Integración de la inteligencia artificial y la ciencia de datos para la toma de decisiones en las empresas: un estudio bibliométrico
DOI:
https://doi.org/10.5281/zenodo.16755702Palabras clave:
inteligencia artificial, ciencia de datos, empresasResumen
La presente investigación tiene como objetivo analizar la evolución y las tendencias científicas en torno a la integración de la inteligencia artificial y la ciencia de datos aplicadas a la toma de decisiones empresariales, mediante un estudio bibliométrico de la producción académica entre 2015 y 2025. A partir de una revisión sistemática en bases de datos como Scopus y Google Scholar, se seleccionaron 155 documentos utilizando criterios de inclusión como el idioma, la accesibilidad y el tipo de publicación. Los resultados evidencian un crecimiento sostenido en la producción científica, destacándose Estados Unidos (25,8%), Reino Unido (16,1%) y China (12,9%) como los países más productivos. Por otro lado, el campo de las ciencias de la computación fue el área académica más relevante (40%), mientras que el autor más mencionado fue Secinaro, S. con 611 citas, y la fuente más destacada fue la revista IEEE Access, con 10 publicaciones. A través del análisis de coocurrencia de palabras clave, se identificaron términos recurrentes como “data analytics”, “machine learning” y “artificial intelligence”, fuertemente vinculados con el entorno empresarial. Las visualizaciones temáticas, generadas con VOSviewer, permitieron agrupar los principales enfoques investigativos y detectar vacíos temáticos. El estudio concluye que la integración entre la inteligencia artificial y la ciencia de datos representa un eje estratégico clave en la transformación digital empresarial, al facilitar la generación de conocimiento útil para la toma de decisiones. Este trabajo ofrece una base empírica sólida para futuras investigaciones orientadas al desarrollo de tecnologías predictivas y sistemas inteligentes de soporte organizacional.
Descargas
Referencias
Ab Hamid, M. R., Hashim, M. T., Mohd Saman, M. Y., Awang, Z., y Zainudin, N. F. S. (2021). Application of artificial intelligence and big data analytics in developing decision support systems: A systematic review. BMC Medical Informatics and Decision Making, 21(1), 1–13. https://doi.org/10.1186/s12911-021-01488-9
Alsghaier, H., Altameem, A., y Alshamrani, S. (2023). Data Science Applications in Business Decision Making. Procedia Computer Science, 219, 129-135. https://doi.org/10.1016/j.procs.2023.01.359
Caló, L. (2022). Métricas de impacto y evaluación de la ciencia. Rev Perú Med Exp Salud Pública, 39(2), 236-240. https://doi.org/10.17843/rpmesp.2022.392.11171
Chacón-Rivadenerira, K., Morales-Maure, L.,y García-Marimón, O. (2024). Trends in Research on Didactic Knowledge and Technology Integration in Mathematics Education: A Bibliometric Study. Journal of Research in Mathematics Education, 13(3), 220-244. https://doi.org/10.17583/redimat.15107
Chen, CT., Khan, A. y Chen, SC. (2024). Modelado del impacto de BDA-AI en la innovación sostenible, la ambidextría y el desempeño ambiental. J Big Data 11, 124. https://doi.org/10.1186/s40537-024-00995-6
Davenport, T. H., y Ronanki, R. (2018). Artificial Intelligence for the Real World. Harvard Business Review, 96(1), 108-116. https://www.bizjournals.com/boston/news/2018/01/09/hbr-artificial-intelligence-for-the-real-world.html
De Bruyn, A., Viswanathan, V., Beh, Y. S., Brock, J. K. U., y von Wangenheim, F. (2020). Artificial intelligence and marketing: Pitfalls and opportunities. Journal of Interactive Marketing, 51, 91–105. https://doi.org/10.1016/j.intmar.2020.04.007
Flores-Fernández, C., y Aguilera-Eguía, R. (2020). Indicadores bibliométricos y su importancia en la investigación clínica. ¿Por qué conocerlos? Revista de la Sociedad Española del Dolor, 26(5), 315-316. https://dx.doi.org/10.20986/resed.2018.3659/2018
García, L., Fernández, A., y Bécquer, A. (2021). Análisis Bibliométrico de la Producción Científica 2001-2020. Revista Electrónica Cuba: Medio Ambiente y Desarrollo, 21(40), 1–9. https://cmad.ama.cu/index.php/cmad/article/view/297
Gandomi, A., y Haider, M. (2021). Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management, 56, 102287. https://doi.org/10.1016/j.ijinfomgt.2014.10.007
George, G., Osinga, E. C., Lavie, D., y Scott, B. A. (2021). Big data and data analytics in organizations: A review and research agenda. Journal of Management, 47(1), 332-360. https://doi.org/10.5465/amj.2016.4005
Ghasemaghaei, M., Ebrahimi, S., y Hassanein, K. (2020). Data analytics competency for improving firm decision making performance. The Journal of Strategic Information Systems, 29(1), 101-118. https://doi.org/10.1016/j.jsis.2020.101593
Grandhi, S., Patwa, N., y Saleem, M. (2021). Artificial intelligence in strategic decision-making: A systematic review. Journal of Business Research, 131, 89–101. https://doi.org/10.1016/j.jbusres.2021.03.011
Iqbal, M. W., Qureshi, M. A., y Shahzad, F. (2023). Artificial intelligence capabilities and firm performance: Evidence from emerging markets. Technological Forecasting and Social Change, 188, 122293. https://doi.org/10.1016/j.techfore.2022.122293
Ivanov, D., y Dolgui, A. (2020). Viability of intertwined supply networks: extending the supply chain resilience angles towards survivability. International Journal of Production Research, 58(10), 2904–2915. https://doi.org/10.1080/00207543.2020.1750727
Kumar, A., y Sivarajah, U. (2021). An integrated artificial intelligence framework for knowledge creation and B2B marketing decision making. Industrial Marketing Management, 92, 178-189. https://doi.org/10.1016/j.indmarman.2020.12.001
Li, Y., Wang, Y., y Liu, X. (2025). Artificial Intelligence and decision-making: A bibliometric analysis of scientific production from Scopus (2013–2023). The Journal of Supercomputing. https://doi.org/10.1007/s11227-025-07021-3
Ojeda, A. et al. (2024). AI implementation in big data: Shaping data analysis for business decisions. Issues in Information Systems, 25(4). https://doi.org/10.48009/4_iis_2024_113
Ribeiro, R., y Aroni, P. (2019). Standardization, ethics and biometric indicators in scientific publication: integrative Review. Revista Brasileira de Enfermagem REBEn, 72(6), 1723-9. https://doi.org/10.1590/0034-7167-2018-0283
Salinas, K. y García, A. (2022). Bibliometrics, a useful tool within the field of research. Journal of Basic and Applied Psychology Research, 3(6), 10-17. https://doi.org/10.29057/jbapr.v3i6.6829
Sanz, J. (2022). Bibliometría: origen y evolución. Hospital a Domicilio, 6(3), 105-107. https://doi.org/10.22585/hospdomic.v6i3.168
Sutherns, R., y Fanta, G. B. (2024). The implications of integrating artificial intelligence into data-driven decision-making. South African Journal of Economic and Management Sciences, 27(1). https://doi.org/10.7166/35-3-3096
Sharma, R., Mithas, S., y Kankanhalli, A. (2022). Transforming decision-making processes: A digital analytics perspective. MIS Quarterly Executive, 21(1), 13-27. https://aisel.aisnet.org/misqe/vol21/iss1/3
Shkarupylo, V. et al. (2024). Exploring the potential network vulnerabilities in the smart manufacturing process of Industry 5.0 via machine learning. IEEE Access. https://doi.org/10.1109/ACCESS.2024.3474861
Shrestha, Y. R., Ben-Menahem, S. M., y von Krogh, G. (2020). Organizational decision-making structures in the age of artificial intelligence. California Management Review, 62(4), 21-45. https://journals.sagepub.com/doi/10.1177/0008125620928981
Tong, D., y Tian, G. (2023). Intelligent financial decision support system based on big data. Journal of Intelligent Systems, 32(1), 20220320. https://doi.org/10.1515/jisys-2022-0320
Tomás-Górríz, V., y Tomás-Castera, V. (2018). La bibliometría en la evaluación de la actividad científica. Hospital a Domicilio, 2(4), 145-163. https://doi.org/10.22585/hospdomic.v2i4.51
Van Eck, N., y Waltman, L. (2010). Software survey: VOSviewer, a computer program for bibliometric mapping. Scientometrics, 84(2), 523-538. https://doi.org/10.1007/s11192-009-0146-3
Yaranga Vite, I. P., y Olórtiga Cóndor, L. W. (2024). Inteligencia artificial para aumentar la productividad en las empresas: un estudio bibliométrico. Revista InveCom, 5(4), 1–11. https://doi.org/10.5281/zenodo.14846656
Yaranga Vite, I. P., y Olórtiga Cóndor, L. W. (2025). Integración de la inteligencia artificial con big data para la toma de decisiones en las empresas: un estudio bibliométrico. Revista InveCom, 5(4), 1–11. https://doi.org/10.5281/zenodo.14783686
Zhang, W., Li, X., y Wang, J. (2020). Big Data and AI for market trend prediction. Journal of Financial Analysis, 8(4), 210-228. http://dx.doi.org/10.2139/ssrn.4980346
Zhou, M., Zhang, R., y Lin, W. (2023). Financial Risk Prediction Based on Artificial Intelligence and Machine Learning Techniques. Journal of Intelligent & Fuzzy Systems, 44(2), 2345-2356. https://doi.org/10.3233/JIFS-223266
Descargas
Publicado
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
La revista se acoge a la licencia Licencia Atribución (CC BY), permitiendo la posibilidad de copiar, distribuir, exhibir, y producir obras derivadas, siempre y cuando se reconozca y cite al autor.
