El Rol de la Inteligencia Artificial en la Automatización y Gestión de la Cadena de Suministro
DOI:
https://doi.org/10.65415/rcs.v2i3.15Palabras clave:
inteligencia artificial; automatización; cadena de suministro; transformación digital; ingeniería industrialResumen
El objetivo de esta revisión sistemática es analizar el rol de la inteligencia artificial (IA) en la transformación digital de la ingeniería industrial, con un enfoque en la automatización y la gestión de la cadena de suministro. Para ello, se aplicaron los lineamientos PRISMA, complementados con un análisis bibliométrico que permitió identificar tendencias, beneficios y tecnologías emergentes en el área. Se consultaron las bases Scopus y Web of Science mediante ecuaciones de búsqueda estandarizadas, recuperándose 109 registros, de los cuales se incluyeron 30 estudios tras el proceso de cribado. Los hallazgos muestran que la IA optimiza procesos críticos mediante aprendizaje automático, Internet de las Cosas, visión computacional, robótica colaborativa y analítica predictiva. Estas tecnologías fortalecen la eficiencia operativa, la trazabilidad, la resiliencia organizacional y la sostenibilidad ambiental. Sin embargo, se identifican desafíos significativos relacionados con capacitación, transparencia algorítmica, gobernanza de datos y brechas tecnológicas entre empresas. Se concluye que la integración exitosa de IA requiere un enfoque integral que combine inversión tecnológica, adaptación organizacional y consideraciones éticas y ambientales.
Citas
Albarracín Vanoy, R. J. (2023). Logistics 4.0: Exploring Artificial Intelligence Trends in Efficient Supply Chain Management. Data and Metadata, 2. Scopus. https://doi.org/10.56294/dm2023145
AlRushood, M. A., Rahbar, F., Selim, S. Z., & Dweiri, F. (2023). Accelerating Use of Drones and Robotics in Post-Pandemic Project Supply Chain. Drones, 7(5). Scopus. https://doi.org/10.3390/drones7050313
Boujarra, M., Lechhab, A., Al Karkouri, A., Zrigui, I., Fakhri, Y., & Bourekkadi, S. (2024). REVOLUTIONIZING LOGISTICS THROUGH DEEP LEARNING: INNOVATIVE SOLUTIONS TO OPTIMIZE DATA SECURITY. Journal of Theoretical and Applied Information Technology, 102(4), 1593-1607.
Chauhan, S., Singh, R., Gehlot, A., Akram, S. V., Twala, B., & Priyadarshi, N. (2023). Digitalization of Supply Chain Management with Industry 4.0 Enabling Technologies: A Sustainable Perspective. Processes, 11(1), Article 1. https://doi.org/10.3390/pr11010096
Chen, Y., Biswas, M. I., & Talukder, M. S. (2022). The role of artificial intelligence in effective business operations during COVID-19. International Journal of Emerging Markets, 18(12), 6368-6387. https://doi.org/10.1108/IJOEM-11-2021-1666
Dogru, A. K., & Keskin, B. B. (2020). AI in operations management: Applications, challenges and opportunities. Journal of Data, Information and Management, 2(2), 67-74. https://doi.org/10.1007/s42488-020-00023-1
Dong, Z., Liang, W., Liang, Y., Gao, W., & Lu, Y. (2022). Blockchained supply chain management based on IoT tracking and machine learning. EURASIP Journal on Wireless Communications and Networking, 2022(1), 127. https://doi.org/10.1186/s13638-022-02209-0
Gezdur, A., & Bhattacharjya, J. (2025). Innovators and transformers: Enhancing supply chain employee training with an innovative application of a large language model. International Journal of Physical Distribution & Logistics Management, ahead-of-print(ahead-of-print). https://doi.org/10.1108/IJPDLM-12-2023-0492
Kumar, I., Rawat, J., Mohd, N., & Husain, S. (2021). Opportunities of Artificial Intelligence and Machine Learning in the Food Industry. Journal of Food Quality, 2021(1), 4535567. https://doi.org/10.1155/2021/4535567
Lin, H., Lin, J., & Wang, F. (2022). An innovative machine learning model for supply chain management. Journal of Innovation & Knowledge, 7(4), 100276. https://doi.org/10.1016/j.jik.2022.100276
Oliveira, M., Chauhan, S., Pereira, F., Felgueiras, C., & Carvalho, D. (2023). Blockchain Protocols and Edge Computing Targeting Industry 5.0 Needs. Sensors, 23(22), Article 22. https://doi.org/10.3390/s23229174
Rakholia, R., Suárez-Cetrulo, A., Singh, M., & Carbajo, R. (2024). Advancing Manufacturing Through Artificial Intelligence: Current Landscape, Perspectives, Best Practices, Challenges and Future Direction. IEEE Access, PP, 1-1. https://doi.org/10.1109/ACCESS.2024.3458830
Shamsuzzoha, A., & Pelkonen, S. (2025). A robotic process automation model for order-handling optimization in supply chain management. Supply Chain Analytics, 9, 100102. https://doi.org/10.1016/j.sca.2025.100102
Sharabati, A., Awawdeh, H., Sabra, S., Shehadeh, H., Allahham, M., & Ali, A. (2024). The role of artificial intelligence on digital supply chain in industrial companies mediating effect of operational efficiency. Uncertain Supply Chain Management, 12(3), 1867-1878.
Spring, M., Faulconbridge, J., & Sarwar, A. (2022). How information technology automates and augments processes: Insights from Artificial-Intelligence-based systems in professional service operations. Journal of Operations Management, 68(6-7), 592-618. https://doi.org/10.1002/joom.1215
Wu, H., Liu, J., & Liang, B. (2024). AI-Driven Supply Chain Transformation in Industry 5.0: Enhancing Resilience and Sustainability. Journal of the Knowledge Economy. https://doi.org/10.1007/s13132-024-01999-6
Xie, Y., Zheng, J., Gou, A., Sattar, F., & Liao, L. (2025). Log End Face Feature Extraction and Matching Method Based on Swin Transformer V2. Forests, 16(1), Article 1. https://doi.org/10.3390/f16010124
Zdravković, M., Panetto, H., & Weichhart, G. (2022). AI-enabled Enterprise Information Systems for Manufacturing. Enterprise Information Systems, 16(4), 668-720. https://doi.org/10.1080/17517575.2021.1941275v
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Susan Cuenca Alvarado
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
