Inteligencia Artificial y Toma de Decisiones Organizacionales: Un Análisis Empírico de Variables Operacionales en Empresas de Cartagena de Indias
Jose Sarmiento Perez Polo
Resumen
El presente artículo analiza la relación entre la implementación de Inteligencia Artificial (IA)
y la calidad de la toma de decisiones en organizaciones ubicadas en Cartagena de Indias,
Colombia. Mediante un diseño metodológico cuantitativo de corte transversal, se evaluaron
siete variables operacionales en una muestra de 120 organizaciones: uso de IA, calidad
decisional, velocidad decisional, satisfacción de empleados, eficiencia operacional,
reducción de errores y adopción tecnológica. Los resultados evidencian correlaciones
positivas y significativas entre el nivel de adopción de IA y la mejora en los procesos
decisionales (r = 0.78; p < 0.01). El análisis de matriz de correlación y los modelos de
regresión múltiple indican que el uso de IA predice significativamente la eficiencia
operacional (β = 0.71) y la reducción de errores (β = 0.68). Se concluye que la integración
estratégica de herramientas de IA en los procesos organizacionales constituye un factor
crítico para la mejora competitiva en el contexto empresarial de Cartagena, aunque su
efectividad depende del nivel de capacitación del talento humano y de la infraestructura
tecnológica disponible.
Citas
transformación digital empresarial en Colombia 2023. ANDI.
• Banco Mundial. (2022). Digital progress and trends report 2022. World Bank Group.
• Barney, J. (1991). Firm resources and sustained competitive advantage. Journal of
Management, 17(1), 99–120. https://doi.org/10.1177/014920639101700108
Brynjolfsson, E., & McAfee, A. (2017). Machine, platform, crowd: Harnessing our
digital future. W. W. Norton & Company.
• Cámara de Comercio de Cartagena. (2023). Diagnóstico empresarial Cartagena y
Bolívar 2023. CCC.
• Comisión Económica para América Latina y el Caribe [CEPAL]. (2021). Tecnologías
digitales para un nuevo estilo de desarrollo productivo. Naciones Unidas.
• Colciencias. (2020). Plan nacional de ciencia, tecnología e innovación 2020–2030.
Ministerio de Ciencia, Tecnología e Innovación de Colombia.
• Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world.
Harvard Business Review, 96(1), 108–116.
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE
Publications.
• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data
analysis (8th ed.). Cengage Learning.
• Hernández-Sampieri, R., Fernández-Collado, C., & Baptista-Lucio, P. (2018).
Metodología de la investigación (7.ª ed.). McGraw-Hill Education.
• Kahneman, D. (2011). Thinking, fast and slow. Farrar, Straus and Giroux.
• Kerlinger, F. N., & Lee, H. B. (2002). Investigación del comportamiento: Métodos de
investigación en ciencias sociales (4.ª ed.). McGraw-Hill.
• López, M., & García, A. (2021). Brechas digitales y competitividad empresarial en
ciudades intermedias latinoamericanas. Cuadernos de Administración, 37(69), 1–22.
• Makridakis, S. (2017). The forthcoming artificial intelligence (AI) revolution: Its
impact on society and firms. Futures, 90, 46–60.
• Ministerio de Tecnologías de la Información y las Comunicaciones [MinTIC]. (2022).
Política nacional de inteligencia artificial. Gobierno de Colombia.
• Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.
• Pedraza, N., Lavín, J., González, A., & Bernal, I. (2020). Factores de la calidad en el
servicio que influyen en la satisfacción del cliente: Un caso de estudio. Pensamiento &
Gestión, 48, 1–24. Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern
approach (4th ed.). Pearson.
• Simon, H. A. (1955). A behavioral model of rational choice. The Quarterly Journal of
Economics, 69(1), 99–118.
• Topol, E. J. (2019). High-performance medicine: The convergence of human and
artificial intelligence. Nature Medicine, 25(1), 44–56.
• World Economic Forum. (2023). The future of jobs report 2023. WEF.
