Análisis predictivo con ciencia de datos e inteligencia artificial para la toma de decisiones en sistemas de información Predictive analytics using data science and artificial intelligence for decision-making in information systems
Barra lateral del artículo
Contenido principal del artículo
Resumen
La presente investigación tuvo como objetivo analizar la producción científica relacionada con el análisis predictivo mediante ciencia de datos e inteligencia artificial para la toma de decisiones en sistemas de información. El estudio se desarrolló bajo un enfoque cualitativo de tipo revisión bibliográfica, utilizando la metodología PRISMA para la selección y organización de la información científica. La búsqueda documental se realizó en bases de datos académicas como Scopus, Google Scholar, IEEE Xplore, ScienceDirect y SpringerLink, considerando investigaciones publicadas entre los años 2020 y 2025. Como resultado del proceso de selección, se incluyeron 15 estudios científicos relacionados con aplicaciones de inteligencia artificial y modelos predictivos en diferentes sectores organizacionales. Los resultados evidenciaron que el machine learning fue la tecnología más utilizada dentro de las investigaciones revisadas, seguido de minería de datos, redes neuronales y análisis de big data. Asimismo, se identificó que los principales sectores de aplicación fueron el empresarial, educativo y de salud, donde los sistemas predictivos contribuyen a optimizar procesos, automatizar tareas y fortalecer la toma de decisiones basada en datos. Entre los principales beneficios identificados destacaron la mejora en la toma de decisiones, optimización de procesos y predicción de riesgos organizacionales. Sin embargo, también se evidenciaron limitaciones relacionadas con calidad de datos, infraestructura tecnológica y escasez de personal especializado. Se concluye que la ciencia de datos y la inteligencia artificial representan herramientas estratégicas para fortalecer los sistemas de información y mejorar la eficiencia organizacional mediante análisis predictivo basado en evidencia
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Citas
Acosta, S., & Finol, M. (2024). Inteligencia artificial como mecanismo para mejorar la gestión educativa universitaria. Revista de ciencias sociales, 30(3), 583–597. https://dialnet.unirioja.es/servlet/articulo?codigo=9800795
Avila, D., Morales, M., Muyulema, K., & Amaqueño, F. (2025). Aplicaciones de la inteligencia artificial en medicina. Revista Cubana de Investigaciones Biomédicas, 44. https://revibiomedica.sld.cu/index.php/ibi/article/view/3936
Ayala, E., López, R., & Menéndez, V. (2021). Modelos predictivos de riesgo académico en carreras de computación con minería de datos educativos. Revista de Educación a Distancia (RED), 21(66), 1–36.
Barón, E., García, C., & Sánchez, S. (2021). La inteligencia de negocios y la analítica de datos en los procesos empresariales. Revista científica de sistemas e informática, 1(2), 38–53. https://doi.org/10.51252/rcsi.v1i2.167
Cárdenas, A., Cárdenas, H., Luzuriaga, J., & Bricio, K. (2025). Impacto de la inteligencia artificial en la gestión administrativa de las instituciones públicas. Ciencia y Educación, 6(12.1), 225–236. https://doi.org/10.5281/zenodo.17933551
Casanova-Villalba, C. I., Herrera-Sánchez, M. J., & Proaño-González, E. A. (2023). Impacto de la analítica predictiva en la toma de decisiones gerenciales. Revista Científica Ciencia Y Método, 1(3), 16–30. https://doi.org/10.55813/gaea/rcym/v1/n3/17
Castro, Y. (2025). Inteligencia artificial y transformación social: Una revisión sistemática. Revista Paraguaya de Pedagogía, 2(4), 34–53. https://doi.org/10.33996/rpp.v2i4.18
Contreras, F., & Olaya, J. (2024). Beneficios de la implementación de la inteligencia artificial en la administración de empresas: Una revisión sistemática. Impulso, Revista de Administración, 4(8), 213–228.
Espinoza, D. (2024). La inteligencia artificial como apoyo en los procesos de la administración empresarial. Ciencia Latina Revista Científica Multidisciplinar, 8(6), 2408–2420. https://doi.org/10.37811/cl_rcm.v8i6.15019
Espinoza, F., Martínez, Y., Ramírez, A., & Álvarez, I. (2024). Una revisión sistemática de la literatura sobre la precisión de modelos de aprendizaje automático aplicados a la tasación de bienes raíces. Revista de Investigación en Tecnologías de la Información: RITI, 12(28), 4–16. https://dialnet.unirioja.es/servlet/articulo?codigo=10342392
Flores, G., Cadena, J., Quinatoa, E., & Villa, M. (2019). Minería de datos como herramienta estratégica. RECIMUNDO: Revista Científica de la Investigación y el Conocimiento, 3(1), 955–970. https://dialnet.unirioja.es/servlet/articulo?codigo=6796766
Franco, Y. (2023). Machine Learning aplicado a dificultades financieras y quiebra empresarial: Una revisión de literatura. Corporación Universitaria Autónoma de Nariño, Colombia, 4, 277–329. http://www.doi.org/10.47666/avances.inv.4
Galarza-Sánchez, P., Boné-Andrade, M., & Pinargote-Bravo, V. (2023). Aplicaciones de inteligencia artificial generativa en la transformación digital empresarial. Revista científica ciencia y método, 1(1), 28–41. https://doi.org/10.55813/gaea/rcym/v1/n1/8
García, R., & Gil, J. (2023). Minería de Datos Educacionales: Descubrir tesoros ocultos durante el aprendizaje: Educational Data Mining: Discover hidden treasures during learning. Revista Científica ECOCIENCIA, 10, 18–41. https://doi.org/10.21855/ecociencia.100.830
Guachi, C., Durán, F., Hernández, C., & Velastegui, R. (2026). Inteligencia artificial en el diagnóstico de enfermedades respiratorias un enfoque en la detección temprana. Revista Ciencia Innovadora, 4(2), 37–49. https://dialnet.unirioja.es/servlet/articulo?codigo=10665328
Hurtado, S., Suaza, C., Aguilar, J., & Suescún, E. (2021). Ciclo Autonómico de Análisis de Datos aplicado en la Planificación Académica de instituciones educativas. Revista
Ibérica de Sistemas e Tecnologias de Informação, (E41), 193–206. https://dialnet.unirioja.es/servlet/articulo?codigo=8610691
Jamshed, H., Khan, S. A., Khurrum, M., Inayatullah, S., & Athar, S. (2019). Data Preprocessing: A preliminary step for web data mining. 3c Tecnología: glosas de innovación aplicadas a la pyme, 8(1), 206–221. https://dialnet.unirioja.es/servlet/articulo?codigo=6933921
Jauregi-Maza, L. (2021). Big Data: La revolución de los datos masivos en la Administración Pública. Inguruak. Revista Vasca de Sociología y Ciencia Política, (71). https://doi.org/10.18543/inguruak-71-2021-art05
Lozano, N., Obregoso, D., Toala, J., Llerena, N., & Cueva, B. (2025). Big Data en la educación: Personalización del aprendizaje y predicción del rendimiento estudiantil para la mejora de los resultados académicos. Polo del Conocimiento, 10(4), 2190–2201. https://doi.org/10.23857/pc.v10i4.9488
Lucano, A., Del Aguila, G., Gutiérrez, M., Yucra, G., Cruz, J., & Medina, D. (2026). Inteligencia artificial para la eficiencia operativa en la industria latinoamericana, un estado de la cuestión. Revista Científica Horizontes Multidisciplinarios, 3(1), 262–274.
Mendoza, J., Macías, L., Morales-Carrillo, J., & Cedeño-Valarezo, L. (2024). Modelos de aprendizaje automático: Aplicación y eficiencia. Revista Científica de Informática ENCRIPTAR-ISSN: 2737-6389., 7(14), 87–114. https://doi.org/10.56124/encriptar.v7i14.005
Ñiquen-Levy, R., Paredes-Lopez, K., & Yovera-Manayay, W. (2025). Digital transformation and strategic use of artificial in-telligence in the financial sector: A systematic review of recent evidence (2019–2025). LACCEI, 2(13). https://doi.org/10.18687/LEIRD2025.1.1.394
Ortega, M. (2026). Evaluación de Técnicas de Explicabilidad en Modelos de Aprendizaje Automático Aplicados a Decisiones Críticas en Instituciones. Ciencia Latina Revista Científica Multidisciplinar, 10(2), 1129–1139. https://doi.org/10.37811/cl_rcm.v10i2.23172
Pincay, Y., Marcillo, V., García, V., Espinoza, A., Morán, A., & Veloz, G. (2025). Decisiones gerenciales automatizadas: Integrando Big Data Y Machine Learning. Ciencia y Desarrollo, 28(1), 32. https://dialnet.unirioja.es/servlet/articulo?codigo=10091174
Quezada, K., Zaragoza, G., & Bastidas, L. (2024). Impacto de la Inteligencia Artificial en la Humanidad: Avances, Desafíos y Perspectivas Futuras. Sapiens in Artificial Intelligence, 1(1), 1–17. https://dialnet.unirioja.es/servlet/articulo?codigo=10151799
Romero, M., Carmona, P., & Pozuelo, J. (2021). Utilidad del Deep Learning en la predicción del fracaso empresarial en el ámbito europeo. Revista de Métodos Cuantitativos para la Economía y la Empresa, 32, 392–414. doi:10.46661/revmetodoscuanteconempresa.5172
Toranzo, A., Leal, M., & Guerra, E. (2024). Sistema Inteligente de Gestión Empresarial Automatizada (SIGEA). Serie Científica de la Universidad de las Ciencias Informáticas, 17(8), 99–114. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2306-24952024000800099&lng=es&tlng=es.
Tustón, J., & Macías, E. (2025). Modelos de machine learning para la detección de fraudes financieros: Una revisión de la literatura. UNESUM-Ciencias. Revista Científica Multidisciplinaria, 9(2), 220–234. https://doi.org/10.47230/unesum-ciencias.v9.n2.2025.220-234
Ufarte-Ruiz, M.-J., Murcia-Verdú, F.-J., & Túñez-López, J.-M. (2023). Use of artificial intelligence in synthetic media: First newsrooms without journalists. 32(2).
Yaranga, I., & Olórtiga, L. (2025). Inteligencia artificial para aumentar la productividad en las empresas: Un estudio bibliométrico. Revista InveCom, 5(4).
Yepes-Nuñez, J., Urrútia, G., Romero-Garcia, M., & Alonso-Fernández, S. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews Declaración PRISMA 2020: Una guía actualizada para la publicación de revisiones sistemáticas. Revista espanola de cardiologia, 74(9), 790–799. https://www.bmj.com/content/372/bmj.n71