Gemelos Digitales-Automatización Inteligente

Fuente de la imagen: Análisis de Procesos (Velasco, 2005)

M. Velasco, 2026. La Convergencia de los Gemelos Digitales y la Automatización Inteligente: Un Manifiesto para la Transformación de los Procesos de Negocio - The Convergence of Digital Twins and Intelligent Automation: A Manifesto for Business Process Transformation

Resumen: En el entorno competitivo actual, las organizaciones se ven obligadas a evolucionar mediante la Transformación Digital (TD) para garantizar su sostenibilidad y eficiencia operativa. Se examina la integración de dos paradigmas emergentes: los Gemelos Digitales de Procesos de Negocio (DTBP) y la Automatización Inteligente de Procesos (IPA). A través de una revisión sistemática de la literatura, se analizan las distinciones entre modelos, sombras y gemelos digitales, así como la transición tecnológica desde la automatización robótica de procesos (RPA) hacia sistemas cognitivos avanzados. Se discuten los retos críticos que enfrentan las empresas, tales como la fidelidad de los modelos, la sincronización de datos en tiempo real y la gestión del factor humano. Asimismo, se presentan aplicaciones sectoriales que demuestran el potencial transformador de estas tecnologías en la industria, la salud y la agricultura. Finalmente, se propone un marco estratégico para la adopción de estas soluciones, enfatizando que la verdadera transformación no reside solamente en la tecnología, también en la alineación entre la estrategia empresarial y la infraestructura digital.

Palabras clave: Gemelos Digitales, Procesos de Negocio, Automatización Inteligente, Internet de las Cosas, Transformación Digital.

Abstract: In today's competitive environment, organizations are compelled to evolve through Digital Transformation (DT) to ensure their sustainability and operational efficiency. This article examines the integration of two emerging paradigms: Digital Business Process Twins (DBBTs) and Intelligent Process Automation (IPA). Through a systematic literature review, the distinctions between models, shadows, and digital twins are analyzed, as well as the technological transition from Robotic Process Automation (RPA) to advanced cognitive systems. Critical challenges facing businesses are discussed, such as model fidelity, real-time data synchronization, and human factor management. Furthermore, industry-specific applications demonstrating the transformative potential of these technologies in manufacturing, healthcare, and agriculture are presented. Finally, a strategic framework for adopting these solutions is proposed, emphasizing that true transformation lies not only in technology but also in the alignment between business strategy and digital infrastructure.

Keywords: Digital Twins, Business Processes, Intelligent Automation, Internet of Things, Digital Transformation.

1. Introducción

La necesidad de mejora continua en los procesos de negocio se ha convertido en un imperativo para las organizaciones modernas que buscan mantener su competitividad en un mercado globalizado y volátil. Factores como la variabilidad en la disponibilidad de recursos, el surgimiento de nuevas oportunidades comerciales y la rápida evolución de las tecnologías de la información han acelerado la urgencia de adoptar estrategias de optimización (Fornari et al., 2025). En este contexto, la Transformación Digital debe entenderse como un proceso estratégico que redefine modelos de negocio, cultura organizacional y experiencias de usuario (Feio, 2022).

Por otro lado, la irrupción de la cuarta revolución industrial ha traído consigo el Internet de las Cosas (IoT), que permite la recolección masiva de datos a través de sensores y la ejecución de tareas mediante actuadores. Esta infraestructura actúa como la "columna vertebral" para conceptos más avanzados, permitiendo el paso de una gestión de procesos reactiva a una proactiva y predictiva (Li, 2026). La integración de los Gemelos Digitales (Digital Twins) en el ámbito organizacional promete revolucionar la manera en que las empresas monitorizan, simulan y optimizan sus actividades diarias. Un Gemelo Digital de un Proceso de Negocio (DTBP) es una réplica virtual con capacidades de tiempo real que refleja el comportamiento de un proceso físico, facilitando el análisis de escenarios "qué pasaría si" (what-if) antes de realizar cambios en el mundo real (Fornari et al., 2025).

Pero el camino hacia la madurez digital presenta obstáculos significativos. Muchas organizaciones confunden la digitalización básica con una transformación profunda, centrándose en problemas tecnológicos individuales en lugar de adoptar una visión holística (Feio, 2022). Este artículo explora cómo la sinergia entre los gemelos digitales y la automatización inteligente puede actuar como un catalizador para alcanzar niveles superiores de eficiencia y agilidad organizacional.

2. De los Modelos Estáticos a los Gemelos Digitales de Procesos

Para comprender el impacto de los gemelos digitales, es necesario establecer una distinción clara entre los diferentes niveles de representación digital que existen en la ingeniería de modelos actual.

2.1. Clasificación de las Representaciones Digitales

La literatura especializada identifica tres niveles evolutivos en la relación entre el espacio físico y el digital. El primer nivel es el Modelo Digital, que consiste en una representación digital de un objeto físico donde no existe un flujo de datos automatizado entre ambos; cualquier actualización requiere intervención humana, lo que suele resultar en representaciones estáticas y a menudo desactualizadas (Fornari et al., 2025). Un ejemplo común sería un diagrama de flujo de un proceso diseñado manualmente que no refleja las desviaciones diarias de la operación.

El segundo nivel es la Sombra Digital (Digital Shadow). Aquí, existe un flujo de datos automático que va desde el objeto físico hacia la representación digital. Esto permite una monitorización en tiempo real del estado actual del proceso, capturando eventos y registros de ejecución de manera continua (Fornari et al., 2025). Pero la sombra digital es unidireccional: los cambios en el modelo digital no afectan directamente al sistema físico.

El tercer y más avanzado nivel es el Gemelo Digital (Digital Twin). Un gemelo digital se caracteriza por un flujo de datos bidireccional y automático. No solamente recibe información del mundo físico para reflejar su estado, también tiene la capacidad de enviar instrucciones de vuelta al sistema físico para ajustar su rendimiento o corregir anomalías (Fornari et al., 2025). En el ámbito de los negocios, esto implica que un gemelo digital podría detectar un cuello de botella en una línea de producción y reconfigurar automáticamente las tareas de los robots o notificar a los operadores humanos para mitigar el problema antes de que cause retrasos financieros.

2.2. El Ciclo de Vida de los Procesos de Negocio

La gestión de procesos de negocio (BPM) sigue un ciclo de vida estructurado que incluye la identificación, el descubrimiento, el análisis, el rediseño, la implementación y la monitorización (Fornari et al., 2025). La incorporación de gemelos digitales en este ciclo permite que el "modelo conforme a la realidad" (as-is) se convierta en una entidad viva. Mediante técnicas de minería de procesos, las organizaciones pueden extraer información de los registros de eventos para descubrir cómo se ejecutan realmente las actividades, permitiendo un análisis de brechas mucho más preciso que las entrevistas tradicionales con los empleados (Li, 2026).

3. La Automatización Inteligente de Procesos (IPA)

Mientras que los gemelos digitales proporcionan la visibilidad y capacidad de simulación, la Automatización Inteligente de Procesos (IPA) suministra los mecanismos de ejecución avanzados.

3.1. Evolución desde RPA hacia sistemas cognitivos

La Automatización Robótica de Procesos (RPA) se centra en la creación de "trabajadores digitales" que imitan acciones humanas repetitivas basadas en reglas estrictas y datos estructurados (Feio, 2022). Aunque el RPA ha demostrado ser eficaz para reducir costes y errores humanos, carece de la capacidad para manejar excepciones complejas o tomar decisiones basadas en juicios subjetivos.

La IPA surge como una extensión del RPA, integrando tecnologías de Inteligencia Artificial (IA) y aprendizaje automático (Machine Learning). Esto permite que el sistema maneje datos no estructurados, como imágenes, correos electrónicos en lenguaje natural o grabaciones de voz (Feio, 2022). Al combinar motores de decisión con análisis prescriptivo, los sistemas de IPA aprenden de las decisiones humanas pasadas para mejorar su precisión con el tiempo. Un caso ejemplar se observa en los servicios de atención al cliente, donde un chatbot inteligente analiza el sentimiento del cliente y predice sus necesidades futuras basándose en su historial de interacciones (Li, 2026).

3.2. Beneficios Organizacionales de la IPA

La adopción de IPA aporta mejoras operativas tangibles al acelerar los procesos de extremo a extremo y aumentar la transparencia del flujo de trabajo. Al liberar a los empleados de tareas monótonas y de bajo valor, las organizaciones pueden reorientar su talento humano hacia actividades creativas y estratégicas que requieren empatía e inteligencia emocional, factores que la tecnología aún no puede replicar plenamente (Feio, 2022). 

Además, la IPA facilita el cumplimiento regulatorio mediante la creación de pistas de auditoría digitales automáticas y la prevención de errores en la entrada de datos.

4. Retos y Direcciones de Investigación en DTBP

A pesar de las promesas tecnológicas, la implementación exitosa de un Gemelo Digital de un Proceso de Negocio presenta retos significativos que han sido identificados por expertos académicos.

4.1. Fidelidad del Modelo y Sincronización

Uno de los principales retos es el diseño de modelos de alta fidelidad. Los procesos de negocio suelen involucrar múltiples participantes, sistemas heterogéneos e interacciones sociales complejas que son difíciles de modelar con precisión. Lograr que el gemelo digital replique fielmente todas estas dimensiones, especialmente en procesos poco estructurados, requiere herramientas avanzadas de abstracción de eventos (Fornari et al., 2025). 

Además, la sincronización en tiempo real es compleja debido a que los datos pueden estar distribuidos en sistemas con diferentes formatos y protocolos de comunicación. La latencia en la actualización del modelo puede llevar a decisiones basadas en información obsoleta, lo que anula los beneficios del gemelo digital.

4.2. El Factor Humano y la Ética

El comportamiento humano introduce una alta variabilidad en los procesos. Factores como el cansancio, la experiencia y las reacciones impredecibles ante situaciones de estrés afectan la ejecución de las tareas. Por ello, la investigación actual está explorando el concepto de "Gemelos Digitales Humanos" (HDT) para capturar estos matices de manera ética y sin invadir la privacidad del trabajador (Fornari et al., 2025). 

La integración de la inteligencia humana "en el bucle" (human-in-the-loop) es necesario para construir sistemas resilientes que no tomen decisiones erróneas ante situaciones nunca antes vistas por el algoritmo (Li, 2026).

4.3. Fiabilidad de los Datos y Seguridad

La calidad del gemelo digital depende enteramente de la fiabilidad de los datos que recibe. Si los registros de actividad se realizan de forma manual y contienen errores, o si los sensores de IoT fallan, las simulaciones resultantes serán incorrectas. 

Expertos sugieren la integración de tecnologías de cadena de bloques (Blockchain) para garantizar la integridad y seguridad de los datos recolectados, evitando manipulaciones externas y proporcionando una base de confianza para la toma de decisiones automatizada (Fornari et al., 2025).

5. Aplicaciones en Diversos Sectores Industriales

La integración de información industrial y gemelos digitales está transformando sectores que van desde la fabricación pesada hasta la salud.

• Manufactura y Fábricas Inteligentes: En este sector, los gemelos digitales permiten el seguimiento en tiempo real de los procesos de producción para anticipar fallos en la maquinaria mediante mantenimiento predictivo. Empresas como Siemens y Volkswagen ya utilizan estas tecnologías para optimizar sus cronogramas de producción y niveles de inventario, logrando una reducción considerable en los tiempos de inactividad (Fornari et al., 2025).
• Salud y Medicina Personalizada: En el ámbito clínico, los gemelos digitales apoyan la simulación de flujos de trabajo hospitalarios para optimizar la asignación de recursos y mejorar el cuidado del paciente. Además, se están desarrollando modelos para la detección automatizada de enfermedades a través de imágenes médicas asistidas por IA, lo que aumenta la precisión diagnóstica en casos de melanoma o neumonía (Li, 2026).
• Agricultura Inteligente: La automatización está llegando al campo a través de sistemas de navegación autónoma para maquinaria agrícola. Mediante el uso de sensores de teledetección y algoritmos de planificación de rutas, es posible optimizar el uso de fertilizantes y agua, promoviendo una producción de alimentos más sostenible y resiliente ante el cambio climático (Li, 2026).
• Sector Energético: Los parques industriales multi-energía utilizan marcos de despacho coordinado para mejorar la eficiencia en el uso de electricidad y calor. Los gemelos digitales en redes eléctricas inteligentes (smart grids) permiten predecir la demanda de carga y gestionar la integración de energías renovables intermitentes, como la solar y la eólica (Li, 2026).

6. Hacia un Marco Estratégico para la Adopción

Para que una organización transite con éxito hacia el uso de gemelos digitales e IPA, no basta con adquirir software avanzado; se requiere una preparación estructural.

6.1. Requisitos Iniciales de Madurez

Antes de iniciar la implementación, la empresa debe evaluar su nivel de madurez digital. Se considera que el marco estratégico es válido únicamente para organizaciones que ya han iniciado su transformación digital, que están familiarizadas con el RPA y que utilizan sistemas de minería de procesos y herramientas de inteligencia de negocios (Feio, 2022). 

Sin una cultura organizacional abierta al cambio y una infraestructura de datos sólida, cualquier intento de crear un gemelo digital está destinado al fracaso.

6.2. El Proceso de Adopción

Se propone un proceso de seis pasos para la adopción de IPA y gemelos digitales:

• Identificación de necesidades: Utilizar la minería de procesos para detectar cuellos de botella y oportunidades de automatización.
• Priorización y planificación: Construir casos de negocio detallados y seleccionar proyectos basados en el valor esperado y la disponibilidad de datos.
• Análisis de datos y configuración de modelos de IA: Seleccionar y entrenar los algoritmos más adecuados para el problema específico.
• Pruebas y aprendizaje automático: Validar los modelos mediante ciclos de entrenamiento continuo.
• Desarrollo de la automatización: Integrar los modelos de IA con las plataformas de ejecución (RPA o flujos de trabajo).
• Despliegue y seguimiento de beneficios: Monitorizar los resultados en tiempo real y escalar la solución a otros departamentos (Feio, 2022).

Un elemento transversal a todos estos pasos es la comunicación. Es imperativo que las áreas de negocio, tecnología y recursos humanos trabajen de forma coordinada para asegurar que las nuevas herramientas se alineen con los objetivos estratégicos de la empresa (Feio, 2022).

7. La convergencia de los Gemelos Digitales y la Automatización Inteligente en la Transformación Organizacional

La integración de los Gemelos Digitales de Procesos de Negocio (BPDT) y la Automatización Inteligente de Procesos (IPA) se presenta en la literatura actual como un paradigma revolucionario capaz de redefinir la eficiencia operativa. Pero un análisis crítico revela que, si bien el potencial teórico es inmenso, existen brechas significativas en cuanto a su madurez tecnológica, la gestión del factor humano y la fiabilidad de los datos que podrían comprometer su implementación práctica.

7.1. La brecha de madurez y la complejidad del modelado

Una de las debilidades críticas identificadas es la disparidad en los niveles de madurez entre los gemelos digitales de objetos físicos (DTT) y los de procesos de negocio (BPDT). Mientras que los primeros cuentan con décadas de investigación y aplicaciones consolidadas en la manufactura, los BPDT son considerados una frontera mucho menos madura debido a la naturaleza intrínsecamente compleja de los procesos organizacionales.

El reto radica en la fidelidad del modelo. A diferencia de una máquina, un proceso de negocio involucra interacciones sociales, sistemas heterogéneos y normativas que son difíciles de capturar en una réplica virtual exacta. La literatura consultada advierte que, especialmente en procesos no estructurados, la falta de procedimientos estandarizados genera una ambigüedad que dificulta enormemente la creación de modelos de alta fidelidad. Por tanto, existe el riesgo de que las organizaciones operen basadas en réplicas simplistas que no reflejan la verdadera dinámica operativa.

7.2. El factor humano: El eslabón impredecible

Tanto el manifiesto sobre BPDT como la investigación sobre IPA subrayan que el comportamiento humano introduce una variabilidad que desafía la lógica algorítmica. La crítica aquí es doble:

• Dificultad de modelado: Es extremadamente complejo representar digitalmente factores como el cansancio, la experiencia o las reacciones emocionales ante el estrés. El concepto emergente de "Gemelos Digitales Humanos" (HDT) intenta abordar esto, pero aún plantea dilemas éticos sobre la privacidad y la autonomía del trabajador.
• Resistencia y desconfianza: La implementación de IPA suele verse como una amenaza de reemplazo en lugar de un apoyo, lo que genera una cultura de resistencia. Además, el uso de técnicas de "caja negra" (como redes neuronales profundas) en la toma de decisiones automatizada genera desconfianza en los gestores, quienes rara vez aceptan predicciones que carecen de una explicación transparente.

7.3. La dependencia de la infraestructura y la fiabilidad de los datos

La eficacia de un BPDT o de un sistema IPA depende enteramente de la sincronización en tiempo real y la calidad de los datos. Existe una vulnerabilidad crítica: si los datos de entrada son erróneos (debido a fallos en sensores de IoT o errores en el registro manual), las simulaciones y decisiones automatizadas resultantes serán defectuosas.

Además, la deuda tecnológica de los sistemas heredados (legacy systems) actúa como un freno. Muchas organizaciones no poseen la infraestructura necesaria para una integración bidireccional automática, limitándose a "Sombras Digitales" (flujo unidireccional) en lugar de verdaderos "Gemelos Digitales". Sin una alineación previa de la arquitectura empresarial y una alta madurez digital, la adopción de estas tecnologías es, como sugieren las entrevistas a expertos, un ejercicio de "conceptualización" sin resultados tangibles.

7.4. El sesgo de la industria vs. la investigación académica

Un punto de crítica relevante es la prevalencia de marcos de trabajo impulsados por consultoras (como Gartner o Deloitte) con intereses comerciales, en contraste con la escasez de modelos científicos imparciales. La tesis sobre IPA destaca que las empresas a menudo se centran en resolver problemas tecnológicos aislados en lugar de adoptar una visión holística. 

La falta de un marco estratégico estandarizado y validado académicamente obliga a las organizaciones a depender de soluciones fragmentadas que pueden no ser escalables a largo plazo.

8. Propuesta para la Integración de BPDT e IPA

8.1. Implementación de Modelado Híbrido de Alta Fidelidad

Para superar la baja madurez de los modelos actuales y la dificultad de capturar procesos no estructurados, se propone:

• Integración de LLMs para el Descubrimiento: Utilizar Modelos de Lenguaje Extensos (LLMs) para extraer información de procesos a partir de documentación organizacional extensa y no estructurada, cerrando la brecha entre la documentación estática y el modelado dinámico.
• Adopción de Registros de Eventos Centrados en Objetos (OCEL): Sustituir los registros de eventos tradicionales por OCELs para capturar interacciones complejas entre múltiples objetos en un proceso, lo que permite una visión de alta fidelidad que el modelado imperativo clásico suele omitir.
• Enfoque de Multi-modelado: Investigar arquitecturas que combinen diferentes tipos de modelos (imperativos y declarativos) para reflejar tanto los patrones predecibles como las variaciones estocásticas de los procesos de negocio.

8.2. Humanización de la Automatización y Gemelos Digitales Humanos (HDT) 

Atendiendo a la crítica sobre la variabilidad impredecible del factor humano, la propuesta incluye:

• Desarrollo de HDTs Éticos: Implementar "Gemelos Digitales Humanos" que capturen matices como la experiencia, la fatiga y el comportamiento bajo estrés, siempre bajo marcos éticos estrictos que garanticen la dignidad y autonomía del trabajador.
• Fomento de la Inteligencia Explicable (XAI): Para ganar la confianza de los tomadores de decisiones, los sistemas de IPA deben evolucionar de enfoques de "caja negra" hacia modelos de aprendizaje automático causal que proporcionen explicaciones claras sobre sus predicciones y prescripciones.
• Orquestación Simbiótica: Rediseñar la colaboración humano-robot para que los trabajadores digitales manejen tareas repetitivas mientras los humanos actúan como supervisores y gestores de excepciones, permitiendo que la automatización aprenda de las decisiones humanas pasadas.

8.3. Fortalecimiento de la Integridad y Sincronización de Datos

Para resolver los problemas de fiabilidad de los datos y la latencia en sistemas heredados:

• Infraestructuras de Blockchain: Integrar mecanismos de cadena de bloques para asegurar que los datos recolectados por sensores de IoT y registros de actividad sean inalterables (tamper-proof), proporcionando una base de confianza para la toma de decisiones automática.
• Automatización de Pipelines de Datos: Desarrollar mecanismos de Procesamiento de Eventos Complejos (CEP) que permitan la adquisición e integración de datos en tiempo real desde orígenes heterogéneos, reduciendo la latencia de sincronización entre el mundo físico y el digital.
• Uso de RPA para la Integración de Sistemas Heredados: Utilizar la Automatización Robótica de Procesos como una capa puente para la extracción y carga de datos donde las APIs modernas no estén disponibles, facilitando una "Sombra Digital" funcional mientras se moderniza el núcleo tecnológico.

8.4. Marco Estratégico Holístico e Imparcial

Para mitigar el sesgo comercial y asegurar una transformación alineada con la estrategia de negocio:

• Evaluación de Madurez Organizacional: Antes de la implementación técnica, es imperativo evaluar la cultura empresarial y el apoyo de la alta dirección, asegurando que la transformación digital (TD) no sea vista como una serie de proyectos aislados, más bien como un cambio sistémico en el modelo de negocio.
• Ciclo de Adopción Basado en Valor: Incluir el análisis de beneficios proyectados como un paso crítico de priorización en el marco de adopción de IPA, evitando automatizar procesos solamente por factibilidad técnica sin un retorno de valor claro para la organización.
• Prototipado "Digital-First": Fomentar la práctica de simular y optimizar nuevos diseños de procesos en un entorno virtual (BPDT) antes de su implementación física, reduciendo riesgos operativos y acelerando los ciclos de aprendizaje.

9. Conclusiones

La convergencia entre los Gemelos Digitales de Procesos de Negocio y la Automatización Inteligente representa la siguiente frontera de la eficiencia operativa. Mientras que el gemelo digital ofrece un entorno seguro para la experimentación virtual y la monitorización profunda, la automatización inteligente dota a los procesos de la capacidad cognitiva necesaria para adaptarse a un entorno cambiante de forma autónoma.

A pesar de la madurez desigual entre las tecnologías —siendo los gemelos digitales de objetos físicos mucho más avanzados que los de procesos organizacionales—, el potencial para revolucionar la gestión empresarial es innegable. Las organizaciones que logren superar los retos de sincronización de datos y fidelidad de los modelos, y que pongan al ser humano en el centro de su estrategia tecnológica, estarán mejor posicionadas para liderar la economía digital del futuro. La Transformación Digital es un viaje continuo de optimización y aprendizaje facilitado por réplicas virtuales inteligentes de la realidad operativa.

Ciertamente. la convergencia de BPDT e IPA es una promesa tecnológica poderosa que, de ejecutarse correctamente, permite una optimización proactiva y predictiva sin precedentes. Pero la sobreexpectación (hype) debe moderarse con una comprensión realista de las limitaciones actuales. La transformación digital exitosa vendrá de la tecnología de la capacidad de las organizaciones para gestionar la integridad de sus datos, humanizar la automatización y cerrar la brecha entre el modelo digital y la compleja realidad del comportamiento humano en los procesos de negocio.

Finalmente puede que uno de los avances futuros se encuentre en la creación de un ecosistema integrado donde el BPDT sirva como el cerebro de simulación y el IPA como el brazo ejecutor. Esta sinergia debe estar sustentada por una gobernanza de datos robusta, un enfoque centrado en la explicabilidad para el ser humano y un marco estratégico académico que trascienda los intereses puramente comerciales.

10. Recursos Generativos utilizados en la redacción de este artículo

Teniendo en cuenta que se ha seguido la estructura de un artículo científico, formato conocido por la IAG, para la elaboración de este contenido se ha utilizado IAG en la fase de búsqueda de información, así como en la mejora de la redacción y adaptación de esta redacción a un lenguaje coloquial. Asimismo, antes de editarlo se ha pasado el filtro de plagio (11% de coincidencias) y de lenguaje IAG (14% de coincidencias), considerando ambos ratios razonables y asumibles.

__________________

Bibliografía

Andry, J. F., & Setiawan, A. K. (2019). It Governance Evaluation Using Cobit 5 Framework on the National Library. Jurnal Sistem Informasi, 15(1), 10–17.

Baker, M. (2014). Digital Transformation. Buckingham Business Monographs.

Feio, I. C. L. (2022). A Strategic Model and Framework for Intelligent Process Automation [Tesis de Maestría, NOVA Information Management School].

Fornari, F., Compagnucci, I., De Donato, M. C., Bertrand, Y., Beyel, H. H., Carrión, E., Franceschetti, M., Groher, W., Grüger, J., Kilic, E., Koschmider, A., Leotta, F., Li, C.-Y., Lugaresi, G., Malburg, L., Mangler, J., Mecella, M., Pastor, O., Riss, U., Seiger, R., Serral, E., Torres, V., & Valderas, P. (2025). Digital Twins of Business Processes: A Research Manifesto. Internet of Things, 30, 101477.

Haleem, A., Javaid, M., Singh, R. P., Rab, S., & Suman, R. (2021). Hyperautomation for the enhancement of automation in industries. Sensols International, 2, 1–9.

Hinterhuber, A., & Nilles, M. (2021). Digital transformation, the holy grail and the disruption of business models. Business Horizons.

Li, J. (2026). Part I: Industrial Information Integration Review 2020–2025. Journal of Emerging Technologies with Industrial Applications, 1(1), 1.

Morakanyane, R., Philip, C., Mcavoy, J., & Grace, A. (2020). Determining Digital Transformation Success Factors. Proceedings of the 53rd Hawaii International Conference on System Sciences.

Oswald, G., & Kleinemeier, M. (2016). Shaping the Digital Enterprise: Trends and Use Cases in Digital Innovation and Transformation. Springer.

Ray, S., Tornbohm, C., Kerremans, M., & Miers, D. (2019). Move Beyond RPA to Deliver Hyperautomation. Gartner.

Rogers, D. L. (2016). The Digital Transformation Playbook: Rethink Your Business for the Digital Age. Columbia Business School.

Ross, J. W., Beath, C. M., & Mocker, M. (2019). Designed for Digital - How to Architect Your Business for Sustained Success. MIT Press.

Schwertner, K. (2017). Digital transformation of business. Trakia Journal of Science, 15(Suppl.1), 388–393.

Verhoef, P. C., Broekhuizen, T., Bart, Y., Bhattacharya, A., Dong, J. Q., Fabian, N., & Haenlein, M. (2019). Digital transformation: A multidisciplinary reflection and research agenda. Journal of Business Research, 122, 889–901.

Westerman, G., Bonnet, D., & McAfee, A. (2014). Leading Digital - Turning Technology into Business Transformation. Harvard Business Review Press.