https://DX.DOI.ORG/10.14482/NDES.34.01.025.874
LOS NEGOCIOS Y LA INTELIGENCIA ARTIFICIAL GENERATIVA. REVISIÓN DE LA LITERATURA
Business and Generative Artificial Intelligence: Literature Review
Remy Felipe Barreda Medina
OK Computer EIRL, Perú
Remy Felipe Barreda Medina
Magíster en Administración. Doctor en Administración. CEO, OK Computer EIRL, Lima, Perú. cgerencia@okcomputer.com.pe. https://orcid.org/0009-0005-5320-6170
Resumen
Objetivo: El crecimiento acelerado de la tecnología ha impulsado a empresas de distintos sectores, tamaños y tipos a implementar o considerar la implementación de la Inteligencia Artificial Generativa (IAG). Se realizó la pregunta de investigación ¿por qué las empresas están utilizando las IAG en sus negocios ?, y el objetivo fue describir por qué las empresas están utilizando las IAG.
Materiales y métodos: Se realizó una revisión sistemática de literatura utilizando la metodología PRISMA en las bases de datos Scopus, ScienceDirect, EBSCOhost y SciELO para el periodo 2020-2024, aplicando como criterios de inclusión los artículos en inglés, español y portugués con metodología IMRyD, DOI, y revisados por pares, se excluyeron documentos en otros idiomas, reseñas, editoriales y artículos duplicados, y se obtuvieron 51 artículos.
Resultados: La investigación permitió establecer que las IAG están siendo adoptadas en empresas multisectoriales por su capacidad de incrementar la eficiencia operativa, fomentar la creatividad e innovación y agilizar operaciones comerciales, permitiendo la producción autónoma de contenido de alta calidad, como correos electrónicos, artículos científicos, productos y servicios que generan ventajas competitivas y nuevos modelos de negocio.
Conclusión: Cada vez más las IAG formarán parte de todos los modelos de negocio a nivel mundial, dada su facilidad de interacción, lo que aumenta la aceptación, confianza y credibilidad. Las limitaciones de esta investigación obedecieron a la gran concentración de estudios relacionados a los sectores médico y educativo, lo cual genera un gran vacío en investigaciones sobre el uso de IAG en otros tipos de empresas. Se espera que estos hallazgos sean una base sólida para investigadores, trabajadores y empresarios interesados en explorar las ventajas de implementar las IAG como herramientas para mejorar la productividad, fomentar la innovación y aumentar la eficiencia en los negocios, donde los resultados podrían ser fundamentales para orientar la toma de decisiones.
Palabras clave: inteligencia Artificial Generativa, IAG, negocios, usos.
Abstract
Objective: In the current landscape�characterized by rapid transformations and increasing global competition�the advancements achieved by OpenAI, Google, and Meta in the field of Generative Artificial Intelligence (GAI) stand out due to their remarkable capacity to autonomously create original content independent of human intervention. These technologies are capable of generating text, images, music, stories, and other similar outputs by processing vast volumes of data collectedfrom the Internet. GAI models are typically categorized based on the type of content they produce�such as language, image, or video. These models not only generate responses but also interpret, learn, and adapt to new contexts. Additionally, multimodal models have emerged that integrate and process information from both textual and visual inputs. Thus, various sectors of the economy have begun to implement Generative Artificial Intelligence (GAI) tools. Among the most prominent are ChatGPT, I-JEPA, Stability AI, MidJourney, DALLE 3, and Painter; these are GAI platforms capable of generating text and text-to-image content with a scriptwriter-like approach, storing visual data, and producing new images from stored content, as well as creating digital artworks based on textual descriptions or photographs. Other more specialized models, such as PaLM2, Claude, Copilot, Gemini, Llama-2, Bing Chatbot, and Prometheus, are used primarily for application development and more precise, secure information retrieval. Companies are leveraging these technologies to detect anomalies and simulate operational scenarios, allowing them to redefine key performance indicators (KPIs), explore multiple solution pathways, enhance decision-making processes, and respond swiftly and flexibly to market dynamics. Moreover, GAI is employed to optimize pricing strategies, forecast sales, calculate optimal inventory levels, and automate order processing. From a business perspective, evidence indicates that the adoption of Generative Artificial Intelligence (GAI) is influenced by various factors that shape organizational decision-making. According to Gupta (2024), three fundamental stages can be identified: a) Thepre-perception and perception stage (or primary appraisal), during which the belief that GAI may be beneficial is shaped by factors such as social pressure, prior experience in the business and technological domains, system quality, availability of training and support, and the perceived ease of interaction with the technology; b) The evaluation stage (or secondary appraisal), in which entrepreneurs assess the costs and benefits associated with implementing GAI, evaluating its potential to solve specific business challenges and its ease of use; and c) The outcome stage, where the intentions to adopt change�both on the part of the business owners and their customers�play a critical role. It is at this point that the entrepreneur decides whether to adopt GAI or continue relying on traditional methods. The accelerated growth of technology has driven companies of various sectors, sizes, and types to implement�or consider implementing�Generative Artificial Intelligence (GAI). Therefore, the research question posed was: Why are companies adopting GAI in their businesses?In line with this, the objective of this study was to describe the reasons behind the adoption of GAI by companies.
Materials and methods: A systematic literature review was conducted following the PRISMA methodology, utilizing the databases Scopus, ScienceDirect, EBSCOhost, and SciELO for the period 2020-2024. Inclusion criteria comprised peer-reviewed articles published in English, Spanish, or Portuguese thatfollowed the IMRaD structure and contained a DOI. Documents published in other languages, reviews, editorials, and duplicates were excluded. A total of 51 articles met the inclusion criteria.
Results: The 51 selected articles were analyzed. Of these, 50.98% (26 articles) were sourced from the EBSCOhost database, 27.45% (14 articles)from Scopus, 13.73% (7articles)from SciELO, and 7.84% (4 articles) from ScienceDirect. In terms of temporal distribution, 20 articles (39.22%) were published in 2023, while 31 articles (60.78%) were published in 2024. The findings revealed that GAI is being adopted across multisector companies due to its ability to increase operational efficiency, foster creativity and innovation, and streamline business operations. GAI enables the autonomous production of high-quality content�including emails, scientific articles, products, and services�thus generating competitive advantages and enabling the emergence of new business models.
Conclusion: Numerous researchers concur that Generative Artificial Intelligence (GAI) has become an indispensable tool for companies across all sectors and sizes, primarily due to its capacity to enhance operational efficiency, foster creativity, and drive innovation. GAI facilitates the automation of processes such as email drafting, article generation, coding, and the development of innovative products and services, thereby strengthening companies' competitive advantages and even enabling the emergence of entirely new business models. Its widespread adoption is largely attributed to the speed and utility of its outputs, which have earned the trust of users and have led to an average projected revenue of USD 449per user through the implementation of AI-powered chatbots. Beyond enhancing creative productivity, GAI contributes to the development of new skills, fostering the formation of multidimensional professionals. It improves critical thinking and decision-making, facilitates data acquisition and analysis, strengthens planning capabilities, and enables the establishment of clear goals. GAI simplifies complex tasks, generates forecasts across diverse scenarios, and personalizes the customer experience by delivering preference-based recommendations. Furthermore, it optimizes real-time pricing strategies, enhances user retention, and collectively contributes to elevating business competitiveness. These findings are expected to serve as a solid foundation for researchers, professionals, and entrepreneurs interested in exploring the benefits of implementing GAI as a tool to enhance productivity, promote innovation, and improve business efficiency�outcomes that may prove critical in guiding strategic decision-making. Nevertheless, this study encountered several limitations. A substantial portion of the reviewed scientific literature was concentrated in the medical and educational industries. Additionally, the vast majority of the selected articles were published in 2023 and 2024, revealing a notable scarcity of research focused specifically on the corporate sector.
Keywords: generative Artificial Intelligence, GenAI, business, uses.
Fecha de recepción: 29 de enero de 2025
Fecha de aceptación: 4 de junio de 2025
Introducción
En el panorama actual, marcado por cambios rápidos y una creciente competencia global, destacan los avances logrados por OpenAI, Google y Meta en el ámbito de la Inteligencia Artificial Generativa (IAG), por su capacidad para crear contenido original de manera autónoma sin necesidad de intervención humana, lo cual permite generar textos, imágenes, música, historias y otros contenidos similares, debido a que su funcionamiento se basa en el procesamiento de grandes volúmenes de datos recopilados de Internet, y sus modelos se clasifican según el tipo de producto generado, ya sea lenguaje, imagen o video. Estos modelos no solo generan respuestas, interpretan y aprenden, sino que también se adaptan. Además, existen modelos multimodales que integran información de texto e imágenes (Ahmed et al., 2024; Gupta, 2024; Al Naqbi et al., 2024; Cevallos et al., 2026).
Así, diferentes sectores de la economía han comenzado a implementarlas. El ChatGPT, I-JEPA, Stability AI, MidJourney, DALL-E 3 y Painter son algunas de las IAG que permiten generar textos, imágenes a partir de texto con un enfoque similar al de un guionista, almacenar imágenes y producir nuevas a partir de ellas y producir obras de arte digitales basadas en texto o fotografías (Cetina, 2024; Pereyra, 2023; Ramos, 2023; Cetina, 2024; Jiménez, 2024). Otros modelos más especializados, como el PaLM2, Claude, Copilot, Gemini, Llama-2, Bing Chatbot y Prometheus, son empelados para la programación de aplicaciones y búsqueda más precisas y seguras (Ramos, 2023; Ahmed et al., 2024; Tramallino & Marize, 2024; Sampaio et al., 2024; Duque & Arruda, 2023).
Las empresas las emplean para detectar irregularidades y crear escenarios de simulación, y les permiten redefinir indicadores clave de rendimiento (KPIs), explorar soluciones múltiples, mejorar los procesos de toma de decisiones, reaccionar de manera rápida y flexible a las dinámicas del mercado, optimizar estrategias de precios, pronosticar ventas, calcular niveles óptimos de inventario y automatizar el procesamiento de pedidos (Ryzkho et al., 2024).
Cabe precisar que bajo los conceptos de la Teoría Unificada de Aceptación y Uso de la Tecnología (UTAUT - Unified Theory of Acceptance and Use of Technology) existen diversos factores para que una persona se decida por utilizar determinada tecnología: a) la expectativa de rendimiento, relacionada con la percepción de que la tecnología ayudará a alcanzar objetivos específicos; b) la expectativa de esfuerzo, relacionada con la facilidad de uso percibida por el usuario; c) la influencia social, referida al impacto que tienen las opiniones de otras personas en la adopción tecnológica; d) las condiciones facilitadoras, relacionadas con la disponibilidad de recursos y apoyo para utilizar la tecnología; e) la motivación hedónica, referida a la percepción de que la tecnología es agradable de usar; f) el valor del precio, referido a la percepción de que la tecnología ofrece un valor adecuado en relación con su costo; g) el hábito, referido a la costumbre de utilizar la tecnología en la rutina diaria, donde todos estos factores también están influenciados por antecedentes socioculturales como la edad, el género y la experiencia del usuario (Maican et al., 2023).
En relación con este tema es fundamental destacar que para maximizar la eficiencia de uso, la clave radica en el diseño de prompts claros y bien estructurados, los cuales deben proporcionar instrucciones detalladas, lo cual facilita que el modelo entienda y genere resultados más acertados (Dwivedi et al., 2023; Orchard & Tasiemski, 2023). Así, en la figura 1 se aprecia el proceso de interacción entre el usuario y la IAG para realizar solicitudes; el usuario comienza definiendo una tarea (1), como formular preguntas, redactar textos, o generar códigos e imágenes, según sus expectativas iniciales. A continuación, interactúa con la IAG proporcionando indicaciones específicas mediante una solicitud (2), con la expectativa de obtener un resultado acorde con lo deseado (2.1). La IAG procesa dicha solicitud y genera una respuesta (3), la cual es interpretada por el usuario como un conjunto de resultados (4) que son comparados con sus expectativas iniciales (4.1). En caso de que los resultados obtenidos no coincidan con lo esperado, el usuario reformula su solicitud, creando un ciclo de aprendizaje continuo, en el que todo este proceso permite al usuario perfeccionar sus solicitudes al incorporar mayor detalle y claridad en sus indicaciones (Giordano et al., 2024).
Por el lado empresarial, se ha evidenciado que la adopción de las IAG está condicionada por diversas variables que afectan sus decisiones; pueden señalarse tres etapas fundamentales (Gupta, 2024): a) la etapa de prepercepción y percepción (o evaluación primaria), en la que la percepción de que las IAG pueden ser beneficiosas se ve influenciada por factores como la presión social, la experiencia previa en el ámbito empresarial y tecnológico, la calidad del sistema, la formación y el apoyo disponibles, así como la facilidad de interacción con la tecnología; b) la etapa de evaluación (o evaluación secundaria), en la que los empresarios consideran los costos y beneficios asociados con la implementación de las IAG, evaluando su capacidad para resolver problemas específicos del negocio y su facilidad de uso, y c) la etapa de resultados, en la que las intenciones de cambio, tanto de los empresarios como de los clientes, juegan un papel crucial, siendo aquí donde el empresario decide si las adopta o continua utilizando sus métodos tradicionales.
En relación con lo explicado, la consultora McKinsey Global Survey (2023) señaló que el 60 % de las empresas ya han integrado las IAG en diversas áreas de sus operaciones, como el servicio al cliente, marketing y ventas, y el desarrollo de nuevos productos y servicios, lo cual les proporciona un soporte tecnológico significativo a los trabajadores, lo cual, a su vez, les permite ser más eficientes y competitivos, además de reducir costos operativos, agilizar procesos, fomentar la creatividad e innovación, y optimizar tiempos y recursos destinados a la expansión empresarial.
Las IAG representan un recurso de gran valor en el ámbito empresarial, debido a su capacidad para satisfacer diversas necesidades organizacionales, y ofrecen beneficios significativos con un esfuerzo relativamente bajo. Su eficacia y facilidad de uso dependen, en gran medida, de la habilidad de los usuarios para aprovechar al máximo sus capacidades; muy utilizadas para formular hipótesis, y proporciona información clave que permite a los empresarios tomar decisiones más informadas y racionales (Gupta, 2024).
Sin embargo, aún se requieren investigaciones más exhaustivas que analicen en profundidad su impacto en el ámbito empresarial. En este sentido, resulta crucial llevar a cabo una revisión sistemática de la literatura científica de los últimos cinco años (2020-2024) para abordar la pregunta de investigación: ¿Por qué las empresas están utilizando las IAG en sus negocios?, y el objetivo general de esta investigación: describir por qué las empresas están utilizando las IAG en sus negocios, esperando que los hallazgos de este estudio sirvan como una base sólida para investigadores, trabajadores y empresarios interesados en explorar las ventajas de implementar las IAG como herramientas para mejorar la productividad, fomentar la innovación y aumentar la eficiencia en los negocios, donde los resultados podrían ser fundamentales para orientar la toma de decisiones estratégicas.
Materiales y método
Esta investigación adoptó un enfoque cualitativo, exploratorio y basado en la revisión sistemática de la literatura, utilizando un método de interpretación inductiva, estructurada en cuatro etapas fundamentales (Al Naqbi et al., 2024):
Recopilación de la literatura. En la etapa inicial de este estudio se definió el tema de investigación y se seleccionaron las principales bases de datos para la consulta. Posteriormente, se llevó a cabo una búsqueda de artículos científicos utilizando descriptores en español e inglés, donde las palabras clave empleadas fueron: «Inteligencia Artificial Generativa», «Generative Artificial Intelligence», «Business», junto con los conectores booleanos «AND» y «OR», para el rango temporal comprendido entre 2020 y 2024. Esta búsqueda se realizó en las bases de datos seleccionadas, y se obtuvieron los siguientes resultados: Scopus (321 artículos), ScienceDirect (20), EBSCOhost (871) y SciELO (12), lo que dio un total de 1224 publicaciones relevantes para el análisis.
Filtrado de la literatura. Basándonos en la declaración PRISMA, se identificó, seleccionó y evaluó la literatura relevante, lo cual optimizó el proceso de revisión. De las 1224 publicaciones inicialmente identificadas, se aplicaron criterios de inclusión y exclusión. Los criterios de inclusión abarcaron artículos publicados en inglés, español y portugués, que contaran con revisión por pares y un DOI y que respondieran la pregunta y objetivo de la investigación. Por otro lado, los criterios de exclusión descartaron publicaciones en idiomas distintos a los mencionados, así como artículos de opinión, reseñas, editoriales, cartas al editor y cualquier publicación que no siguiera la metodología IMRyD y sus variaciones (Introducción, Métodos, Resultados y Discusión) o careciera de DOI, y se eliminaron los artículos duplicados. Como resultado de este proceso, se seleccionaron 253 artículos para el análisis final.
Análisis de contenido. El proceso incluyó una revisión detallada y la clasificación sistemática de los artículos según los criterios previamente establecidos. El objetivo principal de esta investigación fue describir qué IAG están utilizando las empresas en sus negocios, lo que resultó en la selección final de 125 artículos científicos. Este enfoque permitió obtener una visión integral que facilita la descripción y comprensión del impacto de las IAG en el ámbito empresarial.
Análisis bibliométrico. En esta etapa se llevó a cabo un examen sistemático de la literatura científica contenida en los 125 artículos seleccionados, con el propósito de identificar aquellos que respondieran de manera directa a la pregunta y objetivo de esta investigación. Como resultado se obtuvieron 51 artículos científicos relevantes para el análisis.
La figura 2 ilustra el proceso completo de selección de artículos, siguiendo los cuatro pasos previamente definidos, y los 51 artículos seleccionados fueron registrados en un MS Excel 2016.
Resultados
En la tabla 1 se aprecian los 51 artículos seleccionados; el 50.98 % (26 artículos) provino de la base de datos EBSCOhost, el 27.45 % (14) de Scopus, el 13.73 % (7) de SciELO y el 7.84 % (4) de ScienceDirect. En términos de distribución temporal, 20 artículos (39.22 %) correspondieron a 2023, mientras que 31 (60.78 %) fueron publicados en 2024.
Asimismo, en la tabla 2 se aprecia que, del total de artículos seleccionados, 37 estaban redactados en inglés (72.55 %), 10 en español (19.61 %) y 4 en portugués (7.84 %).
Para responder la pregunta y objetivo de esta investigación se describen los principales aportes de los 51 artículos científicos:
o Aumentan la productividad, el valor creativo, la innovación y la mejora continua: Zhou y Lee (2024); Cetina (2024); Maican et al. (2023); Trindade y Oliveira (2024); Walczak y Cellary (2023); Zhong y Kim (2024); Ramos (2023), Jiménez (2024); Ahmed et al. (2024) y Costa et al. (2024). Las IAG incrementan la productividad y valor creativo, fomentan la innovación y la mejora continua, potenciando las habilidades creativas, respecto a lo cual destacan el ChatGPT-4, capaz de generar texto con características similares al lenguaje humano para una amplia variedad de propósitos, y DALL-E y Midjourney, especializadas en la generación de imágenes a partir de descripciones textuales, que son implementadas en el servicio al cliente y asistencia digital personalizada, con lo cual se logra agilizar sus operaciones comerciales, generar ventajas competitivas, para fortalecer su posición en el mercado y ampliar sus capacidades para responder a las demandas actuales. Esto permite a las empresas optimizar sus servicios al cliente mediante chatbots impulsados por IA, crear materiales de marketing -tanto textos como contenido visual- y reducir significativamente los costos y tiempos de producción. Además, asisten en la toma de decisiones a través de la generación de informes y el análisis de grandes conjuntos de datos, proporcionando información estratégica para la gestión empresarial. En el sector salud, mejoran la eficiencia e innovación en la atención médica; debido a su capacidad para analizar imágenes y datos médicos, permiten realizar diagnósticos más precisos, mientras que en el ámbito de la investigación y desarrollo (I+D), contribuyen al descubrimiento de fármacos y simulaciones de tratamientos, prediciendo su eficacia y acelerando el desarrollo de nuevos medicamentos. En la industria manufacturera, transforman los procesos de producción al optimizarlos, mejorar los diseños de productos y gestionar de manera eficiente las cadenas de suministro; pueden prever las necesidades de mantenimiento de las máquinas, y mejoran la eficiencia operativa en líneas de producción. En el sector financiero, ayudan a gestionar riesgos, detectar fraudes y elaborar informes financieros; analizan patrones de transacciones en tiempo real para identificar actividades sospechosas, prevenir fraudes y diseñar productos financieros innovadores; proporcionan información sobre tendencias futuras que benefician la planificación estratégica. En el comercio electrónico y la venta minorista, potencian las experiencias de los usuarios al ofrecer recomendaciones personalizadas basadas en sus preferencias y comportamientos, lo cual incrementa las tasas de conversión; permiten ajustar los precios de los productos en tiempo real según la demanda, lo que optimiza las estrategias de ventas y mejorando los ingresos.
o Expanden el alfabetismo y el desarrollo de habilidades multidimensionales: Pereyra (2023).
Las IAG están contribuyendo a la expansión del alfabetismo y al desarrollo de profesionales multidimensionales con competencias en áreas como matemáticas, filosofía y ética. Este fenómeno resalta la importancia de reconocer las nuevas formas de lectura, escritura y creación que estas tecnologías han introducido, lo que exige una revisión y replanteamiento de los enfoques tradicionales en los procesos de enseñanza-aprendizaje.
o Aumentan la productividad: Tramallino y Marize (2024), Sampaio et al. (2024) y Rodrigues y Rodrigues (2023). Los investigadores señalaron que las IAG son muy utilizadas en el ámbito académico para facilitar tareas relacionadas con la investigación y la productividad. Inciteful, Connected Papers, Litmaps y Research Rabbit son empleadas para generar mapas de referencia literaria, identificando conexiones y citas, lo que acelera la preparación de presentaciones y exposiciones, y para optimizar la lectura de documentos se emplean herramientas como Elicit, Scispace, ChatPDF, Humata, Resoomer y My Reader, que permiten solicitar explicaciones, resúmenes y puntos clave con referencias, mejorando la gestión del tiempo y aumentando la productividad y eficiencia de los trabajadores.
o Desarrollan el pensamiento crítico y habilidades comunicativas: Singh (2023).
En el ámbito académico, los docentes consideran que ChatGPT contribuye al desarrollo de habilidades como el pensamiento crítico y la creatividad en los estudiantes, los ayuda a expresarse con mayor claridad, traducir textos a diferentes idiomas e interpretar información compleja. Desde la perspectiva de los estudiantes universitarios, estos las emplean como un apoyo para sus tareas, pero no como un sustituto total, ya que suelen revisar y ajustar el producto final generado por la IAG.
o Potencian el proceso investigativo: García et al. (2024), Peres et al. (2023).
Las IAG apoyan el proceso investigativo; permiten la creación de contenido; generan currículos personales; elaboran exámenes; realizan parafraseo de textos; generan imágenes; crean presentaciones y videos; facilitan la conversión de voz a texto; detectan textos generados con IAG, potenciando la eficiencia y la creatividad. Además, son ampliamente utilizadas por los investigadores debido a su capacidad para mejorar la redacción; facilitar la creación rápida de borradores a partir de palabras clave; generar audios de alta calidad con distintos estilos y voces; producir imágenes, gráficos y arte a partir de descripciones textuales; generar gráficos personalizados basados en datos y preferencias específicas, lo que amplía las posibilidades creativas y analíticas de los investigadores.
o Desarrollan habilidades digitales: Moya y Eaton (2023) y Laker y Sena (2023).
Las IAG permiten actualizar los programas educativos; desarrollan nuevas habilidades digitales, ajustan las evaluaciones académicas, generan un impacto positivo en el proceso de enseñanza y aprendizaje, aumentan la eficiencia de estudiantes y docentes.
o Permiten optimizar procesos empresariales y gestión empresarial: Gupta (2024), Hassani y Sirimal (2024), Korzynski et al. (2023), Ryzkho et al. (2024) y Lopezosa et al. (2023). Las IAG permiten optimizar los modelos de negocio al proporcionar información relevante sobre mercados nacionales e internacionales, apoyando en tareas de programación, al generar y perfeccionar códigos de software, influyendo positivamente en actividades como la búsqueda de información, la traducción de idiomas y la gestión de catálogos de bibliotecas, entre otras. Además, ofrecen a los empresarios la capacidad de acceder a información útil para optimizar la planificación; establecer objetivos más precisos; simplificar tareas complejas; elaborar pronósticos para distintos escenarios; tomar decisiones más fundamentadas; mejorar procesos; potenciar la inteligencia y las habilidades humanas; innovar en el desarrollo de productos, y mejorar las estrategias de marketing y operaciones, contribuyendo significativamente al rendimiento empresarial. También, automatizan tareas repetitivas, como la programación de citas y la generación de documentos; optimizan procesos clave revisando currículos para la incorporación de nuevos empleados, logrando reducir el tiempo y costos operativos. Ayudan a la gestión empresarial porque permiten retener clientes y reducir costos operativos, logrando acelerar las ventas hasta en un 50 % y mejorar la atención a clientes con un incremento del 70 % en la capacidad de respuesta a consultas. Específicamente, en el sector editorial, han transformado todo el ciclo de producción de libros, desde la concepción de temas y títulos hasta la gestión de materiales, inventarios, pronósticos de ventas, estrategias de marketing y contabilidad, al analizar tendencias de mercado, evaluar la popularidad de géneros literarios y automatizar anuncios, lo que reduce costos y asegura tanto el éxito financiero como la sostenibilidad ambiental del negocio, generando importantes ahorros de tiempo y dinero.
o Aumento de la productividad laboral: Giordano et al. (2024). Las IAG impactan significativamente las actividades laborales; en lo que el capital humano se convierte en un factor clave para potenciar la productividad empresarial, ya que los trabajadores, al dominar las IAG, pueden aplicarlas en sus tareas para fomentar la creatividad, detectar problemas y proponer soluciones ágiles, así como respaldar los procesos de innovación; generar códigos de programación precisos; traducir entre lenguajes de programación; redactar artículos; crear contenidos y guiones gráficos; corregir errores gramaticales; reformular frases; crear canciones, imágenes digitales, poemas y cuentos.
o Optimización de la eficiencia operativa: Zhecheva (2024). Las IAG optimizan la eficiencia operativa al facilitar el análisis de datos, reduciendo el tiempo y el esfuerzo requeridos; mejoran la toma de decisiones al extraer información valiosa de grandes conjuntos de datos y generar estadísticas precisas, automatizar tareas repetitivas, permitiendo a los empleados concentrarse en actividades más complejas y creativas dentro de sus funciones diarias.
o Mejoran las estrategias publicitarias: Lim et al. (2024), Casas et al. (2024) y Cisneros et al. (2023).
Las IAG facilitan la implementación de estrategias publicitarias innovadoras al crear experiencias personalizadas, segmentar audiencias específicas y tomar decisiones con mayor rapidez; adaptar los contenidos a las preferencias individuales de los consumidores, aumentando su compromiso y fomentando la creación de anuncios creativos; generar imágenes originales a partir de descripciones textuales, ampliando las posibilidades creativas en el diseño publicitario. Esto permite optimizar la eficiencia operativa y aumentar significativamente la capacidad de producción lo que acelera y diversifica el proceso creativo. Esto fortalece el posicionamiento empresarial al aprovechar oportunidades del mercado y mejorar el rendimiento organizacional.
o Modifican el comportamiento del consumidor: Hermann y Puntoni (2024).
Las IAG están transformando el comportamiento del consumidor al impulsar productos y servicios de manera innovadora, porque las empresas están logrando captar más compradores mediante estrategias como la venta cruzada y la personalización de ofertas, incrementando la satisfacción de los clientes al mejorar su experiencia de compra y optimizar su proceso de toma de decisiones, gracias a recomendaciones personalizadas que responden a sus necesidades y preferencias específicas.
o Aumentan la eficiencia operativa en salud: Gonzales et al. (2024), Canillas del Rey y Canillas (2024), Szczesniewski et al. (2024) y Chervenak et al. (2023).
Las IAG son capaces de procesar información sobre los síntomas del paciente, medicamentos prescritos, historiales médicos y otros datos relevantes, generando preguntas personalizadas que permiten una mejor caracterización del problema, otorgándoles la capacidad de hacer recomendaciones con un enfoque proactivo, minimizando errores y optimizando la calidad del servicio al paciente, dada su gran capacidad para leer, analizar y resumir grandes volúmenes de información científica, permitiendo ahorrar tiempo y mejorar la precisión en sus análisis. Esto se puede lograr con la implementación de los chatbots para atender pacientes y resolver dudas relacionadas con medicina y salud de los pacientes.
o Optimizan el procesamiento de información de noticias:
Peña et al. (2023) y Macalintal (2024).
Las IAG ayudan en la transformación de datos en textos narrativos y noticias, con una mínima intervención humana, lo que conlleva a replantear funciones principales, necesidades formativas y a desarrollar estilos que los distingan. Así mismo, son empleadas en la redacción de obituarios; elaboración de reseñas; creación de informes sobre el mercado de valores; para resumir textos, videos, podcasts; redactar y sintetizar artículos; gestionar publicaciones en redes sociales; producir imágenes y texto; describir imágenes; analizar narrativas; transformar texto en video; realizar inteligencia empresarial; analizar clientes; llevar a cabo análisis y visualización; optimizar la precisión de los datos y filtrar información.
o Automatizan los procesos de las entidades financieras: Zheng et al. (2024).
Las IAG facilitan la automatización de los procesos en las Fin-Tech al permitir el análisis rápido de grandes volúmenes de datos y la realización de cálculos predictivos, lo que mejora significativamente su eficiencia; potencian la atención al cliente mediante chatbots capaces de responder consultas frecuentes y brindar soporte en tiempo real, sin necesidad de intervención humana; automatizan estrategias comerciales al procesar datos del mercado para identificar patrones y tomar decisiones más acertadas; detectan fraudes al monitorear en tiempo real los comportamientos y patrones de transacción de los clientes, identificando cualquier actividad sospechosa; mejoran la experiencia del cliente mediante la personalización de servicios, rastreando las interacciones del cliente y proporcionando sugerencias adaptadas a sus necesidades financieras.
o Optimizan las metodologías educativas: Al Naqbi et al. (2024).
Las IAG se utilizan para aplicar metodologías y facilitar la interacción de los estudiantes, lo que permite integrar los servicios, mejorar la efectividad operativa, gestionar el servicio al cliente, ofrecer consejos laborales a los estudiantes y crear contenido educativo, como videos instructivos, lo cual incrementa la eficiencia administrativa y mejora la educación en línea. En los campos de la ingeniería, optimizan procesos, al detectar fallas tempranas en maquinaria industrial, mejorar diseños arquitectónicos, incrementar la seguridad ferroviaria, responder a desastres, optimizar el uso de energía en la construcción y automatizar procesos en supermercados. En la comunicación, los chatbots transforman la experiencia del usuario e influyen en la percepción de la marca, al permitir interacciones directas con los clientes, lo que agiliza la gestión de consultas rutinarias, libera a los empleados para que se concentren en tareas más complejas y aumenta la eficiencia general de la fuerza laboral. En los sectores cultural y turístico, mejoran la experiencia de los viajeros al proporcionar recomendaciones y orientación personalizadas, haciendo que los viajes sean más eficientes y placenteros. En la agricultura, ciencias agrícolas, gobierno y administración pública, aumentan la eficiencia, la productividad y la experiencia del usuario; impulsan la reducción de costos; mejoran el compromiso del cliente y optimizan la logística mediante la automatización; reconfiguran modelos de negocio; generan empleos más adecuados; fomentan el desarrollo de habilidades para la resolución de problemas entre los empleados y facilitan el intercambio de información dentro de las empresas. Esto no solo mejora los procesos orga-nizacionales y la toma de decisiones, sino que también aumenta la satisfacción y la confianza de los clientes, lo cual fortalece los resultados empresariales.
o Incrementan la satisfacción del cliente: Gupta y Yang (2024), Abrokwah (2023), Fosso et al. (2024).
Las IAG incrementan la productividad y optimizan el rendimiento empresarial, logrando mayor satisfacción del cliente, acceso a un conocimiento más preciso del mercado y la capacidad de tomar decisiones más informadas respecto al establecimiento de precios, aumentando las ventas, reduciendo costos y mejorando la eficiencia operativa. Otro beneficio destacado es su capacidad para apoyar procesos de innovación, permitiendo a las empresas desarrollar nuevas ideas y estrategias con mayor rapidez, facilitando el acceso a datos relevantes y proporcionando análisis que, de otro modo, serían costosos o difíciles de obtener. De igual manera, un aspecto crucial en el uso de las IAG es su funcionamiento basado en los principios de las 5Vs: velocidad, volumen, valor, variedad y veracidad. Además, mejoran la satisfacción del cliente mediante respuestas rápidas y precisas a sus consultas, optimizando su experiencia, permiten una gestión más eficiente de los inventarios, mejoran las negociaciones de compras y proyectan la demanda con mayor precisión, logrando la reducción de costos y una mayor eficiencia en la cadena de suministro; automatizan tareas repetitivas como filtrar correos electrónicos, gestionar spam y recomendar respuestas; impulsan la creación y fortalecimiento de nuevos modelos de negocio, logrando que los negocios mejoren su sostenibilidad y se adapten a un entorno competitivo en constante evolución.
o Permiten la minimización de costos: López del Castillo (2024).
Las IAG minimizan costos mediante la automatización de tareas laborales, llevando a una reconfiguración del panorama laboral, donde, por un lado, se crean nuevos puestos de trabajo relacionados con el desarrollo, la implementación y la gestión de las IAG, pero, por otro lado, también se reformulan o eliminan tareas tradicionales, lo que puede resultar en despidos en ciertos sectores. Este proceso de automatización y transformación laboral está impulsando a muchos trabajadores a reconsiderar sus carreras profesionales; lo que conlleva a que los trabajadores se verán motivados a adquirir nuevas habilidades y conocimientos enfocados en áreas tecnológicas, particularmente en el manejo y desarrollo de sistemas de inteligencia artificial.
o Generan ventajas competitivas: Ooi et al. (2023).
Las IAG ofrecen a las empresas ventajas competitivas que se traducen en un aumento de ventas, una mayor satisfacción del cliente y, en última instancia, una mejora significativa en la rentabilidad, porque facilitan la creación de contenido innovador y eficiente en diversos formatos y aplicaciones; son utilizadas para realizar campañas de marketing; incrementan la productividad al facilitar el manejo y análisis de datos; mejoran la experiencia del cliente al personalizar servicios y productos; aportan nuevas ideas para el diseño de campañas de marketing y optimización de precios e investigación de mercado; impulsan estrategias más efectivas y adaptadas a las necesidades del mercado.
o Permiten optimizar los procesos de producción de aplicaciones tecnológicas: Dwivedi et al. (2023). Las IAG son utilizadas para producir software, aplicaciones, artículos, e incluso, letras de canciones, mejorando la productividad al ofrecer borradores iniciales competentes para tareas comunes, automatizando procesos y permitiendo a los trabajadores enfocarse en actividades de mayor valor estratégico, aumentando la creatividad.
o Mejoran la toma de decisiones: Hussain (2023).
Las IAG contribuyen significativamente a la toma de decisiones estratégicas e informadas, promoviendo así una mayor innovación, optimización operativa y competitividad, siendo utilizadas para diseñar estrategias más efectivas, como asistentes de aprendizaje personalizados, facilitando la interacción entre pacientes y sistemas de atención, apoyando la generación de contenido innovador y mejorando la experiencia del usuario y la creación de entornos dinámicos.
o Crean nuevas carreras profesionales: Orchard y Tasiemski (2023) y Hamilton et al. (2024).
Las IAG impulsan el desarrollo de nuevas habilidades, dando lugar a la creación de nuevas profesiones y la transformación parcial de las ocupaciones tradicionales, proyectando que estas tendrán un impacto significativo en la economía global, impulsando el producto bruto interno (PBI) mundial en un 7 % y aumentando la productividad laboral en un 1.5 % durante la próxima década, al lograr la eficiencia en costos y la capacidad de escalar rápidamente operaciones, al minimizar las tareas realizadas por trabajadores humanos, representando una oportunidad para ganar cuota de mercado al ofrecer una gama de servicios, generando cambios de mentalidad empresarial. Así, Telstra, líder en telecomunicaciones, redujo en un 20 % el tiempo que los consumidores pasan en llamadas, y Cabot, rubro de pinturas, implementó chatbots para responder preguntas de clientes, agilizando su servicio al cliente, permitiendo a las empresas de diferentes industrias ser más competitivas y eficientes.
o Permiten gestionar eficientemente los recursos y tiempo: Talaei et al. (2024) y Fosso et al. (2023).
Las IAG permiten gestionar de manera eficiente los recursos y el tiempo, responder rápidamente a las consultas de clientes sobre productos y servicios, analizar datos, desarrollar modelos predictivos y aumentar el valor de los activos y del mercado; fomentan la creatividad de los trabajadores alentando nuevos enfoques para la resolución de problemas. No obstante, para alcanzar su máximo potencial, es esencial que las empresas y los trabajadores integren esta tecnología en sus procesos y actividades diarias, logrando la llamada «rutinización» y mejorando el rendimiento general al incrementar la agilidad empresarial, permitiendo la automatización de tareas, la generación de información clave, la transformación de procesos, el desarrollo de habilidades en los trabajadores y la mejora del servicio al cliente, una mejor toma de decisiones, una reacción más rápida a las tendencias y cambios del mercado, y promueven una cultura innovadora. También desempeñan un papel crucial en la capacitación de trabajadores, equipándolos con las habilidades necesarias para adaptarse a las demandas de un entorno laboral en constante transformación, mejorando el rendimiento operativo y contribuyendo a la sostenibilidad y competitividad a largo plazo de las organizaciones en estos sectores.
o Transforman la experiencia de compra de los clientes:
Chakraborty et al. (2024), Malakar y Leeladharan (2024). Las IAG transforman la experiencia de compra de los clientes, porque facilitan la localización de productos o servicios específicos y proporcionan sugerencias personalizadas que se adaptan a las necesidades individuales de cada cliente, ahorrando tiempo a los usuarios y mejorando su satisfacción al cumplir sus expectativas. Según estimaciones, el ingreso promedio por compras en línea realizadas a través de chatbots basados en IAG alcanzará los USD 449.00 por usuario, debido a que las interacciones con las IAG son rápidas, útiles y fluidas y las personas tienden a aceptarlas con mayor facilidad, lo que incrementa su confianza y credibilidad en estas tecnologías, lo cual permite generar contenido altamente personalizado, alineado con los gustos, preferencias y necesidades de sus clientes, mejorando la experiencia del usuario y aumentando la probabilidad de compra, fortaleciendo la relación entre la empresa y el cliente.
Discusión
Los hallazgos obtenidos corroboran que las herramientas IAG influyen de manera significativa en el incremento de la productividad, creatividad, eficiencia y competitividad en múltiples sectores económicos y sociales. En esa línea, los hallazgos de Zhou y Lee (2024), Cetina (2024) y Walczak y Cellary (2023) determinaron que la productividad empresarial ha sido ampliamente potenciada gracias a la integración de IAG como el ChatGPT, DALL-E y Midjourney, coincidiendo con Tramallino y Marize (2024) y Giordano et al. (2024), quienes añaden que la optimización del tiempo, la mejora en la redacción de informes y la automatización de tareas contribuyen a la eficiencia laboral y académica. Así, la incorporación de herramientas como Elicit, Scispace y Resoomer en el ámbito académico (Sampaio et al., 2024) permite acelerar procesos de investigación y análisis documental, como también lo demostró García et al. (2024), quienes destacaron el papel de las IAG en la creación de contenido innovador, gráficos, audios y presentaciones, facilitando el desarrollo investigativo con alto grado de personalización y eficiencia, vinculando la multifuncionalidad de las IAG no solo como asistente cognitivo, sino también como generador de productos tangibles y valor añadido.
Sin embargo, mientras autores como Singh (2023) destacan el desarrollo de habilidades cognitivas superiores como el pensamiento crítico y la comunicación, otros, como López del Castillo (2024), alertan sobre las implicancias laborales de la automatización, al advertir la reformulación o, incluso, la desaparición de ciertos puestos de trabajo; lo que plantea un debate sobre el balance entre el beneficio productivo y el impacto socioeconómico de las IAG, en especial en sectores donde la reconversión laboral aún no se ha institucionalizado.
En este sentido, Orchard y Tasiemski (2023) y Hamilton et al. (2024) introdujeron una mirada optimista al enfatizar el surgimiento de nuevas profesiones y la creación de oportunidades en áreas tecnológicas, proyectando incluso un impacto positivo en el crecimiento del PBI mundial; perspectiva complementada por los hallazgos de Talaei et al. (2024), quienes propusieron una transición hacia una cultura organizacional de rutinización de la IAG, en la cual el éxito dependerá de la capacidad adaptativa de las organizaciones y del capital humano.
Otro aspecto destacado está relacionado con la mejora de los procesos de gestión empresarial; respecto a lo cual Gupta (2024) y Hassani y Sirimal (2024) coinciden en que las IAG optimizan modelos de negocio al ofrecer análisis predictivos, automatizar procesos administrativos, simplificar tareas complejas y mejorar la relación con los clientes; lo cual es reforzado por Gupta y Yang (2024), quienes destacan la mejora en la satisfacción del cliente como consecuencia de una atención más ágil y personalizada, favorecida por el uso de chatbots y la segmentación inteligente del mercado.
Asimismo, se constata el aporte de las IAG al fortalecimiento de la innovación organizacional; respecto a lo cual Ooi et al. (2023) determinó que la generación de ventajas competitivas se basa en la capacidad de las IAG para crear contenido adaptado al mercado, facilitar análisis de datos y personalizar servicios, coincidiendo con Hussain (2023), quien señala que la calidad de las decisiones estratégicas mejora sustancialmente con el uso de estos sistemas, incrementando la capacidad de reacción ante un entorno cambiante.
A nivel educativo, los resultados de Pereyra (2023) y Moya y Eaton (2023) sostienen que las IAG amplían las competencias digitales y el alfabetismo contemporáneo, promoviendo habilidades transversales en áreas como matemáticas, ética y filosofía, en las que Al Naqbi et al. (2024) demostraron un impacto positivo en la eficiencia administrativa, educación virtual y desarrollo de contenidos, lo que configura un nuevo paradigma educativo mediado por tecnología.
Sin embargo, mientras Singh (2023) determinó un uso complementario de estas herramientas por parte de los estudiantes, otros investigadores, como Zheng et al. (2024) y López del Castillo (2024), destacaron su uso como sustitutivo en tareas rutinarias, lo cual puede plantear interrogantes sobre la dependencia tecnológica y la necesidad de establecer límites éticos y pedagógicos claros.
La dimensión operativa también es objeto de coincidencias relevantes. Zhecheva (2024) y Szczesniewski et al. (2024) confirmaron que las IAG permitieron reducir los tiempos de análisis y aumentar la precisión en contextos tan críticos como la salud, a través del procesamiento de datos médicos y la emisión de diagnósticos basados en patrones. Esta línea es ampliada por Chervenak et al. (2023), quienes enfatizaron la capacidad de estos sistemas para gestionar historiales médicos, optimizar tratamientos y predecir resultados terapéuticos, lo cual representa un avance sin precedentes en la medicina personalizada. Por otro lado, Lim et al. (2024) y Cisneros et al. (2023) determinaron que hay beneficios en el ámbito publicitario, siendo una oportunidad para personalizar anuncios, generar imágenes innovadoras y conectar con públicos específicos, permitiendo acelerar y diversificar el proceso creativo, fortaleciendo la identidad de marca y el posicionamiento en el mercado (Hermann & Puntoni, 2024).
En cuanto al impacto en sectores específicos, el estudio de Al Naqbi et al. (2024) documenta la aplicación transversal de las IAG en la manufactura, turismo, comunicación, agricultura y gobierno, destacando que las IAG permiten mejorar el uso energético, automatizar procesos, fortalecer la experiencia del cliente y reformular modelos de negocio; evidencia alineada con Talaei et al. (2024), quienes observaron que la gestión eficiente de los recursos y el tiempo gracias a las IAG genera transformaciones organizacionales de largo alcance.
Finalmente, Chakraborty et al. (2024) y Malakar y Leeladharan (2024) indican que las IAG pueden centrarse en el consumidor, porque la personalización, eficiencia y accesibilidad a estas herramientas transforman la experiencia de compra en línea, fortaleciendo la confianza del usuario en sistemas automatizados y fomentando la fidelización mediante experiencias positivas. Esta postura no solo valida las afirmaciones de Fosso et al. (2024), sino que permite inferir que la inteligencia artificial generativa se ha convertido en un pilar fundamental del nuevo paradigma de consumo digital.
En conjunto, se evidencia que, si bien existen posturas coincidentes sobre los beneficios de las IAG, también emergen diferencias en cuanto a su impacto socioeconómico, ético y pedagógico. La automatización plantea desafíos en términos de empleo, formación profesional y regulación normativa, lo cual exige un enfoque estratégico integral que permita aprovechar sus beneficios sin desatender sus riesgos.
Conclusiones
Diversos investigadores coinciden en que las IAG se han convertido en herramientas indispensables para empresas de todos los sectores y tamaños porque incrementan la eficiencia operativa, fomentan la creatividad y promueven la innovación, permitiendo automatizar procesos como la redacción de correos electrónicos, la generación de artículos, códigos y el desarrollo de productos y servicios innovadores que fortalecen las ventajas competitivas de las empresas, llegando a impulsar la creación de nuevos modelos de negocio, al ganarse la confianza de los usuarios debido a la rapidez y utilidad de sus respuestas, proyectando ingresos promedio de USD 449 por usuario mediante el empleo de los chatbots.
Las IAG no solo mejoran la productividad creativa, sino que también permiten desarrollar nuevas habilidades, formando profesionales multidimensionales; mejorando el pensamiento crítico y la toma de decisiones; facilitando la obtención y el análisis de datos; mejorando la planificación, y establecen objetivos claros, simplificando tareas complejas y generando pronósticos bajo distintos escenarios; personalizando la experiencia del cliente al generar recomendaciones basadas en preferencias; optimizan precios en tiempo real; mejoran la retención de usuarios, lo cual impulsa la competitividad empresarial.
Finalmente, este estudio tuvo limitaciones debido a que la mayoría de artículos científicos estuvieron relacionados con las industrias médicas y el sector educativo, y correspondieron a los años 2023 y 2024, dejando pocas investigaciones relacionadas con el sector empresarial.
Referencias
Abrokwah, K. (2023). The role of generative artificial intelligence (GAI) in customer personalisation (CP) development in SMEs: a theoretical framework and research propositions. Industrial Artificial Intelligence, 1,11. https://doi.org/10.1007/s44244-023-00012-4
Ali, A., Shaima, M., Sarker, S., Badruddowza, Nabi, N., Rana, N., Kumar, S., Anisur, M., Esa, H. & Rahat, F. (2024). Advancements and Applications of Generative Artificial Intelligence and Large Language Models on Business Management: A Comprehensive Review. Journal of Computer Science and Technology Studies, 6(1), 225-232. https://doi.org/10.32996/jcsts.2024.6.1.26
Al Naqbi, H., Bahroun, Z., & Ahmed, V. (2024). Enhancing Work Productivity through Generative Artificial Intelligence: A Comprehensive Literature Review. Sustainability, 16, 1166. https://doi.org/10.3390/su16031166
Canillas del Rey, F. y Canillas, M. (2024). Explorando el potencial de la inteligencia artificial en traumatología: respuestas conversacionales a preguntas específicas. Revista Española de Cirugía Ortopédica y Traumatología, 69(1), 38-46. https://doi.org/10.1016/j.recot.2024.05.004.
Casas, M., Priego, A., & Lara, M. (2024). The Revolution in Visual Creation: Generative Artificial Intelligence. Visual Review, 16(4), 227244. https://doi.org/10.62161/revvisual.v16.5304
Cetina, R. (2024). Imitadores estadísticos: La cuestión de la autoría y la inteligencia artificial generativa. Una visión comparada entre el derecho de autor de EE.UU. y de la Unión Europea. Inteligencia Artificial, 27(73), 14-37. https://doi.org/10.4114/intartif.vol27iss73pp14-37.
Cevallos, G., Ubillús, J. y Chocobar, E. (2026). Argumentos a favor de permitir o prohibir el uso de la inteligencia artificial generativa por estudiantes. Una revisión sistemática. European Public & Social Innovation Review, 11, 01-30. https://doi.org/10.31637/epsir-2026-2155
Chakraborty, D., Kumar, A., Patre, S., & Gupta, S. (2024). Enhancing trust in online grocery shopping through generative AI chatbots. Journal of Business Research, 180. https://doi.org/10.1016/j.jbusres.2024.114737
Chervenak, J., Lieman, H., Blanco, M., & Jindal, S. (2023). The promise and peril of using a large language model to obtain clinical information: ChatGPT performs strongly as a fertility counseling tool with limitations. Fertility and Sterility, 120 (3), 575-583. https://doi.org/10.1016/j.fertnstert.2023.05.151
Chocobar, E. y Barreda, R. (2025). Estructuras metodológicas PICO y PRISMA 2020 en la elaboración de artículos de revisión sistemática: Lo que todo investigador debe conocer y dominar. Ciencia Latina Revista Científica Multidisciplinar, 9(1), 8525-8543. https://doi.org/10.37811/cl_rcm.v9i1.16491
Cisneros, Y., Arredondo, M. y Caldera, D. (2023). Industria 4.0 y las implicaciones de la IA para las fuerzas laborales de pymes mexicanas. Entretextos, 15(39), 1-14. https://doi.org/10.59057/iberoleon.20075316.202339670
Costa, I., Do Nascimento, M., Treviso, P., Chini, L., Roza, B., Barbosa, S., & Mendes, K. (2024). Uso del Chat Generative Pre-trained Transformer en la escritura académica en salud: una revisión de alcance. Revista Latino-americana de Enfermagem, 32, e4194. https://doi.org/10.1590/1518-8345.7133.4194
Duque, I., & Arruda, S. (2023). Compreendendo a Inteligencia Artificial Generativa na perspectiva da língua. Scielo Preprints. https://doi.org/10.1590/SciELOPreprints.7077
Dwivedi, Y., Kshetri, N., Hughes, L., Slade, E., ...& Wright, R. (2023). So what if ChatGPT wrote it? Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, 1, 102642. https://doi.org/10.1016/j.ijinfomgt.2023.102642
Fosso, S., Queiroz, M., Chiappetta, C., & Shi, C. (2023). Are both generative AI and ChatGPT game changers for 21st-Century operations and supply chain excellence? International Journal of Production Economics, 265. https://doi.org/10.1016/j.ijpe.2023.109015
Fosso, S., Guthrie, C., Queiroz, M., & Minner, S. (2024). ChatGPT and generative artificial intelligence: an exploratory study of key benefits and challenges in operations and supply chain management. International Journal of Production Research, 62(16), 5676-5696. https://doi.org/10.1080/00207543.2023.2294116
García, F., Llorens, F. y Vidal, J. (2024). La nueva realidad de la educación ante los avances de la inteligencia artificial generativa. RIED-Revista Iberoamericana de Educación a Distancia, 27(1), 9-39. https://doi.org/10.5944/ried.27.1.37716
Giordano, V., Spada, I., Chiarello, F., & Fantoni, G. (2024). The impact of ChatGPT on human skills: A quantitative study on twitter data. Technological Forecasting and Social Change, 203. https://doi.org/10.1016/j.techfore.2024.123389
Gonzáles, Y., Montero, A. y Martínez, J. (2024). Acercando la inteligencia artificial a los servicios de farmacia hospitalaria. Farmacia Hospitalaria, 48, S35-S44. https://doi.org/10.1016/j.farma.2024.02.007.
Gupta, V. (2024). An Empirical Evaluation of a Generative Artificial Intelligence Technology Adoption Model from Entrepreneurs' Perspectives. Systems, 12(3),103. https://doi.org/10.3390/systems12030103
Gupta, V., & Yang, H. (2024). Study protocol for factors influencing the adoption of ChatGPT technology by startups: Perceptions and attitudes of entrepreneurs. Plos One, 19(2), e0298427. https://doi.org/10.1371/journal.pone.0298427
Hamilton, J., Maxwell, S., Ali S., & Tee, S. (2024). Adding External Artificial Intelligence (AI) into Internal Firm-Wide Smart Dynamic Warehousing Solutions. Sustainability, 16(10), 3908. https://doi.org/10.3390/su16103908
Hassani, H., & Sirimal, E. (2024). Predictions from Generative Artificial Intelligence Models: Towards a New Benchmark in Forecasting Practice. Information, 15(6), 291. https://doi.org/10.3390/info15060291
Hermann, E., & Puntoni, S. (2024). Artificial intelligence and consumer behavior: From predictive to generative AI. Journal of Business Research, 180. https://doi.org/10.1016/j.jbusres.2024.114720
Hussain, M. (2023). When, Where, and Which? Navigating the Intersection of Computer Vision and Generative AI for Strategic Business Integration. IEEE Access, 11, 127202-127215. https://doi.org/10.1109/ACCESS.2023.3332468
Jiménez, N. (2024). El «uso transformador» de las empresas de IA: entre la libertad creativa y los derechos de propiedad intelectual. IDP. Revista de Internet, Derecho y Política, 40, 1-11. https://doi.org/10.7238/idp.v0i40.421926
Korzynski, P., Mazurek, G., Altmann, A., Ejdys, J., Kazlauskaite, R., Paliszkiewicz, J., Wach, K., & Ziemba, E. (2023). Generative artificial intelligence as a new context for management theories: analysis of ChatGPT. Central European Management Journal, 31 (1), 3-13. https://doi.org/10.1108/CEMJ-02-2023-0091
Laker, L., & Sena, M. (2023). Accuracy and detection of student use of ChatGPT in business analytics courses. Issues in Information Systems, 24 (2), 153-163. https://doi.org/10.48009/2_iis_2023_113
Lim, C., Zhu, Y.-P., Omar, M., & Park, H.-W. (2024). Decoding the Relationship of Artificial Intelligence, Advertising, and Generative Models. Digital, 4, 244-270. https://doi.org/10.3390/digital4010013
López del Castillo, F. (2024). Inteligencia artificial generativa: determinismo tecnológico o artefacto construido socialmente. Palabra Clave, 27(1), e2719. https://doi.org/10.5294/pacla.2024.27.1.9
Lopezosa, C., Codina, L., Pont, C., & Vállez, M. (2023). Use of generative artificial intelligence in the training ofjournalists: challenges, uses and training proposal. Profesional de la información, 32(4), e320408. https://doi.org/10.3145/epi.2023.jul.08
Macalintal, A. (2024). Trustworthy AI: A Comparative Study of AI in Journalism in Singapore and the Philippines. The Journal of Communication and Media Studies, 9 (1), 99-123. https://doi.org/10.18848/2470-9247/CGP/v09i01/99-123
Maican, C., Sumedrea, S., Tecau, A., Nichifor, E., Chitu, I., Lixandroiu, R., & Bratucu, G. (2023). Factors Influencing the Behavioural Intention to Use AI-Generated Images in Business: A UTAUT2 Perspective with Moderators. Journal of Organizational and End User Computing (JOEUC), 35(1), 1-32. http://doi.org/10.4018/JOEUC.330019
Malakar, P., & Leeladharan, M. (2024). Generative AI Tools for Collaborative Content Creation: A Comparative Analysis. DESIDOC Journal of Library & Information Technology, 44 (3), 151-157. http://dx.doi.org/10.14429/djlit.44.3.19698
McKinsey & Company (2023,1 de agosto). El estado de la IA en 2023: El año clave de la IA generativa. https://www.mckinsey.com/featured-insights/destacados/el-estado-de-la-ia-en-2023-el-ano-clave-de-la-ia-generativa/es
Moya, B., & Eaton, S. (2023). Examining Recommendations for Artificial Intelligence Use with Integrity from a Scholarship of Teaching and Learning Lens. Relieve, 29(2). http://doi.org/10.30827/relieve.v29i2.29295
Ooi, K., Tan, G., Al-Emran, M., Al-Sharafi, M., Capatina, A., Chakraborty, A., ... & Wong, L. (2023). The Potential of Generative Artificial Intelligence Across Disciplines: Perspectives and Future Directions. Journal of Computer Information Systems, 1-32. https://doi.org/10.1080/08874417.2023.2261010
Orchard, T., & Tasiemski, L. (2023). The rise of generative AI and possible effects on the economy. Economics and Business Review, 9(2). https://doi.org/10.18559/ebr.2023.2.732
Peña, S., Meso, K., Larrondo, A., & Díaz, J. (2023). Without journalists, there is no journalism: the social dimension of generative artificial intelligence in the media. Profesional de la información, 32 (2), e320227. https://doi.org/10.3145/epi.2023.mar.27
Peres, R., Schreier, M., Schweidel, D., & Sorescu, A. (2023). On Chat-GPT and beyond: How generative artificial intelligence may affect research, teaching, and practice. International Journal of Research in Marketing, 40 (2), 269-275. https://doi.org/10.1016/j.ijresmar.2023.03.001
Pereyra, M. (2023). IA generativa, educación superior y comunicación: los desafíos por venir. Question/Cuestión, 3(76), e858. https://doi.org/10.24215/16696581e858
Ramos, A. (2023). Inteligencia Artificial Generativa baseada em grandes modelos de linguagem - ferramentas de uso na pesquisa académica. SciELOPreprints. https://doi.org/10.1590/SciELOPreprints.6105
Rodrigues, O., & Rodrigues, K. (2023). A inteligéncia artificial na educacáo: os desafios do ChatGPT. Texto Livre, 16, e45997. https://doi.org/10.1590/1983-3652.2023.45997
Ryzkho, O., Krainikova, T., Vodolazka, S., & Sokolova, K. (2024). Generative AI changes the book publishing industry: reengineering of business processes. Communication & Society, 37(3), 255-271. https://doi.org/10.15581/003.37.3.255-271
Sampaio, R., Nicolás, M., Junquilho, T., Lopes, L., Freitas, C., Telles, M., Teixeira, J., Escóssia, F., & Dos Santos, L. (2024). ChatGPT e outras IAs transformarlo a pesquisa científica: reflexões sobre seus usos. Revista de Sociologia e Política, 32, e008. https://doi.org/10.1590/1678-98732432e008
Singh, M. (2023). Maintaining the Integrity of the South African University: The Impact of ChatGPT on Plagiarism and Scholarly Writing. South African Journal of Higher Education, 37 (5), 203-20. https://doi.org/10.20853/37-5-5941
Szczesniewski, J., Ramos, A., Rodríguez, P., Lorenzo, M., Sainz, J., & Llanes, L. (2024). Quality of information about urologic pathology in English and Spanish from ChatGPT, BARD, and Copilot. Actas Urológicas Españolas, 48, 398-403. https://doi.org/10.1016/j.acuroe.2024.02.009
Talaei, A., Yang, A., & Masialeti, M. (2024). How does incorporating ChatGPT within a firm reinforce agility-mediated performance? The moderating role of innovation infusion and firms' ethical identity. Technovation, 132, 102975. https://doi.org/10.1016/j.technovation.2024.102975
Tramallino, C. y Marize, A. (2024). Avances y discusiones sobre el uso de inteligencia artificial (IA) en educación. Educación, 33(64), 29-54. https://doi.org/10.18800/educacion.202401.M002
Trindade, A., & Oliveira, H. (2024). Inteligência Artificial (IA) generativa e Competência em Informação: habilidades informacionais necessárias ao uso de ferramentas de IA generativa em demandas informacionais de natureza acadêmica-científica. Perspectivas em Ciência da Informação, 29, e-47485. https://doi.org/10.1590/1981-5344/47485
Walczak, K., & Cellary, W. (2023). Challenges for higher education in the era of widespread access to generative AI. Economics and BusinessReview, 9(2). https://doi.org/10.18559/ebr.2023.2.743
Zhecheva, D. (2024). Exploratory Data Analysis and the Rise of Large Language Models- Gaming Industry Insights. TEM Journal, 13 (1), 561-569. https://doi.org/10.18421/TEM131-59
Zheng, X., Gildea, E., Chai, S., Zhang, T., & Wang, S. (2024). Data Science in Finance: Challenges and Opportunities. AI, 5, 55-71. https://doi.org/10.3390/ai5010004
Zhou, E., & Lee, D. (2024). Generative artificial intelligence, human creativity, and art. PNAS Nexus, 3(3), 052. https://doi.org/10.1093/pnasnexus/pgae052
Zhong, C., & Kim, J. (2024). Teaching Case: Teaching Business Students Logistic Regression in R with the Aid of ChatGPT. Journal of Information Systems Education, 35(2), 138-143. https://doi.org/10.62273/DYLI2468