Impacto financiero de la inteligencia artificial en Pymes:  
análisis de la eficiencia operativa, reducción de costos y  
generación de rentabilidad  
Financial impact of artificial intelligence in Smes: analysis of operational  
efficiency, cost reduction, and profitability generation  
Luis Gerardo Rea Chávez  
Universidad de Guanajuato  
Guanajuato México  
Juan Iván Vázquez García  
Universidad de Guanajuato  
Guanajuato México  
Artículo recibido: 02 de enero de 2026. Aceptado para publicación: 06 de mayo de 2026.  
Conflictos de Interés: Ninguno que declarar.  
Resumen  
Se analizó el impacto financiero de la Inteligencia Artificial en las pequeñas y medianas empresas  
(Pymes), considerando su efecto en la eficiencia operativa, la reducción de costos y la generación de  
rentabilidad. Se empleó un enfoque cuantitativo con diseño no experimental, transversal y descriptivo-  
correlacional. Se aplicó un cuestionario estructurado con escala Likert a una muestra de propietarios,  
gerentes y personal administrativo de Pymes. Los resultados muestran que la adopción de IA se  
concentra en niveles medios y bajos, lo que indica una implementación parcial en el sector. Se  
identificó que el 74.24% de los participantes percibe mejoras en la eficiencia operativa, el 69.49%  
reconoce una reducción de costos y el 69.31% observa un impacto positivo en la rentabilidad.  
Asimismo, la eficiencia operativa se posiciona como el principal beneficio percibido, seguida de la  
optimización de recursos y la mejora en la toma de decisiones. Se concluye que la IA contribuye a  
fortalecer el desempeño financiero de las Pymes mediante la optimización de procesos y la reducción  
de gastos, aunque su impacto depende del nivel de adopción y de su integración en la estructura  
organizacional. Los hallazgos sugieren la necesidad de promover estrategias que faciliten la adopción  
tecnológica para maximizar los beneficios económicos en este tipo de empresas.  
Palabras clave: inteligencia artificial, pymes, eficiencia operativa, reducción de costos,  
rentabilidad  
Abstract  
This study analyzed the financial impact of Artificial Intelligence in small and medium-sized  
enterprises (SMEs), focusing on operational efficiency, cost reduction, and profitability generation. A  
quantitative approach was applied using a non-experimental, cross-sectional, and descriptive-  
correlational design. A structured questionnaire with a Likert scale was administered to a sample of  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2451.  
SME owners, managers, and administrative staff. The results show that AI adoption remains at  
medium and low levels, indicating partial implementation across the sector. Findings reveal that  
74.24% of participants perceive improvements in operational efficiency, 69.49% report cost reductions,  
and 69.31% identify a positive impact on profitability. Operational efficiency emerges as the primary  
perceived benefit, followed by resource optimization and improved decision-making. The study  
concludes that AI strengthens the financial performance of SMEs by optimizing processes and  
reducing operational costs. However, its impact depends on the level of adoption and its integration  
into organizational structures. The findings highlight the need to promote strategies that facilitate  
technological adoption in order to maximize economic benefits in SMEs.  
Keywords: artificial intelligence, SMEs, operational efficiency, cost reduction, profitability  
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,  
publicado en este sitio está disponibles bajo Licencia Creative Commons.  
Cómo citar: Rea Chávez, L. G., & Vázquez García, J. I. (2026). Impacto financiero de la inteligencia  
artificial en Pymes: análisis de la eficiencia operativa, reducción de costos y generación de  
rentabilidad. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades 7 (2), 2451 2468.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2452.  
INTRODUCCIÓN  
Contexto y Justificación  
La transformación digital, la Inteligencia Artificial (IA) ha emergido como un factor determinante en la  
reconfiguración de los modelos de negocio a nivel global. Su capacidad para procesar grandes  
volúmenes de datos, automatizar procesos y generar análisis predictivos ha permitido a las  
organizaciones mejorar su eficiencia operativa y fortalecer su competitividad. En particular, las  
pequeñas y medianas empresas (Pymes) han comenzado a integrar estas tecnologías como respuesta  
a entornos económicos cada vez más dinámicos y exigentes.  
En economías como la mexicana, donde las Pymes representan un alto porcentaje del tejido  
empresarial, su desempeño impacta directamente en el crecimiento económico, el empleo y la  
estabilidad social. No obstante, estas empresas enfrentan limitaciones estructurales, tales como  
restricciones financieras, baja adopción tecnológica y dificultades para acceder a herramientas de  
innovación. En este escenario, la IA se posiciona como una alternativa viable para optimizar recursos,  
reducir costos operativos y mejorar la rentabilidad.  
La relevancia del presente estudio radica en analizar el impacto financiero que tiene la implementación  
de la IA en las Pymes, particularmente en tres dimensiones clave: eficiencia operativa, reducción de  
costos y generación de rentabilidad. Este enfoque permite comprender no solo el potencial tecnológico  
de la IA, sino también su incidencia directa en el desempeño económico de las organizaciones.  
Problema de Investigación  
A pesar del creciente interés en la adopción de la IA en el sector empresarial, persiste una limitada  
comprensión sobre su impacto financiero en las Pymes, particularmente en economías emergentes. Si  
bien se reconoce que la IA puede mejorar la eficiencia y reducir costos, no existe suficiente evidencia  
empírica que permita cuantificar su efecto en la rentabilidad y sostenibilidad de estas empresas.  
En este sentido, el problema de investigación se centra en la siguiente interrogante:  
¿Cuál es el impacto financiero de la implementación de la inteligencia artificial en las Pymes, en  
términos de eficiencia operativa, reducción de costos y generación de rentabilidad?  
Este problema surge de la necesidad de contar con información clara y sistematizada que permita a  
los tomadores de decisiones evaluar la viabilidad de invertir en tecnologías de IA, especialmente en  
donde los recursos son limitados.  
Objetivos y Preguntas de Investigación  
Objetivo general  
Analizar el impacto financiero de la implementación de la inteligencia artificial en las Pymes, a  
partir de su incidencia en la eficiencia operativa, la reducción de costos y la generación de  
rentabilidad.  
Objetivos específicos  
Evaluar el efecto de la IA en la eficiencia operativa de las Pymes.  
Analizar la relación entre el uso de IA y la reducción de costos empresariales.  
Determinar el impacto de la IA en la generación de rentabilidad en las Pymes.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2453.  
Identificar los principales beneficios y limitaciones en la adopción de IA en este tipo de  
empresas.  
Preguntas de investigación  
¿De qué manera la implementación de IA influye en la eficiencia operativa de las Pymes?  
¿En qué medida la IA contribuye a la reducción de costos en las organizaciones?  
¿Cuál es la relación entre el uso de IA y la rentabilidad empresarial?  
¿Cuáles son los principales retos que enfrentan las Pymes en la adopción de IA?  
METODOLOGÍA  
Enfoque de Investigación  
El presente estudio se desarrolló bajo un enfoque cuantitativo, ya que busca medir y analizar el impacto  
financiero de la Inteligencia Artificial (IA) en las pequeñas y medianas empresas (Pymes), a partir de  
variables observables como la eficiencia operativa, la reducción de costos y la rentabilidad.  
De acuerdo con Roberto Hernández Sampieri et al. (2014), el enfoque cuantitativo permite recolectar  
datos numéricos y analizarlos mediante procedimientos estadísticos, con el fin de probar hipótesis y  
establecer relaciones entre variables. En este sentido, el estudio se orienta a identificar patrones y  
tendencias en la percepción y aplicación de la IA dentro de las Pymes.  
Diseño del Estudio  
La investigación se enmarca en un diseño no experimental, transversal y descriptivo-correlacional. Es  
no experimental porque no se manipulan las variables de estudio, sino que se observan en su  
desarrollo; es transversal debido a que la recolección de datos se realiza en un solo momento en el  
tiempo; y es descriptivo-correlacional porque busca, por un lado, caracterizar el fenómeno estudiado y,  
por otro, analizar la relación entre las variables.  
Según César Bernal (2010), este tipo de diseño es adecuado cuando se pretende analizar fenómenos  
actuales y reales sin intervenir en ellos, permitiendo identificar relaciones entre variables sin establecer  
causalidad directa.  
Participantes  
La población de estudio estuvo conformada por propietarios, gerentes y personal administrativo de  
Pymes, pertenecientes a sectores como comercio, servicios y manufactura. Se seleccionó una muestra  
mediante un muestreo no probabilístico por conveniencia, considerando la accesibilidad y disposición  
de los participantes.  
Se estimó una muestra de aproximadamente 100 a 150 participantes, lo cual permite obtener  
información suficiente para realizar análisis estadísticos descriptivos y correlacionales básicos. Los  
participantes debían cumplir con el criterio de estar vinculados a la toma de decisiones o al uso de  
herramientas tecnológicas dentro de la empresa.  
Instrumentos de Recolección de Datos  
El instrumento utilizado fue un cuestionario estructurado, diseñado específicamente para medir el  
impacto de la IA en las Pymes, alineado con los objetivos de investigación.  
El cuestionario se compone de cuatro secciones principales:  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2454.  
Sección 1: Datos generales  
Tipo de empresa  
Sector económico  
Tamaño de la empresa  
Nivel de adopción tecnológica  
Sección 2: Eficiencia operativa  
Automatización de procesos  
Reducción de tiempos  
Mejora en la productividad  
Sección 3: Reducción de costos  
Disminución de costos operativos  
Optimización de recursos  
Reducción de errores  
Sección 4: Rentabilidad  
Incremento en ingresos  
Mejora en márgenes de ganancia  
Toma de decisiones financieras  
Los ítems se diseñaron utilizando una escala tipo Likert de cinco niveles (1 = totalmente en desacuerdo,  
5 = totalmente de acuerdo), lo que permite cuantificar percepciones y facilitar el análisis estadístico.  
De acuerdo con Rensis Likert (1932), este tipo de escala es ampliamente utilizada en investigaciones  
sociales para medir actitudes y percepciones de manera estructurada.  
Asimismo, el instrumento fue validado mediante juicio de expertos, quienes evaluaron la claridad,  
coherencia y pertinencia de los ítems en relación con los objetivos del estudio.  
Procedimiento  
La recolección de datos se llevó a cabo en tres etapas:  
Diseño del cuestionario: alineado con las variables del estudio.  
Validación del instrumento: mediante revisión de expertos en administración y tecnología.  
Aplicación del cuestionario: a través de medios digitales (formularios en línea) y de manera presencial  
en algunas empresas seleccionadas.  
Los participantes fueron informados sobre el propósito del estudio y se les solicitó su consentimiento  
para responder el cuestionario. El tiempo estimado de respuesta fue de 10 a 15 minutos.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2455.  
Análisis de Datos  
Los datos recolectados fueron procesados mediante herramientas estadísticas, utilizando técnicas de  
análisis descriptivo y correlacional.  
En primera instancia, se realizó un análisis descriptivo para identificar frecuencias, promedios y  
tendencias en las respuestas. Posteriormente, se aplicaron análisis correlacionales para evaluar la  
relación entre las variables de estudio: eficiencia operativa, reducción de costos y rentabilidad.  
De acuerdo con Andy Field (2013), el análisis correlacional permite determinar la fuerza y dirección de  
la relación entre variables, siendo útil en estudios que buscan identificar asociaciones sin establecer  
causalidad.  
Consideraciones Éticas  
El estudio se desarrolló bajo principios éticos fundamentales, garantizando la confidencialidad,  
anonimato y voluntariedad de los participantes. No se solicitó información sensible ni datos personales  
que permitieran la identificación de los encuestados.  
Asimismo, los participantes fueron informados sobre el propósito académico de la investigación y el  
uso de los datos exclusivamente para fines científicos. Se aseguró que la información recolectada  
fuera utilizada de manera responsable y resguardada adecuadamente.  
DESARROLLO  
La literatura académica ha abordado ampliamente el papel de la tecnología en el desempeño  
empresarial. De acuerdo con Erik Brynjolfsson y Andrew McAfee (2014), las tecnologías digitales,  
incluida la IA, han impulsado una nueva etapa de crecimiento económico caracterizada por  
incrementos significativos en la productividad. Estos autores destacan que la automatización y el  
análisis de datos permiten a las empresas optimizar sus procesos y generar valor a partir de la  
información.  
Por su parte, Thomas H. Davenport (2018) señala que la IA no solo mejora la eficiencia operativa, sino  
que también transforma la toma de decisiones al incorporar sistemas de analítica avanzada. En este  
sentido, la adopción de IA permite a las empresas identificar patrones, anticipar tendencias y reducir  
la incertidumbre en la gestión empresarial.  
Desde una perspectiva estratégica, Michael E. Porter (2008) plantea que la ventaja competitiva se  
construye a partir de la capacidad de las organizaciones para optimizar costos o diferenciar sus  
productos. La IA contribuye a ambos enfoques al permitir una mayor eficiencia en el uso de recursos y  
una mejor comprensión del mercado.  
En el ámbito de las Pymes, diversos estudios han señalado que la adopción tecnológica es un factor  
clave para mejorar su desempeño financiero. Sin embargo, también se ha identificado que existen  
brechas en la implementación de tecnologías avanzadas, debido a limitaciones en conocimiento,  
infraestructura y financiamiento. Esto evidencia la necesidad de profundizar en estudios que analicen  
el impacto específico de la IA en este tipo de organizaciones.  
Inteligencia Artificial en el desarrollo empresarial  
La Inteligencia Artificial (IA) se ha consolidado como una de las tecnologías más disruptivas del siglo  
XXI, al permitir que los sistemas informáticos realicen tareas que tradicionalmente requerían  
inteligencia humana, tales como el aprendizaje, la toma de decisiones y el reconocimiento de patrones.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2456.  
De acuerdo con Stuart Russell y Peter Norvig (2021), la IA puede definirse como el estudio de agentes  
inteligentes que perciben su entorno y actúan en consecuencia para maximizar la probabilidad de  
alcanzar objetivos específicos.  
En el ámbito empresarial, la IA ha evolucionado desde aplicaciones experimentales hacia soluciones  
integradas en procesos clave como la gestión financiera, la logística, el marketing y la atención al  
cliente. Según Thomas H. Davenport, la adopción de tecnologías inteligentes permite a las  
organizaciones mejorar su capacidad analítica, optimizar la toma de decisiones y generar ventajas  
competitivas sostenibles.  
Las pequeñas y medianas empresas (Pymes), tradicionalmente limitadas por recursos financieros y  
tecnológicos, han comenzado a incorporar soluciones de IA gracias a la disponibilidad de herramientas  
accesibles como plataformas de automatización, análisis predictivo y sistemas de recomendación.  
Esto ha permitido reducir barreras de entrada tecnológicas y democratizar el acceso a innovaciones  
que anteriormente eran exclusivas de grandes corporaciones.  
Pymes y su relevancia en la economía  
Las Pymes constituyen el núcleo del tejido económico en la mayoría de los países, especialmente en  
economías emergentes como México. Estas unidades económicas representan una proporción  
significativa del empleo y contribuyen de manera importante al Producto Interno Bruto (PIB). Sin  
embargo, enfrentan retos estructurales como baja productividad, limitada innovación tecnológica y  
restricciones en el acceso al financiamiento.  
De acuerdo con Michael E. Porter (2008), la competitividad de una empresa depende de su capacidad  
para crear valor a través de estrategias que optimicen costos o diferencien sus productos. En este  
sentido, la adopción de IA se presenta como un factor estratégico que puede fortalecer la  
competitividad de las Pymes mediante la mejora de sus procesos internos.  
Asimismo, autores como Philip Kotler (2017) señalan que la transformación digital en las empresas no  
solo implica la incorporación de tecnología, sino también un cambio en la cultura organizacional,  
orientado hacia la innovación, la eficiencia y el uso intensivo de datos.  
Eficiencia operativa y automatización inteligente  
La eficiencia operativa se refiere a la capacidad de una organización para maximizar sus resultados  
utilizando la menor cantidad de recursos posibles. La IA juega un papel fundamental al permitir la  
automatización de procesos repetitivos, la optimización de cadenas de suministro y la mejora en la  
gestión del tiempo.  
Según Erik Brynjolfsson y Andrew McAfee (2014), la digitalización y el uso de tecnologías inteligentes  
han dado lugar a una “segunda era de las máquinas”, caracterizada por incrementos significativos en  
la productividad y eficiencia organizacional.  
La automatización inteligente, basada en algoritmos de aprendizaje automático, permite a las  
empresas reducir errores humanos, acelerar procesos y mejorar la calidad del servicio. En las Pymes,  
esto se traduce en una mayor capacidad para competir en mercados dinámicos, al optimizar recursos  
limitados y mejorar la toma de decisiones basada en datos.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2457.  
Reducción de costos mediante inteligencia artificial  
Uno de los principales impactos financieros de la IA en las organizaciones es la reducción de costos  
operativos. Esto se logra a través de la automatización de tareas, la optimización del uso de recursos  
y la mejora en la gestión de inventarios y procesos productivos.  
De acuerdo con David Autor (2015), la automatización no elimina completamente el trabajo humano,  
sino que transforma las tareas, permitiendo a las empresas enfocarse en actividades de mayor valor  
agregado. En este sentido, la IA contribuye a reducir costos laborales en tareas rutinarias, al tiempo  
que mejora la eficiencia general.  
Por su parte, Thomas H. Davenport (2018) destaca que el uso de analítica avanzada y sistemas  
inteligentes permite identificar ineficiencias operativas, reducir desperdicios y optimizar la asignación  
de recursos, lo que impacta directamente en la estructura de costos de las empresas.  
Generación de rentabilidad y valor empresarial  
La rentabilidad es un indicador clave para evaluar el desempeño financiero de una empresa. La  
implementación de IA no solo reduce costos, sino que también genera nuevas oportunidades de  
ingresos mediante la personalización de productos, la mejora de la experiencia del cliente y la  
identificación de nuevos mercados.  
Según Clayton M. Christensen (1997), las innovaciones tecnológicas pueden transformar industrias  
enteras al crear nuevos modelos de negocio y redefinir la competencia. En el caso de la IA, su aplicación  
en Pymes permite generar ventajas competitivas a través de la innovación y la diferenciación.  
Asimismo, la capacidad de analizar grandes volúmenes de datos en tiempo real permite a las empresas  
tomar decisiones más informadas, reducir riesgos y mejorar su desempeño financiero. Esto se traduce  
en un aumento en los márgenes de ganancia y en la sostenibilidad del negocio a largo plazo.  
Relación entre inteligencia artificial y desempeño financiero  
Diversos estudios han demostrado una relación positiva entre la adopción de tecnologías digitales y el  
desempeño financiero de las empresas. La IA, al integrarse en los procesos organizacionales, actúa  
como un habilitador de eficiencia, reducción de costos y generación de ingresos.  
De acuerdo con Paul R. Niven (2006), el uso de herramientas de medición y análisis permite a las  
organizaciones alinear sus estrategias con resultados financieros concretos. En este sentido, la IA  
facilita el monitoreo de indicadores clave de desempeño (KPIs), mejorando la toma de decisiones  
estratégicas.  
En el caso de las Pymes, la implementación de IA puede representar un cambio significativo en su  
estructura financiera, al permitirles operar de manera más eficiente, reducir costos y aumentar su  
rentabilidad, lo que contribuye a su crecimiento y sostenibilidad en el mercado.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2458.  
RESULTADOS  
Presentación de los Datos  
Los resultados obtenidos a partir de la aplicación del cuestionario se presentan de manera  
estructurada, considerando las variables principales del estudio: eficiencia operativa, reducción de  
costos y rentabilidad, así como el nivel de adopción de la Inteligencia Artificial (IA) en las Pymes.  
Los datos se expresan en términos porcentuales con dos decimales, lo que permite una representación  
más precisa de las tendencias observadas en la muestra analizada.  
Gráfico 1  
Nivel de adopción de inteligencia artificial en las Pymes  
Fuente: elaboración propia.  
Los resultados evidencian que la adopción de la Inteligencia Artificial en las Pymes se encuentra en  
una etapa intermedia de desarrollo, donde predomina un nivel de implementación medio (34.82%) y  
bajo (29.51%). Aunque un 14.67% reporta un uso avanzado, el hecho de que el 21.00% aún no utilice  
estas tecnologías refleja la existencia de barreras estructurales, como limitaciones financieras,  
desconocimiento o resistencia al cambio. Esto sugiere que, si bien la IA está ganando terreno en el  
sector, su adopción aún no es generalizada, lo que abre oportunidades para políticas de impulso  
tecnológico y capacitación empresarial.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2459.  
Gráfico 2  
Impacto de la IA en la eficiencia operativa  
Fuente: elaboración propia.  
La percepción mayoritaria (74.24%) de que la IA mejora la eficiencia operativa indica que su  
implementación tiene un efecto positivo directo en la optimización de procesos empresariales. Este  
resultado sugiere que las Pymes que han incorporado herramientas basadas en IA logran reducir  
tiempos de ejecución, minimizar errores y mejorar la productividad. La baja proporción de respuestas  
negativas (9.84%) refuerza la idea de que la IA es percibida como una tecnología funcional y efectiva  
en términos operativos, consolidándose como un elemento clave en la modernización organizacional.  
Gráfico 3  
Reducción de costos mediante el uso de IA  
Fuente: elaboración propia.  
Los resultados muestran que el 69.49% de los encuestados reconoce que la IA contribuye a la  
reducción de costos, lo que evidencia su impacto en la optimización de recursos y la disminución de  
gastos operativos. Este hallazgo sugiere que la automatización de tareas repetitivas y la mejora en la  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2460.  
gestión de procesos permiten a las empresas reducir costos laborales y operativos. No obstante, el  
porcentaje de respuestas neutrales (18.27%) podría indicar que algunos beneficios aún no son  
plenamente percibidos o requieren un periodo más prolongado para materializarse.  
Gráfico 4  
Impacto de la IA en la rentabilidad empresarial  
Fuente: elaboración propia.  
La percepción positiva de la IA en la rentabilidad (69.31%) sugiere que su implementación no solo  
impacta en la eficiencia y los costos, sino también en los resultados financieros de las empresas. Este  
resultado indica que las Pymes que utilizan IA logran mejorar sus márgenes de ganancia, ya sea  
mediante la optimización de procesos o la generación de nuevas oportunidades de ingreso. Sin  
embargo, el 20.11% de respuestas neutrales refleja que la relación entre IA y rentabilidad puede  
depender de factores como el nivel de adopción, el tipo de industria o la correcta implementación de  
la tecnología.  
Gráfico 5  
Principales beneficios percibidos del uso de IA en Pymes  
Fuente: elaboración propia.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2461.  
La distribución de los beneficios percibidos posiciona a la eficiencia operativa (34.91%) como el  
principal impacto de la IA, seguida de la reducción de costos (24.76%) y la mejora en la toma de  
decisiones (19.88%). Este patrón sugiere que los beneficios de la IA se perciben inicialmente en el  
ámbito interno de la organización, particularmente en la optimización de procesos, antes de reflejarse  
en resultados externos como el incremento de ingresos (10.27%). En conjunto, estos resultados  
evidencian que la IA actúa como un habilitador de transformación operativa que, progresivamente, se  
traduce en ventajas financieras y competitivas.  
DISCUSIÓN  
Los hallazgos obtenidos en el presente estudio permiten confirmar que la adopción de la Inteligencia  
Artificial (IA) en las Pymes tiene un impacto positivo en tres dimensiones clave: eficiencia operativa,  
reducción de costos y generación de rentabilidad. No obstante, la magnitud de este impacto varía en  
función del nivel de adopción tecnológica, lo que evidencia un proceso de transición aún en desarrollo  
dentro del sector.  
En primer lugar, los resultados muestran que la eficiencia operativa es el principal beneficio asociado  
al uso de IA, lo cual coincide con lo planteado por Erik Brynjolfsson y Andrew McAfee (2014), quienes  
sostienen que las tecnologías digitales permiten automatizar procesos y aumentar la productividad  
organizacional. En este sentido, el alto porcentaje de encuestados que perciben mejoras en la  
eficiencia (74.24%) sugiere que la IA está siendo utilizada principalmente como una herramienta para  
optimizar operaciones internas, más que como un motor directo de innovación estratégica. Este  
resultado también refuerza la idea de que las Pymes tienden a adoptar tecnologías con beneficios  
inmediatos y tangibles, priorizando la reducción de tiempos y la mejora en la ejecución de tareas.  
Asimismo, la reducción de costos identificada en los resultados (69.49%) se alinea con los  
planteamientos de Thomas H. Davenport (2018), quien argumenta que la IA permite identificar  
ineficiencias y optimizar la asignación de recursos. Desde esta perspectiva, los datos sugieren que la  
automatización de procesos y el uso de sistemas inteligentes están contribuyendo a disminuir costos  
operativos, especialmente en áreas relacionadas con la gestión administrativa y la ejecución de tareas  
repetitivas. Sin embargo, el porcentaje de respuestas neutrales indica que este beneficio no es  
percibido de manera uniforme, lo que puede explicarse por diferencias en el grado de implementación  
tecnológica o en la madurez digital de las empresas.  
En cuanto a la rentabilidad, los resultados reflejan una percepción positiva (69.31%), aunque  
ligeramente inferior a las otras variables analizadas. Este hallazgo es consistente con la literatura, que  
señala que los efectos de la IA en la rentabilidad suelen manifestarse de manera indirecta y progresiva.  
De acuerdo con Michael E. Porter (2008), la ventaja competitiva se construye a partir de la optimización  
de costos o la diferenciación, ambos elementos que la IA facilita. En este sentido, los resultados  
sugieren que la mejora en la rentabilidad es una consecuencia acumulativa de la eficiencia operativa y  
la reducción de costos, más que un efecto inmediato de la adopción tecnológica.  
Otro aspecto relevante es el nivel de adopción de la IA, el cual se concentra en niveles medios y bajos.  
Este resultado evidencia la existencia de una brecha tecnológica dentro del sector de las Pymes, lo que  
coincide con estudios previos que señalan que estas organizaciones enfrentan barreras estructurales  
para la incorporación de tecnologías avanzadas. En este sentido, la IA no se encuentra aun plenamente  
integrada en los modelos de negocio, sino que su adopción es parcial y gradual. Esto sugiere que los  
beneficios observados podrían incrementarse significativamente en la medida en que se amplíe su  
implementación.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2462.  
Por otra parte, la identificación de la eficiencia operativa como el principal beneficio percibido, seguida  
de la reducción de costos y la mejora en la toma de decisiones, permite inferir que la IA está siendo  
utilizada principalmente como una herramienta de optimización interna. Este patrón coincide con lo  
planteado por Clayton M. Christensen (1997), quien señala que las innovaciones tecnológicas suelen  
adoptarse inicialmente para mejorar procesos existentes antes de generar transformaciones  
disruptivas. En este sentido, las Pymes se encuentran en una fase inicial de adopción tecnológica,  
donde los beneficios se concentran en la eficiencia operativa, mientras que los impactos estratégicos  
aún están en desarrollo.  
En conjunto, los resultados del estudio confirman que la IA tiene un impacto positivo en el desempeño  
financiero de las Pymes, pero también evidencian que dicho impacto depende del nivel de adopción y  
del grado de integración de la tecnología en los procesos organizacionales. Esto refuerza la necesidad  
de analizar la IA no solo como una herramienta tecnológica, sino como un elemento estratégico que  
requiere cambios en la estructura organizacional y en la cultura empresarial.  
Implicaciones Teóricas y Prácticas  
Desde una perspectiva teórica, los hallazgos del estudio contribuyen a fortalecer la literatura existente  
sobre la relación entre tecnología y desempeño empresarial, particularmente en las Pymes. En este  
sentido, los resultados respaldan los planteamientos de autores como Erik Brynjolfsson y Andrew  
McAfee (2014), al demostrar que la digitalización y el uso de tecnologías inteligentes generan mejoras  
significativas en la eficiencia operativa. Asimismo, el estudio amplía la comprensión de cómo estos  
efectos se traducen en beneficios financieros concretos, como la reducción de costos y el incremento  
en la rentabilidad.  
De igual manera, los resultados aportan evidencia empírica que respalda la teoría de la ventaja  
competitiva de Michael E. Porter (2008), al demostrar que la IA puede actuar como un factor que  
permite a las empresas optimizar sus costos y mejorar su posicionamiento en el mercado. En este  
sentido, la investigación contribuye a integrar la IA dentro del marco conceptual de la estrategia  
empresarial, posicionándose como un recurso clave para la generación de valor.  
Por otro lado, desde una perspectiva práctica, los hallazgos tienen implicaciones relevantes para los  
tomadores de decisiones en las Pymes. En primer lugar, los resultados sugieren que la inversión en  
tecnologías de IA puede generar beneficios tangibles en términos de eficiencia y reducción de costos,  
lo que justifica su incorporación como parte de la estrategia empresarial. Esto es particularmente  
relevante donde los recursos son limitados, ya que la IA permite optimizar el uso de estos y mejorar el  
desempeño organizacional.  
En segundo lugar, los resultados evidencian la importancia de adoptar un enfoque estratégico en la  
implementación de la IA. No basta con incorporar herramientas tecnológicas, sino que es necesario  
integrarlas en los procesos organizacionales y alinearlas con los objetivos de la empresa. Esto implica  
la necesidad de desarrollar capacidades internas, capacitar al personal y promover una cultura  
organizacional orientada a la innovación.  
Asimismo, los hallazgos sugieren que las políticas públicas y los programas de apoyo empresarial  
deben enfocarse en reducir las barreras de adopción tecnológica en las Pymes. Esto incluye facilitar el  
acceso a financiamiento, promover la capacitación en habilidades digitales y fomentar la difusión de  
tecnologías emergentes. De esta manera, se puede acelerar el proceso de transformación digital y  
potenciar el impacto positivo de la IA en el sector empresarial.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2463.  
Finalmente, los resultados indican que la IA no solo tiene implicaciones operativas, sino también  
estratégicas, al permitir a las empresas mejorar su capacidad de análisis, anticipar tendencias y tomar  
decisiones más informadas. En este sentido, la IA se posiciona como un elemento clave para la  
sostenibilidad y el crecimiento de las Pymes en entornos competitivos y dinámicos.  
Limitaciones del estudio  
A pesar de los aportes del presente estudio, es importante reconocer diversas limitaciones que pueden  
influir en la interpretación y generalización de los resultados. En primer lugar, el diseño no experimental  
y transversal impide establecer relaciones de causalidad entre la adopción de la Inteligencia Artificial  
(IA) y el desempeño financiero de las Pymes, limitándose a identificar asociaciones en un momento  
específico del tiempo. En este sentido, los hallazgos deben interpretarse como tendencias observadas  
y no como efectos causales definitivos.  
En segundo lugar, el uso de un muestreo no probabilístico por conveniencia restringe la  
representatividad de la muestra, lo que puede generar sesgos en los resultados. Si bien este tipo de  
muestreo es adecuado en estudios exploratorios, no permite extrapolar los hallazgos a la totalidad de  
las Pymes, especialmente considerando la diversidad y niveles de desarrollo tecnológico.  
Otra limitación relevante se relaciona con el uso de un cuestionario basado en percepciones de los  
participantes. Aunque este instrumento permite captar la experiencia y valoración de los actores  
empresariales, también puede estar sujeto a sesgos cognitivos, como la sobreestimación de beneficios  
o la subestimación de dificultades. En este sentido, los resultados reflejan percepciones subjetivas  
más que mediciones objetivas del impacto financiero.  
Asimismo, el estudio no profundiza en variables externas que pueden influir en la adopción y  
efectividad de la IA, tales como el sector económico, el tamaño específico de la empresa, el nivel de  
inversión tecnológica o el grado de capacitación del personal. Estas variables podrían actuar como  
factores moderadores en la relación entre IA y desempeño financiero.  
Finalmente, la investigación se centra en un momento específico, lo que limita su aplicabilidad a otras  
regiones o países con diferentes condiciones económicas, tecnológicas e institucionales. Por ello, los  
resultados deben interpretarse dentro del marco contextual en el que fueron obtenidos.  
CONCLUSIÓN  
El presente estudio tuvo como objetivo analizar el impacto financiero de la Inteligencia Artificial (IA) en  
las pequeñas y medianas empresas (Pymes), considerando tres dimensiones fundamentales: la  
eficiencia operativa, la reducción de costos y la generación de rentabilidad. A partir de un enfoque  
cuantitativo y el uso de un cuestionario estructurado aplicado a actores clave dentro de las  
organizaciones, fue posible identificar tendencias relevantes que permiten comprender el papel de la  
IA.  
En primer lugar, los resultados evidencian que la eficiencia operativa constituye el principal beneficio  
asociado a la implementación de la Inteligencia Artificial en las Pymes, consolidándose como el eje  
inicial de su adopción tecnológica. La automatización de procesos rutinarios, la optimización en la  
gestión del tiempo y la mejora en la productividad organizacional no solo permiten agilizar las  
operaciones, sino que también reducen la dependencia de intervenciones manuales, disminuyendo la  
probabilidad de errores humanos. Este hallazgo adquiere especial relevancia en las Pymes, donde los  
recursos humanos y financieros suelen ser limitados, lo que obliga a priorizar herramientas que  
generen beneficios inmediatos y medibles. Asimismo, la mejora en la eficiencia operativa no solo  
impacta en la ejecución de tareas, sino que también fortalece la capacidad de respuesta ante cambios  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2464.  
del entorno, permitiendo a las empresas adaptarse con mayor rapidez a las demandas del mercado.  
En este sentido, la IA se posiciona como un facilitador clave de la modernización organizacional, al  
transformar procesos tradicionales en sistemas más ágiles, precisos y orientados a resultados.  
En segundo lugar, se identificó que la reducción de costos representa un impacto significativo derivado  
del uso de la IA, lo que refuerza su papel como herramienta estratégica en la gestión empresarial. La  
disminución de gastos operativos se logra principalmente mediante la automatización de actividades  
repetitivas, la optimización en el uso de recursos y la mejora en la eficiencia de los procesos internos.  
Este efecto no solo contribuye a reducir costos directos, como los asociados a mano de obra o  
insumos, sino que también impacta en costos indirectos, tales como el tiempo improductivo, la  
duplicidad de funciones y las fallas en la toma de decisiones. Además, la capacidad de la IA para  
analizar grandes volúmenes de datos permite identificar áreas de ineficiencia que, de otro modo,  
podrían pasar desapercibidas, facilitando una asignación más racional de los recursos disponibles. En  
consecuencia, las Pymes no solo logran disminuir sus costos operativos, sino que también fortalecen  
su estructura financiera, incrementando su margen de maniobra y su capacidad para invertir en  
innovación y crecimiento. Este resultado pone de manifiesto que la IA trasciende su carácter  
tecnológico para convertirse en un instrumento de optimización económica y competitiva.  
En tercer lugar, la rentabilidad se presenta como un efecto positivo asociado a la implementación de  
la IA, aunque de manera más indirecta, acumulativa y progresiva. A diferencia de la eficiencia operativa  
y la reducción de costos, cuyos efectos son más inmediatos, el impacto en la rentabilidad se construye  
a partir de la interacción de múltiples factores que se consolidan en el tiempo. Los resultados muestran  
que la mejora en los márgenes de ganancia y la generación de ingresos están estrechamente  
vinculadas a la optimización de procesos y al uso más eficiente de los recursos, lo que evidencia una  
relación sistémica entre estas variables. Asimismo, la IA contribuye a mejorar la calidad de la toma de  
decisiones, al proporcionar información más precisa, oportuna y basada en datos, lo que reduce la  
incertidumbre y los riesgos asociados a la gestión empresarial. Este aspecto resulta fundamental en  
entornos altamente competitivos, donde la capacidad de anticiparse a tendencias y responder  
estratégicamente puede marcar la diferencia entre el crecimiento y la estancación. En consecuencia,  
la IA no solo impacta en la rentabilidad desde una perspectiva financiera, sino que también fortalece la  
sostenibilidad de las Pymes al mejorar su resiliencia, su capacidad de innovación y su posicionamiento  
en el mercado.  
No obstante, el estudio también pone de manifiesto que el nivel de adopción de la Inteligencia Artificial  
en las Pymes aún se encuentra en una etapa intermedia de desarrollo, caracterizada por un predominio  
de niveles medios y bajos de implementación. Esta situación refleja la persistencia de brechas  
tecnológicas que limitan el aprovechamiento pleno de las capacidades de estas herramientas,  
particularmente en organizaciones con restricciones estructurales en términos de capital,  
infraestructura y conocimiento especializado. En este sentido, la adopción parcial de la IA no solo  
reduce el alcance de sus beneficios potenciales, sino que también evidencia la necesidad de generar  
condiciones habilitadoras que faciliten su integración efectiva. Entre estas condiciones destacan la  
implementación de programas de capacitación orientados al desarrollo de habilidades digitales, el  
acceso a esquemas de financiamiento que permitan la inversión tecnológica y el fortalecimiento de  
capacidades organizacionales que favorezcan la innovación. De esta manera, la reducción de dichas  
brechas se convierte en un elemento clave para democratizar el acceso a la IA y potenciar su impacto  
en el sector de las Pymes.  
Desde una perspectiva integral, los resultados permiten afirmar que la IA se posiciona como un  
componente estratégico en los procesos de transformación digital de las Pymes, trascendiendo su  
función operativa para convertirse en un factor determinante en la generación de valor empresarial. Su  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2465.  
impacto no se limita únicamente a la optimización de procesos internos, sino que también incide en la  
mejora del desempeño financiero, la eficiencia en la asignación de recursos y la capacidad de  
adaptación organizacional frente a entornos dinámicos.  
La IA facilita la transición hacia modelos de gestión basados en datos, lo que fortalece la calidad de la  
toma de decisiones y reduce los niveles de incertidumbre. Asimismo, su implementación representa  
una oportunidad para redefinir las estrategias competitivas de las empresas, al permitirles responder  
de manera más ágil a las demandas del mercado, innovar en sus productos y servicios, y consolidar  
ventajas sostenibles en el tiempo.  
Adicionalmente, el estudio aporta evidencia empírica relevante que contribuye al debate académico  
sobre el papel de la tecnología en el desarrollo empresarial, particularmente en el ámbito de las Pymes,  
donde la necesidad de innovación y adaptación es cada vez más apremiante. Los hallazgos no solo  
confirman la relación positiva entre la adopción de IA y el desempeño financiero, sino que también  
permiten comprender las dinámicas a través de las cuales esta tecnología impacta en las  
organizaciones.  
En este sentido, la investigación trasciende su objetivo descriptivo al ofrecer una base analítica que  
sustenta futuras investigaciones en torno a la transformación digital y su influencia en la  
competitividad empresarial. Asimismo, abre nuevas líneas de reflexión sobre el potencial de la IA como  
herramienta estratégica para el crecimiento, la resiliencia y la sostenibilidad organizacional,  
destacando su papel en la configuración de un entorno empresarial más eficiente, innovador y  
orientado al aprovechamiento del conocimiento.  
Recomendaciones y futuras líneas de investigación  
A partir de las limitaciones identificadas y los hallazgos obtenidos, se proponen diversas líneas de  
investigación que pueden contribuir a profundizar en el análisis del impacto de la IA en las Pymes.  
En primer lugar, se recomienda el desarrollo de estudios con diseños longitudinales, que permitan  
analizar la evolución del impacto de la IA a lo largo del tiempo. Esto permitiría identificar con mayor  
precisión los efectos causales de la adopción tecnológica en variables como la rentabilidad y la  
sostenibilidad empresarial.  
En segundo lugar, futuras investigaciones podrían incorporar métodos mixtos, combinando enfoques  
cuantitativos y cualitativos. La inclusión de entrevistas o estudios de caso permitiría comprender con  
mayor profundidad los procesos de implementación de la IA, así como las barreras y facilitadores en  
su adopción.  
Asimismo, se sugiere ampliar el alcance del estudio mediante el uso de muestreos probabilísticos y  
muestras más amplias, lo que permitiría mejorar la representatividad de los resultados y fortalecer su  
validez externa. Esto es particularmente relevante para generar evidencia que pueda ser utilizada en la  
formulación de políticas públicas.  
Otra línea de investigación importante consiste en analizar el impacto de la IA considerando variables  
moderadoras, como el sector económico, el nivel de digitalización, la cultura organizacional y la  
capacitación del capital humano. Este enfoque permitiría identificar en qué condiciones la IA genera  
mayores beneficios y cuál es su impacto limitado.  
De igual manera, se recomienda realizar estudios que incorporen indicadores financieros objetivos,  
tales como estados financieros, márgenes de utilidad o indicadores de productividad, con el fin de  
complementar la percepción de los participantes y validar empíricamente los resultados obtenidos.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2466.  
Finalmente, se plantea la necesidad de investigar el papel de la IA en la transformación estratégica de  
las Pymes, más allá de su impacto operativo. Esto implica analizar cómo la IA puede influir en la  
innovación, la generación de nuevos modelos de negocio y la competitividad a largo plazo.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2467.  
REFERENCIAS  
Bernal, C. A. (2010). Metodología de la investigación (3.ª ed.). Pearson.  
Brynjolfsson, E., & McAfee, A. (2014). The second machine age: Work, progress, and prosperity in a time  
of brilliant technologies. W. W. Norton & Company.  
Christensen, C. M. (1997). The innovator’s dilemma. Harvard Business School Press.  
D. H. (2015). Why are there still so many jobs? The history and future of workplace automation. Journal  
of Economic Perspectives.  
Davenport, T. H. (2018). Artificial intelligence for the real world. Harvard Business Review Press.  
Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world. Harvard Business Review.  
Field, A. (2013). Discovering statistics using IBM SPSS statistics (4th ed.). Sage.  
Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, M. P. (2014). Metodología de la  
investigación (6.ª ed.). McGraw-Hill.  
Kotler, P., Kartajaya, H., & Setiawan, I. (2017). Marketing 4.0: Moving from traditional to digital. Wiley.  
Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology.  
Niven, P. R. (2006). Balanced scorecard step-by-step. Wiley.  
Porter, M. E. (2008). The five competitive forces that shape strategy. Harvard Business Review.  
Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.  
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, publicados en este  
sitio está disponibles bajo Licencia Creative Commons  
.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2468.