Inteligencia Artificial y Anal´ítica de Datos en el Mundo Digital
Su Impacto en la Toma de Decisiones
Palabras clave:
Inteligencia Artificial, Decisiones, Mundo Digital, Analítica de datosResumen
La era digital se caracteriza por un escenario en el que existe abundancia de datos, y en dónde las organizaciones que mejor pueden aprovecharlos desplazan a las que no. También existe una tendencia hacia los productos, servicios y procesos digitales, que superan a sus predecesores del mundo “físico”. Todo esto se ha potenciado con el avance de la inteligencia artificial (IA). Este artículo se ha propuesto dar respuesta a una serie de interrogantes que permitan clarificar los motivos que hacen que el mundo digital avance, y cómo analizar estos avances con relación a la analítica de dato, la IA, y su aporte al proceso decisorio. Finalmente se aborda, qué tipo de decisiones son más proclives para su automatización mediante la IA. De esta forma se ha buscado generar un aporte para el diseño de las soluciones digitales que intenten incorporar la inteligencia artificial en los procesos decisorios de las organizaciones.
Descargas
Citas
1. Hilbert, M. (2020). Digital technology and social change: The digital transformation of so-ciety from a historical perspective. Dialogues in Clinical Neuroscience, 22(2), 189–194. https://doi.org/10.31887/DCNS.2020.22.2/mhilbert
2. Schwab, K. (2016). La cuarta revolución industrial. Debate. https://books.google.com/books/about/La_cuarta_revoluci%C3%B3n_industrial.html?hl=es&id=BRonDQAAQBAJ
3. Chandler, D. (2015). A world without causation: Big data and the coming of age of posthu-manism. Millennium: Journal of International Studies, 43(3), 833–851.
4. Chinkes, E., Fernández Blanco, M. L., & Coronel, L. (2015, 19 de septiembre). Big data: El dato en un rol estratégico, un desafío para las soluciones de gestión de datos. Jornada Aca-démica del Departamento Pedagógico de Sistemas 2015, Facultad de Ciencias Económicas, Universidad de Buenos Aires.
5. Davenport, T. H., & Bean, R. (2018, 15 de febrero). Big companies are embracing analytics, but most still don’t have a data-driven culture. Harvard Business Review. https://hbr.org/2018/02/big-companies-are-embracing-analytics-but-most-still-dont-have-a-data-driven-culture
6. Schmarzo, B. (2013). Big data: Understanding how data powers big business. John Wiley & Sons.
7. Hilbert, M. (2017). Information quantity. En L. A. Schintler & C. L. McNeely (Eds.), Ency-clopedia of Big Data (pp. 1–4). Springer. https://doi.org/10.1007/978-3-319-32001-4_511-1
8. Zhou, X., Yang, Z., Hyman, M. R., Li, G., & Munim, Z. H. (2022). Guest editorial: Impact of artificial intelligence on business strategy in emerging markets: A conceptual framework and future research directions. International Journal of Emerging Markets, 17(4), 917–929. https://doi.org/10.1108/IJOEM-04-2022-995
9. Fosso Wamba, S. (2022). Impact of artificial intelligence assimilation on firm performance: The mediating effects of organizational agility and customer agility. International Journal of Information Management, 67, 102544. https://doi.org/10.1016/j.ijinfomgt.2022.102544
10. OpenAI. (2023). GPT-4 technical report. arXiv. https://doi.org/10.48550/arXiv.2303.08774
11. Taloni, A., Borselli, M., Scarsi, V., Rossi, C., Coco, G., Scorcia, V., & Giannaccare, G. (2023). Comparative performance of humans versus GPT-4.0 and GPT-3.5 in the self-assessment program of American Academy of Ophthalmology. Scientific Reports, 13, 18562. https://doi.org/10.1038/s41598-023-45837-2
12. Jarrahi, M. H. (2018). Artificial intelligence and the future of work: Human-AI symbiosis in organizational decision making. Business Horizons, 61(4), 577–586. https://doi.org/10.1016/j.bushor.2018.03.007
13. McKendrick, J., & Thurai, A. (2022). AI isn’t ready to make unsupervised decisions. Har-vard Business Review.
14. Steyvers, M., & Kumar, A. (2023). Three Challenges for AI-Assisted Decision-Making. Perspectives on Psychological Science, 19(5), 722-734. https://doi.org/10.1177/17456916231181102 (Original work published 2024)
15. Global Economics Analyst. (2023). The potentially large effects of artificial intelligence on economic growth.
16. ASALE, R.-, & RAE. (s. f.). Mundo | Diccionario de la lengua española. Diccionario de la lengua española - Edición del Tricentenario. Recuperado el 18 de junio de 2024 de https://dle.rae.es/mundo
17. Quiroa, M. (2020, 1 de mayo). Bienes y servicios: Qué son y cómo diferenciarlos. Economipedia. https://economipedia.com/definiciones/bienes-y-servicios.html
18. Catapano, R., Shennib, F., & Levav, J. (2022). Preference reversals between digital and physical goods. Journal of Marketing Research, 59(2), 353–373. https://doi.org/10.1177/00222437211065020
19. Quah, D. (2003). Digital goods and the new economy. Centre for Economic Performance.
20. Hilbert, M., Jalife Villalón, S., Rodríguez Armenta, C. E., Ruiz Martínez, P. M., Llorens, F., Sánchez Osorio, C. C., & Chinkes, E. (2022). Estrategia y transformación de las universida-des: Un enfoque para el gobierno universitario. Banco Interamericano de Desarrollo. https://doi.org/10.18235/0004200
21. Rogers, D. L. (2016). The digital transformation playbook: Rethink your business for the digital age. Columbia Business School Publishing.
22. Pavesi, P. F. J. (2003). Cinco lecturas prácticas sobre el decidir. Centro de Estudiantes de Ciencias Económicas, FCE-UBA.
23. Simon, H. A. (2011). El comportamiento administrativo. Errepar.
24. Bonatti, P. (2019). Las meta decisiones y la teoría de la racionalidad instrumental mínima. Ciencias Administrativas, 13, 69–87.
25. Pavesi, P. F. J. (2000). La decisión. Ediciones Cooperativas.
26. Chinkes, E. (2008). Business intelligence para mejores decisiones de negocio. EDICON.
27. Ravat, F., & Zhao, Y. (2019). Data lakes: Trends and perspectives. En S. Hartmann et al. (Eds.), Database and Expert Systems Applications (Vol. 11706, pp. 304–313). Springer. https://doi.org/10.1007/978-3-030-27615-7_23
28. Darlington, K. (2020, 30 de noviembre). Automóviles completamente autónomos: ¿Reali-dad? OpenMind. https://www.bbvaopenmind.com/tecnologia/innovacion/automoviles-completamente-autonomos-como-y-cuando-realidad/
29. Chinkes, E. (2024). La analítica de datos y su impacto para las decisiones de las autorida-des superiores en las universidades nacionales argentinas [Tesis doctoral, Universidad de Buenos Aires]. Biblioteca Digital FCE http://bibliotecadigital.econ.uba.ar/econ/collection/tesis/document/1501-1349_ChinkesE
30. Chinkes, E. (2018). Pronósticos y data mining para la toma de decisiones. Pronóstico sobre la deserción de alumnos de una Facultad. Cuadernos Del CIMBAGE, 1(20), 107-132. https://ojs.economicas.uba.ar/CIMBAGE/article/view/1184
31. Hernández Orallo, J., Ramírez Quintana, M. J., & Ferri Ramírez, C. (2004). Introducción a la minería de datos. Pearson Prentice Hall.
