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(1437)
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(1438)
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(1439)
http://www.aulavirtual.web.ve
Tipo de Publicación: Articulo Científico
Área del Conocimiento: Ciencias Sociales y
Aplicadas
Recibido: 30/04/2026
Aceptado: 01/06/2026
Publicado: 10/06/2026
Código Único AV: e744
Páginas: 1(1437)
DOI: https://doi.org/10.5281/zenodo.20628075
Enrique Osvaldo Bedoya Sánchez
Administrador de Empresas
Doctor en Administración
https://orcid.org/0009-0000-4093-2724
E-mail: ebedoyas@unmsm.edu.pe
Afiliación: Universidad Nacional Mayor de San
Marcos - UNMSM
País: República del Perú
Juan Guillermo Mayor Gamero
Contador Público
Doctor en Contabilidad
https://orcid.org/0009-0005-0030-2054
E-mail: juan.mayor@unmsm.edu.pe
Afiliación: Universidad Nacional Mayor de San
Marcos - UNMSM
País: República del Perú
Marco Guillermo Mayor Ravines
Contador Público
MBA
https://orcid.org/0000-0002-8106-1862
E-mail: mmayorr@unmsm.edu.pe
Afiliación: Universidad Nacional Mayor de San
Marcos - UNMSM
País: República del Perú
Resumen
La inteligencia artificial se ha convertido en una tecnología estratégica para
fortalecer la competitividad, eficiencia e innovación de las pequeñas y
medianas empresas. Sin embargo, su adopción en economías emergentes
continúa siendo desigual debido a limitaciones tecnológicas,
organizacionales, humanas, financieras e institucionales. El objetivo de
este artículo es analizar la literatura científica reciente sobre la adopción de
inteligencia artificial en PYMES de economías emergentes, identificando
factores impulsores, barreras, beneficios, aplicaciones empresariales,
marcos teóricos y brechas de investigación, con especial atención a sus
implicancias para el contexto peruano. La investigación se desarrolló
mediante una revisión sistemática de literatura con síntesis temática, a
partir de un corpus final de 39 documentos seleccionados. Los hallazgos
muestran que la adopción de inteligencia artificial depende principalmente
de la madurez digital, el liderazgo directivo, las competencias digitales, la
calidad de los datos, la infraestructura tecnológica, los recursos financieros,
el apoyo del ecosistema y la gobernanza ética. Como aporte, el artículo
propone una síntesis integradora para comprender la adopción de
inteligencia artificial en PYMES de economías emergentes. Se concluye
que dicha adopción debe entenderse como un proceso gradual de
transformación digital y fortalecimiento de capacidades organizacionales.
Palabras Clave
Inteligencia artificial, PYMES, economías
emergentes, transformación digital, revisión
sistemática.
Abstract
Artificial intelligence has become a strategic technology for strengthening
the competitiveness, efficiency, and innovation capacity of small and
medium-sized enterprises. However, its adoption in emerging economies
remains uneven due to technological, organizational, human, financial, and
institutional constraints. The objective of this article is to analyze recent
scientific literature on artificial intelligence adoption in SMEs from
emerging economies, identifying drivers, barriers, benefits, business
applications, theoretical frameworks, and research gaps, with particular
attention to its implications for the Peruvian context. The study was
conducted through a systematic literature review with thematic synthesis,
based on a final corpus of 39 selected documents. The findings show that
artificial intelligence adoption mainly depends on digital maturity,
managerial leadership, digital competencies, data quality, technological
infrastructure, financial resources, ecosystem support, and ethical
governance. As a contribution, the article proposes an integrative synthesis
to understand artificial intelligence adoption in SMEs from emerging
economies. It is concluded that such adoption should be understood as a
gradual process of digital transformation and organizational capability
building, rather than as the isolated acquisition of technological tools.
Keywords
Artificial intelligence, SMEs, emerging economies, digital
transformation, systematic review.
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(1440)
http://www.aulavirtual.web.ve
Introducción
La inteligencia artificial se ha consolidado como
una de las tecnologías más influyentes de la
transformación digital empresarial contemporánea.
Su capacidad para procesar grandes volúmenes de
datos, automatizar tareas, identificar patrones, generar
predicciones y apoyar la toma de decisiones ha
modificado progresivamente la forma en que las
organizaciones gestionan sus procesos, interactúa con
los clientes y desarrollan estrategias competitivas.
En el ámbito empresarial, la inteligencia artificial no
debe entenderse únicamente como una herramienta
informática, sino como un conjunto de tecnologías
capaces de incidir en la eficiencia operativa, la
innovación, la productividad, la personalización de
servicios y la generación de valor (Ayinaddis, 2025;
Schwaeke et al., 2025).
En las pequeñas y medianas empresas, la
adopción de inteligencia artificial representa una
oportunidad estratégica, pero también un desafío
complejo. Las PYMES suelen operar con recursos
financieros, tecnológicos y humanos más limitados que
las grandes empresas, lo que condiciona su
capacidad para incorporar tecnologías avanzadas. A
pesar de ello, la IA puede contribuir a mejorar la
atención al cliente, automatizar tareas repetitivas,
optimizar inventarios, fortalecer el análisis de datos,
apoyar la gestión financiera y mejorar la toma de
decisiones empresariales (Badghish & Soomro,
2024; Dinh et al., 2025).
La adopción de IA en PYMES no ocurre de
manera homogénea. Algunas empresas avanzan hacia
aplicaciones de analítica predictiva, chatbots,
automatización comercial, sistemas de
recomendación o inteligencia empresarial, mientras
que otras permanecen en etapas básicas de
digitalización. Esta diferencia se explica por la
interacción de factores tecnológicos,
organizacionales, humanos, financieros y
ambientales. Entre ellos destacan la infraestructura
digital, la calidad de los datos, la compatibilidad con
sistemas existentes, el liderazgo directivo, las
competencias del personal, la cultura organizacional,
los recursos disponibles, la presión competitiva, el apoyo
gubernamental y la existencia de proveedores
tecnológicos (Badghish & Soomro, 2024; Cubric,
2020).
En este artículo, las economías emergentes se
entienden como contextos empresariales
caracterizados por procesos de modernización
productiva, crecimiento de mercados digitales,
brechas de infraestructura, restricciones financieras,
desigualdad en capacidades tecnológicas y
necesidad de fortalecimiento institucional. En estos
entornos, muchas PYMES todavía se encuentran en
fases iniciales de digitalización, centradas en el uso
de redes sociales, comercio electrónico, páginas
web, sistemas administrativos básicos, herramientas
de mensajería o canales digitales de venta. Por ello,
la inteligencia artificial no puede analizarse como
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(1441)
http://www.aulavirtual.web.ve
una solución aislada, sino como una etapa avanzada
dentro de un proceso más amplio de transformación
digital (Díaz-Arancibia et al., 2024, 2025; Omrani
et al., 2024).
En América Latina y el Caribe, la
transformación digital empresarial muestra avances
importantes, pero también brechas persistentes. Las
empresas de la región enfrentan limitaciones
asociadas con infraestructura digital, talento
especializado, inversión tecnológica,
ciberseguridad, acceso a financiamiento,
interoperabilidad y políticas públicas de apoyo.
Estas condiciones influyen directamente en la
capacidad de las PYMES para pasar de una
digitalización básica hacia el uso de tecnologías
avanzadas como inteligencia artificial, analítica de
datos, automatización inteligente o Internet de las
cosas (Cathles et al., 2022; Joia et al., 2024).
El caso peruano resulta especialmente
relevante. Las PYMES tienen un peso significativo
en la estructura empresarial y en la generación de
empleo; sin embargo, diversos estudios muestran
que muchas de ellas presentan bajos niveles de
digitalización, reducida inversión tecnológica,
limitada capacitación del personal y escasa
integración de herramientas digitales en sus
procesos. Esta situación evidencia que el reto no
consiste únicamente en promover el uso de
inteligencia artificial, sino en fortalecer previamente
las condiciones que permitan una adopción
tecnológica sostenible (Blas-Ponce & Libaque-
Saenz, 2022; Inga-Ávila et al., 2023).
Asimismo, la evidencia sobre PYMES de
Lima muestra que la transformación digital, las
competencias digitales y la cultura organizacional
se relacionan con la sostenibilidad empresarial, lo
que confirma la necesidad de abordar la adopción
tecnológica desde una perspectiva organizacional y
no solo instrumental (Espina-Romero et al., 2024).
A pesar del crecimiento de la literatura sobre
inteligencia artificial en empresas, todavía existe
fragmentación conceptual, diversidad metodológica
y limitada evidencia empírica sobre PYMES de
economías emergentes, especialmente en América
Latina y Perú. Muchos estudios se concentran en
grandes empresas, países desarrollados o
aplicaciones técnicas, mientras que las PYMES
enfrentan condiciones particulares de adopción:
menor capacidad financiera, menor especialización
tecnológica, dependencia de proveedores externos,
baja formalización de datos y mayores restricciones
para experimentar con tecnologías avanzadas
(Oldemeyer et al., 2024; Yesuf & Fields, 2025).
En ese sentido, el objetivo del presente
artículo es analizar la literatura científica reciente
sobre la adopción de inteligencia artificial en
PYMES de economías emergentes, identificando
los principales factores de adopción, barreras,
beneficios, aplicaciones empresariales, marcos
teóricos y brechas de investigación, con énfasis en
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(1442)
http://www.aulavirtual.web.ve
sus implicancias para el contexto peruano. El aporte
del estudio consiste en proponer una síntesis
integradora de los factores tecnológicos,
organizacionales, humanos, financieros y
ambientales que condicionan la adopción de
inteligencia artificial en PYMES de economías
emergentes.
La pregunta de investigación que orienta el
estudio es la siguiente: ¿cuáles son los principales
factores que condicionan la adopción de inteligencia
artificial en PYMES de economías emergentes y
qué implicancias presenta esta evidencia para el
contexto peruano?
El artículo se organiza en siete secciones.
Luego de esta introducción, se desarrolla el marco
teórico sobre inteligencia artificial, transformación
digital, PYMES, adopción tecnológica y
preparación organizacional. Posteriormente, se
presenta la metodología de revisión sistemática de
literatura.
En la cuarta sección se exponen los resultados,
organizados según factores de adopción, barreras,
beneficios, aplicaciones empresariales, evidencia
regional y brechas de investigación. En la quinta
sección se discuten los hallazgos y sus implicancias
para economías emergentes. Finalmente, se
presentan las conclusiones, recomendaciones y
referencias.
Desarrollo teórico
Inteligencia artificial y transformación digital
empresarial
La inteligencia artificial constituye una de las
tecnologías más relevantes de la transformación
digital empresarial contemporánea, debido a su
capacidad para procesar grandes volúmenes de
datos, automatizar tareas, identificar patrones,
generar predicciones y apoyar la toma de decisiones.
En el ámbito empresarial, sus aplicaciones abarcan
marketing, ventas, atención al cliente, operaciones,
logística, finanzas, gestión de recursos humanos y
planificación estratégica, mediante herramientas
como chatbots, sistemas de recomendación,
analítica predictiva, automatización de procesos y
apoyo gerencial (Dinh et al., 2025; Schwaeke et al.,
2025).
La transformación digital no debe reducirse a la
simple adquisición de tecnología, sino entenderse
como un proceso de cambio organizacional que
modifica procesos, capacidades, modelos de negocio
y formas de relacionamiento con clientes,
proveedores y otros actores del entorno. En ese
marco, la inteligencia artificial representa una etapa
avanzada de digitalización, pues requiere datos
organizados, procesos parcialmente digitalizados,
infraestructura tecnológica y capacidades humanas
para interpretar y aplicar sus resultados (Jöhnk et al.,
2020; Omrani et al., 2024).
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(1443)
http://www.aulavirtual.web.ve
En las PYMES, esta relación es especialmente
importante porque suelen operar con menores
recursos financieros, tecnológicos y humanos que
las grandes empresas. Por ello, la adopción de IA
debe plantearse de manera gradual, realista y
alineada con el nivel de madurez digital de cada
organización. Antes de implementar soluciones
complejas, las empresas necesitan fortalecer sus
procesos, datos, competencias digitales e
infraestructura básica (Díaz-Arancibia et al., 2024;
Ghobakhloo et al., 2022).
PYMES, economías emergentes y contexto
latinoamericano
Las pequeñas y medianas empresas cumplen
un papel central en las economías emergentes por su
contribución al empleo, la producción, la
innovación local y la dinamización de los mercados
internos. Sin embargo, suelen enfrentar
restricciones de financiamiento, baja inversión en
innovación, limitada infraestructura tecnológica,
escasa profesionalización de la gestión y falta de
personal especializado. Estas condiciones reducen
su capacidad para incorporar tecnologías avanzadas
y explican por qué la adopción de inteligencia
artificial debe analizarse desde una perspectiva
gradual y contextualizada (Díaz-Arancibia et al.,
2024, 2025).
En América Latina y el Caribe, la
transformación digital empresarial muestra avances,
pero también brechas persistentes en conectividad,
talento digital, ciberseguridad, inversión tecnológica,
interoperabilidad, acceso a financiamiento y
políticas públicas de apoyo. Estas limitaciones
afectan especialmente a las PYMES, que cuentan
con menor capacidad para asumir riesgos
tecnológicos o contratar especialistas externos
(Cathles et al., 2022; Joia et al., 2024).
En el caso peruano, una parte importante del
tejido empresarial aún se encuentra en etapas
iniciales de digitalización. Los estudios sobre
pequeñas empresas peruanas muestran que la
transformación digital se relaciona con la
competitividad, pero también evidencian obstáculos
asociados con falta de capacitación, bajo uso de
tecnologías avanzadas, acceso limitado a recursos y
necesidad de mayor apoyo institucional. Por ello, el
reto no consiste únicamente en promover la IA, sino
en fortalecer previamente las bases digitales que
permitan su adopción sostenible (Blas-Ponce &
Libaque-Saenz, 2022; Inga-Ávila et al., 2023).
Adopción tecnológica y marcos teóricos
aplicables
La adopción tecnológica en las PYMES puede
entenderse como el proceso mediante el cual una
empresa decide incorporar, implementar y utilizar
una tecnología para mejorar sus actividades,
procesos, productos, servicios o resultados
empresariales. Este proceso no depende únicamente
de la disponibilidad de la tecnología, sino también
de la percepción de utilidad, la facilidad de uso, la
compatibilidad con los procesos existentes, los
costos de implementación, la capacidad del
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(1444)
http://www.aulavirtual.web.ve
personal, el apoyo de la dirección y las condiciones
del entorno. En el caso de las pequeñas y medianas
empresas, estos factores adquieren especial
importancia debido a sus limitaciones de recursos y
a su menor capacidad para asumir riesgos
tecnológicos prolongados (Lada et al., 2023;
Polisetty et al., 2023).
Uno de los marcos más utilizados para
analizar la adopción tecnológica en organizaciones
es el modelo Tecnología-Organización-Entorno,
conocido como TOE. Este enfoque plantea que la
adopción de una innovación tecnológica depende de
tres dimensiones principales: tecnológica,
organizacional y ambiental. La dimensión
tecnológica incluye aspectos como ventaja relativa,
compatibilidad, complejidad, infraestructura,
disponibilidad de datos, seguridad y facilidad de
integración. La dimensión organizacional
comprende liderazgo, recursos, cultura,
competencias internas, preparación y estrategia
empresarial. La dimensión ambiental incorpora
presión competitiva, demanda de clientes,
proveedores, regulación, apoyo gubernamental y
condiciones del ecosistema (Badghish & Soomro,
2024).
Además del TOE, la Teoría de Difusión de
Innovaciones permite comprender cómo se
propagan las tecnologías en las organizaciones. Este
enfoque considera que la adopción de una
innovación depende de atributos como ventaja
relativa, compatibilidad, complejidad, posibilidad
de prueba y observabilidad. En el caso de la IA, una
PYME estará más dispuesta a adoptarla si percibe
que mejora su desempeño, si se ajusta a sus
procesos, si puede probarse en pequeña escala y si
sus resultados pueden observarse de manera clara
(Sánchez et al., 2025).
La visión basada en recursos permite
interpretar la inteligencia artificial como un recurso
estratégico que puede contribuir a la ventaja
competitiva de la empresa. Sin embargo, desde esta
perspectiva, la IA no genera valor por sí sola. Su
impacto depende de la forma en que se combine con
otros recursos y capacidades, como datos,
conocimiento, talento humano, procesos internos,
cultura digital, liderazgo y capacidad de
aprendizaje. Por ello, dos empresas pueden acceder
a herramientas similares de IA y obtener resultados
distintos si una de ellas cuenta con mejores datos,
mayor preparación organizacional y una estrategia
más clara (Civelek et al., 2023).
El enfoque de capacidades dinámicas también
resulta útil para comprender la adopción de IA en
entornos cambiantes. Este enfoque sostiene que las
empresas necesitan identificar oportunidades,
movilizar recursos y reconfigurar capacidades para
responder a cambios tecnológicos y de mercado. En
el caso de las PYMES, adoptar inteligencia artificial
exige reconocer problemas empresariales que
pueden resolverse con tecnología, aprender nuevas
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(1445)
http://www.aulavirtual.web.ve
formas de trabajo, reorganizar procesos, capacitar al
personal y ajustar decisiones según los resultados
obtenidos (Dey et al., 2023; Sánchez-Rodríguez et
al., 2025).
Finalmente, la preparación organizacional
para IA, o AI readiness, complementa estos
enfoques al centrarse en las condiciones previas que
una organización necesita para adoptar inteligencia
artificial con mayor probabilidad de éxito. Esta
preparación incluye dimensiones estratégicas,
tecnológicas, humanas, culturales y de datos. Una
empresa preparada para IA no es necesariamente
aquella que posee tecnología avanzada, sino aquella
que comprende sus necesidades, tiene datos
disponibles, cuenta con liderazgo comprometido,
dispone de personal capacitado y puede integrar la
tecnología en procesos de negocio (Jöhnk et al.,
2020) (Ver Tabla 1).
Marco teórico
Autor(es) y año
Aporte principal al análisis
Tecnología-
Organización-Entorno
Badghish & Soomro (2024)
Ordena los factores de adopción en dimensiones tecnológicas,
organizacionales y ambientales.
Difusión de
Innovaciones
Sánchez et al., (2025)
Explica la adopción según ventaja relativa, compatibilidad,
complejidad, posibilidad de prueba y observabilidad.
Visión basada en
recursos
Civelek et al., (2023)
Interpreta la IA como recurso estratégico que requiere
capacidades complementarias para generar valor.
Capacidades dinámicas
Dey et al., (2023); Sánchez-
Rodríguez et al., (2025)
Explica cómo las empresas identifican oportunidades, movilizan
recursos y reconfiguran procesos ante cambios tecnológicos.
Preparación
organizacional para IA
Jöhnk et al., (2020)
Evalúa si la empresa cuenta con estrategia, datos, infraestructura,
cultura y capacidades humanas para adoptar IA.
Tabla 1. Marcos teóricos aplicables al análisis de adopción de inteligencia artificial en PYMES.
Fuente. Elaboración propia
Desde una perspectiva integradora, estos
enfoques permiten comprender que la adopción de
inteligencia artificial en PYMES no depende
únicamente de la disponibilidad tecnológica, sino de
la interacción entre recursos internos, capacidades
organizacionales y condiciones del entorno. El
marco Tecnología-Organización-Entorno permite
ordenar los factores de adopción en dimensiones
tecnológicas, organizacionales y ambientales; la
Teoría de Difusión de Innovaciones explica cómo
las empresas perciben la utilidad, compatibilidad,
complejidad y observabilidad de una innovación; la
visión basada en recursos permite interpretar la IA
como un recurso estratégico que requiere datos,
conocimiento y capacidades complementarias; y el
enfoque de capacidades dinámicas ayuda a
comprender cómo las PYMES reconfiguran
procesos y aprendizajes frente a cambios
tecnológicos. Asimismo, la preparación
organizacional para IA permite evaluar si la
empresa cuenta con estrategia, infraestructura,
cultura digital, talento humano y gobernanza de
datos suficientes para implementar soluciones
inteligentes de manera sostenible.
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(1446)
http://www.aulavirtual.web.ve
En conjunto, estos enfoques permiten sostener
que la adopción de IA en PYMES es un fenómeno
multidimensional. No basta con que la tecnología
exista o sea accesible. La empresa debe percibir
beneficios, contar con capacidades internas,
disponer de recursos, recibir presión o apoyo del
entorno y lograr que la herramienta se integre en sus
procesos. Esta lectura es particularmente relevante
para economías emergentes, donde las limitaciones
de infraestructura, financiamiento, talento y apoyo
institucional obligan a comprender la adopción
tecnológica desde una perspectiva realista y
contextualizada.
Metodología
Tipo y diseño de investigación
El presente artículo se desarrolló mediante
una revisión sistemática de literatura con síntesis
temática, orientada a analizar la adopción de
inteligencia artificial en pequeñas y medianas
empresas de economías emergentes. Este tipo de
revisión permite identificar, organizar, comparar e
interpretar la evidencia científica disponible sobre
un campo de estudio en expansión, especialmente
cuando existen diversos enfoques teóricos,
metodológicos y contextuales (Díaz-Arancibia et
al., 2024; Oldemeyer et al., 2024).
El diseño de investigación fue descriptivo,
analítico y documental. Descriptivo porque permitió
caracterizar los estudios revisados según su
objetivo, contexto geográfico, enfoque
metodológico, marco teórico y principales
hallazgos. Analítico porque comparó los aportes de
los documentos seleccionados e identificó patrones
comunes sobre factores impulsores, barreras,
beneficios, aplicaciones empresariales, evidencia
regional y brechas de investigación. Asimismo, fue
documental porque se basó en artículos científicos,
revisiones sistemáticas, estudios empíricos, análisis
bibliométricos y documentos institucionales
especializados.
La investigación tuvo un enfoque cualitativo,
debido a que no se aplicaron encuestas, entrevistas
ni instrumentos estadísticos propios. Su finalidad no
fue medir directamente el nivel de adopción de
inteligencia artificial en PYMES peruanas, sino
sistematizar la evidencia científica disponible sobre
PYMES de economías emergentes y extraer
implicancias analíticas para el contexto peruano.
Estrategia de búsqueda documental
La búsqueda documental se orientó a
identificar publicaciones relacionadas con
inteligencia artificial, transformación digital,
adopción tecnológica y pequeñas y medianas
empresas. Se priorizaron estudios que abordaran la
adopción de IA en PYMES, sus factores impulsores,
barreras, beneficios, aplicaciones empresariales,
marcos teóricos y brechas de investigación.
También se incluyeron estudios sobre
transformación digital, capacidades digitales e
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(1447)
http://www.aulavirtual.web.ve
Industria 4.0 cuando contribuían a comprender las
condiciones previas para la adopción de IA en
economías emergentes.
Se dio preferencia a documentos publicados
entre 2020 y 2026, debido al crecimiento reciente de
la literatura sobre inteligencia artificial empresarial.
No obstante, se incorporaron algunos estudios
anteriores cuando aportaban fundamentos
relevantes sobre preparación organizacional,
adopción tecnológica o transformación digital. Las
búsquedas se realizaron en inglés y español,
utilizando términos como artificial intelligence
adoption, AI adoption, SMEs, small and medium-
sized enterprises, emerging economies, developing
countries, Latin America, Peru, TOE framework,
digital transformation, AI readiness, barriers,
drivers, business performance y sustainable
performance.
La búsqueda fue complementada con revisión
de referencias citadas en los estudios seleccionados,
verificación de DOI y contraste entre documentos
de revisión y estudios empíricos. Las herramientas
académicas asistidas por inteligencia artificial se
utilizaron únicamente como apoyo exploratorio para
localizar literatura relevante, pero no fueron
consideradas como fuentes científicas finales del
corpus.
Proceso de selección documental
Para fortalecer la trazabilidad metodológica,
la selección documental se organizó siguiendo una
lógica inspirada en PRISMA, considerando las fases
de identificación, depuración, evaluación de
elegibilidad e inclusión final. Este procedimiento
permitió diferenciar los documentos inicialmente
localizados de aquellos que finalmente integraron el
corpus de análisis, evitando la incorporación de
registros duplicados, documentos sin texto
completo disponible, estudios de baja pertinencia o
trabajos sin vínculo directo con la gestión
empresarial (Ver Figura 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(1448)
http://www.aulavirtual.web.ve
Figura 1. Flujo de selección documental
Fuente. Elaboración propia con base en el proceso de revisión sistemática de literatura
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(1449)
http://www.aulavirtual.web.ve
El procedimiento se desarrolló en cinco fases.
En la primera fase, se identificó un conjunto amplio
de documentos relacionados con inteligencia
artificial, PYMES, transformación digital, adopción
tecnológica, economías emergentes, América
Latina y Perú. En la segunda fase, se eliminaron
duplicados, versiones repetidas y materiales
auxiliares que no correspondían a fuentes científicas
finales. En la tercera fase, se revisaron títulos,
resúmenes, palabras clave, objetivos y conclusiones
para determinar la pertinencia de cada documento.
En la cuarta fase, se realizó una lectura analítica de
los textos seleccionados, considerando enfoque
teórico, metodología, contexto geográfico, tipo de
empresa, principales variables y hallazgos. En la
quinta fase, se organizó el corpus final en una matriz
temática de análisis.
El corpus final quedó conformado por 39
documentos seleccionados, entre artículos científicos,
revisiones sistemáticas, estudios empíricos, análisis
bibliométricos y documentos institucionales
especializados. Esta cantidad se consideró
suficiente para realizar una síntesis temática
equilibrada sobre la adopción de inteligencia
artificial en PYMES de economías emergentes.
Criterios de inclusión y exclusión
Los documentos fueron seleccionados
considerando su pertinencia temática, calidad académica
y aporte al objetivo del artículo. Se incluyeron
estudios sobre inteligencia artificial, transformación
digital, adopción tecnológica, tecnologías avanzadas
o capacidades digitales en PYMES. También se
incorporaron investigaciones sobre economías
emergentes, países en desarrollo, América Latina y
Perú, debido al enfoque contextual del estudio (Ver
Tabla 2).
Tabla 2: Criterios de inclusión y exclusión aplicados en la
revisión
Fuente. Elaboración propia
Matriz de extracción y categorías de análisis
Los documentos seleccionados fueron
examinados mediante una matriz de extracción
Tipo
Criterio
Descripción
Inclusión
Pertinencia
temática
Estudios sobre IA,
transformación digital, adopción
tecnológica, Industria 4.0 o
capacidades digitales en
PYMES.
Inclusión
Tipo de
organización
Investigaciones centradas en
PYMES, MIPYMES,
microempresas, pequeñas
empresas o medianas empresas.
Inclusión
Contexto
geográfico
Estudios sobre economías
emergentes, países en desarrollo,
América Latina o Perú.
Inclusión
Tipo de
documento
Artículos científicos, revisiones
sistemáticas, estudios
bibliométricos, estudios
empíricos y documentos
institucionales especializados.
Inclusión
Calidad
mínima
Documentos con DOI, respaldo
editorial, texto completo
disponible o procedencia
institucional reconocida.
Exclusión
Enfoque
técnico puro
Estudios centrados solo en
algoritmos, programación o
arquitectura computacional sin
vínculo con gestión empresarial.
Exclusión
Baja
pertinencia
Documentos que mencionaban
IA o transformación digital de
manera tangencial.
Exclusión
Duplicidad
Registros repetidos, versiones
duplicadas o documentos
equivalentes.
Exclusión
Texto completo
no disponible
Documentos cuyo texto completo
no pudo ser revisado.
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(1450)
http://www.aulavirtual.web.ve
temática. Esta matriz consideró autor, año, país o
región, tipo de estudio, metodología, marco teórico,
tipo de empresa, factores de adopción, barreras,
beneficios, aplicaciones empresariales y aporte para
economías emergentes. Este procedimiento
permitió comparar los estudios de manera
sistemática y evitar una lectura meramente narrativa
o descriptiva.
Las categorías utilizadas fueron definidas a
partir del objetivo del artículo, la pregunta de
investigación y los patrones identificados en la
literatura. La construcción de categorías se apoyó
principalmente en el marco Tecnología-
Organización-Entorno, complementado con
enfoques de preparación organizacional para IA,
capacidades digitales, visión basada en recursos y
capacidades dinámicas (Badghish & Soomro,
2024).
Las categorías de análisis fueron las siguientes:
factores tecnológicos, factores organizacionales,
factores humanos, factores financieros, factores
ambientales, barreras, beneficios, aplicaciones
empresariales, evidencia regional y brechas de
investigación. Esta clasificación permitió ordenar la
evidencia de manera comparativa y facilitar la
interpretación de los hallazgos en relación con las
PYMES de economías emergentes y el contexto
peruano.
Alcance y delimitaciones
La revisión se centró en la adopción de
inteligencia artificial en PYMES de economías
emergentes, con énfasis en sus implicancias para
América Latina y Perú. Debido a la limitada
disponibilidad de estudios empíricos directos sobre
adopción de IA en PYMES peruanas, se incluyeron
investigaciones sobre transformación digital,
competencias digitales, digitalización e Industria 4.0
en empresas peruanas y latinoamericanas.
El artículo no pretende medir directamente el
nivel de adopción de inteligencia artificial en PYMES
peruanas mediante datos primarios. Su propósito es
sistematizar la evidencia científica disponible y
extraer implicancias analíticas para el contexto
peruano. Por tanto, los resultados deben
interpretarse como una síntesis crítica de literatura y
no como una medición estadística propia sobre la
adopción de IA en el Perú.
Resultados
Caracterización general de la literatura revisada
La literatura revisada evidencia un crecimiento
reciente del interés académico por la adopción de
inteligencia artificial en pequeñas y medianas empresas.
Este crecimiento responde al reconocimiento de la IA
como una tecnología capaz de transformar procesos
empresariales, mejorar la eficiencia operativa,
fortalecer la toma de decisiones, impulsar la
innovación y generar ventajas competitivas. Sin
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(1451)
http://www.aulavirtual.web.ve
embargo, los estudios también muestran que la
adopción de IA en PYMES continúa siendo
desigual, fragmentada y condicionada por el nivel
de madurez digital, las capacidades internas y las
condiciones del entorno en el que opera cada
empresa (Ayinaddis, 2025; Schwaeke et al., 2025).
Los documentos analizados pueden agruparse en
seis tipos principales: revisiones sistemáticas,
bibliométricas y estudios terciarios; estudios
empíricos cuantitativos; investigaciones sobre
transformación digital; estudios sobre América Latina
y Perú; trabajos sobre aplicaciones empresariales de IA;
y documentos institucionales especializados. Esta
diversidad permite observar el fenómeno desde varias
perspectivas, aunque también confirma la
fragmentación de la literatura. Algunos estudios se
concentran en factores de adopción, otros en barreras,
otros en beneficios empresariales, otros en
aplicaciones funcionales de la IA y otros en
condiciones de preparación digital.
Una característica importante de la literatura
revisada es la concentración de estudios sobre
adopción directa de IA en PYMES en Europa, Asia,
Medio Oriente y algunas economías emergentes. En
cambio, la evidencia sobre América Latina y,
especialmente, sobre Perú, todavía es limitada. En
el caso peruano, predominan estudios sobre
digitalización, transformación digital, competencias
digitales, competitividad e Industria 4.0, pero son
escasos los trabajos empíricos centrados
exclusivamente en adopción de inteligencia
artificial en PYMES. Esta situación confirma que el
análisis del caso peruano debe realizarse desde una
lógica de condiciones previas, observando cómo la
madurez digital, las competencias, la infraestructura
y la cultura organizacional pueden facilitar o limitar
una posterior adopción de IA (Espina-Romero et al.,
2024; Inga-Ávila et al., 2023).
Factores impulsores de la adopción de
inteligencia artificial en PYMES
La adopción de inteligencia artificial en
PYMES está condicionada por una combinación de
factores tecnológicos, organizacionales, humanos,
financieros y ambientales. Estos factores no actúan
de manera aislada, sino que se articulan según el
nivel de madurez digital de la empresa, su capacidad
de inversión, el compromiso de la dirección, las
competencias del personal y las condiciones del
entorno competitivo (Badghish & Soomro, 2024;
Cubric, 2020).
Desde la dimensión tecnológica, destacan la
ventaja relativa percibida, la compatibilidad con
procesos existentes, la infraestructura digital y la
calidad de los datos. Las PYMES tienen mayor
disposición a adoptar IA cuando identifican
beneficios concretos en eficiencia, productividad,
atención al cliente, análisis de información o toma
de decisiones. Sin embargo, estos beneficios solo
pueden materializarse cuando la empresa cuenta con
procesos digitalizados, sistemas básicos de
información, datos organizados y capacidades de
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(1452)
http://www.aulavirtual.web.ve
integración tecnológica (Dinh et al., 2025; Hansen
& Bøgh, 2021; Jöhnk et al., 2020).
Desde la dimensión organizacional, el liderazgo
directivo, la cultura digital y la estrategia empresarial
resultan decisivos. En muchas PYMES, las decisiones
tecnológicas dependen directamente del propietario
o gerente. Por ello, cuando la dirección comprende
el valor estratégico de la IA, asigna recursos,
promueve capacitación y orienta la adopción hacia
problemas reales del negocio. En cambio, sin
liderazgo, la IA puede quedar reducida a pruebas
aisladas, usos improvisados o iniciativas desconectadas
de la estrategia empresarial (Lada et al., 2023;
Sánchez-Rodríguez et al., 2025; ul Haq et al., 2025).
Desde la dimensión humana, las competencias
digitales del personal constituyen un factor central. La IA
no genera valor si los trabajadores y directivos no
comprenden sus posibilidades, límites y formas de
aplicación. Aunque las PYMES no siempre requieren
especialistas avanzados en ciencia de datos, sí
necesitan habilidades para usar herramientas
digitales, interpretar información, evaluar resultados
y adaptar procesos. Esta dimensión resulta
especialmente importante en contextos donde la
adopción tecnológica depende de capacidades
internas limitadas (Arroyabe et al., 2024; Espina-
Romero et al., 2024).
Desde la dimensión financiera y ambiental,
influyen la disponibilidad de recursos, la presión
competitiva y el apoyo del ecosistema. Las PYMES
evalúan costos de software, consultoría,
capacitación, infraestructura y mantenimiento. No
obstante, la existencia de financiamiento, subsidios,
proveedores tecnológicos, universidades, cámaras
empresariales o programas públicos puede facilitar
la adopción. En economías emergentes, este apoyo
externo es especialmente relevante porque muchas
empresas no cuentan con capacidades internas
suficientes para adoptar IA por sí solas (Cathles et
al., 2022; Gatica-Neira et al., 2024; Sharma et al.,
2024).
Barreras para la adopción de inteligencia
artificial en PYMES
Las principales barreras para la adopción de
inteligencia artificial en PYMES están asociadas
con baja madurez digital, infraestructura
insuficiente, problemas de datos, falta de
competencias, costos de implementación,
resistencia al cambio e incertidumbre sobre el
retorno de inversión. Estas barreras son más intensas
en economías emergentes, donde muchas empresas
todavía se encuentran en etapas iniciales de
digitalización y enfrentan restricciones estructurales
de financiamiento, conectividad y capacitación
(Cubric, 2020; Díaz-Arancibia et al., 2024).
La baja madurez digital limita la adopción
porque muchas PYMES aún operan con procesos
manuales, herramientas básicas o sistemas poco
integrados. La IA requiere información digitalizada,
procesos organizados y datos disponibles. Si 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(1453)
http://www.aulavirtual.web.ve
empresa no ha consolidado su digitalización básica,
la incorporación de herramientas inteligentes puede
resultar prematura o poco efectiva. Esta dificultad se
vincula también con la limitada preparación
tecnológica de muchas empresas para integrar
soluciones de automatización, analítica o Industria
4.0 (Ghobakhloo et al., 2022; Omrani et al., 2024).
La baja calidad o disponibilidad de datos
constituye otra barrera relevante. La inteligencia
artificial depende de información completa,
actualizada y confiable. Sin embargo, muchas
PYMES registran sus operaciones de manera
dispersa, informal o no digitalizada. Esto reduce la
posibilidad de utilizar IA para predicción,
automatización, segmentación, análisis de riesgos o
toma de decisiones basada en evidencia (Jöhnk et
al., 2020).
También existen barreras humanas y
culturales. La falta de competencias digitales
dificulta la selección, uso e interpretación de
herramientas de IA. A ello se suma la resistencia al
cambio, especialmente cuando la tecnología
modifica rutinas, redistribuye tareas o genera temor
frente a la automatización. En consecuencia, la
adopción requiere capacitación, comunicación
interna, liderazgo y acompañamiento
organizacional (Lada et al., 2023; Lemos et al.,
2022).
Finalmente, las barreras éticas y de
gobernanza de datos adquieren creciente
importancia. La adopción de IA puede generar
riesgos relacionados con privacidad, sesgos
algorítmicos, falta de transparencia, decisiones
automatizadas poco explicables y uso inadecuado
de datos. Estos riesgos son relevantes para las
PYMES porque muchas no cuentan con protocolos
formales de ciberseguridad, protección de datos o
evaluación ética de tecnologías inteligentes
(Machucho & Ortiz, 2025; Soudi & Bauters, 2024).
Beneficios y aplicaciones empresariales
A pesar de las barreras, la literatura muestra
que la adopción de inteligencia artificial puede
generar beneficios importantes para las PYMES
cuando se integra adecuadamente en los procesos
empresariales. Entre los beneficios más relevantes
se encuentran la eficiencia operativa, la reducción
de costos, la mejora de la toma de decisiones, la
personalización de la atención al cliente, la
innovación, la competitividad y la sostenibilidad
(Dinh et al., 2025; Soomro et al., 2025).
En términos operativos, la IA puede
automatizar tareas repetitivas, mejorar la asignación
de recursos, optimizar inventarios, anticipar fallas y
reducir errores. En la gestión comercial, permite
segmentar clientes, personalizar campañas,
recomendar productos, analizar patrones de
consumo y automatizar respuestas. En la toma de
decisiones, facilita el análisis de información, la
predicción de demanda, la evaluación de riesgos y
la generación de reportes gerenciales (Abrokwah-
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(1454)
http://www.aulavirtual.web.ve
Larbi & Awuku-Larbi, 2023; Enshassi et al., 2025;
Vásquez-Vásquez et al., 2026).
Las aplicaciones más viables para PYMES de
economías emergentes suelen ubicarse inicialmente
en marketing, ventas, comercio electrónico,
atención al cliente, generación de contenido,
automatización básica y análisis comercial. Estas
áreas permiten implementar soluciones de bajo
costo relativo y observar beneficios en el corto
plazo. En cambio, aplicaciones más complejas,
como optimización logística avanzada,
automatización productiva, gestión financiera
inteligente o sistemas predictivos sofisticados,
requieren mayor madurez digital, datos
estructurados y capacidades técnicas (Aljarboa,
2024; Dey et al., 2023; García-Vidal et al., 2025)
(Ver Tabla 3).
Dimensión
Principales elementos identificados
Implicancia para PYMES
Factores impulsores
Madurez digital, datos, liderazgo, competencias, recursos y
apoyo del ecosistema.
La adopción depende de capacidades internas y
condiciones externas.
Barreras
Baja digitalización, costos, falta de talento, problemas de
datos y resistencia al cambio.
La IA puede fracasar si se implementa sin
preparación organizacional.
Beneficios
Eficiencia, innovación, decisiones basadas en datos,
competitividad y sostenibilidad.
El valor de la IA aparece cuando se integra con
procesos y estrategia.
Aplicaciones
iniciales
Marketing, ventas, comercio electrónico, atención al cliente y
automatización básica.
Son áreas viables para iniciar con bajo costo y
resultados visibles.
Aplicaciones
avanzadas
Logística, finanzas, producción, analítica predictiva y
decisiones estratégicas.
Requieren mayor madurez digital, inversión y
datos estructurados.
Tabla 3. Síntesis de factores, barreras, beneficios y aplicaciones de la inteligencia artificial en PYMES
Fuente. Elaboración propia
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(1455)
http://www.aulavirtual.web.ve
Figura 2. Modelo integrado de adopción de inteligencia artificial en PYMES de economías emergentes
Fuente. Elaboración propia con base en la revisión sistemática de literatura
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(1456)
http://www.aulavirtual.web.ve
En síntesis, los resultados muestran que la
inteligencia artificial puede aportar valor a las
PYMES, pero su adopción debe ser progresiva y
coherente con el nivel de madurez digital de cada
empresa. En economías emergentes, las
aplicaciones iniciales más viables suelen estar
vinculadas con marketing, atención al cliente,
ventas, comercio electrónico y automatización
básica, mientras que las aplicaciones más complejas
requieren mayor inversión, datos estructurados,
competencias especializadas y apoyo del
ecosistema.
Evidencia regional sobre América Latina y Perú
La evidencia regional sobre adopción de
inteligencia artificial en PYMES de América Latina
todavía es limitada, aunque muestra un crecimiento
reciente. Los estudios disponibles evidencian una
situación dual: por un lado, existe mayor interés
empresarial por incorporar tecnologías digitales,
automatización, analítica de datos e inteligencia
artificial; por otro lado, persisten brechas
estructurales relacionadas con infraestructura,
financiamiento, talento digital, conectividad,
ciberseguridad, calidad de datos, regulación y apoyo
institucional. Esta tensión explica por qué la
adopción de IA en PYMES latinoamericanas avanza
de manera desigual y, en muchos casos, concentrada
en aplicaciones de baja complejidad relativa
(Cathles et al., 2022; Joia et al., 2024; Vásquez-
Vásquez et al., 2026).
Los estudios sobre América Latina sugieren
que la inteligencia artificial puede contribuir a la
sostenibilidad, la toma de decisiones, la innovación
y la eficiencia empresarial, pero su implementación
requiere condiciones previas. Las PYMES necesitan
contar con procesos digitalizados, datos disponibles,
competencias internas y capacidades de gestión para
transformar la IA en valor empresarial. Sin estas
condiciones, la adopción puede reducirse al uso
superficial de herramientas aisladas, sin generar
cambios significativos en productividad,
competitividad o innovación (Machucho & Ortiz,
2025; Poveda-Valverde & Fierro Barragán, 2026).
La experiencia de Ecuador resulta útil para
comprender los patrones de adopción de IA en
PYMES de economías emergentes. La evidencia
muestra que las empresas tienden a iniciar la
adopción en áreas comerciales, marketing digital,
atención al cliente y generación de contenido,
porque son funciones donde los beneficios pueden
observarse con mayor rapidez. Sin embargo, la
incorporación de IA en áreas más complejas, como
finanzas, logística, recursos humanos, producción o
toma de decisiones estratégicas, requiere mayor
madurez digital, liderazgo, datos estructurados y
capacidades analíticas (Pérez-Campdesuñer et al.,
2025; Sánchez-Rodríguez et al., 2025).
En el caso peruano, la evidencia directa sobre
adopción de inteligencia artificial en PYMES aún es
escasa. Por ello, el análisis debe apoyarse en
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(1457)
http://www.aulavirtual.web.ve
estudios sobre transformación digital,
digitalización, competitividad, competencias
digitales e Industria 4.0. Estos estudios permiten
observar que muchas pequeñas empresas peruanas
se encuentran todavía en etapas iniciales de
digitalización, con uso limitado de tecnologías
avanzadas, baja inversión tecnológica y necesidad
de mayor capacitación. Esta situación sugiere que la
adopción de IA en PYMES peruanas requiere
primero fortalecer las bases digitales de la empresa
(Blas-Ponce & Libaque-Saenz, 2022; Inga-Ávila et
al., 2023).
La evidencia sobre PYMES de Lima muestra
que las competencias digitales, la transformación
digital y la cultura organizacional se relacionan con
la sostenibilidad empresarial. Este hallazgo
confirma que la adopción tecnológica no depende
únicamente de herramientas, sino también de
personas, procesos y cultura. En consecuencia, la
inteligencia artificial debería incorporarse en las
PYMES peruanas como parte de una estrategia
gradual de fortalecimiento organizacional, y no
como una solución aislada o meramente
instrumental (Espina-Romero et al., 2024).
Brechas de investigación identificadas
La revisión permitió identificar cinco brechas
principales. La primera es geográfica. Aunque la
literatura internacional sobre IA en empresas ha
crecido, la mayor parte de estudios se concentra en
economías desarrolladas o en países con mayor
madurez tecnológica. En América Latina, la
evidencia empírica sigue siendo reducida, y en el
caso peruano son escasos los estudios centrados
específicamente en adopción de IA en PYMES
(Díaz-Arancibia et al., 2025; Yesuf & Fields, 2025).
La segunda brecha es metodológica. Muchos
estudios disponibles son transversales, descriptivos
o conceptuales, por lo que se requiere mayor
investigación cuantitativa, longitudinal, sectorial y
comparativa. En particular, faltan estudios que
midan el nivel real de adopción de IA en PYMES,
los factores que explican diferentes grados de
adopción, los impactos en productividad y
competitividad, y las condiciones que permiten
pasar de usos básicos a aplicaciones estratégicas
(Ayinaddis, 2025; Oldemeyer et al., 2024).
La tercera brecha es sectorial. La adopción de
IA no ocurre igual en comercio, manufactura,
servicios, agroindustria, turismo, logística o
actividades profesionales. Cada sector tiene
procesos, datos, necesidades y restricciones
distintas. Por ello, se requieren investigaciones que
analicen casos específicos por actividad económica,
identificando qué aplicaciones de IA son más
viables, qué barreras predominan y qué capacidades
deben desarrollarse en cada sector productivo.
La cuarta brecha se relaciona con el tamaño
empresarial. Muchas investigaciones se refieren a
PYMES de manera general, pero no diferencian
suficientemente entre micro, pequeñas y medianas
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(1458)
http://www.aulavirtual.web.ve
empresas. Esta distinción es importante porque las
microempresas suelen tener menor formalización,
menos recursos, menor disponibilidad de datos y
mayor dependencia de decisiones del propietario.
En economías emergentes, donde las
microempresas representan una parte significativa
del tejido empresarial, esta brecha limita la
comprensión realista de la adopción de IA (García-
Vidal et al., 2025).
La quinta brecha corresponde a la gobernanza
ética y de datos. Aunque la literatura reconoce la
importancia de la privacidad, la transparencia, los
sesgos algorítmicos, la seguridad y el uso
responsable de IA, todavía existen pocos estudios
aplicados a PYMES de economías emergentes. Este
vacío es relevante porque las pequeñas empresas
suelen tener menos recursos para implementar
políticas formales de protección de datos, auditoría
algorítmica o evaluación ética. Por ello, se requiere
investigación sobre modelos simples, prácticos y
adaptados a PYMES para una adopción responsable
de IA (Soudi & Bauters, 2024) (Ver Tabla 4).
Tabla 4: Brechas de investigación e implicancias para el contexto peruano
Fuente. Elaboración propia
En conjunto, estas brechas confirman que la
adopción de inteligencia artificial en PYMES de
economías emergentes sigue siendo un campo en
consolidación. Para el caso peruano, la agenda futura
debería priorizar estudios que midan el nivel de
preparación digital de las PYMES, identifiquen
sectores con mayor potencial de adopción, evalúen
barreras reales y propongan modelos graduales de
implementación de IA ajustados a las capacidades
del tejido empresarial nacional.
Discusión
Los hallazgos permiten sostener que la
adopción de inteligencia artificial en PYMES de
economías emergentes no debe entenderse como la
simple incorporación de herramientas tecnológicas,
sino como un proceso de transformación
organizacional condicionado por capacidades
previas. La IA puede aportar eficiencia, innovación,
mejor toma de decisiones, atención al cliente,
sostenibilidad y competitividad; sin embargo, estos
beneficios dependen de la madurez digital, la
Brecha identificada
Implicancia para el Perú
Escasez de estudios empíricos sobre IA en
PYMES peruanas.
Se requieren diagnósticos nacionales y sectoriales sobre adopción real de IA.
Predominio de estudios generales o conceptuales.
Se necesitan investigaciones cuantitativas, cualitativas y mixtas con evidencia
primaria.
Poca diferenciación entre micro, pequeñas y
medianas empresas.
Las políticas y modelos de adopción deben ajustarse al tamaño y capacidades
de cada empresa.
Limitada medición de impactos empresariales.
Deben evaluarse efectos en productividad, ventas, innovación, empleo y
competitividad.
Débil evidencia sobre ética y gobernanza de IA en
PYMES.
Es necesario proponer criterios simples de privacidad, transparencia,
seguridad y supervisión humana.
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(1459)
http://www.aulavirtual.web.ve
calidad de los datos, el liderazgo directivo, las
competencias del personal, los recursos financieros,
el apoyo del ecosistema y la gobernanza ética
(Schwaeke et al., 2025; Soomro et al., 2025).
Esta interpretación coincide con el marco
Tecnología-Organización-Entorno, la visión basada
en recursos y el enfoque de capacidades dinámicas.
Desde estas perspectivas, la IA solo genera valor
cuando se articula con datos, procesos, talento
humano, aprendizaje organizacional y estrategia
empresarial. Por ello, el principal desafío para las
PYMES no es acceder a herramientas de IA, sino
desarrollar capacidades para integrarlas en procesos
que produzcan valor sostenible (Badghish &
Soomro, 2024; Civelek et al., 2023).
En las economías emergentes, la adopción
suele iniciar en usos de baja complejidad, como
marketing digital, atención al cliente, generación de
contenido, automatización básica y análisis
comercial. Estas aplicaciones son viables porque
requieren menor inversión y permiten observar
resultados más rápidos. Sin embargo, existe el
riesgo de una adopción superficial si no se
acompaña de capacitación, organización de datos,
mejora de procesos y evaluación de resultados
(Enshassi et al., 2025; García-Vidal et al., 2025).
Para América Latina y el Perú, los resultados
sugieren que la prioridad no debe centrarse
únicamente en promover herramientas de IA, sino
en fortalecer las condiciones que hacen posible su
adopción sostenible. Esto implica mejorar la
alfabetización digital, formalizar datos
empresariales, ampliar el acceso a financiamiento
tecnológico, vincular PYMES con universidades y
desarrollar programas públicos de acompañamiento.
La IA puede fortalecer la competitividad de las
PYMES peruanas si se integra dentro de una
estrategia gradual de transformación digital y
desarrollo de capacidades (Blas-Ponce & Libaque-
Saenz, 2022; Espina-Romero et al., 2024; Inga-
Ávila et al., 2023).
Implicancias prácticas y académicas
Desde el punto de vista práctico, las PYMES
deberían iniciar la adopción de IA mediante casos
de uso simples, medibles y vinculados con
problemas concretos del negocio. Desde el punto de
vista académico, se requiere ampliar la
investigación empírica sobre IA en PYMES
latinoamericanas y peruanas, diferenciando por
sector, tamaño empresarial, región, nivel de
madurez digital e impacto en productividad,
empleo, sostenibilidad y competitividad.
Limitaciones del estudio
La principal limitación del estudio es que se
basa en evidencia secundaria y no mide
directamente el nivel de adopción de IA en PYMES
peruanas. Por ello, las implicancias planteadas
deben entenderse como una síntesis crítica derivada
de literatura internacional, latinoamericana y
estudios peruanos sobre transformación digital. Esta
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(1460)
http://www.aulavirtual.web.ve
limitación confirma la necesidad de futuras
investigaciones empíricas que validen y amplíen el
modelo integrado propuesto.
Conclusiones
La revisión sistemática de literatura con
síntesis temática permite concluir que la adopción
de inteligencia artificial en PYMES de economías
emergentes constituye un proceso
multidimensional, gradual y condicionado por
capacidades previas. La IA no puede comprenderse
únicamente como una herramienta tecnológica, sino
como parte de una transformación organizacional
que involucra estrategia, datos, liderazgo,
competencias digitales, cultura, recursos
financieros, apoyo del ecosistema y gobernanza
ética.
El primer hallazgo central es que la adopción
de IA depende de la interacción entre factores
tecnológicos, organizacionales, humanos,
financieros y ambientales. La madurez digital, la
calidad de los datos, la infraestructura tecnológica,
el liderazgo directivo, las competencias digitales del
personal, la disponibilidad de recursos y la presión
del entorno actúan como condiciones
interdependientes. Por ello, la adopción de IA no
debe analizarse como una decisión aislada, sino
como resultado de un proceso acumulativo de
preparación empresarial.
El segundo hallazgo es que las barreras para la
adopción son más intensas en economías
emergentes. La baja digitalización, la
infraestructura insuficiente, la falta de datos
estructurados, los costos de implementación, la
escasez de talento especializado, la resistencia al
cambio y los riesgos éticos o regulatorios limitan la
capacidad de las PYMES para convertir la IA en
valor empresarial. Estas barreras no anulan el
potencial de la tecnología, pero muestran que su
adopción requiere condiciones organizacionales
mínimas.
El tercer hallazgo es que los beneficios de la
IA no se producen de manera automática. La
inteligencia artificial puede mejorar la eficiencia
operativa, la atención al cliente, la toma de
decisiones, la innovación, la competitividad y la
sostenibilidad empresarial, pero dichos beneficios
dependen de una implementación progresiva,
alineada con objetivos estratégicos, datos
confiables, supervisión humana y capacidades
internas suficientes.
El cuarto hallazgo se relaciona con el contexto
peruano. La evidencia revisada sugiere que muchas
PYMES peruanas aún necesitan fortalecer su
digitalización básica antes de avanzar hacia
aplicaciones complejas de IA. En consecuencia, el
principal desafío no consiste solo en promover el
uso de herramientas inteligentes, sino en consolidar
previamente procesos, datos, competencias,
infraestructura, financiamiento y vínculos con
actores del ecosistema.
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(1461)
http://www.aulavirtual.web.ve
Finalmente, el estudio confirma que la
adopción de IA en PYMES de economías
emergentes sigue siendo un campo de investigación
en consolidación. Persisten brechas geográficas,
metodológicas, sectoriales y éticas, especialmente
en América Latina y Perú. Se requieren estudios
empíricos que midan niveles reales de adopción,
impactos en desempeño empresarial, diferencias por
tamaño y sector, así como modelos de
implementación viables para empresas con recursos
limitados.
Recomendaciones
Para las PYMES, se recomienda adoptar la
inteligencia artificial de manera progresiva,
iniciando con casos de uso simples, medibles y
vinculados con problemas concretos del negocio,
como atención al cliente, marketing digital, ventas,
comercio electrónico, automatización básica y
análisis comercial.
Para los propietarios y directivos, se
recomienda asumir un liderazgo activo en la
transformación digital, definiendo prioridades,
asignando recursos, promoviendo la capacitación
del personal y evitando que la inteligencia artificial
sea utilizada como una herramienta aislada o
improvisada.
Para el Estado, se recomienda diseñar
programas de apoyo orientados a la adopción de IA
en PYMES, mediante capacitación, financiamiento
tecnológico, asesoría especializada, pilotos
sectoriales, protección de datos y acompañamiento
en transformación digital.
Para las universidades y centros de
investigación, se recomienda desarrollar proyectos
aplicados con PYMES, especialmente en comercio,
servicios, manufactura, agroindustria, turismo y
logística, a fin de generar diagnósticos, modelos de
adopción y experiencias piloto ajustadas al contexto
peruano.
Para futuras investigaciones, se recomienda
realizar estudios empíricos sobre adopción de IA en
PYMES peruanas y latinoamericanas, considerando
diferencias por sector, tamaño empresarial, nivel de
madurez digital, productividad, empleo,
sostenibilidad y competitividad.
Referencias
Abrokwah-Larbi, K., & Awuku-Larbi, Y. (2023).
The impact of artificial intelligence in marketing
on the performance of business organizations:
Evidence from SMEs in an emerging economy.
Journal of Entrepreneurship in Emerging
Economies. Documento en línea. Disponible
https://doi.org/10.1108/JEEE-07-2022-0207
Aljarboa, S. (2024). Factors influencing the
adoption of artificial intelligence in e-commerce
by small and medium-sized enterprises.
International Journal of Information
Management Data Insights, 4, 100285.
Documento en línea. Disponible
https://doi.org/10.1016/j.jjimei.2024.100285
Arroyabe, M., Arranz, C., de Arroyabe, I., & de
Arroyabe, J. C. F. (2024). Analyzing AI adoption
in European SMEs: A study of digital
capabilities, innovation, and external
environment. Technology in Society. Documento
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(1462)
http://www.aulavirtual.web.ve
en línea. Disponible
https://doi.org/10.1016/j.techsoc.2024.102733
Ayinaddis, S. G. (2025). Artificial intelligence
adoption dynamics and knowledge in SMEs and
large firms: A systematic review and
bibliometric analysis. Journal of Innovation and
Knowledge, 10(3). Documento en línea.
Disponible
https://doi.org/10.1016/j.jik.2025.100682
Badghish, S., & Soomro, Y. A. (2024). Artificial
intelligence adoption by SMEs to achieve
sustainable business performance: Application of
Technology-Organization-Environment
framework. Sustainability, 16(5), 1864.
Documento en línea. Disponible
https://doi.org/10.3390/su16051864
Blas-Ponce, V., & Libaque-Saenz, C. F. (2022).
Digitalization in Peruvian SMEs. Issues in
Information Systems. Documento en línea.
Disponible
https://doi.org/10.48009/1_iis_2022_110
Cathles, A., Suaznábar, C., & Vargas, F. (2022).
Radiografía de la transformación digital de las
empresas en América Latina y el Caribe. Banco
Interamericano de Desarrollo. Documento en
línea. Disponible
https://doi.org/10.18235/0004635
Civelek, M., Krajčík, V., & Ključnikov, A. (2023).
The impacts of dynamic capabilities on SMEs’
digital transformation process: The resource-
based view perspective. Oeconomia
Copernicana. Documento en línea. Disponible
https://doi.org/10.24136/oc.2023.019
Cubric, M. (2020). Drivers, barriers and social
considerations for AI adoption in business and
management: A tertiary study. Technology in
Society, 62. Documento en línea. Disponible
https://doi.org/10.1016/j.techsoc.2020.101257
Dey, P. K., Chowdhury, S., Abadie, A., Yaroson, E.,
& Sarkar, S. (2023). Artificial intelligence-
driven supply chain resilience in Vietnamese
manufacturing small- and medium-sized
enterprises. International Journal of Production
Research, 62, 5417–5456. Documento en línea.
Disponible
https://doi.org/10.1080/00207543.2023.2179859
Díaz-Arancibia, J., Bustamante-Mora, A.,
Hochstetter-Diez, J., & Ramírez Villegas, G. M.
(2025). Systematic mappings on technology
adoption in small and medium-sized enterprises
from developing countries: an umbrella review.
PeerJ Computer Science, 11. Documento en
línea. Disponible https://doi.org/10.7717/peerj-
cs.3395
Díaz-Arancibia, J., Hochstetter-Diez, J.,
Bustamante-Mora, A., Sepúlveda-Cuevas, S.,
Albayay, I., & Arango-López, J. (2024).
Navigating digital transformation and
technology adoption: A literature review from
small and medium-sized enterprises in
developing countries. Sustainability, 16(14),
5946. Documento en línea. Disponible
https://doi.org/10.3390/su16145946
Dinh, T., Vu, M., & Tran, G. (2025). Artificial
intelligence in SMEs: Enhancing business
functions through technologies and applications.
Information, 16, 415. Documento en línea.
Disponible
https://doi.org/10.3390/info16050415
Enshassi, M., Nathan, R. J., Soekmawati, & Ismail,
H. (2025). Unveiling barriers and drivers of AI
adoption for digital marketing in Malaysian
SMEs. Journal of Open Innovation: Technology,
Market, and Complexity, 11(2). Documento en
línea. Disponible
https://doi.org/10.1016/j.joitmc.2025.100519
Espina-Romero, L., Ríos Parra, D., Gutiérrez
Hurtado, H., Peixoto Rodríguez, E., Arias-
Montoya, F., Noroño-Sánchez, J. G., Talavera-
Aguirre, R., Ramírez Corzo, J., & Vilchez Pirela,
R. A. (2024). The role of digital transformation
and digital competencies in organizational
sustainability: A study of SMEs in Lima, Peru.
Sustainability, 16(16), 6993. Documento en
línea. Disponible
https://doi.org/10.3390/su16166993
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(1463)
http://www.aulavirtual.web.ve
García-Vidal, G., Sánchez-Rodríguez, A., Guzmán-
Vilar, L., Pérez-Campdesuñer, R., & Martínez-
Vivar, R. (2025). Entropy-Based Assessment of
AI Adoption Patterns in Micro and Small
Enterprises: Insights into Strategic Decision-
Making and Ecosystem Development in
Emerging Economies. Information
(Switzerland), 16(9). Documento en línea.
Disponible
https://doi.org/10.3390/info16090770
Gatica-Neira, F., Ramos-Maldonado, M., Ascua, R.
A., Revale, H., & Fernández, V. (2024). Digital
Technologies 4.0 in small and medium-sized
manufacturing industries: Cases of the Central
Region of Argentina and the Biobio Region of
Chile. SAGE Open, 14(2). Documento en línea.
Disponible
https://doi.org/10.1177/21582440241249285
Ghobakhloo, M., Iranmanesh, M., Mubarak, M. F.,
Mubarik, M., Rejeb, A., & Nilashi, M. (2022).
Identifying industry 4.0 readiness factors in
manufacturing SMEs: A systematic literature
review. Processes, 7(3), 161. Documento en
línea. Disponible
https://doi.org/10.3390/pr7030161
Hansen, E. B., & Bøgh, S. (2021). Artificial
intelligence and internet of things in small and
medium-sized enterprises: A survey. Journal of
Manufacturing Systems, 58, 362–372.
Documento en línea. Disponible
https://doi.org/10.1016/j.jmsy.2020.08.009
Inga-Ávila, M., Churampi-Cangalaya, R., Ulloa-
Ninahuamán, J., Inga-Ávila, J., Uribe-
Hinostroza, M., Inga-Aliaga, M., & Huamán-
Pérez, F. (2023). Digital transformation and
competitiveness in Peruvian small business.
International Journal of Data and Network
Science. Documento en línea. Disponible
https://doi.org/10.5267/j.ijdns.2023.7.012
Jöhnk, J., Weißert, M., & Wyrtki, K. (2020). Ready
or not, AI comes: An interview study of
organizational AI readiness factors. Business &
Information Systems Engineering, 63, 5–20.
Documento en línea. Disponible
https://doi.org/10.1007/s12599-020-00676-7
Joia, L. A., Chatterjee, S., Rodríguez-Abitia, G., &
Graeml, A. (2024). Digital transformation in
Latin America: Challenges and opportunities.
Information Systems Journal, 34. Documento en
línea. Disponible
https://doi.org/10.1111/isj.12528
Lada, S., Chekima, B., Karim, M., Fabeil, N., Ayub,
M., Amirul, S., Ansar, R., Bouteraa, M., Fook,
L., & Zaki, H. (2023). Determining factors
related to artificial intelligence (AI) adoption
among Malaysia’s small and medium-sized
businesses. Journal of Open Innovation:
Technology, Market, and Complexity.
Documento en línea. Disponible
https://doi.org/10.1016/j.joitmc.2023.100144
Lemos, S., Ferreira, F. A. F., Zopounidis, C.,
Galariotis, E., & Ferreira, N. C. M. Q. F. (2022).
Artificial intelligence and change management in
small and medium-sized enterprises: An analysis
of dynamics within adaptation initiatives. Annals
of Operations Research.
https://doi.org/10.1007/s10479-022-05159-4
Machucho, R., & Ortiz, D. (2025). The Impacts of
Artificial Intelligence on Business Innovation: A
Comprehensive Review of Applications,
Organizational Challenges, and Ethical
Considerations. En Systems (Vol. 13, Número 4).
Documento en línea. Disponible
https://doi.org/10.3390/systems13040264
Oldemeyer, L., Jede, A., & Teuteberg, F. (2024).
Investigation of artificial intelligence in SMEs: A
systematic review of the state of the art and the
main implementation challenges. Management
Review Quarterly, 75, 1185–1227. Documento
en línea. Disponible
https://doi.org/10.1007/s11301-024-00405-4
Omrani, N., Rejeb, N., Maalaoui, A., Dabić, M., &
Kraus, S. (2024). Drivers of digital
transformation in SMEs. IEEE Transactions on
Engineering Management, 71, 5030–5043.
Documento en línea. Disponible
https://doi.org/10.1109/TEM.2022.3215727
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(1464)
http://www.aulavirtual.web.ve
Pérez-Campdesuñer, R., Sánchez-Rodríguez, A.,
García-Vidal, G., Martínez-Vivar, R., & De
Miguel-Guzmán, M. (2025). Artificial
intelligence in Ecuadorian SMEs: Drivers and
obstacles to adoption. Information, 16, 443.
Documento en línea. Disponible
https://doi.org/10.3390/info16060443
Polisetty, A., Chakraborty, D., G, S., Kar, A., &
Pahari, S. (2023). What determines AI adoption
in companies? Mixed-method evidence. Journal
of Computer Information Systems, 64, 370–387.
Documento en línea. Disponible
https://doi.org/10.1080/08874417.2023.2219668
Poveda-Valverde, F., & Fierro Barragán, S. E.
(2026). AI Applications That Can Support
Sustainable Practices in Small and Medium-
Sized Enterprises in Latin America: A
Systematic Review. Sustainability, 18(7), 3603.
Documento en línea. Disponible
https://doi.org/10.3390/su18073603
Sánchez, E., Calderon, R., & Herrera, F. (2025).
Artificial intelligence adoption in SMEs: Survey
based on TOE-DOI framework, primary
methodology and challenges. Applied Sciences.
Documento en línea. Disponible
https://doi.org/10.3390/app15126465
Sánchez-Rodríguez, A., García-Vidal, G.,
Fernández-Ochoa, Y., Martínez-Vivar, R.,
Gavilanes-Venegas, A. E., & Pérez-
Campdesuñer, R. (2025). Navigating
Uncertainty Through AI Adoption: Dynamic
Capabilities, Strategic Innovation Performance,
and Competitiveness in Ecuadorian SMEs.
Administrative Sciences, 15(12). Documento en
línea. Disponible
https://doi.org/10.3390/admsci15120468
Schwaeke, J., Peters, A., Kanbach, D. K., Kraus, S.,
& Jones, P. (2025). The new normal: The status
quo of AI adoption in SMEs. Journal of Small
Business Management, 63(3), 1297–1331.
Documento en línea. Disponible
https://doi.org/10.1080/00472778.2024.2379999
Sharma, S., Singh, G., Islam, N., & Dhir, A. (2024).
Why do SMEs adopt artificial intelligence-based
chatbots? IEEE Transactions on Engineering
Management, 71, 1773–1786. Documento en
línea. Disponible
https://doi.org/10.1109/TEM.2022.3203469
Soomro, R. B., Al-Rahmi, W. M., Dahri, N. A.,
Almuqren, L., Al-Mogren, A. S., & Aldaijy, A.
(2025). A SEM-ANN analysis to examine impact
of artificial intelligence technologies on
sustainable performance of SMEs. Scientific
Reports, 15, 5438. Documento en línea.
Disponible https://doi.org/10.1038/s41598-025-
86464-3
Soudi, M., & Bauters, M. (2024). AI guidelines and
ethical readiness inside SMEs: A review and
recommendations. Digital Society, 3.
Documento en línea. Disponible
https://doi.org/10.1007/s44206-024-00087-1
ul Haq, F., Suki, N. M., Zaigham, H., Masood, A.,
& Rajput, A. (2025). Exploring AI Adoption and
SME Performance in Resource-Constrained
Environments: A TOE–RBV Perspective with
Mediation and Moderation Effects. Journal of
Digital Economy. Documento en línea.
Disponible
https://doi.org/10.1016/j.jdec.2025.07.002
Vásquez-Vásquez, L. M., Alvarado-Cáceres, E. J.,
& Fernández-Bedoya, V. H. (2026). Artificial
Intelligence for Business Decision-Making in
Latin America: A Systematic Review of
Evidence, Contributing Countries, and Key
Insights. Administrative Sciences, 16(3), 121.
Documento en línea. Disponible
https://doi.org/10.3390/admsci16030121
Yesuf, Y., & Fields, Z. (2025). Artificial
intelligence adoption as a driver of innovation
and competitiveness in SMEs: A bibliometric
and systematic review. F1000Research, 14,
1187. Documento en línea. Disponible
https://doi.org/10.12688/f1000research.171494.
1