Artículo

26 de octubre de 2026

Análisis de la relación entre Inteligencia Artificial y adopción de sistemas de CRM en empresas brasileñas.

Ana Beatriz Campos de Souza; Demétrio de Mendonça Júnior

DOI: 10.22167/2675-6528-202600518

Artículo derivado del Trabajo de Conclusión de Curso (TCC), con contenido basado en el trabajo original del alumno y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege para síntesis y organización textual.

Resumen

La creciente digitalización ha impulsado el uso de sistemas de Customer Relationship Management (CRM) en empresas brasileñas, especialmente en pequeñas y medianas empresas, buscando una mayor competitividad. El estudio analizó cómo la inteligencia artificial (IA) contribuyó a superar los desafíos en la implementación de estos sistemas. Para ello, se realizó una investigación exploratoria-descriptiva, de enfoque cuantitativo con apoyo cualitativo. Se aplicó un cuestionario estructurado vía Google Forms a 40 profesionales y gerentes que utilizaban CRM desde al menos seis meses. Los datos fueron tratados por análisis de frecuencia y correlación de Spearman, complementada por interpretación cualitativa de respuestas abiertas. Los resultados evidenciaron que los principales obstáculos para la adopción del CRM incluyeron resistencia de los usuarios, dificultades de adaptación y limitaciones de capacitación. Sin embargo, la presencia de recursos de IA, como chatbots, automatización de tareas y generación de insights, favoreció la usabilidad del sistema, redujo el tiempo de respuesta y aumentó la productividad de los equipos. Se observó que la IA disminuyó la percepción de complejidad del CRM y mejoró el compromiso de los usuarios. Se concluyó que la inteligencia artificial actuó como un elemento facilitador en la adopción del CRM, promoviendo una mayor eficiencia organizacional y un mejor aprovechamiento de las herramientas tecnológicas disponibles.

Palabras clave: Compromiso del usuario; Productividad corporativa; Usabilidad tecnológica.

1. Introducción

La transformación digital ha impulsado la adopción de sistemas de gestión orientados al cliente, destacando el Customer Relationship Management (CRM). Esta herramienta es crucial para la gestión eficaz de las interaciones con los clientes, integrando datos, procesos e interacciones para fundamentar decisiones estratégicas (Chaffey y Ellis-Chadwick, 2022). La creciente digitalización de las empresas brasileñas hace que el CRM sea indispensable, especialmente para las pequeñas y medianas empresas que buscan una mayor competitividad en el mercado.

Sin embargo, la implementación del CRM no está exenta de desafíos. La incorporación de nuevas tecnologías frecuentemente genera obstáculos relacionados con la adaptación de los usuarios y la capacidad organizacional de absorber estos cambios. La adopción exitosa exige que la tecnología sea absorbida por las personas, y no solo instalada. Estudios señalan la resistencia cultural y comportamental como uno de los principales factores que comprometen la efectividad de estos sistemas (Mendoza et al., 2007).

En el contexto brasileño, estos desafíos son particularmente críticos para empresas de pequeño y mediano tamaño, que enfrentan limitaciones estructurales, financieras y operativas. Barreras como la resistencia de los equipos, las dificultades de capacitación y adaptación a nuevas rutinas son comunes (Duarte y Araújo, 2021). En este escenario, la inteligencia artificial (IA) surge como una aliada estratégica. Ofrece recursos que facilitan el uso y análisis de información, automatizan procesos y proporcionan recomendaciones basadas en datos (Chatterjee et al., 2021).

La IA, al automatizar procesos, generar insights predictivos y personalizar interacciones, se presenta como una herramienta capaz de reducir la complejidad percibida por los usuarios, facilitando la adaptación y el compromiso de los equipos (Chatterjee et al., 2021). La utilidad percibida, que es el grado en que una persona cree que el uso de un sistema mejora su desempeño laboral (Davis, 1989), es un factor determinante para la aceptación y el uso continuo de la tecnología, siendo directamente influenciada por los beneficios tangibles de la IA. Recursos de IA, como chatbots y automatización de tareas, contribuyen directamente a esta percepción de valor.

A pesar del potencial de la inteligencia artificial, existe una brecha en el conocimiento sobre cómo la IA puede superar eficazmente los desafíos específicos que enfrentan las empresas brasileñas en la implementación de sistemas de CRM. Si bien los beneficios de la IA son reconocidos en contextos generales, su aplicación e impactos en un entorno empresarial con las particularidades de Brasil requieren una investigación en profundidad. Ante este contexto, la pregunta central de este estudio es: ¿cómo contribuye la inteligencia artificial a la adopción de sistemas de CRM en empresas brasileñas?

La relevancia de este estudio radica en la necesidad de comprender los mecanismos por los cuales la inteligencia artificial actúa como facilitador en la adopción tecnológica. Para los gerentes de ventas y marketing, que dependen cada vez más de herramientas digitales para optimizar el rendimiento comercial y fortalecer la relación con el cliente, esta investigación ofrece perspectivas valiosas. La comprensión de los desafíos y las posibilidades de la IA puede conducir a decisiones más asertivas, reducir fallos en la implementación y promover un mejor aprovechamiento de los recursos tecnológicos. Así, el presente estudio tiene como objetivo analizar los obstáculos en la adopción de CRM y verificar cómo la inteligencia artificial contribuye a la adaptación de los equipos y a la eficiencia de la integración tecnológica.

2. Material y Métodos

El presente estudio se caracterizó como una investigación exploratorio-descriptiva, con un enfoque metodológico cuantitativo y apoyo cualitativo. La naturaleza exploratoria buscó desarrollar y aclarar conceptos e ideas relacionadas con la adopción de sistemas de CRM y la contribución de la inteligencia artificial (Gil, 2008). El enfoque descriptivo tuvo como objetivo detallar las características de los fenómenos investigados, sin manipulación de variables, centrándose en la comprensión de los desafíos y facilitadores.

La unidad de análisis estuvo compuesta por profesionales y gerentes de empresas brasileñas de pequeño y mediano tamaño que utilizaban sistemas de Customer Relationship Management (CRM). La muestra totalizó 40 participantes, seleccionados por conveniencia, una técnica común en investigaciones exploratorias (Gil, 2019). Los criterios de selección incluyeron el uso de CRM por un período mínimo de seis meses, garantizando familiaridad con el sistema.

Para la recolección de datos, se aplicó un cuestionario estructurado, inicialmente elaborado en Microsoft Word y posteriormente distribuido vía Google Forms. El instrumento se dirigió a dos grupos: profesionales que utilizaban CRM en sus actividades diarias y gestores responsables de la supervisión e implementación de estos sistemas. El cuestionario abordó desafíos en la implementación del CRM, percepción de complejidad, adaptación de los equipos, uso de funcionalidades de inteligencia artificial e impacto en la mejora de los procesos organizacionales, además de datos sociodemográficos (Chaer; Diniz; Ribeiro, 2012).

El cuestionario se dividió en tres bloques principales, con un total de diecisiete preguntas. El primer bloque recopiló información general sobre el perfil sociodemográfico de los participantes, incluyendo edad, género, nivel educativo, puesto y área de actuación. El segundo bloque midió el grado de incorporación de funcionalidades basadas en inteligencia artificial en los sistemas de CRM y la percepción de los encuestados sobre su utilidad y facilidad de uso.

El tercer bloque del cuestionario se estructuró para identificar las principales barreras que enfrentan las empresas en la adopción y uso de sistemas de CRM. Este bloque abarcó aspectos tecnológicos, organizacionales y humanos, como dificultades de usabilidad, limitaciones de capacitación, resistencia de los usuarios y adecuación de los procesos internos, según lo discutido en la literatura sobre adopción tecnológica.

La distribución del cuestionario se realizó entre el 10 y el 31 de enero de 2026, a través de un enlace de Google Forms. El enlace se compartió en grupos de WhatsApp y LinkedIn, lo que permitió llegar a un número significativo de participantes y la recopilación automatizada de datos (Batista et al., 2021). El uso de Google Forms facilitó la estandarización de las respuestas y la organización para el análisis posterior.

Los datos cuantitativos recolectados fueron analizados estadísticamente con la ayuda de la herramienta Microsoft Excel. Para este análisis, se utilizaron tablas dinámicas y dashboards para la organización y visualización inicial de los datos. Las técnicas de análisis empleadas fueron la correlación de Spearman y el análisis de frecuencia, conforme a la naturaleza de los datos recolectados.

La correlación de Spearman fue seleccionada por su adecuación a variables ordinales y por su desempeño en muestras reducidas, sin la exigencia de normalidad de los datos, siendo indicada para estudios en ciencias sociales aplicadas (Field, 2018). Esta técnica permitió analizar la asociación monotónica entre variables, como el uso de recursos de inteligencia artificial en los sistemas de CRM y el nivel de adaptación de los usuarios, así como la percepción de facilidad de uso y los impactos en la rutina de trabajo de los equipos.

El análisis de frecuencia, a su vez, describió la distribución de las respuestas e identificó patrones generales de forma objetiva y directa (Marconi; Lakatos, 2017). Los datos cualitativos, obtenidos a través de respuestas abiertas en el cuestionario, fueron analizados con base en el enfoque de Gil (2008). Este análisis permitió la identificación de categorías y temas recurrentes, buscando comprender los significados atribuidos por los sujetos a sus experiencias.

Durante todo el proceso de investigación, se garantizó el anonimato de los participantes y el uso exclusivo de los datos para fines académicos. Estos cuidados éticos se tomaron en conformidad con las directrices institucionales, con el objetivo de preservar la privacidad y la confidencialidad de la información proporcionada por los encuestados (Coutinho, 2011).

3. Resultados y Discusión

El análisis de los datos recopilados permitió una comprensión profunda del perfil de los participantes de la investigación, así como de los patrones de uso de sistemas de Customer Relationship Management (CRM) y de la integración de recursos de inteligencia artificial (IA) en las rutinas organizacionales. La muestra, compuesta por 40 profesionales y gerentes, reveló una predominancia de individuos en el rango de edad de 25 a 34 años, representando el 62,5% de los encuestados, seguida por el rango de 35 a 44 años, con el 25%. La distribución de género se mostró equilibrada, con un 52,5% de participantes femeninas y un 47,5% masculinas. Se observó un alto nivel de escolaridad, con un 32,5% poseyendo educación superior incompleta, un 32,5% con educación superior completa y un 27,5% con posgrado o especialización, lo que indica un público cualificado y con experiencia profesional.

En cuanto al perfil profesional y al contexto de uso del CRM, la mayoría de los participantes trabaja en áreas comerciales o de atención al público, destacando vendedores (15 encuestados) y soporte técnico (9 encuestados), además de gerentes de ventas (8 encuestados). Esta distribución confirma que se alcanzó el público objetivo de la investigación, compuesto por profesionales directamente involucrados en las relaciones con el cliente. La familiaridad con el sistema CRM es notable, con el 52% de los encuestados utilizando la herramienta durante un período de entre uno y tres años, y el 25% utilizándola entre cuatro y seis años. En relación al tamaño de las empresas, la mayoría (65%) pertenece a medianas empresas, seguido por grandes empresas (20%) y pequeñas empresas (10%), lo que valida el enfoque del estudio en pequeñas y medianas empresas brasileñas, según lo delineado en la introducción.

La investigación sobre los sistemas de CRM utilizados por las empresas reveló que Kommo es el más prevalente, siendo empleado por 27 de los encuestados, mientras que Salesforce y RD Station CRM son utilizados por tres participantes cada uno. Esta diversidad de plataformas refleja la amplia competencia en el mercado brasileño de CRM. La constancia en el uso del mismo sistema de CRM se evidenció por el hecho de que el 50% de los encuestados afirmó utilizar el mismo software durante más de tres años, y el 37% durante uno a tres años. Este dato sugiere que, una vez incorporado a la rutina organizacional, el CRM tiende a convertirse en una herramienta de uso continuo. La sustitución de un sistema implica costos operativos significativos, la necesidad de nuevas capacitaciones y la migración de datos, lo que refuerza la búsqueda de las empresas por estabilidad tecnológica y la preservación de procesos ya estructurados, evitando rupturas que puedan comprometer la productividad y el seguimiento de las Relaciones con el cliente.

El nivel de uso del CRM por parte de los equipos se evaluó en una escala de uno a cinco, donde la mayoría de los usuarios (28 encuestados) indicaron un nivel máximo (cinco), y siete encuestados señalaron el nivel cuatro. Estos resultados indican que una gran parte de los usuarios de CRM utilizan el sistema a un nivel elevado. Una implementación exitosa de CRM depende intrínsecamente del uso efectivo por parte de los usuarios, ya que la calidad de la información, las actualizaciones y el seguimiento de las interacciones con los clientes deben realizarse de manera consistente para garantizar resultados satisfactorios y una organización eficiente. La alta adhesión al uso del sistema es un indicativo positivo de la efectividad de la herramienta en el entorno organizacional.

La presencia de recursos de inteligencia artificial en los sistemas de CRM fue un punto central de la investigación. Se observó que el 57,5% de los participantes está totalmente de acuerdo en que el CRM utilizado por sus empresas posee funcionalidades de IA, mientras que el 22,5% simplemente está de acuerdo. Solo dos encuestados afirmaron que el sistema no utiliza IA. Este resultado demuestra una significativa incorporación de la IA en el cotidiano organizacional, reflejando la búsqueda de las empresas por potenciar el uso del CRM a través de tecnologías complementarias. La popularización de la IA, aunque reciente, ha llevado a muchas empresas a innovar sus portafolios para acompanhar las transformaciones tecnológicas, ampliando las capacidades operacionales y analíticas de los sistemas de gestión de relaciones con el cliente, según lo destacado por Chatterjee et al. (2021).

Las funcionalidades de IA más utilizadas por los encuestados incluyen chatbots y asistentes virtuales, señalados por 29 participantes, captación de información, con 25 menciones, y generación automática de leads, con 16 menciones. La reescritura y corrección de frases fue la menos citada, con solo un encuestado. Estas funcionalidades son valoradas por contribuir a una mayor agilidad y eficiencia en los procesos de atención y ventas. La utilidad percibida, definida por Davis (1989) como el grado en que una persona cree que el uso de un sistema mejora su desempeño en el trabajo, es un factor crucial para la aceptación y el uso continuo de la tecnología. La preferencia por funcionalidades que impactan directamente la productividad, como las mencionadas, corrobora esta perspectiva.

A pesar de la expresiva presencia de IA, con el 57,5% de los participantes totalmente de acuerdo con la existencia de recursos de IA en sus CRM, la investigación también permite inferir que la incorporación de estas tecnologías no ocurre de forma homogénea en todas las organizaciones. Una parte relevante de los encuestados aún no percibe o no utiliza plenamente estos recursos. Esta brecha puede estar asociada a factores como limitaciones de capacitación, resistencia de los usuarios o ausencia de integración adecuada de las funcionalidades de IA en los sistemas existentes. Tal aspecto evidencia una tensión entre el potencial teórico de las tecnologías y su aplicación práctica, indicando que la adopción de la inteligencia artificial depende no solo de su disponibilidad, sino también de las condiciones organizacionales y de la preparación de los equipos para su utilización efectiva.

Las funciones de chatbots y asistentes virtuales se han vuelto cada vez más comunes, especialmente en pequeñas y medianas empresas. Estas herramientas no solo realizan atenciones, sino que también reducen significativamente el tiempo de espera para que un cliente potencial reciba una respuesta, lo cual es una cuestión crítica para muchas empresas en la actualidad. El volumen creciente de mensajes generado por inversiones en marketing digital y tráfico pago a menudo excede la capacidad de seguimiento del personal. En este contexto, el uso de chatbots y asistentes virtuales puede ampliar la productividad de los equipos, aumentar la tasa de conversión de ventas y automatizar procesos como seguimientos con clientes potenciales y clientes, contribuyendo a una mayor eficiencia y capacidad de respuesta de las organizaciones, según Chaffey y Ellis-Chadwick (2022).

La facilidad de uso de las funcionalidades de IA del CRM fue ampliamente reconocida por los colaboradores. En la cuestión específica sobre este tema, la mayoría de los usuarios se sintieron cómodos utilizando la IA dentro de la plataforma de CRM, con 23 encuestados totalmente de acuerdo y 13 de acuerdo. Solo cinco participantes expresaron desacuerdo o neutralidad. Este resultado sugiere que la popularización de la IA ha hecho que su acceso y uso sean más sencillos y accesibles. El uso diario de estas herramientas en diversas rutinas puede ahorrar tiempo en actividades como la recopilación de información, el llenado de formularios y el envío de mensajes automáticos, lo que contribuye a la percepción de valor y aceptación de la tecnología.

La inteligencia artificial ha demostrado un impacto positivo en la rutina de ventas. Al evaluar cuánto ha mejorado la IA su rutina de ventas en una escala de uno a cinco, 16 encuestados indicaron el nivel máximo (cinco), y 12 señalaron el nivel cuatro. Siete participantes atribuyeron el nivel tres, mientras que solo cuatro indicaron los niveles uno o dos. Estos resultados evidencian que la IA contribuye significativamente a la optimización de las actividades comerciales, haciendo los procesos más eficientes y ágiles. La capacidad de la IA para automatizar tareas, generar insights predictivos y personalizar interacciones es fundamental para reducir la complejidad percibida por los usuarios y facilitar la adaptación y el compromiso de los equipos, según lo señalado por Chatterjee et al. (2021).

A pesar de los beneficios de la IA, la adopción del CRM todavía enfrenta desafíos significativos. Las principales dificultades identificadas en la adopción de un CRM fueron la resistencia del equipo, mencionada por 24 encuestados, el alto costo, con 15 menciones, y la complejidad técnica, citada por 14 participantes. La falta de integración con otros sistemas fue señalada por nueve encuestados, mientras que la falta de planificación de los directores y la adaptación al sistema fueron menos citadas, con un encuestado cada una. Estos obstáculos se discuten frecuentemente en la literatura sobre adopción tecnológica (Venkatesh et al., 2003) y son particularmente críticos para empresas brasileñas de pequeño y mediano tamaño, que enfrentan limitaciones estructurales, financieras y operacionales (Duarte y Araújo, 2021).

Específicamente en relación con la adopción de recursos de IA en el CRM, las dificultades más prominentes fueron el alto costo, señalado por 17 encuestados, y la complejidad técnica, citada por 14. La resistencia del equipo fue mencionada por nueve participantes, y la falta de integración con otros sistemas por cuatro. La resistencia de la gerencia comercial y la ausencia de IA implementada fueron citadas por solo un encuestado cada una. Estos resultados indican que, aunque la IA es percibida como beneficiosa, las barreras financieras y técnicas aún representan obstáculos considerables para su plena integración y aprovechamiento, reforzando la necesidad de estrategias que promuevan no solo la implementación tecnológica, sino también la adaptación y el compromiso de los usuarios.

Tras la adopción del CRM, con o sin IA, los participantes percibieron mejoras en diversas áreas organizacionales. La mejora en el tiempo de respuesta en las aplicaciones de mensajería fue la más citada, con 13 menciones. La organización de la información de clientes y la relación con los clientes fueron señaladas por ocho encuestados cada una. La tasa de conversión de leads fue mencionada por cinco participantes, y la productividad del equipo por cuatro. La previsión de ventas fue la menos citada, con solo dos encuestados. Estos resultados demuestran que el CRM, especialmente cuando es potenciado por la IA, contribuye a optimizar procesos y fortalecer la relación con el cliente, alineándose con la visión de Chaffey y Ellis-Chadwick (2022) sobre la importancia de la gestión eficaz de las interacciones con los clientes.

El nivel general de satisfacción con el CRM actual fue predominantemente alto. En una escala de uno a cinco, 25 encuestados indicaron el nivel máximo de satisfacción (cinco) y 10 asignaron nivel cuatro. Solo cinco participantes expresaron niveles de satisfacción más bajos (uno, dos o tres). Este alto índice de satisfacción sugiere que, a pesar de los desafíos en la implementación, los beneficios percibidos por los usuarios superan las dificultades. La satisfacción del usuario es un indicador crucial de la aceptación y el éxito de una tecnología, y el hecho de que la mayoría de los encuestados esté satisfecha con el CRM actual refuerza la utilidad y el valor que la herramienta agrega a sus rutinas de trabajo.

La aplicación de la correlación de Spearman reveló una relación positiva moderada entre el nivel de uso del CRM y la satisfacción de los usuarios (p = 0,47). Este hallazgo sugiere que cuanto mayor es la utilización de la herramienta, mayor tiende a ser la satisfacción percibida, aunque el uso no sea el único factor determinante. Desde el punto de vista gerencial, esto implica que, además de incentivar el uso del CRM, es fundamental invertir en capacitación, usabilidad y en la calidad de las funcionalidades para ampliar la satisfacción de los usuarios y, consecuentemente, los resultados organizacionales. Esta correlación consistente, pero no determinante, refuerza la complejidad de la adopción tecnológica, que involucra múltiples factores además de la simple disponibilidad del sistema (Field, 2018).

Otra correlación positiva moderada fue identificada entre la percepción de mejora en la rutina proporcionada por la inteligencia artificial y el nivel de satisfacción general con el CRM (p = 0,43). Este resultado indica que los beneficios percibidos de la IA influyen de forma relevante en la evaluación general del sistema por parte de los usuarios. La capacidad de la IA para automatizar procesos, generar insights predictivos y personalizar interacciones contribuye directamente a la percepción de valor y, consecuentemente, a la satisfacción. Esto refuerza el papel estratégico de la IA como un elemento facilitador en la adopción tecnológica, al hacer los sistemas más intuitivos y eficientes, como discutido por Chatterjee et al. (2021).

Se destaca una correlación positiva fuerte entre la facilidad de uso de las funcionalidades de IA y la mejora en la rutina de ventas (p = 0,55), evidenciando que la usabilidad de los recursos de IA es un factor determinante para su efectividad. Cuanto más fácil e intuitiva se percibe la IA, mayor es el impacto positivo en las actividades diarias de los profesionales. Por otro lado, no se observó correlación significativa entre el nivel de uso del CRM y la percepción de mejora derivada de la IA (p = 0,01), sugiriendo que el impacto de la IA independe de la intensidad de uso del sistema en sí. Esto indica que la simple presencia y la calidad de las funcionalidades de IA son más relevantes para la percepción de mejora que la frecuencia de uso del CRM como un todo.

Desde el punto de vista gerencial, estos hallazgos indican que no basta solo con incentivar el uso del CRM; es fundamental invertir en la calidad de las funcionalidades, especialmente aquellas basadas en inteligencia artificial, así como en la facilidad de uso y en la capacitación de los equipos. Las organizaciones que priorizan la usabilidad, la integración tecnológica y el entrenamiento tienden a obtener mejores resultados en términos de satisfacción, productividad y aprovechamiento estratégico del sistema. La inteligencia artificial, al hacer los sistemas más intuitivos, automatizar tareas y optimizar el tiempo de respuesta, actúa como un elemento facilitador relevante en la adopción del CRM, contribuyendo a la reducción de la percepción de complejidad y al aumento del compromiso de los usuarios.

En resumen, los resultados de la investigación evidenciaron que los principales desafíos en la adopción de sistemas de CRM en empresas brasileñas, especialmente en pequeñas y medianas empresas, están relacionados con la resistencia de los usuarios, dificultades de adaptación y limitaciones de capacitación. Sin embargo, la presencia de recursos de inteligencia artificial, como chatbots, automatización de tareas y generación de insights, demostró ser un elemento facilitador crucial. La IA favoreció la usabilidad del sistema, redujo el tiempo de respuesta y aumentó la productividad de los equipos, disminuyendo la percepción de complejidad del CRM y mejorando el compromiso de los usuarios. Las correlaciones confirmaron que la facilidad de uso de la IA y la percepción de mejora en la rutina influyen positivamente en la satisfacción, indicando que la inteligencia artificial potencia la eficiencia organizacional y el aprovechamiento de las herramientas tecnológicas disponibles.

4. Conclusión

El presente estudio buscó analizar los obstáculos en la adopción de sistemas de Customer Relationship Management (CRM) y verificar cómo la inteligencia artificial (IA) contribuye a la adaptación de los equipos y a la eficiencia de la integración tecnológica en empresas brasileñas. Se verificó que los principales obstáculos para la implementación del CRM incluyeron la resistencia de los usuarios, dificultades de adaptación y limitaciones de capacitación de los equipos. Sin embargo, la investigación evidenció que la presencia de recursos de IA, como chatbots, automatización de tareas y generación de insights, actuó como un elemento facilitador crucial. Se observó que la IA favoreció la usabilidad del sistema, redujo el tiempo de respuesta y aumentó la productividad de los equipos, disminuyendo la percepción de complejidad del CRM y mejorando el compromiso de los usuarios. La facilidad de uso de las funcionalidades de IA demostró una fuerte correlación con la mejora en la rutina de ventas, indicando que la inteligencia artificial potencia la eficiencia organizacional y el aprovechamiento de las herramientas tecnológicas disponibles.

Como limitaciones del estudio, se destaca el tamaño reducido de la muestra, compuesta por 40 participantes, lo que puede restringir la generalización de los resultados. Además, la utilización de datos basados en la percepción de los encuestados introdujo sesgos subjetivos en el análisis, y el carácter transversal de la investigación no permitió seguir la evolución del uso del CRM y de la inteligencia artificial a lo largo del tiempo. A partir de estas consideraciones, se sugiere que estudios futuros amplíen el tamaño de la muestra y contemplen diferentes segmentos organizacionales para fortalecer la representatividad. Se recomienda, además, la realización de investigaciones longitudinales que permitan analizar la evolución de la adopción tecnológica y la utilización de métodos mixtos más profundos, combinando datos cuantitativos y cualitativos, para una comprensión más abarcadora de los factores que influyen en la adopción y el uso de sistemas de CRM con recursos de inteligencia artificial.

Referencias Bibliográficas

BATISTA, Bruno et al. Técnicas de recolha de dados em investigação: inquirir por questionário e/ou inquirir por entrevista. Reflexões em torno de Metodologias de Investigação: recolha de dados, v. 2, p. 13–36, 2021.

CHAER, Galdino; DINIZ, Rafael Rosa Pereira; RIBEIRO, Elisa Antônia. A técnica do questionário na pesquisa educacional. Revista Evidência, v. 7, n. 7, p. 251–266, 2012.

CHAFFEY, Dave; ELLIS-CHADWICK, Fiona. Digital marketing: strategy, implementation and practice. 8. ed. Harlow: Pearson, 2022.

CHATTERJEE, Sheshadri et al. Adoption of artificial intelligence-integrated CRM systems in organizations. Journal of Business Research, v. 131, p. 238–250, 2021.

COUTINHO, Clara Pereira. Metodologia de investigação em ciências sociais e humanas: teoria e prática. Coimbra: Almedina, 2011.

DAVIS, Fred D. Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, v. 13, n. 3, p. 319–340, 1989.

DUARTE, André; ARAÚJO, Marcos. Desafios na implementação de sistemas de CRM em pequenas e médias empresas brasileiras. Revista de Administração e Inovação, v. 18, n. 3, p. 45-60, 2021.

FIELD, Andy. Discovering statistics using IBM SPSS statistics. 5. ed. London: Sage Publications, 2018.

GIL, Antonio Carlos. Como elaborar projetos de pesquisa. 6. ed. São Paulo: Atlas, 2019.

GIL, Antonio Carlos. Métodos e técnicas de pesquisa social. 6. ed. São Paulo: Atlas, 2008.

MARCONI, Marina de Andrade; LAKATOS, Eva Maria. Fundamentos de metodologia científica. 8. ed. São Paulo: Atlas, 2017.

MENDOZA, Luis E. et al. Critical success factors for a customer relationship management strategy. Information and Software Technology, v. 49, n. 8, p. 913–945, 2007.

VENKATESH, Viswanath et al. User acceptance of information technology: Toward a unified view. MIS Quarterly, v. 27, n. 3, p. 425–478, 2003.

Artículo originario del Trabajo de Conclusión de Curso de la Especialización en Gestión de Ventas del MBA USP/Esalq

Para saber más sobre el curso, haz clic aquí y accede a la plataforma MBX Academy

También te puede interesar

17 de noviembre de 2026

Detección y Diagnóstico de Enfermedades en Maíz y Arroz en Mozambique con Deep Learning

La agricultura mozambiqueña depende del maíz y el arroz, cultivos fundamentales para la seguridad alimentaria, pero su productividad se ve fuertemente afectada por enfermedades fitosanitarias, cuya identificación temprana y precisa sigue siendo un desafío en contextos de recursos limitados. El estudio tuvo como objetivo desarrollar y comparar modelos basados en Deep Learning para la detección y el diagnóstico automático de enfermedades en hojas de maíz y arroz en Mozambique. Se utilizaron tres enfoques: una Red Neuronal Convolucional (CNN) clásica desarrollada desde cero, y dos modelos de transfer learning, ResNet50 y MobileNetV2. El conjunto de datos se compuso de imágenes de bases públicas y recolectadas en campo, que pasaron por etapas de limpieza, balanceo y aumento artificial. Los modelos fueron entrenados y evaluados con métricas de desempeño estándar, incluyendo precisión (accuracy), precisión (precision), recall, F1-score, Log Loss y Kappa de Cohen. La CNN clásica presentó el mejor desempeño global, con 94% de precisión (precision), recall y F1-score, y 93% de precisión (accuracy) y Kappa de Cohen. La MobileNetV2 alcanzó 91% de F1-score y 90% de precisión (accuracy), destacándose por el menor Log Loss (0,30) y tiempo de entrenamiento (6h32min59s). La ResNet50 alcanzó 80% de F1-score y 79% de precisión (accuracy). Se concluyó que las técnicas de Deep Learning poseen un elevado potencial para apoyar el diagnóstico fitopatológico en contextos agrícolas reales, contribuyendo a decisiones más rápidas y precisas en el manejo de enfermedades en maíz y arroz.

Palabras clave: Aprendizaje profundo; Arroz; Enfermedades en plantas; Maíz; Visión computacional.

17 de noviembre de 2026

Estructuración del proceso de cierre de proyectos de una industria de la construcción civil

Un estudio abordó el grupo de procesos de cierre de proyectos en una industria de manufactura de la construcción civil, utilizando la guía PMBOK como referencia principal. El proceso existente en la industria presentaba superficialidad y fragilidades, especialmente en el registro de lecciones aprendidas. Ante este escenario, el objetivo fue desarrollar un procedimiento para el cierre de proyectos de la organización, visando agregar valor por medio de la estandarización del proceso, registro del conocimiento adquirido, formalización de la conclusión y entrega de los proyectos, y mejoramiento de la comunicación, compromiso, integración y transparencia con los stakeholders. La investigación se clasificó como descriptiva, empleó datos cualitativos y adoptó la investigación-acción como delineamiento. El alcance del estudio se estructuró conforme a los cinco grupos de procesos de la guía PMBOK y fue representado por una Estructura Analítica de Proyecto (EAP). Los principales resultados obtenidos incluyeron el procedimiento desarrollado y diversas plantillas de documentos, que constituyeron los entregables del nuevo proceso de cierre de proyectos. Se verificó que el trabajo alcanzó el objetivo esperado, pues el procedimiento desarrollado viabilizó la estandarización del cierre de proyectos, el mejoramiento de la integración y el compromiso con los stakeholders, y la promoción de seguridad y transparencia en el proceso.

Palabras clave: Gestión del conocimiento; Lecciones aprendidas; PMBOK; Plantillas; Término de aceptación de proyecto.

17 de noviembre de 2026

Machine Learning y priorización de funcionalidades en productos digitales: un estudio de caso en una fintech

Una investigación analizó el potencial del uso de técnicas de machine learning aplicadas al análisis del comportamiento de los usuarios en la priorización de funcionalidades en productos digitales. El objetivo fue comprender los procesos de priorización utilizados en la práctica, el papel de los datos de comportamiento en la toma de decisiones y las percepciones sobre la aplicación de técnicas de machine learning en este contexto. Se adoptó un enfoque cualitativo y exploratorio, estructurado como un estudio de caso en productos desarrollados bajo el modelo Software as a Service (SaaS). La recolección de datos se realizó a través de entrevistas semiestructuradas con profesionales de las áreas de producto y de datos. El análisis de los datos siguió la técnica de análisis de contenido. Los resultados indicaron que, aunque los datos de comportamiento ya se utilizaban como apoyo a la decisión, los procesos de priorización aún presentaban baja formalización y enfrentaban limitaciones técnicas y organizacionales. Se observó, también, el reconocimiento del potencial del machine learning como soporte estratégico a la priorización de funcionalidades, aunque su aplicación práctica fuera incipiente. Como principal contribución, el estudio propuso un modelo conceptual que integra datos de comportamiento, procesos de priorización y el uso de machine learning como soporte a la decisión.

Palabras clave: Análisis de datos; Comportamiento del usuario; Datos de comportamiento; Software as a Service (SaaS); Toma de decisiones.

17 de noviembre de 2026

Inteligencia artificial en las rutinas operativas contables y en la eficiencia financiera

La incorporación de Inteligencia Artificial (IA) y de herramientas de automatización ha reconfigurado las rutinas de las oficinas contables brasileñas, impactando la productividad, la mitigación de errores y la eficiencia financiera. Se analizaron estos impactos en una oficina contable de pequeño tamaño, especializada en la atención a prestadores de servicios del área médica en São Caetano do Sul, São Paulo. La investigación adoptó un enfoque cualitativo, con un diseño de estudio de caso único y unidades de análisis incorporadas. Los datos se recolectaron mediante un cuestionario estructurado, aplicado vía Google Forms entre enero y febrero de 2026, a cinco profesionales de la estructura operativa de la oficina en un relevamiento censal. El tratamiento siguió un análisis de contenido con categorías a priori y emergentes. Todos los encuestados declararon uso de herramientas automatizadas o con recursos de IA. La percepción de reducción del tiempo de ejecución, de disminución de errores operacionales, de retrabajo y de mejor aprovechamiento del tiempo del equipo convergió en el 80% de las respuestas afirmativas y el 20% parciales. Las actividades más beneficiadas fueron la conciliación bancaria, la importación de documentos fiscales y la liquidación tributaria, con ganancias visibles sobre errores de digitación, asientos duplicados y clasificación incorrecta. La intervención humana permaneció indispensable en la planificación tributaria, el análisis de escenarios y la verificación de obligaciones accesorias. La evaluación general de la contribución de la IA fue predominantemente favorable, con moderación vinculada a la complejidad normativa fiscal.

Palabras clave: Análisis de contenido; Automatización de procesos; Contabilidad 4.0; Pequeño tamaño; Transformación digital.

17 de noviembre de 2026

Factores que influyen en la gestión de plazos en proyectos de “retrofit” de estaciones de tratamiento de aguas residuales

Los proyectos de “retrofit” en Plantas de Tratamiento de Aguas Residuales (PTAR) se caracterizan por su alta complejidad, restricciones operativas y múltiples interfaces técnicas. El estudio analizó la percepción de los profesionales involucrados sobre la gestión y el cumplimiento de los plazos en proyectos de “retrofit” de plantas de tratamiento de aguas residuales, considerando factores técnicos, operativos y organizacionales. La investigación se caracterizó como un estudio aplicado, con un enfoque cuali-cuantitativo, delineado como un levantamiento de campo de tipo “survey”. El análisis de los datos se realizó mediante estadística descriptiva y categorización cualitativa, utilizando las herramientas SWOT, matriz de riesgo (Probabilidad x Impacto) y plan de acción 5W2H. Los resultados indicaron una alta percepción de claridad (77,8%) y realismo de los plazos (100% de acuerdo), evidenciando una planificación inicial consistente. Sin embargo, el 77,7% de los encuestados señaló que los retrabajos y cambios de alcance impactaron directamente el cumplimiento de los plazos. La integración entre ingeniería, fabricación y Planificación y Control de la Producción (PCP) presentó una evaluación intermedia (77,7% de acuerdo parcial/total), indicando fragilidad en la coordinación interfuncional. La matriz de riesgo destacó como críticos: cambios de alcance, limitaciones operativas de la PTAR y complejidad técnica, todos con nivel alto. Como mejora central, se propuso la estandarización del control de cambios de alcance, análisis y aprobación, con el fin de reducir retrabajos y aumentar la previsibilidad del cronograma.

Palabras clave: Desempeño; Integración; Planificación; Retrabajo; Riesgo.

17 de noviembre de 2026

Captación B2C en medicina diagnóstica: acuerdos estratégicos con consultorios médicos especializados

El sector de la medicina diagnóstica en Brasil opera con una alta dependencia de las aseguradoras de planes de salud, lo que limita la autonomía financiera de los prestadores. Este estudio propuso y analizó un modelo de captación directa de pacientes (B2C) para una institución de medicina diagnóstica de alta complejidad, estructurado a partir de alianzas con consultorios de Oncología y Cardiología y operado por un servicio de atención personalizada denominado conserjería. La investigación adoptó un enfoque mixto en tres fases: levantamiento de campo con cuestionario estructurado aplicado a 87 pacientes, mapeo del flujo operativo mediante “Service Blueprint” y análisis de la tasa de conversión a partir de 312 indicaciones médicas registradas en el proyecto piloto. Los resultados indicaron que la confianza en la indicación médica obtuvo un 92,0% de concordancia, configurándose como el principal factor de adhesión. La conveniencia de realizar el examen el mismo día alcanzó el 78,2%, y la disposición al pago directo llegó al 55,2%, con una polarización asociada a la predominancia de usuarios de planes de salud. El “Service Blueprint” identificó tres puntos críticos en las transiciones entre etapas del recorrido. La tasa de conversión global fue del 51,0%, con un desempeño superior en Oncología (58,2%) en relación con Cardiología (45,0%), y la mayor pérdida se concentró en la etapa de aceptación y agendamiento (28,3%). Se concluyó que el modelo demostró posible viabilidad operativa e indicios de aceptación por parte de los pacientes, condicionado a la transparencia de precios y a la reducción del intervalo entre la consulta y el abordaje por la conserjería.

Palabras clave: Desembolso directo; Recorrido del paciente; Salud suplementaria; Servicio de conserjería; Tasa de conversión.

17 de noviembre de 2026

El papel del director escolar en la promoción de una cultura inclusiva: liderazgo y políticas educativas

La investigación analizó el desempeño del director escolar en la promoción de una cultura inclusiva, considerando la necesidad de transformar directrices legales y fundamentos pedagógicos en prácticas institucionales efectivas. Se partió del supuesto de que la inclusión escolar exige planificación, organización y liderazgo estratégico en el día a día de la escuela. Se adoptó un enfoque cualitativo de naturaleza aplicada, desarrollado en tres etapas complementarias: análisis documental de las legislaciones brasileñas sobre educación inclusiva, revisión bibliográfica sobre liderazgo y gestión escolar, y sistematización de los datos por medio de herramientas gerenciales como la matriz FODA y el ciclo PDCA. Los resultados indicaron que el desempeño de la gestión escolar influyó directamente en la consolidación de ambientes inclusivos, especialmente en la organización de procesos, formación continua del equipo y fortalecimiento de una cultura institucional colaborativa y respetuosa de la diversidad. También se identificaron desafíos estructurales, pedagógicos y relacionales que demandaron intervenciones planificadas. Al final, se elaboró una Guía Práctica para Directores Escolares, con directrices, protocolos y orientaciones operacionales para la toma de decisiones y organización de los procesos inclusivos. Se concluyó que la construcción de una cultura inclusiva dependió de la capacidad de gestión para articular políticas públicas, prácticas pedagógicas y procesos institucionales, consolidando la inclusión como un compromiso permanente en el contexto escolar.

Palabras clave: Accesibilidad educativa; Equidad educativa; Gestión participativa; Planificación estratégica; Procesos institucionales.

17 de noviembre de 2026

Un artefacto de IA basado en Design Thinking para apoyar la elicitación de requisitos de software a partir de las necesidades de los usuarios

El desarrollo de software orientado a las necesidades de los usuarios a menudo enfrenta desafíos en la elicitación de requisitos, derivados de ambigüedades en el lenguaje natural y fallos de comunicación. Ante esto, se propuso y validó un artefacto inteligente que integra Design Thinking e Inteligencia Artificial, con foco en las etapas de Empatía y Definición, para apoyar la recolección, interpretación y estructuración de las necesidades de los usuarios. La investigación, de naturaleza aplicada, cualitativa y exploratoria, condujo una Prueba de Concepto en un ambiente controlado, empleando escenarios hipotéticos. El artefacto operó mediante entrevistas guiadas en lenguaje natural, organizando información en elementos como dolor, contexto e impacto, y generando síntesis de problemas rastreables. Los resultados indicaron que el sistema organizó relatos no estructurados, redujo ambigüedades y preservó el sentido de la información original en la mayoría de los casos. Se observó también la capacidad de reorganización lógica en escenarios complejos, aunque con limitaciones en la separación de múltiples problemas y dependencia de las instrucciones. Se concluyó que el artefacto tiene potencial como apoyo a la elicitación de requisitos, mejorando la claridad y la estructuración de la información, pero requiere supervisión y control contextual.

Palabras clave: Design Thinking; Elicitación de Requisitos; Ingeniería de Requisitos; Inteligencia Artificial; Procesamiento del Lenguaje Natural.

17 de noviembre de 2026

La Extinción de la Sistemática de Retención en la Industria Farmacéutica a la Luz de la Reforma Tributaria

La Reforma Tributaria del consumo, establecida por la Enmienda Constitucional nº 132/2023, introdujo alteraciones estructurales en el sistema tributario brasileño, con la sustitución del Programa de Integración Social (PIS) y de la Contribución para el Financiamento de la Seguridad Social (COFINS) por la Contribución sobre Bienes y Servicios (CBS), en un modelo de Impuesto sobre el Valor Añadido (IVA dual). El objetivo fue analizar los impactos de la extinción de la sistemática monofásica en la industria farmacéutica, a la luz del nuevo diseño normativo y de sus efectos económicos y jurídicos. Se realizó una investigación cualitativa, de naturaleza exploratoria, por medio de estudio de caso y análisis documental de la legislación y la doctrina especializada. Se examinó si el fin de la monofasia implicaría un aumento relevante de la carga tributaria para el sector. Los resultados indicaron que, aunque la superación formal de la sistemática monofásica ha ocurrido, la desgravación material de los medicamentos fue preservada, sobre todo en razón de la aplicación de alícuotas reducidas del 60% y, en determinados casos, de alícuota cero del Impuesto sobre Bienes y Servicios (IBS) y de la CBS. El cambio de modelo puede provocar variaciones puntuales en la recaudación, sin caracterizar un aumento estructural de la carga tributaria, tendiendo a la neutralidad a lo largo del tiempo. Se concluyó, preliminarmente, que la Reforma Tributaria reorganizó la técnica de tributación en la industria farmacéutica, sustituyendo un régimen concentrado por mecanismos más transparentes de desgravación. Este enfoque se mostró compatible con los principios de neutralidad, de no acumulatividad plena y de extrafiscalidad, manteniendo la protección tributaria a los medicamentos esenciales y alineando la política fiscal al derecho fundamental a la salud.

Palabras clave: CBS; COFINS; IBS; IVA Dual; PIS.