IA en alta dirección y decisiones estratégicas corporativas en el sector manufacturero 2016–2026
DOI:
https://doi.org/10.65415/4zsf1z41Palabras clave:
Inteligencia artificial, Toma de decisiones estratégicas, Alta dirección, Liderazgo ejecutivo, Sector manufactureroResumen
El presente estudio tiene como objetivo analizar el papel de la inteligencia artificial (IA) en la alta dirección y su influencia en la toma de decisiones estratégicas en el sector manufacturero durante el período 2016–2026. Para ello, se desarrolló una revisión sistemática de la literatura (SLR) siguiendo los lineamientos del protocolo PRISMA, utilizando la base de datos Scopus como fuente principal. A partir de un total inicial de registros, se seleccionaron 20 estudios relevantes mediante criterios de inclusión y exclusión previamente definidos.
Los resultados evidencian que la IA ha evolucionado de una herramienta operativa a un recurso estratégico clave, capaz de mejorar la calidad de las decisiones mediante el análisis de grandes volúmenes de datos, modelos predictivos y sistemas de apoyo a la decisión. Asimismo, se identifica una transformación en el rol de la alta dirección, que ahora requiere competencias digitales y analíticas para interactuar con sistemas inteligentes. En el contexto manufacturero, la IA contribuye significativamente a la optimización de procesos, la mejora de la eficiencia y el fortalecimiento de la competitividad organizacional.
No obstante, la literatura también señala desafíos relevantes, como la necesidad de establecer marcos de gobernanza, la resistencia organizacional al cambio y los riesgos asociados a la opacidad de los algoritmos.
En conjunto, los hallazgos permiten concluir que la IA no sustituye la toma de decisiones humanas, sino que la complementa, dando lugar a un modelo de inteligencia aumentada. Este estudio aporta una síntesis estructurada de la evidencia científica y plantea implicaciones teóricas y prácticas para la gestión estratégica en entornos industriales.
Descargas
Referencias
Alami, R., & Al-Masaeid, T. (2025). The AI-Executive Partnership: A New Paradigm for Decision-Making and Strategic Leadership. Journal of Information and Knowledge Management, 24(6). https://doi.org/10.1142/S0219649225500650
Bevilacqua, S., Ferraris, A., Kozel, R., & Vincurova, Z. (2025). Exploring the artificial intelligence integration in top management team decision-making: An empirical analysis. Business Process Management Journal, 31(5), 1763-1784. https://doi.org/10.1108/BPMJ-07-2024-0659
ERİM, M. M., D’Alessandro, C., Licastro, A., Szopik-Depczyńska, K., & Ioppolo, G. (2026). Emotional AI in Human Digital Twin: Enhancing Human-Machine Interaction and Management Strategies. Lect. Notes Networks Syst., 1643 LNNS, 214-226. https://doi.org/10.1007/978-3-032-06611-4_17
Glukhova, L. V., Gudkova, S. A., Syrotyuk, S. D., & Gudkov, A. A. (2025). Business Analytics and Machine Learning for Project Management. Procedia Comput. Sci., 270, 4636-4644. https://doi.org/10.1016/j.procs.2025.09.589
Gómez Gandía, J. A., Gavrila Gavrila, S., de Lucas Ancillo, A., & del Val Núñez, M. T. (2025). Towards sustainable business in the automation era: Exploring its transformative impact from top management and employee perspective. Technological Forecasting and Social Change, 210. https://doi.org/10.1016/j.techfore.2024.123908
Hodges, D. C., & Salam, A. F. (2018). Machine learning, analytics, and strategic decisions in the regulated energy industry. Int. Conf. Inf. Syst., ICIS. International Conference on Information Systems 2018, ICIS 2018.
Jahankhani, H., Bowen, G., Jamal, A., O’Dell, L. M., & Hagan, D. (Eds.). (2020). Strategy, Leadership, and AI in the Cyber Ecosystem: The Role of Digital Societies in Information Governance and Decision Making. Elsevier. https://doi.org/10.1016/B978-0-12-821442-8.09990-0
Khalid, J., Chuanmin, M., Altaf, F., Shafqat, M. M., Khan, S. K., & Ashraf, M. U. (2024). AI-Driven Risk Management and Sustainable Decision-Making: Role of Perceived Environmental Responsibility. Sustainability (Switzerland), 16(16). https://doi.org/10.3390/su16166799
Kim, K., & Kim, B. (2022). Decision-Making Model for Reinforcing Digital Transformation Strategies Based on Artificial Intelligence Technology. Information (Switzerland), 13(5). https://doi.org/10.3390/info13050253
Prabha, K. R., Mabel, B. R., Isaev, F., Mamadiyarov, Z., Raxmatullayevich, K. U., Erkinjon, T., & Khurramova, M. (2026). A Multi-Layer Artificial Intelligence– Enabled Governance Framework for Integrating Information Security Management, Quality Management, and Strategic Human Resource Analytics: An Empirical Study on the Role of Corporate Social Responsibility in Sustainable Organizational Performance. Quality - Access to Success, 27(210), 418-426. https://doi.org/10.47750/QAS/27.210.45
Qutub, S., Baajajah, S., Alqalayta, D., Ali, S. S., Abutaha, R., & Aburas, H. M. (2026). Evaluating green supply management practices for measuring subcontractor sustainable performance in the construction industry using SEM and ML performance modelling. International Journal of Construction Management. https://doi.org/10.1080/15623599.2026.2636736
Rajesh, R. (2020). A grey-layered ANP based decision support model for analyzing strategies of resilience in electronic supply chains. Engineering Applications of Artificial Intelligence, 87. https://doi.org/10.1016/j.engappai.2019.103338
Saremi, S. (2025). The Strategic Role of Information Systems in Modern Business: Empowering Decision-Making and Sustaining Competitive Advantage. Commun. Comput. Info. Sci., 2652 CCIS, 82-93. https://doi.org/10.1007/978-3-032-04228-6_6
Seshasai, S. J., & Balaji, K. D. (2025). The XAI Factor in the Age of AI: Does It Enhance AI Augmented Decision-Making Quality in HealthCare HR. En B. Singla, K. Shalender, N. Singh, & S. Sharma (Eds.), Revolutionizing Healthcare Services: Unleashing Innovation through Generative AI (pp. 160-172). CRC Press. https://doi.org/10.1201/9781003531272_9
Song, Y., Qiu, X., & Liu, J. (2025). The Impact of Artificial Intelligence Adoption on Organizational Decision-Making: An Empirical Study Based on the Technology Acceptance Model in Business Management. Systems, 13(8). https://doi.org/10.3390/systems13080683
Talajić, M., Vrankić, I., & Pejić Bach, M. (2024). Strategic Management of Workforce Diversity: An Evolutionary Game Theory Approach as a Foundation for AI-Driven Systems. Information (Switzerland), 15(6). https://doi.org/10.3390/info15060366
Zaid, M., Akram, M. W., Rizvi, A., & Rizvi, S. K. J. (2023). Blockchain based integrity assurance framework for COVID-19 information management & decision making at National Command Operation Center, Pakistan. Concurrency and Computation: Practice and Experience, 35(8). https://doi.org/10.1002/cpe.7632
Zheng, Z., Xuan, B., & Wei, Q. (2025). The Impact of Top Management Team’s Artificial Intelligence Attention on Supply Chain Resilience: Empirical Evidence from Chinese A-Share Listed Companies. Proc. Int. Conf. Logist. Syst. Eng., 217-227. https://doi.org/10.52202/083767-0023
Zimmermann, R., & Brandtner, P. (2024). From Data to Decisions: Optimizing Supply Chain Management with Machine Learning-Infused Dashboards. Procedia Comput. Sci., 237, 955-964. https://doi.org/10.1016/j.procs.2024.05.184
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Andrea Alejandra Cujilán-Guaman, Vanessa Olimpia Rodríguez-Flores
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
