Artículo

15 de septiembre de 2026

Inteligencia Artificial y Liderazgo: Desarrollando Habilidades de Comunicación a Través de una Herramienta de IA

João Augusto Rodrigues Cortial Chagas; Allan Tadeu Pugliese

DOI: 10.22167/2675-6528-202602234

Artículo derivado de 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 inteligencia artificial ha impactado la forma en que los líderes se comunican y desarrollan a sus equipos, y el uso de herramientas de IA para el entrenamiento de habilidades interpersonales ha surgido como una alternativa relevante. Este estudio evaluó una herramienta de IA para el desarrollo de habilidades de comunicación en líderes, buscando comprender las percepciones de los actores de una organización sobre su uso. La investigación involucró a sesenta colaboradores de una multinacional, quienes participaron en sesiones de entrenamiento de liderazgo entre finales de 2025 y principios de 2026. Los datos se recopilaron a través de un cuestionario en línea aplicado inmediatamente después de la utilización de la herramienta. Los resultados indicaron una alta aceptación de la herramienta, especialmente en términos de usabilidad y apoyo al aprendizaje, y una contribución positiva al desarrollo de habilidades de comunicación. Sin embargo, se identificaron limitaciones relacionadas con el realismo de las interacciones y la calidad de los feedbacks generados por la IA. Se concluyó que la inteligencia artificial puede actuar como un instrumento complementario eficaz en el desarrollo de líderes, siempre que evolucione en aspectos de personalización y autenticidad.

Palabras clave: Aprendizaje; Desarrollo; Simulación; Habilidades blandas; Tecnología.

1. Introducción

La inteligencia artificial (IA) se ha consolidado como una de las tecnologías más transformadoras de la era moderna. Se define como la capacidad de los sistemas computacionales para simular la inteligencia humana y realizar tareas que requieren aprendizaje, percepción y toma de decisiones (Corrêa, n.d.). Sus aplicaciones abarcan la automatización de procesos, el análisis predictivo, la atención al cliente a través de chatbots y la personalización de experiencias de usuario, destacándose por su eficiencia, reducción de costos y soluciones innovadoras para desafíos complejos (Corrêa, n.d.).

Aunque sus orígenes se remontan a la década de 1950, con los estudios de John McCarthy y Alan Turing (Gunkel, 2017), la pandemia de Covid-19 impulsó su uso a una escala aún mayor, convirtiéndola en un factor revolucionario en el mundo de los negocios (Meirelles, 2021; Garcia, 2024). El avance de la IA supera las interacciones básicas de los chatbots, evolucionando hacia herramientas de alto procesamiento de lenguaje e interacciones cada vez más naturales (Meirelles, 2021; Altomare, 2025; Castello, 2025). Se estima que, hasta 2030, el impacto de la IA podría elevar el PIB brasileño en cuatro puntos porcentuales (Meirelles, 2021). Aunque la retroalimentación humana es crucial para la mejora de algoritmos como ChatGPT (Rosado, 2023), todavía existen desafíos relacionados con la artificialidad de las interacciones y la adecuación de las respuestas a los contextos reales.

En el entorno organizacional, la comunicación interpersonal es un pilar fundamental para el funcionamiento y el éxito de las empresas, siendo aún más relevante para quienes ocupan posiciones de liderazgo (Gerolamo, 2025). Liderar implica influir en las personas hacia una visión y objetivos comunes, lo que exige habilidades comunicacionales esenciales, como la conducción de conversaciones difíciles y la entrega de feedback (Brown, 2016; Stone & Heen, 2016). La calidad de estas interacciones impacta directamente la productividad y el bienestar organizacional.

En este escenario, surgen herramientas de IA diseñadas para simular interacciones interpersonales, como sesiones de retroalimentación y negociaciones de ventas. Las empresas que desarrollan tales aplicaciones buscan mejorar las habilidades de comunicación de sus colaboradores, a menudo utilizando modelos de IA como base. Esta innovación abre nuevas posibilidades para la formación corporativa, pero también plantea interrogantes sobre su influencia en las dinámicas humanas, la confianza interpersonal y la autenticidad de las interacciones.

Ante la creciente relevancia de la inteligencia artificial en el desarrollo de habilidades y la importancia crítica de la comunicación para el liderazgo, resulta fundamental investigar cómo las herramientas de IA pueden contribuir efectivamente a la mejora de las soft skills. La problemática central de este estudio cuestiona: a partir de una herramienta de IA orientada al entrenamiento de soft skills, ¿cómo la Inteligencia Artificial (IA) puede desarrollar habilidades de comunicación en líderes de una organización? Así, este estudio se propone comprender las percepciones de los actores de una organización sobre el uso de la herramienta de Inteligencia Artificial (IA) para entender cómo ayuda en el desarrollo de líderes en una organización.

2. Material y Métodos

El estudio se llevó a cabo en una multinacional del sector de tecnología y comunicación, con colaboradores basados en América, abarcando desde líderes potenciales hasta alta dirección. La investigación, de naturaleza exploratoria y enfoque cualitativo, adoptó un diseño pre-experimental, en el cual la herramienta de IA se aplicó a un grupo previamente determinado. Se reconoce la limitación de la ausencia de un grupo de control para comparación, debido a la homogeneidad del universo muestral, compuesto por colaboradores de una misma organización. El período de interacción con la herramienta de IA ocurrió entre el último trimestre de 2025 y el primer trimestre de 2026, durante capacitaciones en liderazgo y comunicación.

Los instrumentos de recolección de datos incluyeron investigación bibliográfica y documental, entrevistas con gerentes y especialistas, evaluación de la herramienta de IA por el investigador y cuestionarios. La investigación incluyó una revisión bibliográfica y un examen detallado de la herramienta de IA en cuestión, con el objetivo de una mayor familiaridad con el objeto de estudio y el desarrollo de hipótesis (Turrioni & Mello, 2012; Prodanov & Freitas, 2013). La fase cualitativa inicial se llevó a cabo mediante entrevistas con gerentes y especialistas del área para validar hipótesis y plantear nuevas preguntas. Luego, la herramienta de IA fue evaluada por el investigador, quien mapeó sus funcionalidades, interacciones y propuestas de uso. Colaboradores de la organización interactuaron con la herramienta de IA y evaluaron su experiencia a través de un cuestionario en línea, aplicado vía MS Forms en idioma inglés, inmediatamente después del uso de la herramienta durante las sesiones de capacitación. Se realizaron cuatro capacitaciones con perfiles distintos de colaboradores, donde 22 no gerentes participaron en escenarios de resolución de conflictos y retroalimentación, y 38 gerentes participaron en escenarios de construcción de objetivos e influencia del liderazgo. Se informó a los participantes sobre los objetivos de la investigación y aceptaron participar voluntariamente.

La herramienta de Inteligencia Artificial (IA) evaluada, proporcionada por una empresa tercera, tiene como objetivo simular situaciones organizacionales para desarrollar habilidades. Ofrece escenarios como retroalimentación, resolución de conflictos, coaching y negociaciones, en los cuales el participante recibe una situación problemática y un objetivo. La interacción con la herramienta, que simula a un colaborador, puede ocurrir por voz, chat o ambos, y en múltiples idiomas.

La herramienta opera en diferentes modos. En el modo “guiado”, se proporcionan enseñanzas y consejos durante la interacción, y al final, una retroalimentación basada en cuatro áreas (objetivo del escenario, profesionalismo, coherencia y eficiencia), destacando puntos positivos. El modo “modelo” invierte los roles, con el participante actuando como colaborador y la herramienta como gestor, ofreciendo un informe final con puntos positivos. El modo “práctica”, considerado el principal, permite una interacción sin interferencias, como una conversación real, y proporciona una retroalimentación más completa al final, incluyendo buenas evaluaciones, puntos de mejora y una nota de cero a cien, basada en los mismos cuatro criterios. La herramienta también permite parametrizar el comportamiento de la simulación, como asertividad o reactividad, en los modos “guiado” y “práctico”.

El trabajo fue eximido de evaluación por el Comité de Ética, conforme al párrafo único del Artículo 1º de la Resolución CNS nº 510/2016, por encuadrarse como investigación de opinión pública con participantes no identificados, revisión de la literatura científica y profundización teórica de situaciones emergentes de la práctica profesional sin revelar datos identificables.

3. Resultados y Discusión

El mercado de herramientas de Inteligencia Artificial (IA)

El mercado de la IA conversacional ha mostrado un crecimiento significativo, alcanzando alrededor de 7 mil millones de visitas web al mes en 2025, lo que representa un aumento del 76% en comparación con 2024. En el mismo período, las descargas de aplicaciones de IA se más que triplicaron, llegando a 1.9 mil millones. ChatGPT (OpenAI) domina este mercado, siendo el quinto sitio web más visitado a nivel mundial, aunque su participación disminuyó del 87% en 2024 al 64.5% en 2025 (Naspe y Sheridan, 2026; Sordilli, 2026). Gemini (Google) ha surgido como un fuerte segundo lugar, impulsado por su integración con otras herramientas de la empresa, como Gmail y Android, que incluyen funcionalidades de IA generativa para tareas cotidianas. La tendencia observada es que las herramientas de IA se están convirtiendo en parte de la infraestructura digital, no solo en productos aislados.

El uso de ChatGPT por parte de usuarios de 45 años o más ha crecido, representando el 30% del total, aunque la mayoría de los usuarios todavía está compuesta por individuos menores de 34 años. En términos de propósito, un tercio del uso es para creación y escritura, como la generación de textos e imágenes, y el 24% para aprendizaje práctico, incluyendo estudios y simulaciones (Naspe y Sheridan, 2026).

Fundamentos y desafíos de la Inteligencia Artificial (IA)

Las IA operan sin una base de datos interna para el almacenamiento de información, centrándose en la predicción de la siguiente palabra más probable para una respuesta (Altomare, 2025). Castello (2025) distingue entre Machine Learning, que utiliza referencias y materiales existentes para proporcionar respuestas, e Inteligencia Artificial Generativa (GenAI), que es capaz de crear contenido propio, como textos, imágenes y vídeos. En Machine Learning, el aprendizaje puede clasificarse como entrenable, con acompañamiento humano, o no entrenable, donde la herramienta optimiza sus respuestas de forma autónoma (Altomare, 2025).

La creación de entornos personalizables en herramientas de IA de mercado es factible, permitiendo el desarrollo de habilidades de comunicación en líderes, incluso con recursos avanzados de audio y video para la lectura del lenguaje corporal y el tono de voz (Altomare, 2025; Castello, 2025). Sin embargo, la utilización de la IA presenta desafíos, como la potencial disminución de las interacciones humanas, dado que la IA tiende a ser más “cortés”, no simulando emociones y conflictos reales. Otra preocupación es el desinterés por el aprendizaje y el desarrollo de habilidades humanas, ya que la IA puede sustituir muchas actividades. Las funciones que exigen creatividad e inteligencia emocional, como el liderazgo, permanecen distantes de la automatización (Altomare, 2025; Castello, 2025).

Funcionalidades de la herramienta de Inteligencia Artificial (IA) evaluada

La herramienta de IA evaluada, proporcionada por una empresa tercera, tiene como objetivo proporcionar simulaciones seguras y realistas de situaciones organizacionales para el desarrollo de nuevas habilidades. Los escenarios disponibles incluyen retroalimentación, resolución de conflictos, coaching y negociaciones con stakeholders, siempre con una situación problemática y un objetivo definidos. La interacción con la herramienta puede ocurrir por voz, chat o ambos. Se observó que la generación de nuevas respuestas por la herramienta, tras la evaluación de un mensaje específico, resultaba en textos muy similares, con pocas variaciones ortográficas.

La herramienta ofrece múltiples modos de interacción. En el modo “guiado”, se proporcionan consejos y enseñanzas durante la interacción. Al final, se genera una retroalimentación basada en cuatro áreas (objetivo del escenario, profesionalismo, coherencia y eficiencia), destacando solo los puntos positivos. En las pruebas, la enseñanza útil se limitó a una única oportunidad. El modo “modelo” invierte los roles, con el participante actuando como colaborador y la herramienta como gestor, con el objetivo de aprender a través de la práctica. Las interacciones en este modo se percibieron como artificiales, con respuestas largas y estandarizadas, y la retroalimentación también se limitaba a puntos positivos. El modo “práctica” es el principal, permitiendo una conversación sin interferencias. La retroalimentación final es más completa, incluyendo evaluaciones positivas y puntos de mejora, además de una nota de desempeño. Sin embargo, la estandarización de los textos de retroalimentación positiva persistió.

La herramienta permite parametrizar el comportamiento de la simulación en los modos “guiado” y “práctico”, eligiendo interacciones más asertivas, reactivas, desdeñosas, críticas o aleatorias. En pruebas, la evaluación de desempeño se vio negativamente impactada por demoras o vacilaciones en interacciones solo orales, mientras que la interacción escrita, que permite revisión, no sufrió la misma penalidad.

Percepción de los usuarios sobre la herramienta de IA

Se realizaron cuatro capacitaciones con colaboradores de perfiles distintos, utilizando la herramienta de IA en modo “práctica” para escenarios específicos. Se aplicó un cuestionario después de la interacción. Participaron 22 no gerentes (escenarios de resolución de conflictos y retroalimentación) y 38 gerentes (escenarios de construcción de objetivos e influencia del liderazgo).

La mayoría de los participantes, casi tres de cada cuatro, optaron por interactuar con la herramienta de forma exclusivamente escrita, independientemente del perfil. Pocos se arriesgaron a interactuar solo de voz, aunque un enfoque híbrido fue utilizado por aproximadamente una cuarta parte de los gerentes, según Tabla 1.

Tabla 1. Forma de utilización de la herramienta de IA durante parte práctica del curso.

AudienciaEscribiendo y escuchandoHablando solamenteEscribiendo solo
Gerentes23,7%2,6%73,7%
No-Directivos9,1%18,2%72,7%

Fuente: Resultados originales de la investigación

El uso previo de la herramienta fuera de los cursos evaluados fue bajo, según la Tabla 2, lo que indica que pocos participantes la habían explorado por su cuenta o en otros contextos.

Tabla 2. Uso de la herramienta fuera del curso

AudienciaSin uso fuera del cursoSí, en otros cursos.Sí, para aprendizaje personalSí, tanto en otros cursos como para aprendizaje personal
Gerentes33311
No-Directivos20020

Fuente: Resultados originales de la investigación

La usabilidad de la herramienta fue el aspecto mejor valorado, con una media general de 4,45 en todos los perfiles. Los participantes también reconocieron la herramienta como un apoyo significativo al aprendizaje, especialmente entre los no gerentes, donde la percepción fue unánime, según Tabla 3.

Tabla 3. Evaluación de la herramienta de IA

AudienciaFacilidad de usoAyuda en la comprensión del curso
Gerentes4,454,16
No-Directivos4,454,50
Promedio General4,454,28

Fuente: Resultados originales de la investigación

A pesar de las evaluaciones positivas en usabilidad y ayuda al aprendizaje, el realismo de la interacción fue el aspecto con la peor evaluación. Al analizar la percepción de realismo en relación con el tipo de interacción (Figura 1), se observó que la interacción hablada recibió la peor evaluación, mientras que la interacción híbrida tendió a ser percibida como más realista. Comentarios de los usuarios indicaron una percepción de perfiles de simulación muy extremos, sin transiciones o matices, como interacciones excesivamente tercas o agradables, dependiendo de la parametrización.

Figura 1. Evaluación de la herramienta de IA: realismo de la interacción vs. forma de interacción

Fuente: Resultados originales de la investigación

La intención de uso de la herramienta en futuros cursos de la organización fue alta, con una media general de 4,33. Para aprendizaje personal, la intención fue ligeramente menor, con una media de 4,00, pero aún relativamente alta. Los no gerentes demostraron mayor interés en ambos casos, según Tabla 4.

Tabla 4. Intención de uso de la herramienta de IA

AudienciaEn futuros cursosEn el aprendizaje personal.
Gerentes4,243,89
No-Directivos4,504,18
Promedio General4,334,00

Fuente: Resultados originales de la investigación

Este estudio permitió mapear las funcionalidades de la herramienta de IA e identificar sus puntos fuertes, como la diversidad de escenarios y la personalización, así como oportunidades de mejora, notablemente en el feedback y el realismo de la interacción. La aplicación práctica de la herramienta en entrenamientos de liderazgo demostró agregar valor a la formación de los colaboradores, con percepciones generalmente positivas. Las limitaciones metodológicas, como la resistencia al uso de datos sensibles y la dificultad en obtener una muestra homogénea para un estudio cuantitativo, dirigieron la investigación hacia un enfoque más cualitativo y práctico. Se sugiere que estudios futuros validen los aprendizajes en otros escenarios y exploren otras herramientas y propuestas para ampliar el conocimiento sobre el desarrollo de líderes a través de la IA.

4. Conclusión

Este estudio buscó comprender las percepciones de los actores de una organización sobre el uso de una herramienta de Inteligencia Artificial (IA) en el desarrollo de habilidades de comunicación en líderes. Se verificó alta aceptación de la herramienta, especialmente en términos de usabilidad y apoyo al aprendizaje, lo que indicó una contribución positiva para el perfeccionamiento de las habilidades de comunicación. La mayoría de los participantes optó por la interacción escrita, aunque la modalidad híbrida fue percibida como más realista. La intención de uso de la herramienta en futuros cursos de la organización fue alta, evidenciando su valor percibido. Así, la inteligencia artificial emerge como un instrumento complementario eficaz para el desarrollo de líderes, ofreciendo un ambiente seguro para la práctica de soft skills.

Sin embargo, se identificaron limitaciones notables relacionadas con el realismo de las interacciones simuladas y la calidad estandarizada de los comentarios generados por la IA, que a menudo se limitaban a puntos positivos o presentaban poca variación. El enfoque cualitativo adoptado, aunque práctico, se vio influenciado por desafíos en la obtención de datos sensibles y en la formación de una muestra homogénea, lo que limitó la generalización estadística de los resultados. Para maximizar el potencial de la IA, se sugiere que estudios futuros exploren la evolución de la herramienta en aspectos de personalización y autenticidad de las interacciones. También se recomienda la validación de los aprendizajes en otros escenarios y la investigación de diferentes modalidades y propuestas de herramientas de IA, con enfoque en poblaciones más homogéneas para profundizar la relevancia estadística de las percepciones.

Referencias Bibliográficas

Altomare, R. 2025. Inteligência Artificial: fundamentos e desafios. Entrevista realizada em 29/06/2025. São Paulo, SP, Brasil.

Brown, B. 2016. A Coragem de ser imperfeito. Sextante. Rio de Janeiro, RJ

Castello, F. 2025. Big Data e Inteligência na Gestão de Dados I e II. Apresentado no MBA de Gestão de negócios em 2024. Universidade de São Paulo. Piracicaba, SP.

Corrêa, D. n.d. Inteligência Artificial na Comunicação Interna – 7 ferramentas para otimizar o dia a dia. Progic. Disponível em . Acesso em 02/04/2025.

Garcia, F. 2024. IA, Ética e Carreira: O Que Ninguém Te Contou Sobre o Futuro do Trabalho. Apresentado na Conferência Nacional Toastmasters Brasil em 24/05/2024. Brasília, DF, Brasil.

Gerolamo, M. C. 2025. Liderança e Professional Skills. Apresentado no MBA de Gestão de negócios em 2024. Universidade de São Paulo. Piracicaba, SP.

Gunkel, D. 2017. Comunicação e inteligência artificial: novos desafios e oportunidades para a pesquisa em comunicação. SciElo Brasil. Disponível em: . Acesso em 01 de abril de 2025.

Meirelles, G. 2021. Pandemia acelera processos na revolução da inteligência artificial. Febraban Tech. Disponível em: < https://febrabantech.febrabanco.org.br/temas/inteligencia-artificial/pandemia-acelera-processos-na-revolucao-da-inteligencia-artificial>. Acesso em 02 de abril de 2025

Naspe, L.; Sheridan, S. 2026. 2025 Generative AI Landscape: The State Of Gen AI. Similarweb. disponível em: . Acesso em 02 de fevereiro de 2026.

Prodanov, C. C.; Freitas, E. C. de. 2013. Metodologia do trabalho científico: métodos e técnicas da pesquisa e do trabalho acadêmico. 2ed. Feevale, Novo Hamburgo, RS, Brasil.

Resolução CNS (2016) [Referência completa não encontrada no documento original]

Rosado, A.C. 2023. Inteligência Artificial e o Futuro da Comunicação. Facha Editora, Rio de Janeiro, RJ. Disponível em: Acesso em 03/04/2025.

Sordilli, Aline. 2026. Gemini cresce, ChatGPT perde terreno e ambos formam duopólio mundial da IA. UOL. Disponível em: https://economia.uol.com.br/colunas/aline-sordili/2026/02/02/gemini-cresce-chatgpt-perde-terreno-e-ambos-formam-duopolio-mundial-da-ia.htm. Acesso em 02 de fevereiro de 2026.

Stone, D.; Heen, S. 2016. Obrigado pelo feedback: a ciência e a arte de receber bem o retorno de chefes, colegas, familiares e amigos. 1ed. Portfolio-Penguin, São Paulo, SP, Brasil.

Turrioni, J.; Mello, C.H. 2012. Metodologia de pesquisa em engenharia de produção estratégias, métodos e técnicas para condução de pesquisas quantitativas e qualitativas. Universidade Federal de Itajubá, Itajubá, MG, Brasil.

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

Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy

También te puede interesar

Economía, Inversiones Y Banca

23 de octubre de 2026

Educación Financiera, Comportamientos y Sesgos en la Toma de Decisiones Financieras

La gestión financiera personal representa un desafío creciente, influenciada por sesgos cognitivos que afectan la toma de decisiones, incluso en individuos con alto conocimiento. El presente estudio analizó la relación entre el nivel de educación financiera y la ocurrencia de sesgos conductuales en la toma de decisiones financieras de adultos residentes en Brasil. Se realizó un levantamiento de campo de naturaleza aplicada, cuantitativa y descriptivo-correlacional, mediante la aplicación de un cuestionario estructurado a 163 encuestados. El instrumento contempló variables sociodemográficas, conocimiento y hábitos financieros, y situaciones hipotéticas para identificar sesgos cognitivos. Los resultados indicaron que niveles más elevados de educación financiera se asociaron con mejores prácticas de control financiero, ahorro e inversión, con correlaciones significativas con ingresos y escolaridad. Sin embargo, la presencia de sesgos conductuales (anclaje, aversión a la pérdida, escasez, optimismo/pesimismo, sesgo del presente, status quo, exceso de confianza y contabilidad mental) persistió incluso entre individuos con mayor escolaridad e ingresos, sin asociación estadísticamente significativa con las variables sociodemográficas analizadas. Se concluyó que la educación financiera, aunque esencial para la organización y el control financiero, no fue suficiente para neutralizar la influencia de sesgos cognitivos. Se sugiere la incorporación de enfoques conductuales a los programas de educación financiera.

Palabras clave: Comportamiento financiero; Economía conductual; Finanzas personales; Heurísticas cognitivas; Sesgos cognitivos.

22 de octubre de 2026

Viaje del Consumidor en la Decisión de Compra de Infoproductos en el Entorno Digital

La expansión del comercio electrónico y la transformación tecnológica impulsaron la necesidad de comprender el comportamiento del consumidor de infoproductos, cuya experiencia percibida se ha vuelto crucial para el desarrollo profesional. El estudio tuvo como objetivo analizar los factores que influyeron en la decisión de compra de infoproductos en el entorno digital, considerando las etapas del viaje del consumidor. Se realizó una investigación aplicada, cuantitativa y descriptiva, a través de un estudio de campo con 100 consumidores de la Serra Gaúcha. La recopilación de datos se realizó mediante un cuestionario estructurado, utilizando muestreo no probabilístico. Los resultados revelaron un público cualificado y con un fuerte comportamiento “mobile-first”. Se constató que la disponibilidad de información detallada y la aprobación social fueron los principales desencadenantes de atracción en la fase de precompra. En las etapas transaccionales y posteriores, la minimización de fricciones operativas, la agilidad del acceso inmediato y la seguridad sistémica demostraron ser cruciales para la conversión y la satisfacción, aunque se identificaron lagunas en la eficiencia del soporte humano. La retención se fundamentó en la confianza generada por experiencias anteriores positivas, superando el factor precio. Se concluyó que el viaje del consumidor de infoproductos opera como un sistema integrado, exigiendo alineación entre infraestructura tecnológica, curaduría de contenido y humanización del soporte para asegurar el compromiso.

Palabras clave: Comercio electrónico; Comportamiento del consumidor; Experiencia del consumidor; Fidelización; Negocios virtuales.

22 de octubre de 2026

Observatorio Digital de la Amazonía: Ciencia de Datos Aplicada al Análisis de Indicadores Sociales, Económicos, Ambientales y de Salud

El estado de Amazonas ha enfrentado desafíos históricos en la consolidación del Sistema Único de Salud (SUS), derivados de barreras geográficas, desigualdades socioeconómicas y limitaciones estructurales. En este estudio se describió el desarrollo e implementación de un geoportal de información en salud, concebido para apoyar el monitoreo, la evaluación y la planificación en el contexto amazónico. Se adoptó un enfoque de estudio de caso descriptivo, basado en análisis documental y datos secundarios, abarcando el mapeo de funcionalidades, la infraestructura técnica y las etapas de validación de la herramienta. El Portal fue desarrollado con tecnologías abiertas e integró múltiples bases de datos nacionales, ofreciendo dashboards interactivos, mapas temáticos y repositorio digital de documentos. Entre los resultados, destacaron la visualización georreferenciada de indicadores clave, la posibilidad de análisis comparativos temporales y la utilización de la plataforma en la revisión de planes de salud y en el redireccionamiento de acciones estratégicas. El portal puede representar un avance en la gobernanza digital y en la gestión basada en evidencia, con potencial de replicabilidad para otros territorios de alta complejidad, siempre que vaya acompañado de inversiones en infraestructura tecnológica, capacitación profesional y articulación interinstitucional.

Palabras clave: Amazonía; Evaluación en Salud; Salud Digital; Sistemas de Información en Salud.

22 de octubre de 2026

Aprendizaje Continuo como Factor de Crecimiento Organizacional en la Percepción de los Colaboradores

El impacto del aprendizaje continuo y la gestión del conocimiento en el crecimiento de las organizaciones fue estudiado en un escenario de globalización y constantes cambios. El objetivo del estudio fue analizar la percepción de los colaboradores sobre la cultura de aprendizaje y su importancia para el desarrollo personal y profesional. Los datos se obtuvieron a través de una encuesta anónima, de enfoque cuantitativo, utilizando un formulario con preguntas tipo “survey” aplicado a 87 profesionales de los sectores de tecnología, salud, educación, comercio y servicios. Los resultados indicaron que los colaboradores tenían una percepción positiva sobre la contribución del aprendizaje continuo al crecimiento personal y organizacional, reconociendo sus beneficios para el desarrollo de nuevas habilidades, la innovación y la competitividad. Sin embargo, se observó que el incentivo al intercambio de conocimiento interno y la oferta de capacitaciones prácticas aún presentaban medias moderadas de acuerdo. Se concluyó que el aprendizaje continuo contribuye significativamente al desarrollo individual y organizacional, sugiriendo que las empresas deben desarrollar políticas estratégicas de aprendizaje dirigido a nuevas habilidades, buscando una mayor ventaja competitiva y la innovación.

Palabras clave: Aprendizaje continuo; Autodesarrollo; Crecimiento organizacional; Gestión del Conocimiento; Innovación.

22 de octubre de 2026

Previsión de la Morosidad de Pago Agregada en el Sistema Financiero Brasileño por Modelo Sarimax con Variables Macroeconómicas

La morosidad agregada en el sistema financiero brasileño es un indicador crucial de riesgo crediticio, cuya previsión está regulada por las Resoluciones CMN n.° 4.557/2017 y 4.966/2021 para la medición prospectiva de pérdidas esperadas. Se modeló y predijo la morosidad agregada mediante el modelo SARIMAX, proyectando su trayectoria hasta diciembre de 2026 bajo escenarios optimista, base y pesimista. Se utilizaron 164 observaciones mensuales (julio/2012 a febrero/2026) y variables macroeconómicas como desempleo, Selic, IPCA, IBC-Br y endeudamiento de las familias. La especificación con variables contemporáneas fue seleccionada con base en criterios de información y estabilidad de los coeficientes, y el diagnóstico de los residuos confirmó adecuación estadística, con MAPE de 3,12%. La morosidad histórica varió entre 4,33% y 7,64%. La estimación identificó el desempleo (β = 0,2534; p < 0,001) y la Selic (β = 0,2128; p < 0,001) como principales determinantes positivos, con fuerte persistencia temporal (AR(1) = 0,8965). La Selic exhibió correlación creciente con la morosidad (r = 0,62 en el rezago 12), mientras que el desempleo demostró efecto contemporáneo (r = 0,33). Las proyecciones indicaron morosidad entre 6,30% y 7,98% en diciembre de 2026, con una amplitud de 1,68 punto porcentual, evidenciando implicaciones directas para el dimensionamiento de provisiones en las instituciones financieras.

Palabras clave: Desempleo; Modelado predictivo; Política monetaria; Provisión de pérdidas; Series temporales.

22 de octubre de 2026

Factores de Compromiso de las Partes Interesadas en la Transferencia Internacional de Tecnología a un Hospital Público

Este estudio describió los factores críticos percibidos para la participación de las partes interesadas en la transferencia internacional de tecnología en un hospital público, con foco en la planificación. El objetivo fue describir estos factores condicionantes, según la percepción de los profesionales. Se realizó un estudio de caso único, aplicando un cuestionario a 25 profesionales y utilizando análisis de contenido, complementado por tabulaciones descriptivas. Los principales obstáculos identificados fueron resistencia al cambio (72%), financiación (64%), falta de comunicación (60%) y burocracia (40%). Solo el 28% de los encuestados reconoció la existencia de herramientas adecuadas para la gestión de stakeholders, mientras que el 48% negó y el 24% no supo informar. Cruzamientos exploratorios indicaron variaciones en la evaluación de influencia según el tiempo de actuación, pero no establecieron relaciones causales. La falta de participación se asoció con retrasos, baja adhesión, desperdicio de recursos, fallas de comunicación, compromiso de la absorción de conocimiento y riesgos para la seguridad del paciente. Las conclusiones se restringieron a las percepciones del grupo investigado y fundamentaron recomendaciones preliminares para la comunicación y coordinación intersectorial.

Palabras clave: Estudio de caso; Gestión de proyectos; Innovación en salud; Partes interesadas; Sector público.