ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(283)
http://www.aulavirtual.web.ve
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(284)
http://www.aulavirtual.web.ve
REVISTA CIENTÍFICA
AULA VIRTUAL
Director Editor:
La Revista seriada Científica Arbitrada e Indexada
Aula Virtual, es de acceso abierto y en formato
electrónico; la misma está orientada a la
divulgación de las producciones científicas creadas
por investigadores en diversas áreas del
conocimiento. Su cobertura temática abarca
Tecnología, Ciencias de la Salud, Ciencias
Administrativas, Ciencias Sociales, Ciencias
Jurídicas y Políticas, Ciencias Exactas y otras áreas
afines. Su publicación es CONTINUA, indexada y
arbitrada por especialistas en el área, bajo la
modalidad de doble ciego. Se reciben las
producciones tipo: Artículo Científico en las
diferentes modalidades cualitativas y cuantitativas,
Avances Investigativos, Ensayos, Reseñas
Bibliográficas, Ponencias o publicaciones
derivada de eventos, y cualquier otro tipo de
investigación orientada al tratamiento y
profundización de la información de los campos de
estudios de las diferentes ciencias. La Revista Aula
Virtual, busca fomentar la divulgación del
conocimiento científico y el pensamiento crítico
reflexivo en el ámbito investigativo.
• Dra. Leidy Hernández PhD.
• Dr. Fernando Bárbara
Consejo Asesor:
• MSc. Manuel Mujica
• MSc. Wilman Briceño
• Dra. Harizmar Izquierdo
• Dr. José Gregorio Sánchez
Revista Científica Arbitrada de
Fundación Aula Virtual
Email: revista@aulavirtual.web.ve
URL: http://aulavirtual.web.ve/revista
ISSN:
Depósito Legal:
País:
Año de Inicio:
Periodicidad:
Sistema de Arbitraje:
Licencia:
Volumen:
Número:
Año:
Período:
Dirección Fiscal:
2665-0398
LA2020000026
Venezuela
2020
Continua
Revisión por pares. “Doble Ciego”
Creative Commons CC BY NC ND
7
14
2026
Enero 2026 - Junio 2026 (continua)
Av. Libertador, Arca del Norte, Nro.
52D, Barquisimeto estado Lara,
Venezuela, C.P. 3001
Generando Conocimiento
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(285)
http://www.aulavirtual.web.ve
Tipo de Publicación: Articulo Científico
Recibido: 01/02/2026
Aceptado: 02/03/2026
Publicado: 12/03/2026
Código Único AV: e679
Páginas: 1(283-304)
DOI: https://doi.org/10.5281/zenodo.18982020
Autores:
Santos Cleber Vega Luján
Ingeniero Industrial
Magíster en Dirección de Operaciones Productivas
https://orcid.org/0000-0001-6952-9365
E-mail: scvegalu@unitru.edu.pe
Afiliación: Universidad Nacional de Trujillo
País: República del Perú
Yoya Betzabé Flores Pérez
Licenciada en Trabajo Social
Maestra en Trabajo Social
Maestra en Ingeniería Industrial
Doctora en Ciencias del Desarrollo Social
https://orcid.org/0000-0001-5194-4448
E-mail: yflores@unitru.edu.pe
Afiliación: Universidad Nacional de Trujillo
País: República del Perú
Silvia Elena Mireille Ypanaque Arteaga
Ingeniera Industrial
Maestra en Administración de Negocios – MBA
https://orcid.org/0000-0002-1705-1221
E-mail: seypanaquear@unitru.edu.pe
Afiliación: Universidad Nacional de Trujillo
País: República del Perú
Iván Rodrigo Talavera López
Ingeniero Industrial
Máster en Dirección de Empresas
https://orcid.org/0009-0000-5681-6330
E-mail: irtalaveralo@unitru.edu.pe
Afiliación: Universidad Nacional de Trujillo
País: República del Perú
Resumen
La gestión de la cadena de suministro enfrentó desafíos de competitividad y
eficiencia debido a la inestabilidad de la demanda y la complejidad logística
actual. La investigación examinó de qué manera la inteligencia artificial influyó
en la administración de suministros de una empresa privada en Chimbote. El
estudio tuvo como objetivo general analizar el impacto de esta tecnología en la
eficiencia operativa, la optimización de recursos y la competitividad
empresarial. La metodología empleó un enfoque mixto de nivel descriptivo-
correlacional con un diseño no experimental y longitudinal. Se recolectó
información a través de encuestas aplicadas a una muestra censal de 50
trabajadores. Los resultados demostraron una relación positiva de magnitud
moderada entre la inteligencia artificial y la gestión logística, con un coeficiente
Rho de Spearman de 0.545. Los hallazgos principales destacaron mejoras en la
precisión de los pronósticos de demanda, el control de inventarios, el
cumplimiento de plazos de producción y la reducción de costos operativos.
Asimismo, se identificaron preocupaciones del personal respecto a la seguridad
de los datos y la estabilidad laboral. En conclusión, la inteligencia artificial se
consolidó como un recurso estratégico que potenció el desempeño
organizacional y la toma de decisiones. Su integración adecuada permitió elevar
la eficiencia financiera y operativa, siempre que existió una implementación
ética alineada a las capacidades de la institución.
Palabras Clave
Inteligencia artificial, cadena de suministro, gestión de
empresas, eficiencia operativa, optimización de procesos
Abstract
Supply chain management faced competitiveness and efficiency challenges due
to demand instability and current logistics complexity. The research examined
how artificial intelligence influenced the management of supplies of a private
company in Chimbote. The general objective of the study was to analyze the
impact of this technology on operational efficiency, resource optimization and
business competitiveness. The methodology employed a mixed descriptive-
correlational approach with a non-experimental and longitudinal design.
Information was collected through surveys applied to a census sample of 50
workers. The results demonstrated a moderate-magnitude positive relationship
between artificial intelligence and logistics management, with a Spearman's
Rho coefficient of 0.545. Key findings highlighted improvements in the
accuracy of demand forecasts, inventory control, adherence to production
deadlines, and reduced operating costs. Likewise, staff concerns were identified
regarding data security and job stability. In conclusion, artificial intelligence has
been consolidated as a strategic resource that enhanced organizational
performance and decision-making. Its proper integration allowed for an increase
in financial and operational efficiency, provided that there was an ethical
implementation aligned with the institution's capabilities.
Keywords
Artificial intelligence, supply chain, business management,
operational efficiency, process optimization
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(286)
http://www.aulavirtual.web.ve
Introducción
Hoy en día, la administración de la cadena de
suministro se desarrolla en un contexto empresarial
sumamente competitivo y en constante cambio, en
donde el escenario se define por la globalización de
los mercados, la creciente inestabilidad en la
demanda, la complejidad cada vez mayor de las
redes logísticas y la presión continua para disminuir
costos sin sacrificar la calidad del servicio (Campos
et al., 2023). En este entorno, la inteligencia artificial
(IA) emerge como una herramienta clave que puede
transformar la manera en que las empresas
planifican, ejecutan y supervisan sus operaciones,
posibilitando una gestión de la cadena de suministro
que sea más efectiva, rápida y resistente.
A pesar de su alto potencial, muchas
organizaciones todavía enfrentan importantes
barreras para implementar estas tecnologías de
manera adecuada, lo que restringe su habilidad para
aprovechar al máximo las ventajas de la
digitalización y la toma de decisiones
fundamentadas en datos (ADEN, 2025). A nivel
global, Mohsen (2023) indica que la IA tiene la
capacidad de transformar la administración de la
cadena de suministro, facilitando la planificación y
la previsión de la demanda, mejorando el control del
inventario, optimizando las rutas de transporte y
evitando interrupciones en el sistema de cadena. Con
los avances tecnológicos, las empresas pueden
implementar métodos más ágiles y efectivos, lo que
les permite minimizar desperdicios, reducir costos y
acortar tiempos de respuesta, al mismo tiempo que
promueve una colaboración más eficiente entre los
diversos participantes de la cadena y aumenta la
satisfacción del cliente. No obstante, estos
beneficios no son automáticos; para lograrlos, es
esencial estandarizar procesos, disponer de datos
confiables y evaluar de forma clara el retorno sobre
la inversión (Dávila & Agüero, 2023).
En el ámbito latinoamericano, a pesar de que
la integración de la IA en la gestión de la cadena de
suministro ha mostrado progresos, aún hay una
brecha considerable en lo que respecta a la
sistematización, la infraestructura tecnológica y la
formación especializada. Investigaciones en la
región sugieren que, aunque las empresas han
comenzado a implementar herramientas digitales
para optimizar la eficiencia operativa, el uso
estratégico de la IA sigue siendo escaso, lo que
reduce su posible impacto en la competitividad
empresarial (Gómez, 2023). En el caso específico de
Chimbote, una localidad con un sector privado
activo en los ámbitos pesquero e industrial, la
administración logística enfrenta retos urgentes de
eficiencia y trazabilidad. Sin embargo, su utilización
en las empresas locales aún no ha sido estudiada de
manera sistemática ni adaptada a las características
del entorno (Quizhpe & Romero, 2025). Ante esta
situación, surge la interrogante ¿De qué manera la
implementación de la IA influye en la gestión de la
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(287)
http://www.aulavirtual.web.ve
cadena de suministro de una empresa privada de
Chimbote, considerando la eficiencia operativa, la
toma de decisiones, la optimización de recursos y la
competitividad empresarial?
Al respecto, la literatura reciente subraya que
la IA tiene un papel fundamental en la sostenibilidad
y en la capacidad de adaptación de las cadenas de
suministro. Evangelista et al., (2023), evidencian
que herramientas como la modelación, la simulación
y la IA ayudan en la toma de decisiones en entornos
complejos, lo que permite avanzar hacia modelos de
gestión que sean más sostenibles, efectivos y
circulares. Sin embargo, Singh et al., (2023),
identifican varios obstáculos en la incorporación de
la IA en las cadenas de suministro, particularmente
en industrias complejas. Este contexto, se identifican
obstáculos como la desconfianza en los algoritmos y
la vulnerabilidad a ciberataques, resaltando que la
integración de la IA no representa únicamente un
desafío tecnológico, sino también organizativo y
cultural (Quality Consulting, 2025).
Para complementar, los antecedentes
investigativos han señalado que la ineficiencia en la
administración de la cadena de suministro provoca
problemas como el exceso o la insuficiencia de
inventarios, demoras en las entregas, baja visibilidad
de los procesos, mala coordinación con los
proveedores y elevados costos operativos
(Lombeida & Conforme, 2025). Frente a este
escenario, la Inteligencia Artificial (IA) ofrece
soluciones disruptivas a través de algoritmos
avanzados, aprendizaje automático y análisis
predictivo. Estas herramientas permiten anticipar la
demanda con mayor precisión, optimizar las rutas
logísticas, garantizar la trazabilidad de los productos
y robustecer la capacidad de respuesta ante
interrupciones imprevistas (Narváez, 2025). Sin
embargo, la adopción de estas tecnologías implica
desafíos significativos, tales como la brecha en el
conocimiento técnico, la inversión en
infraestructura, la capacitación especializada del
personal, el aseguramiento de la calidad de los datos
y las implicaciones éticas de la automatización
(Corvalán, 2019).
Desde una perspectiva integradora, estudios
recientes destacan que la sinergia entre la IA y
metodologías de gestión como el Lean Management
potencia el desempeño operativo de manera
exponencial. Al respecto, Acevedo et al., (2023)
indican que la combinación de tecnologías de la
Industria 4.0 con principios Lean no solo se suma a
las metodologías tradicionales de mejora, sino que
las refuerza, acelerando la obtención de resultados
en ámbitos como la trazabilidad, la transparencia, la
reducción de costos y la mejora en la comunicación
con proveedores y clientes (Calle et al., 2024). En
los estudios corroboran que la IA actúa como un
facilitador tecnológico que complementa y mejora
las prácticas de gestión ya existentes (Solarte et al.,
2025).
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(288)
http://www.aulavirtual.web.ve
Por esta razón, el estudio se justifica en la
necesidad de investigar de manera detallada y
contextual, el efecto de la IA en la gestión de la
cadena de suministro dentro del sector privado de
Chimbote. Al examinar su grado de incorporación en
los procesos logísticos, se podrán detectar
oportunidades críticas para optimizar la eficiencia
operativa, reducir costos y robustecer la
competitividad. En este sentido, el estudio no solo
constituye un recurso clave para enfrentar los
desafíos tecnológicos actuales, sino que cimenta las
bases para una mejora sostenible a largo plazo,
facilitando que las empresas locales se adapten con
éxito a un mercado global cada vez más digital y
exigente.
Consecuentemente, el estudio tiene como
objetivo general analizar el impacto de la IA en la
gestión de la cadena de suministro de una empresa
privada en Chimbote para determinar su influencia
en la eficiencia y competitividad; para ello, se
plantea diagnosticar inicialmente el estado actual de
los procesos logísticos para identificar debilidades
susceptibles de mejora, evaluar posteriormente el
grado de adopción e integración de la IA en la
estructura interna de la organización y, finalmente,
determinar la relación existente entre el uso de estas
tecnologías y la optimización de los flujos de
información, materiales y recursos.
Metodología
La investigación se realizó bajo el enfoque
cuali-cuantitativo o también conocido como enfoque
mixto, combinando técnicas numéricas y cualitativas
para entender mejor cómo la IA afecta la gestión de
la cadena de suministro (GCS) en una empresa
privada de Chimbote. El enfoque cuantitativo
permitió analizar los datos numéricos y medir el
comportamiento de las variables examinadas. Por
otro lado, el enfoque cualitativo profundizó en las
opiniones, experiencias y valoraciones del personal
sobre el uso de la inteligencia artificial en los
procesos de la cadena de suministro (Cortés &
Iglesias, 2004).
En cuanto al nivel de estudio la investigación
fue no experimental y longitudinal, lo que implica
que no se manipuló ninguna variable, sino que se
observó y documentó los fenómenos tal como se
presentaron en su contexto natural, considerando los
cambios que ocurrieron durante el tiempo de
recolección de (Hernández & Mendoza, 2018;
Leporati & Morales, 2019). Respecto a las fuentes
de información, el estudio combinó la investigación
documental y de campo, en donde la fase
documental consistió en una revisión de artículos
científicos, tesis, libros y revistas especializadas, lo
que permitió fundamentar teóricamente las variables
de estudio. Además, la investigación de campo
facilitó la recolección de información directa en la
empresa y entre sus trabajadores, lo que permitió
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(289)
http://www.aulavirtual.web.ve
conocer de manera objetiva y en contexto la realidad
sobre el uso de la IA y la gestión de la cadena de
suministro en el entorno organizacional de estudio
(Ñaupas et al., 2015).
La investigación se realizó de nivel
descriptivo-correlacional, ya que su propósito fue
describir las características fundamentales de la IA y
la gestión de la cadena de suministro, además de
examinar la relación entre estas dos variables, sin
intentar determinar relaciones de causa y efecto.
Para el procesamiento de la información, se
emplearon los métodos inductivo-deductivo y
analítico-sintético, orientados a la desintegración y
síntesis de los componentes del problema.
Asimismo, se utilizó el método estadístico para la
organización, tabulación y representación gráfica de
los datos recolectados (Reyes et al., 2022).
La técnica utilizada para la recolección de
datos abarcó la encuesta, que se aplicó para obtener
datos cuantitativos significativos relacionados con el
problema investigado. Como instrumento se utilizó
un cuestionario estructurado, garantizando así una
recolección de información sistemática y ordenada
(Natera & Suárez, 2024).
La población estuvo formada por 50
empleados de una compañía privada en Chimbote.
Debido al tamaño reducido del grupo, se optó por
incluir a todos los integrantes en el estudio como
parte del universo muestral. Además, se llevó a cabo
la investigación siguiendo principios éticos, como la
protección de la información confidencial, la
participación voluntaria de los sujetos y el uso de los
datos únicamente para fines académicos. Entre las
limitaciones más destacadas, se mencionó la
dependencia de la disponibilidad del personal y el
enfoque descriptivo correlacional de la
investigación, lo que complicó el establecimiento de
relaciones causales, aunque sí facilitó la generación
de evidencia relevante, coherente y replicable para
estudios futuros (Vizcaíno et al., 2023).
Resultados
Para el desarrollo de esta sección, se parte de
la presentación de los resultados obtenidos a partir
de la encuesta aplicada y del análisis tabulado de la
muestra de estudio (Ver Tabla 1).
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(290)
http://www.aulavirtual.web.ve
Pregunta
Frecuencia
Fo
Fe (%)
Análisis e interpretación
Importancia de adoptar
soluciones
tecnológicas de IA
Nada importante
5
10.00%
El 40% considera su adopción
importante y el 36% muy importante;
solo un 10% la califica como nada
importante.
Poco importante
5
10.00%
Neutral
2
4.00%
Importante
20
40.00%
Muy importante
18
36.00%
Preocupación por el
riesgo del puesto de
trabajo
Nada preocupado
6
12.00%
El 46% manifiesta estar preocupado y
el 30% muy preocupado por el
desplazamiento laboral debido a la
IA.
Poco preocupado
2
4.00%
Neutral
4
8.00%
Preocupado
23
46.00%
Muy preocupado
15
30.00%
Seguridad y privacidad
de los datos
Nada preocupado
1
2.00%
Existe un alto nivel de inquietud: el
42% está muy preocupado y el 36%
preocupado por la integridad de la
información.
Poco preocupado
6
12.00%
Neutral
4
8.00%
Preocupado
18
36.00%
Muy preocupado
21
42.00%
Importancia del uso
ético de la IA
Nada importante
4
8.00%
El 46% afirma que es importante y el
30% muy importante garantizar una
aplicación ética y no dañina de la
tecnología
Poco importante
3
6.00%
Neutral
5
10.00%
Importante
23
46.00%
Muy importante
15
30.00%
Confiabilidad de los
pronósticos actuales
Nada confiable
7
14.00%
El 48% califica los pronósticos
actuales como muy confiables y el
28% como confiables.
Poco confiable
2
4.00%
Neutral
3
6.00%
Confiable
14
28.00%
Muy confiable
24
48.00%
Efectividad de
métodos actuales de
precisión
Nada efectivos
3
6.00%
El 42% considera efectivos los
métodos vigentes, seguidos por un
34% que los percibe como muy
efectivos.
Poco efectivos
6
12.00%
Neutral
3
6.00%
Efectivos
21
42.00%
Muy efectivos
17
34.00%
Mejora en precisión de
pronósticos con IA
No mejoraría
1
2.00%
El 54% proyecta una mejora
significativa y el 26% una mejora en
la precisión mediante el uso de
inteligencia artificial.
Mejoraría poco
3
6.00%
Neutral
6
12.00%
Mejoraría
13
26.00%
Mejoraría significativamente
27
54.00%
Estrategias actuales de
reducción de
inventario
Nada efectivas
4
8.00%
El 40% las define como efectivas y
otro 40% como muy efectivas para
operar sin afectaciones.
Poco efectivas
3
6.00%
Neutral
3
6.00%
Efectivas
20
40.00%
Muy efectivas
20
40.00%
Eficiencia actual en
gestión de inventarios
Nada eficientes
3
6.00%
El 44% percibe los métodos actuales
como muy eficientes y el 36% como
eficientes en costos y tiempos.
Poco eficientes
6
12.00%
Neutral
1
2.00%
Eficientes
18
36.00%
Muy eficientes
22
44.00%
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(291)
http://www.aulavirtual.web.ve
IA para optimizar la
gestión de inventarios
No optimizaría
4
8.00%
El 40% cree que la IA optimizaría
significativamente los procesos y otro
40% afirma que los optimizaría
Optimizaría poco
5
10.00%
Neutral
1
2.00%
Optimizaría
20
40.00%
Optimizaría significativamente
20
40.00%
Mejora esperada en
abastecimiento con IA
Ninguna mejora
2
4.00%
El 40% espera una muy buena mejora
en el cumplimiento de plazos y el
38% una buena mejora.
Poca mejora
3
6.00%
Neutral
6
12.00%
Buena mejora
19
38.00%
Muy buena mejora
20
40.00%
Frecuencia de
cumplimiento en
entregas
Nunca
4
8.00%
El 46% señala que las entregas se
cumplen frecuentemente y el 30%
afirma que se cumplen siempre.
Rara vez
3
6.00%
Algunas veces
5
10.00%
Frecuentemente
23
46.00%
Siempre
15
30.00%
Efectividad de la
planificación actual
Nada efectiva
3
6.00%
El 52% considera la planificación
muy efectiva para la puntualidad y el
24% la califica como efectiva.
Poco efectiva
4
8.00%
Neutral
5
10.00%
Efectiva
12
24.00%
Muy efectiva
26
52.00%
Cumplimiento de
plazos de producción
Menos del 20%
0
0.00%
El 40% sitúa el cumplimiento entre el
60-80%, mientras que otro 40%
indica que supera el 80%
Entre 20% y 40%
7
14.00%
Entre 40% y 60%
3
6.00%
Entre 60% y 80%
20
40.00%
Más del 80%
20
40.00%
IA para garantizar
plazos de producción
Nada efectivo
2
4.00%
El 42% considera que implementar
IA sería muy efectivo y el 36% lo
califica como efectivo.
Poco efectivo
4
8.00%
Neutral
5
10.00%
Efectivo
18
36.00%
Muy efectivo
21
42.00%
IA para optimizar
capacidad de
producción
Ninguna oportunidad
4
8.00%
El 48% percibe varias oportunidades
de optimización con IA y el 32%
visualiza muchas oportunidades.
Pocas oportunidades
4
8.00%
Neutral
2
4.00%
Varias oportunidades
24
48.00%
Muchas oportunidades
16
32.00%
Aumento de capacidad
sin perder calidad
Nada probable
5
10.00%
El 44% ve muy probable que la IA
eleve la producción sin afectar la
calidad, mientras el 34% lo ve
probable
Poco probable
4
8.00%
Neutral
2
4.00%
Probables
17
34.00%
Muy probable
22
44.00%
Entregas a clientes en
tiempos previstos
Menos del 20%
2
4.00%
El 40% reporta un cumplimiento del
60-80% y otro 40% indica que el
cumplimiento es mayor al 80%.
Entre 20% y 40%
2
4.00%
Entre 40% y 60%
6
12.00%
Entre 60% y 80%
20
40.00%
Más del 80%
20
40.00%
Mejora en puntualidad
de entregas con IA
Ninguna mejora
2
4.00%
El 44% espera una muy buena mejora
con la IA, mientras que el 36%
anticipa una buena mejora.
Poca mejora
3
6.00%
Neutral
5
10.00%
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(292)
http://www.aulavirtual.web.ve
Buena mejora
18
36.00%
Muy buena mejora
22
44.00%
Utilidad de
herramientas actuales
de pedidos
Nada útiles
1
2.00%
El 50% califica las herramientas
actuales como útiles y el 30% como
muy útiles para gestionar tiempos.
Poco útiles
3
6.00%
Neutral
6
12.00%
Útiles
25
50.00%
Muy útiles
15
30.00%
IA para resolver
cuellos de botella
Nada probable
3
6.00%
El 44% considera probable que la IA
resuelva restricciones en pedidos y el
36% lo ve muy probable.
Poco probable
4
8.00%
Neutral
3
6.00%
Probable
22
44.00%
Muy probable
18
36.00%
Productos defectuosos
gestionados a tiempo
Menos del 20%
4
8.00%
El 40% indica que se gestiona más
del 80% de defectos y el 34% lo sitúa
entre el 60-80%.
Entre 20% y 40%
7
14.00%
Entre 40% y 60%
2
4.00%
Entre 60% y 80%
17
34.00%
Más del 80%
20
40.00%
IA para detección de
productos defectuosos
Nada efectiva
4
8.00%
El 46% percibe la IA como muy
efectiva para mejorar la detección y el
32% como efectiva.
Poco efectiva
2
4.00%
Neutral
5
10.00%
Efectiva
16
32.00%
Muy efectiva
23
46.00%
Eficiencia de
estrategias de reciclaje
Nada eficientes
3
6.00%
El 48% considera las estrategias
actuales eficientes y el 28% muy
eficientes.
Poco eficientes
4
8.00%
Neutral
5
10.00%
Eficientes
24
48.00%
Muy eficientes
14
28.00%
IA para identificar
materiales reciclables
Nada probable
1
2.00%
El 38% ve muy probable que la IA
aumente la reutilización y otro 38%
lo califica como probable.
Poco probable
4
8.00%
Neutral
7
14.00%
Probable
19
38.00%
Muy probable
19
38.00%
Satisfacción con
tiempos de producción
Muy insatisfecho
3
6.00%
El 40% de los trabajadores está muy
satisfecho y el 38% se encuentra
satisfecho con los tiempos actuales
Insatisfecho
3
6.00%
Neutral
5
10.00%
Satisfecho
19
38.00%
Muy satisfecho
20
40.00%
IA para optimizar
tiempos de producción
Nada efectiva
5
10.00%
El 40% considera que la IA sería muy
efectiva para optimizar tiempos y el
36% opina que sería efectiva.
Poco efectiva
4
8.00%
Neutral
3
6.00%
Efectiva
18
36.00%
Muy efectiva
20
40.00%
Reducción de costos
sin afectar calidad
Nada efectiva
5
10.00%
El 52% ve la gestión actual como
efectiva para reducir costos y el 24%
como muy efectiva
Poco efectiva
2
4.00%
Neutral
5
10.00%
Efectiva
26
52.00%
Muy efectiva
12
24.00%
Ningún impacto
2
4.00%
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(293)
http://www.aulavirtual.web.ve
Impacto de la IA en
costos operativos
Poco impacto
2
4.00%
El 46% anticipa un impacto positivo
en la reducción de costos y el 32%
prevé un impacto significativo
Neutral
7
14.00%
Impacto
23
46.00%
Impacto significativo
16
32.00%
Tabla 1. Análisis de frecuencias y porcentajes sobre el uso de la IA y el desempeño de la cadena de suministro en una empresa
privada de Chimbote.
Nota: Elaboración propia a partir de la investigación de campo
Los hallazgos demuestran que los empleados
tienen una visión muy positiva sobre la
implementación de soluciones tecnológicas que
utilizan inteligencia artificial para abordar los
desafíos actuales de la compañía. La mayoría de las
personas encuestadas cree que su adopción es
relevante o extremadamente relevante, lo que indica
una actitud favorable hacia la utilización de
tecnologías avanzadas como herramientas clave
para optimizar la gestión empresarial. Sin embargo,
existe un pequeño grupo que ve la IA como poco o
nada relevante, junto con una minoría neutral, lo
que sugiere que puede haber falta de información o
resistencia al avance tecnológico, situaciones que
podrían resolverse a través de programas de
formación y concienciación.
En cuanto a la inquietud por la posible
afectación de los empleos tras la implementación de
la inteligencia artificial, los datos revelan que una
gran parte de los trabajadores está preocupada o
muy preocupada. El resultado indica que, aunque la
IA es considerada una herramienta valiosa, también
genera preocupaciones relacionadas con la
automatización y el reemplazo de las funciones
humanas. Asimismo, esta inquietud se agrava al
examinar la percepción sobre la seguridad y la
privacidad de los datos, en la que se evidencia un
nivel elevado de preocupación, lo que demuestra
que la protección de la información es un elemento
crítico que influye en la aceptación de la IA en la
empresa.
Además, los trabajadores conceden una gran
importancia al uso ético de la inteligencia artificial,
y en su mayoría opinan que es esencial o muy
esencial evitar aplicaciones inapropiadas o
perjudiciales. En donde el resultado refleja una
creciente conciencia sobre la responsabilidad que
conlleva la utilización de tecnologías inteligentes,
especialmente en entornos empresariales donde las
decisiones automatizadas pueden afectar
directamente a los procesos, al personal y a los
clientes.
En lo que respecta a la gestión de la demanda,
los resultados sugieren que la mayoría de los
trabajadores percibe los pronósticos actuales como
confiables y muy confiables, y que las
metodologías empleadas para asegurar su precisión
son vistas como efectivas. Con respecto al juicio
positivo no disminuye las expectativas hacia la
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(294)
http://www.aulavirtual.web.ve
inteligencia artificial, ya que hay un amplio
consenso de que la exactitud de los pronósticos
mejoraría considerablemente con su uso, lo que
refuerza la noción de que la IA es considerada como
un añadido que puede fortalecer los sistemas
existentes.
La gestión de inventarios, los resultados
indican que las estrategias actuales son evaluadas
como efectivas y muy efectivas para reducir los
niveles de inventario sin comprometer las
operaciones, siendo también eficientes en términos
de costos y tiempos. Sin embargo, la mayoría de los
trabajadores piensa que la inteligencia artificial
podría optimizar considerablemente estos procesos,
lo que muestra una clara percepción de su potencial
para mejorar la toma de decisiones, reducir
desperdicios y aumentar la eficiencia operativa.
En relación con el suministro y la logística
interna, los empleados opinan que, en la actualidad,
la entrega de materiales y servicios suele realizarse
dentro de los plazos asignados y que la
planificación actual resulta bastante eficaz. No
obstante, hay una perspectiva optimista respecto a
la adopción de la inteligencia artificial, ya que se
considera que esta tecnología podría potenciar aún
más el cumplimiento de los plazos y la eficacia del
abastecimiento, mejorando la coordinación y
disminuyendo los retrasos.
Los datos sobre la producción indican que el
respeto a los plazos de producción se mantiene
mayormente en niveles altos, lo que sugiere un buen
funcionamiento del sistema vigente. Sin embargo,
se percibe que la inteligencia artificial podría ser
una herramienta valiosa para mantener esos plazos,
incrementar la capacidad de producción y elevar el
volumen de productos sin comprometer su calidad.
En donde la perspectiva se apoya en la
identificación de múltiples oportunidades que la IA
puede brindar para perfeccionar los procesos de
producción.
La distribución y el servicio al cliente, los
empleados mencionan que un alto porcentaje de las
entregas se realiza dentro de los plazos establecidos,
y que las herramientas actuales utilizadas para
gestionar los pedidos son consideradas efectivas.
Sin embargo, hay una alta probabilidad de que la
inteligencia artificial pueda ayudar a detectar y
solucionar cuellos de botella en la gestión de
pedidos, así como a mejorar la puntualidad de las
entregas, lo que indica que existe un gran potencial
de mejora al implementar esta tecnología.
En el área de calidad y sostenibilidad, los
resultados indican que una gran cantidad de
productos defectuosos se detecta y maneja antes de
ser entregados al cliente, y que las estrategias
actuales de reciclaje son vistas como eficaces. Sin
embargo, la inteligencia artificial es considerada
una herramienta muy útil para mejorar la
identificación de defectos y para optimizar las
prácticas de reciclaje.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(295)
http://www.aulavirtual.web.ve
Pruebas de Normalidad
Para determinar si las variables de estudio
seguían una distribución normal, se aplicaron dos
pruebas clásicas de normalidad: Kolmogorov–
Smirnov con corrección de Lilliefors y Shapiro–
Wilk, sobre las puntuaciones de Inteligencia
Artificial y Gestión de la Cadena de Suministro
obtenidas de los 50 participantes.
Kolmogorov-Smirnov
Shapiro-Wilk
Estadístico
gl
Sig.
Estadístico
gl
Sig.
Inteligencia Artificial
0.345
50
<0.001
0.678
50
<0.001
Gestión de cadena de suministro
0.298
50
<0.001
0.770
50
<0.001
Tabla 2. Prueba de Normalidad
Nota: Resultados obtenidos del cuestionario aplicado
De acuerdo con los resultados de la Tabla 2,
en la prueba de Kolmogorov–Smirnov, la variable
Inteligencia Artificial obtuvo un estadístico de
0.345 con p < 0.001, mientras que la variable
Gestión de la Cadena de Suministro presentó un
valor de 0.298 con p < 0.001. De forma consistente,
en la prueba de Shapiro–Wilk se obtuvieron valores
de 0.678 y 0.770, respectivamente, en ambos casos
con p < 0.001.
Dado que en ambos casos los valores de
significancia fueron menores a 0.05, se rechazó la
hipótesis de normalidad. En consecuencia, se
concluyó que las variables no presentan una
distribución normal, motivo por el cual se
emplearon pruebas estadísticas no paramétricas,
específicamente el coeficiente de correlación Rho
de Spearman, para el contraste de las hipótesis de la
investigación.
Hipótesis General
Para contrastar la hipótesis general se utilizó
el coeficiente de correlación Rho de Spearman,
considerando que las variables analizadas no
presentaron una distribución normal. El análisis se
realizó con una muestra de 50 trabajadores,
obteniéndose un coeficiente de correlación de ρ =
0.545 y un nivel de significancia p < 0.001.
Este resultado muestra la existencia de una
relación positiva de magnitud moderada entre la
inteligencia artificial y la gestión de la cadena de
suministro, lo que indica que, a mayor nivel de
adopción y uso de la inteligencia artificial, mayor
es la eficiencia percibida en la gestión de la cadena
de suministro. Asimismo, el nivel de significancia
obtenido confirma que la relación observada es
estadísticamente significativa.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(296)
http://www.aulavirtual.web.ve
Inteligencia Artificial
Gestión cadena de
suministro
Rho de
spearman
Inteligencia
artificial
Coeficiente de
correlación
1,000
,545**
Sig. (bilateral)
.
<.001
N
50
50
Gestión cadena
de suministro
Coeficiente de
correlación
,545**
1,000
Sig. (bilateral)
<.001
.
N
50
50
**. La correlación es significativa en el nivel 0,01 (bilateral).
Tabla 3. Correlación entre inteligencia artificial y gestión de la cadena de suministro según Rho de Spearman
Nota: Resultados obtenidos del cuestionario aplicado
En consecuencia, los resultados obtenidos
permiten aceptar la hipótesis general, evidenciando
que la inteligencia artificial se encuentra
significativamente relacionada con la gestión de la
cadena de suministro en la empresa objeto de
estudio, con implicancias prácticas en la eficiencia
operativa y económica.
Hipótesis Específica 1
Para contrastar la hipótesis específica 1 se
utilizó el coeficiente de correlación Rho de
Spearman, considerando que las variables no
presentaron una distribución normal. El análisis se
realizó con una muestra de 50 trabajadores,
obteniéndose un coeficiente de correlación de ρ =
0.564 y un nivel de significancia p < 0.001.
El valor obtenido evidencia la existencia de
una relación positiva de magnitud moderada entre la
inteligencia artificial y la eficiencia operativa, en lo
que indica que, a mayor nivel de adopción y uso de
la inteligencia artificial, mayor es la eficiencia
operativa percibida, especialmente en aspectos
relacionados con la optimización de procesos,
reducción de tiempos y mejor utilización de los
recursos.
Inteligencia Artificial
Gestión cadena de
suministro
Rho de
spearman
Inteligencia Artificial
Coeficiente de
correlación
1,000
,564**
Sig. (bilateral)
.
<.001
N
50
50
Gestión cadena de
suministro
Coeficiente de
correlación
,564**
1,000
Sig. (bilateral)
<.001
.
N
50
50
Tabla 4. Correlación entre inteligencia artificial y la eficiencia operativa según Rho de Spearman
Nota: Resultados obtenidos del cuestionario aplicado
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(297)
http://www.aulavirtual.web.ve
En consecuencia, los resultados permiten
aceptar la hipótesis específica 1, evidenciando que
la inteligencia artificial se encuentra
significativamente relacionada con la eficiencia
operativa de los procesos vinculados a la gestión de
la cadena de suministro en la empresa objeto de
estudio.
Hipótesis Específica 2
Para contrastar la hipótesis específica 2 se
utilizó el coeficiente de correlación Rho de
Spearman, considerando que las variables
analizadas no presentaron una distribución normal.
El análisis se realizó con una muestra de 50
trabajadores, obteniéndose un coeficiente de
correlación de ρ = 0.474 y un nivel de significancia
p < 0.001.
El valor obtenido evidencia la existencia de
una relación positiva de magnitud moderada entre
la inteligencia artificial y la eficiencia económica,
en donde a mayor nivel de adopción y uso de la
inteligencia artificial, mayor es la eficiencia
económica percibida, especialmente en aspectos
vinculados con la reducción de costos operativos, el
uso eficiente de los recursos financieros y la mejora
en la rentabilidad de los procesos.
Inteligencia
Artificial
Gestión cadena de
suministro
Rho de spearman
Inteligencia
Artificial
Coeficiente de correlación
1,000
,474**
Sig. (bilateral)
.
<.001
N
50
50
Gestión cadena
de suministro
Coeficiente de correlación
,474**
1,000
Sig. (bilateral)
<.001
.
N
50
50
Tabla 5. Correlación entre inteligencia artificial y la eficiencia económica según Rho de Spearman
Nota: Resultados obtenidos del cuestionario aplicado
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(298)
http://www.aulavirtual.web.ve
En consecuencia, los resultados permiten
aceptar la hipótesis específica 2, evidenciando que
la inteligencia artificial se encuentra
significativamente relacionada con la eficiencia
económica de los procesos asociados a la gestión de
la cadena de suministro en la empresa objeto de
estudio.
Discusión
Los resultados del análisis inferencial
evidencian una relación positiva y estadísticamente
significativa entre la inteligencia artificial y la
gestión de la cadena de suministro en la empresa
objeto de estudio, lo que permite aceptar la hipótesis
general planteada. Este hallazgo indica que una
mayor adopción y uso de tecnologías basadas en
inteligencia artificial se asocia con una mejor
gestión de los procesos que conforman la cadena de
suministro, tanto desde una perspectiva operativa
como económica (Calle et al., 2024).
Los resultados se ven respaldados por los
hallazgos descriptivos obtenidos en las jornadas de
investigación, donde se observa que una alta
proporción de trabajadores percibe la inteligencia
artificial como una herramienta clave para enfrentar
los problemas actuales de la empresa y optimizar los
procesos logísticos. La percepción favorable
respecto a la mejora en la precisión de los
pronósticos, la gestión de inventarios, el
cumplimiento de plazos de producción y la
puntualidad en las entregas refuerza la existencia de
una relación directa entre la implementación de IA
y el desempeño global de la cadena de suministro
(Serrano, 2024).
Desde el enfoque teórico, estos resultados son
coherentes con lo señalado por Mohsen (2023) y
Pournader et al., (2021), quienes sostienen que la
inteligencia artificial contribuye a fortalecer la toma
de decisiones, la eficiencia operativa y la resiliencia
de la cadena de suministro, especialmente en
contextos caracterizados por la volatilidad de la
demanda y la complejidad operativa. Asimismo, los
autores Evangelista et al., (2023) destacan que la
incorporación de soluciones tecnológicas avanzadas
permite optimizar procesos clave y avanzar hacia
cadenas de suministro más eficientes y sostenibles.
La conversación sobre los resultados revela
que la mayoría de los empleados tiene una
perspectiva favorable respecto a la inclusión de la
inteligencia artificial en la administración de la
cadena de suministro. De hecho, el 76% de la
muestra considera esencial o muy esencial adoptar
tecnologías basadas en IA para resolver los desafíos
actuales de la empresa, lo que coincide con una gran
expectativa de mejora en procesos abiertos.
Además, un 80% de los trabajadores opina
que la exactitud de las predicciones de demanda
podría mejorar o aumentar notablemente con el uso
de inteligencia artificial, mientras que un 82%
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(299)
http://www.aulavirtual.web.ve
piensa que la IA optimizaría o mejoraría de manera
significativa la administración de inventarios. En
donde los hallazgos reflejan una visión positiva
sobre el potencial de la IA para reforzar la
planificación, reducir ineficiencias y elevar la
eficacia operativa en las diversas etapas de la cadena
de suministro (García & Chala, 2025).
En la opinión positiva, también emergen
inquietudes relevantes entre los empleados
encuestados. Un 76% de ellos se siente preocupado
o muy preocupado por la posibilidad de que la
introducción de la inteligencia artificial ponga en
riesgo su empleo, y un 78% manifiesta
preocupaciones sobre la seguridad y privacidad de
los datos implicados en el uso de estas tecnologías.
A pesar de estas inquietudes, los resultados apuntan
a que el 76% considera crucial o muy crucial el uso
ético de la IA, lo que sugiere una clara conciencia
sobre la necesidad de una implementación
responsable.
En conjunto, estos resultados indican que,
aunque la inteligencia artificial es mayormente vista
como una herramienta estratégica para aumentar la
eficiencia, la productividad y reducir gastos
operativos donde un 78% espera un impacto
positivo o notable, su adopción debe acompañarse
de políticas claras para la protección de datos,
formación del personal y gestión de cambios, con el
fin de reducir la incertidumbre (Fears & Hopes ,
2024).
En el contexto específico de la empresa
privada de Chimbote analizada, la relación
identificada sugiere que la inteligencia artificial no
solo es percibida como una innovación tecnológica,
sino como un recurso estratégico con potencial para
mejorar la coordinación entre los distintos eslabones
de la cadena de suministro. Esto resulta
especialmente relevante en entornos productivos
donde la eficiencia operativa, la reducción de costos
y el cumplimiento de plazos son factores críticos
para mantener la competitividad (Gómez, 2023).
Los resultados del análisis inferencial
evidencian la existencia de una relación positiva y
estadísticamente significativa entre la inteligencia
artificial y la eficiencia operativa en la empresa
objeto de estudio, en donde permite evidenciar que
la hipótesis específica 1 indica una mayor adopción
de tecnologías basadas en inteligencia artificial se
asocia con mejoras en la eficiencia de los procesos
operativos vinculados a la gestión de la cadena de
suministro.
El resultado se ve reforzado por los hallazgos
descriptivos obtenidos en la primera Jornada de
investigación, donde una proporción mayoritaria de
los trabajadores manifestó que la inteligencia
artificial contribuiría de manera significativa a
mejorar la precisión de los pronósticos de demanda,
optimizar la gestión de inventarios y asegurar el
cumplimiento de los plazos de producción (Vargas,
2023). Por ende, las percepciones reflejan que la IA
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(300)
http://www.aulavirtual.web.ve
es reconocida como una herramienta capaz de
reducir tiempos operativos, mejorar la utilización de
los recursos y fortalecer la coordinación entre las
diferentes áreas involucradas en la cadena de
suministro.
En el contexto específico de la empresa
privada de Chimbote analizada, la relación
identificada sugiere que la inteligencia artificial
puede desempeñar un papel relevante en la mejora
de la eficiencia operativa, especialmente en
entornos donde la coordinación de actividades, la
reducción de reprocesos y el uso eficiente de los
recursos son factores críticos para el desempeño
organizacional. No obstante, los resultados también
evidencian la necesidad de acompañar la
implementación de estas tecnologías con procesos
de capacitación y adaptación organizacional, a fin
de maximizar sus beneficios operativos.
Los resultados del análisis inferencial
evidencian la existencia de una relación positiva y
estadísticamente significativa entre la inteligencia
artificial y la eficiencia económica en la empresa
objeto de estudio. En donde el hallazgo permite
aceptar la hipótesis específica 2 y sugiere que una
mayor adopción de tecnologías basadas en
inteligencia artificial se asocia con una mejor
gestión de los recursos económicos dentro de la
cadena de suministro, cuyos resultado se
complementa con los hallazgos descriptivos
obtenidos en la segunda Jornada de investigación,
donde una proporción significativa de los
trabajadores manifestó una percepción favorable
respecto a la capacidad de la gestión actual para
reducir costos sin afectar la calidad, así como una
valoración positiva de los tiempos de producción y
del uso eficiente de los recursos.
Estas percepciones reflejan que la eficiencia
económica no solo depende de la reducción directa
de costos, sino también de la optimización de
procesos, la disminución de reprocesos y una mejor
planificación operativa, aspectos en los que la
inteligencia artificial puede desempeñar un papel
relevante (Valverde, 2024).
La evidencia empírica y el sustento teórico
permiten afirmar que la inteligencia artificial se
encuentra significativamente relacionada con la
eficiencia económica de la gestión de la cadena de
suministro, en donde el resultado refuerza la
importancia de considerar la inteligencia artificial
como un elemento estratégico para la mejora del
desempeño económico, contribuyendo a la
sostenibilidad y competitividad de la empresa
objeto de estudio.
Los resultados del estudio evidencian que la
inteligencia artificial se encuentra
significativamente relacionada con la gestión de la
cadena de suministro, reflejándose tanto en la
eficiencia operativa como en la eficiencia
económica de la empresa analizada. La percepción
favorable del personal, junto con los hallazgos
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(301)
http://www.aulavirtual.web.ve
estadísticos, permite comprender que la adopción de
tecnologías basadas en inteligencia artificial
contribuye a optimizar procesos, reducir costos y
fortalecer la coordinación interna. Asimismo, estos
resultados ponen de manifiesto la necesidad de una
implementación progresiva y alineada con las
capacidades organizacionales, a fin de maximizar
los beneficios y promover una gestión sostenible de
la cadena de suministro.
Conclusiones
Los propósitos de la investigación y los
resultados alcanzados indican que la inteligencia
artificial mantiene una conexión relevante con la
administración de la cadena de suministro en la
empresa privada de Chimbote que fue estudiada, lo
que permitió validar el objetivo general del análisis.
Los resultados apuntan a que la
implementación de tecnologías basadas en
inteligencia artificial mejora de forma directa los
procesos logísticos y operativos, reforzando la
planificación, el control y la toma de decisiones, que
son elementos cruciales para una gestión más eficaz
y coordinada de la cadena de suministro. De esta
manera, la inteligencia artificial se posiciona como
un factor estratégico que potencia el desempeño
general de la empresa en un entorno competitivo y
en constante evolución.
Además, los hallazgos muestran que la
inteligencia artificial está estrechamente vinculada
con la eficiencia operativa, evidenciando mejoras en
la optimización de procedimientos, la disminución
de tiempos, un uso más adecuado de los recursos y
una mayor puntualidad en la producción y entrega.
Estos progresos permiten que las operaciones sean
más organizadas y previsibles, lo que influye
positivamente en la continuidad de las actividades y
en la habilidad de respuesta de la empresa ante las
exigencias del mercado. De allí, desde el punto de
vista económico, se concluyó que la inteligencia
artificial contribuye a gestionar los recursos
financieros de manera más efectiva, facilitando la
reducción de costos operativos y la optimización de
insumos sin afectar la calidad de los procesos
productivos.
La visión social de los resultados indica que
una adecuada administración de la cadena de
suministro, cada vez más apoyada por la inteligencia
artificial, mejora el bienestar de los empleados. Esto
se traduce en una optimización de la organización
laboral, un alivio de la presión operativa y una
mayor percepción de estabilidad y eficacia en la
empresa. En este marco, la adopción responsable y
gradual de la inteligencia artificial no solo implica
avances técnicos y económicos, sino que también
promueve el desarrollo de competencias y un
ambiente laboral más favorable. En conclusión, los
hallazgos proponen que la inteligencia artificial
debe considerarse como un recurso estratégico
integral que, alineado con los objetivos de la
empresa, tiene el potencial de generar efectos
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(302)
http://www.aulavirtual.web.ve
positivos y sostenibles en la administración de la
cadena de suministro.
Referencias
Acevedo, M., Ortega, C., Garrido, P., & Machuca,
J. (2023). Efecto de la industria 4.0 en cadena de
suministro Lean y el rendimiento operativo.
Revista Universidad y Sociedad, 15(1), 672–683.
Documento en línea. Disponible
https://idus.us.es/handle/11441/153088
ADEN. (2025). Inteligencia Artificial en la Cadena
de Suministro. Documento en línea. Disponible
https://www.aden.org/business-
magazine/inteligencia-artificial-en-la-cadena-
de-suministro/
Calle, J. S., Pincay, M. A., & Mendoza, B. S. (2024).
Uso estratégico de la inteligencia artificial en la
gestión de la cadena de suministro empresarial.
Ciencia y Desarrollo. Universidad Alas
Peruanas, 3(6), 234-345. Documento en línea.
Disponible
http://revistas.uap.edu.pe/ojs/index.php/CYD/in
dex
Campos, P. A., Cerrud, F., González, M. B., &
Oxdalia, B. (2023). La administración de la
cadena de suministro y su importancia en las
empresas, como parte de la estrategia en los
nuevos modelos de negocios. Ciencia Latina
Revista Científica Multidisciplinar, 7(3), 7203-
7219. Documento en línea. Disponible
https://doi.org/10.37811/cl_rcm.v7i3.6709
Cortés, M. E., & Iglesias, M. (2004). Generalidades
sobre Metodología de la Investigación.
Universidad Autónoma del Carmen. Documento
en línea. Disponible
https://www.unacar.mx/contenido/gaceta/edicio
nes/metodologia_investigacion.pdf
Corvalán, J. G. (2019). Inteligencia artificial: retos,
desafíos y oportunidades - Prometea: la primera
inteligencia artificial de Latinoamérica al
servicio de la Justicia. Revista de Investigações
Constitucionalis, 5(1), 295-316. Documento en
línea. Disponible
https://doi.org/10.5380/rinc.v5i1.55334
Dávila, R. C., & Agüero, E. d. (2023). Desafíos
éticos de la inteligencia artificial: implicaciones
para la sociedad y la economía. Revista Conrado,
19(94), 137-144. Documento en línea.
Disponible
http://scielo.sld.cu/pdf/rc/v19n94/1990-8644-rc-
19-94-137.pdf
Evangelista, S. S., Aro, J. L., Selerio, E., Maturan,
F., Atibing, N. M., Ocampo, L., & Pamucar, D.
(2023). An Integrated Fermatean Fuzzy Multi-
attribute Evaluation of Digital Technologies for
Circular Public Sector Supply Chains.
International Journal of Computational
Intelligence Systems, 16(1), 1-15. Documento en
línea. Disponible
https://doi.org/10.1007/s44196-023-00294-7
Fears & Hopes . (17 de Febrero de 2024). El 76% de
los empleados cree que la IA generativa es una
oportunidad para adquirir nuevas capacidades,
según PwC. Documento en línea. Disponible
https://elderecho.com/el-76-de-los-empleados-
cree-que-la-ia-generativa-es-una-oportunidad-
para-adquirir-nuevas-capacidades-segun-pwc
García, A., & Chala, J. (2025). La inteligencia
artificial y su incidencia en la gestión de
inventario en la empresa “Agua Que Rica”, Santo
Domingo, 2025. Código Científico Revista, 6(2),
813-830. Documento en línea. Disponible
https://doi.org/10.55813/gaea/ccri/v6/nE2/1070
Gómez, C. S. (2023). El uso de la inteligencia
artificial como herramienta efectiva en las
actividades del comercio internacional. Instituto
Tecnológico Universitario de Formación.
Documento en línea. Disponible
https://formacion.edu.ec/wp-
content/uploads/2025/03/DESARROLLO-DE-
UNA-GUIA-DIGITAL-INTERACTIVA-CON-
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(303)
http://www.aulavirtual.web.ve
HERRAMIENTAS-INTEGRADAS-DE-
COMERCIO-EXTERIOR.pdf
Hernández, R., & Mendoza, C. (2018). Metodología
de la investigación: Las rutas cuantitativa,
cualitativa y mixta. McGraw-Hill. Documento en
línea. Disponible
https://doi.org/10.22201/fesc.20072236e.2019.1
0.18.6
Leporati, M., & Morales, M. F. (2019). Las claves
de la implementación de la inteligencia artificial
(IA) en la gestión de cadenas de suministro de
extremo a extremo. Management & Innovation,
2(1), 1-19. Documento en línea. Disponible
https://www.harvard-deusto.com/inteligencia-
artificial-en-la-gestion-de-cadenas-de-
suministro
Lombeida, V. E., & Conforme, J. V. (2025).
Influencia de la planificación logística en la
calidad del servicio al cliente en la cadena de
suministro, la Casa del Toldo, Santo Domingo,
2024. Código Científico Revista de
Investigación, 6(E1), 1716-1746. Documento en
línea. Disponible
https://doi.org/10.55813/gaea/ccri/v6/nE1/792
Mohsen, B. M. (2023). Impact of Artificial
Intelligence on Supply Chain Management
Performance. Journal of Service Science and
Management, 16(1), 44–58. Documento en línea.
Disponible
https://doi.org/10.4236/jssm.2023.161004
Narváez, N. (2025). El impacto de la IA en el sector
de la logística y el transporte de la logística y el
transporte. Documento en línea. Disponible
https://bimexanalytics.com/blog/el-impacto-de-
la-ia-en-el-sector-de-logistica-y-transporte/
Natera, J. M., & Suárez, D. (2024). Métodos para el
análisis de los procesos de ciencia, tecnología e
innovación. Herramientas para el estudio del
desarrollo de América Latina. Universidad
Nacional de General Sarmiento. Documento en
línea. Disponible https://biblioteca-
repositorio.clacso.edu.ar/bitstream/CLACSO/25
1423/1/Metodos-analisis-Vol-1.pdf
Ñaupas, H., Valdivia, M., & Palacios, J. J. (2015).
Metodología de la investigación: Cuantitativa -
Cualitativa (Quinta ed.). Coordinación editorial:
Adriana Gutiérrez M. Documento en línea.
Disponible
http://www.biblioteca.cij.gob.mx/archivos/mate
riales_de_consulta/drogas_de_abuso/articulos/m
etodologiainvestigacionnaupas.pdf
Pournader, M., Ghaderi, H., Hassanzadegan, A., &
Fahimnia, B. (2021). Artificial intelligence
applications in supply chain management. In
International Journal of Production Economics,
241(4), e-2344. Documento en línea. Disponible
https://doi.org/10.1016/j.ijpe.2021.108250
Quality Consulting. (2025). Adopción IA: Supera
los principales desafíos tecnológicos y culturales.
Documento en línea. Disponible
https://cequalityconsulting.mx/future-
ready/adopci%C3%B3n-ia-supera-los-
principales-desaf%C3%ADos-
tecnol%C3%B3gicos-y-culturales
Quizhpe, P. A., & Romero, O. M. (2025). Análisis
del uso de la inteligencia artificial mediante las
herramientas de gestión estratégica en las
pequeñas empresas de Machala.
Multidisciplinar, 10(3), 1-23. Documento en
línea. Disponible
https://doi.org/10.33386/593dp.2025.3.3263
Reyes, B. I., Damián, G. E., Ciriaco, R. N., &
Corimayhua, L. O. (2022). Métodos científicos y
su aplicación en la investigación pedagógica.
Revista Dilemas Contemporáneos: Educación,
Política y Valores., 9(1), 21-36. Documento en
línea. Disponible
http://www.dilemascontemporaneoseducacionp
oliticayvalores.com/
Serrano, G. A. (2024). Inteligencia artificial y
percepción del trabajador a través del análisis de
clima laboral en la Empresa Pública Municipal
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 7, Número: 14, Año: 2026 (Enero 2026 - Junio 2026)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(304)
http://www.aulavirtual.web.ve
de Movilidad, Tránsito y Transporte de Cuenca
(EMOV). Universidad de Cuenca. Documento en
línea. Disponible
https://dspace.ucuenca.edu.ec/handle/12345678
9/45649
Singh, A., Dwivedi, A., Agrawal, D., & Singh, D.
(2023). Identifying issues in adoption of AI
practices in construction supply chains: towards
managing sustainability. Operations
Management Research, 16(4), 1667–1683.
Documento en línea. Disponible
https://doi.org/10.1007/s12063-022-00
Solarte, C., Rodríguez, J. D., & Mahecha, N. (2025).
Impacto de la Calidad 4.0 en los sistemas de
gestión: Principios de calidad expandidos y
nuevas capacidades. Desarrollo Gerencial, 17(2),
1-30. Documento en línea. Disponible
https://doi.org/10.17081/dege.17.2.7650
Valverde, H. J. (2024). Análisis de la Incidencia de
la Inteligencia Artificial en los procesos
logísticos y de distribución de las Pymes de
Guayaquil. Universidad Politécnica Salesiana.
Documento en línea. Disponible
http://dspace.ups.edu.ec/handle/123456789/275
72
Vargas, J. (2023). Impacto de la Inteligencia
Artificial en la Eficiencia Operativa de
lasEmpresas. Universidad San Marcos.
Documento en línea. Disponible
https://www.coursehero.com/file/221086087/est
adisticadocx/
Vizcaíno, Z. P., Maldonado, P. I., & Cedeño, C. R.
(2023). Metodología de la investigación
científica: guía práctica. Ciencia Latina Revista
Científica Multidisciplinar, 7(4), 1-24.
Documento en línea. Disponible
https://doi.org/10.37811/cl_rcm.v7i4.7658