Multidisciplinary Collaborative Journal
| Vol.0
3
| Núm.0
1
|
Ene
–
Mar
| 202
5
| https://mcjournal.editorialdoso.com
ISSN:
3073
-
1356
Análisis de las tendencias en inteligencia artificial para la
automatización de procesos
Analysis of trends in artificial intelligence for process automation
Villa
-
Feijoó
,
Amarilis Liseth
1
*
;
García
-
Peña
,
Víctor René
2
;
Galarza
-
Sánchez
,
Paulo César
3
1
Universidad Técnica Particular de Loja
,
Ecuador
,
Loja
;
https://orcid.org/0000
-
0002
-
7774
-
4505
,
amalis90
-
10
-
05.vf@hotmail.com
2
Universidad Laica Eloy Alfaro de Manabí
,
Ecuador
,
El Carmen
;
https://orcid.org/0000
-
0002
-
3088
-
3559
,
Victor.garcia@uleam.edu.ec
3
Instituto Superior Tecnológico Tsa´chila
,
Ecuador
,
Santo Domingo
;
https://orcid.org/0000
-
0003
-
4668
-
1158
,
paulogalarza@tsachila.edu.ec
*
Autor
Correspondencia
https://doi.org/10.70881/mcj/v3/n1/45
Resumen:
La inteligencia artificial (IA) está transformando los paradigmas
tradicionales de automatización en sectores clave al optimizar procesos,
reducir costos y mejorar la toma de decisiones mediante grandes volúmenes
de datos. Este artículo tiene como objetivo
analizar las tendencias
emergentes de la IA en la automatización, evaluando su impacto en
productividad, sostenibilidad y equidad. A través de una revisión bibliográfica
en la base de datos Scopus, se seleccionaron 352 documentos publicados
entre 2019 y 2
023. Se identificaron aplicaciones avanzadas como el
procesamiento del lenguaje natural, las redes neuronales profundas y los
gemelos digitales, que están redefiniendo procesos en manufactura,
logística, salud y finanzas. Los resultados muestran beneficios
notables,
como la detección temprana de enfermedades, la optimización de cadenas
de suministro y la detección de fraudes financieros en tiempo real. Sin
embargo, también surgen desafíos significativos, como el desplazamiento
laboral, la privacidad de los
datos y los sesgos algorítmicos, que demandan
marcos regulatorios sólidos y estrategias inclusivas de reconversión laboral.
En conclusión, la IA representa una herramienta clave para la transformación
digital, pero su implementación debe estar acompañada d
e una gobernanza
ética que garantice la sostenibilidad y el acceso equitativo a sus beneficios.
Palabras clave:
inteligencia artificial; automatización de procesos; desafíos
éticos; gemelos digitales; redes neuronales.
Abstract:
Artificial
intelligence (AI) is transforming traditional automation paradigms
in key sectors by optimizing processes, reducing costs and improving decision making
through big data. This article aims to analyze the emerging trends of AI in automation,
assessing its im
pact on productivity, sustainability and equity. Through a literature
review in the Scopus database, 352 papers published between 2019 and 2023 were
selected. Advanced applications such as natural language processing, deep neural
networks and digital twins
, which are redefining processes in manufacturing, logistics,
health and finance, were identified. The results show remarkable benefits, such as
early disease detection, supply chain optimization and real
-
time financial fraud
detection. However, significan
t challenges also arise, such as labor displacement,
data privacy and algorithmic biases, which demand strong regulatory frameworks and
inclusive labor retraining strategies. In conclusion, AI represents a key tool for digital
transformation, but its imple
mentation must be accompanied by ethical governance to
ensure sustainability and equitable access to its benefits.
Keywords:
artificial intelligence; process automation; ethical challenges; digital twins;
neural networks.
Cita:
Villa
-
Feijoó, A. L., García
-
Peña, V. R., & Galarza
-
Sánchez,
P. C. (2025). Análisis de las
tendencias en inteligencia artificial
para la automatización de
procesos.
Multidisciplinary
Collaborative Journal
, 3(1), 44
-
60.
https://doi.org/10.70881/mcj/v3/n
1/45
Recibido:
17
/
01
/20
25
Revisado:
15
/
02
/20
25
Aceptado:
22
/
02
/20
25
Publicado:
28
/
02
/20
25
Copyright:
© 202
5
por los
autores
.
Este artículo es un
artículo de acceso abierto
distribuido bajo los términos y
condiciones de la
Licencia
Creative Commons, Atribución
-
NoComercial 4.0 Internacional.
(
CC
BY
-
NC
)
.
(
https://creativecommons.org/lice
nses/by
-
nc/4.0/
)
Multidisciplinary Collaborative Journal
| Vol.0
3
| Núm.0
1
|
Ene
–
Mar
| 202
5
| https://mcjournal.editorialdoso.com
1. Introducción
La
inteligencia artificial (IA) se ha consolidado como una tecnología
revolucionaria que está transformando los paradigmas de la automatización en
diversos sectores. Este avance permite optimizar procesos, reducir costos y
mejorar la toma de decisiones basada
s en grandes volúmenes de datos (Panch
et al., 2019). Sin embargo, la adopción masiva de la IA también plantea desafíos
significativos, como la reestructuración del mercado laboral, el aumento de la
desigualdad y dilemas éticos relacionados con la privacid
ad y la transparencia
de los sistemas automatizados (
Cioffi, R.,
et. al. 2020
). Estos aspectos subrayan
la necesidad de un análisis exhaustivo de las tendencias actuales en la
aplicación de esta tecnología en el ámbito de la automatización.
La automatización mediante IA se ha asociado con beneficios como el aumento
de la productividad y la mejora de la eficiencia operativa. Por ejemplo, la
integración de algoritmos de aprendizaje automático y técnicas de
procesamiento del lenguaje natural ha
optimizado procesos complejos en
sectores como la manufactura, la salud y los servicios financieros
(Ghasemaghaei & Calic, 2019). A pesar de estos logros, también se ha
observado un impacto en la fuerza laboral debido a la sustitución de tareas
repetitivas
y de baja cualificación, lo que ha generado preocupación respecto a
la sostenibilidad de este cambio para diversos grupos sociales (Acemoglu &
Restrepo, 2018). Este fenómeno no solo afecta a los empleos, sino que también
plantea preguntas sobre la redistr
ibución de las ganancias económicas
derivadas de la automatización.
El análisis de las tendencias en inteligencia artificial para la automatización de
procesos es crucial para comprender cómo esta tecnología puede equilibrar los
beneficios operativos con los impactos sociales. Este estudio busca identificar
los avances más
relevantes en la aplicación de la IA, considerando tanto sus
implicaciones positivas como los riesgos asociados. A través de una revisión
exhaustiva de la literatura científica, se pretende delinear las áreas prioritarias
para la investigación futura y la
s estrategias de implementación responsable de
la IA.
La viabilidad de este análisis radica en la abundante producción científica y
tecnológica reciente sobre el tema. Estudios previos han explorado aplicaciones
como los gemelos digitales, el aprendizaje profundo y las redes neuronales en la
optimización de p
rocesos industriales y logísticos (Lu et al., 2020). Estas
herramientas no solo incrementan la eficiencia, sino que también redefinen la
capacidad de las organizaciones para adaptarse a entornos dinámicos y
altamente competitivos. A partir de estas investi
gaciones, es posible extraer
conclusiones aplicables a múltiples sectores, maximizando el impacto positivo
de la automatización.
Multidisciplinary Collaborative Journal
| Vol.0
3
| Núm.0
1
|
Ene
–
Mar
| 202
5
| https://mcjournal.editorialdoso.com
El
a
nalizar las tendencias más destacadas en el uso de la inteligencia artificial
para la automatización de procesos, evaluando su impacto en términos de
productividad, sostenibilidad y equidad. Los resultados de este estudio servirán
como referencia para in
vestigadores, responsables políticos y líderes
empresariales interesados en la integración ética y efectiva de la IA en sus
operaciones.
2. Materiales y Métodos
S
e adoptó una metodología rigurosa basada en la búsqueda y selección de
literatura científica de alta calidad. El proceso se llevó a cabo utilizando la base
de datos Scopus, reconocida por su cobertura de publicaciones científicas de
relevancia internaciona
l. Con el propósito de identificar las tendencias más
recientes y significativas en inteligencia artificial aplicada a la automatización de
procesos, se emplearon las palabras clave:
trends
,
artificial AND intelligence
, y
process AND automation
. La búsque
da se restringió a publicaciones realizadas
entre los años 2019 y 2023, abarcando un horizonte temporal suficiente para
capturar los avances más actuales en el área.
El resultado inicial arrojó un total de 352 documentos clasificados por tipo, como
se detalla en la Figura 1. Del total de documentos, los artículos representan el
36.4 %, seguidos de los artículos de conferencias (35.8 %), capítulos de libros
(11.9 %), re
visiones (11.6 %), libros completos (2.0 %), revisiones de
conferencias (1.1 %), encuestas breves (0.9 %) y cartas (0.3 %). Esta diversidad
de fuentes permitió una visión integral de las contribuciones al campo, abarcando
desde estudios empíricos hasta des
arrollos teóricos.
Figura 1
.
Clasificación de los documentos por tipo
Nota:
La gráfica ilustra la distribución porcentual de los 352 documentos seleccionados,
evidenciando la
preponderancia de artículos y artículos de conferencias
(Autores, 2025)
.
Multidisciplinary Collaborative Journal
| Vol.0
3
| Núm.0
1
|
Ene
–
Mar
| 202
5
| https://mcjournal.editorialdoso.com
El
proceso de revisión incluyó tres etapas principales: en primer lugar, se realizó
una selección inicial basada en los títulos y resúmenes de los documentos para
garantizar su pertinencia; en segundo lugar, se procedió a la lectura completa de
los textos
relevantes con el fin de identificar los enfoques clave y las principales
tendencias; finalmente, se categorizaron los hallazgos según el tipo de
publicación y las temáticas abordadas. Este enfoque sistemático aseguró que el
análisis fuera exhaustivo, cons
istente y alineado con los objetivos del estudio.
3.
Resultados
3.1.
Avances tecnológicos en inteligencia artificial para la automatización
El procesamiento del lenguaje
natural (PLN) se ha convertido en una de las áreas
más disruptivas de la inteligencia artificial (IA) aplicada a la automatización. Esta
tecnología ha transformado sectores clave al permitir a los sistemas comprender,
interpretar y responder a datos textua
les de manera similar a cómo lo harían los
humanos. En el ámbito empresarial, el PLN ha optimizado procesos complejos
como la extracción automática de información de grandes volúmenes de
documentos, análisis de tendencias a partir de datos no estructurados
y la
generación de reportes detallados sin intervención manual. Estos avances no
solo mejoran la eficiencia operativa, sino que también permiten a las empresas
tomar decisiones más informadas y rápidas (
Parra, S.
, 2023). Por ejemplo, la
creación de asistentes virtuales y chatbots impulsados por PLN ha revolucionado
la atención al cliente, ofreciendo respuestas en tiempo real y personalizadas para
resolver consultas comunes, reduciendo significativamente los costos
de
operación y mejorando la experiencia de
l usuario (
Erazo
-
Luzuriaga, A. F.,
et
.
al.
,
2023
).
E
l PLN ha demostrado ser crítico en el análisis de datos textuales en áreas como
la minería de opiniones y el análisis de sentimientos en redes sociales. Estas
capacidades permiten a las organizaciones comprender mejor las percepciones
de sus clientes, iden
tificar tendencias emergentes y adaptar sus estrategias
comerciales de manera proactiva. En el sector gubernamental, también se han
aplicado técnicas de PLN para analizar grandes cantidades de texto, como leyes
y normativas, facilitando la detección de in
consistencias o redundancias en los
sistemas legislativos (
Barahona
-
Martínez, G. E.,
et
.
al.
2024
). Estas aplicaciones
reflejan cómo el PLN se está convirtiendo en una herramienta clave para la
automatización de tareas tradicionalmente reservadas a especialistas humanos,
reduciendo significativamente los tiempos y costos asociados.
L
as redes neuronales profundas, conocidas por su capacidad de modelar
patrones complejos en grandes cantidades de datos, están impulsando avances
significativos en la automatización de procesos. Estas redes, basadas en
arquitecturas avanzadas como las redes
neuronales convolucionales y las redes
recurrentes, han sido ampliamente adoptadas en sectores como la manufactura,
Multidisciplinary Collaborative Journal
| Vol.0
3
| Núm.0
1
|
Ene
–
Mar
| 202
5
| https://mcjournal.editorialdoso.com
l
a logística y la salud. Una de sus aplicaciones más notables es en el campo de
la visión por computadora, donde se utilizan para tareas como la detección de
defectos en productos durante las etapas de producción, asegurando niveles de
calidad que superan
las capacidades de inspección humana (
Parra, S.
, 2023).
En la logística, las redes neuronales profundas están transformando la
planificación de las cadenas de suministro mediante la predicción precisa de la
demanda y la optimización de rutas de transporte. Estas aplicaciones no solo
reducen costos, sino que tam
bién mejoran la sostenibilidad al minimizar el
desperdicio de recursos y la huella de carbono asociada con las operaciones
logísticas (
Montalván
-
Vélez, C. L.,
et
.
al.,
2024
). Además, las redes neuronales
han permitido automatizar procesos que antes eran al
tamente dependientes de
la experiencia humana, como la evaluación de riesgos en la banca y los seguros,
reduciendo tiempos de procesamiento y aumentando la precisión de los análisis
(
Vimos
-
Buenaño, K. E.,
et
.
al.
2024
).
En el sector salud, las redes neuronales profundas han sido aplicadas en
sistemas de diagnóstico médico automatizado, logrando avances importantes en
la detección temprana de enfermedades como el cáncer y en la interpretación de
imágenes
médicas. Estos sistemas no solo mejoran la precisión diagnóstica, sino
que también amplían el acceso a servicios médicos avanzados en regiones con
escasez de especialistas (
Piedra
-
Castro, W. I.,
et
.
al.
2024
). Asimismo, se están
desarrollando aplicaciones que integran PLN y redes neuronales profundas para
analizar registros médicos electrónicos, facilitando el desarrollo de tratamientos
personalizados basados en datos históricos del paciente.
L
a convergencia del PLN y las redes neuronales profundas está redefiniendo lo
que es posible en la automatización de procesos. Mientras que el PLN se centra
en comprender y procesar el lenguaje humano, las redes neuronales
proporcionan la base algorítmica p
ara tareas complejas que requieren un análisis
profundo de datos estructurados y no estructurados. Este enfoque
complementario está impulsando la innovación en una variedad de sectores,
desde la industria manufacturera hasta los servicios financieros y el
cuidado de
la salud, marcando un cambio de paradigma en la manera en que se gestionan
y optimizan los procesos (
Parra, S.
, 2023).
L
os avances en el procesamiento del lenguaje natural y en las redes neuronales
profundas han permitido no solo automatizar tareas repetitivas, sino también
abordar problemas complejos de manera innovadora. Estos desarrollos están
transformando la forma en q
ue las empresas y organizaciones operan,
permitiéndoles adaptarse a un entorno cada vez más dinámico y competitivo, al
mismo tiempo que plantean nuevos desafíos éticos y sociales que requieren
atención en el futuro cercano.
Multidisciplinary Collaborative Journal
| Vol.0
3
| Núm.0
1
|
Ene
–
Mar
| 202
5
| https://mcjournal.editorialdoso.com
3.2.
Impacto en la productividad y la eficiencia operativa
La implementación de tecnologías avanzadas como los gemelos digitales,
respaldadas por inteligencia artificial (IA), ha marcado un antes y un después en
la productividad y eficiencia operativa en múltiples sectores industriales. Los
gemelos digitales son r
epresentaciones virtuales de sistemas, procesos o
productos físicos que, al integrarse con la IA, permiten una simulación y análisis
en tiempo real de las operaciones. Esta capacidad ha revolucionado la forma en
que las empresas gestionan y optimizan sus p
rocesos, convirtiéndose en una
herramienta indispensable en la Industria 4.0 y 5.0 (
Sánchez
-
Caguana, D. F.,
et
.
al.,
2024
).
Uno de los impactos más significativos de los gemelos digitales en la
productividad radica en su capacidad para simular procesos industriales
complejos antes de implementarlos en el entorno real. Esto permite a las
organizaciones identificar posibles fallo
s, optimizar recursos y diseñar
estrategias más efectivas sin necesidad de interrumpir las operaciones físicas.
Por ejemplo, las empresas manufactureras han utilizado gemelos digitales para
predecir cómo se comportarán las líneas de producción en diferente
s escenarios,
permitiendo ajustar los parámetros de operación en tiempo real y maximizando
el rendimiento (
Sánchez
-
Caguana, D. F.,
et
.
al.,
2024
). A través de la
sincronización entre el gemelo digital y el sistema físico, las empresas pueden
obtener datos detallados que ayudan a reducir costos y tiempos, así como a
garantizar una mejor toma de decisiones en todas las etapas del proceso.
En sectores como la energía, los gemelos digitales han sido fundamentales para
optimizar operaciones críticas como el mantenimiento predictivo. En lugar de
realizar mantenimientos rutinarios que pueden ser innecesarios o costosos, los
modelos virtuales per
miten predecir fallos con mayor precisión, asegurando la
continuidad de los servicios sin interrupciones. Esta capacidad es especialmente
importante en infraestructuras críticas, como las redes eléctricas, donde un fallo
no planificado puede generar altos
costos económicos y sociales (
Varela
-
Tapia,
E. A.,
et
.
al.,
2024
). Además, los gemelos digitales también han contribuido a la
sostenibilidad
industrial, al permitir simulaciones que optimizan el uso de
recursos energéticos, reduciendo tanto el desperdicio como la huella de carbono
de las operaciones (
Sangacha
-
Tapia, L. M.
et. al.,
2024
).
Otra ventaja clave de los gemelos digitales es su capacidad para adaptarse
rápidamente a cambios en el mercado o en las necesidades operativas. Por
ejemplo, en la logística, los gemelos digitales han permitido la planificación
dinámica de rutas de transpor
te, optimizando tiempos de entrega y reduciendo
costos asociados a las operaciones logísticas. Estos avances han posicionado a
los gemelos digitales como herramientas estratégicas que no solo mejoran la
productividad, sino que también incrementan la resili
encia de las empresas ante
entornos de alta
volatilidad (
Sangacha
-
Tapia, L. M.,
et
.
al.,
2024
).
Multidisciplinary Collaborative Journal
| Vol.0
3
| Núm.0
1
|
Ene
–
Mar
| 202
5
| https://mcjournal.editorialdoso.com
En
cuanto a la reducción de errores humanos, los sistemas automatizados
basados en inteligencia artificial han demostrado ser una solución efectiva para
eliminar inconsistencias en procesos rutinarios. Tareas como la inspección de
calidad, que históricamen
te han dependido de la percepción y experiencia de
operadores humanos, ahora pueden ser ejecutadas con mayor precisión y
velocidad por sistemas basados en IA. Estos sistemas son capaces de identificar
defectos que serían imperceptibles para el ojo humano,
aumentando la
confiabilidad y consistencia de los productos finales (
Sánchez
-
Caguana, D. F.,
et
.
al.,
2024
).
La inteligencia artificial también ha mejorado la planificación de inventarios y la
gestión de recursos mediante la automatización de tareas administrativas y
operativas. Por ejemplo, las plataformas inteligentes han reducido errores en el
cálculo de neces
idades de materias primas y productos terminados, asegurando
que las cadenas de suministro funcionen sin interrupciones. Esto no solo
incrementa la eficiencia operativa, sino que también mejora la satisfacción del
cliente al garantizar entregas más rápidas
y precisas (
Sánchez
-
Caguana, D. F.,
et
.
al.,
2024
).
E
l uso de IA en el análisis de datos históricos ha permitido identificar patrones
que, anteriormente, requerían análisis extensos y tiempo de expertos humanos.
Esta capacidad ha facilitado la optimización de procesos que antes eran
altamente propensos a err
ores, como la planificación de la producción o la
distribución de tareas en las líneas de trabajo. Los avances en la automatización
han permitido que estas tareas se ejecuten con mayor precisión y menores
costos operativos, incrementando la competitividad
de las empresas en el
mercado global (
Sánchez
-
Caguana, D. F.,
et
.
al.,
2024
).
En el contexto de la Industria 5.0, los gemelos digitales y la automatización
basada en inteligencia artificial han comenzado a integrarse de manera más
estratégica con los objetivos de sostenibilidad y
personalización en las
operaciones. Mientras la Industria 4.0 se centró en la digitalización, la Industria
5.0 busca incorporar tecnologías que permitan un equilibrio entre la
productividad empresarial y las necesidades humanas y ambientales (
Piedra
-
Castro, W. I.,
et
.
al.,
2024
). Esto se refleja en cómo los gemelos digitales no solo
optimizan procesos para reducir costos, sino que también impulsan cambios
estructurales hacia modelos de negocio más sostenibles y responsables.
L
os gemelos digitales y los sistemas automatizados basados en IA han
transformado los ecosistemas industriales al proporcionar una mejora sustancial
en la productividad y la eficiencia operativa. Estas tecnologías no solo han
reducido errores humanos y cost
os, sino que también han permitido a las
empresas adaptarse dinámicamente a cambios y desafíos, marcando un camino
claro hacia una transformación digital completa y sostenible. A medida que estas
tecnologías continúen evolucionando, su impacto será cada ve
z más evidente
Multidisciplinary Collaborative Journal
| Vol.0
3
| Núm.0
1
|
Ene
–
Mar
| 202
5
| https://mcjournal.editorialdoso.com
e
n la construcción de entornos industriales resilientes, eficientes y alineados con
las demandas de la economía global.
3.3.
Desafíos éticos y sociales en la automatización con IA
El avance en la inteligencia artificial (IA) y su aplicación en la automatización de
procesos no solo ha transformado la forma en que operan las organizaciones,
sino que también ha traído consigo importantes desafíos éticos y sociales. Estos
desafíos abarc
an desde el desplazamiento laboral hasta la privacidad y la
seguridad de los datos, generando debates críticos sobre cómo estas
tecnologías deben ser reguladas e implementadas de manera justa y equitativa.
Uno de los principales problemas éticos y sociales de la automatización es el
desplazamiento laboral, especialmente en aquellas áreas donde las tareas
rutinarias o repetitivas pueden ser realizadas de manera más eficiente por
sistemas automatizados. Este f
enómeno afecta particularmente a trabajadores
en sectores como la manufactura, los servicios logísticos y las áreas
administrativas, donde la sustitución de la mano de obra humana por máquinas
no solo reduce costos, sino que también incrementa la productiv
idad. Según
Piedra
-
Castro, W. I.,
et
.
al.,
(
2024
), la automatización ha comenzado a
reemplazar a un gran número de trabajadores que desempeñaban estas tareas,
incrementando las tasas de desempleo en ciertas regiones y sectores. Este
impacto plantea la necesidad de implementar estrategias de reconversión
laboral, que permitan a las personas adquirir nuevas habilidades que sean
relevantes en la economía digital. Estas estrategias deben estar respaldadas por
políticas públicas que promuevan programas de formac
ión en áreas como la
ciencia de datos, el manejo de sistemas automatizados y el desarrollo de
software, habilidades que complementan el uso de tecnologías avanzadas (Yago
Partal, 2023).
E
l desplazamiento laboral tiene implicaciones sociales profundas, ya que puede
exacerbar la desigualdad económica y aumentar la vulnerabilidad de los
trabajadores menos calificados. La UNESCO (2023) enfatiza que el avance
tecnológico no debe dejar a sectore
s de la sociedad desprotegidos; en su lugar,
se deben crear mecanismos para redistribuir los beneficios económicos de la
automatización, garantizando que la transición hacia una economía digital sea
inclusiva. Esto incluye no solo la capacitación, sino ta
mbién la promoción de
nuevos modelos de trabajo que integren a las personas en el ecosistema digital,
fomentando la colaboración entre humanos y máquinas en lugar de sustituir a la
fuerza laboral humana por completo.
E
l crecimiento de la IA ha planteado importantes preocupaciones relacionadas
con la privacidad y la seguridad de los datos. La recopilación masiva de datos,
una necesidad fundamental para entrenar los algoritmos de IA, plantea riesgos
sobre cómo esta inform
ación es almacenada, procesada y utilizada. Según
Martin y Shilton (2023), los sistemas de IA requieren grandes volúmenes de
Multidisciplinary Collaborative Journal
| Vol.0
3
| Núm.0
1
|
Ene
–
Mar
| 202
5
| https://mcjournal.editorialdoso.com
d
atos, a menudo sensibles, como información personal o confidencial de
empresas, lo que aumenta las probabilidades de que estos datos sean
vulnerables a filtraciones o mal uso. Esto se ha convertido en una preocupación
crítica en sectores como la salud, do
nde los datos médicos de los pacientes son
esenciales para desarrollar sistemas automatizados de diagnóstico, pero donde
la exposición de esta información podría generar consecuencias éticas y legales
graves.
La falta de regulación y estándares éticos en el uso de datos por parte de los
sistemas de IA también ha dado lugar a la explotación desproporcionada de la
información personal. Según
Moreno Camina, D.
(2023), muchas empresas no
informan de manera transparente cómo utilizan los datos recopilados de sus
clientes, lo que genera desconfianza en la sociedad. Este desafío no solo afecta
la privacidad de las personas, sino que también expone a las organizacio
nes a
riesgos reputacionales y legales significativos.
Para abordar este problema, la
UNESCO (2023) ha propuesto marcos regulatorios que promuevan la
transparencia y la rendición de cuentas en el uso de datos, estableciendo
principios éticos globales para la inteligencia artificial. Estos principios incluyen
l
a protección del derecho a la privacidad, la seguridad de los sistemas
automatizados y la prevención de discriminación derivada de sesgos
algorítmicos.
Otro desafío ético asociado a la privacidad es el sesgo en los datos utilizados
para entrenar sistemas de IA, lo que puede llevar a decisiones automatizadas
que perpetúan desigualdades sociales o discriminación. Según Martin y Shilton
(2023), los sesgos pr
esentes en los conjuntos de datos de entrenamiento, si no
se abordan adecuadamente, pueden influir en los resultados generados por la
IA. Esto puede ocurrir, por ejemplo, en sistemas de contratación automatizados
que favorecen ciertos perfiles basándose en
patrones históricos, o en algoritmos
que priorizan a ciertos grupos demográficos sobre otros en aplicaciones como la
evaluación crediticia o el acceso a servicios públicos. Estos problemas refuerzan
la importancia de garantizar que los datos sean represen
tativos y que los
modelos de IA sean auditados regularmente para identificar y mitigar sesgos.
El desafío de la privacidad no se limita únicamente al manejo de datos sensibles,
sino también a la capacidad de los sistemas de IA para procesar información en
tiempo real de fuentes diversas. Yago Partal (2023) destaca que tecnologías
como la IA en video
vigilancia o reconocimiento facial representan riesgos
adicionales, ya que estas aplicaciones, si no se regulan adecuadamente, pueden
invadir la privacidad de las personas sin su consentimiento explícito. Estas
preocupaciones han generado debates sobre los
límites éticos del uso de estas
tecnologías, en especial en contextos como la seguridad pública o la publicidad
dirigida, donde la recolección y análisis de datos pueden llevar a prácticas
intrusivas.
Multidisciplinary Collaborative Journal
| Vol.0
3
| Núm.0
1
|
Ene
–
Mar
| 202
5
| https://mcjournal.editorialdoso.com
L
o
s desafíos éticos y sociales de la automatización con IA, como el
desplazamiento laboral y las preocupaciones sobre la privacidad y la seguridad,
son temas de creciente relevancia en el contexto actual. La necesidad de
estrategias de reconversión laboral,
el desarrollo de marcos regulatorios éticos y
la implementación de políticas públicas inclusivas son fundamentales para
garantizar que la inteligencia artificial beneficie a toda la sociedad y no amplifique
desigualdades o vulnerabilidades existentes. La
colaboración entre gobiernos,
empresas y organismos internacionales, como la UNESCO, será esencial para
abordar estos desafíos de manera integral, garantizando que la IA se utilice como
una herramienta de progreso sostenible y responsable.
Figura
2
.
Principales desafíos éticos y sociales de la inteligencia artificial
Nota:
Se
resume los principales desafíos éticos y sociales asociados a la inteligencia artificial,
organizados en seis áreas clave
(Autores, 2025)
.
3.4.
Aplicaciones sectoriales emergentes
La inteligencia artificial (IA) está generando avances significativos en diversos
sectores, destacándose en áreas como la salud y los servicios financieros. Estas
aplicaciones emergentes están transformando las dinámicas tradicionales de
operación, automat
izando procesos clave, mejorando la precisión en las
decisiones y reduciendo tiempos críticos, lo que contribuye a un entorno más
eficiente y efectivo.
En el sector salud, la IA ha revolucionado el diagnóstico clínico y el tratamiento
de enfermedades al automatizar procesos que antes requerían intervención
exclusivamente humana. Una de las aplicaciones más destacadas es el uso de
algoritmos avanzados para
analizar grandes volúmenes de datos médicos, como
imágenes de rayos X, tomografías y resonancias magnéticas. Esto ha permitido
identificar patologías con una precisión mayor a la de métodos tradicionales,
Multidisciplinary Collaborative Journal
| Vol.0
3
| Núm.0
1
|
Ene
–
Mar
| 202
5
| https://mcjournal.editorialdoso.com
co
mo el cáncer de mama o enfermedades cardiovasculares, incluso en etapas
tempranas (
Varela
-
Tapia, E. A.,
et
.
al.,
2024
). Por ejemplo, hospitales de
vanguardia han implementado sistemas de IA que no solo detectan anomalías
en las imágenes médicas, sino que también priorizan los casos más urgentes
para su análisis, reduciendo drásticamente los tiempos de espera y mejorando
los resultados para los pacientes (
Espejo Briceño H
.,
2023
).
L
a IA ha ampliado su aplicación al ámbito del tratamiento personalizado. A través
del análisis de datos genéticos y clínicos, las tecnologías de inteligencia artificial
son capaces de recomendar terapias adaptadas a las características únicas de
cada pacien
te. Esto no solo incrementa la eficacia del tratamiento, sino que
también minimiza efectos adversos innecesarios (
Varela
-
Tapia, E. A.,
et
.
al.,
2024
). En el ámbito hospitalario, los sistemas automatizados han mejorado la
gestión de los recursos, optimizan
do la asignación de camas, el control de
inventarios farmacéuticos y los flujos de trabajo médico, lo que contribuye a una
mejor experiencia tanto para el personal sanitario como para los pacientes.
En el caso de las finanzas y los servicios bancarios, la IA ha transformado
significativamente el sector, proporcionando soluciones innovadoras que
automatizan procesos críticos como el análisis de riesgos y la detección de
fraudes. Los algoritmos basados
en IA analizan en tiempo real enormes
cantidades de datos transaccionales y comportamientos de los usuarios, lo que
permite identificar actividades sospechosas y prevenir fraudes antes de que
ocurran. Estas herramientas han demostrado ser mucho más rápidas
y precisas
que los métodos tradicionales de control de riesgos (
Sánchez
-
Caguana, D. F.,
et
.
al.,
2024
). Por ejemplo, sistemas de IA implementados en bancos globales
monitorean continuamente patrones de transacciones, emitiendo alertas
automáticas cuando detectan actividades anómalas, como accesos inusuales
desde ubicaciones geográficas distintas o movimie
ntos financieros atípicos
(
Erazo
-
Luzuriaga, A. F.,
et
.
al.,
2023
).
Otra área clave en los servicios financieros donde la IA ha demostrado su
impacto es en el análisis crediticio y la personalización de servicios. Mediante
modelos predictivos, los bancos
pueden evaluar con mayor precisión el riesgo
crediticio de los solicitantes, considerando no solo su historial financiero, sino
también variables contextuales y comportamentales. Esto no solo mejora la toma
de decisiones al otorgar préstamos, sino que tamb
ién permite ofrecer productos
financieros personalizados para cada cliente (
Erazo
-
Luzuriaga, A. F.,
et
.
al.,
2023
). Asimismo, la automatización de procesos como la gestión de solicitudes
de préstamos y la atención al cliente mediante chatbots ha reducido l
os costos
operativos y mejorado la experiencia del usuario.
En ambos sectores, el impacto de la inteligencia artificial no solo se limita a la
mejora de procesos internos, sino que también está redefiniendo los estándares
de calidad y eficiencia. En la salud, está salvando vidas al hacer posible un
diagnóstico más
temprano y preciso; en las finanzas, está protegiendo los activos
Multidisciplinary Collaborative Journal
| Vol.0
3
| Núm.0
1
|
Ene
–
Mar
| 202
5
| https://mcjournal.editorialdoso.com
d
e los clientes y proporcionando servicios más ágiles y personalizados. Estas
aplicaciones emergentes reflejan el potencial transformador de la IA para
abordar desafíos críticos en industrias fundamentales para la sociedad.
4.
Discusión
El impacto de la inteligencia artificial (IA) en la automatización de procesos
representa un cambio paradigmático en la manera en que las
industrias y
sectores claves operan, al mismo tiempo que introduce desafíos éticos, sociales
y técnicos que demandan un análisis profundo y multidimensional. Los hallazgos
de este estudio reflejan que las aplicaciones emergentes de la IA han optimizado
pro
cesos, mejorado la eficiencia operativa y transformado dinámicas laborales,
pero también han generado riesgos asociados al desplazamiento laboral, la
privacidad y el manejo de datos, que deben ser mitigados mediante enfoques
integrales y regulaciones clara
s.
La
revisión evidencia avances significativos en el procesamiento del lenguaje
natural (PLN) y las redes neuronales profundas, tecnologías que han impulsado
la automatización en tareas como el análisis de datos textuales, la visión por
computadora y los model
os predictivos. Estas herramientas han demostrado ser
fundamentales para optimizar operaciones y reducir tiempos de respuesta en
sectores como la manufactura y la logística (
Parra, S.
, 2023). Sin embargo, la
implementación de estas tecnologías también su
braya la creciente dependencia
de los sistemas de IA para tareas críticas, lo que plantea interrogantes sobre la
confiabilidad de los algoritmos y la necesidad de supervisión humana. Este
equilibrio entre la automatización y la supervisión representa un de
safío clave,
especialmente en aplicaciones que demandan altos estándares de precisión y
seguridad.
E
l análisis revela que los gemelos digitales, como una de las tecnologías
emergentes más destacadas, han reconfigurado los procesos industriales al
ofrecer simulaciones en tiempo real que optimizan recursos, mejoran la
productividad y previenen fallos opera
tivos (
Montalván
-
Vélez, C. L.,
et
.
al.,
2024
;
Sánchez
-
Caguana, D. F.,
et
.
al.
2024
). Estas herramientas, combinadas con la
inteligencia
artificial, están siendo adoptadas de manera estratégica en sectores
como la energía y la logística, lo que sugiere una evolución hacia ecosistemas
industriales resilientes y sostenibles (Iberdrola, 2023). No obstante, su adopción
masiva plantea preocupaci
ones relacionadas con los costos iniciales de
implementación y la capacitación necesaria para garantizar su correcto uso,
especialmente en pequeñas y medianas empresas que enfrentan limitaciones
presupuestarias. En este sentido, resulta esencial promover p
olíticas que
faciliten el acceso equitativo a estas tecnologías y fomenten su adopción en
sectores menos tecnificados.
Multidisciplinary Collaborative Journal
| Vol.0
3
| Núm.0
1
|
Ene
–
Mar
| 202
5
| https://mcjournal.editorialdoso.com
D
esde una perspectiva ética y social, el desplazamiento laboral derivado de la
automatización es una de las consecuencias más apremiantes identificadas en
este estudio. La sustitución de trabajadores en tareas repetitivas por sistemas
automatizados ha gene
rado una reconfiguración del mercado laboral,
exacerbando las desigualdades económicas y aumentando la vulnerabilidad de
ciertos grupos sociales (
Piedra
-
Castro, W. I.,
et
.
al.,
2024
). Este fenómeno
subraya la importancia de diseñar estrategias de reconvers
ión laboral y
capacitación digital que permitan a los trabajadores adquirir habilidades
relevantes para los entornos tecnológicos emergentes (Yago Partal, 2023). Sin
embargo, los esfuerzos en esta dirección deben ser complementados con
marcos regulatorios
que garanticen la distribución justa de los beneficios
económicos generados por la automatización, tal como lo sugiere la UNESCO
(2023).
Otro aspecto crítico identificado en la revisión es la recopilación masiva de datos
para entrenar algoritmos de IA, lo que ha intensificado las preocupaciones sobre
la privacidad y la seguridad de la información. Si bien estas prácticas son
esenciales para
el desarrollo de sistemas más precisos y robustos, también
presentan riesgos significativos relacionados con el uso indebido de los datos y
la falta de transparencia en su manejo (Martin & Shilton, 2023). Estos desafíos
éticos son particularmente evidente
s en aplicaciones como el reconocimiento
facial y los sistemas de vigilancia, donde la invasión de la privacidad puede
socavar derechos fundamentales (UNESCO, 2023). Para mitigar estos riesgos,
resulta imperativo implementar regulaciones claras que estable
zcan límites
éticos y legales en el uso de datos, promoviendo la transparencia y la rendición
de cuentas en el desarrollo de sistemas de IA.
En cuanto a las aplicaciones sectoriales emergentes, la revisión destaca el
potencial transformador de la IA en la salud y los servicios financieros. En el
sector salud, la automatización del diagnóstico clínico mediante IA ha permitido
una mayor precisión
en la detección de enfermedades y una reducción
significativa en los tiempos de respuesta, mejorando los resultados para los
pacientes (
Espejo Briceño H
.
, 2023). Estas aplicaciones, además de optimizar
los procesos hospitalarios, están impulsando el desar
rollo de tratamientos
personalizados, lo que marca un avance significativo hacia la medicina de
precisión (
Varela
-
Tapia, E. A.,
et
.
al.,
2024
). Sin embargo, la integración de estas
tecnologías también genera preocupaciones éticas relacionadas con el acceso
equitativo a los beneficios de la IA, especialmente en regiones con recursos
limitados.
En el ámbito financiero, las tecnologías basadas en IA han transformado
profundamente los servicios bancarios, automatizando el análisis de riesgos y la
detección de fraudes en tiempo real (
Sánchez
-
Caguana, D. F.,
et
.
al.,
2024
).
Estas aplicaciones han mejorado la seguridad y la eficiencia en la gestión de
transacciones, fortaleciendo la confianza en el sistema financiero. Sin embargo,
Multidisciplinary Collaborative Journal
| Vol.0
3
| Núm.0
1
|
Ene
–
Mar
| 202
5
| https://mcjournal.editorialdoso.com
l
a creciente dependencia de estos sistemas plantea preguntas sobre la
posibilidad de sesgos algorítmicos y su impacto en la equidad de decisiones
clave, como la aprobación de créditos o la evaluación de riesgos. Por ello, es
crucial establecer auditorías r
egulares que evalúen la equidad y la transparencia
de los sistemas financieros basados en IA.
A
unque la inteligencia artificial ha demostrado ser un catalizador para la
optimización de procesos y la innovación en diversos sectores, sus implicaciones
éticas, sociales y técnicas no deben ser subestimadas. Es evidente que las
aplicaciones de la IA ofre
cen oportunidades sin precedentes para mejorar la
productividad, la eficiencia y la calidad de los servicios, pero su implementación
debe estar acompañada de una gobernanza ética sólida y estrategias inclusivas
que minimicen los riesgos y maximicen los be
neficios para toda la sociedad.
5.
Conclusiones
La
inteligencia artificial ha demostrado ser una herramienta poderosa para la
automatización de procesos en diversos sectores, marcando un hito en la
transformación tecnológica global. Los avances en tecnologías como el
procesamiento del lenguaje natural, las
redes neuronales profundas y los
gemelos digitales han impulsado mejoras significativas en productividad,
eficiencia operativa y calidad en la toma de decisiones. Estas herramientas han
optimizado desde el diagnóstico clínico en el sector salud hasta el a
nálisis de
riesgos y la detección de fraudes en el sector financiero, evidenciando su
capacidad para abordar desafíos complejos y redefinir los estándares operativos
tradicionales.
L
os desafíos éticos y sociales derivados de la implementación de la IA no pueden
ser ignorados. El desplazamiento laboral es una de las consecuencias más
críticas, destacando la necesidad de estrategias de reconversión y formación
para garantizar una transi
ción inclusiva hacia un mercado laboral digitalizado.
Además, la creciente dependencia de datos masivos para entrenar algoritmos
de IA ha intensificado las preocupaciones sobre la privacidad y la seguridad de
la información, lo que exige la implementación
de regulaciones claras y éticas
que equilibren la innovación tecnológica con la protección de los derechos
fundamentales.
El desarrollo de la inteligencia artificial plantea además el reto de garantizar que
sus beneficios sean accesibles a todos los sectores de la sociedad, evitando la
ampliación de desigualdades existentes. La colaboración entre gobiernos,
empresas y organis
mos internacionales es fundamental para establecer marcos
regulatorios sólidos que promuevan el uso responsable de estas tecnologías,
garantizando la transparencia, la equidad y la sostenibilidad en su aplicación.
Multidisciplinary Collaborative Journal
| Vol.0
3
| Núm.0
1
|
Ene
–
Mar
| 202
5
| https://mcjournal.editorialdoso.com
L
a
inteligencia artificial ofrece oportunidades sin precedentes para transformar
industrias clave, pero su integración debe ser guiada por un enfoque ético y
estratégico. Solo mediante una gestión responsable y equilibrada de los riesgos
y beneficios, la IA
podrá consolidarse como un motor de desarrollo sostenible y
equitativo en un mundo cada vez más interconectado y digitalizado.
Referencias Bibliográficas
Acemoglu, D., & Restrepo, P. (2018).
Artificial intelligence, automation, and work.
National Bureau of Economic Research Working Paper Series, 24196.
https://doi.org/10.3386/w24196
Barahona
-
Martínez, G. E., Gallardo
-
Chiluisa, N. N., Quisaguano
-
Caiza, Y. E.,
Jiménez
-
Rivas, D. E., Caicedo
-
Basurto, R. L., Guanotuña
-
Yaulema, J. A.,
Flores
-
Cruz, P. L., & Guevara
-
Hernández, D. M. (2024).
Inteligencia
Artificial en la Educación Avances y Desafíos Multidisciplinarios. Editorial
Grupo AEA.
https://doi.org/10.55813/egaea.l.101
Cioffi, R., Travaglioni, M., Piscitelli, G., Petrillo, A., & De Felice, F. (2020). Artificial
Intelligence and Machine Learning Applications in Smart Production:
Progress, Trends, and Directions.
Sustainability
,
12
(2), 492.
https://doi.org/10.3390/su12020492
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
Espejo Briceño H
. (2023). Cómo la inteligencia artificial está revolucionando la
ciencia de la salud: aplicaciones y avances en diagnóstico y tratamiento.
Hospital Universitario de Salamanca.
https://uma.edu.pe/como
-
la
-
inteligencia
-
artificial
-
esta
-
revolucionando
-
la
-
ciencia
-
de
-
la
-
salud
-
aplicaciones
-
y
-
avances
-
en
-
diagnostico
-
y
-
tratamiento/
Ghasemaghaei, M., & Calic, G. (2019). Can big data improve firm decision
quality? The role of data quality and data diagnosticity. Decision Support
Systems, 120, 38
-
49.
https://doi.org/10.1016/j.dss.2019.03.008
Gómez, J. S
. (2023). 4 aplicaciones de la inteligencia artificial en salud.
Salud
Digital Elipse.
https://salud
-
digital.elipse.ai/4
-
aplicaciones
-
de
-
la
-
inteligencia
-
artificial
-
en
-
salud
Hernández, J. P.
(2023). Inteligencia artificial: qué aporta y qué cambia en el
mundo del trabajo.
Banco Interamericano de Desarrollo BID.
https://blogs.iadb.org/trabajo/es/inteligencia
-
artificial
-
que
-
aporta
-
y
-
que
-
cambia
-
en
-
el
-
mundo
-
del
-
trabajo/
Lu, Y., Liu, C., Wang, K., & Huang, H. (2020). Digital twin
-
driven smart
manufacturing: Connotation, reference model, applications and research
issues. Robotics and Computer
-
Integrated Manufacturing, 61, 101837.
https://doi.org/10.1016/j.rcim.2019.101837
Multidisciplinary Collaborative Journal
| Vol.0
3
| Núm.0
1
|
Ene
–
Mar
| 202
5
| https://mcjournal.editorialdoso.com
Ma
rtin, K., & Shilton, K. (2023). Ethical and legal challenges of artificial
intelligence and robotics.
Estudios y Perspectivas.
https://estudiosyperspectivas.org/index.php/EstudiosyPerspectivas/article
/download/26/63/634
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
Moreno Camina, D. (2023). Los desafíos éticos de la inteligencia artificial en los
negocios.
LinkedIn.
https://es.linkedin.com/pulse/los
-
desaf%C3%ADos
-
%C3%A9ticos
-
de
-
la
-
inteligencia
-
artificial
-
en
-
un
-
david
Panch, T., Szolovits, P., & Atun, R. (2019). Artificial intelligence, machine learning
and health systems.
Journal of Global Health, 9
(2), 020302.
https://doi.org/10.7189/jogh.09.020302
Parra, S. (2023).
Los avances y controversias de la Inteligencia Artificial en 2023.
National Geographic.
https://www.nationalgeographic.com.es/ciencia/avances
-
y
-
controversias
-
inteligencia
-
artificial
-
2023_21268
Piedra
-
Castro, W. I., Burbano
-
Buñay, E. S., Tamayo
-
Verdezoto, J. J., & Moreira
-
Alcívar, E. F. (2024). Inteligencia artificial y su incidencia en la estrategia
metodológica de aprendizaje basado en investigación.
Journal of
Economic and Social Science Research,
4(2), 178
–
196.
https://doi.org/10.55813/gaea/jessr/v4/n2/106
Piedra
-
Castro, W. I., Cajamarca
-
Correa, M. A., Burbano
-
Buñay, E. S., & Moreira
-
Alcívar, E. F. (2024). Integración de la inteligencia artificial en la
enseñanza de las Ciencias Sociales en la educación superior.
Journal of
Economic and Social Science Research,
4(3), 105
–
126.
https://doi.org/10.55813/gaea/jessr/v4/n3/123
Sánchez
-
Caguana, D. F., Philco
-
Reinozo, M. A., Salinas
-
Arroba, J. M., & Pico
-
Lescano, J. C. (2024). Impacto de la Inteligencia Artificial en la Precisión
y Eficiencia de los Sistemas Contables Modernos.
Journal of Economic
and Social Science Research,
4(3), 1
–
12.
https://doi.org/10.55813/gaea/jessr/v4/n3/117
Sangacha
-
Tapia, L. M., Celi, R. J., Acosta
-
Guzmán, I. L., & Varela
-
Tapia, E. A.
(2024).
Inteligencia Artificial Aplicada a Procesamiento de Lenguaje
Natural (NLP) con Python y Machine Learning. Editorial Grupo AEA.
https://doi.org/10.55813/egaea.l.88
UNESCO. (2023). Ética de la inteligencia artificial.
https://www.unesco.org/es/artificial
-
intelligence/recommendation
-
ethics
Varela
-
Tapia, E. A., Acosta
-
Guzmán, I. L., Fajardo
-
Romero, I. J., & Oviedo
-
Peñafiel, J. A. (2024). Inteligencia Artificial Aplicada con técnicas de
Procesamiento de Lenguaje Natural y Machine Learning en el campo de
la salud. Editorial Grupo AEA.
https://doi.org/10.55813/egaea.l.83
Multidisciplinary Collaborative Journal
| Vol.0
3
| Núm.0
1
|
Ene
–
Mar
| 202
5
| https://mcjournal.editorialdoso.com
Vi
mos
-
Buenaño, K. E., Viteri
-
Ojeda, J. C., Naranjo
-
Sánchez, M. J., & Novillo
-
Heredia, K. H. (2024). Uso de la inteligencia artificial en los procesos de
investigación científica, por parte de los docentes universitarios.
Journal
of Economic and Social Science Research,
4(4), 215
–
236.
https://doi.org/10.55813/gaea/jessr/v4/n4/143
Yago Partal. (2023). Inteligencia artificial y ética: Desafíos, soluciones y
perspectivas futuras.
https://www.yagopartal.es/blog/reflexiones/inteligencia
-
artificial
-
y
-
etica
-
desafios
-
soluciones
-
y
-
perspectivas
-
futuras/
CONFLICTO DE INTERESES
Los autores declaran no tener ningún conflicto de intereses.