Finanzas inteligentes: la revolución de la IA en la optimización de beneficios en Perú
Barra lateral del artículo
Contenido principal del artículo
Resumen
La adopción global de la inteligencia artificial (IA) sigue en expansión, con un 94 % de líderes empresariales que reconocen su importancia y un 56 % que la implementan en servicios de atención al cliente. No obstante, en América Latina y particularmente en Perú, su adopción aún es incipiente. El objetivo de esta investigación fue analizar el rol que desempeña la inteligencia artificial en la toma de decisiones orientadas a la rentabilidad en empresas peruanas del sector financiero durante el año 2023. El método aplicado fue de tipo básico, con nivel descriptivo, enfoque cualitativo y diseño no experimental. La población estuvo conformada por 64 empresas del sector financiero, de las cuales se seleccionó una muestra intencionada de 9. Se utilizó la entrevista semiestructurada como técnica de recolección de datos. Los resultados indican que la inteligencia artificial cumple un rol fundamental en la optimización y análisis de datos, automatización de procesos e identificación de tendencias, lo que permite fortalecer la capacidad predictiva y operativa de las organizaciones. Se concluye que el uso de IA contribuye significativamente a la eficiencia en el manejo de la información, mejora la capacidad para anticipar comportamientos del mercado y optimiza procesos clave, lo cual impacta positivamente en la toma de decisiones estratégicas orientadas a mejorar la rentabilidad empresarial.
##plugins.themes.bootstrap3.displayStats.downloads##
Detalles del artículo
Sección
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Todos los documentos -salvo que se indique lo contrario- se publican bajo Licencia de Creative Commons Atribución 4.0 Internacional
Los autores conservan los derechos de autor y ceden a la revista el derecho de primera publicación, con el trabajo registrado con la Licencia de Creative Commons. Usted puede:
a. Compartir, copiar y redistribuir el material en cualquier medio o formato.
b. Adaptar, remezclar, transformar y construir a partir del material para cualquier propósito, incluso comercialmente.
La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia
Bajo los siguiente términos:
Atribución — Usted debe dar crédito de manera adecuada, brindar un enlace a la licencia, e indicar si se han realizado cambios. Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
Cómo citar
Referencias
Arias, J., & Covinos, M. (2021). Diseño y Metodología de la investigación. Enfoques Consulting E.I.R.L. https://gc.scalahed.com/recursos/files/r161r/w26022w/Arias_S2.pdf
Awais, J., Asif, L., Kamlesh, N., & Shibin, D. (2021). Examining the Present and Future Integrated Role of Artificial Intelligence in the Business: A Survey Study on Corporate Sector. Journal of Computer and Communications, 1(9), 80-90. https://www.scirp.org/pdf/jcc_2021020114200410.pdf
Bahoo, S., Cuccilelli, M., Goga, X., & Mondolo, J. (2023). Artifcial intelligence in Finance: a comprehensive review through bibliometric and content analysis. SN Business & Economics, 4(23), 1 - 46. https://link.springer.com/article/10.1007/s43546-023-00618-x
Bai, H. (2022). The epistemology of machine learning. Filosofija Sociologija, 33(1), 40-48. https://www.lmaleidykla.lt/ojs/index.php/filosofija-sociologija/article/view/4668/3882
Banco Central de Reserva del Perú. (2024, 17 de noviembre). Entidades Financieras. https://www.bcrp.gob.pe/en/sitios-de-interes/entidades-financieras.html
Belesis, N., Papanastasopoulos, G., & Vasilatos, A. (2023). Predicting the Profitability of Directional Changes Using Machine Learning: Evidence from European Countries. Journal of Risk and Financial Management, 16(12), 1-14. https://www.mdpi.com/1911-8074/16/12/520#
Contreras, E. (2024, 27 de agosto). 70 % de las grandes empresas peruanas apuestan por la IA. Manapro Consultores. https://manapro.com/70-de-las-grandes-empresas-peruanas-apuestan-por-la-ia/
Flores, J., & Mougenot, B. (2022). Analysis of the financial sustainability of the cooperative savings and credit sector in Peru. International Journal of Social Economics, Emerald Group Publishing Limited, 50(3), 452-461. https://ideas.repec.org/a/eme/ijsepp/ijse-01-2022-0064.html
Guest, G. B. (2006). How many interviews are enough? An experiment with data saturation and variability. Field methods, 18(1), 59-82.
Ilker, M., Ayfer, E., & Sadi, E. (2022). Performance, Efficiency, and Target Setting for Bank Branches Bank Branches: Time Series With Automated Machine Learning. IEEEAccess, 11(10), 1-11. https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=10004502
Königstorfer, F., & Thalmann, S. (2020). Applications of Artificial Intelligence in commercial banks - A research agenda for behavioral finance. Journal of Behavioral and Experimental Finance, 20(0), 1-35. https://doi.org/10.1016/j.jbef.2020.100352
Krunoslav, R., Stankovic, Z., & Avramovic, Z. (2020). Implications of Implementation of Artificial Intelligence in the Banking Business with Correlation to the Human Factor. Journal of Computer and Communications, 1(8), 130-144. https://www.scirp.org/pdf/jcc_2020112615471696.pdf
Napitu, A. (2023). Más de 150 Estadísticas de Inteligencia Artificial en 2023. Techopedia. https://www.techopedia.com/es/estadisticas-inteligencia-artificial
Nibigira, N., Havyarimana, V., & Xiao, Z. (2023). Artificial Intelligence Adoption for Cybersecurity in Africa. Journal of Information Security, 1(15), 134-147. https://www.scirp.org/pdf/jis_2024032014425606.pdf
Ñaupas, H., Palacios, J., Valdivia, M., & Romero, H. (2018). Metodología de la investigación (quinta ed.). Ediciones de la U. http://www.biblioteca.cij.gob.mx/Archivos/Materiales_de_consulta/Drogas_de_Abuso/Articulos/MetodologiaInvestigacionNaupas.pdf
Organización para la Cooperación y el Desarrollo Económico. (2022). The Strategic and Responsible Use of Artificial Intelligence in the Public Sector of Latin America and the Caribbean. OECD Public Governance Reviews. https://read.oecd-ilibrary.org/governance/the-strategic-and-responsible-use-of-artificial-intelligence-in-the-public-sector-of-latin-america-and-the-caribbean_1f334543-en#page1
Pramanik, P., & Jana, R. (2022). Identifying research trends of machine learning in business: a topic modeling approach. Measuring Business Excellence, 27(4), 602-633. https://www.emerald.com/insight/content/doi/10.1108/mbe-07-2021-0094/full/html
Rahman, M. (2023). The Effect of Business Intelligence on Bank Operational Efficiency and Perceptions of Profitability. FinTech, 2(1), 99-119. https://www.mdpi.com/2674-1032/2/1/8
Ruiz, J., Torrez, J., Uribe, J., & De Pablo, J. (2021). Artificial intelligence in business and economics research: trends and future. Journal of Business Economics and Managemen, 22(1), 98-117. https://journals.vilniustech.lt/index.php/JBEM/article/view/13641/10170
Taherdoost, H., & Madanchian, M. (2023). Artificial Intelligence and Knowledge Management: Impacts, Benefits, and Implementation. Computers, 12(4), 12-72. https://www.mdpi.com/2073-431X/12/4/72
Volkmar, G., Fischer, P., & Reinecke, S. (2022). Artificial Intelligence and Machine Learning: Exploring drivers, barriers, and future developments in marketing management. Journal of Business Research, 149(1), 599 - 614. https://pdf.sciencedirectassets.com/271680/1-s2.0-S0148296322X00088/1-s2.0-S0148296322003381/main.pdf?X-Amz-Security-Token=IQoJb3JpZ2luX2VjEB8aCXVzLWVhc3QtMSJGMEQCIGysC8TsJuKECAWJumkWc7HJSIaS4Fvt%2BC5mhRWwws95AiAfMyp4WnQS1MSzDOMj2ECjmA5JGLqbkZ1vgiyXhONfRi
Wamba, S., Fosso, S., Kala, J., & Tchatchouang, C. (2020). Influence of Artificial Intelligence (AI) on Firm Performance: The Business Value of AI-based Transformation Projects. Business Process Management Journal, 26(7), 1893-1924. https://doi.org/10.1108/BPMJ-10-2019-0411