Incidencia de la inteligencia artificial en la gestión estratégica  
Jorge Andrés Izaguirre Olmedo  
Jorge Eduardo Vélez Martell  
Volumen: 17  
Número: 2  
Año: 2025  
Recepción: 18/02/2025  
Aprobado: 27/03/2025  
Artículo original  
Incidencia de la inteligencia artificial en la gestión estratégica  
Incidence of artificial intelligence on strategic management  
Jorge Andrés Izaguirre Olmedo1 (joizaguirreol@uide.edu.ec) (https://orcid.org/0000-  
0001-5178-8641)  
Jorge Eduardo Vélez Martell2 (jorge.velez@epg.usil.pe) (https://orcid.org/0009-0008-  
2710-1107)  
Resumen  
En los últimos años, las aplicaciones de inteligencia artificial (IA) han experimentado un  
crecimiento constante, lo que ha impulsado su adopción en diversas áreas dentro de las  
organizaciones y en distintos sectores de la economía global. Esta investigación busca  
examinar cómo se utiliza la IA en la formulación de estrategias empresariales, además  
de identificar posibles brechas de conocimiento que orienten investigaciones futuras.  
Para lograrlo, los autores emplean un estudio bibliométrico basado en el análisis de 28  
investigaciones obtenidas de las bases de datos Scopus (23 estudios) y WoS (5  
estudios), que exploran la relación entre IA y estrategia organizacional. Los resultados  
muestran que la IA adquirere relevancia en varias áreas estratégicas de las empresas.  
Específicamente, se destaca su creciente aplicación en el marketing estratégico, la  
administración estratégica y la gestión del capital humano y la formación de empleados,  
áreas que han visto grandes beneficios y transformaciones gracias a esta tecnología.  
Además, se observa un aumento reciente en su uso para el diseño de estrategias de  
sostenibilidad empresarial, ya que juega un papel cada vez más relevante en la  
creación de valor social y ambiental. Los autores concluyen que futuras investigaciones  
deberían centrarse en analizar en profundidad el nivel de incidencia de la IA en estas  
áreas estratégicas. Este enfoque permitiría entender mejor los beneficios y desafíos  
que plantea la integración de IA en las estrategias organizacionales y contribuiría al  
desarrollo de marcos conceptuales y prácticos que maximicen su impacto y efectividad  
en el entorno empresarial actual, promoviendo una adopción más informada y  
estratégica.  
: inteligencia artificial, gestión estratégica, estrategia.  
Palabras clave  
Abstract  
In recent years, artificial intelligence (AI) applications have experienced steady growth,  
which has driven its adoption in various areas within organizations and in different  
sectors of the global economy. This research seeks to examine how AI is used in  
business strategy formulation and to identify potential knowledge gaps to guide future  
research. To achieve this, the authors employ a bibliometric study based on the analysis  
1
Doctorando en Administración, Universidad San Ignacio de Loyola. Magister en Finanzas y Proyectos  
Corporativos. Coordinador de vinculación/Docente. Universidad Internacional del Ecuador sede Guayaquil, Ecuador.  
2
Doctorando en Administración. Universidad San Ignacio de Loyola. Ingeniero Residente. Constructora Rivera  
Feijoo SAC. Lima, Perú.  
Página 284  
   
Incidencia de la inteligencia artificial en la gestión estratégica  
Jorge Andrés Izaguirre Olmedo  
Jorge Eduardo Vélez Martell  
Volumen: 17  
Número: 2  
Año: 2025  
Recepción: 18/02/2025  
Aprobado: 27/03/2025  
Artículo original  
of 28 research studies obtained from the Scopus (23 studies) and WoS (5 studies)  
databases, which explore the relationship between AI and organizational strategy. The  
results show that AI will gain relevance in several strategic areas of companies.  
Specifically, its growing application in strategic marketing, strategic management and  
human capital management and employee training, areas that have seen great benefits  
and transformations thanks to this technology, stand out. In addition, there has been a  
recent increase in its use in the design of corporate sustainability strategies, as it plays  
an increasingly relevant role in the creation of social and environmental value. The  
authors conclude that future research should focus on analyzing in depth the level of  
impact of AI in these strategic areas. This approach would allow a better understanding  
of the benefits and challenges of integrating AI into organizational strategies and  
contribute to the development of conceptual and practical frameworks that maximize its  
impact and effectiveness in today's business environment, promoting more informed and  
strategic adoption.  
Key words: artificial intelligence, strategic management, strategy.  
Introducción  
La Inteligencia Artificial (IA) ha evolucionado como una disciplina que combina cómo se  
efectúa el proceso de pensar a través de la neurociencia y la cognición; y cómo se  
ejecuta la aplicación práctica del conocimiento para resolver problemas y realizar tareas  
mediante la ingeniería del conocimiento (Morantes, 2023). Adquiere cada vez más  
protagonismo en Medicina, Finanzas, Derecho, Entretenimiento e Industria.  
Actualmente, las empresas tecnológicas han aumentado el uso de la inteligencia  
artificial para cumplir con sus objetivos de sostenibilidad. No obstante, se requiere  
mayor compresión sobre cómo estas empresas utilizan la IA de manera efectiva para  
impulsar la sostenibilidad a través de estrategias adecuadas (Zechiel et al., 2024). Esta  
falta de discernimiento también se refleja en el ámbito educativo en donde se presenta  
una brecha entre la enseñanza de la IA y la aplicación en los programas de negocios,  
especialmente en los currículos centrados en estrategias (Bhalla, 2019).  
Con la aceleración de la Industria 4.0, la IA es crucial en el sector manufacturero. Para  
que sea eficaz en esta área, se requiere equilibrar el conocimiento técnico de la  
industria con las capacidades de IA (Chung, 2023). Este desafío se presenta en otros  
sectores como el turismo, donde las empresas enfrentan dificultades para elegir  
soluciones de IA que resuelvan problemas relacionados con el servicio (Lv et al., 2022).  
La implementación de la IA transforma el ámbito laboral, presentando desafíos  
significativos en cuanto a regulación, especialmente para los sindicatos que deben  
gestionar una tecnología en evolución con poca experiencia acumulada (Krzywdzinski,  
2023). A pesar de que la IA tiene beneficios potenciales para los negocios, la  
percepción negativa de los consumidores complica su adopción ética y desencadena  
respuestas adversas si las empresas transparentan su uso (Haupt, 2024).  
Página 285  
Incidencia de la inteligencia artificial en la gestión estratégica  
Jorge Andrés Izaguirre Olmedo  
Jorge Eduardo Vélez Martell  
Volumen: 17  
Número: 2  
Año: 2025  
Recepción: 18/02/2025  
Aprobado: 27/03/2025  
Artículo original  
En el sector de la salud, las aplicaciones de IA revolucionan la cadena de suministro,  
aunque las elevadas inversiones requeridas pueden dificultar la colaboración entre los  
diferentes actores involucrados (Adhikari, 2023). La creciente fascinación por la IA en  
este sector no es sorprendente, dado a su papel crucial en la planificación y gestión de  
riesgos, especialmente en respuesta a pandemias (Swanson, 2022; Tucker, 2023).  
La educación también está beneficiándose de la IA con herramientas como los  
chatbots, que muestran un gran potencial para involucrar a los estudiantes y pueden ser  
utilizados por bibliotecarios académicos para promover la alfabetización en información  
y datos (Torres, 2024). Sin embargo, la investigación sobre estrategias efectivas para  
implementar chatbots en situaciones de fallos de productos o servicios en el comercio  
electrónico todavía está en desarrollo (Zhang et al., 2022). En este contexto, la  
percepción sobre que las organizaciones escuchan a sus clientes emerge como factor  
clave para la efectividad de la comunicación automatizada (Zhou et al., 2024).  
En el sector del marketing la inversión en IA es esencial para aprovechar las  
oportunidades de la analítica predictiva para crear estrategias basadas en datos  
(Alshaketheep et al., 2024). Éstos se consideran el "nuevo petróleo" y las empresas  
tecnológicas invierten grandes sumas en IA y aprendizaje automático; solo aquellas que  
se suman a las tecnologías complementarias y siguen una estrategia de I+D aumentan  
significativamente sus ingresos (Lee, 2022; Broadhurst, 2022). Pero, es importante  
reconocer que, aunque muchas estrategias de IA tienen éxito, otras fracasan, lo que  
resalta la importancia de una planificación y ejecución cuidadosa (Vomberg, 2023).  
La presente investigación busca comprender la incidencia que tiene la IA sobre la  
gestión estratégica de las empresas. Los resultados de este estudio identificarán las  
brechas de investigación y aportarán sugerencias sobre futuras líneas de investigación  
que permitan aplicaciones en diferentes industrias o mercados.  
Estudios previos  
En el sector de alimentos y bebidas, Ajmera et al. (2024) exploraron el papel que la IA  
desempeña al facilitar la adopción de los principios de economía circular. Su  
investigación revela cuáles son las barreras que enfrenta la economía circular y cómo al  
ser respaldada por la IA ofrecerá ideas prácticas. También esboza estrategias para  
superar estos obstáculos, proporcionando una hoja de ruta específica para las  
empresas que buscan prácticas sostenibles.  
En cuanto a áreas de tecnología, Lee et al. (2022) analizaron cómo el rendimiento de  
las empresas de alta tecnología varía según la intensidad con la que adoptan la IA. Así,  
determinaron que los ingresos de las empresas aumentan solo después de realizar una  
inversión considerable en IA. Cabe recalcar que al adoptar IA los beneficios son  
mayores en aquellas empresas que también invierten en tecnologías complementarias  
como la computación en la nube y los sistemas de bases de datos. Además, la  
mencionada relación es más pronunciada en organizaciones que siguen una estrategia  
de I+D más exclusiva y específica para sus proyectos.  
Página 286  
Incidencia de la inteligencia artificial en la gestión estratégica  
Jorge Andrés Izaguirre Olmedo  
Jorge Eduardo Vélez Martell  
Volumen: 17  
Número: 2  
Año: 2025  
Recepción: 18/02/2025  
Aprobado: 27/03/2025  
Artículo original  
Sobre la base de lo anterior, Vomberg et al. (2023) exploraron cómo las estrategias de  
IA pueden superar el problema del arranque en frío para iniciar un ciclo virtuoso de  
efectos de red de datos. Para ello, desarrollaron una revisión de la literatura existente y  
entrevistas con profesionales. Los resultados identificaron y conceptualizaron el  
problema del arranque en frío en estrategias de IA emergentes. Para que éstas tengan  
éxito es crucial desarrollar tanto las dimensiones tecnológicas como las comerciales;  
todo esto es necesario para iniciar un ciclo virtuoso de efectos de red de datos.  
Con respecto a la formación y capital humano, Bhalla (2019) establece que el proceso  
3S: historia, estrategia y solución (siglas en inglés) es un método para enseñar a los  
líderes cómo integrar estratégicamente la IA en sus organizaciones. La fase de historia  
se basa en el método de caso; la estrategia en el Design Thinking; y, la solución,  
corresponde al uso de la IA en el contexto del caso de estudio. El autor sugiere futuras  
investigaciones que evalúen el Proceso 3S en entornos educativos.  
En el área de marketing, Broadhurst (2022) señala que la combinación de disponibilidad  
de datos y acceso a tecnologías de IA ha generado una gran oportunidad para que los  
profesionales del marketing sean más eficientes. No obstante, el desconocimiento en el  
área aún representa un gran desafío. Indica que las organizaciones están capacitando  
a los profesionales del marketing mediante marcos como las 5P del Marketing con IA  
para ayudarles a identificar casos de uso.  
Alshaketheep et al. (2024) analizaron el papel mediador del conocimiento de la  
dirección en la relación entre la IA como herramienta predictiva y las estrategias de  
marketing. A través de una encuesta realizada a 294 gerentes de marketing, se  
determinó el impacto de la escalabilidad, adaptabilidad, precisión, automatización,  
explicabilidad e interactividad) de las IA en las estrategias de marketing. El análisis  
mostró que el conocimiento de la dirección tiene un efecto significativo sobre las  
estrategias de marketing que usan AI.  
De igual manera, Elhajjar (2024) estudió las opiniones de los profesionales del  
marketing sobre el impacto de la IA en el diseño de estrategias. Sus resultados  
destacan una mayor eficiencia, mejor conocimiento de los clientes y experiencias de  
marketing personalizadas como beneficios de la IA; no obstante, señala que existen  
brechas de habilidades, consideraciones éticas, limitaciones de recursos y resistencia al  
cambio.  
Asimismo, Huang & Rust (2020), proponen un marco de tres etapas para la  
planificación estratégica de marketing que aprovecha diferentes tipos de IA: (a) IA  
mecánica: automatiza funciones y actividades repetitivas, (b) IA pensante: procesa  
datos para tomar decisiones, (c) IA sensorial: analiza interacciones y emociones  
humanas. Esto se aplica en las tres etapas del marketing: Investigación de marketing,  
Estrategia de marketing (STP: segmentación, targeting y posicionamiento), Acción de  
marketing.  
Página 287  
Incidencia de la inteligencia artificial en la gestión estratégica  
Jorge Andrés Izaguirre Olmedo  
Jorge Eduardo Vélez Martell  
Volumen: 17  
Número: 2  
Año: 2025  
Recepción: 18/02/2025  
Aprobado: 27/03/2025  
Artículo original  
En la misma línea, según Stone et al. (2020), uno de los beneficios esperados de la  
aplicación de la inteligencia artificial en la toma de decisiones estratégicas de marketing  
es la aceleración del proceso de toma de decisiones. Esto es especialmente relevante  
cuando se trata de responder a nuevos datos disponibles o a amenazas competitivas  
emergentes, permitiendo que las empresas aseguren posiciones de mercado más  
fuertes con mayor rapidez. Además, la IA ofrece otros beneficios como la identificación  
de datos faltantes, una mayor racionalidad al reducir o eliminar el sesgo cognitivo de los  
tomadores de decisiones, la creación de una base común para la toma de decisiones y  
la incorporación del aprendizaje basado en la experiencia.  
Haupt et al. (2024) investigaron el potencial de la colaboración humano-IA para  
mantener la credibilidad del mensaje ante los consumidores y sus actitudes hacia la  
empresa. Su estudio comparó la creación de contenido por personas apoyándose en IA  
o por IA con supervisión humana, frente a la creación de contenido 100% humana o  
100% por IA. Los resultados mostraron que la colaboración humano-IA mitiga las  
respuestas negativas de los consumidores; pero, solo cuando se percibe un control  
humano sobre la IA. Los mensajes generados por IA con control humano no se  
perciben de manera diferente a la autoría humana.  
Materiales y métodos  
Este estudio constituye una revisión bibliométrica cuyo objeto fue identificar la brecha  
de investigación de la incidencia de la IA en la gestión estratégica de las empresas.  
Para el efecto, se realizó una búsqueda de artículos en bases de datos SCOPUS y  
WOS durante agosto y septiembre del 2024. La tabla 1 presenta los criterios de  
búsqueda de los artículos.  
Tabla 1  
Criterios de búsqueda  
Base de datos Búsqueda  
Criterios de inclusión  
Artículos  
encontrados  
SCOPUS  
WOS  
Por título: AI AND Keywords: AI, Artificial Intelligence  
23  
Strategy  
Artículos terminados  
Área: Business, Management and  
Accounting  
Artificial  
Todos  
5
Intelligence AND  
Strategic  
Management  
Nota: Elaborada por los autores.  
Página 288  
Incidencia de la inteligencia artificial en la gestión estratégica  
Jorge Andrés Izaguirre Olmedo  
Jorge Eduardo Vélez Martell  
Volumen: 17  
Número: 2  
Año: 2025  
Recepción: 18/02/2025  
Aprobado: 27/03/2025  
Artículo original  
Una vez seleccionados los artículos, se procedió a clasificarlos por año de publicación y  
tipo de análisis de estrategia, cuyos datos se presentan en la tabla 2. En la sección de  
resultados se exponen los principales hallazgos del estudio; a la vez se sugieren las  
líneas de investigación futuras.  
Tabla 2  
Descripción de artículos  
Estrategia en  
Administración  
Alimentos y bebidas  
Efectos de red  
Inversión y desarrollo  
Marketing  
2019  
2020  
2021  
1
2022  
1
2023  
2
2024  
Total  
1
1
5
1
1
1
6
2
2
3
3
4
1
1
1
1
1
1
3
Salud  
2
1
Sector público  
Servicio al cliente  
Sostenibilidad  
2
5
1
2
2
1
1
Formación  
humano  
y
Capital  
1
1
Total general  
2
2
8
10  
28  
Nota: Elaborada por los autores.  
Resultados y discusión  
Como se evidencia en la tabla 2, la mayor concentración de investigaciones  
corresponde a la relación de la IA con el marketing estratégico, administración  
estratégica y estrategias en la formación y el capital humano. Otra área sobre la que se  
está investigando en el 2024 corresponde a la relación de las IA y las estrategias de  
sostenibilidad en las empresas.  
Acorde con Chung et al. (2023) muchas empresas emergentes de IA en el sector  
manufacturero se enfocan principalmente en el capital humano con habilidades en IA o  
ciencia de datos. Por lo anterior, su investigación se enfocó en analizar la importancia  
del capital humano con conocimientos específicos del dominio para el éxito de la IA en  
manufactura. A través del estudio de 127 startups globales de IA en manufactura, se  
Página 289  
Incidencia de la inteligencia artificial en la gestión estratégica  
Jorge Andrés Izaguirre Olmedo  
Jorge Eduardo Vélez Martell  
Volumen: 17  
Número: 2  
Año: 2025  
Recepción: 18/02/2025  
Aprobado: 27/03/2025  
Artículo original  
investigaron los efectos moderadores del nivel educativo y el tamaño del equipo  
fundador en relación con el conocimiento del dominio. Como conclusiones ofrecen  
nuevas perspectivas y proporcionan aportes prácticos para la estrategia de capital  
humano en empresas de IA en el sector manufacturero.  
Le y Metzger (2024) estudiaron el impacto potencial de ChatGPT en las estrategias  
pedagógicas. La investigación analiza el modelo de lenguaje asistido por IA, incluyendo  
sus capacidades, fortalezas y limitaciones. Examina a fondo las posibles implicaciones  
y propone sugerencias para diseñar evaluaciones que prevengan el uso de modelos de  
lenguaje basados en IA por parte de los estudiantes en contextos educativos; por eso,  
presentan recomendaciones de evaluación que consideran las características de  
ChatGPT. Al respecto, Torres (2024) se enfocó en mejorar las estrategias pedagógicas  
mediante la incorporación de chatbots de IA y bases de datos bibliográficas. Utilizó  
ChatGPT y Bard para evaluar la calidad de la información. Concluyó que la información  
proporcionada por ambos chatbots de IA estaba algo desactualizada debido a cambios  
organizacionales y no ofrecía un análisis profundo de la empresa.  
Adhikari et al. (2023) estudiaron la incidencia de la IA en las estrategias de cadena de  
suministros en el sector de salud, haciendo énfasis en contextos de pandemias o crisis  
sanitarias. En su investigación destacan la necesidad de una colaboración adecuada  
entre los miembros de la cadena de suministro del sector salud para la implementación  
exitosa de la IA; pero, reconocen el desafío que representa la alta inversión. No  
obstante, sugieren utilizar mecanismos contractuales como precio al por mayor y  
reparto de costes para explorar estrategias de colaboración entre los diferentes actores  
de la cadena de suministros del sector.  
En este contexto, Tucker (2023) examinó las perspectivas sociotécnicas de la IA en  
salud en Dinamarca, Finlandia, Noruega y Suecia. Concluyó que se puede identificar  
una visión común que contempla una expansión inevitable y creciente de la IA en el  
sector salud, impulsada e implementada por el sector privado. Sin embargo, también se  
identifica una tensión entre el rol de los estados como meros reaccionarios.  
Si el análisis se circunscribe sólo al sector público, Robinson (2020) analizó cómo los  
valores culturales de confianza, transparencia y apertura influyen en la adopción de  
políticas nacionales de uso de IA. El análisis en países nórdicos reveló que los tres  
valores culturales influyen en las estrategias nacionales de IA, y los temas de  
privacidad, ética y autonomía también están presentes. Concluyó en la importancia de  
la participación ciudadana para la adopción de estas políticas y la relevancia de la  
educación a la población en el uso de IA.  
En este contexto, Mittal y Gautam (2023) estudiaron cómo las capacidades digitales, las  
habilidades tecnológicas, la innovación y la capacidad de datos; afectan la  
implementación de servicios públicos basados en IA. Para el efecto, se utilizaron la  
puntuación del Índice de Preparación para la Inteligencia Artificial de los gobiernos de  
100 países. Determinaron que el uso de IA en los servicios públicos tiene un impacto  
Página 290  
Incidencia de la inteligencia artificial en la gestión estratégica  
Jorge Andrés Izaguirre Olmedo  
Jorge Eduardo Vélez Martell  
Volumen: 17  
Número: 2  
Año: 2025  
Recepción: 18/02/2025  
Aprobado: 27/03/2025  
Artículo original  
significativo en la adquisición de tecnología avanzada, datos y capacidades  
innovadoras en un país.  
Lv et al. (2022) ampliaron el análisis y no se circunscribieron solo al servicio público,  
sino al cliente en general. Señalaron que elegir las soluciones adecuadas para los fallos  
de servicio representa un desafío para las empresas. Dada esa realidad, estudiaron las  
necesidades psicológicas básicas de los consumidores: ser rechazado o ignorado  
debido a la falta de flexibilidad y sentido común en la IA. Indicaron que los chatbots que  
expresan gratitud tienen más probabilidades de ser perdonados por los consumidores  
ante un rechazo.  
Al respecto de la tendencia actual del uso de IA en planificación estratégica, Ruokonen  
y Ritala (2023) estudiaron el potencial y los desafíos que enfrentan diferentes empresas  
al adoptar una estrategia centrada en IA. Buscaron responder si la aplicación de IA en  
los planes estratégicos es aplicable para todo tipo de empresas; por eso, desarrollaron  
una investigación cualitativa analizando casos como Netflix y Spotify, así como  
compañías emergentes. Sus resultados identificaron tres tipos de estrategias centradas  
en IA: magnate digital, con crecimiento continuo de datos y predicciones basadas en IA;  
enfoque de nicho, que desarrollan algoritmos de IA en temas específicos; y, estrategia  
de incremento de activos, que utilizan sensores y datos de proceso para alimentar  
algoritmos de IA y capturar valor de su acceso y control superior de sus activos físicos.  
Al respecto, Swanson et al. (2022) señalan que los métodos de aprendizaje automático  
ofrecen oportunidades para mejorar la gestión. Sin embargo, esto requiere la  
disponibilidad de datos adecuados. La falta de consistencia en la información y  
disponibilidad de datos desagregados limita la aplicación de métodos de inteligencia  
artificial. Estas limitaciones representan oportunidades para que los métodos de IA  
aporten positivamente, por lo que se necesita desarrollar estándares de recopilación y  
compartición de datos junto con investigadores y expertos de la industria en IA.  
De manera similar, Biloslavo et al (2023) en su estudio determinaron que la IA mejora la  
eficiencia al procesar grandes cantidades de datos rápidamente, identificando patrones  
y tendencias que no son evidentes de inmediato; esto es crucial en entornos volátiles,  
inciertos, complejos y ambiguos que requieren razonamiento sofisticado y aprendizaje  
continuo, donde la velocidad y precisión en la toma de decisiones son vitales. Además,  
la IA puede predecir tendencias y ayudar en la gestión de riesgos proporcionando una  
ventaja competitiva. Sin embargo, los gerentes deben ser conscientes de los posibles  
sesgos de la IA y entender cómo los algoritmos aprenden y evolucionan para evitar  
problemas como la privacidad de los datos y el sesgo algorítmico, para abordar estos  
desafíos y garantizar prácticas responsables y sostenibles.  
Por su parte, Tariq et al. (2021) concluyen que alcanzar la excelencia operativa  
depende tanto de las fuerzas impulsoras como de la superación de barreras. Identifican  
que las fuerzas impulsoras para lograr esta excelencia mediante la IA incluyen la  
mejora de las capacidades computacionales de las máquinas, el desarrollo de IA  
basada en datos, los avances en el aprendizaje profundo, la computación en la nube, la  
Página 291  
Incidencia de la inteligencia artificial en la gestión estratégica  
Jorge Andrés Izaguirre Olmedo  
Jorge Eduardo Vélez Martell  
Volumen: 17  
Número: 2  
Año: 2025  
Recepción: 18/02/2025  
Aprobado: 27/03/2025  
Artículo original  
gestión de datos y la integración de la IA en las operaciones. Se destaca que las  
barreras principales son las limitaciones culturales, el miedo a lo desconocido, la falta  
de habilidades en los empleados y la planificación estratégica para la adopción de la IA.  
Zechiel et al. (2024) proponen un nuevo marco de trabajo IA y Sostenibilidad.  
Realizaron su análisis en Amazon, Google, IBM, Meta, Microsoft y SAP a través de un  
análisis documental con el fin de revelar si estas empresas siguen estrategias  
específicas en este ámbito y cómo lo hacen. El efecto de esas estrategias se puso a  
prueba a través de un estudio cuantitativo a posibles clientes de empresas  
tecnológicas, examinando cómo perciben el posicionamiento estratégico que estas  
empresas. Sugieren orientar las investigaciones hacia el efecto de estrategias basadas  
en IA y su impacto en la sostenibilidad.  
De manera similar, Chotia et al. (2024) evaluaron el papel mediador de la Innovación en  
Procesos Verdes - GPI y las Capacidades Dinámicas Verdes - GDC en la relación entre  
las Estrategias de Negocios Verdes - GBS impulsadas por IA y el Desempeño  
Ambiental - EP. Los hallazgos sugieren implicaciones prácticas, destacando que las  
empresas deberían centrarse en la GPI a nivel organizacional mediante GBS  
respaldadas por IA para lograr un mejor EP. Además, los autores sugieren que un  
mayor enfoque en las GDC podría potenciar la GPI, ayudando a las empresas a  
alcanzar sus objetivos de neutralidad de carbono al mejorar su EP.  
Por su parte, Sipola et al (2023) estudiaron los beneficios de la IA para las empresas  
sostenibles en Finlandia, el enfoque en la utilización de la IA cubre dimensiones más  
allá de la dimensión ecológica, sus hallazgos revelan que se están realizando iniciativas  
concretas para utilizar robots y aplicaciones impulsadas por IA dirigidas a la seguridad  
de los empleados., también se empleó en la salud y seguridad ocupacional para  
detectar los riesgos que contribuyen a las bajas por enfermedad, los accidentes  
laborales y las pensiones por discapacidad prematura, así como para detectar las  
demandas de capacitación del personal.  
Zhou et al. (2024) investigaron diseños óptimos de chatbots para mejorar las relaciones  
entre las organizaciones y su público. En su experimento con ocho chatbots  
personalizados, observaron que las estrategias de comunicación como indicios sociales  
verbales y no verbales, incluyendo emojis y retrasos en las respuestas; tuvieron un  
impacto significativo en la interacción social del chatbot, la cual es un factor clave para  
mejorar resultados relacionales.  
Los resultados de Zhou et al. (2024) fueron consistentes con los hallazgos de Zhang et  
al. (2022) quienes estudiaron el efecto de estrategias de chatbot tiernas: estrategia  
caprichosa y estrategia esquema de bebé; para disminuir emociones negativas en los  
clientes ante fallas en productos o servicios. Observaron que la estrategia de chatbot  
caprichoso es más adecuada para clientes con alta ansiedad tecnológica y de género  
masculino, mientras que la estrategia de chatbot esquema de bebé es adecuada para  
aquellos con baja ansiedad tecnológica y de género femenino.  
Página 292  
Incidencia de la inteligencia artificial en la gestión estratégica  
Jorge Andrés Izaguirre Olmedo  
Jorge Eduardo Vélez Martell  
Volumen: 17  
Número: 2  
Año: 2025  
Recepción: 18/02/2025  
Aprobado: 27/03/2025  
Artículo original  
Conclusiones  
La investigación buscaba explorar la incidencia de la IA en la estrategia de diferentes  
áreas de los negocios. Para el efecto, se realizó una investigación de tipo revisión  
bibliométrica que identifique la tendencia de publicaciones de estudios sobre el uso de  
IA en gestión estratégica en áreas y sectores. Los autores seleccionaron 28 artículos y  
sus conclusiones se presentaron en la sección de resultados. La finalidad de la revisión  
fue evidenciar futuras líneas de investigación sobre IA.  
Estudios están explorando la incidencia de la IA sobre las estrategias de sostenibilidad  
de los negocios. Conclusiones previas sugieren que existe un aprendizaje continuo del  
uso de IA y la adaptabilidad a la gestión estratégica; no obstante, existe una limitante  
concerniente al desconocimiento de su uso. No existen investigaciones concluyentes al  
respecto del impacto de la IA en la sostenibilidad de las empresas. Se han realizado  
estudios de caso que permiten comprender más el alcance que podría tener el uso de  
la IA en la sostenibilidad, pero no implican resultados concluyentes.  
Los resultados muestran que la incidencia de la IA sobre la estrategia de las empresas  
puede ser alta; pero, depende de una gran inversión en infraestructura tecnológica y  
manejo de datos. En este sentido, resulta interesante analizar el costo beneficio que  
resultaría la adopción de IA para gestión estratégica. ¿Los beneficios que pueden  
alcanzarse con el uso de IA cubren el nivel de inversión que requiere su correcta  
implementación?  
Una de las áreas que más usa la IA en sus planes estratégicos es el marketing. A  
través del uso de tecnologías de información, manejo de datos, chatbots, adaptabilidad  
y algoritmos de predicción; las áreas de marketing están alcanzando mayores niveles  
de eficiencia en el diseño y desarrollo de sus planes estratégicos. Sin embargo, otras  
investigaciones también sugieren la importancia de evidenciar la presencia del humano  
detrás de la IA que genere mayor confianza para los usuarios.  
Evidencias en cadena de suministros, servicio público, áreas de servicio, entre otras;  
muestran que la IA tiene un efecto positivo sobre la efectividad de sus planes. No  
obstante, el problema recae, nuevamente, en las inversiones que deben hacerse para  
tener una estructura tecnológica y una IA adaptable a cada entorno o sector.  
Los autores concluyen en la necesidad de orientar investigaciones a la determinación  
del impacto de la IA en los resultados económicos de las empresas, utilizando a la IA en  
la gestión estratégica como mediador del impacto. A la fecha de elaboración de este  
documento, la información aún es escasa al respecto de resultados de las  
organizaciones por uso de IA.  
Página 293  
Incidencia de la inteligencia artificial en la gestión estratégica  
Jorge Andrés Izaguirre Olmedo  
Jorge Eduardo Vélez Martell  
Volumen: 17  
Número: 2  
Año: 2025  
Recepción: 18/02/2025  
Aprobado: 27/03/2025  
Artículo original  
Referencias bibliográficas  
Alshaketheep, K., Mansour, A. M., Al-Ma'aitah, M. M. L., Dabaghia, M. N. & Dabaghie,  
Y. M. (2024). Leveraging AI Predictive Analytics for Marketing Strategy: The  
Mediating Role of Management Awareness. Journal of System and Management  
Sciences, 14(2), 71–89. http://dx.doi.org/10.33168/JSMS.2024.0205  
Adhikari, A., Joshi, R. & Basu, S. (2023). Collaboration and coordination strategies for a  
multi-level AI-enabled healthcare supply chain under disaster. International  
Journal  
of  
Production  
Research.  
http://dx.doi.org/10.1080/00207543.2023.2252933  
Ajmera, D., Kharub, M., Krishna, A. & Gupta, H. (2024). Navigating the challenges of AI-  
enabled circular economy in the food and beverage sector: strategies for  
sustainable transformation. International Journal of Logistics Management.  
https://doi.org/10.1108/IJLM-09-2023-0408  
Bhalla, N. (2019). The 3S process: A framework for teaching AI strategy in business  
education. Technology Innovation Management Review, 9(12), 36–42.  
http://dx.doi.org/10.22215/timreview/1290  
Biloslavo, R., Edgar, D., Aydin, E. and Bulut, C. (2023). Artificial intelligence (AI) and  
strategic planning process within VUCA environments: a research agenda and  
guidelines. Management Decision. https://doi.org/10.1108/MD-10-2023-1944  
Broadhurst, M. (2022). How businesses of any size can use AI in a digital marketing  
strategy.  
Applied  
Marketing  
Analytics,  
8(2),  
122–132.  
https://ideas.repec.org/a/aza/ama000/y2022v8i2p122-132.html  
Chotia, V., Cheng, Y., Agarwal, R. & Vishnoi, S.K. (2024) AI-enabled Green Business  
Strategy: Path to carbon neutrality via environmental performance and green  
process innovation. Technological Forecasting and Social Change, 202, 123-315.  
https://ideas.repec.org/a/eee/tefoso/v202y2024ics0040162524001112.html  
Chung, E. (2023). Domain Knowledge-Based Human Capital Strategy in Manufacturing  
AI.  
IEEE  
Engineering  
Management  
Review,  
51(1),  
108–122.  
http://dx.doi.org/10.1109/EMR.2022.3215074  
Elhajjar, S. (2024). Unveiling the marketer's lens: exploring experiences and  
perspectives on AI integration in marketing strategies. Asia Pacific Journal of  
Marketing and Logistics. https://doi.org/10.1108/APJML-04-2024-0485  
Haupt, M., Freidank, J. & Haas, A. (2024). Consumer responses to human-AI  
collaboration at organizational frontlines: strategies to escape algorithm aversion  
in  
content  
creation.  
Review  
of  
Managerial  
Science.  
https://doi.org/10.1007/s11846-024-00748-y  
Página 294  
Incidencia de la inteligencia artificial en la gestión estratégica  
Jorge Andrés Izaguirre Olmedo  
Jorge Eduardo Vélez Martell  
Volumen: 17  
Número: 2  
Año: 2025  
Recepción: 18/02/2025  
Aprobado: 27/03/2025  
Artículo original  
Huang, M. H. & Rust, R.T. (2020). A strategic framework for artificial intelligence in  
marketing. J. of the Acad. Mark. Sci. 49, 30–50. https://doi.org/10.1007/s11747-  
020-00749-9  
Krzywdzinski, M., Gerst, D. & Butollo, F. (2023) Promoting human-centred AI in the  
workplace. Trade unions and their strategies for regulating the use of AI in  
Germany. Transfer: European Review of Labour and Research, 29(1), 53–70.  
https://doi.org/10.1177/10242589221142273  
Le, A. V. & Metzger, W. (2024). Assessing the impact and challenges of AI-based  
language models on the education sector: a proposal for new assessment  
strategies and design. Journal of Teaching in Travel and Tourism, 24(2), 167–  
178. http://dx.doi.org/10.1080/15313220.2024.2311907  
Lee, Y. S., Kim, T., Choi, S. & Kim, W. (2022). When does AI pay off? AI adoption  
intensity, complementary investments, and R&D strategy. Technovation, 118,  
102590. https://doi.org/10.1016/j.technovation.2022.102590  
Lv, L., Huang, M., Guan, D., Yang, K. (2022). Apology or gratitude? The effect of  
communication recovery strategies for service failures of AI devices. Journal of  
Travel  
and  
Tourism  
Marketing,  
39(6),  
570–587.  
https://doi.org/10.1080/10548408.2022.2162659  
Mittal, P. & Gautam, S. (2023). Logistic Regression and Predictive Analysis in Public  
Services of AI Strategies. TEM Journal, 12(2), 751–756.  
https://doi.org/10.18421/tem122-19  
Morantes, I. (2023). Inteligencia Artificial (IA) en la investigación científica:  
sistematización y reflexiones sobre experiencias educativas. Revista educare,  
27(3).  
https://revistas.investigacion-  
upelipb.com/index.php/educare/article/view/2050/1797  
Robinson, S. C. (2020). Trust, transparency, and openness: How inclusion of cultural  
values shapes Nordic national public policy strategies for artificial intelligence  
(AI).  
Technology  
in  
Society,  
63,  
101421.  
https://ideas.repec.org/a/eee/teinso/v63y2020ics0160791x20303766.html  
Ruokonen, M. & Ritala, P. (2023) How to succeed with an AI-first strategy? Journal of  
Business Strategy. https://doi.org/10.1108/JBS-08-2023-0178  
Sipola, J., Saunila, M. & Ukko, J. (2023). Adopting artificial intelligence in sustainable  
business.  
Journal  
of  
Cleaner  
Production,  
426.  
https://doi.org/10.1016/j.jclepro.2023.139197  
Stone, M., Aravopoulou, E., Ekinci, Y., Evans, G., Hobbs, M., Labib, A., Laughlin, P.,  
Machtynger, J. & Machtynger, L. (2020). Artificial intelligence (AI) in strategic  
marketing decision-making: a research agenda. The Bottom Line, 33(2), 183-200.  
https://doi.org/10.1108/BL-03-2020-0022  
Página 295  
Incidencia de la inteligencia artificial en la gestión estratégica  
Jorge Andrés Izaguirre Olmedo  
Jorge Eduardo Vélez Martell  
Volumen: 17  
Número: 2  
Año: 2025  
Recepción: 18/02/2025  
Aprobado: 27/03/2025  
Artículo original  
Swanson, T., Zelner, J. & Guikema, S. (2022). COVID-19 has illuminated the need for  
clearer AI-based risk management strategies. Journal of Risk Research, 25(10),  
1223–1238. https://ideas.repec.org/a/taf/jriskr/v25y2022i10p1223-1238.html  
Tariq, M. U., Poulin, M. & Abonamah, A. A. (2021). Achieving Operational Excellence  
Through Artificial Intelligence: Driving Forces and Barriers. Front. Psychol. 12.  
https://doi.org/10.3389/fpsyg.2021.686624  
Torres, J. M. (2024) Leveraging ChatGPT and bard for academic librarians and  
information professionals: a case study of developing pedagogical strategies  
using generative AI models. Journal of Business and Finance Librarianship,  
29(3), 169–182. http://dx.doi.org/10.1080/08963568.2024.2321729  
Tucker, J. (2023). The future vision(s) of AI health in the Nordics: Comparing the  
national  
AI  
strategies.  
Futures,  
149,  
103154.  
https://doi.org/10.1016/j.futures.2023.103154  
Vomberg, A., Schauerte, N., Krakowski, S., Ingram-Bogusz, C., Gijsenberg, M. & Bleier,  
A. (2023). The cold-start problem in nascent AI strategy: Kickstarting data  
network  
effects.  
Journal  
of  
Business  
Research,  
168.  
https://doi.org/10.1016/j.jbusres.2023.114236  
Zechiel, F., Blaurock, M., Weber, E., Büttgen, M. & Coussement, K. (2024). How tech  
companies advance sustainability through artificial intelligence: Developing and  
evaluating an AI x Sustainability strategy framework. Industrial Marketing  
Management, 119, 75–89. https://doi.org/10.1016/j.indmarman.2024.03.010  
Zhan, T., Feng, C., Chen, H. & Xian, J. (2022). Calming the customers by AI:  
Investigating the role of chatbot acting-cute strategies in soothing negative  
customer  
emotions.  
Electronic  
Markets,  
32(4),  
2277–2292.  
https://ideas.repec.org/a/spr/elmark/v32y2022i4d10.1007_s12525-022-00596-  
2.html  
Zhou, A., Tsai, W. & Men, L. R. (2024). Optimizing AI Social Chatbots for Relational  
Outcomes: The Effects of Profile Design, Communication Strategies, and  
Message Framing. International Journal of Business Communication.  
https://doi.org/10.1177/23294884241229223  
Conflicto de intereses: Los autores declaran no tener conflictos de intereses.  
Contribución de autores: Los autores participaron en la búsqueda y análisis de la información para el artículo, así  
como en su diseño y redacción.  
Página 296