Inteligencia artificial para la eficiencia operativa en la industria latinoamericana, un estado de la cuestión
DOI:
https://doi.org/10.65705/RHOMU.v3i1.86Palabras clave:
inteligencia artificial, eficiencia operativa, mantenimiento predictivo, automatización industrial, productividadResumen
El artículo analiza cómo la inteligencia artificial (IA) contribuye a la eficiencia operativa en la industria latinoamericana durante los últimos cinco años. La revisión muestra que herramientas como aprendizaje automático, big data, mantenimiento predictivo e integración con IoT permiten anticipar fallas, reducir tiempos de inactividad, optimizar recursos y mejorar la calidad de los productos. También se destacan aplicaciones en automatización administrativa, monitoreo en tiempo real y apoyo a la toma de decisiones estratégicas, con impactos positivos en productividad, sostenibilidad y reducción de costos. Sin embargo, los beneficios no son homogéneos. La literatura señala que los resultados dependen de la madurez digital de las empresas, la calidad de los datos, la infraestructura disponible y la capacitación del personal. En América Latina persisten barreras importantes, como baja inversión, escasez de talento especializado, resistencia al cambio y limitada integración tecnológica, sobre todo en pymes y sectores tradicionales. La IA tiene un alto potencial para transformar la eficiencia operativa regional, pero su adopción efectiva requiere fortalecer infraestructura, formación, coordinación organizacional y marcos éticos que garanticen una implementación equitativa, sostenible y adaptada a la realidad latinoamericana.
Referencias
Ahmad, Z., Khan, A. S., Shiang, C. W., Abdullah, J., & Ahmad, F. (2020). Network intrusion detection system: A systematic study of machine learning and deep learning approaches. Transactions on Emerging Telecommunications Technologies, 32(1). https://doi.org/10.1002/ett.4150
Akundi, A., Euresti, D., Luna, S., Ankobiah, W., Lopes, A., & Edinbarough, I. (2022). State of Industry 5.0—Analysis and Identification of Current Research Trends. Applied System Innovation, 5(1), 27. https://doi.org/10.3390/asi5010027
Arce, D., Nolasco, L., Martinez, A. & Avalos, P. (2024). Industrial process optimization through advanced HMI systems: exploring the integration of IoT and AI. Indonesian Journal of Electrical Engineering and Computer Science, 36 (2), 817-825. http://doi.org/10.11591/ijeecs.v36.i2.pp817-825
Banco Interamericano de Desarrollo (BID). (2023). Talento y tecnología: La brecha de habilidades para la Inteligencia Artificial en el sector industrial de la región andina. Banco Interamericano de Desarrollo. http://dx.doi.org/10.18235/0013015
Benhanifia, A., Ben Cheikh, Z., Oliveira, P. M., Valente, A., & Lima, J. (2025). Systematic review of predictive maintenance practices in the manufacturing sector. Intelligent Systems with Applications, 26, 200501. https://doi.org/10.1016/j.iswa.2025.200501
CEPAL. (2025). Índice Latinoamericano de Inteligencia Artificial (ILIA). Naciones Unidas. https://www.cepal.org/es/publicaciones/82514- indice-latinoamericano-inteligencia-artificial-ilia-2025
Chowdhury, R. H. (2024). AI-driven business analytics for operational efficiency. World Journal of Advanced Engineering Technology and Sciences, 12(02), 535-543. https://doi.org/10.30574/wjaets.2024.12.2.0329
Dittmar, E. & Castillo, V. (2025). Keys in the Adoption of New Technologies in Latin American SMEs: Challenges for a Sustained Growth in the AI Age. Transforming Corporate Social Responsibility and Business Ethics With AI (pp. 301-338). https://doi.org/10.4018/979-8-3693- 9894-4.ch010
Flechsig, C. , Anslinger, F. & Lasch, R. (2022). Robotic Process Automation in purchasing and supply management: A multiple case study onpotentials, barriers, and implementation. Journal of Purchasing and Supply Management. https://doi.org/10.1016/j.pursup.2021.100718
Javaid, M., Haleem, A., Singh, R. P., Suman, R., & Gonzalez, E. S. (2022). Understanding the adoption of Industry 4.0 technologies in improving environmental sustainability. Sustainable Operations and Computers, 3, 203–217. https://doi.org/10.1016/j.susoc.2022.01.008
Kaplan, A., & Haenlein, M. (2019). Siri, Siri, in my hand: Who’s the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence. Business Horizons, 62(1), https://doi.org/10.1016/j.bushor.2018.08.004
Lee, J. (2020). Industrial AI: Applications with sustainable performance.
Springer (pp. 12) https://doi.org/10.1007/978-981-15-2144-7
Machucho, R., & Ortiz, D. (2025). The Impacts of Artificial Intelligence on Business Innovation: A Comprehensive Review of Applications, Organizational Challenges, and Ethical Considerations. Systems, 13(4), 264. https://doi.org/10.3390/systems13040264
Mohammadi, M., Al-Fuqaha, A., Sorour, S., & Guizani, M. (2018). Deep learning for IoT big data and streaming analytics: A survey. IEEE Communications Surveys & Tutorials, 20(4), 2923–2960. https://doi.org/10.1109/COMST.2018.2844341
Noticias ONU. (2025). América Latina acelera en inteligencia artificial más de lo esperado, pero enfrenta deficiencias críticas. Naciones Unidas. https://news.un.org/es/story/2025/10/1540524
Organización para la Cooperación y el Desarrollo Económicos (OCDE). (2025). Perspectivas de productividad global 2025: El impacto disruptivo de la Inteligencia Artificial. https://www.oecd.org/es/publications/2025/06/governing-with- artificial-intelligence_398fa287.html
Ortega-Del-Rosario, M. D. L. A., Caballero, R. Domínguez, M. A. M., Lescure, R., Noguera, J. C., Jaén-Ortega, A. A. Castaño, C. (2025). AI-Enhanced Manufacturing in Latin America: Opportunities, Challenges, Applications, and Regulatory Policy Frameworks for Intelligent Production Systems. Multidisciplinary Digital Publishing Institute (MDPI), 15(20), 11056. DOI: 10.3390/app152011056.
Pérez Marroquín, R. D. (2024). Automatización de procesos y eficiencia operativa mediante inteligencia artificial en la administración. BusinessInnova Sciences, 5(1), 85–113. https://doi.org/10.5281/zenodo.13308399
Ramirez, N., Velveder, B., Espinoza, Y., & Ramos, S. (2025). Artificial intelligence and big data strategies for predictive maintenance in Industry 4.0: A systematic review from 2019 to 2024. International Journal of Engineering Trends and Technology, 73(6), 173–182. https://doi.org/10.14445/22315381/IJETT-V73I6P115
Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach (4.ª ed., Global Edition). Pearson Higher Education.Santillán, D., Sandoval, L., Santillán, A., Yataco, P., Quispe, H., & Huapaya,
N. (2024).Industrial process optimization through advanced HMI systems: exploring the integration of lotT and AI. Indonesian Journal of Electrical Engineering and Computer Science, 36(2), 817-825. http://doi.org/10.11591/ijeecs.v36.i2.pp817-825
Thomas, S., Nair, D. S., Joseph, J., Srampical, S. G., & Cleetus, R. S (2026). Examining the Sustainable Integration of Artificial Intelligence in Human Resource Digitalization in the Context of Industry 4.0. European Public and Social Innovation Review, 11. DOI: 10.31637/epsir-2026-2044
Tripti, P., Nazrul, I.,Rakshit, S. & Mondal, S. (2025). El impacto del enfoque colaborativo basado en inteligencia artificial (IA): cómo lograr un rendimiento sostenible en la cadena de suministro. Journal of Business Logistics. 10.1111/jbl.70030
Villegas, W., Garcia, J. & Sanchez, S. (2024). Toward Intelligent Monitoring in IoT: AI Applications for Real-Time Analysis and Prediction. IEEE Access, 12, 4036810 - 40386.1109/ACCESS.2024.3376707
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Antonella Jiromy Lucano Flores, Gonzalo Enrique Del Aguila Trelles, Mateo Fabián Gutiérrez Gómez, Gilmar Valerio Yucra Huaillapuma, Joaking Alonso Cruz Garvich, Daniela Medina Coronado (Autor/a)

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
- Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons 4.0, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a compartir su trabajo en línea (por ejemplo: en repositorios institucionales o páginas web personales) antes y durante el proceso de envío del manuscrito, ya que puede conducir a intercambios productivos, a una mayor y más rápida citación del trabajo publicado.

