La Inteligencia Artificial y Productividad Laboral en el Sector Servicios mediante Revisión Bibliométrica Sistemática (2020–2026): Análisis de Tendencias, Productividad y Automatización en Empresas de Servicios a través de Estudios Bibliométricos

Alexa María Cedeño Macías; Emma Yolanda Mendoza Vargas; Harold Elbert Escobar Terán; Eva Rosario Chávez Rojas

doi:10.56124/corporatum-360.v9i17.007

Autores/as

Alexa María Cedeño Macías Universidad Técnica Estatal de Quevedo – Ecuador https://orcid.org/0000-0003-1771-7983
Emma Yolanda Mendoza Vargas Universidad Técnica Estatal de Quevedo – Ecuador https://orcid.org/0000-0002-0220-4328
Harold Elbert Escobar Terán Universidad Técnica Estatal de Quevedo – Ecuador https://orcid.org/0000-0001-9165-6627
Eva Rosario Chávez Rojas Universidad Técnica Estatal de Quevedo – Ecuador https://orcid.org/0009-0002-4170-5819

DOI:

https://doi.org/10.56124/corporatum-360.v9i17.007

Palabras clave:

inteligencia artificial, productividad laboral, sector de los servicios, bibliometría

Resumen

El presente estudio examina la relación entre la adopción de inteligencia artificial (IA) y la productividad laboral en organizaciones del sector servicios durante el período 2020–2026. Se adoptó un diseño de métodos mixtos que articula análisis bibliométrico cuantitativo y revisión sistemática conforme a las directrices PRISMA 2020. Las búsquedas se ejecutaron el 10 de mayo de 2026 en Scopus (n = 1.487 registros) y Web of Science (n = 51). El proceso de selección incluyó cribado por pares mediante Rayyan (κ = 0,84), evaluación de calidad con el Mixed Methods Appraisal Tool (MMAT) y criterios de exclusión basados en pertinencia temática, diseño empírico y lengua. El corpus final de síntesis comprendió 89 estudios. Los análisis bibliométricos se realizaron con VOSviewer v.1.6.20 y bibliometrix R v.4.3.0. Los resultados muestran una asociación positiva y consistente entre adopción de IA y productividad laboral, con rangos de efecto que oscilan entre el 8% en hostelería y el 67% en aplicaciones clínicas. Se identificaron cinco clústeres temáticos; el correspondiente a IA generativa y trabajo del conocimiento exhibe la mayor densidad de citación desde 2022. A partir de la síntesis de evidencia se construye el Modelo de Complementariedad Productiva Humano-IA (HAPC), un marco tridimensional con predicciones falsables orientado a explicar la heterogeneidad empírica observada. Se concluye que los efectos productivos de la IA dependen, más que de la tecnología en sí, de la arquitectura organizacional de tareas, del capital humano disponible y del nivel de preparación institucional.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Acemoglu, D., & Restrepo, P. (2018). Artificial intelligence, automation and work. In A. Agrawal, J. Gans, & A. Goldfarb (Eds.), The economics of artificial intelligence: An agenda (pp. 197–236). University of Chicago Press.

Agrawal, A., Gans, J., & Goldfarb, A. (2019). The economics of artificial intelligence: An agenda. University of Chicago Press.

Aria, M., & Cuccurullo, C. (2017). Bibliometrix: An R-tool for comprehensive science mapping analysis. Journal of Informetrics, 11(4), 959–975. https://doi.org/10.1016/j.joi.2017.08.007

Autor, D. H. (2015). Why are there still so many jobs? The history and future of workplace automation. Journal of Economic Perspectives, 29(3), 3–30. https://doi.org/10.1257/jep.29.3.3

Banco Interamericano de Desarrollo. (2024). Inteligencia artificial y productividad en América Latina y el Caribe. BID.

Bommasani, R., Hudson, D. A., Adeli, E., Altman, R., Arora, S., von Arx, S., et al. (2021). On the opportunities and risks of foundation models. Stanford Center for Research on Foundation Models.

Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at work. National Bureau of Economic Research Working Paper No. 31161. https://doi.org/10.3386/w31161

Brynjolfsson, E., Rock, D., & Syverson, C. (2021). The productivity J-curve: How intangibles complement general purpose technologies. American Economic Journal: Macroeconomics, 13(1), 333–372. https://doi.org/10.1257/mac.20180386

Comisión Económica para América Latina y el Caribe. (2024). Inteligencia artificial y transformación digital en América Latina y el Caribe. Naciones Unidas.

Damioli, G., Van Roy, V., Vertesy, D., & Vivarelli, M. (2021). The impact of artificial intelligence on labor productivity. Eurasian Business Review, 11(1), 1–25. https://doi.org/10.1007/s40821-020-00172-8

Dell’Acqua, F., McFowland, E., Mollick, E., Lifshitz-Assaf, H., Kellogg, K., Rajendran, S., et al. (2023). Navigating the jagged technological frontier: Field experimental evidence of the effects of AI on knowledge worker productivity and quality. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4573321

Dwivedi, Y. K., Hughes, L., Baabdullah, A. M., Ribeiro-Navarrete, S., Giannakis, M., Al-Debei, M. M., et al. (2023). So what if ChatGPT wrote it? Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI. International Journal of Information Management, 71, 102642. https://doi.org/10.1016/j.ijinfomgt.2023.102642

George, G., Lakhani, K. R., & Puranam, P. (2024). What has changed with generative artificial intelligence? Academy of Management Discoveries, 10(1), 1–9. https://doi.org/10.5465/amd.2023.0101

Glikson, E., & Woolley, A. W. (2020). Human trust in artificial intelligence: Review of empirical research. Academy of Management Annals, 14(2), 627–660. https://doi.org/10.5465/annals.2018.0057

Hong, Q. N., Fàbregues, S., Bartlett, G., Boardman, F., Cargo, M., Dagenais, P., et al. (2018). The Mixed Methods Appraisal Tool (MMAT) version 2018 for information professionals and researchers. Education for Information, 34(4), 285–291.

Irgang, S., Schnellbächer, P., & Schüller, K. (2026). Artificial intelligence and healthcare productivity: A systematic review. Health Policy and Technology, 15(1), 100932.

Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., et al. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274

Landis, J. R., & Koch, G. G. (1977). The measurement of observer agreement for categorical data. Biometrics, 33(1), 159–174.

Mikalef, P., & Gupta, M. (2021). Artificial intelligence capability and organizational performance. Information & Management, 58(3), 103434. https://doi.org/10.1016/j.im.2021.103434

Mollick, E. (2024). Co-intelligence: Living and working with AI. Portfolio.

Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. https://doi.org/10.1126/science.adh2586

Organización Internacional del Trabajo. (2024). Panorama laboral de América Latina y el Caribe 2024. OIT.

Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., et al. (2021). The PRISMA 2020 statement. BMJ, 372, n71. https://doi.org/10.1136/bmj.n71

Pappas, I. O., Mikalef, P., Giannakos, M., Krogstie, J., & Lekakos, G. (2023). Big data and business analytics ecosystems. Information Systems and e-Business Management, 21(2), 231–241.

Pillai, S. G., Haldorai, K., Seo, W. S., & Kim, W. G. (2021). COVID-19 and hospitality 5.0. International Journal of Hospitality Management, 94, 102869.

Prikshat, V., Nankervis, A., Burgess, J., Connell, J., & Siengthai, S. (2023). Artificial intelligence, human resource management and organizational performance: A systematic review. Technological Forecasting and Social Change, 191, 122511.

Raisch, S., & Krakowski, S. (2021). Artificial intelligence and management: The automation–augmentation paradox. Academy of Management Review, 46(1), 192–210. https://doi.org/10.5465/amr.2018.0072

Tambe, P., Cappelli, P., & Yakubovich, V. (2019). Artificial intelligence in human resources management. California Management Review, 61(4), 15–42. https://doi.org/10.1177/0008125619867910

Topol, E. (2019). Deep medicine: How artificial intelligence can make healthcare human again. Basic Books.

van Eck, N. J., & Waltman, L. (2010). Software survey: VOSviewer. Scientometrics, 84(2), 523–538. https://doi.org/10.1007/s11192-009-0146-3

Wilson, H. J., & Daugherty, P. R. (2018). Collaborative intelligence: Humans and AI are joining forces. Harvard Business Review, 96(4), 114–123.

Yadav, G., Luthra, S., Jakhar, S. K., Mangla, S. K., & Rai, D. P. (2020). A framework to overcome sustainable supply chain challenges through artificial intelligence. International Journal of Production Research, 58(5), 1535–1551.