaborados y procesados de acuerdo con
los nes de quienes inicialmente los elaboran y manejan”
(Tamayo y Tamayo, 2003, pág. 109).
Los criterios de búsqueda de la información se con-
centraron en páginas de organismos multilaterales como
la OIT y la CEPAL, asimismo se concentraron en índices y
catálogos de revistas, tales como Latindex, Scielo, Google
Académico, todo ello a través de palabras o términos como
trabajo, trabajo moderno, inteligencia articial, ética, al-
goritmo. En este sentido, las técnicas son la observación y
el análisis de contenido y, sus instrumentos son la guía de
observación y la cha mixta.
Recibido: 14-01-2026. Aceptado: 22-04-2026 24
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
Resultados
La gestión del talento humano orientada al aprendi-
zaje de competencias digitales y tecnológicas forman parte
de la actualidad laboral y organizacional, pues los cambios
en el mundo del trabajo son una constante. Lo anterior, ha
sido una realidad a la que se enfrenta el trabajo y su regu-
lación, pues el ingenio humano también conlleva a crear
y recrear prácticas con la nalidad de alejar a la persona
del carácter protector que particulariza al Derecho laboral.
Sea desde antes de la Revolución industrial, luego con la
incorporación de la máquina y la industrialización, o se
trate de la implementación de algoritmos a los que se les
establecen ordenes detalladas, sostener la protección de
la persona se corresponde con el propósito de los precep-
tos jurídicos laborales, en especial desde la perspectiva de
las normas de la OIT.
La versatilidad en el trabajo está a la orden del día,
las prestaciones de servicio repetitivas forman parte de un
componente histórico necesario, pero que cada día pare-
ce más lejano. Las nuevas formas de contratación laboral
en las que la temporalidad y el trabajo de resultados son
protagonistas saltan a la palestra desde nales de los se-
tenta y se consolidan como desafíos constantes para las
normativas nacionales e internacionales, pues si bien el
trabajo reviste diferentes matices, no es menos cierto que
continua como lo que es: trabajo.
En este sentido, al asumir que el cambio forma parte
de las construcciones habituales en el mundo laboral, la
IA se corresponde con un elemento más, pero que amerita
de un componente ético importante a efectos de evitar
contraponer al trabajo humano con esa IA, y que la misma
sea asumida como una herramienta de apoyo para el ser
humano, pues tal como lo arrojan las investigaciones de la
OIT, algunas tareas de las múltiples ocupaciones tenderán
a estar más automatizadas que otras, lo cual no signica la
total deshumanización del trabajo.
Discusión
Las prestaciones de servicio en clave laboral obe-
decen a actividades que procuran la subsistencia de la
persona trabajadora y su familia, por lo tanto, tienen que
estar enmarcada en el resguardo del ser humano que
ofrece sus habilidades y tiempo, de allí que el carácter de
persona natural es indivisible de la condición trabajadora.
Y es que, aún con los cambios que se han suscitado a lo
largo de los años en el mundo laboral (desde estados de
indefensión hasta la consolidación de prerrogativas espe-
cícas y no especícas para los trabajadores), lo central es
ese ser humano.
Ese trabajo tiene que desarrollarse dentro del para-
digma de la dignidad indistintamente las herramientas que
se utilicen. Sea el ferrocarril, el telégrafo, la calculadora,
el teléfono, el computador, los satélites, las aplicaciones
web, el trabajador ha requerido de máquinas que optimi-
cen la organización de la fábrica o, en una terminología ac-
tualizada el producto o servicio que se ofrece. De allí que,
la inteligencia articial (IA) se asuma como un componente
innovador del trabajo.
De manera que, aún en los casos en los que la digi-
talización se haga presente en el plano laboral, el aspecto
medular continúa siendo la persona y su indispensable
protección, pues la esencia del trabajo se dirige, funda-
mentalmente, a colmar necesidades humanas. Ello no es
contrario a aceptar innovadoras herramientas, dispositi-
vos, aplicaciones, algoritmos, como auxilios para una mar-
cha ecaz de la producción.
Conclusiones
El ser humano es el protagonista de las relaciones de
trabajo, ha construido todo un sistema de protección para
las prestaciones de servicio y es quien conguró al trabajo
como derecho humano, al mismo tiempo es quien desa-
rrolla la IA, por lo tanto, esos dos componentes dependen
de la ética que la misma persona les imprima. Desde ese
enfoque, la IA tiene que ser considerada un mecanismo de
colaboración para mejorar las prácticas laborales, una he-
rramienta que aminora los riesgos en el trabajo, vale decir
que es un apoyo para el ser humano y no un sustituto del
mismo.
Asimismo, desde el equilibrio histórico que demandan
las relaciones de trabajo en esa dualidad trabajador-em-
pleador hasta la incorporación de esta nueva herramienta
como es la IA, sigue siendo fundamental la coordinación,
dirección y administración de recursos humanos y tecno-
lógicos en los que se asume a la IA como un componente
más del control y la supervisión del trabajo humano por
parte de la gerencia moderna.
Lo dicho es, apenas, una pequeña aproximación. Aún
falta camino por recorrer en el desenvolvimiento de esa
dinámica trabajo humano e inteligencia articial, en el
futuro convienen regulaciones internacionales que estan-
daricen el uso de las tecnologías en el campo laboral, las
cuales deben tener por norte la humanización del trabajo
incluso con IA, esa sería la vía para equilibrar la digitali-
zación con el progreso social, y la dignidad de la persona
trabajadora.
Recibido: 14-01-2026. Aceptado: 22-04-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
25
Referencias Bibliográcas
Aragüéz Valenzuela, L. (2024). Hacia la eticidad algorítmica
en las relaciones laborales. Murcia: Laborum Edicio-
nes. Recuperado el 06 de agosto de 2025, de https://
laborum.es/catalogo/hacia-la-eticidad-algoritmi-
ca-en-las-relaciones-laborales-pdf/
Asamblea General de las Naciones Unidas. (1948). Decla-
ración Universal de Derechos Humanos . New York:
ONU. Resolución 217 A (III). 10 de diciembre de 1948.
Asamblea General de las Naciones Unidas. (1966). Pacto In-
ternacional de Derechos Económicos, Sociales y Cul-
turales. Recuperado el 14 de diciembre de 2022, de ht-
tps://www.ohchr.org/sites/default/les/cescr_SP.pdf
Benhamou, S. (2022). La transformación del trabajo y el
empleo en la era de la inteligencia articial. Aná-
lisis, ejemplos e interrogantes. Santiago: Comisión
Económica para América Latina y el Caribe (CEPAL).
Recuperado el 22 de abril de 2026, de https://re-
positorio.cepal.org/server/api/core/bitstreams/
586b344a-0dac-497c-9290-f8eb1a00221f/conten-
t?utm_source=chatgpt.com
Chirinos Portillo, L. M. (2022). Nuevas formas de contrata-
ción laboral. Origen y tipología. Maracaibo: Ediciones
Clío. Recuperado el 14 de mayo de 2024, de https://
libros.edicionesclio.com/index.php/inicio/catalog/
view/120/151/520
Córdova, E. (1986). Del empleo total al trabajo atípico: ¿Ha-
cia un viraje en la evolución de las relaciones labo-
rales? Revista Internacional del Trabajo, 105(4), 431-
449. Recuperado el 06 de agosto de 2025, de https://
researchrepository.ilo.org/esploro/outputs/journa-
lArticle/Del-empleo-total-al-trabajo-at%C3%ADpi-
co/995274725102676
Del Canto, E., Mercado, J., & Castillo, R. (2024). Principales
transformaciones en el mundo del trabajo: ¿hacia
dónde vamos? Una perspectiva desde la economía,
la tecnología, la ciencia, la educación y lo humano.
Revista Estudios Gerenciales y de las Organizaciones,
8(16), 297-310. Recuperado el 06 de agosto de 2025, de
https://regyo.bc.uc.edu.ve/v8n16/art07.pdf
Ferrajoli, L. (2016). El futuro de la losofía del derecho.
DOXA, Cuadernos de Filosofía del Derecho, 39, 255-
263. doi:10.14198/DOXA2016.39.13
Hernández-Infante, R. C.-M., Pupo-Pupo, Y., & Isea-Argüe-
lles, J. J. (2025). El trabajo: Derecho humano funda-
mental. Iustitia Socialis. Revista Arbitrada de Ciencias
Jurídicas y Criminalísticas, 10(18), 170-181. doi:https://
doi.org/10.35381/racji.v10i18.4382
Organización de las Naciones Unidas. (19 de septiembre de
2024). ONU: La regulación mundial de la IA es necesa-
ria. Recuperado el 06 de agosto de 2025, de https://
news.un.org/es/story/2024/09/1532941
Organización de las Naciones Unidas. (s.f.). Inteligencia
articial (IA). Desafíos globales. Recuperado el 06 de
agosto de 2025, de https://www.un.org/es/global-is-
sues/articial-intelligence
Organización Internacional del Trabajo. (31 de julio de
2024). La IA Generativa podría transformar millones
de empleos en América Latina y el Caribe, pero la
brecha digital plantea desafíos. Recuperado el 08 de
agosto de 2025, de https://www.ilo.org/es/resource/
news/press-release-ai-latin-america
Organización Internacional del Trabajo. (29 de mayo de
2025). ¿Cómo puede afectar la IA generativa a las dis-
tintas ocupaciones? Gráco interactico. Recuperado
el 06 de agosto de 2025, de https://www.ilo.org/es/
resource/articulo/como-puede-afectar-la-ia-genera-
tiva-las-distintas-ocupaciones
Organización Internacional del Trabajo. (17 de abril de
2026). Inteligencia articial. Nuevo informe de la OIT
explica qué revelan los indicadores de exposición a
la IA sobre el empleo. Recuperado el 22 de abril de
2026, de https://www.ilo.org/es/resource/noticias/
nuevo-informe-de-la-oit-explica-que-revelan-los-in-
dicadores-de-exposicion
Organización Internacional del Trabajo. (s.f.). Gestión algo-
rítmica en el lugar de trabajo. Portal temático. Recu-
perado el 06 de agosto de 2025, de https://www.ilo.
org/es/gestion-algoritmica-en-el-lugar-de-trabajo
Organización Internacional del Trabajo. Comisión Mundial
sobre el futuro del trabajo. (15-17 de febrero de 2018).
Nota informativa preparada para la segunda reunión
de la Comisión Mundial sobre el Futuro del Trabajo.
Recuperado el 06 de agosto de 2025, de le:///C:/
Users/pc/Downloads/wcms_618366.pdf
Pérez-Ugena, M. (2024). La Inteligencia Articial: Denición,
regulación y riesgos para los derechos fundamenta-
les. Estudios de Deusto, 72(1), 307-337. doi:https://doi.
org/10.18543/ed.3108.
Recibido: 14-01-2026. Aceptado: 22-04-2026 26
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
Romero Míreles, L. L. (30 de octubre de 2023). Cerca del 80
por ciento de las personas utiliza IA sin darse cuen-
ta. Es una transformación disruptiva. Gaceta UNAM.
Recuperado el 06 de agosto de 2025, de https://www.
gaceta.unam.mx/cerca-del-80-por-ciento-de-las-
personas-utiliza-ia-sin-darse-cuenta/
Statista. (s.f.). Inteligencia articial (IA) en el mundo: es-
tadísticas y datos. Recuperado el 06 de agosto de
2025, de https://www.statista.com/topics/3104/arti-
cial-intelligence-ai-worldwide/
Tamayo y Tamayo, M. (2003). El proceso de investigación
cientíca. México, D.F.: LIMUSA Noriega Editores.
Innovación y Gerencia. Revista cientíca arbitrada
Vol XII. Edición Especial Nº1. Junio 2026, pp. 27 - 34
UJGH ISSN: 3005-5172
Depósito legal: ZU2023000012
GESTIÓN ACADÉMICA INTELIGENTE: COMPETENCIAS EN
INTELIGENCIA ARTIFICIAL PARA GERENTES UNIVERSITARIOS
Juan Andrés Rincón
Postdoctorado en Gerencia de las Organizaciones y Postdoctorado en Ciencias Hu-
manas. Doctor en Ciencias Gerenciales. Magíster en Ciencias de la Comunicación.
Especialista en Actualización y Perfeccionamiento Docente. Licenciado en Comuni-
cación Social. Vicerrector Académico de la Universidad Dr. José Gregorio Hernández.
Coordinador Académico de la Facultad de Ingeniería de LUZ. Editor Asociado de la
Revista Técnica de Ingeniería. Editor Jefe de la Revista Disruptia.
Correo Electrónico: juan.rincon@ujgh.edu.ve
ORCID: https://orcid.org/0000-0002-9240-5122
RESUMEN: En el contexto de la transformación digital de la educación superior, la in-
teligencia articial (IA) se ha consolidado como un componente fundamental para el
fortalecimiento de una gestión académica inteligente. El presente artículo, desarro-
llado bajo un enfoque cualitativo de tipo analítico-documental, tiene como propósi-
to analizar las competencias en inteligencia articial requeridas por los gerentes uni-
versitarios para liderar procesos de innovación, toma de decisiones basada en datos
y transformación institucional en entornos digitales. Teóricamente, la investigación
se sustenta en los aportes de Selwyn (2019), Holmes, Bialik y Fadel (2019), UNESCO
(2024), Deroncele-Acosta et al. (2024), Myszak y Filina-Dawidowicz (2025) y Sposato
(2025), quienes destacan la necesidad de desarrollar competencias digitales, estra-
tégicas y éticas para la gestión educativa en escenarios mediados por inteligencia
articial. Metodológicamente, se realizó una revisión de literatura cientíca recien-
te en bases de datos académicas, considerando criterios de actualidad, pertinencia
y rigor cientíco, lo que permitió identicar tendencias, desafíos y oportunidades
asociadas a la incorporación de la IA en la gestión universitaria. Entre los principa-
les hallazgos se evidencia una brecha entre el avance tecnológico y las capacidades
directivas, así como la ausencia de modelos integrales orientados a la formación
de competencias en inteligencia articial para líderes académicos. Como aporte, se
presenta un modelo estructurado en cinco ejes formativos: cognitivo-conceptual,
ético-crítico, estratégico-organizacional, pedagógico-formativo y relacional-comu-
nicativo, orientado al fortalecimiento de una gestión académica inteligente, crítica
y contextualizada. Se concluye que el desarrollo de competencias en inteligencia
articial constituye un factor estratégico para la transformación sostenible de las
instituciones de educación superior.
PALABRAS CLAVE: gestión académica inteligente; inteligencia articial; competencias en
inteligencia articial; gerencia universitaria.
Introducción
En el contexto de la Cuarta Revolución Industrial, la educa-
ción superior enfrenta un momento de transformación profunda.
Los avances en inteligencia articial, el uso intensivo de datos y los
procesos de automatización están modicando no solo la manera
de enseñar y aprender, sino también la forma en que se organizan,
se gestionan y se dirigen las instituciones universitarias (Selwyn,
2019). Estas tecnologías han dejado de ser herramientas aisladas
para convertirse en elementos que atraviesan toda la dinámica ins-
titucional, inuyendo en la toma de decisiones, en la gestión del
conocimiento y en la capacidad de innovar dentro de las universi-
dades (Holmes, Bialik & Fadel, 2019; Sposato, 2025).
Frente a este escenario, la gerencia académica ya no puede li-
mitarse a las funciones tradicionales asociadas con la planicación
curricular, la administración de recursos o la coordinación docente.
SMART ACADEMIC MANAGEMENT: ARTIFICIAL INTELLIGENCE COMPETENCIES
FOR UNIVERSITY MANAGERS
ABSTRACT: In the context of the digital transformation of higher education, articial inte-
lligence (AI) has become a fundamental component for strengthening intelligent academic
management. This article, developed under a qualitative analytical-documentary approach,
aims to analyze the articial intelligence competencies required by university managers to
lead innovation processes, data-driven decision-making, and institutional transformation
in digital environments. The study is theoretically grounded in the contributions of Selwyn
(2019), Holmes, Bialik, and Fadel (2019), UNESCO (2024), Deroncele-Acosta et al. (2024), Mys-
zak and Filina-Dawidowicz (2025), and Sposato (2025), who emphasize the need to develop
digital, strategic, and ethical competencies for educational management in AI-mediated
contexts. Methodologically, a review of recent scientic literature was conducted using aca-
demic databases, considering criteria of timeliness, relevance, and scientic rigor, which
enabled the identication of trends, challenges, and opportunities associated with the in-
tegration of AI into university management. Among the main ndings, a gap was identied
between technological advancement and managerial capabilities, as well as the absence of
comprehensive models aimed at developing articial intelligence competencies for acade-
mic leaders. As a contribution, a model structured around ve training dimensions is pro-
posed: cognitive-conceptual, ethical-critical, strategic-organizational, pedagogical-deve-
lopmental, and relational-communicative, aimed at strengthening intelligent, critical, and
context-sensitive academic management. It is concluded that the development of articial
intelligence competencies constitutes a strategic factor for the sustainable transformation
of higher education institutions.
KEYWORDS: academic management; articial intelligence; managerial competencies.
GESTÃO ACADÊMICA INTELIGENTE: COMPETÊNCIAS EM INTELIGÊNCIA ARTIFICIAL
PARA GESTORES UNIVERSITÁRIOS
RESUMO: No contexto da transformação digital do ensino superior, a inteligência articial
(IA) consolidou-se como um componente fundamental para o fortalecimento de uma ges-
tão acadêmica inteligente. O presente artigo, desenvolvido sob uma abordagem qualitativa
do tipo analítico-documental, tem como objetivo analisar as competências em inteligência
articial requeridas pelos gestores universitários para liderar processos de inovação, to-
mada de decisões baseada em dados e transformação institucional em ambientes digitais.
Teoricamente, a pesquisa fundamenta-se nas contribuições de Selwyn (2019), Holmes, Bia-
lik e Fadel (2019), UNESCO (2024), Deroncele-Acosta et al. (2024), Myszak e Filina-Dawidowicz
(2025) e Sposato (2025), que destacam a necessidade de desenvolver competências digitais,
estratégicas e éticas para a gestão educacional em cenários mediados pela inteligência
articial. Metodologicamente, realizou-se uma revisão da literatura cientíca recente em
bases de dados acadêmicas, considerando critérios de atualidade, relevância e rigor cientí-
co, o que permitiu identicar tendências, desaos e oportunidades associadas à incorpo-
ração da IA na gestão universitária. Entre os principais achados, evidencia-se uma lacuna
entre o avanço tecnológico e as capacidades diretivas, bem como a ausência de modelos
integrais orientados à formação de competências em inteligência articial para líderes aca-
dêmicos. Como contribuição, apresenta-se um modelo estruturado em cinco eixos formati-
vos: cognitivo-conceitual, ético-crítico, estratégico-organizacional, pedagógico-formativo e
relacional-comunicativo, voltado ao fortalecimento de uma gestão acadêmica inteligente,
crítica e contextualizada. Conclui-se que o desenvolvimento de competências em inteli-
gência articial constitui um fator estratégico para a transformação sustentável das insti-
tuições de ensino superior.
PALAVRAS-CHAVE: gestão acadêmica inteligente; inteligência articial; competências em inteli-
gência articial; gestão universitária.
GESTION ACADÉMIQUE INTELLIGENTE : COMPÉTENCES EN INTELLIGENCE ARTIFICIELLE
POUR LES LES CADRES UNIVERSITAIRES
RÉSUMÉ: Dans le contexte de la transformation numérique de l’enseignement supérieur,
l’intelligence articielle (IA) s’est imposée comme une composante fondamentale pour
le renforcement d’une gestion académique intelligente. Cet article, développé selon une
approche qualitative de type analytique-documentaire, a pour objectif d’analyser les com-
pétences en intelligence articielle requises par les cadres universitaires pour piloter les
processus d’innovation, la prise de décision fondée sur les données et la transformation
institutionnelle dans les environnements numériques. Sur le plan théorique, la recherche
s’appuie sur les contributions de Selwyn (2019), Holmes, Bialik et Fadel (2019), l’UNESCO
(2024), Deroncele-Acosta et al. (2024), Myszak et Filina-Dawidowicz (2025) ainsi que Sposato
(2025), qui soulignent la nécessité de développer des compétences numériques, stratégi-
ques et éthiques pour la gestion éducative dans des contextes médiatisés par l’intelligence
articielle. Sur le plan méthodologique, une revue de la littérature scientique récente a
été réalisée dans des bases de données académiques, en tenant compte de critères d’ac-
tualité, de pertinence et de rigueur scientique, ce qui a permis d’identier les tendances,
les dés et les opportunités associés à l’intégration de l’IA dans la gestion universitaire.
Parmi les principaux résultats, il apparaît un écart entre les progrès technologiques et les
capacités de direction, ainsi que l’absence de modèles globaux orientés vers la forma-
tion aux compétences en intelligence articielle pour les leaders académiques. À titre de
contribution, un modèle structuré autour de cinq axes de formation est présenté : cog-
nitif-conceptuel, éthique-critique, stratégique-organisationnel, pédagogique-formatif et
relationnel-communicatif, visant à renforcer une gestion académique intelligente, critique
et contextualisée. En conclusion, le développement des compétences en intelligence arti-
cielle constitue un facteur stratégique pour la transformation durable des établissements
d’enseignement supérieur.
MOTS-CLÉS: gestion académique intelligente ; intelligence articielle ; compétences en inte-
lligence articielle ; gestion universitaire.
Recibido: 25-03-2026. Aceptado: 05-05-2026 27
Recibido: 25-03-2026. Aceptado: 05-05-2026 28
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
Hoy se le exige responder a entornos más complejos, cam-
biantes y altamente mediados por tecnología. Esto implica
incorporar nuevas competencias que permitan actuar con
criterio, exibilidad y sentido estratégico en medio de
procesos de transformación digital cada vez más acele-
rados. En esta línea, distintos estudios coinciden en que
la incorporación efectiva de la inteligencia articial en la
educación superior no depende únicamente de disponer
de herramientas tecnológicas, sino de contar con directi-
vos capaces de comprenderlas, interpretarlas y utilizarlas
de forma consciente y responsable (Myszak & Filina-Dawi-
dowicz, 2025).
A pesar de los avances tecnológicos observados en
la educación superior, persisten importantes desafíos
relacionados con las competencias que requieren los
directivos universitarios para integrar la inteligencia arti-
cial en los procesos de gestión académica. Organismos
internacionales como la UNESCO (2024) han señalado la
necesidad de fortalecer las capacidades de liderazgo di-
gital y promover marcos de competencias que orienten el
uso ético, estratégico y responsable de estas tecnologías
en las instituciones educativas.
En este contexto, resulta pertinente reexionar sobre
las competencias en inteligencia articial que deben desa-
rrollar los gerentes universitarios para conducir procesos
de transformación institucional, favorecer la toma de de-
cisiones basada en evidencia y fortalecer una gestión aca-
démica inteligente. Desde esta perspectiva, la inteligencia
articial trasciende su condición de herramienta tecnoló-
gica para convertirse en un componente estratégico del
liderazgo universitario contemporáneo.
A partir de esta realidad, el presente artículo tiene
como propósito analizar las competencias en inteligencia
articial requeridas por los gerentes universitarios para el
desarrollo de una gestión académica inteligente y propo-
ner un modelo formativo orientado al fortalecimiento de
dichas competencias en contextos de transformación digi-
tal. Para ello, se desarrolla un estudio de carácter cualita-
tivo bajo un enfoque analítico-documental sustentado en
la revisión e interpretación de literatura cientíca reciente.
El trabajo se organiza en cuatro apartados. En primer
lugar, se presentan los fundamentos teóricos relacionados
con la gestión académica inteligente, las competencias
gerenciales y la inteligencia articial en la educación su-
perior. Seguidamente, se describe la metodología utilizada
para el desarrollo del estudio. Posteriormente, se exponen
los resultados y su discusión. Finalmente, se presenta una
propuesta de modelo de competencias en inteligencia
articial para gerentes universitarios y las conclusiones
derivadas del análisis realizado.
De esta manera, el artículo busca contribuir a la com-
prensión de los desafíos que plantea la transformación
digital para la gestión universitaria, ofreciendo orientacio-
nes que puedan servir de referencia para los procesos de
formación directiva y el fortalecimiento de las capacidades
institucionales en educación superior.
Fundamentación Teórica
Gestión académica en entornos de
transformación digital
La gestión académica universitaria ha experimenta-
do una transformación signicativa en el contexto de la
sociedad digital, caracterizada por la incorporación de
tecnologías que redenen los procesos organizativos, pe-
dagógicos y administrativos. Tradicionalmente, la gestión
académica se ha centrado en funciones vinculadas con la
planicación curricular, la administración de recursos y la
coordinación de actividades docentes; sin embargo, en la
actualidad, estas funciones se ven ampliadas por la ne-
cesidad de integrar sistemas digitales, plataformas tecno-
lógicas y herramientas de análisis de datos que permitan
una gestión más eciente y pertinente.
En este sentido, la inteligencia articial se posicio-
na como un elemento clave en la evolución de la gestión
académica, al posibilitar la automatización de procesos, la
optimización de la toma de decisiones y la gestión inte-
ligente del conocimiento institucional. Estudios recientes
destacan que la incorporación de tecnologías basadas en
IA permite a las universidades mejorar la eciencia ope-
rativa, anticipar riesgos como la deserción estudiantil y
diseñar estrategias más ajustadas a las necesidades del
entorno (Deroncele-Acosta et al., 2024). En consecuencia,
la gestión académica contemporánea no puede desvincu-
larse del uso estratégico de la información y de las capa-
cidades analíticas que ofrecen los sistemas inteligentes.
Organizaciones universitarias inteligentes y
gestión basada en datos
La gestión académica universitaria ha venido trans-
formándose de manera progresiva en el marco de la socie-
dad digital. La incorporación de tecnologías ha modicado
la forma en que se organizan los procesos académicos, pe-
dagógicos y administrativos, generando nuevas dinámicas
dentro de las instituciones de educación superior. Durante
mucho tiempo, la gestión académica estuvo centrada en
tareas como la planicación curricular, la administración
de recursos y la coordinación de las actividades docentes.
Hoy estas funciones siguen siendo importantes, pero re-
sultan insucientes frente a las exigencias actuales.
La realidad institucional demanda ahora la integración
de sistemas digitales, plataformas tecnológicas y herra-
mientas de análisis de datos que permitan tomar decisiones
Recibido: 25-03-2026. Aceptado: 05-05-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
29
con mayor precisión y responder de manera más oportuna
a los cambios del entorno. Esto ha llevado a replantear el
sentido mismo de la gestión académica, que ya no puede
entenderse únicamente desde lo operativo, sino también
desde su capacidad para adaptarse, innovar y anticiparse a
los desafíos que enfrenta la educación superior.
En este proceso, la inteligencia articial ha comenza-
do a ocupar un lugar central. Su incorporación permite au-
tomatizar tareas, mejorar los procesos de decisión y apro-
vechar de forma más eciente la información disponible
dentro de las instituciones. Distintos estudios señalan que
el uso de estas tecnologías contribuye a optimizar la ges-
tión universitaria, identicar situaciones de riesgo como la
deserción estudiantil y diseñar estrategias más ajustadas
a las necesidades reales de los contextos educativos (De-
roncele-Acosta et al., 2024).
Desde esta perspectiva, resulta cada vez más evi-
dente que la gestión académica contemporánea está es-
trechamente vinculada con el uso estratégico de la infor-
mación. La capacidad de interpretar datos, comprender su
signicado y utilizarlos de manera pertinente se convierte
en un elemento fundamental para fortalecer los procesos
institucionales y orientar la toma de decisiones en entor-
nos cada vez más complejos.
Competencias gerenciales del directivo universi-
tario en la era digital
Las competencias gerenciales en el ámbito universi-
tario han ido cambiando en la medida en que la educación
superior enfrenta transformaciones sociales, tecnológicas
y organizacionales cada vez más complejas (Fullan, 2014).
Durante mucho tiempo, estas competencias estuvieron
asociadas principalmente con la planicación, la organi-
zación, la comunicación y el liderazgo. Sin embargo, en el
contexto actual, estas capacidades resultan insucientes
si no se complementan con habilidades relacionadas con
el uso de tecnologías digitales y la gestión de entornos
dinámicos (Selwyn, 2019).
En este marco, distintos autores coinciden en que el
gerente académico del siglo XXI necesita desarrollar com-
petencias que vayan más allá de lo operativo. Se trata de
integrar dimensiones estratégicas, digitales y socioemo-
cionales que le permitan actuar con criterio en escenarios
marcados por la incertidumbre y el cambio constante
(Myszak & Filina-Dawidowicz, 2025). Entre las capacidades
más relevantes se encuentran el pensamiento crítico, la
toma de decisiones apoyada en datos, la gestión del cam-
bio, la comunicación efectiva y el liderazgo colaborativo,
aspectos que hoy resultan fundamentales para conducir
procesos institucionales complejos (Fullan, 2014).
La incorporación de la inteligencia articial aña-
de una nueva exigencia a este perl. No se trata solo de
utilizar herramientas tecnológicas, sino de comprender
cómo funcionan, interpretar los resultados que generan y
valorar sus implicaciones, especialmente en el plano ético
(Sposato, 2025). Desde esta mirada, la inteligencia articial
no solo transforma los instrumentos disponibles para la
gestión académica, sino que también redene las compe-
tencias de quienes asumen roles de dirección dentro de
las instituciones universitarias.
Inteligencia articial como competencia estratégica
La inteligencia articial ha dejado de ser vista única-
mente como una herramienta tecnológica para posicionar-
se como una competencia estratégica en distintos ámbitos
organizacionales, incluyendo la educación superior. Su
incorporación en la gestión académica no se limita al uso
de aplicaciones especícas, sino que implica comprender
cómo funcionan estas tecnologías, reconocer sus posibili-
dades y valorar su impacto en los procesos institucionales.
En esta línea, Sposato (2025) plantea que los líderes
educativos necesitan desarrollar competencias en inteli-
gencia articial que integren aspectos técnicos, estraté-
gicos y éticos, de manera que puedan tomar decisiones
informadas y actuar con responsabilidad en entornos cada
vez más mediados por tecnología. Al mismo tiempo, orga-
nismos internacionales como la UNESCO (2024) han insis-
tido en la importancia de contar con marcos de referencia
que orienten la formación de directivos en el uso adecua-
do de la inteligencia articial dentro del ámbito educativo.
Desde el punto de vista gerencial, la inteligencia ar-
ticial se expresa en varios niveles. Por un lado, permite
optimizar procesos administrativos mediante la automati-
zación de tareas que antes requerían mayor esfuerzo ope-
rativo. También ofrece soporte para la toma de decisiones
a partir del análisis de datos, facilitando una visión más
clara de las dinámicas institucionales. A su vez, impulsa
la innovación al abrir posibilidades para el desarrollo de
nuevas estrategias pedagógicas y formas de gestión más
ajustadas a las demandas actuales.
A pesar de sus ventajas, el uso de la inteligencia ar-
ticial en la gestión académica también plantea retos que
no pueden ser ignorados. Aspectos como los sesgos en los
algoritmos, la falta de transparencia en algunos sistemas
y el manejo de información sensible exigen una mirada
crítica por parte de quienes toman decisiones. Esto supo-
ne asumir una postura responsable frente a la tecnología,
considerando sus implicaciones éticas y su impacto en la
equidad dentro de las instituciones educativas (Deronce-
le-Acosta et al., 2024).
Recibido: 25-03-2026. Aceptado: 05-05-2026 30
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
Brechas formativas y necesidad de un modelo de
competencias en inteligencia articial
A pesar del creciente interés por la incorporación de
la inteligencia articial en la educación superior, la litera-
tura evidencia importantes limitaciones en la formación
de los directivos universitarios para su uso estratégico
en los procesos de gestión académica. Diversos estudios
coinciden en que las iniciativas de capacitación suelen
concentrarse en competencias digitales generales o en el
uso instrumental de tecnologías, sin abordar de manera
integral las capacidades requeridas para liderar procesos
de transformación institucional apoyados en inteligencia
articial (Deroncele-Acosta et al., 2024; Myszak & Fili-
na-Dawidowicz, 2025).
Esta situación ha generado una brecha entre las
posibilidades que ofrecen los sistemas inteligentes y las
competencias disponibles para su adecuada incorpora-
ción en la gestión universitaria. En consecuencia, surge la
necesidad de diseñar modelos formativos que articulen
dimensiones cognitivas, estratégicas, éticas, pedagógicas
y organizacionales, permitiendo a los gerentes académicos
comprender, evaluar e integrar la inteligencia articial de
manera crítica y contextualizada dentro de sus institucio-
nes.La IA como competencia gerencial se maniesta en
diferentes niveles. En primer lugar, como herramienta para
la optimización de procesos administrativos mediante la
automatización de tareas repetitivas. En segundo lugar,
como soporte para la toma de decisiones basada en da-
tos, a través de sistemas de analítica predictiva (Deron-
cele-Acosta et al., 2024). En tercer lugar, como motor de
innovación institucional, al facilitar la implementación
de nuevas estrategias pedagógicas y modelos de gestión
orientados a la mejora continua.
No obstante, el uso de la IA en la gestión académica
plantea desafíos importantes relacionados con la ética, la
transparencia y la equidad. La existencia de sesgos algo-
rítmicos, la opacidad de ciertos sistemas y los riesgos aso-
ciados al manejo de datos sensibles obligan a los gerentes
académicos a desarrollar una postura crítica y responsable
frente a estas tecnologías (Deroncele-Acosta et al., 2024;
UNESCO, 2024).
Métodos
La investigación se desarrolló bajo el paradigma in-
terpretativo, con enfoque cualitativo y diseño documental,
orientado al análisis de la producción cientíca relacionada
con las competencias en inteligencia articial para la ges-
tión académica universitaria. Este tipo de estudio permite
comprender, interpretar y sistematizar conocimientos pro-
venientes de fuentes documentales con el propósito de ge-
nerar nuevas reexiones teóricas sobre un fenómeno deter-
minado (Arias, 2016; Hernández-Sampieri y Mendoza, 2018).
El proceso de búsqueda y selección documental se
realizó en bases de datos académicas de reconocido pres-
tigio, entre ellas Scopus, Web of Science, ERIC, Dialnet y
Google Scholar. Para la localización de los documentos se
emplearon combinaciones de palabras clave tales como:
inteligencia articial, gestión académica, liderazgo univer-
sitario, competencias digitales, educación superior y trans-
formación digital. La selección de las fuentes respondió a
criterios de actualidad, pertinencia temática, relevancia
cientíca y relación directa con el objeto de estudio.
Como técnica de recolección de información se utilizó
la revisión documental. Para la organización y sistematiza-
ción de los datos se emplearon chas de registro y matrices
de análisis documental, las cuales permitieron identicar
autores, conceptos centrales, enfoques teóricos, compe-
tencias asociadas a la inteligencia articial y principales
aportes para la gestión académica universitaria.
El análisis de la información se desarrolló mediante
la técnica de análisis de contenido temático. Este proce-
dimiento permitió la codicación, categorización e inter-
pretación de los hallazgos encontrados en la literatura
revisada. A partir de este proceso emergieron categorías
relacionadas con la gestión académica inteligente, las
competencias gerenciales en entornos digitales, la inteli-
gencia articial como competencia estratégica y las bre-
chas formativas existentes en los directivos universitarios.
Posteriormente, se realizó un proceso de integra-
ción y contrastación de los hallazgos identicados en las
diferentes fuentes, lo que permitió establecer relaciones
conceptuales y construir una propuesta de modelo de
competencias en inteligencia articial para gerentes uni-
versitarios. Este procedimiento favoreció una comprensión
amplia del fenómeno estudiado y facilitó la elaboración
de una propuesta teórica sustentada en la evidencia do-
cumental analizada.
Resultados
El análisis documental permitió reconocer un conjun-
to de tendencias y elementos estructurales vinculados con
la incorporación de la inteligencia articial en la gestión
académica universitaria. A partir de la revisión de la litera-
tura, emergen tres aspectos centrales: la brecha existente
entre el desarrollo tecnológico y las competencias geren-
ciales, la transformación del rol del gerente académico y la
falta de marcos integrales para la formación en inteligen-
cia articial.
En relación con el primer aspecto, se aprecia que, a
pesar del avance sostenido de las tecnologías basadas en
inteligencia articial, las competencias de los directivos
universitarios no han evolucionado al mismo ritmo. Aun-
que muchas instituciones han comenzado a incorporar
Recibido: 25-03-2026. Aceptado: 05-05-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
31
sistemas de analítica de datos, automatización de proce-
sos y diversas herramientas inteligentes, estos avances no
siempre están acompañados por procesos formativos que
permitan a los gerentes académicos comprenderlas en
profundidad y utilizarlas de manera estratégica.
En cuanto al segundo elemento, se reconoce una
transformación progresiva del rol del gerente académico.
Este deja de centrarse exclusivamente en funciones ad-
ministrativas para asumir responsabilidades vinculadas
con la toma de decisiones basada en datos, la gestión de
entornos digitales y la conducción de procesos de inno-
vación institucional. Este cambio supone la incorporación
de nuevas capacidades relacionadas con el análisis de in-
formación, la interpretación de sistemas tecnológicos y la
gestión del cambio dentro de las organizaciones.
El tercer aspecto está asociado con la ausencia de
marcos integrales que orienten la formación de compe-
tencias en inteligencia articial para gerentes académicos.
Aunque existen iniciativas enfocadas en competencias di-
gitales, estas suelen abordarse de forma fragmentada y no
logran integrar de manera articulada dimensiones cogniti-
vas, éticas, estratégicas y pedagógicas necesarias para una
gestión académica apoyada en tecnologías inteligentes.
En conjunto, estos hallazgos reejan la necesidad de
avanzar hacia enfoques formativos más integrales, capa-
ces de articular el desarrollo tecnológico con la formación
de capacidades directivas, en correspondencia con las exi-
gencias actuales de la educación superior.
Discusión
Los resultados obtenidos invitan a mirar con mayor
detenimiento la complejidad que implica la incorporación
de la inteligencia articial en la gestión académica uni-
versitaria. Más allá de su dimensión tecnológica, su inte-
gración supone cambios profundos en la forma de ejercer
el liderazgo y en las competencias que requieren quienes
ocupan cargos directivos dentro de las instituciones.
La brecha identicada entre el desarrollo tecnológico
y las capacidades gerenciales encuentra respaldo en lo se-
ñalado por la UNESCO (2024), que advierte sobre las limita-
ciones que enfrentan las instituciones cuando no cuentan
con formación adecuada en inteligencia articial. En la
práctica, disponer de tecnologías avanzadas no garantiza
una gestión innovadora si quienes toman decisiones no
tienen las herramientas necesarias para interpretarlas y
utilizarlas de manera estratégica.
En relación con la transformación del rol del gerente
académico, los hallazgos se corresponden con lo plantea-
do por Sposato (2025), quien destaca la necesidad de un
liderazgo capaz de comprender los sistemas inteligentes
en toda su complejidad, incluyendo sus implicaciones or-
ganizativas y éticas. Esto supone dejar atrás enfoques tra-
dicionales centrados en lo administrativo y avanzar hacia
formas de gestión más exibles, abiertas al cambio y apo-
yadas en el uso de información para la toma de decisiones.
Otro aspecto relevante tiene que ver con la ausencia
de marcos integrales de formación en inteligencia articial.
Lo encontrado en este estudio coincide con lo señalado
por Deroncele-Acosta et al. (2024), quienes advierten que
las competencias digitales suelen abordarse de manera
fragmentada, sin una integración que permita responder
de forma efectiva a las demandas de la transformación
digital en la educación superior.
A la luz de estos elementos, se refuerza la idea de que
la inteligencia articial no debe entenderse solo como una
herramienta de apoyo, sino como una competencia estra-
tégica que redene la gestión académica. Esta visión se
relaciona con lo expuesto por Myszak y Filina-Dawidowicz
(2025), quienes plantean que el desarrollo de organizacio-
nes inteligentes depende, en gran medida, de las capaci-
dades de sus líderes para adaptarse a entornos complejos
y tecnológicamente mediados.
Desde esta interpretación, la propuesta de un modelo
reexivo de competencias en inteligencia articial surge
como una respuesta a las limitaciones identicadas. Su
valor radica en integrar dimensiones cognitivas, éticas,
estratégicas, pedagógicas y relacionales en un enfoque
coherente, lo que permite avanzar hacia una comprensión
más amplia del liderazgo académico en contextos digitales
y ofrecer orientaciones útiles para la formación directiva y
el diseño de políticas institucionales.
Propuesta de modelo de competencias en
inteligencia articial para gerentes académicos
A partir de los resultados obtenidos y de su inter-
pretación, se plantea un modelo reexivo orientado al
desarrollo de competencias en inteligencia articial para
gerentes académicos. Esta propuesta surge como respues-
ta a la ausencia de marcos integrales identicada en la
literatura, así como a la necesidad de articular de manera
coherente las dimensiones técnicas, éticas, estratégicas y
pedagógicas que hoy demanda la gestión académica en
entornos digitales.
El modelo se concibe como una guía que busca inte-
grar distintos elementos que, en muchos casos, han sido
abordados de forma aislada. Más que una estructura ce-
rrada, se propone como una referencia exible que permi-
ta orientar procesos de formación directiva y acompañar
la toma de decisiones en contextos institucionales cada
vez más complejos.
Recibido: 25-03-2026. Aceptado: 05-05-2026 32
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
Para su desarrollo, se plantean cinco ejes formativos
interrelacionados, los cuales permiten comprender la in-
teligencia articial desde una perspectiva amplia, consi-
derando no solo su dimensión tecnológica, sino también
sus implicaciones en la gestión, la ética, la innovación y el
liderazgo. Esta organización facilita abordar el fenómeno
de manera sistémica, favoreciendo su aplicación tanto en
programas de formación como en el diseño de políticas
institucionales en educación superior.
En atención a los desafíos identicados, se plantea
un modelo formativo integral orientado al desarrollo de
competencias en inteligencia articial para gerentes aca-
démicos universitarios. Esta propuesta se construye desde
una mirada reexiva, humanista e interdisciplinaria, que
no se limita a la incorporación de conocimientos técnicos,
sino que también busca fortalecer una postura crítica, éti-
ca y prospectiva frente al uso de la inteligencia articial en
la educación superior.
El modelo se alinea con orientaciones internacio-
nales recientes, entre ellas las directrices de la UNESCO
(2024) sobre competencias en inteligencia articial para
educadores, las cuales resaltan la importancia de un enfo-
que centrado en el ser humano y en el bien común. En este
sentido, se propone una formación que no solo prepare
para el uso de tecnologías, sino que también permita com-
prender sus implicaciones y asumirlas con responsabili-
dad dentro de los contextos institucionales.
El modelo consta de cinco ejes integradores, que fun-
cionan de manera articulada:
Eje Cognitivo-Conceptual
Este eje busca desarrollar una comprensión crítica
sobre el funcionamiento, el alcance y las limitaciones de
la inteligencia articial. Para ello, se abordan contenidos
como la evolución de la IA, sus principales enfoques, los
fundamentos del aprendizaje automático, el uso de gran-
des volúmenes de datos y algunos casos aplicados al
ámbito educativo. A partir de estos elementos, se espera
fortalecer capacidades como la alfabetización algorítmica,
el pensamiento lógico para la resolución de problemas y la
capacidad de analizar de forma informada las implicacio-
nes de la IA en contextos académicos.
Tabla 1. Modelo reexivo para la formación de competencias en inteligencia articial en gerentes académicos
Elaboración propia (2025)
Recibido: 25-03-2026. Aceptado: 05-05-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
33
En atención a los desafíos identicados, se plantea
un modelo formativo integral orientado al desarrollo de
competencias en inteligencia articial para gerentes aca-
démicos universitarios. Esta propuesta se construye desde
una mirada reexiva, humanista e interdisciplinaria, que
no se limita a la incorporación de conocimientos técnicos,
sino que también busca fortalecer una postura crítica, éti-
ca y prospectiva frente al uso de la inteligencia articial en
la educación superior.
El modelo se alinea con orientaciones internacio-
nales recientes, entre ellas las directrices de la UNESCO
(2024) sobre competencias en inteligencia articial para
educadores, las cuales resaltan la importancia de un enfo-
que centrado en el ser humano y en el bien común. En este
sentido, se propone una formación que no solo prepare
para el uso de tecnologías, sino que también permita com-
prender sus implicaciones y asumirlas con responsabili-
dad dentro de los contextos institucionales.
El modelo consta de cinco ejes integradores, que fun-
cionan de manera articulada:
Eje Cognitivo-Conceptual
Este eje busca desarrollar una comprensión crítica
sobre el funcionamiento, el alcance y las limitaciones de
la inteligencia articial. Para ello, se abordan contenidos
como la evolución de la IA, sus principales enfoques, los
fundamentos del aprendizaje automático, el uso de gran-
des volúmenes de datos y algunos casos aplicados al
ámbito educativo. A partir de estos elementos, se espera
fortalecer capacidades como la alfabetización algorítmica,
el pensamiento lógico para la resolución de problemas y la
capacidad de analizar de forma informada las implicacio-
nes de la IA en contextos académicos.
Eje Ético-Crítico
Este eje está orientado a fortalecer la toma de de-
cisiones desde una perspectiva ética, considerando los
efectos que puede tener el uso de la inteligencia articial
en los entornos educativos. Se abordan temas relaciona-
dos con los sesgos algorítmicos, la protección de datos, la
transparencia de los sistemas y las implicaciones legales
de su uso. A partir de ello, se promueve el desarrollo de ca-
pacidades para evaluar impactos sociales, gestionar datos
de manera responsable y actuar con criterio frente a situa-
ciones que involucren el uso de tecnologías inteligentes
en la gestión institucional.
Eje Estratégico-Organizacional
En este eje se plantea la integración de la inteligencia
articial dentro de los procesos de gestión institucional,
con una visión alineada a los objetivos estratégicos de
la universidad. Se trabajan contenidos vinculados con la
planicación basada en datos, la toma de decisiones infor-
mada, la gestión del cambio y experiencias institucionales
relevantes. Esto permite desarrollar habilidades para anti-
cipar tendencias, interpretar indicadores institucionales y
liderar procesos de incorporación tecnológica de manera
efectiva dentro de la organización.
Eje Pedagógico-Formativo
Este eje busca promover el uso de la inteligencia ar-
ticial como apoyo a la innovación educativa. Se abordan
temas como el aprendizaje adaptativo, el uso de analítica
de datos en educación, la evaluación automatizada y di-
versas experiencias que han incorporado estas tecnologías
en el aula. A partir de ello, se fortalecen capacidades para
integrar la IA en procesos formativos, acompañar a los do-
centes en su uso y explorar nuevas formas de enseñanza
que respondan a las demandas actuales.
Eje Relacional-Comunicativo
Este eje se centra en el desarrollo de habilidades para
liderar comunidades académicas en entornos mediados
por tecnología. Se trabajan aspectos relacionados con la
comunicación digital, la gestión de equipos en modalida-
des mixtas y la construcción de espacios colaborativos.
Esto permite fortalecer el liderazgo participativo, la com-
prensión de la institución como un sistema interconectado
y la capacidad de promover el diálogo en torno al uso de la
inteligencia articial dentro de la comunidad universitaria.
El modelo propuesto puede desarrollarse a través de
distintas modalidades de formación, como programas de
actualización, diplomados, seminarios o estudios de pos-
grado dirigidos a directivos y futuros líderes universitarios.
Su carácter modular facilita su adaptación a diferentes ni-
veles de desarrollo tecnológico institucional, permitiendo
responder tanto a contextos iniciales como a entornos
más avanzados en el uso de inteligencia articial.
Para su adecuada implementación, resulta necesario
incorporar espacios de práctica que permitan a los parti-
cipantes interactuar con herramientas reales, reexionar
sobre su uso y recibir retroalimentación. De esta manera,
la formación deja de ser exclusivamente teórica y se orien-
ta al desarrollo de competencias aplicadas en contextos
reales.
Recibido: 25-03-2026. Aceptado: 05-05-2026 34
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
El modelo se concibe como una guía exible que pue-
de ajustarse a las particularidades de cada institución. Su
aporte radica en integrar dimensiones que, en muchos ca-
sos, han sido trabajadas de forma aislada, ofreciendo una
visión más completa de la gestión académica en entornos
mediados por inteligencia articial.
Desde esta perspectiva, contribuye a fortalecer la
capacidad de los gerentes académicos para interpretar,
integrar y gestionar tecnologías de manera crítica y res-
ponsable, favoreciendo procesos de transformación insti-
tucional sostenibles.
Conclusiones
El análisis desarrollado permitió comprender que
la inteligencia articial ocupa hoy un lugar central en la
gestión académica universitaria, no solo como una he-
rramienta de apoyo, sino como un elemento que incide
directamente en la forma en que se organizan, se toman
decisiones y se orientan los procesos institucionales en la
educación superior.
Los resultados evidencian una brecha importante
entre el avance de las tecnologías y la preparación de
quienes asumen funciones directivas. Esta situación limi-
ta el aprovechamiento de las posibilidades que ofrece la
inteligencia articial y pone en evidencia la necesidad de
revisar los modelos tradicionales de formación, incorpo-
rando capacidades relacionadas con el uso de datos, la
comprensión de sistemas inteligentes y la toma de deci-
siones con criterio ético.
A partir de estos elementos, se rearma que la in-
teligencia articial debe ser asumida como una compe-
tencia estratégica del gerente académico. Su desarrollo
requiere una formación que integre de manera articulada
dimensiones cognitivas, éticas, estratégicas, pedagógicas
y relacionales, lo cual resulta fundamental para ejercer un
liderazgo capaz de responder a los desafíos actuales de la
transformación digital en el ámbito universitario.
Como aporte del estudio, se presenta un modelo
reexivo de competencias en inteligencia articial que
ofrece una referencia para orientar procesos de formación
directiva y el diseño de políticas institucionales. Su princi-
pal valor radica en integrar distintos elementos que suelen
abordarse de forma separada, facilitando una visión más
completa del desarrollo de capacidades gerenciales en
contextos mediados por tecnología.
Finalmente, se reconoce que avanzar hacia una ges-
tión académica más inteligente no depende únicamente
de la incorporación de herramientas tecnológicas. También
implica promover una cultura organizacional basada en el
aprendizaje, la innovación y el uso responsable de la infor-
mación. En este marco, se abre la posibilidad de continuar
profundizando en la validación del modelo propuesto y en
su aplicación en distintos contextos institucionales.
Referencias Bibliográcas
Arias, F. G. (2016). El proyecto de investigación: Intro-
ducción a la metodología cientíca (7.ª ed.). Episteme.
Deroncele-Acosta, Á., Bellido-Valdiviezo, G., Nagami-
ne-Miyashiro, M., & Medina-Coronado, D. (2024). Ten essen-
tial pillars in articial intelligence for university science
education: A scoping review. SAGE Open, 14(3), 1–12.
Fullan, M. (2014). The principal: Three keys to maximi-
zing impact. Jossey-Bass.
Hernández-Sampieri, R., & Mendoza, C. (2018). Meto-
dología de la investigación: Las rutas cuantitativa, cualita-
tiva y mixta. McGraw-Hill.
Holmes, W., Bialik, M., & Fadel, C. (2019). Articial in-
telligence in education: Promises and implications for tea-
ching and learning. Center for Curriculum Redesign.
Myszak, J. M., & Filina-Dawidowicz, L. (2025). Leaders’
competencies and skills in the era of articial intelligence:
A scoping review. Applied Sciences, 15(18), 10271.
Selwyn, N. (2019). Should robots replace teachers? AI
and the future of education. Polity Press.
Sposato, M. (2025). Articial intelligence in educatio-
nal leadership: A comprehensive taxonomy and future di-
rections. International Journal of Educational Technology
in Higher Education, 22, 20.
UNESCO. (2024). AI competency framework for tea-
chers. UNESCO.
Innovación y Gerencia. Revista cientíca arbitrada
Vol XII. Edición Especial Nº1. Junio 2026, pp. 35 - 42
UJGH ISSN: 3005-5172
Depósito legal: ZU2023000012
INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN
UNIVERSITARIA: IMPACTO EN EL DESEMPEÑO ESTUDIANTIL
Juan Pablo Vargas Aponte
Docente Universitario categoría asociado, adscrito al Programa Administración de la
Universidad Nacional Experimental Rafael María Baralt (UNERMB). Participante del
Postdoctorado en Pedagogía Digital. Dr. en Educación. M. Sc. en Gerencia de Recur-
sos Humanos. Lcdo. en Administración mención Gerencia Industrial.
Correo Electrónico: vargasapontejuanpablo@gmail.com
ORCID: https://orcid.org/0000-0002-8401-3225
RESUMEN: La presente investigación tuvo como objetivo analizar la inteligencia ar-
ticial en la educación universitaria y su impacto en el desempeño estudiantil. Por
tanto, su pertinencia radica en la necesidad de adaptar la educación a las nuevas
generaciones de nativos digitales, quienes interactúan constantemente con tecno-
logías disruptivas. Teóricamente, el trabajo se apoyó principalmente en los apor-
tes de (Atencio, 2023), (Rouhiainen, 2018, citado por la Administración Nacional de
Educación Pública [ANEP], 2024), (Salgado, 2023), (Hernández y Pazmiño, 2025), jun-
to a (Calle y Areiza, 2026), entre otros autores. Tales ideas, constituyeron la base
para explicar la conceptualización de la inteligencia articial, la relación entre la
educación universitaria y los nativos digitales, así como la transformación del rol
docente; temas que representaron el eje del estudio, los cuales se complementaron
con otros elementos y autores que terminaron de estructurar el manuscrito. Meto-
dológicamente, se enmarcó en la investigación documental con un alcance de tipo
descriptivo, fundamentado en la revisión, el análisis y la síntesis crítica de fuentes.
Los resultados evidenciaron que el uso ético y responsable de las herramientas de
inteligencia articial permitió personalizar el aprendizaje, optimizar los tiempos y
estimular el pensamiento crítico del alumno, determinando cómo esta disrupción
reconguró la forma de aprender. Asimismo, se concluye que el docente debe asu-
mir un rol de guía en conjunto con el de arquitecto del conocimiento, equilibrando
la innovación tecnológica mediante la mediación pedagógica para evitar la deshu-
manización del aprendizaje y asegurar una formación profesional ética e integral,
centrada en el valor humano.
PALABRAS CLAVE: Inteligencia articial, Educación universitaria, Desempeño estudiantil.
Introducción
En la actualidad, el sector educativo requiere adaptarse de for-
ma constante a la realidad de la nueva generación de estudiantes,
los denominados “nativos digitales”, quienes han crecido inmersos
en un entorno tecnológico muy avanzado. Esta situación plantea
un desafío fundamental para el docente, quien debe trascender los
modelos pedagógicos tradicionales para poder conectar verdade-
ramente con la cotidianidad del estudiantado y guiarlo adecuada-
mente en su formación profesional diaria.
Por consiguiente, resulta necesario crear espacios donde la
tecnología no sea solo una herramienta, sino un puente que aproxi-
me el conocimiento al entorno real. Al integrar esta realidad digital
en el aula, la formación académica se transforma en una experien-
cia viva, capaz de vincularse de forma autentica con las necesida-
des, intereses y retos diarios que enfrentan todos los estudiantes
durante su proceso de aprendizaje.
ARTIFICIAL INTELLIGENCE IN HIGHER EDUCATION: IMPACT ON STUDENT PERFORMANCE
ABSTRACT: The objective of this research was to analyze articial intelligence in higher edu-
cation and its impact on student performance. Therefore, its relevance lies in the need to
adapt education to new generations of digital natives, who constantly interact with disrup-
tive technologies. Theoretically, the study relied primarily on the contributions of (Atencio,
2023), (Rouhiainen, 2018, cited by the National Administration of Public Education [ANEP],
2024), (Salgado, 2023), (Hernández & Pazmiño, 2025), alongside (Calle & Areiza, 2026), among
other authors. These ideas constituted the foundation to explain the conceptualization of
articial intelligence, the relationship between higher education and digital natives, as well
as the transformation of the teaching role; topics that represented the core of the study
and were complemented by other elements and authors that completed the structure of
the manuscript. Methodologically, it was framed as documentary research with a descrip-
tive scope, grounded in the review, analysis, and critical synthesis of sources. The results
demonstrated that the ethical and responsible use of articial intelligence tools enabled
the personalization of learning, optimization of time, and stimulation of critical thinking in
students, determining how this disruption recongured the way people learn. Likewise, it
is concluded that educators must assume a guiding role alongside that of a knowledge ar-
chitect, balancing technological innovation through pedagogical mediation to prevent the
dehumanization of learning and ensure an ethical, comprehensive professional education
centered on human value.
KEYWORDS: Articial intelligence, Higher education, Student performance.
INTELIGÊNCIA ARTIFICIAL NO ENSINO SUPERIOR: IMPACTO NO DESEMPENHO ESTUDANTIL
RESUMO: A presente pesquisa teve como objetivo analisar a inteligência articial no ensi-
no superior e seu impacto no desempenho estudantil. Portanto, sua relevância reside na
necessidade de adaptar a educação às novas gerações de nativos digitais, que interagem
constantemente com tecnologias disruptivas. Teoricamente, o trabalho baseou-se prin-
cipalmente nas contribuições de (Atencio, 2023), (Rouhiainen, 2018, citado pela Adminis-
tração Nacional de Educação Pública [ANEP], 2024), (Salgado, 2023), (Hernández & Pazmiño,
2025), além de (Calle & Areiza, 2026), entre outros autores. Tais ideias constituíram a base
para explicar a conceituação da inteligência articial, a relação entre o ensino superior e
os nativos digitais, bem como a transformação do papel do docente; temas que represen-
taram o eixo do estudo e foram complementados por outros elementos e autores que con-
cluíram a estruturação do manuscrito. Metodologicamente, enquadrou-se na pesquisa do-
cumental com alcance do tipo descritivo, fundamentada na revisão, análise e síntese crítica
de fontes. Os resultados evidenciaram que o uso ético e responsável das ferramentas de
inteligência articial permitiu personalizar a aprendizagem, otimizar o tempo e estimular
o pensamento crítico do aluno, determinando como essa disrupção recongurou a forma
de aprender. Da mesma forma, conclui-se que o docente deve assumir o papel de guia em
conjunto com o de arquiteto do conhecimento, equilibrando a inovação tecnológica por
meio da mediação pedagógica para evitar a desumanização da aprendizagem e assegurar
uma formação prossional ética e integral, centrada no valor humano.
PALAVRAS-CHAVE: Inteligência articial, Ensino superior, Desempenho estudantil.
INTELLIGENCE ARTIFICIELLE DANS L’ENSEIGNEMENT SUPÉRIEUR : IMPACT SUR LES
RÉSULTATS DES ÉTUDIANTS
RÉSUMÉ: Cette recherche avait pour objectif d’analyser l’intelligence articielle dans l’en-
seignement supérieur et son impact sur les résultats des étudiants. Sa pertinence réside
ainsi dans la nécessité d’adapter l’éducation aux nouvelles générations de natifs numéri-
ques, qui interagissent constamment avec des technologies disruptives. Sur le plan théo-
rique, le travail s’est principalement appuyé sur les contributions d’Atencio (2023), Rou-
hiainen (2018, cité par l’Administration Nationale de l’Éducation Publique [ANEP], 2024),
Salgado (2023), Hernández et Pazmiño (2025), ainsi que Calle et Areiza (2026), entre autres
auteurs. Ces idées ont constitué le socle permettant d’expliquer la conceptualisation de
l’intelligence articielle, la relation entre l’enseignement supérieur et les natifs numéri-
ques, ainsi que la transformation du rôle de l’enseignant ; des thématiques qui représen-
tent le cœur de l’étude et qui ont été complétées par d’autres éléments et auteurs ayant
structuré le manuscrit. Sur le plan méthodologique, l’étude s’inscrit dans le cadre d’une
recherche documentaire à portée descriptive, fondée sur la revue, l’analyse et la synthè-
se critique de sources. Les résultats ont montré que l’utilisation éthique et responsable
des outils d’intelligence articielle permet de personnaliser l’apprentissage, d’optimiser le
temps et de stimuler la pensée critique de l’élève, mettant en évidence la manière dont ce-
tte disruption a reconguré le mode d’apprentissage. De même, il ressort en conclusion que
l’enseignant doit assumer un rôle de guide doublé d’un rôle d’architecte de la connaissan-
ce, en équilibrant l’innovation technologique par la médiation pédagogique an d’éviter la
déshumanisation de l’apprentissage et de garantir une formation professionnelle éthique
et globale, centrée sur la valeur humaine.
MOTS-CLÉS: Intelligence articielle, Enseignement supérieur, Résultats des étudiants.
Recibido: 08-04-2026. Aceptado: 26-05-2026 35
Recibido: 08-04-2026. Aceptado: 26-05-2026 36
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
En este contexto, la inteligencia articial ha emergido
como una de las tecnologías más disruptivas e innovado-
ras en el ámbito académico. Más allá de su capacidad para
generar contenidos, esta tecnología se posiciona como un
soporte estratégico cuando el estudiante la utiliza de ma-
nera responsable, convirtiéndola en un valioso aliado que
eleva la credibilidad, la profundidad y la calidad de todo
su desempeño.
Frente a esta realidad, la pertinencia de esta inves-
tigación responde a la transformación profunda en los
diversos espacios de aprendizaje y a la constante interac-
ción de los jóvenes con las nuevas tecnologías. A pesar de
múltiples estudios sobre el uso de herramientas digitales
en el ámbito académico, aún persiste un vacío signicativo
sobre como estas inciden de manera directa en el pen-
samiento crítico, la autonomía y el crecimiento personal
del alumno. Por ello, el presente trabajo constituye una
aproximación necesaria hacia las nuevas dimensiones de
la formación profesional en la era digital actual.
Ahora bien, bajo esta premisa, la presente investiga-
ción tiene como objetivo analizar la inteligencia articial
en la educación universitaria y su impacto en el desem-
peño estudiantil, determinando cómo esta disrupción
redene la manera en que los estudiantes abordan la
construcción del conocimiento. A tal efecto, este abordaje
analiza la relación existente entre el intelecto humano y el
alcance de la tecnología dentro del contexto académico de
los educandos.
Bajo este orden de ideas, a pesar de la rápida adop-
ción de esta tecnología en los entornos universitarios, la
(Organización de las Naciones Unidas para la Educación,
la Ciencia y la Cultura [UNESCO], 2024), constata que solo
el 10% de las universidades cuenta con normativas para
guiar su uso. Con base a esto, dicha ausencia regulatoria es
el motivo principal para la revisión con rigor cientíco de
cómo inuye la mediación en el desempeño de los futuros
profesionales.
Por último, para cumplimiento de este, el artículo se
estructura en cuatro apartados clave: en primer lugar, se
abordan los fundamentos teóricos que sustentan la temá-
tica; en segundo lugar, se detalla la metodología moda-
lidad documental con alcance tipo descriptivo; en tercer
lugar, se presentan los resultados obtenidos tras el aná-
lisis; y, nalmente, se exponen las conclusiones, abriendo
un espacio de reexión crítica sobre el impacto de estas
innovaciones, y cerrado con las referencias bibliográcas
que soportan lo expuesto.
Fundamentación teórica
Conceptualización de inteligencia articial (IA)
De acuerdo con (Atencio, 2023, p. 2), “La inteligencia
articial es una tecnología que permite a las computado-
ras y robots, aprender a realizar tareas y tomar decisiones
como lo haría un ser humano, es una práctica que intenta
aprender de ellos”. Asimismo, esta perspectiva, se comple-
menta con el aporte de (Rouhiainen, 2018, citado por la Ad-
ministración Nacional de Educación Pública [ANEP], 2024,
p. 11), quien da a conocer que “La Inteligencia Articial (IA)
se dene como la capacidad de los sistemas informáticos
para emular funciones cognitivas humanas”.
En efecto, al tomar en consideración los postulados
teóricos anteriores, el propósito de esta tecnología es ac-
tuar como un apoyo útil que acompaña a la persona en
sus labores cotidianas, ayudando a entender información
y a resolver dudas. Mas que una tecnología compleja, se
convierte en una herramienta cercana que facilita el día
a día, permitiendo organizar ideas y realizar diferentes
actividades con mayor rapidez. Por ende, ha dejado de
ser algo exclusivo de los dispositivos convencionales para
integrarse en la vida misma, facilitando la interacción hu-
mana con el conocimiento.
Al trasladar esta realidad al ámbito universitario, la
inteligencia articial (en lo sucesivo IA), se presenta como
un factor determinante en el desempeño y la construcción
del conocimiento. Cuando el estudiante utiliza estas he-
rramientas de manera crítica y orientada al aprendizaje, su
capacidad de análisis se fortalece notablemente. Sin em-
bargo, este uso también exige una transformación en las
estrategias metodológicas donde el docente actúa como
un guía fundamental para garantizar que el aprovecha-
miento de la tecnología fortalezca el éxito estudiantil en
lugar de sustituir el esfuerzo intelectual.
De ahí que, el uso de la tecnología en las universida-
des va mucho más allá de simplemente utilizar un recurso
digital, invita a la reexión sobre cómo se aprende y que
valores se ponen en práctica. Ante esta realidad, es fun-
damental que los estudiantes utilicen estas herramientas
con responsabilidad, sin dejar de lado el sentido común y
la capacidad de cuestionar la información que reciben. Así,
se logra formar profesionales más conscientes y humanos,
capaces de aprovechar la tecnología sin perder de vista el
valor del esfuerzo y el pensamiento propio.
Recibido: 08-04-2026. Aceptado: 26-05-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
37
La educación universitaria y los “nativos digitales”
La educación universitaria actual enfrenta el reto de
transformar las metodologías tradicionales de enseñanza
para adaptarse plenamente a las necesidades de los nati-
vos digitales y sus nuevas formas de procesar la informa-
ción. En este sentido, el uso de herramientas tecnológicas
es indispensable para garantizar un aprendizaje signi-
cativo. De igual manera, para fundamentar teóricamente
este importante enfoque, (la Red Educativa, 2024, citado
en Solano et al., 2024, p. 12353), sostienen lo siguiente:
Los nativos digitales es aquella generación de per-
sonas que nacieron y crecieron en la era digital, es decir,
con el uso de las tecnologías de la información y las co-
municaciones, los cuales tienen una habilidad natural con
el uso de dispositivos electrónicos, así como una rápida
adaptación a tecnologías que van surgiendo.
Por consiguiente, esta realidad exige que las institu-
ciones de educación universitaria asuman un rol proacti-
vo en la actualización de sus estrategias didácticas. Los
docentes, desde su función mediadora, deben incorporar
metodologías activas que potencien el análisis crítico y
faciliten el procesamiento de la información, garantizando
así una formación integral y competitiva para el entorno
profesional actual. En este sentido, conocer las caracterís-
ticas de esta generación es fundamental para orientar la
práctica educativa. Al respecto, (Poustis, 2009, citado en
Salgado, 2023, p. 193) expone las siguientes:
• Son nativos digitales: han crecido rodeados de
tecnologías digitales y las utilizan de forma habitual.
• Son aprendices visuales: preeren aprender a tra-
vés de imágenes y vídeos.
• Son hiperactivos: se distraen fácilmente y cambian
de tarea con frecuencia.
• Son colaborativos: preeren trabajar en equipo y
compartir información.
• Son creativos: utilizan las tecnologías para expre-
sarse y crear nuevos contenidos.
• La generación clic tiene un gran impacto en la so-
ciedad. Estas personas son consumidores y productores de
contenidos digitales, y están cambiando la forma en que
nos comunicamos, aprendemos y trabajamos.
Ante este escenario, es evidente que el proceso edu-
cativo necesita ser más cercano y humano. Enseñar va
mucho más allá de simplemente transmitir información;
se trata de crear un espacio donde los estudiantes se
sientan acompañados y motivados en su propio proceso
de aprendizaje. Así pues, el docente asume un papel de
guía y apoyo, transformando las clases en experiencias
dinámicas que conectan con los intereses de los jóvenes
y fomentan el trabajo en equipo, la creatividad y la parti-
cipación activa.
Inteligencia articial y desempeño estudiantil
La incorporación de la IA en las aulas universitarias
está transformando profundamente la manera en que los
estudiantes aprenden y desarrollan sus competencias.
Estas herramientas funcionan como un apoyo cercano y
dinámico que los motiva a investigar, analizar y mejorar su
desempeño académico de forma más autónoma. En este
sentido, es fundamental comprender cómo estas tecnolo-
gías actúan como un motor que impulsa el pensamiento
crítico y facilita los procesos de enseñanza en la educación
universitaria; por ello, al evaluar su impacto en el contexto
educativo, (Hernández y Pazmiño, 2025, p. 2) sostienen que:
La aplicación de la IA en la educación ofrece opor-
tunidades únicas para superar los retos tradicionales del
aprendizaje, como la falta de personalización, el tiempo
limitado para la atención individual y la evaluación restric-
tiva basada únicamente en métricas cuantitativas. Herra-
mientas como sistemas de tutoría inteligente, asistentes
virtuales y plataformas de análisis predictivo no solo opti-
mizan el tiempo de estudio, sino que también promueven
un aprendizaje más autónomo y signicativo.
En consecuencia, la implementación de estas herra-
mientas en la educación universitaria trasciende lo pura-
mente técnico para convertirse en un apoyo estratégico
en el proceso de enseñanza y aprendizaje. Por ello, es
necesario que la tecnología sea utilizada de manera ética
y responsable, permitiendo optimizar el tiempo y organi-
zar ideas, pero sin reemplazar el esfuerzo intelectual ni la
autonomía del estudiante. De este modo, se fomenta un
uso consciente que humaniza la interacción con el cono-
cimiento, convirtiendo a la IA en un puente que potencia
el pensamiento crítico y el desarrollo de competencias en
los estudiantes.
Igualmente, (Leaño, et al., 2025, p. 736), expresan que
“las herramientas de IA, ya sean asistentes virtuales, pla-
taformas adaptativas, sistemas de tutoría o aplicaciones
generativas, contribuyen de manera positiva a la perso-
nalización del aprendizaje y a la mejora del rendimiento
estudiantil”. Por consiguiente, esta personalización per-
mite adaptar el proceso formativo a las necesidades par-
ticulares de cada alumno, lo que facilita una compresión
más profunda de los contenidos y humaniza la interacción
dentro del entorno universitario.
En denitiva, la integración de la IA en la educación
universitaria representa mucho más que la adopción de
nuevas tecnologías, se trata de una transformación peda-
Recibido: 08-04-2026. Aceptado: 26-05-2026 38
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
gógica que redene como se construye el conocimiento. Al
funcionar como un soporte dinámico, estas herramientas
potencian el pensamiento crítico y permiten adaptar la
enseñanza a las necesidades de cada estudiante, fomen-
tando la autonomía. De este modo, la innovación digital
se consolida como un motor que impulsa el desempeño
académico, garantizando una compresión más profunda
de los contenidos y fortaleciendo las competencias nece-
sarias para el desarrollo profesional y humano del alumno.
Transformación del rol docente
La llegada de la IA a la universidad no solo cambia
la forma en que los estudiantes aprenden, sino que tam-
bién transforma el papel del profesor. Tradicionalmente, el
docente se veía como la persona encargada de transmitir
información. Sin embargo, ante el uso de estas nuevas he-
rramientas, su labor se vuelve más cercana y orientadora.
Ahora, el profesor se convierte en un guía que acompaña
al alumno, ayudándolo a pensar mejor, a resolver proble-
mas y a entender la información de forma crítica. De este
modo, se le da un sentido más humano al aprendizaje.
En concordancia con esta perspectiva, (Molina, et al.,
2025, p. 721), señalan que “El docente actual debe asumir
un papel mucho más dinámico, donde la tecnología no
es solo una herramienta auxiliar, sino un elemento cen-
tral que redene su función como mediador, facilitador y
generador de experiencias de aprendizaje signicativas y
personalizadas”. Al interpretar lo expuesto por los autores,
se comprende que el profesor actúa como un arquitecto
del conocimiento. Por ello, su guía es fundamental para
que los alumnos aprovechen estas herramientas de ma-
nera consciente, fomentando una interacción cercana y
humana que enriquece su formación.
Para profundizar en el alcance de este cambio, es
fundamental considerar las nuevas exigencias formativas
que el entorno virtual impone al profesorado universita-
rio. Ante la rápida evolución de la tecnología, los docentes
deben actualizar constantemente sus competencias peda-
gógicas para guiar a los estudiantes en el manejo ético y
crítico de la información. Al respecto, (Calle y Areiza, 2026,
p. 209), sostienen que:
los imaginarios pedagógicos digitales traen el desarro-
llo de unas habilidades que antes no eran tan relevantes
como la alfabetización digital, el pensamiento computacio-
nal, la ética tecnológica y la gestión de la información, que
fortalecen la formación integral de los estudiantes, puesto
que, los prepara para enfrentarse a los desafíos del
mundo digital con pensamiento crítico, responsabilidad
ética y capacidad para resolver problemas de manera
creativa y eciente, por tanto, no se puede pasar por alto
el nuevo papel del docente que exige una formación con-
tinua, que enseña, transforma, aprende y cuestiona con
una actitud abierta al cambio, una mirada crítica ante todo
lo que trae la digitalización con la brecha digital, la sobrein-
formación, la dependencia tecnológica, la pérdida de cone-
xiones humanas, nuevas competencias y nuevos desafíos.
De este modo, la integración de estas herramientas
en el ámbito universitario representa una oportunidad
invaluable para redenir la labor educativa. Lejos de re-
emplazar la gura del docente, las tecnologías potencian
su valor al exigirle un compromiso constante con la éti-
ca y el pensamiento crítico. Para comprender mejor este
cambio, resulta útil observar el modelo establecido por la
(UNESCO, 2025, citada por Romero, 2026, párr. 2), el cual se
ilustra en la gura siguiente. En este sentido, dicha repre-
sentación permite apreciar la interacción entre el docente,
la tecnología y el estudiante, elementos clave para que el
proceso de aprendizaje sea efectivo.
Figura 1. La nueva dinámica en el aula: docente,
IA y estudiante
Fuente (UNESCO, 2025, citada por Romero, 2026)
En síntesis, al analizar la Figura 1, se evidencia que el
docente actual debe actuar como un guía que acompaña al
estudiante. No se trata simplemente de utilizar la IA, sino
de orientar al alumno por un camino que inicie con la ad-
quisición de conocimientos, pase por la profundización y
culmine en la creación de ideas propias. Esto conrma que,
a pesar del avance tecnológico, la mediación del profesor
es la que garantiza un aprendizaje honesto, integral y con
un profundo sentido humano. Por consiguiente, el docente
contemporáneo se consolida como un agente de cambio,
capaz de guiar a los nuevos profesionales hacia un futuro
donde la innovación y la empatía vayan siempre de la mano.
Recibido: 08-04-2026. Aceptado: 26-05-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
39
Desafíos éticos y académicos en la educación
universitaria
La llegada de las nuevas tecnologías y de la IA a las
universidades no solo cambia la forma de enseñar, sino
que trae consigo importantes retos éticos y académicos. A
medida que la educación se vuelve más digital, los profe-
sores y las instituciones tienen el compromiso de asegurar
que los estudiantes no solo aprendan a usar las herra-
mientas, sino que mantengan valores como la honestidad,
el respeto y la responsabilidad en su trabajo. Por este
motivo, resulta fundamental examinar el impacto de estos
cambios en el proceso educativo, y para profundizar en el
alcance de estos retos, (Torres, 2023, p. 387), señala que:
La promesa de una educación superior potenciada
por la IA, es emocionante, pero también llama a la res-
ponsabilidad de salvaguardar la equidad, la inclusión, la
transparencia y la ética en cada paso ejecutado. En de-
nitiva, la IA que se puede usar en la universidad lleva a
un viaje hacia la innovación y el cambio. Si se navega este
camino con respeto, conciencia y una visión de cambio,
se puede construir un futuro donde la educación superior
alcance su máximo potencial, empoderando a las genera-
ciones venideras para abrazar los desafíos del mañana con
conocimiento y determinación, con base en las prácticas
del trabajo colaborativo, aprendizajes signicativos y una
ética sustentable en el tiempo, para generar ese tejido so-
cial más promisorio.
Bajo esta premisa, se comprende que el uso de las
tecnologías y la IA en el ámbito universitario exige un com-
promiso que va mucho más allá de lo técnico. Las institu-
ciones y los profesores asumen el rol de guías, asegurando
que la innovación proteja el valor humano y promueva la
ética. De este modo, la educación universitaria no solo
se moderniza, sino que fortalece su propósito de formar
profesionales íntegros, críticos y responsables con la so-
ciedad, tal como lo señalan al respecto (Camacas, et al.,
2025, p. 131):
El desafío consiste en evitar la deshumanización del
aprendizaje, manteniendo el equilibrio entre innovación
tecnológica y mediación pedagógica. La transformación
metodológica derivada del uso de IA debe orientarse a
promover el pensamiento crítico, la creatividad y la cola-
boración, más allá de la simple eciencia técnica.
Desde esta perspectiva, la integración de la IA y las
nuevas tecnologías en la educación universitaria trascien-
de la simple adopción de herramientas técnicas, plantean-
do un verdadero desafío ético y académico. Como se ha
expuesto, tanto las instituciones como el profesorado de-
ben garantizar que la innovación digital no deshumanice
el proceso de enseñanza, sino que actúe como un vehículo
para fortalecer la honestidad, el pensamiento crítico y la
responsabilidad social. Por tanto, el rol docente se trans-
forma hacia una mediación pedagógica activa, orientada
a formar profesionales íntegros que sepan aprovechar el
potencial tecnológico sin perder de vista la empatía y los
valores humanos fundamentales.
Metodología
La presente investigación se enmarcó dentro de la
modalidad documental, la cual se complementó con un
alcance de tipo descriptivo. En este sentido, el objetivo
de este estudio se centró en la revisión, análisis y síntesis
crítica de las fuentes cientícas disponibles, permitiendo
examinar y estructurar los planteamientos teóricos rela-
cionados con el fenómeno analizado. Por tanto, para fun-
damentar la naturaleza del manuscrito, (Arias-Odón, 2016,
citado en Arias-Odón, 2023, p. 12), señala que:
la investigación documental se ha denido como un
proceso dirigido a la búsqueda de nuevos conocimientos
mediante la recuperación, análisis e interpretación de da-
tos secundarios, es decir, los obtenidos y publicados por
otros investigadores o instituciones cientícas en fuentes
documentales: impresas, audiovisuales o electrónicas.
Bajo estos criterios, la revisión, el análisis y el manejo
riguroso de estas fuentes documentales constituyeron la
base principal sobre la cual se examinó toda la literatura
cientíca existente. Esto permitió el tratamiento adecuado
de los datos teóricos y conceptuales que dan el sustento
necesario al problema de investigación planteado, asegu-
rando que toda la información recolectada sea totalmente
pertinente y conable para el desarrollo del estudio.
Por su parte, en cuanto al alcance, este es de tipo
descriptivo, ya que (Guevara, et al., 2020, p. 171), indican
que “El objetivo de la investigación descriptiva consiste
en llegar a conocer las situaciones, costumbres y actitu-
des predominantes a través de la descripción exacta de
las actividades, objetos, procesos y personas”. Atendiendo
a esto, el estudio permitió una descripción precisa sobre
cómo se manifestó el uso de la IA y su inuencia en el des-
empeño estudiantil. De este modo, se logró caracterizar la
realidad observada para ofrecer una comprensión clara de
la temática analizada.
En función de lo planteado, el proceso se desarrolló
siguiendo un orden que permitió explicar cada punto con
total claridad. Esta manera de trabajar ayudó a que cada
idea se conectara de forma natural con la siguiente, lo-
grando que se comprendiera fácilmente cómo se analizó
toda la información desde el principio hasta el cierre de
la investigación. Por todo lo anterior, este abordaje meto-
dológico se llevó a cabo cumpliendo con las fases que se
presentan a continuación:
Recibido: 08-04-2026. Aceptado: 26-05-2026 40
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
• Fase I: Revisión (Búsqueda y selección de informa-
ción). En este primer momento se realizó una revisión de-
tallada de la literatura cientíca disponible en entornos
digitales para recolectar el material inicial. Como criterios
para elegir los documentos se tomó en cuenta que abor-
daran directamente sobre la inteligencia articial y el des-
empeño de los estudiantes en las universidades. Para ello,
se seleccionaron trabajos publicados principalmente entre
los años 2023 y 2026 en revistas académicas indexadas,
como la Revista Cienciamatria, la Administración Nacional
de Educación Pública, Revista Cientíca de Estudios Socia-
les, Revista Sinapsis, y la Revista Dialéctica, entre otras,
buscando palabras clave especícas relacionadas con las
variables de la investigación.
• Fase II: Análisis (Evaluación y ltrado). Durante esta
etapa se aplicó un proceso de selección examinando a fon-
do los resúmenes, las introducciones, la fundamentación
teórica y las conclusiones de todos los textos encontrados.
En este sentido, se excluyeron aquellos estudios que no
guardaban relación con el ámbito educativo. Este ltro
ayudó a limpiar la información, dejando únicamente los
artículos con aportes valiosos y directamente vinculados
con la inteligencia articial en la educación universitaria y
su impacto sobre el desempeño estudiantil.
• Fase III: Síntesis crítica (sistematización de resulta-
dos). En esta última fase se ordenaron los textos seleccio-
nados mediante la técnica de análisis de contenido para
examinar a fondo cada lectura objeto de estudio. La in-
formación se revisó de manera directa en función de los
temas centrales de la investigación, permitiendo comparar
y contrastar de cerca los puntos donde coincidían o se di-
ferenciaban las posturas de los autores consultados. Este
proceso de interpretación sirvió como la base fundamen-
tal para escribir de forma ordenada todos los resultados y
las conclusiones nales del trabajo.
Por último, es importante destacar que todo el proce-
so de revisión se guio bajo estrictos principios de respon-
sabilidad académica y respeto al derecho de autor. Cada
una de las ideas tomadas a lo largo del texto de las dife-
rentes revistas indexadas fueron debidamente referencia-
das según las normas establecidas. Con esto se buscó dar
el valor correspondiente al trabajo de los investigadores
seleccionados, asegurando que la información utilizada
contó con un respaldo transparente y conable.
Resultados
Los hallazgos derivados de la revisión documental
permitieron evidenciar que las herramientas de IA están
cambiando la forma en que los estudiantes aprenden y se
acercan al conocimiento. Hoy en día, muchos jóvenes utilizan
estas tecnologías como un apoyo cercano para organizar sus
ideas y explorar temas nuevos. Sin embargo, este cambio in-
vita a reexionar sobre la importancia de no perder el toque
personal: el alumno debe ser el protagonista, cuestionando
y dándole sentido humano a la información que recibe en
lugar de conformarse con lo que genera el sistema.
Al mirar cómo estas herramientas afectan el día a
día de los estudiantes, se ve que les ayudan a organizar
mejor su tiempo y a personalizar su propio aprendizaje.
Esto permite que cada alumno avance a su propio ritmo y
comprenda mejor los conceptos. Aun así, es fundamental
cuidar que la tecnología sea un puente y no un muro; si el
estudiante deja todo en manos de las herramientas digi-
tales, corre el riesgo de frenar su propia creatividad y el
deseo natural de descubrir por sí mismo.
Frente a esta realidad, las universidades tienen el
hermoso reto de acompañar a los estudiantes con calidez
y claridad, enseñando un uso responsable y ético de la
tecnología. La preocupación por el valor del esfuerzo pro-
pio está muy presente en los docentes. Por eso, al evaluar
el desempeño, se debe mirar más allá de una simple en-
trega perfecta; es necesario valorar la voz del estudiante,
su capacidad de argumentar con sus propias palabras y la
madurez de sus reexiones.
A partir de lo expuesto, es posible notar que el im-
pacto de la IA en la educación va mucho más allá del uso
de un simple recurso digital. El verdadero éxito de este
proceso depende de cómo los docentes y las instituciones
logren conectar la innovación digital con la esencia huma-
nista de la enseñanza. Al nal, la tecnología se convierte
en un verdadero aliado del aprendizaje cuando se es capaz
de mantener un equilibrio cercano entre la modernidad, el
valor del pensamiento y la creatividad de la persona.
Conclusiones
En atención al objetivo de la investigación, el cual es-
tuvo orientado a analizar la IA en la educación universitaria
y su impacto en el desempeño estudiantil, se determinó
que estas tecnologías reconguraron la forma de construir
el conocimiento. Si bien esta innovación constituyó un re-
curso valioso para personalizar el aprendizaje, se eviden-
ció que el alumno debe mantener un papel activo para que
la tecnología no reemplace el esfuerzo cognitivo propio.
De esta manera, se presentan las siguientes deducciones
teóricas:
Acerca de la conceptualización de la IA, se concluye
que esta tecnología no se limita a ser una herramienta
compleja, sino que actúa como un soporte estratégico di-
señado para imitar procesos de razonamiento propios de
la persona. Trasladada al ámbito universitario, incide de
manera directa en la construcción del conocimiento y el
desempeño académico. Cuando el estudiante emplea es-
tas herramientas de forma crítica, su capacidad de análisis
Recibido: 08-04-2026. Aceptado: 26-05-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
41
se fortalece notablemente, lo cual exige que la tecnología
sea vista como un apoyo que potencia el intelecto y no
como un sustituto del esfuerzo intelectual propio.
Respecto a la educación universitaria y los nativos di-
gitales, se concluye que las instituciones enfrentan el reto
de transformar las metodologías tradicionales para co-
nectar con las nuevas formas de procesar la información.
Dado que esta generación se caracteriza por su habilidad
natural para el uso de dispositivos, así como por ser creati-
va, visual y colaborativa, el uso de herramientas tecnológi-
cas es indispensable. Ante este escenario, el docente debe
asumir un rol proactivo y mediador, creando experiencias
de aprendizaje dinámicas que guíen al alumno hacia un
uso responsable y consciente de estos asistentes digitales.
Referente al desempeño estudiantil, la integración
de la IA representa una transformación pedagógica que
redene la construcción del conocimiento. Las herramien-
tas actúan como un soporte dinámico que personaliza el
aprendizaje, permitiendo adaptar la formación a las nece-
sidades particulares de cada alumno y superar las limita-
ciones de la evaluación restrictiva. Sin embargo, para que
este motor impulse el pensamiento crítico y la autonomía,
es necesario que el estudiante emplee las herramientas de
forma ética, de modo que se potencie el desempeño aca-
démico sin anular la creatividad ni el esfuerzo cognitivo.
Sobre la transformación del rol docente, se concluye
que la disrupción tecnológica redene su gura, la cual
deja de ser un transmisor de información para convertirse
en un guía y arquitecto del conocimiento. Ante la rápida
evolución digital, el profesorado debe actualizar conti-
nuamente sus competencias pedagógicas, promoviendo el
pensamiento analítico y la ética tecnológica. Lejos de re-
emplazar al profesor, estas tecnologías potencian su labor
al exigir un compromiso constante con la reexión crítica
y la mediación.
Finalmente, sobre los desafíos éticos y académicos, se
concluye que la integración de la IA exige un compromiso
institucional que trasciende lo técnico para salvaguardar
la equidad, la transparencia y los valores humanos. El reto
principal es evitar la deshumanización del aprendizaje y
mantener un equilibrio entre la innovación y la mediación
pedagógica. De este modo, la educación universitaria for-
talece su propósito de formar profesionales íntegros y res-
ponsables con la sociedad, capaces de asumir los desafíos
del mañana con conocimiento y determinación.
En líneas generales, a partir de los resultados obte-
nidos, se invita a otros investigadores a profundizar en
esta área de estudio, tomando como propuesta central
el diseño de estrategias pedagógicas innovadoras que
incorporen de forma ética y humanista la IA en la forma-
ción profesional. Asimismo, como líneas de investigación
futuras, se sugiere examinar de cerca el impacto que gene-
ran estas herramientas tecnológicas en las competencias
especícas y el aprendizaje signicativo de la educación
universitaria. Todo ello, con la nalidad de asegurar que
los entornos digitales cuenten con un respaldo conable
que sirva como un puente hacia la excelencia académica y
el desarrollo del pensamiento propio.
Referencias Bibliográcas
Administración Nacional de Educación Pública (2024, mar-
zo 21) La inteligencia articial en la educación [archivo
PDF]. Recuperado de https://www.anep.edu.uy/sites/
default/les/images/2024/noticias/julio/240709/Do-
cumento%20IA.pdf
Arias-Odón, F. (2023, abril-septiembre). Investigación do-
cumental, investigación bibliométrica y revisiones
sistemáticas. Revista REDHECS, 31(22), pp. 9-28. ht-
tps://ojs.urbe.edu/index.php/redhecs/es/article/
view/3057/4811
Atencio, R. (2023, julio-diciembre). Inteligencia articial en
la educación. Revista CIENCIAMATRIA, 9(17), pp. 2-3.
https://doi.org/10.35381/cm.v9i17.1150
Calle, M., & Areiza, O. (2026, abril, 16). Reexión crítica del
rol docente en la era digital: imaginarios pedagógi-
cos para enfrentar los retos actuales en la educa-
ción. Revista Dialéctica, 2(27), pp. 189-214. https://doi.
org/10.56219/dialctica.v2i27.5218
Camacas, E., Verdezoto, J., Peña, E., Loaiza, T., & Enríquez,
F. (2025, noviembre, 07). Desafíos éticos y pedagó-
gicos del uso de inteligencia articial en el sistema
educativo: Una revisión sistemática. Revista Ciencia y
Educación, 6(11), pp. 127-138. https://doi.org/10.5281/
zenodo.17605613
Guevara, G., Verdesoto, A., & Castro, N. (2020, julio-sep-
tiembre). Metodologías de investigación educativa
(descriptivas, experimentales, participativas, y de
investigación-acción). Revista Recimundo, 4(3), pp.
163-173. https://doi.org/10.26820/recimundo/4.(3).ju-
lio.2020.163-173
Hernández, P., & Pazmiño, M. (2025, enero-junio). La inte-
ligencia articial: un recurso educativo para mejorar
el rendimiento académico de los estudiantes univer-
sitarios. Revista Sinapsis, 26(1), pp. 1-8. https://doi.
org/10.37117/s.v26i1.1155
Recibido: 08-04-2026. Aceptado: 26-05-2026 42
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
Leaño, A., Toledo, P., Romero, N., Sifuentes, N., & Sevilla, R.
(2025, diciembre 10). Uso de la inteligencia articial
en el rendimiento académico: Revisión sistemática.
Revista de educación Simón Rodríguez, 5(10), pp. 723-
738. https://doi.org/10.62319/simonrodriguez.v.5i10.95
Molina, K., Loor, R., Centeno, D., Cedeño, J., & Zambrano, S.
(2025, julio 27). La transformación del rol del docente
en la era digital. Revista Sinergia Academia, 8(5), pp.
709-726. https://sinergiaacademica.com/index.php/
sa/article/view/682
Organización de las Naciones Unidas para la Educación, la
Ciencia y la Cultura. (2024). Guía para la IA generativa
en la educación y la investigación. Portal WEB de ht-
tps://unesdoc.unesco.org/ark:/48223/pf0000389227
Romero, G. (2026, mayo 04). La nueva dinámica en el aula:
docente, IA y estudiante, Portal WEB de https://ges-
vinromero.com/2026/05/04/nueva-dinamica-au-
la-ia-docente-estudiante/
Salgado, G. (2023, julio-diciembre). La generación “clic”:
nativos digitales en la educación superior de Nicara-
gua. Revista cientíca de estudios sociales, 2(3), pp.
191-201. https://doi.org/10.62407/rces.v3i3.72
Solano, G., Esparza, A., Márquez, M., Trujillo, F., & Salazar, J.
(2024, septiembre-octubre). Los nativos digitales y su
aprovechamiento académico a través de la tecnolo-
gía. Ciencia Latina Revista Cientíca Multidisciplinar,
8(5), pp. 12351-12364. https://doi.org/10.37811/cl_rcm.
v8i5.14657
Torres, J. (2023, octubre, 16). La inteligencia articial (IA) en
la educación superior retos y oportunidades. Revista
Dialéctica, 1(21), pp. 376-388. https://doi.org/10.56219/
dialctica.v1i21.2322
Innovación y Gerencia. Revista cientíca arbitrada
Vol XII. Edición Especial Nº1. Junio 2026, pp. 43 - 52
UJGH ISSN: 3005-5172
Depósito legal: ZU2023000012
DEL PROJECT MANAGER AL AI MANAGER:
TRANSFORMACIÓN DE LOS
ROLES GERENCIALES EN LA ERA DIGITAL
Jonnathan López Hurtado
Doctorante en Estudios en Desarrollo y Territorio. Doctorando en Administración
de Negocios por la Universidad de Chile. Magíster en Gestión de Organizaciones y
Administrador de Empresas por la Universidad Central de Bogotá, Colombia. Corpo-
ración Universitaria Minuto de Dios – UNIMINUTO. Bogotá, Colombia.
Correo Electrónico: jonnathan.lopez@uniminuto.edu.co
ORCID: https://orcid.org/0000-0001-7244-8478
RESUMEN: La inteligencia articial está transformando la gestión de proyectos y re-
deniendo el papel del liderazgo organizacional. Este artículo analiza la transición
del Project Manager tradicional hacia el AI Manager, gura que integra competencias
técnicas, cognitivas y éticas para la toma de decisiones en entornos digitalizados. A
partir de un enfoque cualitativo-interpretativo, sustentado en revisión documental y
análisis hermenéutico, se propone un modelo basado en competencias que articula
la analítica de datos, el pensamiento sistémico y la responsabilidad ética. Los resul-
tados evidencian que el liderazgo digital requiere gobernanza algorítmica, aprendi-
zaje continuo y una cultura organizacional basada en la transparencia y el propósito.
Se concluye que el AI Manager representa un nuevo paradigma de dirección: un lide-
razgo híbrido que combina inteligencia técnica con sensibilidad humana, orientado
al desarrollo sostenible y la equidad en América Latina.
PALABRAS CLAVE: Inteligencia Articial; Gestión de Proyectos; Liderazgo Digital; Gober-
nanza Algorítmica; Ética Organizacional; América Latina.
Introducción
En la última década, la inteligencia articial (IA) ha dejado de
ser una promesa tecnológica para convertirse en una realidad que
redene los modelos de gestión, los procesos organizacionales y
las dinámicas de liderazgo en todos los sectores. Su capacidad para
analizar grandes volúmenes de datos, identicar patrones y antici-
par escenarios ha transformado la naturaleza misma del trabajo ge-
rencial (Davenport & Ronanki, 2018). En este nuevo contexto, la gu-
ra tradicional del Project Manager (que durante años representó el
eje de coordinación entre recursos, tiempos y objetivos) se enfrenta
al desafío de liderar proyectos mediados por sistemas inteligentes
que aprenden, predicen y recomiendan acciones en tiempo real.
La literatura reciente muestra que las organizaciones que lo-
gran integrar IA en su gestión alcanzan niveles superiores de ecien-
cia y adaptabilidad (Brynjolfsson & McAfee, 2017; Davenport, 2023).
Sin embargo, esta incorporación no es únicamente técnica: implica
una transformación cognitiva y cultural que recongura el sentido
mismo del liderazgo. El gerente de proyectos contemporáneo ya no
actúa solo como planicador o controlador, sino como un intérprete
de información algorítmica capaz de traducir resultados complejos
en decisiones estratégicas coherentes con los valores y propósitos
institucionales. Así surge la gura del AI Manager, un nuevo tipo de
líder que combina pensamiento analítico, criterio ético y sensibili-
dad organizacional.
FROM PROJECT MANAGER TO AI MANAGER: TRANSFORMING MANAGERIAL RO-
LES IN THE DIGITAL ERA
ABSTRACT: Articial intelligence is reshaping project management and redening organiza-
tional leadership. This article examines the transition from the traditional Project Manager
to the emerging AI Manager, a professional prole that combines technical, cognitive, and
ethical competences for decision-making in digital environments. Based on a qualitati-
ve–interpretive approach supported by documentary review and hermeneutic analysis, a
competency model is proposed that integrates data analytics, systems thinking, and ethical
responsibility. Findings show that digital leadership requires algorithmic governance, con-
tinuous learning, and an organizational culture grounded in transparency and purpose. It
is concluded that the AI Manager embodies a new managerial paradigm: a hybrid form of
leadership that merges technical intelligence with human sensitivity, aimed at sustainable
development and social equity in Latin America.
KEYWORDS: Articial Intelligence; Project Management; Digital Leadership; Algorithmic Go-
vernance; Organizational Ethics; Latin America.
DO PROJECT MANAGER AO AI MANAGER: TRANSFORMAÇÃO DOS PAPÉIS GEREN-
CIAIS NA ERA DIGITAL
RESUMO: A inteligência articial está transformando a gestão de projetos e redenindo o
papel da liderança organizacional. Este artigo analisa a transição do Project Manager tradi-
cional para o AI Manager, gura que integra competências técnicas, cognitivas e éticas para
a tomada de decisões em ambientes digitalizados. A partir de uma abordagem qualitati-
vo-interpretativa, sustentada em revisão documental e análise hermenêutica, propõe-se
um modelo baseado em competências que articula a analítica de dados, o pensamento sis-
têmico e a responsabilidade ética. Os resultados evidenciam que a liderança digital requer
governança algorítmica, aprendizagem contínua e uma cultura organizacional fundada na
transparência e no propósito. Conclui-se que o AI Manager representa um novo paradigma
de direção: uma liderança híbrida que combina inteligência técnica com sensibilidade hu-
mana, voltada para o desenvolvimento sustentável e a equidade na América Latina.
PALAVRAS-CHAVE: Inteligência Articial; Gestão de Projetos; Liderança Digital; Governança Algo-
rítmica; Ética Organizacional; América Latina.
DU PROJECT MANAGER À L’AI MANAGER : TRANSFORMATION DES RÔLES DE DIREC-
TION À L’ÈRE NUMÉRIQUE
RÉSUMÉ: L’intelligence articielle transforme la gestion de projet et redénit le rôle du
leadership organisationnel. Cet article analyse la transition du Project Manager traditionnel
vers l’AI Manager, une gure qui intègre des compétences techniques, cognitives et éthi-
ques pour la prise de décision dans des environnements numérisés. Selon une approche
qualitative et interprétative, appuyée sur une revue documentaire et une analyse hermé-
neutique, l’étude propose un modèle fondé sur les compétences qui articule l’analyse de
données, la pensée systémique et la responsabilité éthique. Les résultats montrent que le
leadership numérique exige une gouvernance algorithmique, un apprentissage continu et
une culture organisationnelle basée sur la transparence et le sens del’engagement. En con-
clusion, l’AI Manager représente un nouveau paradigme de direction : un leadership hybride
qui associe l’intelligence technique à la sensibilité humaine, orienté vers le développement
durable et l’équité en Amérique latine.
MOTS-CLÉS: Intelligence articielle ; Gestion de projet ; Leadership numérique ; Gouvernan-
ce algorithmique ; Éthique organisationnelle ; Amérique latine.
Recibido: 09-02-2026. Aceptado: 13-03-2026 43
Recibido: 09-02-2026. Aceptado: 13-03-2026 44
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
En palabras de Schwab (2019), vivimos en una era de
convergencia entre lo físico, lo digital y lo biológico, donde
las fronteras entre la tecnología y la gestión humana se
vuelven difusas. En este entorno, el AI Manager representa
una respuesta adaptativa a la complejidad: un profesional
que entiende que los algoritmos no sustituyen la decisión
humana, sino que la amplican cuando se gobiernan con
responsabilidad. Desde la perspectiva del Project Mana-
gement Institute (PMI, 2021), esta evolución supone pasar
de una gestión centrada en la ejecución hacia una gestión
basada en el conocimiento, la anticipación y el aprendizaje
organizacional continuo.
En América Latina, esta transformación adquiere ma-
tices particulares. La región enfrenta una combinación de
desafíos estructurales y oportunidades emergentes. Por
un lado, la infraestructura tecnológica desigual y la limi-
tada disponibilidad de talento especializado dicultan la
adopción sistemática de la IA en las organizaciones (CEPAL,
2025). Por otro, sectores como la agroindustria, la educa-
ción, la salud y la logística están incorporando herramien-
tas inteligentes para mejorar la productividad, reducir
costos y fortalecer la sostenibilidad. Estas experiencias
evidencian que la IA no solo puede aumentar la eciencia,
sino también democratizar la toma de decisiones y abrir
nuevas rutas de desarrollo regional, siempre que su imple-
mentación esté guiada por principios de equidad y ética
digital (CAF, 2022; BID, 2023).
A pesar de estos avances, persiste una brecha en la
literatura y en la práctica profesional: aún no se ha descri-
to de manera suciente cómo evoluciona el rol del Project
Manager frente a la inteligencia articial, ni qué competen-
cias especícas caracterizan al AI Manager. Si bien abundan
los estudios sobre digitalización y automatización, pocos
abordan la transformación del liderazgo desde una mira-
da integral que combine lo técnico, lo cognitivo y lo ético
(Westerman, Bonnet & McAfee, 2021). Esta laguna teórica y
práctica justica el presente trabajo, cuyo propósito es exa-
minar el tránsito entre ambas guras y proponer un modelo
basado en competencias que permita comprender cómo se
congura el liderazgo en proyectos mediados por IA.
El objetivo general del presente artículo es analizar la
transformación del Project Manager hacia el AI Manager en
el contexto de la era digital, identicando las competen-
cias emergentes y los desafíos éticos asociados a la toma
de decisiones aumentada. Así mismo, los objetivos espe-
cícos son cuatro: (i) reconocer las capacidades técnicas y
cognitivas que denen al nuevo perl gerencial; (ii) descri-
bir cómo la IA recongura los procesos de planeación, con-
trol y evaluación de proyectos; (iii) explorar las implicacio-
nes éticas y organizacionales de la automatización en la
gestión; y (iv) reexionar sobre los retos y oportunidades
de esta transición en el contexto latinoamericano.
El artículo se organiza en cinco apartados. En primer
lugar, se presenta la fundamentación teórica, donde se
examinan las principales aportaciones sobre liderazgo
algorítmico, gestión cognitiva y gobernanza de datos. En
segundo lugar, se explica la metodología cualitativa in-
terpretativa utilizada para la revisión y análisis de la li-
teratura. En la tercera sección se exponen los resultados,
que incluyen un modelo basado en competencias del AI
Manager y una caracterización de las nuevas prácticas de
gestión. La cuarta sección desarrolla la discusión, en la
que se interpretan los hallazgos a la luz de marcos inter-
nacionales y regionales, como el AI Act europeo (European
Commission, 2024) y el Articial Intelligence Risk Manage-
ment Framework del NIST (2023). Finalmente, se presentan
las conclusiones, donde se proponen lineamientos forma-
tivos y estratégicos para fortalecer el liderazgo digital en
América Latina.
Fundamentación teórica
El campo de la gestión de proyectos ha experimenta-
do transformaciones profundas que desbordan los marcos
tradicionales de dirección, control y planeación. Durante
décadas, el Project Management Institute (PMI) ha esta-
blecido los estándares de referencia a través de su Guide
to the Project Management Body of Knowledge (PMBOK),
donde la gura del Project Manager se concibe como un
líder técnico encargado de garantizar el cumplimiento de
objetivos denidos en tiempo, costo y alcance (PMI, 2021).
No obstante, la globalización digital, la expansión de los
ujos de datos y la incorporación de tecnologías inteligen-
tes han modicado de manera sustantiva la lógica sobre la
cual se ejerce la gerencia. La creciente complejidad de los
proyectos exige decisiones informadas por evidencia, apo-
yadas en sistemas de analítica avanzada y con capacidad
para adaptarse a entornos inciertos.
En este contexto, la inteligencia articial (IA) no se
presenta únicamente como un conjunto de herramien-
tas tecnológicas, sino como un paradigma cognitivo que
redene las formas de pensar, coordinar y decidir en las
organizaciones. Tal como sostienen Davenport y Ronanki
(2018), la IA no sustituye el liderazgo humano, sino que lo
amplica, extendiendo las capacidades analíticas y estra-
tégicas del gerente mediante el aprendizaje automático, la
automatización cognitiva y la interpretación predictiva de
datos. Brynjolfsson y McAfee (2017) arman que la ventaja
competitiva contemporánea ya no depende exclusivamen-
te del capital o de la experiencia, sino de la capacidad de
las empresas para integrar máquinas inteligentes en sus
procesos de toma de decisiones.
La incorporación de IA a la gestión de proyectos ha
generado el surgimiento del AI Manager, un perl que con-
juga habilidades técnicas, pensamiento crítico y discerni-
miento ético. Este nuevo tipo de gerente no solo interpreta
Recibido: 09-02-2026. Aceptado: 13-03-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
45
los resultados generados por sistemas de IA, sino que los
traduce en decisiones estratégicas coherentes con los
objetivos organizacionales. Hughes (2025) describe esta
gura como un mediador entre el conocimiento algorít-
mico y el conocimiento organizacional, responsable de
garantizar que los modelos de IA produzcan valor y que
sus recomendaciones sean interpretadas bajo criterios de
conabilidad, equidad y transparencia.
De esta manera, el AI Manager actúa en el marco de
lo que Schwab (2019) denomina la Cuarta Revolución In-
dustrial, caracterizada por la convergencia entre lo físico,
lo digital y lo biológico. Las organizaciones se transforman
en sistemas sociotécnicos interdependientes, donde los
algoritmos asumen funciones predictivas, prescriptivas y
decisionales. Esto demanda un liderazgo que entienda el
rol del dato como recurso estratégico y el valor del cono-
cimiento como bien común. Así, la gestión de proyectos
evoluciona hacia una gestión cognitiva, donde la inteli-
gencia humana y la inteligencia articial colaboran en la
resolución de problemas complejos.
En este nuevo escenario, el liderazgo algorítmico se
consolida como una dimensión central de la práctica ge-
rencial. Según la Organización Internacional del Trabajo
(OIT, 2019), el algorithmic management implica la delega-
ción de decisiones (como la asignación de tareas, la evalua-
ción del desempeño o la optimización de rutas) a sistemas
automatizados que aprenden a partir del comportamiento
de los usuarios. Si bien esta tendencia promete eciencia
y objetividad, también plantea riesgos asociados con la
opacidad de los algoritmos y la pérdida de autonomía de
los trabajadores. Por ello, el líder contemporáneo debe de-
sarrollar competencias éticas y reexivas para supervisar,
auditar y validar las decisiones algorítmicas, garantizando
su coherencia con los valores institucionales.
El pensamiento de Etkin y Schvarstein (2020) aporta
una mirada complementaria desde la teoría organiza-
cional latinoamericana. Los autores sostienen que toda
organización es un sistema vivo que integra dimensiones
técnicas, simbólicas y humanas, y que la gestión requie-
re reconocer el conicto, la incertidumbre y la diversidad
como elementos constitutivos del cambio. Esta visión re-
sulta crucial para el AI Manager, quien no solo debe domi-
nar el lenguaje técnico de la IA, sino también comprender
los procesos subjetivos que emergen de su aplicación. La
gestión inteligente no consiste únicamente en automatizar
decisiones, sino en preservar la deliberación, la interpre-
tación y el juicio ético dentro de los entornos digitalizados.
En el ámbito de la dirección de proyectos, la noción
de PMO cognitiva representa un paso signicativo hacia la
institucionalización del liderazgo digital. Kerzner (2019) ha-
bía anticipado que la madurez de la gestión organizacional
dependería de su capacidad para aprender de los datos y
retroalimentar sus procesos de manera continua. En esta
línea, el PMI (2025) propone la idea de una cognitive Project
Management Ofce, entendida como una estructura capaz
de integrar analítica predictiva, aprendizaje automático y
automatización en la planicación y el control de portafo-
lios. Estas ocinas ya no operan como centros burocráticos
de supervisión, sino como espacios de inteligencia colec-
tiva que permiten anticipar riesgos, redistribuir recursos y
evaluar el desempeño en tiempo real.
A su vez, el liderazgo digital exige una alfabetización
tecnológica que no se limite a la adopción de herramien-
tas, sino que incorpore competencias analíticas, éticas y
comunicativas. Westerman, Bonnet y McAfee (2021) sostie-
nen que los líderes digitales más exitosos son aquellos ca-
paces de combinar pensamiento estratégico, comprensión
tecnológica y sensibilidad humana. Este enfoque coincide
con la visión de Davenport (2023), quien plantea la ne-
cesidad de pasar del liderazgo basado en la intuición al
liderazgo aumentado, apoyado en datos pero gobernado
por principios éticos.
En el contexto latinoamericano, la construcción de
capacidades para la gestión inteligente enfrenta un con-
junto particular de desafíos. De acuerdo con el Índice
Latinoamericano de Inteligencia Articial (ILIA) publicado
por la CEPAL (2025), la región avanza de manera desigual
en la adopción de políticas y estrategias de IA. Aunque
países como Chile, Brasil, México y Colombia han desarro-
llado marcos nacionales y estrategias de talento digital,
persisten brechas signicativas en infraestructura, inte-
roperabilidad y nanciamiento para la innovación. Estas
limitaciones evidencian la necesidad de formar líderes
que comprendan la IA no solo como tecnología, sino como
fenómeno socioeconómico y ético, capaz de transformar
los territorios y generar valor público.
Los organismos multilaterales también han enfati-
zado la relevancia de construir una gobernanza regional
de la inteligencia articial. La CAF (2022) destaca la im-
portancia de establecer lineamientos éticos y técnicos
que orienten el uso de la IA en el sector público, mientras
que el BID (2023) propone marcos de cooperación regional
que promuevan estándares comunes de transparencia y
evaluación. Estos esfuerzos se alinean con las directrices
internacionales del AI Act de la Unión Europea (European
Commission, 2024) y el Articial Intelligence Risk Manage-
ment Framework del NIST (2023), los cuales recomiendan
una aproximación basada en riesgos, la supervisión huma-
na continua y la rendición de cuentas en todas las fases
del ciclo de vida de los sistemas inteligentes.
Métodos
El presente estudio se desarrolló bajo un enfoque
cualitativo – interpretativo, sustentado en la revisión siste-
mática de literatura y el análisis hermenéutico de fuentes
académicas, normativas y técnicas relacionadas con la in-
teligencia articial y la gestión de proyectos. Esta orienta-
ción metodológica permitió comprender la transformación
Recibido: 09-02-2026. Aceptado: 13-03-2026 46
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
del rol del Project Manager hacia el AI Manager no solo
como un fenómeno tecnológico, sino como un proceso so-
cio-organizacional que involucra dimensiones cognitivas,
éticas y culturales.
La investigación no buscó establecer relaciones cau-
sales o medir efectos estadísticos, sino comprender signi-
cados, patrones discursivos y marcos conceptuales que
explican cómo la inteligencia articial recongura las prác-
ticas gerenciales. Según Creswell y Poth (2018), los estu-
dios cualitativos resultan apropiados cuando el fenómeno
analizado implica interpretación, contexto y construcción
de sentido. En esa línea, el presente trabajo asumió que la
transformación del liderazgo en entornos digitales debe
analizarse a partir de la comprensión de narrativas, prin-
cipios y modelos emergentes más que desde indicadores
cuantitativos aislados.
Diseño metodológico
Se optó por un diseño exploratorio y descriptivo,
adecuado para temas recientes y en consolidación (Flick,
2018). Este tipo de diseño permite examinar fenómenos
en proceso de desarrollo y generar proposiciones teóricas
iniciales. En particular, la revisión documental se organizó
en tres fases: (i) recolección de fuentes primarias y secun-
darias, (ii) análisis categorial temático y (iii) síntesis inter-
pretativa de hallazgos.
Durante la primera fase se realizó una búsqueda
sistemática de documentos en bases de datos académi-
cas reconocidas —Scopus, Web of Science, ScienceDirect
y RedALyC—, así como en repositorios institucionales de
organismos multilaterales (CEPAL, BID, CAF, OCDE, NIST, PMI
y Unión Europea). Se consideraron artículos publicados
entre 2018 y 2025, período en el cual se consolidaron los
principales avances sobre inteligencia articial aplicada a
la gestión y liderazgo digital.
Los criterios de inclusión fueron:
- Pertinencia temática (estudios sobre IA, liderazgo,
gestión de proyectos o transformación digital).
- Actualidad (publicaciones en los últimos siete
años).
- Validez académica (artículos revisados por pares o
documentos técnicos de organismos reconocidos).
- Aplicabilidad regional (fuentes con enfoque o da-
tos de América Latina).
A su vez, se excluyeron textos de carácter divulgati-
vo, informes sin respaldo metodológico y publicaciones
comerciales sin revisión editorial. Este ltro permitió
construir un corpus analítico sólido, compuesto por 45 do-
cumentos seleccionados tras una primera revisión de 132
referencias identicadas.
Procedimiento de análisis
El tratamiento de la información se apoyó en los prin-
cipios del análisis de contenido cualitativo, combinando
procedimientos de codicación abierta y categorización
axial (Bardin, 2013). Esta metodología permitió identicar
los núcleos conceptuales que estructuran el fenómeno de
estudio. Se construyeron tres categorías principales:
- Competencias del AI Manager: conocimientos téc-
nicos, analíticos, cognitivos y éticos requeridos para la
toma de decisiones híbrida.
- Reconguración de procesos de gestión: transfor-
mación de la planeación, ejecución, control y aprendizaje
organizacional en contextos mediados por IA.
- Gobernanza y ética algorítmica: marcos normati-
vos, principios de responsabilidad y supervisión humana
en el uso de IA para la gestión de proyectos.
La información fue analizada mediante una lectura
iterativa, en la que se contrastaron conceptos teóricos con
hallazgos empíricos y normativos. Este proceso permitió
triangular las perspectivas académicas, institucionales y
organizacionales, asegurando una interpretación equili-
brada y contextualizada (Yin, 2018).
Enfoque hermenéutico
El componente interpretativo se basó en la tradición
hermenéutica crítica, que entiende el análisis como un
proceso de diálogo entre el texto y el contexto (Gadamer,
2001). En este sentido, cada fuente fue leída no solo desde
su contenido explícito, sino también desde las condiciones
históricas, culturales y tecnológicas que la sustentan. Este
enfoque resultó pertinente, dado que el liderazgo digital y
el uso de IA en la gestión no son meras prácticas técnicas,
sino expresiones de paradigmas epistémicos en disputa.
El investigador adoptó una posición reexiva, asu-
miendo que su propia experiencia docente y consultiva
en gestión y liderazgo inuye en la interpretación. Esta
autorreexión permitió mantener una distancia crítica y
reconocer las tensiones entre los discursos tecnológicos
globales y las realidades organizacionales latinoameri-
canas, caracterizadas por desigualdades estructurales y
heterogeneidad institucional.
Recibido: 09-02-2026. Aceptado: 13-03-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
47
Validez y conabilidad
Siguiendo los criterios de Lincoln y Guba (1985), la va-
lidez cualitativa se garantizó mediante estrategias de cre-
dibilidad, transferibilidad, dependencia y conrmabilidad.
• La credibilidad se aseguró a través de la triangula-
ción de fuentes académicas, técnicas y normativas.
• La transferibilidad se logró al describir detallada-
mente el contexto regional y las condiciones organizacio-
nales que enmarcan el fenómeno.
• La dependencia se fortaleció mediante la trazabi-
lidad del proceso analítico y la documentación de decisio-
nes metodológicas.
• La conrmabilidad se garantizó con la utilización
de fuentes vericables y la revisión cruzada de conceptos
entre diferentes autores y organismos.
Consideraciones éticas
Dado que el estudio no implicó interacción con per-
sonas ni recolección de datos sensibles, no requirió apro-
bación de un comité ético formal. No obstante, se observó
el principio de integridad cientíca recomendado por la
American Psychological Association (APA, 2020), aseguran-
do la correcta citación de las fuentes, la transparencia en
la interpretación de resultados y el respeto por la autoría
intelectual.
Asimismo, se adoptó una perspectiva de ética de la
investigación responsable, coherente con las directrices
de la UNESCO (2021) sobre el uso ético de la inteligencia
articial, que promueven la equidad, la transparencia y el
benecio social en la producción y aplicación del conoci-
miento.
Resultados
Los hallazgos de la investigación evidencian un cam-
bio estructural en la concepción y práctica de la gestión
de proyectos en la era digital. Este cambio se materializa
en la aparición del AI Manager, un rol que integra la visión
estratégica del liderazgo tradicional con las competencias
técnicas y éticas que demanda la inteligencia articial. A
partir del análisis documental, se identicaron tres gran-
des resultados: (i) la conguración de un modelo basado
en competencias integral del AI Manager, (ii) la recongu-
ración de los procesos de planeación, ejecución y control
de proyectos mediada por IA, y (iii) la emergencia de mar-
cos de gobernanza y ética algorítmica como pilares de la
sostenibilidad gerencial.
Modelo basado en competencias del AI Manager
El primer hallazgo relevante fue la consolidación de
un modelo basado en competencias tripartito, que sinte-
tiza las capacidades necesarias para ejercer liderazgo en
contextos donde las decisiones se apoyan en sistemas
inteligentes. Este modelo se compone de tres dimensiones
interdependientes: técnica, cognitiva y ética, las cuales no
operan de manera jerárquica sino complementaria, dando
lugar a un perl híbrido entre la analítica y la gestión.
Dimensión técnica
La dimensión técnica se reere al dominio funcional
de las herramientas, lenguajes y metodologías que per-
miten incorporar la inteligencia articial a la gestión de
proyectos. Incluye conocimientos sobre analítica de datos,
automatización de ujos de trabajo, integración de plata-
formas digitales y comprensión básica de los principios
del aprendizaje automático (machine learning).
Según el Project Management Institute (PMI, 2025), la
madurez de los proyectos en entornos digitales depende
directamente de la alfabetización tecnológica de sus líde-
res. Un AI Manager competente debe ser capaz de interpre-
tar visualizaciones de datos, comprender los límites de los
modelos predictivos, evaluar su conabilidad y dialogar
con especialistas en analítica o ciencia de datos. Esto no
implica que deba programar, sino que debe traducir las
necesidades de gestión en requisitos algorítmicos y com-
prender los resultados de modo que sean útiles para la
toma de decisiones.
Asimismo, Davenport (2023) subraya que el liderazgo
en entornos inteligentes requiere familiaridad con concep-
tos como entrenamiento de modelos, validación cruzada,
métricas de error y sesgo de datos. La competencia técni-
ca, por tanto, no se limita a saber usar una herramienta,
sino a entender el ciclo de vida del dato, desde su captura
hasta su interpretación.
Dimensión cognitiva
La segunda dimensión es de naturaleza cognitiva
y alude a la capacidad de pensar de manera sistémica,
adaptativa y probabilística. En este nivel, el AI Manager
se distingue por su habilidad para interpretar la incerti-
dumbre, evaluar escenarios y generar sentido a partir de
información incompleta.
El pensamiento sistémico es esencial, pues los pro-
yectos actuales se desarrollan en ecosistemas interco-
nectados donde pequeñas variaciones en un componente
pueden generar impactos signicativos en otros. Wester-
Recibido: 09-02-2026. Aceptado: 13-03-2026 48
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
man, Bonnet y McAfee (2021) arman que los líderes di-
gitales deben articular visión estratégica y pensamiento
analítico para anticipar patrones emergentes y responder
con agilidad.
Además, el AI Manager incorpora una comprensión de
la probabilidad y el riesgo, entendiendo que los modelos
predictivos no ofrecen certezas, sino estimaciones sujetas
a error. En consecuencia, su función no es aceptar ciega-
mente la recomendación de un algoritmo, sino ponderar
su validez en función del contexto, las metas instituciona-
les y las implicaciones sociales.
Este tipo de liderazgo cognitivo se sustenta también
en la capacidad de aprendizaje continuo. En un entorno
donde los algoritmos se actualizan constantemente, la ob-
solescencia del conocimiento técnico es rápida; por ello, el
AI Manager debe mantener una actitud de aprendizaje per-
manente, revisando fuentes, participando en comunidades
digitales y promoviendo la transferencia de conocimiento
dentro de su organización (Brynjolfsson & McAfee, 2017).
Dimensión ética
La tercera dimensión del modelo basado en compe-
tencias corresponde al campo ético y valórico, que en el
contexto de la inteligencia articial se vuelve indispensa-
ble. El liderazgo digital no puede limitarse a la eciencia;
debe estar guiado por principios de transparencia, equi-
dad, responsabilidad y explicabilidad.
El Articial Intelligence Risk Management Framework
(NIST, 2023) plantea que todo sistema inteligente debe
operar bajo cuatro pilares: gobernanza, validación, gestión
del riesgo y supervisión humana. El AI Manager, desde su
posición, se convierte en el garante de estos principios,
asegurando que la automatización no reproduzca sesgos o
genere efectos discriminatorios.
De igual modo, la Comisión Europea (2024), a través
del AI Act, establece que los sistemas de alto riesgo deben
contar con mecanismos de auditoría y control humano
signicativo. Esto implica que el AI Manager tiene la res-
ponsabilidad de articular políticas de revisión y meca-
nismos de trazabilidad que aseguren que las decisiones
algorítmicas puedan ser comprendidas, cuestionadas y, si
es necesario, corregidas.
En el plano organizacional, la ética se traduce en prác-
ticas concretas: documentar los supuestos de los modelos,
comunicar los márgenes de error, preservar la privacidad
de los datos y garantizar que las decisiones se tomen con
base en valores compartidos. En palabras de Etkin y Sch-
varstein (2020), el liderazgo contemporáneo debe enten-
der que la racionalidad técnica nunca puede sustituir la
deliberación moral, y que la autoridad se legitima tanto
por la competencia como por la conciencia.
En conjunto, estas tres dimensiones —técnica, cog-
nitiva y ética— conguran un perl profesional complejo,
adaptable y humanista. El AI Manager emerge así como una
gura capaz de equilibrar la potencia de los algoritmos con
la sensibilidad humana, construyendo una gestión más in-
teligente, transparente y justa.
Reconguración de los procesos de gestión de
proyectos
El segundo hallazgo está relacionado con la transfor-
mación funcional de los procesos de planeación, ejecución
y control en los proyectos gestionados con apoyo de in-
teligencia articial. Esta reconguración no reemplaza los
fundamentos de la gerencia clásica, sino que los amplica
a través de un ciclo de retroalimentación constante entre
datos, algoritmos y decisiones humanas.
Planeación aumentada por IA
En la etapa de planeación, la inteligencia articial
actúa como herramienta de anticipación y simulación. Me-
diante el análisis de datos históricos, los modelos predic-
tivos permiten estimar plazos, costos y riesgos con mayor
precisión (Kerzner, 2019). Estos sistemas generan múltiples
escenarios y sugieren combinaciones óptimas de recursos,
lo que facilita la toma de decisiones informadas desde el
inicio del proyecto.
El AI Manager utiliza estas capacidades para construir
planes adaptativos, que se ajustan dinámicamente según
el comportamiento real del entorno. De esta manera, la
planicación deja de ser un documento estático para con-
vertirse en un proceso vivo, sustentado en datos que se
actualizan en tiempo real.
Ejecución inteligente y coordinación híbrida
Durante la ejecución, la IA desempeña un papel de
asistente cognitivo, apoyando la coordinación de equipos,
la gestión de comunicaciones y la priorización de tareas.
Los sistemas integrados de gestión de proyectos (como
los que incorporan analítica predictiva y aprendizaje au-
tomático) pueden detectar retrasos, cuellos de botella o
sobreasignaciones antes de que se conviertan en proble-
mas críticos.
Davenport (2023) señala que el mayor potencial de la
IA no radica en sustituir la acción humana, sino en liberar
al gerente de tareas operativas para permitirle concentrar-
se en el análisis estratégico y en la toma de decisiones
complejas. Así, el AI Manager actúa como mediador entre
los equipos humanos y las plataformas digitales, garanti-
Recibido: 09-02-2026. Aceptado: 13-03-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
49
zando que la colaboración se mantenga uida, inclusiva y
orientada a resultados.
Control y aprendizaje organizacional
En la fase de control, la IA posibilita un seguimiento
continuo y multidimensional del desempeño del proyecto.
A diferencia de los informes tradicionales, que entregan
una visión retrospectiva, las herramientas basadas en IA
generan tableros predictivos capaces de anticipar desvia-
ciones y recomendar acciones correctivas.
Este tipo de control inteligente fortalece la cultura del
aprendizaje organizacional. Cada iteración del proyecto
produce nuevos datos que alimentan los modelos, gene-
rando un ciclo de mejora permanente. Según el Project
Management Institute (PMI, 2025), la incorporación de IA a
la gestión de proyectos convierte a la PMO en un espacio
de inteligencia adaptativa, donde los errores se interpre-
tan como oportunidades de aprendizaje más que como
fallas a sancionar.
En consecuencia, la función del AI Manager se orienta
a traducir datos en conocimiento y conocimiento en ac-
ción, promoviendo la innovación sostenida dentro de las
organizaciones.
Gobernanza y ética algorítmica en la gestión de
proyectos
El tercer hallazgo muestra que el avance de la inteli-
gencia articial en los procesos gerenciales exige la con-
solidación de marcos de gobernanza, regulación y ética
digital. La gestión de proyectos se convierte en un espacio
de deliberación sobre la legitimidad, la transparencia y la
justicia de las decisiones automatizadas.
El AI Manager desempeña aquí un rol de curador de la
decisión algorítmica, asegurando que la tecnología opere
bajo criterios de responsabilidad y respeto a los derechos
humanos. De acuerdo con la CEPAL (2025) y la CAF (2022),
América Latina debe avanzar hacia políticas que integren
innovación y protección, evitando tanto la tecnofobia
como el uso indiscriminado de la automatización.
En este marco, la gobernanza algorítmica implica la
denición de roles (propietario del modelo, custodio del
dato, auditor de impacto), la adopción de protocolos de
revisión y la creación de mecanismos de transparencia ac-
tiva. El AI Manager se convierte en el nexo entre las áreas
técnicas, la dirección estratégica y los órganos de control,
actuando como garante de la coherencia ética y la conan-
za institucional.
Más allá del cumplimiento normativo, la gobernanza
de la IA supone una cultura organizacional responsable.
Como plantea Schwab (2019), el liderazgo del futuro debe
combinar capacidad técnica con visión moral, orientando
la innovación hacia el bien común. Esta perspectiva coin-
cide con la de Etkin y Schvarstein (2020), quienes advierten
que las organizaciones solo son sostenibles cuando logran
integrar eciencia y sentido, técnica y humanidad.
A partir de lo indicado, los resultados demuestran
que el tránsito del Project Manager al AI Manager no se
limita a la incorporación de nuevas herramientas digita-
les, sino que constituye una transformación profunda del
pensamiento gerencial. El liderazgo del siglo XXI se dene
por la capacidad de combinar inteligencia técnica, pensa-
miento reexivo y ética deliberativa en la construcción de
decisiones colectivas mediadas por algoritmos.
Discusión
Los resultados presentados conrman que la transi-
ción del Project Manager hacia el AI Manager no represen-
ta un simple cambio instrumental, sino una transforma-
ción estructural en la lógica del liderazgo organizacional
contemporáneo. Se pasa de un modelo centrado en la
planeación racional y el control jerárquico a un paradig-
ma de inteligencia aumentada, donde la tecnología y la
deliberación humana coexisten en la toma de decisiones.
Este hallazgo se corresponde con la tesis de Brynjolfsson y
McAfee (2017), quienes sostienen que la ventaja competiti-
va en la era digital no proviene del reemplazo humano por
la máquina, sino de la complementariedad entre ambas
inteligencias.
Desde una perspectiva teórica, los resultados permi-
ten reinterpretar la gestión de proyectos como un sistema
sociotécnico, en el que las capacidades humanas (creati-
vidad, intuición, juicio ético) interactúan con las capacida-
des algorítmicas de análisis y predicción. Esta articulación
exige un liderazgo reexivo, capaz de gobernar la automa-
tización sin perder el control sobre su orientación nal.
Davenport (2023) advierte que los sistemas inteligentes
deben ser supervisados por líderes que comprendan sus
límites y los riesgos de sesgo o sobreajuste, lo que coinci-
de con el principio de human-in-the-loop promovido por
el NIST (2023) y por la Comisión Europea en el AI Act (2024).
En este sentido, el AI Manager emerge como gura
mediadora entre la eciencia técnica y la legitimidad so-
cial. Su papel no consiste únicamente en dirigir equipos,
sino en traducir algoritmos en decisiones comprensibles
y moralmente justicadas. Etkin y Schvarstein (2020) sos-
tienen que el ejercicio de la gestión no puede reducirse
a la ejecución de técnicas, sino que requiere preservar el
espacio de la deliberación, donde se construye el sentido
colectivo de la acción. Esta perspectiva humanista adquie-
Recibido: 09-02-2026. Aceptado: 13-03-2026 50
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
re especial relevancia en la era de la inteligencia articial,
donde los modelos tienden a homogeneizar la informa-
ción y reducir la complejidad a métricas cuantitativas.
La discusión sobre el liderazgo algorítmico, abordada
por la OIT (2019), aporta otro elemento sustantivo: el riesgo
de que la delegación excesiva en sistemas automatizados
derive en un “liderazgo invisible”, donde las decisiones
carecen de autoría clara. En las organizaciones latinoa-
mericanas, donde la conanza interpersonal sigue siendo
un componente central de la cultura laboral, este riesgo
es particularmente sensible. Por ello, el AI Manager debe
ejercer una autoridad visible, explicativa y empática, capaz
de reconstruir la conanza mediante la transparencia y la
rendición de cuentas.
Los resultados también evidencian que la ética orga-
nizacional se convierte en el principal eje articulador del
liderazgo digital. Las decisiones mediadas por IA requieren
ser auditables, comprensibles y justicables. El AI Mana-
ger encarna la función de garante ético, responsable de
establecer protocolos de revisión, trazabilidad y valida-
ción de modelos. En este aspecto, los marcos normativos
recientes —como el AI Act (European Commission, 2024) y
el Articial Intelligence Risk Management Framework del
NIST (2023)— coinciden en la necesidad de incorporar una
supervisión humana signicativa en los procesos automa-
tizados. Sin embargo, en América Latina, como advierte la
CEPAL (2025), la implementación de estos principios en-
frenta barreras de infraestructura, recursos y capacidades
institucionales, lo que requiere políticas de formación y
cooperación regional.
El tránsito hacia el liderazgo digital plantea, además,
implicaciones epistemológicas. Los datos y los algoritmos
no son neutrales; representan determinadas concepciones
del mundo y modos de conocerlo. De ahí que el AI Ma-
nager deba desarrollar una competencia hermenéutica,
entendida como la capacidad de interpretar críticamente
los resultados algorítmicos a la luz de su contexto social y
organizacional. Como sugiere Gadamer (2001), toda com-
prensión implica un diálogo entre la tradición y la nove-
dad. En ese sentido, el gerente no debe limitarse a leer los
datos, sino a interpretarlos desde una ética de la pruden-
cia, consciente de que toda decisión técnica es también
una decisión moral.
Los hallazgos de este estudio también dialogan con
las teorías contemporáneas del liderazgo digital. Wester-
man, Bonnet y McAfee (2021) argumentan que los líderes
exitosos en entornos digitales no se denen por su domi-
nio de la tecnología, sino por su capacidad para construir
sentido compartido en medio de la disrupción. En esta
línea, el AI Manager no es un tecnócrata, sino un traduc-
tor de inteligencias, capaz de armonizar la racionalidad
algorítmica con las emociones, valores y expectativas de
los equipos humanos. Esta función es crucial para evitar
el tecnocentrismo y sostener una gestión inclusiva y par-
ticipativa.
En el plano práctico, los resultados implican repensar
la estructura de las ocinas de gestión de proyectos. La
PMO cognitiva, como plantea el PMI (2025), debe evolucio-
nar hacia un modelo de gobernanza integral que incorpo-
re gestión de datos, evaluación de impacto algorítmico y
análisis ético de riesgos. No se trata de crear burocracia
adicional, sino de institucionalizar una cultura de respon-
sabilidad digital. En este sentido, el liderazgo del AI Mana-
ger no solo se mide por indicadores de desempeño, sino
por su capacidad de construir conanza, transparencia y
valor social a partir del uso responsable de la tecnología.
En América Latina, la discusión adquiere matices
especícos. Las brechas digitales y las desigualdades
estructurales imponen límites a la adopción de tecnolo-
gías avanzadas (BID, 2023). No obstante, la región posee
un potencial singular para liderar modelos de innovación
inclusiva, basados en el principio de “IA con propósito
público” (CEPAL, 2025). En sectores como la educación, la
agroindustria y la logística, la aplicación de inteligencia ar-
ticial ha demostrado mejoras en eciencia y trazabilidad,
pero también ha abierto debates sobre soberanía de da-
tos, empleo y sostenibilidad (CAF, 2022). En este contexto,
el AI Manager latinoamericano enfrenta una tarea doble:
promover la adopción tecnológica y proteger los valores
sociales, garantizando que la innovación sirva al desarro-
llo humano y no lo subordine.
Desde una lectura crítica, la transición hacia el AI
Manager también revela tensiones estructurales entre el
discurso de la innovación y la realidad institucional. La
brecha entre los marcos normativos globales —como los
de la Unión Europea o el NIST— y las capacidades de im-
plementación locales podría reproducir desigualdades en
la gobernanza tecnológica. Por ello, los resultados sugie-
ren que el desarrollo de liderazgos digitales en América
Latina debe estar acompañado por políticas públicas de
alfabetización algorítmica, inversión en infraestructura de
datos y fortalecimiento de la cooperación intersectorial
(CAF, 2022; BID, 2023).
Por último, la discusión permite formular una re-
exión más amplia sobre el sentido del liderazgo en la
era de la inteligencia articial. La adopción tecnológica,
por sí sola, no garantiza innovación ni desarrollo. Lo que
diferencia a una organización digitalmente madura es
su capacidad para convertir la información en sabiduría
y la eciencia en justicia organizacional. En palabras de
Schwab (2019), el reto del siglo XXI consiste en “poner la
tecnología al servicio de la humanidad”. Bajo esta premisa,
el AI Manager no es solo un gestor del cambio, sino un
arquitecto de signicados, un puente entre la razón algo-
rítmica y la razón ética.
Recibido: 09-02-2026. Aceptado: 13-03-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
51
Conclusiones
El tránsito del Project Manager al AI Manager repre-
senta una de las transformaciones más signicativas en la
historia reciente de la gestión de proyectos. Los resultados
del estudio muestran que esta evolución no se limita a la
adopción de herramientas digitales, sino que implica una
redenición profunda del liderazgo, donde la inteligencia
articial se convierte en un aliado cognitivo y estratégico.
La gura del AI Manager sintetiza un nuevo tipo de compe-
tencia profesional que integra tres dimensiones insepara-
bles: técnica, cognitiva y ética. Este perl no sustituye al
gerente tradicional, sino que lo expande, otorgándole una
capacidad ampliada para comprender, interpretar y gober-
nar sistemas inteligentes en entornos complejos.
Desde la perspectiva teórica, la investigación con-
rma que la gestión de proyectos en la era digital debe
concebirse como un proceso sociotécnico y adaptativo,
sustentado en la colaboración entre humanos y algorit-
mos. El liderazgo efectivo ya no depende únicamente del
conocimiento experto o de la experiencia acumulada,
sino de la habilidad para traducir datos en decisiones con
sentido, para transformar información en sabiduría y para
mantener el juicio moral frente a la automatización. Como
señalan Brynjolfsson y McAfee (2017), la verdadera ventaja
competitiva del siglo XXI reside en la integración inteligen-
te entre la capacidad humana de razonar y la capacidad
algorítmica de procesar.
En términos prácticos, el estudio permite armar que
las organizaciones que aspiren a evolucionar hacia estruc-
turas de gestión inteligentes deberán desarrollar una al-
fabetización digital integral. Esto implica fortalecer la for-
mación de sus líderes en analítica de datos, pensamiento
sistémico y ética aplicada, así como crear mecanismos ins-
titucionales de gobernanza algorítmica que garanticen la
transparencia y la rendición de cuentas. En esta dirección,
el AI Manager se congura como un nuevo eje articulador
entre la estrategia corporativa, la gestión de información y
el control ético de la tecnología.
A nivel organizacional, los hallazgos sugieren que la
implementación de inteligencia articial en la gestión de
proyectos debe ir acompañada de una transformación cul-
tural. No basta con incorporar software o plataformas pre-
dictivas; es necesario construir una cultura de conanza
y aprendizaje continuo, donde el error se entienda como
oportunidad de mejora y los datos se conciban como bien
común. Este enfoque promueve la creación de ocinas de
proyectos cognitivas (PMO inteligentes), capaces de anti-
cipar riesgos, redistribuir recursos y evaluar impactos en
tiempo real. El Project Management Institute (2025) coin-
cide en que la incorporación de IA debe orientarse hacia
la mejora del juicio profesional y la toma de decisiones
basadas en evidencia, no hacia la sustitución del liderazgo
humano.
En el plano ético, la investigación rearma la urgencia
de consolidar marcos normativos y formativos que orien-
ten el uso responsable de la inteligencia articial. Tanto el
AI Act de la Unión Europea (European Commission, 2024)
como el Articial Intelligence Risk Management Framework
del NIST (2023) destacan la necesidad de mantener una
supervisión humana signicativa y de garantizar la expli-
cabilidad de los sistemas de IA. En América Latina, esta
orientación adquiere especial relevancia, dada la hetero-
geneidad institucional y la desigualdad en capacidades
tecnológicas. La CEPAL (2025) y la CAF (2022) coinciden
en que el desafío regional no es solo técnico, sino social:
asegurar que la inteligencia articial se utilice para reducir
brechas y no para ampliarlas.
En consecuencia, la formación del AI Manager latinoa-
mericano debe contemplar una dimensión ética y contex-
tual, capaz de armonizar la innovación con la justicia so-
cial. La tecnología debe ponerse al servicio de la equidad,
la sostenibilidad y el bienestar colectivo. Este enfoque se
alinea con la visión de Schwab (2019), quien plantea que
el verdadero reto de la Cuarta Revolución Industrial no
consiste en dominar la tecnología, sino en humanizar su
propósito. Por ello, el liderazgo del futuro deberá ser tanto
digital como empático, tanto analítico como prudente.
En términos de proyección, el estudio sugiere que los
próximos pasos de investigación deberían profundizar en
la evaluación empírica del desempeño del AI Manager, me-
diante estudios de caso en sectores estratégicos de Amé-
rica Latina, como la educación, la agroindustria, la energía
y la salud. También se requiere avanzar en la construcción
de indicadores de madurez ética y algorítmica que permi-
tan medir la capacidad institucional para integrar la IA de
forma responsable.
Finalmente, la transición hacia el AI Manager invita a
repensar el sentido mismo de la gestión en el siglo XXI. La
inteligencia articial no debe concebirse como sustituto de
la racionalidad humana, sino como extensión de su poten-
cial reexivo y creativo. El desafío radica en lograr un equi-
librio entre eciencia y humanidad, entre velocidad y senti-
do, entre predicción y prudencia. El gerente del futuro será
aquel que sepa gobernar la complejidad con criterio ético,
traduciendo los algoritmos en decisiones sabias y orientan-
do la tecnología hacia el desarrollo humano sostenible.
Referencias Bibliográcas
American Psychological Association (APA). (2020). Publica-
tion Manual of the American Psychological Associa-
tion (7th ed.). American Psychological Association.
Banco Interamericano de Desarrollo (BID). (2023). ILIA:
un índice sobre el estado de la inteligencia arti-
cial en América Latina y el Caribe. https://blogs.
Recibido: 09-02-2026. Aceptado: 13-03-2026 52
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
iadb.org/innovacion/es/ilia-un-indice-sobre-el-es-
tado-de-la-inteligencia-artificial-en-america-lati-
na-y-el-caribe/
Bardin, L. (2013). Análisis de contenido. Akal.
Brynjolfsson, E., & McAfee, A. (2017). Machine, Platform,
Crowd: Harnessing Our Digital Future. W. W. Norton &
Company.
CAF – Banco de Desarrollo de América Latina. (2022). Con-
ceptos fundamentales y uso responsable de la inteli-
gencia articial en el sector público. https://scioteca.
caf.com/handle/123456789/1893
Comisión Económica para América Latina y el Caribe (CE-
PAL). (2025). Índice Latinoamericano de Inteligencia
Articial (ILIA 2025). https://www.cepal.org/es/publi-
caciones/82514
Creswell, J. W., & Poth, C. N. (2018). Qualitative Inquiry and
Research Design: Choosing Among Five Approaches
(4th ed.). SAGE Publications.
Davenport, T. H. (2023). All-in on AI: How Smart Companies
Win Big with Articial Intelligence. Harvard Business
Review Press.
Davenport, T. H., & Ronanki, R. (2018). Articial Intelligen-
ce for the Real World. Harvard Business Review, 96(1),
108–116.
Etkin, J., & Schvarstein, L. (2020). Identidad de las organiza-
ciones: Invariancia y cambio. Paidós.
European Commission. (2024). Regulation (EU) 2024/1689
of the European Parliament and of the Council of 13
June 2024 laying down harmonised rules on Articial
Intelligence (AI Act). Ofcial Journal of the European
Union. https://eur-lex.europa.eu/eli/reg/2024/1689/
oj/eng
Flick, U. (2018). An Introduction to Qualitative Research
(6th ed.). SAGE Publications.
Gadamer, H.-G. (2001). Verdad y método. Sígueme.
Hughes, L. (2025). Impact of Articial Intelligence on Pro-
ject Management. Journal of Project Management. El-
sevier.
Kerzner, H. (2019). Using the Project Management Maturi-
ty Model: Strategic Planning for Project Management.
Wiley.
Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic Inquiry. SAGE
Publications.
National Institute of Standards and Technology (NIST).
(2023). Articial Intelligence Risk Management Fra-
mework (AI RMF 1.0). https://nvlpubs.nist.gov/nis-
tpubs/ai/nist.ai.100-1.pdf
Organización Internacional del Trabajo (OIT). (2019). The
Algorithmic Management of Work. International La-
bour Ofce.
Project Management Institute (PMI). (2021). A Guide to the
Project Management Body of Knowledge (PMBOK®
Guide) – Seventh Edition. PMI.
Project Management Institute (PMI). (2025). Articial Intelli-
gence in Project Management (Digital Guide). https://
www.pmi.org/learning/ai-in-project-management
Schwab, K. (2019). Shaping the Fourth Industrial Revolu-
tion. World Economic Forum.
UNESCO. (2021). Recommendation on the Ethics of Articial
Intelligence. https://unesdoc.unesco.org/ark:/48223/
pf0000380455
Westerman, G., Bonnet, D., & McAfee, A. (2021). Leading
Digital: Turning Technology into Business Transformation.
Harvard Business Review Press.
Yin, R. K. (2018). Case Study Research and Applica-
tions: Design and Methods (6th ed.). SAGE Publications.
Innovación y Gerencia. Revista cientíca 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 Planicación Y Mantenimiento de Conabilidad en
Poliolenas 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 Poliolenas 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
articial (IA) para garantizar la conabilidad, 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 conabilidad 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. Identicar 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 articial, conabilidad, telecomunicaciones industriales.
Introducción
La industria petroquímica opera en un entorno de alto riesgo y
exigencia operativa, donde la conabilidad de los sistemas de tele-
comunicaciones es crucial para garantizar la seguridad, la eciencia
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 articial (IA) se posiciona como
un habilitador estratégico para mejorar la conabilidad (conabi-
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 articial 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 identies 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: articial 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 Articial (IA)
para garantir a conabilidade, 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 conabilidade 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.
Identicam-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 conabilidade.
PALAVRAS-CHAVE: inteligência articial, conabilidade, 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
Articielle (IA) an 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 identie 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. Enn, 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 articielle, 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 eciente 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 conables,
baja latencia y ciberseguridad reforzada. En un entorno in-
dustrial cada vez más digitalizado, la inteligencia articial
(IA) ofrece oportunidades para mejorar la conabilidad
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 especícos:
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 conabilidad en
sistemas industriales, (ii) principios y tecnologías de inte-
ligencia articial aplicadas a entornos de manufactura y
telecomunicaciones, y (iii) marcos de gobernanza y gestión
de datos para IA en contextos industriales.
Inteligencia Articial en el contexto industrial
La inteligencia articial (IA) se ha consolidado como
una de las tecnologías más inuyentes en la transforma-
ción digital de los sectores industriales. Su capacidad para
procesar grandes volúmenes de datos, identicar 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 conabi-
lidad operativa (World Economic Forum [WEF], 2025). Estas
aplicaciones contribuyen directamente a la estabilidad de
las operaciones y la reducción de fallas no planicadas,
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 conable 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 denidas 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 conabilidad de la infraestructura.
Conabilidad y gestión del riesgo tecnológico
La conabilidad se dene como la capacidad de un
sistema para desempeñar su función requerida bajo con-
diciones especícas y durante un período determinado
(IE2017). En telecomunicaciones industriales, la cona-
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 conabilidad general del
sistema (DHS, 2024).
Estrategias gerenciales en inteligencia articial
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 conabilidad 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 articial (IA) en entornos industriales, con énfasis
en la conabilidad de las redes de telecomunicaciones en
la industria petroquímica. Se llevó a cabo un proceso es-
tructurado en fases para identicar, 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,
conabilidad 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 cona-
bilidad y telecomunicaciones en contextos petroquímicos.
Paso Dos: Enfoque temático hacia la conabilidad de
redes en petroquímica, a partir de los hallazgos del Paso 1,
se acotó el estudio al ámbito especíco de la conabilidad
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 conabilidad 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 identicar de qué manera el aprendizaje
automático y las técnicas de inteligencia articial se in-
tegran en la exploración y producción de petróleo y gas,
analizando sus impactos en la precisión, la eciencia y la
rentabilidad operativa. Paralelamente, se busca compren-
der cómo las estrategias gerenciales apoyadas por IA están
recongurando 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 conabilidad 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 identicar tendencias emergentes en inteli-
gencia articial (IA) y su impacto en la conabilidad 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
congurar 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 articial (IA).
Su propósito es anticipar fallos antes de que ocurran,
optimizando los recursos y aumentando la conabilidad 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 tráco.
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 eciente 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 Conabilidad
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 articial,
especícamente 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 planicadas.
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%, reejando 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 eciente 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 planicados
y paradas de planta, incrementando la disponibilidad de
los sistemas de telecomunicaciones críticos para la conti-
nuidad del proceso petroquímico.
El uso de inteligencia articial para gestionar los sis-
temas de telecomunicaciones en la industria petroquími-
ca permitió identicar problemas antes de que causaran
fallas, mejorando signicativamente la conabilidad 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 conabilidad 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 articial (IA) representa una opor-
tunidad signicativa para mejorar la conabilidad 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 eciente,
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 conabilidad de
los sistemas de telecomunicaciones en la industria petro-
química, promoviendo operaciones más seguras, ecientes
y sostenibles. Futuras investigaciones podrían explorar la
integración de tecnologías emergentes, como la inteligen-
cia articial explicable y el edge computing, para fortalecer
aún más la resiliencia del sector.
Conclusiones
Las estrategias gerenciales basadas en inteligencia
articial (IA) pueden transformar la conabilidad 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 identicar 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 conabilidad (p. ej., unChiefRe-
liabilityOfcer) 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 eciencia
operativa en un entorno petroquímico, siempre con con-
troles humanos, explicabilidad y cumplimiento normativo.
Referencias Bibliográcas
Bousdekis, A., Lepenioti, K., Apostolou, D., & Mentzas, G.
(2022). Articial 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.
INNOVACIÓN Y GERENCIA
Revista cientíca arbitrada
Universidad Dr. José Gregorio Hernández
Maracaibo - Venezuela
Vol XII. Edición Especial Nº1
Agosto 2026
ISSN 3005-5172 Publicación semestral
Depósito Legal: ZU2023000012
Tabla de Contenido
Editorial
Artículos
• TENDENCIAS ACTUALES EN MATERIA DE FISCALIZACIÓN CON EL USO DE INTELIGENCIA ARTIFICIAL
• IA Y GOBERNANZA DIGITAL: HACIA UNA GESTIÓN TRIBUTARIA INTELIGENTE Y TRANSPARENTE
• DESHUMANIZACIÓN DEL TRABAJO E INTELIGENCIA ARTIFICIAL
• GESTIÓN ACADÉMICA INTELIGENTE: COMPETENCIAS EN INTELIGENCIA ARTIFICIAL PARA GERENTES UNIVERSITARIOS
• INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN UNIVERSITARIA: IMPACTO EN EL DESEMPEÑO ESTUDIANTIL
• DEL PROJECT MANAGER AL AI MANAGER: TRANSFORMACIÓN DE LOS ROLES GERENCIALES EN LA ERA DIGITAL
• ESTRATEGIAS GERENCIALES EN INTELIGENCIA ARTIFICIAL PARA MEJORAR LA CONFIABILIDAD DE SISTEMAS DE
TELECOMUNICACIONES EN LA INDUSTRIA PETROQUÍMICA: PROSPECTIVA TECNOLÓGICA EN EL CONTEXTO
GLOBAL ACTUAL
Autoridades Universitarias
de la Universidad Dr. José Gregorio Hernández
Presidente del Consejo Superior
Dr. Albes Calimán
Rectora
Dra. Gisela Quijada
Vicerrector Académico
Dr. Juan Rincón
Vicerrectora Administrativa
Dra. Aivel Calimán
Decana de la Facultad de Humanidades, Arte y Educación
Dra. Gabriela Pérez
Decana de la Facultad de Ingeniería
M.Sc. Bárbara Ordóñez
Decana de la Facultad de Ciencias Económicas y Políticas
M.Sc. Marieugenia Fernández
Decano de la División de Investigación y Postgrado
Dr. Daniel Romero
Decano de Extensión y Desarrollo Estudiantil
M.Sc. Oslando Rivera
INNOVACIÓN Y GERENCIA
Revista cientíca arbitrada
Universidad Dr. José Gregorio Hernández
Maracaibo - Venezuela
Vol XII. Edición Especial Nº1
Agosto 2026
ISSN 3005-5172 Publicación semestral
Depósito Legal: ZU2023000012
La Revista Innovación y Gerenciaes una publicación semestral de laUniversidad Dr. José Gregorio Hernández (UJGH),
que surge con el propósito de convertirse en una importante referencia entre los órganos de difusión universitarios que
existen en la actualidad.Publicaartículos cientícos, ensayos, críticas de libros, sobre aspectos asociados con procesos
de innovación. En los cuales se presentan conocimientos novedosos, nuevas ideas y experiencias teórico-prácticas,
que contribuyen con las diferentes disciplinas del conocimiento. Además,abarca temas relacionados con la gerencia,
término con gran auge en los tiempos actuales, desde la perspectiva de entender nuevos retos y formular estrategias
orientadas a dar respuestas a los procesos de transformación que experimenta la sociedad moderna. Las contribucio-
nes cientícas difundidas en este medio, serán el resultado de investigaciones teóricas o experimentales de carácter
inédito y original.La revista está dirigida a investigadores, catedráticos, profesionales, estudiantes y el público en ge-
neral, interesados en ampliar sus conocimientos sobre temas de actualidad y relevancia en las áreas primordiales del
desarrollo social.
Tiene como misión contribuir con la difusión y promoción permanente de la producción intelectual, desde la perspec-
tiva de presentar nuevos aportes dentro de los procesos de investigación y divulgación académica. Su visión está orien-
tada a proyectarse como un órgano de divulgación de reconocido prestigio en la comunidad académico-cientíca, capaz
de aanzar el desarrollo y ejecución de importantes retos en materia de generación de conocimientos.
Objetivos:
• Dar a conocer la profucción intelectual, mediante la publicación de trabajos de calidad y adaptados
a una nueva visión de la ciencia, orientada a la búsqueda de nuevos conceptos y paradigmas.
• Fomentar la investigación cientíco - técnica.
• Incentivas a los docentes e investigadores a desarrollar diversas líneas de investigación mediante las
cuales se ejecuten proyectos viables.
• Propiciar un medio editorial en el cual puedan confrontarse ideas y criterios vanguardistas vincula-
dos con las diversas áreas del saber.
• Promover el intercambio de información con otras instituciones dedicadas a impulsar el progreso
cientico de la región y el país.
Esta publicación se cuentra indizada en:
Latindex (América Latina, el Caribe, España y Portugal)
Advanced Science Index
Mir@bel “(RE) CUEILLIR LES SAVOIRS”
REVENCYT
INNOVACIÓN Y GERENCIA
Universidad Dr. José Gregorio Hernández.
Decanato de Investigación y Postgrado. Dirección del Fondo Editorial.
Calle 89B entre Av. 15 Delicias y Av. 14C. Maracaibo, estado Zulia Venezuela.
Correo electrónico: fondoeditorial@ujgh.edu.ve.
