Artículo

26 de octubre de 2026

INTELIGENCIA ARTIFICIAL Y OPTIMIZACIÓN DEL PROCESO DE RECLUTAMIENTO Y SELECCIÓN DE ORGANIZACIONES DEL SECTOR AZUCARERO-ENERGÉTICO

Andressa Nicodemos Alves; Manoel Gonçales Filho

DOI: 10.22167/2675-6528-202600556

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 integración de la inteligencia artificial (IA) en el reclutamiento y selección (R&S) ha transformado la dinámica del área de recursos humanos, promoviendo ganancias de eficiencia, precisión y agilidad. El estudio tuvo como objetivo identificar las experiencias de profesionales de RRHH sobre la aplicación de la IA en el R&S, analizando sus beneficios, desafíos e impactos en la organización, y verificando hasta qué etapa del proceso selectivo la IA es pertinente, además de proponer mejoras basadas en la literatura. La investigación, de naturaleza aplicada y enfoque cualitativo, se desarrolló a través de un estudio de caso en una empresa de gran porte del sector sucroenergético, utilizando entrevistas semiestructuradas con profesionales directamente involucrados en el proceso. Los resultados evidenciaron que la IA debe ser empleada principalmente en las etapas de selección y atracción de talentos, proporcionando ahorro de tiempo, estandarización de criterios y mayor adherencia entre el perfil del candidato y la cultura organizacional. Sin embargo, a partir de las fases de entrevistas y evaluación conductual, la intervención humana demostró ser esencial para asegurar decisiones éticas, empáticas y contextualizadas. La investigación contribuyó al destacar la importancia del equilibrio entre automatización y juicio humano, y propuso la revisión periódica de los criterios de las herramientas de IA, combinando eficiencia tecnológica con prácticas éticas, inclusivas y estratégicas para fortalecer el desempeño organizacional y la experiencia de los candidatos.

Palabras clave: Automatización; Gestión de Personas; Recursos Humanos; Transformación Digital.

1. Introducción

La integración de la inteligencia artificial (IA) en el área de recursos humanos (RR. HH.) se ha intensificado, con las tecnologías asumiendo un papel central en las actividades laborales cotidianas. Esta creciente proximidad refleja la búsqueda de soluciones más prácticas y eficientes, redefiniendo la dinámica de diversos sectores (Ribeiro, 2024).

En el contexto de reclutamiento y selección (R&S), la IA ha promovido una verdadera revolución, automatizando tareas repetitivas y operativas, como la criba de currículums. Esta automatización permite análisis más precisos y concretos, basados en datos conductuales y competencias (Garcia; Mendes, 2023). Los beneficios incluyen la disminución de costos, el mejor aprovechamiento del tiempo y el aumento de la asertividad en las contrataciones (Appolinário et al., 2025).

La aplicación de la IA en I+D también contribuye significativamente a la reducción de errores humanos y sesgos inconscientes, mejorando el alineamiento entre el perfil del candidato y la cultura organizacional. En entornos menos digitalizados, la selección de currículos puede consumir hasta el setenta por ciento del tiempo de los profesionales de RR. HH. La IA, según Sousa et al. (2019), facilita la comunicación con los candidatos, genera feedbacks personalizados y estandariza procesos, haciendo que RR. HH. sea más estratégico y orientado a datos.

Además, la adopción de la IA en los procesos de selección capacita a las organizaciones para superar limitaciones y prejuicios, garantizando la selección de talentos cualificados. Esto incentiva la innovación y la diversidad, factores cruciales para el aumento de la ventaja competitiva en el mercado actual (Atanazio et al., 2021).

Sin embargo, la implementación de la IA en I+D no está exenta de desafíos y preocupaciones éticas. Cuestiones como la privacidad de los datos, la dependencia excesiva de los algoritmos y la posibilidad de deshumanización del entorno laboral son puntos que exigen atención (Garcia; Mendes, 2023; Martins, 2024). Para mitigar estos riesgos, es fundamental que las organizaciones adopten prácticas de gobernanza, incluyendo auditorías constantes, transparencia en los procesos decisorios y políticas de uso responsable de la tecnología.

Es crucial que la tecnología actúe como un apoyo al juicio humano, y no como un sustituto, especialmente en situaciones que involucran aspectos subjetivos, como motivación y evaluación de desempeño. El equilibrio entre automatización e intervención humana es, por lo tanto, una condición esencial para que la IA fortalezca tanto los resultados organizacionales como la experiencia de los colaboradores (Garcia; Mendes, 2023).

En este contexto, surge la problemática de cómo la inteligencia artificial impacta y optimiza el proceso de reclutamiento y selección en una organización específica del sector azucarero-energético, ubicada en el Estado de São Paulo. Existe una brecha en la comprensión de las experiencias de los profesionales de RR. HH. y en la identificación de hasta qué etapa del proceso selectivo la actuación de la IA es más pertinente, garantizando un uso ético y eficaz.

Este trabajo se justifica por la creciente adopción de herramientas de IA en el entorno organizacional, que demanda análisis críticos sobre sus implicaciones prácticas y éticas, así como la proposición de mejoras que armonicen tecnología y actividad humana. Así, el presente estudio tiene como objetivo identificar las experiencias de los profesionales de recursos humanos sobre la aplicación de la inteligencia artificial en el proceso de reclutamiento y selección, analizando sus beneficios, desafíos e impactos en la organización, y verificar hasta qué etapa del proceso selectivo es pertinente mantener la actuación de la inteligencia artificial.

2. Material y Métodos

La presente investigación se caracterizó por su naturaleza aplicada, buscando generar conocimiento para la solución de problemas prácticos en la gestión organizacional (Gerhardt; Silveira, 2009). Se adoptó un enfoque cualitativo, que permitió comprender las percepciones, significados e interpretaciones atribuidas por los profesionales de recursos humanos al uso de la inteligencia artificial en los procesos de reclutamiento y selección (Minayo, 2001).

En cuanto a los objetivos, el estudio se clasificó como exploratorio, por proporcionar mayor familiaridad con el tema investigado. También se configuró como bibliográfico, al apoyarse en referenciales teóricos que fundamentaron la discusión, y explicativo, por buscar comprender las relaciones de causa y efecto entre la tecnología y sus impactos en las prácticas de gestión de personas (Gil, 2007).

La investigación bibliográfica se llevó a cabo en bases de datos como Google Académico y Spell.Org, utilizando palabras clave en portugués e inglés. Las palabras clave empleadas fueron: Inteligencia Artificial, Reclutamiento y Selección, Recursos Humanos y Automatización de Procesos. Esta etapa tuvo como objetivo la construcción de la base teórica para el estudio.

Como procedimiento técnico, se realizó un estudio de caso en una empresa de gran tamaño del sector azucarero-energético, ubicada en el estado de São Paulo, Brasil. La organización investigada cuenta con aproximadamente nueve mil colaboradores en el país y está controlada por un grupo internacional de origen europeo.

El departamento de Recursos Humanos de la empresa, foco de esta investigación, está compuesto por cuarenta y cuatro profesionales. De estos, doce actúan directamente en los procesos de reclutamiento y selección. La compañía opera siete unidades industriales distribuidas en el noroeste paulista, siendo líder global en la producción de azúcar, etanol y energía renovable.

Los participantes del estudio fueron doce reclutadores que actúan directamente en los procesos de reclutamiento y selección de la empresa. La selección de estos profesionales se basó en criterios de inclusión específicos: poseer experiencia mínima de un año en el área de R&S y haber participado en procesos selectivos mediados por tecnologías de inteligencia artificial.

Para la recolección de datos, se utilizaron entrevistas semiestructuradas, realizadas en un ambiente reservado. El guion de preguntas se elaboró basándose en los principales ejes identificados en la literatura sobre inteligencia artificial y reclutamiento y selección, según se detalla en el Apéndice A del trabajo original.

Las entrevistas tuvieron una duración media de 45 minutos y se realizaron en formato “online”, a través de la plataforma “Teams”. Las notas se registraron con la autorización previa de los participantes. La recolección de datos se llevó a cabo entre los meses de octubre y noviembre de 2025.

Los perfiles de los entrevistados, que incluían información sobre formación, función y tiempo de experiencia, fueron considerados para contextualizar las percepciones recopiladas. La diversidad de funciones y experiencias entre los participantes contribuyó a una visión abarcadora sobre el tema.

El análisis de los datos obtenidos se realizó mediante la técnica de análisis de contenido (Bardin, 2016). Este método permitió la identificación de patrones, categorías y significados recurrentes en las respuestas de los participantes, proporcionando una comprensión profunda de las experiencias relatadas.

Las categorías de análisis se definieron mediante un proceso híbrido, que combinó marcos teóricos identificados en la revisión de la literatura con evidencias emergentes de las entrevistas. Inicialmente, se establecieron categorías preliminares basadas en ejes recurrentes en los estudios sobre IA en I+D, como eficiencia operativa, sesgos, ética, diversidad y humanización.

Posteriormente, durante el análisis de los discursos, estas categorías fueron refinadas y ajustadas según la recurrencia y relevancia de los temas identificados en los relatos. Se buscó la recurrencia de patrones en los relatos, identificada cuando los discursos presentaron repetición de contenidos y ausencia de nuevos elementos relevantes.

La investigación aseguró el anonimato y la confidencialidad de los entrevistados y de la información proporcionada. La participación fue voluntaria, con los participantes plenamente informados sobre los objetivos del estudio a través del Término de Consentimiento Libre e Informado (TCLE), presentado en el Apéndice B.

Según el párrafo único del artículo 1º de la Resolución CNS n. 510, de abril de 2016, el trabajo fue eximido del registro y del análisis del Comité de Ética en Investigación (CEP) y de la Comisión Nacional de Ética en Investigación (CONEP). Esta exención se debió a que se trataba de una investigación de opinión con participantes no identificados.

3. Resultados y Discusión

La investigación buscó identificar las experiencias de los profesionales de recursos humanos sobre la aplicación de la inteligencia artificial en el proceso de reclutamiento y selección, analizando sus beneficios, desafíos e impactos en la organización. Las entrevistas se estructuraron a partir de una revisión bibliográfica exhaustiva, permitiendo un análisis en profundidad de las percepciones de los participantes sobre la tecnología, la eficiencia, los sesgos y la ética. La comparación entre las prácticas observadas en la empresa y las recomendaciones de la literatura fue fundamental para identificar puntos de convergencia y divergencia, subsidiando la proposición de mejoras específicas para el proceso de R&S de la organización estudiada, una empresa de gran tamaño en el sector sucroenergético.

Los participantes de la investigación destacaron el uso de herramientas digitales, como el “LinkedIn Recruiter”, para la atracción y captación de talentos. Esta tecnología fue percibida como un aliado estratégico en la optimización del tiempo, en la identificación de perfiles más afines a las vacantes y en la estandarización de los criterios de evaluación. Tal constatación corrobora los hallazgos de Sousa et al. (2019), que indican que la IA puede reducir hasta en un setenta por ciento el tiempo dedicado a la selección de currículos, contribuyendo a decisiones más ágiles y asertivas. La empresa, al emplear la tecnología en estas fases iniciales, se alinea a las mejores prácticas de la literatura, buscando eficiencia y reducción de costos operativos.

La implementación de las herramientas de inteligencia artificial requirió un período de adaptación y capacitación por parte del equipo de RR. HH. Los informes indicaron una resistencia inicial, acompañada de la necesidad de comprender el funcionamiento de los algoritmos y filtros para maximizar el uso de la tecnología en el día a día. La empresa invirtió en capacitaciones internas, lo que resultó en una mayor confianza de los reclutadores y en el desarrollo de la madurez digital del departamento. Para sostener esta evolución, se propone la revisión periódica de los parámetros de las herramientas de IA, garantizando que los filtros y criterios de búsqueda permanezcan actualizados y alineados a las demandas reales de las vacantes, evitando exclusiones indebidas y ampliando la asertividad de los resultados, además de fortalecer la capacitación continua del equipo.

En relación con las etapas del proceso de selección en las que la IA demuestra mayor eficiencia, la mayoría de los encuestados señaló la selección de currículos y la búsqueda de perfiles basada en palabras clave. Estas actividades, tradicionalmente consumidoras de tiempo para los reclutadores, se han vuelto más rápidas y consistentes con el uso de la tecnología, especialmente en procesos de selección de gran volumen. Este beneficio es ampliamente reconocido en la literatura, como por Appolinário et al. (2025), quienes enfatizan la ganancia de agilidad y la reducción de costos como ventajas centrales de la automatización en I&S. La empresa, por lo tanto, capitaliza estas ganancias al automatizar las fases iniciales del proceso.

Sin embargo, los participantes destacaron que, a partir de las fases de entrevistas y evaluaciones conductuales, la presencia humana se vuelve indispensable para asegurar decisiones éticas, empáticas y contextualizadas. Esta percepción se alinea con el argumento de Garcia y Mendes (2023), quienes defienden que la IA debe actuar como apoyo al juicio humano, y no como sustituta del discernimiento subjetivo. El equilibrio entre tecnología y sensibilidad humana fue identificado como uno de los mayores desafíos, ya que busca garantizar agilidad sin comprometer la humanización del proceso selectivo, reforzando la necesidad de que la IA apoye decisiones más estratégicas, identificando candidatos con mayor potencial de adherencia y desarrollo futuro.

Las entrevistas evidenciaron que la actuación de la IA es más pertinente en las etapas iniciales del proceso selectivo, como la selección y captación de currículos. En contraste, fases como entrevistas, análisis conductuales y la decisión final deben permanecer bajo el juicio humano. Los reclutadores destacaron que, en estas etapas, el juicio subjetivo, la empatía y la interpretación contextual son cruciales para evitar decisiones sesgadas o deshumanizadas. La IA, por lo tanto, es más eficaz como herramienta de apoyo operacional y analítico, y no como sustituta del discernimiento humano en las fases decisivas del R&S. Para mejorar esta integración, se sugiere establecer una política interna que defina claramente los límites de actuación de la IA, garantizando que las decisiones finales de contratación sean conducidas por evaluación humana.

Adicionalmente, se señalaron oportunidades para desarrollar protocolos de transición entre etapas automatizadas y presenciales, asegurando la coherencia de criterios y preservando la ética, la imparcialidad y la humanización de las decisiones. La creación de indicadores de diversidad y la implementación de tales protocolos pueden ayudar en el monitoreo continuo de los resultados, garantizando que la tecnología actúe de forma inclusiva y alineada a los valores organizacionales. Este enfoque busca potenciar el impacto social y cultural de los procesos de selección, guiado por principios de diversidad e inclusión, según lo defendido por Atanazio et al. (2021).

Cuando se les preguntó sobre el papel de la IA en la reducción de prejuicios y la promoción de la diversidad, los participantes presentaron una visión equilibrada. Reconocieron que la tecnología puede ayudar, siempre que se configure adecuadamente, pero advirtieron que parámetros mal definidos pueden reforzar sesgos existentes. Atanazio et al. (2021) enfatizan la importancia de la gobernanza y el seguimiento constante para que la IA sea una aliada en la reducción del prejuicio, promoviendo mayor diversidad e Innovación. La proposición de mejora incluye la creación de indicadores de diversidad para el monitoreo continuo, asegurando que la tecnología actúe de forma inclusiva y alineada a los valores organizacionales.

En relación con la experiencia del candidato, los entrevistados observaron que la automatización redujo el tiempo de respuesta y estandarizó el feedback, como destacaron Sousa et al. (2019). Sin embargo, el contacto inicial se volvió más impersonal. Se reconoce, por lo tanto, la importancia de equilibrar la eficiencia y la empatía, asegurando que la tecnología no comprometa la humanización del proceso. Se recomienda incorporar métricas de satisfacción del candidato y momentos de contacto humano estratégico, de modo a preservar la percepción de acogida y empatía durante el proceso selectivo, fortaleciendo la relación entre la organización y los potenciales talentos.

Las cuestiones éticas también fueron objeto de reflexión, con preocupaciones sobre el riesgo de que buenos candidatos sean descartados por filtros automáticos excesivamente rígidos y la posibilidad de que el proceso se vuelva impersonal. Esta preocupación converge con los análisis de Martins et al. (2024), quienes alertan sobre los riesgos de la dependencia excesiva de algoritmos y la deshumanización del ambiente de trabajo. Los entrevistados reforzaron la necesidad de mantener el juicio humano siempre presente, garantizando que la tecnología sea una aliada y no una sustituta de la sensibilidad de los reclutadores. La proposición en este aspecto es la creación de protocolos de gobernanza que establezcan límites claros para el uso de la IA, asegurando la revisión humana en etapas decisivas del proceso selectivo.

En general, los profesionales entrevistados destacaron claros beneficios de la IA, como ahorro de tiempo, agilidad en procesos de selección masiva y mayor estandarización en el análisis de perfiles. Se espera que, en los próximos años, la IA asuma un papel cada vez más analítico, permitiendo que los reclutadores se concentren en las etapas de decisión y relación humana. Sin embargo, se mencionaron desafíos como la dependencia de la tecnología y el riesgo de perder talentos por criterios automatizados. La propuesta de mejora es la definición de criterios transparentes de parametrización y la revisión periódica de las herramientas de IA, garantizando que los beneficios de la automatización se mantengan sin comprometer la diversidad y la calidad de las contrataciones.

La investigación evidenció que el uso equilibrado de la IA representa no solo una innovación tecnológica, sino una transformación cultural en la forma de gestionar personas. Los resultados demuestran que el futuro del reclutamiento depende de la integración entre datos y empatía, algoritmos y experiencia, lo que refuerza la necesidad de construir políticas organizacionales que prioricen tanto la eficiencia operacional como el respeto a la individualidad humana. Las proposiciones de mejora se concentran en la gobernanza de la IA, en la revisión de criterios algorítmicos y en la integración entre decisiones tecnológicas y juicio humano, indicando que el desafío organizacional reside en la gestión, monitoreo y alineación de la tecnología a los valores éticos y estratégicos de la organización.

4. Conclusión

El presente estudio tuvo como objetivo identificar las experiencias de los profesionales de recursos humanos sobre la aplicación de la inteligencia artificial en el reclutamiento y selección, analizando sus beneficios, desafíos e impactos en la organización, y verificando hasta qué etapa del proceso selectivo la IA es pertinente. Se verificó que la inteligencia artificial se empleó con mayor eficiencia en las etapas iniciales del proceso, como la selección de currículos y la atracción de talentos, proporcionando ganancias significativas en economía de tiempo, estandarización de criterios y mayor asertividad en la identificación de perfiles afines a la cultura organizacional. Sin embargo, se observó que, a partir de las fases de entrevistas y evaluaciones conductuales, la intervención humana demostró ser indispensable para asegurar decisiones éticas, empáticas y contextualizadas, evitando la deshumanización del proceso. La investigación contribuyó al evidenciar la importancia del equilibrio entre la automatización y el juicio humano, proponiendo la revisión periódica de los criterios de las herramientas de IA y la capacitación continua del equipo de RRHH, con el fin de armonizar la eficiencia tecnológica con prácticas éticas, inclusivas y estratégicas que fortalezcan el desempeño organizacional y la experiencia de los candidatos.

Como limitación, cabe destacar que el estudio se realizó en una única empresa del sector sucroenergético, lo que restringe la generalización de los resultados. Para estudios futuros, se sugiere ampliar la investigación a diferentes sectores y analizar el uso de la IA en otras etapas del ciclo de gestión de personas, como retención y desarrollo, profundizando el entendimiento sobre el papel de la tecnología en la construcción de un RRHH más estratégico y humano. Las proposiciones de mejora se centran en la gobernanza de la IA, la definición de criterios transparentes de parametrización y la creación de protocolos de transición entre etapas automatizadas y presenciales, asegurando coherencia, transparencia e inclusión en las decisiones de reclutamiento, además de incorporar métricas de satisfacción del candidato para preservar la empatía durante el proceso selectivo.

Referencias Bibliográficas

Appolinário, D. G.; Hedler, H. C.; Ferneda, E. 2025. Desafios do uso da inteligência artificial na gestão de recursos humanos: uma revisão sistemática. Boletim de Conjuntura (BOCA), [S.I.], v. 7, n. 3, p. 1–15. Disponível em: <https://revista.ioles.com.br/boca/index.php/revista/article/view/6979>. Acesso em: 25 set. 2025.

Atanazio, A.; Silva, L. R. O.; Formigoni, A.; Novais, R. A. B. de. 2021. A inteligência artificial transformando o RH do futuro: um estudo de caso sobre a tecnologia e a diversidade no mercado de trabalho. Refas – Revista Fatec Zona Sul, 7(4): 1-16.

Bardin, L. 2016. Análise de conteúdo. Edições 70, São Paulo, SP, Brasil.

Garcia, M. E. P. T.; Mendes, T. D. O. 2023. Transformações no recrutamento e seleção: um estudo sobre a inteligência artificial no processo seletivo. Revista de Gestão e Secretariado, 14(4). Disponível em: <https://ojs.revistagesec.org.br/secretariado/article/download/4665/3063/14988>. Acesso em: 13 set. 2025.

Gerhardt, T. E.; Silveira, D. T. 2009. Métodos de pesquisa. EAD Série Educação a Distância. Disponível em: <https://www.ufrgs.br/cursopgdr/downloadsSerie/derad005.pdf>. Acesso em: 13 set. 2025.

Gil, A. C. 2007. Como elaborar projetos de pesquisa. 4. ed. Atlas, São Paulo, SP, Brasil.

Martins, G. et al. 2024. Inteligência artificial e recursos humanos. Letra e Forma Editora, Curitiba, PR, Brasil. DOI: 10.29327/5435233.

Minayo, M. C. S. 2001. O desafio do conhecimento: pesquisa qualitativa em saúde. 8. ed. Hucitec, São Paulo, SP, Brasil.

Ribeiro, C. S. M. 2024. Inteligência artificial em recursos humanos: tendências e competências para o futuro. Dissertação (Mestrado) – Instituto Politécnico do Porto, Porto, Portugal. Disponível em: <https://www.proquest.com/openview/addff76ea4a03a9c8e96d2043edf409a/1?cbl=2026366&diss=y&pq-origsite=gscholar>. Acesso em: 25 set. 2025.

Sousa, S. P.; Passarelli, C. R.; Pugliesi, M. A. 2019. A inteligência artificial no recrutamento e seleção de pessoas: um estudo exploratório. Revista de Informação Contábil e Organizacional, São Paulo, v. 4, n. 1, p. 45-59, jan./jul. Disponível em: <https://ric.cps.sp.gov.br/bitstream/123456789/4968/1/A%20INTELIG%C3%8ANCIA%20ARTIFICIAL%20NO%20RECRUTAMENTO%20E%20SELE%C3%87%C3%83O%20DE…janeiro-julho%202019.pdf>. Acesso em: 25 set. 2025.

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

Para saber más sobre el curso, haga clic aquí y acceda 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.