Inteligencia artificial para la eficiencia operativa en la industria latinoamericana, un estado de la cuestión

Autores/as

  • Antonella Jiromy Lucano Flores Universidad Peruana de Ciencias Aplicadas, Perú Autor/a https://orcid.org/0009-0006-2390-5883
  • Gonzalo Enrique Del Aguila Trelles Universidad Peruana de Ciencias Aplicadas, Perú Autor/a
  • Mateo Fabián Gutiérrez Gómez Universidad Peruana de Ciencias Aplicadas, Perú Autor/a
  • Gilmar Valerio Yucra Huaillapuma Universidad Peruana de Ciencias Aplicadas, Perú Autor/a https://orcid.org/0009-0002-8137-9739
  • Joaking Alonso Cruz Garvich Universidad Peruana de Ciencias Aplicadas, Perú Autor/a
  • Daniela Medina Coronado Universidad Peruana de Ciencias Aplicadas, Perú Autor/a https://orcid.org/0000-0002-9180-7613

DOI:

https://doi.org/10.65705/RHOMU.v3i1.86

Palabras clave:

inteligencia artificial, eficiencia operativa, mantenimiento predictivo, automatización industrial, productividad

Resumen

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

2026-03-10

Número

Sección

Ingeniería

Cómo citar

Lucano Flores, A. J., Del Aguila Trelles, G. E., Gutiérrez Gómez, M. F., Yucra Huaillapuma, G. V., Cruz Garvich, J. A., & Medina Coronado, D. (2026). Inteligencia artificial para la eficiencia operativa en la industria latinoamericana, un estado de la cuestión. Revista Científica Horizontes Multidisciplinarios, 3(1), 262-274. https://doi.org/10.65705/RHOMU.v3i1.86