Barreras y facilitadores para adoptar inteligencia artificial en organizaciones: revisión sistemática
DOI:
https://doi.org/10.71068/ss000101Palabras clave:
inteligencia artificial, adopción tecnológica, barreras, facilitadores, preparación organizacionalResumen
Introducción: La adopción organizacional de la inteligencia artificial depende de algo más que el acceso a herramientas técnicas. La calidad de los datos, las capacidades humanas, el liderazgo, la infraestructura, la confianza y la regulación influyen en si una aplicación pasa de ser experimental a un uso estable, legítimo y generador de valor. Método: Se realizó una revisión sistemática PRISMA 2020 de estudios indexados en Scopus publicada entre 2021 y 2026. Los términos de búsqueda combinaron inteligencia artificial, adopción, preparación, organización, barreras, facilitadores y factores. Se aplicaron criterios explícitos de elegibilidad, extracción estructurada y evaluación metodológica. Se incluyeron dieciséis estudios en la síntesis cualitativa y se compararon entre dimensiones técnicas, humanas, gerenciales y externas. Resultados: Los facilitadores frecuentes incluyeron calidad y gobernanza de datos, apoyo a la alta dirección, estrategia explícita, habilidades internas y colaboración interdisciplinar. Las barreras incluían datos fragmentados, escasez de habilidades, costes, incompatibilidad tecnológica, resistencia, incertidumbre regulatoria y dudas sobre el retorno de la inversión. La confianza aumentó cuando existían transparencia, protección de datos y supervisión humana significativa. La importancia relativa de estos factores varió según el sector, el tamaño de la organización, la madurez digital y las características del caso de uso propuesto. Conclusiones: La adopción de la inteligencia artificial es un proceso sociotécnico que requiere alineación entre datos, tecnología, personas y gobernanza. Las organizaciones deben evaluar la preparación antes de escalar, priorizar casos de uso con valor demostrable y abordar simultáneamente barreras técnicas, culturales, éticas y regulatorias. Por tanto, la preparación debe tratarse como una capacidad organizativa continua y no como una evaluación técnica única en la práctica.
Descargas
Referencias
1. Jöhnk J, Weißert M, Wyrtki K. Ready or not, AI comes—an interview study of organizational AI readiness factors. Bus Inf Syst Eng. 2021;63:5-20. https://doi.org/10.1007/s12599-020-00676-7.
2. Mikalef P, Gupta M. Artificial intelligence capability: conceptualization, measurement calibration, and empirical study on its impact on organizational creativity and firm performance. Inf Manag. 2021;58(3):103434. https://doi.org/10.1016/j.im.2021.103434.
3. Raisch S, Krakowski S. Artificial intelligence and management: the automation-augmentation paradox. Acad Manage Rev. 2021;46(1):192-210. https://doi.org/10.5465/amr.2018.0072.
4. Haefner N, Wincent J, Parida V, Gassmann O. Artificial intelligence and innovation management: a review, framework, and research agenda. Technol Forecast Soc Change. 2021;162:120392. https://doi.org/10.1016/j.techfore.2020.120392.
5. Berente N, Gu B, Recker J, Santhanam R. Managing artificial intelligence. MIS Q. 2021;45(3):1433-1450. https://doi.org/10.25300/MISQ/2021/16274.
6. Chatterjee S, Rana NP, Tamilmani K, Sharma A. The effect of AI-based CRM on organization performance and competitive advantage: an empirical analysis in the B2B context. Ind Mark Manag. 2021;97:205-219. https://doi.org/10.1016/j.indmarman.2021.07.013.
7. Dwivedi YK, Hughes L, Ismagilova E, Aarts G, Coombs C, Crick T, et al. Artificial intelligence (AI): multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. Int J Inf Manag. 2021;57:101994. https://doi.org/10.1016/j.ijinfomgt.2019.08.002.
8. Damschroder LJ, Reardon CM, Widerquist MAO, Lowery J. The updated Consolidated Framework for Implementation Research based on user feedback. Implement Sci. 2022;17:75. https://doi.org/10.1186/s13012-022-01245-0.
9. Yang J, Blount Y, Amrollahi A. Artificial intelligence adoption in a professional service industry: a multiple case study. Technol Forecast Soc Change. 2024;201:123251. https://doi.org/10.1016/j.techfore.2024.123251.
10. Adoption and integration of AI in organizations: a systematic review of challenges and drivers towards future directions of research. Kybernetes. 2024;55(3):1286-1307. https://doi.org/10.1108/K-07-2024-2002
11. Factors influencing the adoption of artificial intelligence systems: a systematic literature review. Manag Decis. 2024;63(10):3727-3755. https://doi.org/10.1108/MD-05-2023-0838
12. Exploring facilitators and barriers to managers’ adoption of AI-based systems in decision making: a systematic review. AI. 2024;5(4):2538-2567. https://doi.org/10.3390/ai5040123
13. Hassan M, Kushniruk A, Borycki E. Barriers to and facilitators of artificial intelligence adoption in health care: scoping review. JMIR Hum Factors. 2024;11:e48633. https://doi.org/10.2196/48633.
14. Heimberger H, Horvat D, Schultmann F. Exploring the factors driving AI adoption in production: a systematic literature review and future research agenda. Inf Technol Manag. 2024. https://doi.org/10.1007/s10799-024-00436-z
15. Ramadan OME, Alruwaili MM, Alruwaili AN, Elsehrawy MG, Alanazi S, et al. Facilitators and barriers to AI adoption in nursing practice: a qualitative study of registered nurses’ perspectives. BMC Nurs. 2024;23:891. https://doi.org/10.1186/s12912-024-02571-y.
16. Managerial framework for evaluating AI chatbot integration: bridging organizational readiness and technological challenges. Bus Horiz. 2024;67(5):595-606. https://doi.org/10.1016/j.bushor.2024.05.004
17. Factors influencing readiness for artificial intelligence: a systematic literature review. Data Sci Manag. 2025;8(2):224-236. https://doi.org/10.1016/j.dsm.2024.09.005
18. Breidbach CF. Responsible algorithmic decision-making. Organ Dyn. 2024;53(2):101031. https://doi.org/10.1016/j.orgdyn.2024.101031.
19. Cao G, Duan Y, Edwards JS. AI trustworthiness in managerial decision-making: ethics, transparency, and explainability as key drivers. J Bus Ethics. 2026. https://doi.org/10.1007/s10551-026-06400-x
20. Page MJ, McKenzie JE, Bossuyt PM, Boutron I, Hoffmann TC, Mulrow CD, et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ. 2021;372:n71. https://doi.org/10.1136/bmj.n71.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Carlos Leonidas Yance Carvajal
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los artículos publicados en esta revista están disponibles bajo la licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0). Esta licencia autoriza a terceros a descargar, copiar, distribuir, adaptar y reutilizar los contenidos, incluso con fines comerciales, siempre que se otorgue el crédito correspondiente al autor original de la obra.
