 |
| Fuente de la imagen: La vía correcta a seguir (M. Velasco, 2017) |
Resumen: La integración de la Inteligencia Artificial (IA) en el entorno empresarial ha dejado de ser una mera experimentación para convertirse en el contrafuerte básico de la gestión estratégica contemporánea. Se examina la incidencia de la IA en la formulación de estrategias, basándose en la doctrina referenciada. Los resultados indican que áreas como el marketing estratégico, la gestión del capital humano y la sostenibilidad están experimentando transformaciones profundas debido a la adopción de modelos de razonamiento avanzado y agentes autónomos. Se observa una bifurcación creciente entre las organizaciones que logran escalar estas tecnologías y aquéllas otras que permanecen rezagadas por deudas técnicas o falta de visión estratégica. La revisión de la literatura concluye que la IA actúa como una herramienta de apoyo, pero, también, está evolucionando hacia un rol de "estratega autónomo", redefiniendo la toma de decisiones, la estructura organizativa y la ventaja competitiva en la economía global.
Palabras clave: inteligencia artificial, gestión estratégica, estrategia organizacional, agentes autónomos, transformación digital.
Abstract: The integration of Artificial Intelligence (AI) into the business environment has moved beyond mere experimentation to become the cornerstone of contemporary strategic management. This article examines the impact of AI on strategy formulation, based on established doctrine. The results indicate that areas such as strategic marketing, human capital management, and sustainability are undergoing profound transformations due to the adoption of advanced reasoning models and autonomous agents. A growing divide is observed between organizations that successfully scale these technologies and those that lag behind due to technical debt or a lack of strategic vision. The literature review concludes that AI acts as a support tool but is also evolving into an "autonomous strategist" role, redefining decision-making, organizational structure, and competitive advantage in the global economy.
Keywords: artificial intelligence, strategic management, organizational strategy, autonomous agents, digital transformation.
1. Introducción
La evolución tecnológica de la última década ha posicionado a la Inteligencia Artificial (IA) como una disciplina capaz de combinar la neurociencia cognitiva con la ingeniería del conocimiento para resolver problemas complejos (Izaguirre Olmedo & Vélez Martell, 2025). En el contexto actual, la IA ha trascendido su papel como herramienta de procesamiento de datos para convertirse en una fuerza que redefine la competitividad global (Accenture Strategy, 2025). Las organizaciones se encuentran en el umbral de lo que se denomina la "Era de la Inteligencia", donde la planificación estática está siendo reemplazada por estrategias adaptativas que responden en tiempo real a las fluctuaciones del mercado (KPMG International, 2026).
La importancia de este cambio se encuentra en la velocidad de adopción. Mientras que tecnologías previas tardaron décadas en alcanzar una masa crítica de usuarios, la IA generativa ha logrado una penetración masiva en cuestión de meses, creando un efecto de "volante de inercia" donde las mejoras en datos, inversión e infraestructura se retroalimentan y aceleran exponencialmente (Deloitte Tech Trends, 2026). Este dinamismo obliga a los líderes empresariales a cuestionar si sus marcos de decisión tradicionales siguen siendo válidos en un entorno donde la obsolescencia técnica ocurre antes de que los planes estratégicos lleguen a ejecutarse plenamente (KPMG International, 2026).
A partir de la revisión de la literatura referenciada, este artículo se propone analizar cómo la IA incide en la gestión estratégica empresarial, identificando las áreas de mayor impacto y los desafíos que enfrentan los directivos para materializar el retorno de inversión en estas tecnologías. A través de la revisión de fuentes académicas y reportes de consultoría líderes, se explora la transición hacia empresas "nativas de IA" y el surgimiento de una fuerza laboral híbrida compuesta por humanos y agentes de silicio.
Para comprender la incidencia de la IA en la gestión estratégica, se toma como referencia los estudios referenciados en la bibliografía, así como el análisis bibliométrico que analizó investigaciones de bases de datos de alto prestigio como Scopus y Web of Science (Izaguirre Olmedo & Vélez Martell, 2025), que permitió clasificar la producción científica por áreas estratégicas y años, revelando una concentración creciente en marketing, administración y capital humano. Adicionalmente, se integran hallazgos de encuestas globales realizadas a miles de ejecutivos tecnológicos, proporcionando una visión cuantitativa y cualitativa sobre la madurez tecnológica y las expectativas de crecimiento para el bienio 2025-2026 (KPMG International, 2026; McKinsey & Company, 2025). La interpretación de estos datos busca resumir las tendencias, ofreciendo un marco conceptual que explique la reorganización de las estructuras de poder y decisión dentro de las corporaciones modernas.
2. La Reconfiguración de la Estrategia Corporativa
La gestión estratégica tradicional ha dependido históricamente de ciclos de planificación a largo plazo y análisis de escenarios realizados manualmente por consultores humanos (OpenAI & Strategy Consulting, 2024). Pero la aparición de modelos de razonamiento avanzado, como los sistemas de la serie o3 y futuros desarrollos de lenguaje, está permitiendo que la planificación estratégica se convierta en un proceso continuo y dinámico (OpenAI & Strategy Consulting, 2024). Estos modelos analizan datos y ejecutan un "razonamiento simulado", permitiendo que la IA evalúe y refine opciones estratégicas con una profundidad similar a la deliberación humana.
En este nuevo paradigma, la IA permite la generación autónoma de hipótesis, donde un sistema puede proponer múltiples opciones estratégicas en una fracción del tiempo que requeriría un equipo de consultoría tradicional (OpenAI & Strategy Consulting, 2024), transformando la toma de decisiones reactiva en una planificación proactiva basada en datos. Los directivos ya no esperan a informes trimestrales, interactúan con tableros de control de IA que sintetizan la inteligencia competitiva, el sentimiento del consumidor y los riesgos geopolíticos de forma inmediata (OpenAI & Strategy Consulting, 2024).
3. IA Agéntica y la Fuerza Laboral de Silicio
Un cambio identificado en la literatura revisada es el paso de la IA como herramienta de asistencia a la IA como agente autónomo. La IA agéntica se define como sistemas capaces de planificar y ejecutar tareas complejas de varios pasos sin intervención humana directa (McKinsey & Company, 2025), agentes que actúan como "compañeros de trabajo virtuales" que pueden gestionar desde procesos de atención al cliente hasta flujos de trabajo de ingeniería de software (McKinsey & Company, 2025).
A pesar del entusiasmo, la transición hacia una organización agéntica presenta retos significativos. Solamente una pequeña fracción de las empresas ha logrado implementar estos sistemas en producción total, principalmente debido a que muchas intentan automatizar procesos ya fallidos en lugar de rediseñarlos para que sean compatibles con la IA (Deloitte Tech Trends, 2026). El éxito en esta área requiere que los líderes tengan el valor de reconstruir los modelos operativos, pasando de equipos jerárquicos a estructuras más planas y ágiles donde humanos y máquinas colaboran de manera simbiótica (KPMG International, 2026; McKinsey & Company, 2025). En este contexto, surge la figura del "Arquitecto de Estrategia de IA", un nuevo rol profesional encargado de orquestar la integración de estos conocimientos algorítmicos en los objetivos corporativos (OpenAI & Strategy Consulting, 2024).
4. Impacto Sectorial y Especialización
La incidencia de la IA varía según el sector, creando una economía de "dos velocidades" (Accenture Strategy, 2025). Sectores altamente competitivos como la programación, los medios y el marketing están experimentando transformaciones. En marketing, la IA permite una personalización profunda y una analítica predictiva que optimiza las estrategias basadas en datos, considerándolos como el "nuevo petróleo" del siglo XXI (Izaguirre Olmedo & Vélez Martell, 2025; FTSG, 2025). Las empresas que no logran sumar estas tecnologías complementarias, como la computación en la nube y el aprendizaje automático, ven estancados sus ingresos frente a competidores que sí lo hacen (Izaguirre Olmedo & Vélez Martell, 2025).
En sectores como la manufactura, la IA es necesaria para la eficiencia operativa en el marco de la Industria 4.0. Ahora bien, para ser eficaz, se requiere equilibrar el conocimiento técnico tradicional con las nuevas capacidades analíticas (Izaguirre Olmedo & Vélez Martell, 2025). Por otro lado, la salud está viendo una revolución en la cadena de suministro y la gestión de riesgos, aunque las elevadas inversiones necesarias pueden dificultar la colaboración entre los distintos actores del sector (Izaguirre Olmedo & Vélez Martell, 2025).
La sostenibilidad corporativa ha emergido recientemente como un área estratégica donde la IA juega un papel cada vez más relevante para la creación de valor social y ambiental (Izaguirre Olmedo & Vélez Martell, 2025). Se están desarrollando marcos de trabajo que utilizan la IA para impulsar los objetivos de sostenibilidad, aunque todavía existe una brecha de conocimiento sobre cómo integrar estas herramientas de manera efectiva para lograr un impacto real y no meramente cosmético (Izaguirre Olmedo & Vélez Martell, 2025; Zechiel et al., 2024).
5. El Desafío de la Infraestructura y la Inferencia Económica
A medida que las organizaciones escalan el uso de la IA, se enfrentan a lo que se describe como un "ajuste de cuentas de infraestructura" (Deloitte Tech Trends, 2026). Si bien los costos de inferencia han disminuido drásticamente, el gasto total en IA está explotando debido al crecimiento masivo del uso. Esto ha llevado a las empresas líderes a adoptar arquitecturas híbridas, utilizando la nube para cargas variables pero recurriendo a infraestructura propia o procesamiento en el borde (edge computing) para aplicaciones críticas que requieren baja latencia o mayor seguridad de datos (Deloitte Tech Trends, 2026; McKinsey & Company, 2025).
Además, la demanda energética de los centros de datos necesarios para entrenar y ejecutar modelos de IA está ejerciendo una presión sin precedentes sobre los sistemas eléctricos nacionales (Accenture Strategy, 2025; FTSG, 2025). Esta realidad impulsa a los gigantes tecnológicos a invertir directamente en fuentes de energía libre de carbono, como los reactores nucleares modulares pequeños (SMR), para asegurar el suministro futuro de sus sistemas (FTSG, 2025). El acceso a la energía se está convirtiendo así en un diferenciador estratégico: las organizaciones con acceso a computación barata y sostenible tendrán una ventaja competitiva insalvable (FTSG, 2025).
6. Geopolítica, Soberanía Tecnológica y Confianza
La carrera por la supremacía en IA se ha convertido en el principal campo de batalla geopolítico, liderado por Estados Unidos y China, que concentran la gran mayoría de la inversión privada global (Accenture Strategy, 2025; McKinsey & Company, 2025), competencia que está forzando a gobiernos y empresas a elegir entre ecosistemas tecnológicos rivales o a desarrollar soluciones híbridas que equilibren la seguridad técnica con la asequibilidad (Accenture Strategy, 2025). El concepto de "IA Soberana" ha ganado tracción, con naciones que buscan reducir su dependencia de tecnologías extranjeras para proteger sus intereses nacionales (McKinsey & Company, 2025).
Paralelamente, la confianza se ha vuelto el "portero" de la adopción masiva. Los consumidores y empleados muestran una preocupación creciente por la ética, la privacidad de los datos y el sesgo algorítmico (Accenture Strategy, 2025; McKinsey & Company, 2025). En particular, se ha observado que la percepción de una supervisión humana real es clave para mitigar las respuestas negativas de los consumidores ante contenidos generados por IA (Izaguirre Olmedo & Vélez Martell, 2025). Las organizaciones deben, por tanto, innovar técnicamente y construir marcos de gobernanza transparentes que aseguren la integridad de sus sistemas (KPMG International, 2026).
7. El Futuro de la Consultoría de Estrategia
El impacto de la IA en la consultoría de estrategia es tan profundo que algunos análisis sugieren la obsolescencia del modelo tradicional para el año 2030 (OpenAI & Strategy Consulting, 2024). Las firmas nativas de IA están desafiando a los gigantes tradicionales al ofrecer servicios de suscripción basados en inteligencia estratégica continua en lugar de proyectos cerrados basados en horas facturables (OpenAI & Strategy Consulting, 2024).
La pirámide jerárquica de la consultoría, donde los analistas júnior realizan la mayor parte del trabajo de recolección de datos, está colapsando (OpenAI & Strategy Consulting, 2024). La IA ahora puede realizar investigaciones de mercado, modelado financiero y análisis competitivo en segundos (OpenAI & Strategy Consulting, 2024), lo que desplaza el valor del consultor humano hacia la interpretación, la orquestación de modelos y la gestión del cambio organizacional, enfocándose en problemas de alto nivel que requieren intuición y juicio ético (OpenAI & Strategy Consulting, 2024).
8. Los Claroscuros de la Estrategia en la Era de la Inteligencia
La transición hacia la denominada "Era de la Inteligencia" se presenta a menudo como un camino lineal de progreso, pero un análisis profundo de la literatura referenciada revela que esta transformación está plagada de contradicciones y riesgos sistémicos. Aunque la IA promete una agilidad sin precedentes, su implementación actual enfrenta barreras que podrían invalidar los beneficios esperados si no se abordan con rigor crítico.
8.1. La brecha de ejecución: El peligro de automatizar la ineficiencia
Una de las críticas más severas a la tendencia de la "IA agéntica" es lo que se denomina el "agentic reality check". Existe una desconexión alarmante entre la ambición empresarial y la realidad operativa: mientras muchas organizaciones pilotan soluciones, solamente una minoría (un 11%) ha logrado llevar agentes a producción total. El riesgo se encuentra en que las empresas están intentando automatizar procesos que ya se encuentran rotos o son ineficientes, en lugar de rediseñarlos desde cero. Como bien señaló Henry Ford, no hay progreso en encontrar una manera mejor de hacer algo que no debería hacerse en absoluto. La predicción de que el 40% de los proyectos de IA agéntica fallarán para 2027 subraya que la tecnología, por sí sola, no puede corregir una estructura organizativa defectuosa.
8.2. El espejismo de la madurez y la deuda técnica
Existe una peligrosa disonancia cognitiva en los niveles directivos respecto a la madurez tecnológica. Las encuestas indican que una gran cantidad de ejecutivos esperan alcanzar el nivel máximo de madurez para 2026, a pesar de que la gran mayoría se encuentra lejos de ese objetivo hoy en día. Esta ambición ignora la deuda técnica acumulada: sistemas heredados (legacy) que no fueron diseñados para la interacción agéntica y arquitecturas de datos que carecen de la estandarización necesaria. Intentar escalar IA sobre estas bases frágiles es, en términos estratégicos, una receta para el sobrecoste y el fracaso operativo.
8.3. La paradoja económica y ecológica del cómputo
La tendencia hacia el escalamiento masivo de modelos de IA enfrenta una "rendición de cuentas de infraestructura". Aunque el coste por "token" ha disminuido drásticamente, el gasto total está explotando debido al aumento exponencial del uso, llevando a facturas mensuales que alcanzan decenas de millones de dólares. A esto se suma una crisis energética inminente: la demanda de los centros de datos de IA podría superar con creces la capacidad de crecimiento de las redes eléctricas nacionales. La dependencia de soluciones como los Pequeños Reactores Modulares (SMR) es todavía una apuesta a futuro que no resuelve la presión actual sobre los recursos hídricos y eléctricos, lo que plantea serias dudas sobre la sostenibilidad a largo plazo de esta carrera tecnológica.
8.4. La erosión del juicio humano y la crisis de confianza
La sustitución de la consultoría estratégica humana por "motores de decisión autónomos" plantea dilemas éticos profundos. Los modelos de IA, aunque avanzados, siguen siendo "cajas negras" cuya lógica de razonamiento no siempre es transparente (XAI). La tendencia a confiar decisiones críticas —como la aprobación de créditos, diagnósticos médicos o contrataciones de personal— a algoritmos que pueden perpetuar sesgos raciales o de género es una vulnerabilidad estratégica y legal masiva. La caída en la confianza pública hacia las empresas de IA (del 61% al 53% en pocos años) sugiere que la transparencia y la supervisión humana más que meros añadidos éticos, son "porteros" críticos para la adopción comercial.
8.5. Geopolítica y fragmentación: El riesgo de la "soberanía tecnológica"
Finalmente, la carrera por la supremacía entre Estados Unidos y China está forzando una fragmentación del ecosistema global, o "splinternet". Esta competencia impulsa un "nacionalismo de IA" que puede derivar en una colonización digital, donde las naciones sin capacidades propias quedan supeditadas a los valores y sesgos de los sistemas extranjeros. Para una empresa global, navegar por este mapa de regulaciones en conflicto y requisitos de soberanía de datos incrementa la complejidad operativa y reduce la eficiencia que la propia IA prometía aportar.
9. Hacia la Gran Reconstrucción: Nuevos Horizontes de Autonomía y Resiliencia Estratégica
Basándose en el análisis de la doctrina referenciada y considerando los riesgos operativos y éticos identificados en punto anterior (8), es posible proyectar una serie de nuevas tendencias emergentes que definirán la gestión estratégica en los próximos años. Estas tendencias buscan la eficiencia tecnológica, respondiendo directamente a los cuellos de botella de infraestructura, la crisis de confianza y la necesidad de una reingeniería organizacional profunda.
A continuación, se presentan las posibles nuevas tendencias en la gestión estratégica:
9.1. Transición hacia la "Arquitectura Nativa de Agentes" (Agent-First Redesign)
Tras el denominado "agentic reality check", que revela que la mayoría de los proyectos fallan al intentar automatizar procesos obsoletos, la tendencia se desplazará de la simple automatización a una reconstrucción total de las organizaciones bajo un modelo nativo de IA.
• En qué consiste: Las empresas dejarán de "añadir" IA a sus flujos de trabajo actuales. En su lugar, rediseñarán sus modelos operativos desde cero para que sean compatibles con una fuerza laboral compuesta por humanos y agentes de silicio.
• Impacto estratégico: Esto implica la creación de sistemas modulares y observabilidad total, donde la estructura misma de la empresa sea flexible y capaz de evolucionar continuamente ("always beta by design"). El éxito ya no se medirá por la tecnología poseída, será por la velocidad de ejecución y la capacidad de conectar la inversión con resultados medibles.
9.2. Autarquía Energética y "Fábricas de IA" Sostenibles
Debido a la inminente crisis energética provocada por la demanda de los centros de datos, que podría triplicarse para 2030, las grandes corporaciones adoptarán una estrategia de independencia energética digital.
• En qué consiste: Las empresas líderes dejarán de depender exclusivamente de la red eléctrica pública y se convertirán en productores de energía, invirtiendo directamente en Pequeños Reactores Modulares (SMR) y fuentes de energía libre de carbono para alimentar sus "fábricas de IA".
• Impacto estratégico: El acceso a energía barata y constante se convertirá en un diferenciador competitivo insalvable. Las organizaciones que aseguren su propio suministro energético podrán escalar sus capacidades de cómputo mientras sus competidores se ven limitados por racionamientos o costos prohibitivos de la red.
9.3. La Emergencia de la "Inteligencia Viva" (Living Intelligence)
La convergencia entre la IA, los sensores avanzados y la biotecnología dará lugar a una nueva forma de gestión estratégica basada en sistemas que sienten, aprenden y evolucionan biológicamente.
• En qué consiste: Se pasará de modelos que solamente procesan texto a sistemas de inteligencia viva que interactúan con el mundo físico de forma adaptativa. Esto incluye el uso de computación neuromórfica (inspirada en el cerebro) e incluso inteligencia organoide, que utiliza tejido biológico para procesar datos con un consumo energético mínimo.
• Impacto estratégico: Esta tendencia permitirá a las empresas crear productos y entornos que respondan en tiempo real al comportamiento humano y biológico, abriendo mercados en salud predictiva y materiales inteligentes que se reparan a sí mismos.
9.4. Estrategia de "Soberanía de Datos" y Micro-Ecosistemas Especializados
Como respuesta a la fragmentación geopolítica (el riesgo de "digital colonization" o colonización digital), las organizaciones priorizarán la creación de ecosistemas tecnológicos soberanos y especializados.
• En qué consiste: En lugar de depender de modelos de IA generales y masivos de terceros, las empresas y naciones desarrollarán pequeños modelos de lenguaje (SLMs) y modelos específicos de dominio que sean altamente precisos y se ejecuten localmente o en "nubes soberanas".
• Impacto estratégico: Esto reducirá la dependencia de los gigantes tecnológicos de EE. UU. y China, mitigando riesgos de seguridad y cumplimiento normativo. La ventaja competitiva se desplazará hacia el control de conjuntos de datos propietarios y la capacidad de operar en red de manera descentralizada.
9,5. Gestión del "Activo de Confianza" (Trust-by-Design Governance)
Dado que la confianza es el principal freno para la adopción masiva de la IA, la gestión estratégica evolucionará hacia una gobernanza de la confianza como un activo tangible.
• En qué consiste: Las empresas implementarán marcos de IA explicable (XAI) y auditorías de soberanía de datos para asegurar la transparencia hacia clientes y empleados. Se utilizarán tecnologías de identidad digital biométrica y blockchain para certificar la autenticidad de la información y combatir la desinformación.
• Impacto estratégico: La confianza no se conceptualizará como tema de relaciones públicas, será un valor de mercado. Las marcas percibidas como éticas y transparentes tendrán rendimientos bursátiles significativamente superiores a las que no prioricen la responsabilidad algorítmica.
9.6. Redes de Suministro Autogestionadas y "Auto-Sanables" (Self-Healing Networks)
La gestión estratégica de operaciones pasará de ser reactiva a ser completamente autónoma y proactiva, utilizando modelos de acción (LAMs) y gemelos digitales.
• En qué consiste: Surgirán las redes auto-sanables que detectan interrupciones (como desastres climáticos o conflictos geopolíticos) y reconfiguran las rutas, proveedores y recursos en tiempo real sin intervención humana.
• Impacto estratégico: Las empresas alcanzarán la excelencia operativa al eliminar la latencia en la toma de decisiones. Esto permitirá una personalización masiva y una logística de "última milla instantánea", donde los productos se fabrican localmente mediante manufactura aditiva y se entregan mediante flotas autónomas.
9.7. Estrategia Cuántica de Alta Complejidad
Con la computación cuántica alcanzando su punto de inflexión, la planificación estratégica empezará a utilizar algoritmos cuánticos para resolver problemas de optimización que hoy son imposibles.
• En qué consiste: Se utilizarán modelos híbridos (clásicos-cuánticos) para simulaciones financieras de riesgo extremo, descubrimiento acelerado de nuevos materiales y optimización masiva de redes energéticas.
• Impacto estratégico: Las organizaciones con acceso a capacidades cuánticas podrán realizar una gestión de riesgos de "alta definición", adelantándose a colapsos de mercado o identificando oportunidades de arbitraje en microsegundos.
10. Conclusiones
La incidencia de la inteligencia artificial en la gestión estratégica empresarial representa un cambio de era más que una simple transición tecnológica. La capacidad de los sistemas actuales para razonar, aprender y actuar de forma autónoma está desmantelando y reconstruyendo las estructuras organizativas desde su núcleo (Deloitte Tech Trends, 2026). La literatura revisada revela que el éxito estratégico ya no depende de poseer la tecnología más sofisticada, se encuentra vinculado a la agilidad para rediseñar procesos operativos y la disciplina para conectar la inversión técnica con resultados de negocio medibles (Deloitte Tech Trends, 2026).
Se concluye que la IA se convertirá en el "cerebro corporativo", monitoreando y ejecutando estrategias en tiempo real mientras los líderes humanos asumen roles de supervisores éticos y arquitectos de visión (OpenAI & Strategy Consulting, 2024). No obstante, esta transformación no está exenta de riesgos, desde la vulnerabilidad de la infraestructura física hasta la erosión de la confianza pública y la creciente brecha entre las organizaciones líderes y las rezagadas.
Para navegar este entorno volátil, las empresas deben priorizar la resolución de su deuda técnica, estandarizar sus datos y fomentar una cultura de aprendizaje continuo (KPMG International, 2026). Aquellas organizaciones que logren integrar la IA como un colaborador central y no como un mero añadido táctico, estarán mejor posicionadas para liderar la próxima ola de innovación empresarial y desarrollo sostenible en la economía global.
Si bien la integración de la IA en la gestión estratégica ofrece un potencial transformador innegable, la crítica razonada sugiere que la velocidad ha pasado a ser enemiga de la solidez. Las organizaciones que triunfarán no tienen por qué ser necesariamente las que adopten la tecnología más sofisticada, arrollarán aquéllas que tengan la disciplina de resolver su deuda técnica, la ética para mantener al humano en el bucle de decisión y la visión de construir estrategias que sean tanto económicamente rentables como ecológicamente sostenibles.
Finalmente, la gestión estratégica dejará de ser un ejercicio de "predecir el futuro" para convertirse en la arquitectura de decisiones de alta velocidad basada en un bucle continuo de aprendizaje máquina-humano. El nuevo líder no será quien tenga más datos, el éxito lo obtendrá quien logre orquestar un ecosistema de agentes autónomos, infraestructura resiliente y una cultura de adaptabilidad, manteniendo siempre el juicio humano para los dilemas éticos y la visión a largo plazo.
11. 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 ésta a un lenguaje coloquial. Asimismo, antes de editarlo se ha pasado el filtro de plagio (12% de coincidencias) y de lenguaje IAG (14% de coincidencias), considerando ambos ratios razonables y asumibles.
______________
12. Referencias Bibliográficas (Literatura Revisada)
Accenture Strategy. (2025). Macro Foresight Brief 2026: Top 10 Trends. Accenture.
Adhikari, A., Joshi, R. & Basu, S. (2023). Collaboration and coordination strategies for a multi-level AI-enabled healthcare supply chain under disaster. International Journal of Production Research.
Alshaketheep, K., Mansour, A. M., Al-Ma'aitah, M. M. L., Dabaghia, M. N. & Dabaghie, Y. M. (2024). Leveraging AI Predictive Analytics for Marketing Strategy: The Mediating Role of Management Awareness. Journal of System and Management Sciences, 14(2), 71–89.
Bhalla, N. (2019). The 3S process: A framework for teaching AI strategy in business education. Technology Innovation Management Review, 9(12), 36–42.
Biloslavo, R., Edgar, D., Aydin, E. and Bulut, C. (2023). Artificial intelligence (AI) and strategic planning process within VUCA environments: a research agenda and guidelines. Management Decision.
Broadhurst, M. (2022). How businesses of any size can use AI in a digital marketing strategy. Applied Marketing Analytics, 8(2), 122–132.
Chotia, V., Cheng, Y., Agarwal, R. & Vishnoi, S.K. (2024). AI-enabled Green Business Strategy: Path to carbon neutrality via environmental performance and green process innovation. Technological Forecasting and Social Change, 202, 123-315.
hung, E. (2023). Domain Knowledge-Based Human Capital Strategy in Manufacturing AI. IEEE Engineering Management Review, 51(1), 108–122.
Deloitte. (2026). Tech Trends 2026. Deloitte Development LLC.
Future Today Strategy Group. (2025). 2025 Tech Trends Report (18th ed.). FTSG.
Haupt, M., Freidank, J. & Haas, A. (2024). Consumer responses to human-AI collaboration at organizational frontlines: strategies to escape algorithm aversion in content creation. Review of Managerial Science.
Huang, M. H. & Rust, R.T. (2020). A strategic framework for artificial intelligence in marketing. Journal of the Academy of Marketing Science, 49, 30–50.
Izaguirre Olmedo, J. A., & Vélez Martell, J. E. (2025). Incidencia de la inteligencia artificial en la gestión estratégica. Opuntia Brava, 17(2).
KPMG International. (2026). Global Tech Report 2026: Leading in the Intelligence Age. KPMG.
Krzywdzinski, M., Gerst, D. & Butollo, F. (2023). Promoting human-centred AI in the workplace. Trade unions and their strategies for regulating the use of AI in Germany. Transfer: European Review of Labour and Research, 29(1), 53–70.
Le, A. V. & Metzger, W. (2024). Assessing the impact and challenges of AI-based language models on the education sector: a proposal for new assessment strategies and design. Journal of Teaching in Travel and Tourism, 24(2), 167–178.
Lee, Y. S., Kim, T., Choi, S. & Kim, W. (2022). When does AI pay off? AI adoption intensity, complementary investments, and R&D strategy. Technovation, 118, 102590.
McKinsey Global Institute. (2025). Technology Trends Outlook 2025. McKinsey & Company.
OpenAI & Strategy Consulting Partners. (2024). The Future of Strategy Consulting in the AI Era: The Transformative Impact of AI Models Like OpenAI o3 and GPT-5. White paper.
PwC. (2026). Leading through uncertainty in the age of AI: 29th Global CEO Survey. PwC.
Ruokonen, M. & Ritala, P. (2023). How to succeed with an AI-first strategy? Journal of Business Strategy.
Stone, M., Aravopoulou, E., Ekinci, Y., Evans, G., Hobbs, M., Labib, A., Laughlin, P., Machtynger, J. & Machtynger, L. (2020). Artificial intelligence (AI) in strategic marketing decision-making: a research agenda. The Bottom Line, 33(2), 183-200.
Tariq, M. U., Poulin, M. & Abonamah, A. A. (2021). Achieving Operational Excellence Through Artificial Intelligence: Driving Forces and Barriers. Frontiers in Psychology, 12.
Torres, J. M. (2024). Leveraging ChatGPT and bard for academic librarians and information professionals: a case study of developing pedagogical strategies using generative AI models. Journal of Business and Finance Librarianship, 29(3), 169–182.
Vomberg, A., Schauerte, N., Krakowski, S., Ingram-Bogusz, C., Gijsenberg, M. & Bleier, A. (2023). The cold-start problem in nascent AI strategy: Kickstarting data network effects. Journal of Business Research, 168.
Zechiel, F., Blaurock, M., Weber, E., Büttgen, M. & Coussement, K. (2024). How tech companies advance sustainability through artificial intelligence: Developing and evaluating an AI x Sustainability strategy framework. Industrial Marketing Management, 119, 75–89.
Zhang, T., Feng, C., Chen, H. & Xian, J. (2022). Calming the customers by AI: Investigating the role of chatbot acting-cute strategies in soothing negative customer emotions. Electronic Markets, 32(4), 2277–2292.
Zhou, A., Tsai, W. & Men, L. R. (2024). Optimizing AI Social Chatbots for Relational Outcomes: The Effects of Profile Design, Communication Strategies, and Message Framing. International Journal of Business Communication.
