Doctorado en Gestión de la Tecnología y la Innovación · 2026
Evaluación multidimensional de riesgos en la adopción de tecnologías de inteligencia artificial en la investigación de mercados
La adopción acelerada de tecnologías de inteligencia artificial (IA) en la investigación de mercados ha transformado sustancialmente los procesos de análisis, interpretación y generación de insights, al tiempo que ha introducido riesgos complejos que trascienden la dimensión puramente técnica. No obstante, la literatura académica y la práctica organizacional evidencian una ausencia de modelos integradores que permitan evaluar de manera sistemática y contextualizada los riesgos asociados a dicha adopción. En respuesta a esta brecha, el objetivo de esta tesis doctoral es presentar un Modelo Multidimensional de Evaluación de Riesgos en la adopción de Inteligencia Artificial (MMER-IA 6D), específicamente aplicado al sector de investigación de mercados.
Texto completo 209 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- Resumenp. 24
- Abstractp. 25
- Introducciónp. 26
- Planteamiento del problemap. 29
- Justificaciónp. 33
- Hipótesisp. 35
- Operacionalización de Variables de la Hipótesisp. 37
- Objetivosp. 38
- Objetivo generalp. 178
- Objetivos específicosp. 39
- Marco teóricop. 39
- Inteligencia Artificial: Conceptualización y Evoluciónp. 41
- Investigación de Mercados y Tecnologías de IAp. 44
- Aplicaciones de IA en investigación de mercadosp. 43
- Tensiones y desafíos emergentesp. 44
- Modelos de Aceptación y Adopción Tecnológicap. 46
- Modelo de Aceptación Tecnológica (TAM - Davis, 1989)p. 46
- Extensiones y adaptaciones al contexto de IAp. 48
- Limitaciones de TAM/UTAUT para explicar la adopción de IAp. 48
- Teoría de la Dependencia de Recursos (Resource Dependence Theory)p. 50
- Orígenes y fundamentos conceptuales (Pfeffer & Salancik, 1978)p. 49
- Estrategias organizacionales ante la dependenciap. 51
- Aplicación de RDT al contexto de tecnologías de IAp. 52
- Poder asimétrico y gobernanza tecnológicap. 53
- Aportes de RDT para esta investigaciónp. 53
- Limitaciones de RDT para explicar la adopción de IAp. 54
- Teorías del Riesgo y Evaluación Multidimensional en Contextos de IAp. 55
- Fundamentos teóricos del riesgop. 55
- Integración conceptual: Riesgo objetivo, percibido y gestionadop. 58
- Evaluación de Riesgos en Adopción Tecnológica: Métodos y Enfoquesp. 58
- Métodos Cuantitativos de Evaluación de Riesgosp. 59
- Métodos Cualitativos de Evaluación de Riesgosp. 59
- Enfoques Híbridos y Mixtosp. 60
- Marcos de Referencia Internacionales para Gestión de Riesgosp. 60
- Metodologías Especializadas para Riesgos de IAp. 61
- Directrices Internacionales sobre el Uso de Inteligencia Artificialp. 62
- Reglamentos Éticos para el Uso de Inteligencia Artificial en Marketingp. 63
- Dimensión de Riesgo Éticop. 64
- Dimensión de Riesgo Socialp. 65
- Dimensión de Riesgo Organizacionalp. 66
- Dimensión de Riesgo Técnicop. 66
- Dimensión de Riesgo Cognitivop. 67
- Dimensión de Riesgo Legal-Regulatoriop. 68
- Hacia un Modelo Integradop. 69
- Evaluación Crítica de la Literatura Existentep. 69
- Identificación de Barreras y Facilitadores de Adopciónp. 69
- Fragmentación Disciplinaria y Silos de Conocimientop. 70
- Análisis Crítico de Marcos Teóricos y Modelos de Evaluación de Riesgosp. 71
- Vacíos Teóricos y Limitaciones de la Literatura Existentep. 71
- Definiciones operacionalesp. 145
- Conclusión del Marco Teórico: Síntesis e Implicacionesp. 78
- Metodologíap. 80
- Posicionamiento Epistemológico y Diseño Metodológicop. 80
- Rol de la Literatura Previa: Conceptos Sensibilizadores vs. Teoría A Priorip. 82
- Aportes de TAM/UTAUT a este modelop. 83
- Participantes y Muestreo Teóricop. 83
- Composición Final de la Muestrap. 84
- Criterios de Inclusión y Selecciónp. 84
- Justificación del Desbalance Muestral y Saturación Teóricap. 85
- Participantes, Fuentes de Datos e Instrumentosp. 86
- Fuentes de datosp. 86
- Entrevistas a profundidadp. 86
- Guion para Expertos en Investigación de Mercados (Ver en Anexos 1)p. 87
- Guion para Expertos en Gestión de Riesgos (Ver en Anexo 2)p. 87
- Procedimiento de Recolecciónp. 87
- Análisis de Datos: Grounded Theory Constructivistap. 87
- Codificación inicialp. 88
- Codificación Focalizada: Consolidación de Categoríasp. 89
- Dimensionesp. 89
- Codificación Selectiva e Integración Teórica: Construcción del Modelop. 91
- Selección de ATLAS.ti 9.0 frente a alternativas CAQDASp. 91
- Análisis y modelación de la informaciónp. 92
- Justificación del número de dimensiones: ¿Por qué seis?p. 92
- Proceso de definición y operacionalización de las dimensionesp. 94
- Validación del modelo MMER-IAp. 100
- Rigor metodológico y Criterios de Calidadp. 102
- Consideraciones Éticasp. 105
- Consentimiento Informado (Anexo 5)p. 106
- Confidencialidad y Anonimatop. 106
- Riesgos y Beneficiosp. 106
- Limitaciones Metodológicasp. 106
- Resultadosp. 108
- Caracterización del Corpus Empíricop. 108
- Perfil de los Participantesp. 108
- Contextos Organizacionales de Adopción de IAp. 109
- Tecnologías de IA Adoptadasp. 110
- 7.2 Análisis del Proceso de Adopción de Inteligencia Artificialp. 111
- 7.2.1. Etapas del Proceso de Adopciónp. 111
- 7.2.2. Motivaciones para la Adopción de IAp. 112
- 7.2.3 Barreras y Desafíos en la Adopción de IAp. 113
- Resultados sobre la Gestión y Percepción de Riesgos en la Adopción de IAp. 115
- Tipos de Riesgos Percibidosp. 115
- Estrategias de Gestión de Riesgosp. 116
- Brechas Identificadas en la Gestión de Riesgosp. 117
- Emergencia de las Seis Dimensiones del Modelo MMER-IA 6Dp. 118
- Dimensión Éticap. 75
- Dimensión Organizacionalp. 76
- Dimensión Socialp. 76
- Dimensión Técnicap. 77
- Dimensión Cognitivap. 77
- Dimensión Legal-Regulatoriap. 77
- Resultados del Proceso de Ponderación y Estructuración del Modelop. 126
- Criterios de Ponderación de Dimensionesp. 126
- Triangulación del Modelo MMER-IA 6D con el MIT AI Risk Repositoryp. 129
- El MIT AI Risk Repository como Marco de Referenciap. 129
- Proceso de Triangulación: Metodología de Mapeo Conceptualp. 130
- Tabla Comparativa: MMER-IA 6D ↔ MIT AI Risk Repositoryp. 130
- Análisis de Convergencias y Divergenciasp. 132
- Conclusión de Validez Externap. 132
- Síntesis e Integración del Modelo MMER-IA 6Dp. 133
- Presentación del Modelo MMER-IA 6Dp. 133
- Sistema de Operacionalización mediante el IMRp. 134
- Protocolo de Aplicación del Modelo MMER-IA 6D (6 Pasos)p. 135
- Resultados de la Aplicación Analítica del Modelo y Cálculo del IMRp. 136
- Fórmula del Índice Multidimensional de Riesgo (IMR)p. 136
- Interpretación del IMRp. 100
- Ejemplo Analítico de Cálculo del IMRp. 137
- Síntesis de Resultados y Trazabilidad con los Objetivos Específicosp. 138
- Procedimiento de Validación Operacionalp. 142
- Diligenciamientop. 145
- Triangulación de Resultados: Convergencias y Divergencias entre Casosp. 146
- Valor Agregado Percibido y Casos de Uso Potencialesp. 147
- Validaciónp. 116
- Síntesis de Hallazgos: Evidencia de Validez Pragmática del Modelop. 150
- de la Arquitectura del Modelop. 150
- Discusiónp. 155
- 8.1. Discusión de los Hallazgos por Dimensión del MMER-IA 6Dp. 155
- 8.1.1. Dimensión de Riesgo Éticop. 64
- 8.1.2. Dimensión de Riesgo Socialp. 65
- 8.1.3. Dimensión de Riesgo Organizacionalp. 66
- 8.1.4. Dimensión de Riesgo Técnicop. 66
- 8.1.5. Dimensión de Riesgo Cognitivop. 67
- 8.1.6. Dimensión de Riesgo Legal-Regulatoriop. 68
- 8.2. Interrelación y Carácter Sistémico de los Riesgosp. 161
- 8.3. El MMER-IA 6D como Aporte Doctoral Originalp. 163
- Aporte Teórico: Dimensión Cognitiva y Especificidad Sectorialp. 163
- Aporte Metodológico: Grounded Theory para Evaluación de Riesgosp. 164
- Aporte Práctico: Operacionalización e Instrumentaciónp. 165
- Posicionamiento frente al MIT AI Risk Repositoryp. 166
- 8.4. Implicaciones para la Gestión de la Tecnología y la Innovaciónp. 169
- 8.5. Estrategia de transferencia tecnológica del modelo MMER-IA 6Dp. 170
- 8.5.1. Objeto transferible y nivel de madurezp. 170
- 8.5.2. Destinatarios y proposición de valor diferenciadap. 170
- 8.5.3. Mecanismos de transferenciap. 171
- 8.5.4. Protección de resultados y titularidadp. 172
- 8.5.5. Ruta de implementación y condiciones habilitantesp. 172
- Conclusionesp. 174
- 9.1. Respuesta a la Pregunta de Investigaciónp. 174
- 9.2. Cumplimiento de los Objetivos Específicosp. 178
- de la IA en la investigación de mercados"p. 179
- adopción de tecnologías de la IA en la investigación de mercados"p. 179
- la adopción de tecnologías de la IA en la investigación de mercados"p. 179
- procesos de investigación de mercados"p. 180
- de mercados para su mitigación"p. 180
- mercados" (añadido por solicitud del tribunal doctoral)p. 181
- 9.3. Comprobación de la Hipótesisp. 181
- 9.4. Contribuciones de la Investigaciónp. 182
- 9.4.1. Contribuciones teóricasp. 182
- 9.4.2. Contribuciones metodológicasp. 183
- 9.4.3. Contribuciones prácticasp. 183
- 9.4.4. Contribución empírica:p. 183
- 9.5. Limitaciones del Estudiop. 185
- futurasp. 188
- Líneas Futuras de Investigaciónp. 190
- 10.1. Adaptación Sectorial y Validación Transcultural del Modelop. 190
- 10.2. Estudios Longitudinales de Evolución de Riesgos de IAp. 190
- 10.3. Desarrollo de Plataforma Digital Automatizada del Modelop. 190
- Profundización en la Dimensión Cognitiva de Riesgos de IAp. 191
- Evaluación de Impacto de Estrategias de Mitigación de Riesgos de IAp. 191
- Regulatoriap. 127
- Referenciasp. 192
- Anexosp. 202
- Tabla 1p. 94
- Tabla 2p. 97
- Tabla 3p. 108
- Tabla 4p. 110
- Tabla 5p. 114
- Tabla 6p. 115
- Tabla 7p. 116
- Tabla 8p. 120
- Tabla 9p. 127
- Tabla 10p. 131
- Tabla 11p. 134
- Tabla 12p. 135
- Tabla 13p. 136
- Tabla 14p. 137
- Tabla 15p. 139
- Tabla 16p. 141
- Tabla 17p. 146
- Tabla 18p. 149
- Tabla 19p. 151
- Tabla 20p. 153
- Tabla 21p. 167