Automatización inteligente: el impacto de la IA en la gestión y optimización de procesos empresariales

Intelligent automation: how artificial intelligence transforms business process management and optimization

Autores/as

  • Maria Teodolinda Ortega Ovalle Universidad de Panamá

DOI:

https://doi.org/10.56712/latam.v7i2.5579

Palabras clave:

automatización inteligente, inteligencia artificial, optimización de procesos, sistemas autónomos, transformación digital, gobernanza algorítmica

Resumen

La automatización inteligente se ha consolidado entre 2000 y 2025 como uno de los pilares conceptuales de la transformación digital, integrando técnicas de automatización robótica de procesos, inteligencia artificial, análisis avanzado y sistemas autónomos capaces de ejecutar tareas complejas sin intervención humana directa. Este artículo desarrolla un análisis teórico exhaustivo sobre, los fundamentos conceptuales de la automatización inteligente y su impacto en la gestión y optimización de procesos empresariales. A partir de una metodología teórica mixta que combina revisión narrativa especializada, análisis conceptual y comparación estructurada de modelos, se examinan los principios que sustentan la automatización inteligente, incluyendo la cognición algorítmica, la toma de decisiones autónoma, la trazabilidad operativa y la integración de datos en tiempo real. Los resultados teóricos muestran que la automatización inteligente no constituye únicamente una evolución de la automatización tradicional, sino un cambio paradigmático que redefine la relación entre tecnología, procesos y capacidades organizacionales. Asimismo, se discuten desafíos como la gobernanza algorítmica, los sesgos en modelos de IA, la dependencia tecnológica y las implicaciones éticas de delegar decisiones críticas a sistemas autónomos. El artículo concluye que la automatización inteligente es un componente estratégico para la competitividad empresarial, pero requiere marcos conceptuales sólidos y una comprensión profunda de sus implicaciones.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Maria Teodolinda Ortega Ovalle, Universidad de Panamá

Citas

Abadi, D. J. (2012). Consistency tradeoffs in modern distributed database system design: CAP is only part of the story. Communications of the ACM, 59(4), 37–42. https://doi.org/10.1109/MC.2012.33

Bass, L., Clements, P., & Kazman, R. (2021). Software architecture in practice (4th ed.). Addison-Wesley.

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

Chang, F., Dean, J., Ghemawat, S., Hsieh, W. C., Wallach, D. A., Burrows, M., Chandra, T., Fikes, A., & Gruber, R. E. (2006). Bigtable: A distributed storage system for structured data. En Proceedings of the 7th USENIX Symposium on Operating Systems Design and Implementation (OSDI ’06) (pp. 205–218). USENIX Association.

Davenport, T. H., Guha, A., Grewal, D., & Bressgott, T. (2020). How artificial intelligence will change the future of marketing. Journal of the Academy of Marketing Science, 48(1), 24–42. https://doi.org/10.1007/s11747-019-00696-0

Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world. MIT Sloan Management Review, 59(3), 34–42.

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

García-Molina, H., Ullman, J. D., & Widom, J. (2020). Database systems: The complete book (3rd ed.). Pearson.

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

Janiesch, C., Zschech, P., & Heinrich, K. (2021). Machine learning and deep learning. Electronic Markets, 31(3), 685–695. https://doi.org/10.1007/s12525-021-00475-2

Jobin, A., Ienca, M., & Vayena, E. (2019). The global landscape of AI ethics guidelines. Nature Machine Intelligence, 1(9), 389–399. https://doi.org/10.1038/s42256-019-0088-2

Kitchin, R. (2021). The data revolution: Big data, open data, data infrastructures and their consequences. Sage. https://doi.org/10.4135/9781473909472

Kotter, J. P. (2012). Leading change. Harvard Business Review Press.

Lacity, M., & Willcocks, L. (2018). Robotic process automation and cognitive automation: The next phase. SB Publishing.

Stonebraker, M. (2010, April 5). Errors in database systems, eventual consistency, and the CAP theorem. Communications of the ACM. http://cacm.acm.org/blogs/blog-cacm/83396-errors-in-database-systems-eventual-consistency-and-the-cap-theorem

Syed, R., Suriadi, S., Adams, M., Bandara, W., Leemans, S. J. J., Ouyang, C., & van de Weerd, I. (2020). Robotic process automation: Contemporary themes and challenges. Computers in Industry, 115, 103162. https://doi.org/10.1016/j.compind.2019.103162

van der Aalst, W. M. P., Bichler, M., & Heinzl, A. (2018). Robotic process automation. Business & Information Systems Engineering, 60(4), 269–272. https://doi.org/10.1007/s12599-018-0542-4

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

Yandamuri, U. S. (2026). Arquitectura de sistemas integrados para industrias modernas. Deep Science Publishing. https://doi.org/10.70593/978-93-7185-114-5_2

Descargas

Publicado

2026-03-26

Cómo citar

Ortega Ovalle, M. T. (2026). Automatización inteligente: el impacto de la IA en la gestión y optimización de procesos empresariales: Intelligent automation: how artificial intelligence transforms business process management and optimization. LATAM Revista Latinoamericana De Ciencias Sociales Y Humanidades, 7(2), 712 – 720. https://doi.org/10.56712/latam.v7i2.5579

Número

Sección

Ciencias de la Educación