Revista Científica Enfoques del Conocimiento | V.01 | N.01 | Ene–Mar | 2024 | https://revistacec.blez.edu.ec pág. 56
Inteligencia artificial y automatización de procesos
en la transformación digital empresarial
Artificial intelligence and process automation in corporate digital
transformation
Erazo-Luzuriaga, Alex Fernando
1
Boné-Andrade, Miguel Fabricio
2
https://orcid.org/0000-0002-1089-383X
https://orcid.org/0000-0002-8635-1869
alex.erazo@espoch.edu.ec
mbone6598@pucesm.edu.ec
Ecuador, Riobamba, Escuela Superior Politécnica
De Chimborazo.
Ecuador, Riobamba, Pontificia Universidad Católica
del Ecuador.
Borja-Almeida, Luis Gonzalo
3
https://orcid.org/0009-0001-1338-1493
lgborja2@espe.edu.ec
México, Cancún, Universidad Americana de Europa.
utor de correspondencia
1
DOI / URL: https://doi.org/10.55813/gaea/revistacec/v1/n1/10
Resumen: La transformación digital empresarial exige
comprender la inteligencia artificial y la automatización de
procesos como componentes estratégicos capaces de
reconfigurar la gestión organizacional, la toma de decisiones
y la creación de valor. El estudio tuvo como propósito analizar,
desde una revisión bibliográfica, el papel de estas tecnologías
en los procesos de transformación digital, considerando sus
aportes estratégicos, operativos, humanos y éticos. La
investigación se desarrolló bajo un enfoque cualitativo, de
alcance exploratorio y diseño documental, mediante la
revisión de artículos científicos, libros académicos, revisiones
previas y documentos especializados publicados
preferentemente entre 2015 y 2025. Los resultados
evidencian que la inteligencia artificial fortalece la capacidad
analítica, predictiva y decisional de las empresas, mientras
que la automatización mejora la eficiencia operativa, reduce
errores, optimiza flujos de trabajo y aumenta la trazabilidad de
los procesos. No obstante, también se identifican desafíos
asociados con la gobernanza de datos, la resistencia al
cambio, la brecha de competencias digitales, los sesgos
algorítmicos y la necesidad de supervisión humana. Se
concluye que estas tecnologías impulsan una transformación
digital sostenible cuando se integran de manera sistémica con
la estrategia, los procesos, las personas, la cultura
organizacional y la ética empresarial.
Palabras clave: inteligencia artificial; automatización de
procesos; transformación digital; gestión empresarial;
gobernanza de datos.
Artículo Científico
Received: 08/Ene/2024
Accepted: 07/Feb/2024
Published: 09/Mar/2024
Cita: Erazo-Luzuriaga, A. F., Boné-Andrade,
M. F., & Borja-Almeida, L. G. (2024).
Inteligencia artificial y automatización de
procesos en la transformación digital
empresarial. Revista Científica Enfoques Del
Conocimiento, 1(1), 56-
72. https://doi.org/10.55813/gaea/revistacec/v
1/n1/10
Revista Científica Enfoques del Conocimiento
(RCEC)
https://www.blez.edu.ec
https://revistacec.blez.edu.ec
revistacec@blez.edu.ec
© 2024. Este artículo es un documento de
acceso abierto distribuido bajo los términos y
condiciones de la Licencia Creative
Commons, Atribución-NoComercial 4.0
Internacional.
Revista Científica Enfoques del Conocimiento | V.01 | N.01 | Ene–Mar | 2024 | https://revistacec.blez.edu.ec pág. 57
Artículo Científico
Enero – Marzo 2024
Abstract:
Business digital transformation requires understanding artificial intelligence and
process automation as strategic components capable of reconfiguring organizational
management, decision-making, and value creation. This study aimed to analyze,
through a bibliographic review, the role of these technologies in digital transformation
processes, considering their strategic, operational, human, and ethical contributions.
The research was developed under a qualitative approach, with an exploratory scope
and documentary design, based on the review of scientific articles, academic books,
previous reviews, and specialized documents preferably published between 2015 and
2025. The results show that artificial intelligence strengthens companies’ analytical,
predictive, and decision-making capacity, while automation improves operational
efficiency, reduces errors, optimizes workflows, and increases process traceability.
However, challenges were also identified regarding data governance, resistance to
change, digital skills gaps, algorithmic bias, and the need for human supervision. It is
concluded that these technologies promote sustainable digital transformation when
they are systemically integrated with strategy, processes, people, organizational
culture, and business ethics.
Keywords: artificial intelligence; process automation; digital transformation; business
management; data governance.
1. Introducción
La transformación digital empresarial ha dejado de entenderse como una simple
incorporación de herramientas tecnológicas para convertirse en una reconfiguración
estratégica de procesos, capacidades, modelos de negocio y formas de creación de
valor. En este marco, la inteligencia artificial y la automatización de procesos ocupan
un lugar central porque permiten analizar datos, ejecutar tareas repetitivas, apoyar
decisiones y rediseñar flujos operativos con mayor velocidad y precisión. Sin embargo,
el problema surge cuando las empresas adoptan estas tecnologías de manera
fragmentada, sin articularlas con la estrategia, la cultura organizacional, la gobernanza
de datos y la gestión del cambio. Esta desconexión limita la captura de valor y
convierte la digitalización en una acumulación de soluciones aisladas, más que en una
transformación empresarial sostenible (Bharadwaj et al., 2013; Vial, 2019; Verhoef et
al., 2021).
En consecuencia, la problemática no se reduce a la disponibilidad de inteligencia
artificial, software de automatización o infraestructura digital, sino a la capacidad
organizacional para integrarlos en procesos coherentes. La literatura muestra que la
automatización puede sustituir tareas rutinarias, complementar capacidades humanas
y modificar la asignación del trabajo, pero también puede generar desplazamiento
laboral, resistencia interna, dependencia tecnológica, sesgos algorítmicos y pérdida
Revista Científica Enfoques del Conocimiento | V.01 | N.01 | Ene–Mar | 2024 | https://revistacec.blez.edu.ec pág. 58
Artículo Científico
Enero – Marzo 2024
de confianza si no se gestiona con criterios éticos y sociotécnicos. De este modo, no
abordar el problema implica riesgos económicos y organizacionales: inversiones con
bajo retorno, procesos digitalizados sin mejora real, decisiones opacas y brechas de
competencias que afectan la competitividad empresarial (Acemoglu & Restrepo, 2019;
Autor, 2015; Raisch & Krakowski, 2021).
Asimismo, los factores que intensifican esta situación incluyen la presión competitiva,
el crecimiento de los datos, la búsqueda de eficiencia operativa, la exigencia de
personalización del cliente y la necesidad de resiliencia ante entornos inciertos. No
obstante, la evidencia también advierte que el valor de la inteligencia artificial no
depende únicamente del algoritmo, sino de capacidades complementarias como
cultura orientada a datos, aprendizaje organizacional, rediseño de procesos,
colaboración humano-máquina y liderazgo digital. En esa línea, las empresas que
automatizan sin revisar sus rutinas, indicadores y responsabilidades pueden acelerar
ineficiencias existentes, mientras que aquellas que integran la inteligencia artificial con
conocimiento organizacional y creatividad pueden mejorar desempeño, innovación y
toma de decisiones (Jarrahi, 2018; Makarius et al., 2020; Mikalef & Gupta, 2021; Olan
et al., 2022).
Pese al avance de los estudios sobre transformación digital, inteligencia artificial y
automatización, persisten vacíos relevantes para una revisión bibliográfica
integradora. Una parte de la literatura examina la transformación digital desde la
estrategia; otra aborda la inteligencia artificial desde la automatización o la
aumentación; y otra analiza capacidades organizacionales, desempeño o ética de
forma separada. Esta dispersión dificulta comprender cómo interactúan los procesos
automatizados, las capacidades digitales, la gobernanza y los resultados
empresariales. Por ello, se justifica una revisión que sintetice críticamente las
contribuciones existentes, identifique relaciones conceptuales y ordene hallazgos para
orientar tanto la investigación futura como la toma de decisiones gerenciales. Además,
la viabilidad del estudio se sustenta en la disponibilidad de literatura científica
indexada y en metodologías de revisión transparentes y reproducibles (Kraus et al.,
2022; Page et al., 2021; Tranfield et al., 2003).
En este contexto, el objetivo general del artículo es analizar, mediante una revisión
bibliográfica, el papel de la inteligencia artificial y la automatización de procesos en la
transformación digital empresarial. De manera específica, se busca describir los
principales enfoques conceptuales sobre transformación digital, inteligencia artificial y
automatización; identificar los factores organizacionales, tecnológicos y humanos que
condicionan su adopción; comparar los beneficios y riesgos asociados a su
implementación en los procesos empresariales; y sintetizar las capacidades y
mecanismos de gobernanza que favorecen una transformación digital sostenible.
Estos objetivos permiten articular una lectura crítica del fenómeno, evitando reducirlo
a una promesa tecnológica y situándolo como un proceso estratégico, sociotécnico y
organizacional (Raisch & Krakowski, 2021; Vial, 2019; Verhoef et al., 2021).
Revista Científica Enfoques del Conocimiento | V.01 | N.01 | Ene–Mar | 2024 | https://revistacec.blez.edu.ec pág. 59
Artículo Científico
Enero – Marzo 2024
Finalmente, la contribución esperada de esta revisión radica en ofrecer una
comprensión integrada de la inteligencia artificial y la automatización de procesos
como motores, pero también como desafíos, de la transformación digital empresarial.
Su originalidad se ubica en conectar tres dimensiones que con frecuencia se estudian
por separado: rediseño de procesos, capacidades basadas en datos y gestión
responsable de la interacción humano-máquina. Con ello, el artículo puede aportar
valor teórico al ordenar la literatura, utilidad metodológica al proponer categorías de
análisis y relevancia práctica al orientar decisiones empresariales más consistentes,
éticas y sostenibles. Así, la revisión responde a la brecha identificada y contribuye a
superar enfoques tecnocéntricos que confunden automatizar tareas con transformar
integralmente la organización (Jobin et al., 2019; Makarius et al., 2020; Mittelstadt,
2019).
2. Materiales y métodos
El estudio se desarrolló bajo un enfoque cualitativo, de alcance exploratorio y diseño
documental, orientado a examinar cómo la inteligencia artificial y la automatización de
procesos se articulan con la transformación digital empresarial. Al tratarse de un
artículo de revisión bibliográfica, la unidad de análisis estuvo constituida por
publicaciones científicas, libros académicos, revisiones previas y documentos
especializados que abordaran de forma directa la relación entre tecnologías
inteligentes, automatización organizacional, capacidades digitales y cambio
empresarial. Esta elección metodológica permitió organizar conocimiento disperso,
reconocer patrones conceptuales y delimitar vacíos de investigación sin intervenir
empíricamente sobre empresas, directivos o trabajadores.
La revisión se planteó con carácter exploratorio porque el fenómeno analizado
combina dimensiones tecnológicas, estratégicas, organizacionales y humanas que
suelen estudiarse desde enfoques separados. En consecuencia, el procedimiento no
buscó estimar efectos estadísticos ni comprobar hipótesis causales, sino identificar
tendencias, categorías recurrentes, convergencias teóricas y tensiones presentes en
la literatura. Para ello, se asumió una lógica analítico-sintética: primero se
descompuso el tema en ejes de búsqueda vinculados con inteligencia artificial,
automatización de procesos y transformación digital; posteriormente, se integraron los
hallazgos en una interpretación crítica orientada a explicar su contribución al
desempeño y la adaptación empresarial.
Se emplearon combinaciones de descriptores en español e inglés, entre ellos “artificial
intelligence”, “business digital transformation”, “process automation”, “business
process automation”, “organizational capabilities”, “digital strategy”, “human-AI
collaboration” y “automation in organizations”. Asimismo, se aplicaron operadores
booleanos para ampliar o restringir resultados, tales como AND para relacionar
conceptos centrales y OR para incluir términos equivalentes, siguiendo
Revista Científica Enfoques del Conocimiento | V.01 | N.01 | Ene–Mar | 2024 | https://revistacec.blez.edu.ec pág. 60
Artículo Científico
Enero – Marzo 2024
recomendaciones de transparencia y trazabilidad propias de las revisiones de
literatura.
Los criterios de inclusión consideraron artículos científicos revisados por pares,
revisiones bibliográficas, estudios teóricos y documentos académicos publicados
preferentemente entre 2015 y 2025, en español o inglés, que abordaran la inteligencia
artificial o la automatización en contextos empresariales, organizacionales o de
gestión. Se excluyeron textos duplicados, documentos sin autoría identificable,
publicaciones sin relación directa con empresas, notas de opinión no académicas y
trabajos centrados únicamente en aspectos técnicos de programación sin conexión
con procesos organizacionales. Esta delimitación permitió conservar fuentes
pertinentes para el objetivo del artículo y reducir el riesgo de incorporar evidencia
periférica o conceptualmente débil.
El proceso de selección se organizó en tres momentos: identificación inicial de
documentos mediante palabras clave, revisión de títulos y resúmenes para valorar
pertinencia temática, y lectura completa de los textos potencialmente relevantes.
Durante esta última fase se registraron autor, año, objetivo, enfoque, sector de
aplicación, conceptos principales, aportes, limitaciones y relación con las categorías
del estudio. La información extraída se sistematizó en una matriz bibliográfica, lo que
facilitó comparar enfoques y reconocer líneas de convergencia entre estudios.
Posteriormente, los documentos se agruparon en categorías vinculadas con estrategia
digital, automatización de procesos, capacidades organizacionales, colaboración
humano-máquina, riesgos éticos y generación de valor empresarial.
Finalmente, el análisis se realizó mediante síntesis narrativa e interpretación crítica de
la literatura seleccionada. Este procedimiento permitió construir una visión integradora
del fenómeno, destacando no solo los beneficios asociados con la eficiencia, la toma
de decisiones y la innovación, sino también los desafíos relacionados con gobernanza
de datos, sesgos algorítmicos, competencias digitales y resistencia al cambio. Al no
involucrar participantes humanos ni levantamiento de datos primarios, el estudio no
requirió consentimiento informado; sin embargo, se mantuvieron criterios éticos de
integridad académica, trazabilidad de fuentes, respeto por la autoría y uso
responsable de la información científica consultada.
3. Resultados
3.1. Inteligencia artificial y automatización como impulsores de la
transformación digital empresarial
La inteligencia artificial y la automatización de procesos deben comprenderse como
ejes estructurales de la transformación digital empresarial, no como simples recursos
instrumentales destinados a acelerar tareas aisladas. Mientras la digitalización
convierte datos y operaciones al entorno tecnológico, la transformación digital supone
una alteración más profunda de la lógica organizacional: modifica rutinas, jerarquías
Revista Científica Enfoques del Conocimiento | V.01 | N.01 | Ene–Mar | 2024 | https://revistacec.blez.edu.ec pág. 61
Artículo Científico
Enero – Marzo 2024
decisionales, modelos de negocio, mecanismos de coordinación y formas de creación
de valor. En este sentido, la inteligencia artificial aporta capacidades predictivas,
prescriptivas y adaptativas, mientras que la automatización permite rediseñar la
ejecución de procesos mediante sistemas capaces de operar con mayor continuidad,
trazabilidad y consistencia. Por ello, su contribución real emerge cuando ambas
tecnologías se articulan con la estrategia empresarial, la arquitectura de datos, la
cultura organizacional y la capacidad de aprendizaje, evitando que la empresa
confunda adopción tecnológica con transformación sustantiva (Bharadwaj et al., 2013;
Vial, 2019; Verhoef et al., 2021).
Desde una perspectiva estratégica, estas tecnologías introducen una ruptura respecto
de los enfoques tradicionales de gestión, porque desplazan la toma de decisiones
desde modelos predominantemente retrospectivos hacia sistemas apoyados en
análisis de grandes volúmenes de datos, aprendizaje automático y detección de
patrones. Esto no significa que la inteligencia artificial sustituya automáticamente la
deliberación directiva, sino que amplía el horizonte cognitivo de la organización al
revelar relaciones que pueden permanecer invisibles para los métodos
convencionales de análisis. Así, las empresas pueden anticipar variaciones de
demanda, identificar riesgos operativos, personalizar la relación con clientes, optimizar
inventarios, detectar anomalías financieras y orientar inversiones con mayor
fundamento empírico. No obstante, este potencial depende de que la organización
transforme los datos en capacidades dinámicas, es decir, en habilidades para percibir
oportunidades, reconfigurar recursos y responder a entornos cambiantes (Mikalef &
Gupta, 2021; Teece, 2007).
La automatización, por su parte, refuerza la dimensión operativa de la transformación
digital al intervenir directamente en la ejecución de procesos empresariales. Su valor
no se limita a reducir costos o reemplazar actividades repetitivas, pues también
permite normalizar procedimientos, disminuir errores humanos, acortar ciclos
administrativos, aumentar la trazabilidad y liberar tiempo organizacional para
actividades de mayor complejidad analítica o relacional. En particular, la
automatización robótica de procesos opera mediante agentes de software que imitan
acciones humanas en sistemas digitales, lo que posibilita automatizar tareas como
validación de información, conciliación de datos, generación de reportes,
procesamiento de solicitudes o interacción inicial con clientes. Sin embargo, su
eficacia se incrementa cuando no se aplica sobre procesos defectuosos, sino después
de una revisión crítica de los flujos de trabajo, los puntos de fricción y las redundancias
internas (Syed et al., 2020; Wewerka & Reichert, 2020).
3.1.1. Aportes estratégicos y operativos de la inteligencia artificial y la
automatización
Uno de los principales aportes estratégicos de la inteligencia artificial consiste en
fortalecer la capacidad de la empresa para competir en mercados caracterizados por
volatilidad, hiperconectividad y aceleración tecnológica. La ventaja competitiva ya no
Revista Científica Enfoques del Conocimiento | V.01 | N.01 | Ene–Mar | 2024 | https://revistacec.blez.edu.ec pág. 62
Artículo Científico
Enero – Marzo 2024
depende exclusivamente de poseer infraestructura digital, sino de convertir esa
infraestructura en conocimiento accionable, decisiones oportunas y respuestas
organizacionales flexibles. Desde esta lógica, la inteligencia artificial permite pasar de
una gestión reactiva a una gestión anticipatoria, en la que los modelos predictivos, los
sistemas de recomendación y los algoritmos de clasificación contribuyen a interpretar
señales débiles del mercado. Dicho aporte resulta especialmente relevante en
entornos empresariales donde la velocidad de aprendizaje puede convertirse en un
diferencial competitivo más importante que la escala tradicional de recursos
(Bharadwaj et al., 2013; Davenport & Ronanki, 2018; Verhoef et al., 2021).
En términos operativos, la inteligencia artificial y la automatización contribuyen a una
racionalización más sofisticada de los procesos porque integran eficiencia,
aprendizaje y capacidad adaptativa. A diferencia de la automatización mecánica
clásica, centrada en reglas fijas y tareas repetibles, la automatización inteligente
incorpora análisis de datos, reconocimiento de patrones y aprendizaje progresivo, lo
que permite intervenir en procesos más complejos. Esta evolución es visible en la
transición desde la automatización robótica de procesos hacia la automatización
inteligente de procesos, donde los sistemas no solo ejecutan instrucciones, sino que
también clasifican información, recomiendan acciones y apoyan decisiones
semiestructuradas. En consecuencia, la empresa puede reducir tiempos de ciclo,
elevar la calidad del servicio, mejorar la continuidad operativa y construir procesos
más sensibles a las variaciones del entorno (Chakraborti et al., 2020; Syed et al.,
2020).
Otro aporte sustantivo se encuentra en la integración de la inteligencia artificial con la
analítica empresarial. Las organizaciones que compiten mediante datos no solo
acumulan información, sino que desarrollan rutinas para capturarla, depurarla,
interpretarla y convertirla en decisiones alineadas con objetivos estratégicos. En esta
línea, la inteligencia artificial amplifica la capacidad analítica porque permite procesar
datos estructurados y no estructurados, reconocer correlaciones complejas y producir
inferencias útiles para áreas como mercadeo, finanzas, logística, talento humano y
gestión de riesgos. Sin embargo, la analítica solo genera valor cuando está vinculada
con una cultura decisional que privilegia la evidencia, la experimentación y la
coordinación interfuncional, de modo que los resultados algorítmicos no queden
encapsulados en áreas técnicas, sino que orienten la acción empresarial (Davenport
& Harris, 2007; Mikalef & Gupta, 2021).
Asimismo, la inteligencia artificial puede impulsar la innovación organizacional al
facilitar nuevas formas de diseñar productos, atender clientes y configurar modelos de
negocio. Los sistemas inteligentes permiten personalizar ofertas, automatizar
interacciones, detectar oportunidades de mercado y generar servicios basados en
datos, lo que amplía las posibilidades de diferenciación. No obstante, esta contribución
no debe interpretarse como una consecuencia automática de la tecnología, ya que la
innovación depende de la capacidad gerencial para combinar recursos digitales con
conocimiento del cliente, visión estratégica y experimentación organizacional. Por
Revista Científica Enfoques del Conocimiento | V.01 | N.01 | Ene–Mar | 2024 | https://revistacec.blez.edu.ec pág. 63
Artículo Científico
Enero – Marzo 2024
tanto, la inteligencia artificial adquiere relevancia transformadora cuando se convierte
en una plataforma para reimaginar la propuesta de valor, no simplemente en un
mecanismo de reducción de costos (Mikalef & Gupta, 2021; Verhoef et al., 2021; Vial,
2019).
Además, estas tecnologías fortalecen la coordinación interna, pues hacen posible
conectar procesos antes fragmentados y generar visibilidad sobre el desempeño
organizacional. La automatización puede integrar información entre áreas, reducir
reprocesos, disminuir dependencias manuales y mejorar la consistencia de los
indicadores operativos. De manera complementaria, la inteligencia artificial puede
apoyar la priorización de tareas, la asignación de recursos y la detección de cuellos
de botella, haciendo que la gestión de procesos sea menos intuitiva y más basada en
evidencia. En este punto, la transformación digital no se reduce al uso de
herramientas, sino a la construcción de una organización más interconectada, capaz
de aprender de sus propios datos y ajustar sus procesos con mayor rapidez (Syed et
al., 2020; Vial, 2019).
Sin embargo, el argumento más sólido a favor de la inteligencia artificial y la
automatización no reside en la sustitución indiscriminada del trabajo humano, sino en
su potencial para aumentar capacidades. Cuando se diseñan bajo una lógica de
colaboración humano-máquina, los sistemas inteligentes pueden asumir tareas de
cálculo, búsqueda, clasificación o monitoreo, mientras que las personas conservan
funciones de interpretación contextual, juicio ético, creatividad, negociación y toma de
decisiones complejas. Esta complementariedad permite superar una visión
tecnocéntrica que concibe la eficiencia como eliminación de lo humano, y propone en
cambio una transformación en la que las tecnologías expanden el alcance cognitivo y
operativo de los equipos. De ahí que la ventaja empresarial más sostenible surja
cuando la organización aprende a combinar automatización, criterio profesional y
responsabilidad directiva (Jarrahi, 2018; Raisch & Krakowski, 2021).
3.1.2. Desafíos organizacionales, humanos y éticos en su implementación
A pesar de sus beneficios, la implementación de inteligencia artificial y automatización
enfrenta un desafío organizacional recurrente: la distancia entre incorporación
tecnológica y transformación efectiva. Muchas empresas introducen algoritmos,
plataformas o robots de software sin revisar sus procesos, estructuras de poder,
capacidades internas o mecanismos de gobernanza, lo cual produce resultados
parciales y, en ocasiones, contradictorios. En estos casos, la tecnología puede
acelerar ineficiencias preexistentes, reproducir malas prácticas o crear nuevas
dependencias operativas. Por ello, la adopción de inteligencia artificial requiere una
lectura sociotécnica: los sistemas inteligentes deben integrarse con personas, normas,
flujos de trabajo, liderazgos y objetivos estratégicos, porque ninguna tecnología
genera valor de manera aislada del contexto organizacional en el que opera (Makarius
et al., 2020; Warner & Wäger, 2019).
Revista Científica Enfoques del Conocimiento | V.01 | N.01 | Ene–Mar | 2024 | https://revistacec.blez.edu.ec pág. 64
Artículo Científico
Enero – Marzo 2024
Un segundo desafío se relaciona con las capacidades requeridas para implementar y
sostener estas tecnologías. La inteligencia artificial demanda datos de calidad,
infraestructura interoperable, talento especializado, alfabetización analítica y liderazgo
capaz de traducir resultados técnicos en decisiones de negocio. Sin estas
condiciones, la empresa puede adquirir soluciones avanzadas sin desarrollar la
madurez necesaria para utilizarlas de forma consistente. Además, la automatización
suele exigir rediseño de procesos, documentación rigurosa, integración entre sistemas
y monitoreo permanente, aspectos que con frecuencia son subestimados por
organizaciones que esperan resultados inmediatos. Así, el problema no es
únicamente tecnológico, sino también gerencial: la transformación digital exige alinear
recursos, competencias y estructuras con una visión de largo plazo (Davenport &
Ronanki, 2018; Mikalef & Gupta, 2021; Teece, 2007).
En el plano humano, la automatización genera tensiones porque modifica la
distribución de tareas, redefine perfiles ocupacionales y altera expectativas laborales.
La literatura económica muestra que la automatización puede desplazar tareas
realizadas previamente por trabajadores, pero también complementar otras
actividades y crear nuevas demandas de empleo vinculadas con supervisión,
mantenimiento, análisis, diseño y gobernanza tecnológica. Por ello, el debate no debe
reducirse a una oposición simple entre destrucción o creación de empleo, sino a la
transformación del contenido del trabajo. Las empresas que ignoran esta transición
pueden enfrentar resistencia, deterioro del clima organizacional y pérdida de
confianza; en cambio, aquellas que invierten en reconversión de habilidades,
participación laboral y comunicación transparente pueden convertir la automatización
en una oportunidad de aprendizaje colectivo (Acemoglu & Restrepo, 2019; Autor,
2015).
La resistencia al cambio constituye, en este marco, una respuesta comprensible
cuando los trabajadores perciben la inteligencia artificial como amenaza a su
autonomía, identidad profesional o estabilidad. La automatización no solo altera
tareas, sino también relaciones de poder, criterios de evaluación y formas de
reconocimiento dentro de la organización. Si los sistemas inteligentes se implementan
sin explicar su propósito, sin capacitar a los usuarios o sin establecer límites claros
sobre su uso, pueden generar desconfianza, rechazo y uso superficial. Por el
contrario, cuando la empresa comunica que la tecnología busca aumentar
capacidades y no únicamente reducir personal, se abren condiciones más favorables
para la apropiación organizacional. De este modo, la legitimidad interna de la
inteligencia artificial depende tanto de su desempeño técnico como de la manera en
que se gobierna su incorporación al trabajo cotidiano (Jarrahi, 2018; Raisch &
Krakowski, 2021).
Los desafíos éticos son igualmente relevantes, porque la inteligencia artificial puede
producir decisiones opacas, sesgadas o difícilmente atribuibles a responsables
específicos. Los algoritmos aprenden de datos históricos y, si esos datos contienen
desigualdades, errores o sesgos institucionales, los sistemas pueden reproducirlos
Revista Científica Enfoques del Conocimiento | V.01 | N.01 | Ene–Mar | 2024 | https://revistacec.blez.edu.ec pág. 65
Artículo Científico
Enero – Marzo 2024
bajo una apariencia de neutralidad técnica. Esto resulta problemático en procesos
empresariales como selección de personal, evaluación de desempeño, segmentación
de clientes, asignación de crédito o gestión de riesgos. Por tanto, la empresa debe
asumir que la precisión algorítmica no equivale necesariamente a justicia, y que la
automatización de decisiones exige mecanismos de auditoría, explicabilidad,
supervisión humana y corrección de sesgos (Jobin et al., 2019; Mittelstadt, 2019).
La privacidad y la gobernanza de datos constituyen otra dimensión crítica. La
inteligencia artificial opera sobre grandes volúmenes de información, lo que
incrementa la responsabilidad empresarial respecto de la recolección,
almacenamiento, uso y protección de datos. En ausencia de políticas claras, las
organizaciones pueden derivar hacia prácticas de vigilancia excesiva, uso secundario
no consentido de información o exposición de datos sensibles. Por esta razón, una
transformación digital responsable debe incorporar principios de minimización de
datos, seguridad, transparencia y rendición de cuentas. No basta con formular
declaraciones éticas generales; es necesario traducirlas en procedimientos
verificables, roles responsables y controles institucionales que permitan evaluar el
comportamiento de los sistemas inteligentes durante todo su ciclo de vida (Jobin et
al., 2019; Mittelstadt, 2019).
Finalmente, la inteligencia artificial y la automatización plantean una paradoja
estratégica: pueden mejorar la eficiencia, pero también fragilizar la organización si se
implementan sin criterios de sostenibilidad humana, ética y operativa. Una empresa
que automatiza sin desarrollar capacidades internas puede volverse dependiente de
proveedores; una organización que delega decisiones sin supervisión puede perder
responsabilidad; y una dirección que privilegia ahorros inmediatos puede deteriorar
confianza, aprendizaje y compromiso. Por ello, el verdadero impulso transformador de
estas tecnologías no depende solo de su sofisticación, sino de la capacidad
empresarial para integrarlas en un proyecto organizacional coherente, responsable y
orientado a la creación de valor compartido. En síntesis, la inteligencia artificial y la
automatización transforman cuando reconfiguran procesos, amplían capacidades
humanas y fortalecen la gobernanza, no cuando se reducen a una estrategia de
sustitución o eficiencia de corto plazo (Raisch & Krakowski, 2021; Vial, 2019; Verhoef
et al., 2021).
4. Discusión
Los hallazgos de esta revisión permiten afirmar que la inteligencia artificial y la
automatización de procesos no constituyen recursos accesorios dentro de la
transformación digital empresarial, sino dispositivos sociotécnicos capaces de
reorganizar la forma en que las empresas producen, deciden, aprenden y compiten.
Esta interpretación coincide con la literatura que entiende la transformación digital
como un cambio estructural en procesos, capacidades, modelos de negocio y
relaciones de valor, y no como una mera incorporación de tecnologías digitales. Por
Revista Científica Enfoques del Conocimiento | V.01 | N.01 | Ene–Mar | 2024 | https://revistacec.blez.edu.ec pág. 66
Artículo Científico
Enero – Marzo 2024
tanto, el aporte de la inteligencia artificial y la automatización debe evaluarse en
función de su capacidad para reconfigurar la organización, no únicamente por su
potencial para acelerar tareas o reducir costos operativos (Verhoef et al., 2021; Vial,
2019).
En esa línea, el primer aporte relevante se ubica en la ampliación de la racionalidad
estratégica empresarial. La inteligencia artificial permite procesar grandes volúmenes
de datos, detectar regularidades, anticipar comportamientos y convertir información
dispersa en conocimiento accionable para la toma de decisiones. Sin embargo, este
valor no proviene del algoritmo por sí mismo, sino de la capacidad organizacional para
articular datos, infraestructura, talento, liderazgo y cultura analítica. En consecuencia,
las empresas que desarrollan capacidades de inteligencia artificial pueden mejorar su
creatividad organizacional y desempeño, siempre que la tecnología sea integrada en
rutinas decisionales y no permanezca confinada como una solución técnica aislada
(Mikalef & Gupta, 2021; Davenport & Ronanki, 2018).
Desde el plano operativo, la automatización de procesos muestra una contribución
especialmente significativa porque permite disminuir fricciones internas, reducir
errores, estandarizar actividades, aumentar la trazabilidad y liberar tiempo humano
para tareas de mayor densidad cognitiva. No obstante, la revisión también evidencia
que automatizar un proceso ineficiente puede profundizar sus defectos si previamente
no se revisan sus redundancias, cuellos de botella y dependencias interfuncionales.
Por ello, la automatización robótica de procesos debe comprenderse como parte de
una arquitectura de rediseño organizacional más amplia, en la que la eficiencia técnica
se subordine a la coherencia del proceso y a la generación de valor empresarial (Syed
et al., 2020; Davenport & Ronanki, 2018).
Asimismo, la discusión sobre inteligencia artificial y automatización exige superar la
lectura reduccionista que las concibe únicamente como sustitutos del trabajo humano.
La evidencia revisada sugiere que la principal tensión no se encuentra entre
tecnología y personas, sino entre automatización y aumentación: la primera desplaza
tareas, mientras la segunda expande capacidades humanas mediante apoyo analítico,
monitoreo, clasificación, recomendación y aprendizaje asistido. En este sentido, la
ventaja competitiva más robusta surge cuando las empresas diseñan formas de
colaboración humano-máquina que combinan cálculo algorítmico con juicio
contextual, deliberación ética y conocimiento tácito de los trabajadores (Jarrahi, 2018;
Raisch & Krakowski, 2021).
No obstante, esta complementariedad no se produce de manera automática, ya que
la automatización también puede generar desplazamiento de tareas, inseguridad
laboral y reconfiguración desigual de competencias. La literatura económica advierte
que la tecnología puede sustituir trabajo en determinadas actividades, pero también
crear nuevas tareas y funciones cuando las organizaciones desarrollan capacidades
de adaptación y aprendizaje. De ahí que el desafío empresarial no consista solo en
implementar sistemas inteligentes, sino en diseñar trayectorias de reconversión
Revista Científica Enfoques del Conocimiento | V.01 | N.01 | Ene–Mar | 2024 | https://revistacec.blez.edu.ec pág. 67
Artículo Científico
Enero – Marzo 2024
laboral, formación continua y participación interna que reduzcan la resistencia al
cambio y eviten que la transformación digital sea percibida como una amenaza
unilateral (Acemoglu & Restrepo, 2019; Autor, 2015).
Otro aspecto crítico se relaciona con la madurez organizacional requerida para
sostener la transformación digital. La inteligencia artificial demanda calidad de datos,
interoperabilidad tecnológica, gobernanza, liderazgo transversal y capital
sociotécnico; sin estos elementos, la empresa puede adquirir herramientas
sofisticadas sin generar una verdadera capacidad transformadora. En este punto, los
hallazgos refuerzan la idea de que la transformación digital no es un evento puntual,
sino un proceso continuo de renovación estratégica, aprendizaje organizacional y
ajuste de capacidades dinámicas. Por consiguiente, las empresas que obtienen
mejores resultados no son necesariamente las que automatizan más rápido, sino
aquellas que logran alinear tecnología, estrategia, personas y estructura (Makarius et
al., 2020; Warner & Wäger, 2019).
La dimensión ética adquiere especial relevancia porque la inteligencia artificial
introduce nuevas formas de opacidad, vigilancia, sesgo y responsabilidad difusa en
los procesos empresariales. La automatización de decisiones puede parecer objetiva,
pero los algoritmos reproducen patrones presentes en los datos, en las reglas de
diseño y en los contextos institucionales donde son implementados. Por ello, la
legitimidad de la transformación digital no depende únicamente de su eficacia técnica,
sino de la existencia de mecanismos verificables de transparencia, justicia, privacidad,
supervisión humana y rendición de cuentas. En consecuencia, una empresa
digitalmente avanzada no debería ser aquella que delega más decisiones en sistemas
inteligentes, sino aquella que gobierna responsablemente sus impactos (Jobin et al.,
2019; Mittelstadt, 2019).
En conjunto, la revisión sugiere que la inteligencia artificial y la automatización
producen valor cuando se insertan en una estrategia de transformación integral, pero
pueden generar efectos contraproducentes cuando se adoptan por presión
competitiva, moda tecnológica o expectativas de eficiencia inmediata. Esta tensión
explica por qué algunas organizaciones logran innovar, personalizar servicios y
mejorar su desempeño, mientras otras solo digitalizan rutinas sin modificar su lógica
de funcionamiento. Así, la discusión permite sostener que la transformación digital
empresarial requiere una visión sistémica en la que los beneficios operativos se
articulen con capacidades estratégicas, aprendizaje organizacional, gobernanza de
datos y responsabilidad ética (Verhoef et al., 2021; Vial, 2019; Raisch & Krakowski,
2021).
Al tratarse de una revisión bibliográfica de carácter exploratorio, los resultados deben
interpretarse como una síntesis analítica orientada a ordenar la discusión teórica y no
como una comprobación empírica de relaciones causales. Esta limitación abre una
agenda de investigación futura centrada en comparar sectores, tamaños
empresariales y niveles de madurez digital, así como en examinar empíricamente
Revista Científica Enfoques del Conocimiento | V.01 | N.01 | Ene–Mar | 2024 | https://revistacec.blez.edu.ec pág. 68
Artículo Científico
Enero – Marzo 2024
cómo la gobernanza de inteligencia artificial, la automatización de procesos y la
colaboración humano-máquina inciden en la productividad, la innovación y la
sostenibilidad organizacional. En consecuencia, la principal contribución de este
artículo consiste en integrar una literatura dispersa y proponer una lectura crítica
según la cual la transformación digital no depende de automatizar más, sino de
transformar mejor (Syed et al., 2020; Verhoef et al., 2021; Vial, 2019).
5. Conclusiones
La revisión bibliográfica desarrollada permite concluir que la inteligencia artificial y la
automatización de procesos constituyen componentes decisivos de la transformación
digital empresarial, siempre que su incorporación no se limite a la adquisición de
herramientas tecnológicas, sino que se articule con una reorganización estratégica,
operativa y cultural de la empresa. En este sentido, la transformación digital no debe
interpretarse como una simple digitalización de actividades existentes, sino como un
proceso de reconfiguración profunda que modifica la forma en que las organizaciones
producen valor, gestionan información, toman decisiones y se adaptan a entornos
competitivos cada vez más dinámicos.
Asimismo, se concluye que los principales aportes de la inteligencia artificial se
concentran en el fortalecimiento de la capacidad analítica, predictiva y decisional de
las empresas. Su utilización permite procesar grandes volúmenes de datos, identificar
patrones complejos, anticipar riesgos, personalizar servicios y mejorar la precisión de
las decisiones gerenciales. No obstante, estos beneficios solo se materializan cuando
la empresa dispone de datos confiables, infraestructura interoperable, talento
capacitado y una cultura organizacional orientada al aprendizaje y al uso responsable
de la información.
Por su parte, la automatización de procesos contribuye de manera sustantiva a la
eficiencia operativa, al reducir tareas repetitivas, minimizar errores, acelerar flujos de
trabajo y elevar la trazabilidad de las operaciones. Sin embargo, su implementación
requiere una revisión previa de los procesos empresariales, debido a que automatizar
procedimientos deficientes puede intensificar problemas ya existentes. Por ello, la
automatización debe asumirse como una oportunidad para rediseñar actividades,
eliminar redundancias y mejorar la coordinación interna, más que como un mecanismo
aislado de reducción de costos.
También se concluye que la relación entre inteligencia artificial, automatización y
trabajo humano debe analizarse desde una perspectiva de complementariedad.
Aunque estas tecnologías pueden sustituir determinadas tareas, su mayor potencial
transformador se encuentra en la ampliación de las capacidades humanas mediante
modelos de colaboración humano-máquina. En consecuencia, la empresa debe evitar
una visión tecnocéntrica que reduzca la innovación a la sustitución laboral, y avanzar
Revista Científica Enfoques del Conocimiento | V.01 | N.01 | Ene–Mar | 2024 | https://revistacec.blez.edu.ec pág. 69
Artículo Científico
Enero – Marzo 2024
hacia esquemas donde la tecnología apoye el juicio profesional, la creatividad, la
supervisión estratégica y la resolución de problemas complejos.
De igual manera, la revisión evidencia que los desafíos organizacionales, humanos y
éticos son tan relevantes como los beneficios tecnológicos. La resistencia al cambio,
la brecha de competencias digitales, la opacidad algorítmica, los sesgos en los datos,
la vigilancia excesiva y la responsabilidad difusa pueden limitar la legitimidad de los
procesos de transformación digital. Por tanto, la adopción de inteligencia artificial y
automatización exige políticas de gobernanza, transparencia, capacitación,
supervisión humana y rendición de cuentas que garanticen una implementación
coherente, justa y sostenible.
Finalmente, se concluye que la inteligencia artificial y la automatización impulsan la
transformación digital empresarial cuando se integran en una visión sistémica que
vincula estrategia, procesos, personas, datos y ética. Su valor no reside únicamente
en acelerar operaciones, sino en posibilitar organizaciones más inteligentes, flexibles,
resilientes y orientadas a la innovación. En consecuencia, el principal aporte de este
artículo de revisión consiste en mostrar que la transformación digital no depende de
automatizar más procesos, sino de transformar mejor las capacidades empresariales
para generar valor sostenible en escenarios de alta complejidad tecnológica y
competitiva.
CONFLICTO DE INTERESES
“Los autores declaran no tener ningún conflicto de intereses”.
Referencias Bibliográficas
Acemoglu, D., & Restrepo, P. (2019). Automation and new tasks: How technology
displaces and reinstates labor. Journal of Economic Perspectives, 33(2), 3–30.
https://doi.org/10.1257/jep.33.2.3
Andrade-Díaz, K. V. (2024). Integración de tecnologías de realidad aumentada en
campañas publicitarias interactivas. Revista Científica Ciencia Y Método, 2(4),
26-37. https://doi.org/10.55813/gaea/rcym/v2/n4/51
Barzola-Plúas, Y. G., Samaniego-Quiguiri, D. P., Núñez-Ribadeneyra, R. A., & Bonilla-
Morejón, D. M. (2023). Protección de datos personales en la era de la
computación cuántica y sus desafíos legales. Revista Científica Ciencia Y
Método, 1(3), 45-57. https://doi.org/10.55813/gaea/rcym/v1/n3/19
Bharadwaj, A., El Sawy, O. A., Pavlou, P. A., & Venkatraman, N. V. (2013). Digital
business strategy: Toward a next generation of insights. MIS Quarterly, 37(2),
471–482. https://doi.org/10.25300/MISQ/2013/37:2.3
Revista Científica Enfoques del Conocimiento | V.01 | N.01 | Ene–Mar | 2024 | https://revistacec.blez.edu.ec pág. 70
Artículo Científico
Enero – Marzo 2024
Boné-Andrade, M. F. (2023). Inclusión Digital y Acceso a Tecnologías de la
Información en Zonas Rurales de Ecuador. Revista Científica Zambos, 2(2), 1-
16. https://doi.org/10.69484/rcz/v2/n2/40
Boné-Andrade, M. F., Pinargote-Bravo, V. J., & Bonilla-Fierro, L. F. (2023). Estrategias
de ciberseguridad en entornos de trabajo híbridos y remoto. Revista Científica
Ciencia Y Método, 1(4), 31-43. https://doi.org/10.55813/gaea/rcym/v1/n4/21
Chakraborti, T., Isahagian, V., Khalaf, R., Khazaeni, Y., Muthusamy, V., Rizk, Y., &
Unuvar, M. (2020). From robotic process automation to intelligent process
automation: Emerging trends. In A. Asatiani, J. M. García, N. Helander, A.
Jiménez-Ramírez, A. Koschmider, J. Mendling, G. Meroni, & H. A. Reijers
(Eds.), Business process management: Blockchain and robotic process
automation forum (pp. 215–228). Springer. https://doi.org/10.1007/978-3-030-
58779-6_15
Choez-Calderón, C. J. (2024). Realidad aumentada y su aplicación en la educación a
distancia. Revista Científica Ciencia Y Método, 2(3), 26-38.
https://doi.org/10.55813/gaea/rcym/v2/n3/46
Davenport, T. H., & Harris, J. G. (2007). Competing on analytics: The new science of
winning. Harvard Business School Press.
Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world. Harvard
Business Review, 96(1), 108–116. https://hbr.org/2018/01/artificial-intelligence-
for-the-real-world
Erazo-Luzuriaga, A. F. (2024). Integración de las TICs en el aula: Un análisis de su
impacto en el rendimiento académico. Revista Científica Zambos, 3(1), 56-72.
https://doi.org/10.69484/rcz/v3/n1/12
Erazo-Luzuriaga, A. F., Ramos-Secaira, F. M., Galarza-Sánchez, P. C., & Boné-
Andrade, M. F. (2023). La inteligencia artificial aplicada a la optimización de
programas informáticos. Journal of Economic and Social Science
Research, 3(1), 48–63. https://doi.org/10.55813/gaea/jessr/v3/n1/61
Galarza-Sánchez, P. C. (2023). Adopción de Tecnologías de la Información en las
PYMEs Ecuatorianas: Factores y Desafíos. Revista Científica Zambos, 2(1),
21-40. https://doi.org/10.69484/rcz/v2/n1/36
Galarza-Sánchez, P. C., Agualongo-Yazuma, J. C., & Jumbo-Martínez, M. N. (2022).
Innovación tecnológica en la industria de restaurantes del Cantón Pedro
Vicente Maldonado. Journal of Economic and Social Science Research, 2(1),
31–43. https://doi.org/10.55813/gaea/jessr/v2/n1/45
Galarza-Sánchez, P. C., Erazo-Luzuriaga, A. F., & Boné-Andrade, M. F. (2023). Uso
de computación cuántica en la mejora de algoritmos de aprendizaje automático.
Revista Científica Ciencia Y Método, 1(4), 16-30.
https://doi.org/10.55813/gaea/rcym/v1/n4/25
García-Peña, V. R. (2023). Desarrollo y Uso de Aplicaciones Móviles en el Contexto
Ecuatoriano. Revista Científica Zambos, 2(3), 1-15.
https://doi.org/10.69484/rcz/v2/n3/46
Revista Científica Enfoques del Conocimiento | V.01 | N.01 | Ene–Mar | 2024 | https://revistacec.blez.edu.ec pág. 71
Artículo Científico
Enero – Marzo 2024
Jarrahi, M. H. (2018). Artificial intelligence and the future of work: Human-AI symbiosis
in organizational decision making. Business Horizons, 61(4), 577–586.
https://doi.org/10.1016/j.bushor.2018.03.007
Jobin, A., Ienca, M., & Vayena, E. (2019). The global landscape of AI ethics guidelines.
Nature Machine Intelligence, 1, 389–399. https://doi.org/10.1038/s42256-019-
0088-2
Kraus, S., Durst, S., Ferreira, J. J., Veiga, P., Kailer, N., & Weinmann, A. (2022). Digital
transformation in business and management research: An overview of the
current status quo. International Journal of Information Management, 63,
102466. https://doi.org/10.1016/j.ijinfomgt.2021.102466
López-Freire, S. A., & Lizarraga-Aguirre, H. R. (2023). Implementación de robótica
blanda en procesos de ensamblaje automatizados. Revista Científica Ciencia
Y Método, 1(2), 58-71. https://doi.org/10.55813/gaea/rcym/v1/n2/15
Makarius, E. E., Mukherjee, D., Fox, J. D., & Fox, A. K. (2020). Rising with the
machines: A sociotechnical framework for bringing artificial intelligence into the
organization. Journal of Business Research, 120, 262–273.
https://doi.org/10.1016/j.jbusres.2020.07.045
Mikalef, P., & Gupta, M. (2021). Artificial intelligence capability: Conceptualization,
measurement calibration, and empirical study on its impact on organizational
creativity and firm performance. Information & Management, 58(3), 103434.
https://doi.org/10.1016/j.im.2021.103434
Mittelstadt, B. (2019). Principles alone cannot guarantee ethical AI. Nature Machine
Intelligence, 1(11), 501–507. https://doi.org/10.1038/s42256-019-0114-4
Montalván-Vélez, C. L., Mogrovejo-Zambrano, J. N., Romero-Vitte, I. J., & Pinargote-
Carrera, M. L. D. C. (2024). Introducción a la Inteligencia Artificial: Conceptos
Básicos y Aplicaciones Cotidianas . Journal of Economic and Social Science
Research, 4(1), 173–183. https://doi.org/10.55813/gaea/jessr/v4/n1/93
Olan, F., Arakpogun, E. O., Suklan, J., Nakpodia, F., Damij, N., & Jayawickrama, U.
(2022). Artificial intelligence and knowledge sharing: Contributing factors to
organizational performance. Journal of Business Research, 145, 605–615.
https://doi.org/10.1016/j.jbusres.2022.03.008
Raisch, S., & Krakowski, S. (2021). Artificial intelligence and management: The
automation–augmentation paradox. Academy of Management Review, 46(1),
192–210. https://doi.org/10.5465/amr.2018.0072
Ramos-Secaira, F. M. (2023). Seguridad Cibernética en Empresas Ecuatorianas:
Prácticas y Retos Actuales. Revista Científica Zambos, 2(3), 16-28.
https://doi.org/10.69484/rcz/v2/n3/47
Robalino-Latorre, M. C., Ramirez-Klinger, W. N., Guadalupe-Copa, R. C., & Cuello-
García, S. A. (2023). Aplicación del Método Montecarlo en flujo de potencias a
través del Software Octave. Journal of Economic and Social Science
Research, 3(1), 31–47. https://doi.org/10.55813/gaea/jessr/v3/n1/60
Rodriguez-Vizuete, J. D., Viteri-Ojeda, J. C., & Villa-Feijoó, A. L. (2024). Adopción de
tecnologías sostenibles en infraestructuras de tecnologías de la información.
Revista Científica Enfoques del Conocimiento | V.01 | N.01 | Ene–Mar | 2024 | https://revistacec.blez.edu.ec pág. 72
Artículo Científico
Enero – Marzo 2024
Revista Científica Ciencia Y Método, 2(1), 55-67.
https://doi.org/10.55813/gaea/rcym/v2/n1/31
Solano-Gutiérrez, G. A. (2024). La Tecnología en la Educación a Distancia: Revisión
de Progresos y Obstáculos a Superar. Revista Científica Zambos, 3(2), 48-73.
https://doi.org/10.69484/rcz/v3/n2/17
Syed, R., Suriadi, S., Adams, M., Bandara, W., Leemans, S. J. J., Ouyang, C., ter
Hofstede, A. H. M., van de Weerd, I., Wynn, M. T., & Reijers, H. A. (2020).
Robotic process automation: Contemporary themes and challenges. Computers
in Industry, 115, Article 103162. https://doi.org/10.1016/j.compind.2019.103162
Teece, D. J. (2007). Explicating dynamic capabilities: The nature and microfoundations
of sustainable enterprise performance. Strategic Management Journal, 28(13),
1319–1350. https://doi.org/10.1002/smj.640
Verhoef, P. C., Broekhuizen, T., Bart, Y., Bhattacharya, A., Dong, J. Q., Fabian, N., &
Haenlein, M. (2021). Digital transformation: A multidisciplinary reflection and
research agenda. Journal of Business Research, 122, 889–901.
https://doi.org/10.1016/j.jbusres.2019.09.022
Vial, G. (2019). Understanding digital transformation: A review and a research agenda.
The Journal of Strategic Information Systems, 28(2), 118–144.
https://doi.org/10.1016/j.jsis.2019.01.003
Warner, K. S. R., & Wäger, M. (2019). Building dynamic capabilities for digital
transformation: An ongoing process of strategic renewal. Long Range Planning,
52(3), 326–349. https://doi.org/10.1016/j.lrp.2018.12.001
Wewerka, J., & Reichert, M. (2023). Robotic process automation: A systematic
mapping study and classification framework. Enterprise Information Systems,
17(2), Article 1986862. https://doi.org/10.1080/17517575.2021.1986862
