Más allá de los números: la investigación cualitativa en las dinámicas organizacionales

Columna

31 de enero de 2025

Más allá de los números: la investigación cualitativa en las dinámicas organizacionales

El enfoque es útil como herramienta para explorar la complejidad de las interacciones humanas y sociales

Regresión, gráficos, diagramas de caja, tablas, softwares… La ciencia de datos domina el escenario de la investigación organizacional. Los enfoques cuantitativos han ido ganando espacio por la precisión, objetividad de los números y facilidad de traducir resultados en gráficos y datos impactantes, principales herramientas utilizadas para las decisiones de gestores y líderes en las organizaciones.

Por otro lado, como ya decía Albert Einstein, “ni todo lo que puede ser contado cuenta, ni todo lo que cuenta puede ser contado.” Esta reflexión plantea un interrogante: ¿hasta qué punto los números, por más precisos que sean, logran captar la complejidad y los matices que componen las relaciones humanas en los contextos organizacionales? No se trata de considerar un enfoque como superior al otro, sino de comprender que la elección depende de lo que se desea descubrir y del objetivo específico del investigador o gestor. Es fundamental prestar atención a estos aspectos para determinar el camino más adecuado (Creswell, 2014).

Imagine una organización que evalúa, por medio de una investigación cuantitativa, el nivel de satisfacción de sus colaboradores. Los datos apuntan a una media de 7,5 en una escala de 0 a 10, sugiriendo un escenario de satisfacción aparentemente cómodo, frecuentemente etiquetado como “por encima de la media”. Sin embargo, una complementación de este análisis con entrevistas en profundidad o incluso con la observación directa de la rutina y los procesos en el día a día puede evidenciar una realidad mucho más compleja: conflictos silenciosos —comunes a los organismos vivos que se relacionan— que pueden revelar lagunas y resentimientos que el índice “7,5” no sería capaz de traducir.

Por otro lado, la investigación cualitativa enfrenta una serie de desafíos que permean las críticas teóricas, abarcando aspectos prácticos, metodológicos y de aceptación en el medio académico y organizacional. Uno de los principales puntos planteados es su subjetividad interpretativa, ya que el análisis de los datos depende fuertemente de la mirada y las experiencias del investigador. Además, muchos críticos argumentan que los resultados cualitativos carecen de capacidad de replicación, ya que generalmente se basan en muestras pequeñas y contextos específicos, dificultando la aplicación de los hallazgos en otros escenarios (Günther, 2006; Gomes et al., 2014).

En contrapartida, en la teoría de González Rey sobre la epistemología cualitativa, el investigador desempeña un papel activo en la interpretación, siendo esta interacción fundamental para revelar dimensiones de fenómenos que los métodos cuantitativos no logran captar (Pinto y Paula, 2018). Además, refuerza que la búsqueda de la comprensión contextualizada y profunda debe prevalecer, valorando las especificidades de cada contexto. Creswell (2014) enfatiza que, para minimizar posibles sesgos, el investigador debe aclarar su posición desde el inicio del estudio. En este enfoque, la investigación cualitativa se posiciona como una herramienta para explorar la complejidad de las interacciones humanas y sociales, destacando la subjetividad en el proceso de construcción del conocimiento.

De la teoría a la práctica

Para responder a questões como as abordadas, diferentes métodos cualitativos foram desenvolvidos e adaptados ao longo do tempo, cada um com suas particularidades e aplicações específicas. Essas abordagens oferecem metodologias com fundamento teórico, a fim de aplicar práticas voltadas à exploração de fenômenos complexos. Esses fenômenos, muitas vezes, estão relacionados a grupos específicos, ações, projetos ou indivíduos que são exclusivos de determinado contexto e momento. O quadro abaixo apresenta os principais métodos qualitativos e como eles podem ser aplicados tanto para entender a operação das organizações quanto para identificar soluções estratégicas baseadas em suas realidades.

Fuente: Elaborado por el autor con base en los autores referenciados
Nota: ¹las referencias completas están disponibles en archivo al final del texto

Estos métodos dejan claro por qué la investigación cualitativa no se limita a responder “qué” y “cuánto”, sino también “cómo” y “por qué”. Como destaca Eco (2010), este tipo de estudio exige del investigador una postura analítica e interpretativa, guiada por una comprensión amplia del contexto. Imagine una empresa que busca identificar por qué determinados colaboradores tienen dificultad para adaptarse al trabajo remoto. A través de entrevistas cualitativas, es posible identificar cuestiones amplias, como falta de interacción social, dificultad para conciliar vida personal y profesional o incluso desafíos tecnológicos, cuya subjetividad la investigación cuantitativa no siempre logra captar, debido a la complejidad de las experiencias humanas, las cuales exigen métodos que permitan un análisis más rico.

En el contexto organizacional, Denzin y Lincoln (2011) resaltan que la investigación cualitativa es fundamental para comprender las dinámicas internas de equipos y liderazgos de forma más profunda. Por ejemplo, al analizar la cultura organizacional, este método puede ser relevante en casos de alta rotación de empleados, ya que, a través de grupos focales y estudios de caso, es posible identificar causas subyacentes, como fallas en la comunicación o la falta de reconocimiento, que frecuentemente no son captadas por métricas numéricas y se perpetúan debido a la ausencia de intervenciones basadas en una comprensión más contextualizada y detallada.

Métodos mixtos

Los métodos mixtos, como enfatizado por Creswell (2014), ofrecen un enfoque interesante al integrar el rigor de la investigación cuantitativa con la profundidad de la investigación cualitativa. Esta combinación permite validar y enriquecer los datos recopilados, ampliando la comprensión del contexto y de las personas y promoviendo análisis más completos. En metodologías que se realizan en secuencia, los enfoques pueden aplicarse de forma complementaria, por ejemplo, utilizando encuestas cuantitativas para mapear patrones generales y, a continuación, métodos cualitativos para explorar las razones subyacentes. En el modelo convergente, ambas metodologías se aplican simultáneamente, integrando los resultados para generar una visión más robusta. Pero existen desafíos y críticas en esta combinación.

Uno de los principales desafíos de los métodos mixtos es la dificultad de alinear paradigmas epistemológicos distintos (Kunh, 1998); mientras que los métodos cuantitativos buscan objetividad y generalización, los cualitativos enfatizan la comprensión de contextos específicos e interpretaciones subjetivas. En estas circunstancias, la flexibilidad metodológica se vuelve esencial, especialmente en áreas como salud, educación y negocios, en las cuales el análisis de fenómenos complejos demanda enfoques que sean al mismo tiempo detallados y adaptables a la realidad de cada investigación.

Creswell (2014) señala que esta combinación puede no ser viable en estudios con limitaciones de financiación y cronograma. Además, en el caso de programas como maestrías o posgrados, aplicar dos métodos tan distintos puede volverse extremadamente desafiante para un investigador que, generalmente, posee un plazo limitado de hasta dos años para concluir el curso.

La innovación y el futuro de la investigación cualitativa

La investigación cualitativa se está adaptando con la ayuda de nuevas tecnologías; con la ayuda de la inteligencia artificial (IA), está expandiendo sus posibilidades de análisis y recolección de datos. La IA posibilita, por ejemplo, la transcripción automática de entrevistas, el análisis de sentimientos en textos y la identificación de patrones en grandes volúmenes de datos cualitativos, como señalan Marcolin et al. (2023). Esto no solo reduce el tiempo para las etapas operativas, sino que también ayuda en la profundidad de las interpretaciones, permitiendo que el investigador se concentre en las cuestiones centrales del análisis y no tanto en cuánto tiempo necesitará para transcribir las innumerables páginas de entrevistas realizadas con la ayuda de su fiel grabadora de bolsillo.

Un buen ejemplo es Read.ai, una herramienta diseñada para optimizar reuniones virtuales que también puede ser utilizada como un recurso complementario en investigaciones cualitativas. La aplicación ofrece transcripción automática de reuniones e interacciones en plataformas como Zoom, Microsoft Teams y Google Meet, además de funcionalidades de análisis de sentimientos y compromiso. Estas aplicaciones permiten a los investigadores identificar patrones emocionales, métricas de participación y puntos destacados de las conversaciones, contribuyendo al análisis de dinámicas grupales y entrevistas en contextos en línea.

Incluso la gamificación está ayudando a los investigadores cualitativos. Algunos juegos adaptados están ayudando en la forma en que se recopilan los datos, haciendo el proceso más dinámico y atractivo para los participantes. En lugar de entrevistas tradicionales, es posible crear escenarios interactivos que simulan situaciones organizacionales, extrayendo percepciones y actitudes auténticas en contextos simulados (Mozzato y Bert, 2024). Además de estos ejemplos, la imagen de abajo presenta otras herramientas que pueden ayudar en la investigación cualitativa.

 
Fuente: Elaborado por el autor con base en Martins (2022)

Estas herramientas, cuando integradas a los enfoques cualitativos, no solo ayudan a superar sus limitaciones, sino que también ofrecen nuevas formas de comprender las dinámicas organizacionales (Marcolin et al., 2023), desafiando la dependencia excesiva de los números. Una vez asociadas a las innovaciones tecnológicas, este enfoque se vuelve aún más poderoso, proporcionando un análisis más rico y contextualizado de los fenómenos estudiados.

Es en este contexto que la investigación cualitativa, potenciada por innovaciones como la inteligencia artificial, reafirma su relevancia, ofreciendo un análisis más completo, detallado y centrado en la complejidad humana. Después de todo, la verdadera riqueza reside en comprender lo que los números por sí solos y las palabras sueltas no pueden revelar, ¡como ya bien citado aquí por Einstein!

Para tener acceso a las referencias de este texto haga clic aquí.

Este contenido fue producido por:

Luiz Eduardo Giovanelli

LinkedIn/Lattes

Editor asistente de la Revista Estrategias y Soluciones. Maestrando en Administración por la Universidad de São Paulo. Especialista en Gestión Pública por la Universidad Estatal de Ponta Grossa y graduado en Administración por la Universidad Estatal del Norte de Paraná. 

Quién publicó esta columna

Editora Pecege

Produz materiais nas áreas de agronegócios, educação, gestão e tecnologia, prestando serviços de padronização, revisão, elaboração de ficha catalográfica e produção gráfica. Gerencia a publicação das revistas Quaestum (científica) e Estratégias e Soluções – E&S – (técnico-científica) e publica livros em diversas áreas.

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.