Desarrollo sustentable, Negocios, Emprendimiento y Educación - ISSN: 2695-6098 - Año 8 N 82 agosto 2026

Ampliación de la inteligencia organizacional: la inteligencia artificial como infraestructura sociotécnica constitutiva

Extending organizational intelligence: artificial intelligence as constitutive socio-technical infrastructure

DraC. Anays Más Basnuevo

Humboldt International University

anays.mas@hiuniversity.edu

DraC. Marta Lígia Pomim Valentim

Universidade Estadual Paulista (UNESP). Campus de Marília

marta.valentim@unesp.br

RESUMEN

Este estudio contribuye a la literatura sobre inteligencia organizacional mediante la extensión del modelo fundamental propuesto por Más (2015), incorporando la inteligencia artificial como un elemento sociotécnico constitutivo del sistema organizacional. Mientras que el modelo original conceptualiza la inteligencia organizacional a partir de la interacción entre individuos, métodos o medios, relaciones y procesos organizacionales, este estudio preserva dicha configuración estructural y la amplía mediante la introducción de la inteligencia artificial como una infraestructura sociotécnica constitutiva del sistema organizacional, cuya acción transversal reconfigura el flujo, la interpretación y la transformación de la información a través de los componentes de la inteligencia organizacional. De este modo, el trabajo desplaza el papel de la inteligencia artificial desde una herramienta analítica externa hacia un elemento sistémico integrado que co-constituye la inteligencia organizacional. Esta reconceptualización avanza la teoría al explicar cómo la inteligencia artificial no solo apoya la cognición organizacional, sino que también reconfigura las dinámicas relacionales y procesuales a través de las cuales el conocimiento organizacional es generado, compartido y transformado. En consecuencia, el estudio contribuye a una comprensión sociotécnica de la inteligencia organizacional en la que los procesos humanos cognitivos, afectivos y volitivos están inseparablemente entrelazados con capacidades analíticas y computacionales habilitadas por la inteligencia artificial. Al explicitar el papel estructural de la inteligencia artificial dentro del sistema de inteligencia organizacional, el trabajo proporciona una explicación más integrada de cómo emerge y evoluciona la inteligencia organizacional. Esta extensión abre nuevas vías teóricas para examinar cómo las configuraciones humano-IA influyen en el aprendizaje, la coordinación y la generación de conocimiento en contextos organizacionales contemporáneos.

Palabras clave: Inteligencia organizacional, Inteligencia artificial, Modelo sociotécnico, Interacción humano-IA, Generación de conocimiento organizacional.

ABSTRACT

This study contributes to the literature on organizational intelligence by extending the foundational model proposed by Más (2015) through the incorporation of artificial intelligence as a constitutive socio-technical element of the organizational system. While the original model conceptualizes organizational intelligence through the interaction of individuals, methods or means, relationships, and organizational processes, this study preserves this structural configuration and extends upon it by introducing artificial intelligence as a sociotechnical infrastructure constitutive of the organizational system, one whose cross-cutting action reconfigures the flow, interpretation, and transformation of information across the components of organizational intelligence. In doing so, the paper shifts the role of artificial intelligence from an external analytical tool to an embedded systemic element that co-constitutes organizational intelligence. This reconceptualization advances theory by explaining how artificial intelligence not only supports organizational cognition but also reshapes the relational and processual dynamics through which organizational knowledge is generated, shared, and transformed. Accordingly, the study contributes to a socio-technical understanding of organizational intelligence in which human cognitive, affective, and volitional processes are inseparably intertwined with AI-enabled analytical and computational capabilities. By making explicit the structural role of artificial intelligence within the organizational intelligence system, the paper provides a more integrated explanation of how organizational intelligence emerges and evolves. This extension also opens new theoretical avenues for examining how human–AI configurations influence learning, coordination, and knowledge generation in contemporary organizational contexts characterized by complexity and uncertainty.

Keywords: Organizational intelligence, Artificial intelligence, Socio-technical infrastructure, Human–AI co-evolution, Knowledge creation in organizations.

Introducción

La creciente incorporación de la Inteligencia Artificial (IA) en los entornos organizacionales contemporáneos ha transformado profundamente la manera en que las organizaciones procesan información, generan conocimiento y toman decisiones, ampliando sus capacidades de aprendizaje, adaptación y acción estratégica mediante nuevas formas de interacción entre sistemas tecnológicos inteligentes y dinámicas humanas organizacionales (López-Robles et al., 2020; Barrios-Tao et al., 2020; Belzunegui-Eraso, 2020).

En un contexto caracterizado por la transformación digital, la automatización cognitiva y la creciente complejidad de los sistemas organizacionales, la Inteligencia Organizacional (IO) adquiere una relevancia estratégica para comprender cómo las organizaciones desarrollan capacidades colectivas de aprendizaje, adaptación y acción frente a entornos dinámicos e inciertos. Tradicionalmente, los modelos de IO han enfatizado la interacción entre factores humanos, estructurales y procedimentales; sin embargo, el avance acelerado de tecnologías inteligentes exige una reconsideración de estos marcos conceptuales desde una perspectiva sociotécnica más integrada, capaz de explicar las nuevas formas de interacción entre sistemas inteligentes y dinámicas humanas dentro de las organizaciones (Barrios-Tao et al., 2020; Belzunegui-Eraso, 2020).

El modelo de IO propuesto por Más (2015) constituye una base relevante para comprenderla como el resultado de la interacción entre individuos, métodos o medios, relaciones y procesos organizacionales. No obstante, dicho modelo fue concebido en un contexto previo a la expansión contemporánea de sistemas avanzados de IA generativa, analítica y automatización cognitiva. Aunque numerosas organizaciones han comenzado a incorporar sistemas de IA en sus procesos operativos y estratégicos, aún existe una limitada comprensión teórica sobre cómo estas capacidades tecnológicas se integran estructuralmente dentro de los sistemas de IO y cómo reconfiguran las dinámicas mediante las cuales el conocimiento organizacional es generado, compartido y transformado.

En este sentido, surge la necesidad de ampliar los modelos tradicionales de IO para incorporar el papel estructural y transversal que actualmente desempeña la IA dentro de los sistemas organizacionales contemporáneos. En respuesta a esta necesidad, el presente estudio extiende el modelo tradicional de IO propuesto por Más (2015) mediante la incorporación de la IA como una infraestructura sociotécnica constitutiva (en adelante, infraestructura) que actúa transversalmente sobre el sistema organizacional. Desde esta perspectiva, la IA no constituye un elemento externo de soporte ni una herramienta tecnológica de apoyo, sino una capacidad sociotécnica integrada que participa activamente en los procesos mediante los cuales la información es interpretada, transformada y convertida en conocimiento organizacional. En consecuencia, la IA modifica las dinámicas cognitivas, relacionales y procesuales a través de las cuales emerge la IO, pasando de desempeñar un rol periférico e instrumental a formar parte del entramado sistémico que configura el funcionamiento organizacional.

El objetivo de este estudio es extender el modelo de IO de Más (2015) mediante la incorporación de la IA como componente sociotécnico constitutivo del sistema organizacional. Esta reconceptualización permite avanzar hacia una comprensión más integrada de la IO, en la que las capacidades humanas cognitivas, afectivas y volitivas se articulan de manera inseparable con capacidades analíticas y computacionales habilitadas por la IA. Asimismo, el estudio propone nuevas bases teóricas para analizar cómo las configuraciones humano-IA influyen en procesos organizacionales fundamentales como el aprendizaje, la coordinación, la toma de decisiones y la creación de conocimiento en organizaciones contemporáneas.

Metodología

El presente estudio adopta un enfoque de investigación cualitativo con alcance descriptivo y explicativo, orientado al análisis teórico y conceptual de la IO en contextos contemporáneos caracterizados por la creciente integración de sistemas de IA. El diseño de la investigación corresponde a un estudio documental y analítico-conceptual, sustentado en la revisión crítica de literatura científica vinculada con IO, teoría sociotécnica, gestión del conocimiento e interacción humano-IA en entornos organizacionales.

El marco conceptual de referencia se fundamenta en la Espiral de Inteligencia Organizacional (Más, 2015), la cual concibe la IO como una capacidad evolutiva, iterativa y de aprendizaje continuo. Este modelo tiene como objetivo principal favorecer la adaptación organizacional al entorno mediante el descubrimiento de lo desconocido y la transformación de la información en valor estratégico para la toma de decisiones.

Dicho modelo se estructura sobre cuatro pilares fundamentales. En primer lugar, la IO es entendida como la capacidad del individuo y de la organización en su conjunto para gestionar de manera sistemática y normalizada los procesos de planificación, recolección, análisis, producción, protección, diseminación y evaluación de la información y el conocimiento relevantes para su entorno. En segundo lugar, se introduce el ciclo ampliado de la información, el cual supera los enfoques lineales tradicionales al integrar de manera sistémica a las personas, los grupos, los métodos, los medios y las relaciones organizacionales dentro del flujo informacional.

En tercer lugar, el modelo enfatiza el aprendizaje continuo y la cultura organizacional como elementos estructurales, reconociendo que la IO no constituye únicamente un sistema técnico, sino también una práctica cultural y estratégica que permea toda la estructura institucional. Finalmente, la adaptabilidad en espiral se configura como un proceso dinámico e iterativo, en el cual la organización evoluciona mediante ciclos sucesivos de retroalimentación, evaluación de impacto y mejora continua.

En coherencia con este marco el corpus documental estuvo conformado por literatura académica especializada publicada en revistas científicas indexadas, libros académicos, documentos teóricos y estudios empíricos relacionados con IO, transformación digital e IA aplicada a organizaciones (Belzunegui-Eraso, 2020; López-Robles et al., 2020). El corpus documental fue seleccionado mediante criterios teóricos e intencionales, priorizando fuentes recientes, relevantes y de alto impacto académico, sin excluir trabajos clásicos fundamentales para la construcción conceptual del modelo de Más (2015).

Como técnica principal de recolección de información se utilizó la revisión documental y el análisis de contenido teórico. Este procedimiento permitió identificar categorías conceptuales, relaciones estructurales y elementos emergentes asociados a la integración de la IA dentro de los sistemas de IO. A partir de ello, se realizó un análisis comparativo e interpretativo entre el modelo espiral original y las nuevas dinámicas organizacionales derivadas de la incorporación de tecnologías inteligentes.

Los instrumentos empleados incluyeron matrices de análisis documental, fichas de categorización teórica y esquemas de análisis conceptual, orientados a examinar las interacciones entre individuos, procesos organizacionales, relaciones, medios tecnológicos y capacidades habilitadas por la IA. Estas herramientas facilitaron la sistematización de la información y la identificación de patrones teóricos recurrentes en la literatura revisada.

La validez del estudio se sustentó en criterios de consistencia teórica, coherencia conceptual y triangulación bibliográfica. Para ello, se contrastaron perspectivas interdisciplinarias provenientes de la administración, los sistemas organizacionales, la gestión del conocimiento y la IA. Adicionalmente, la propuesta conceptual fue sometida a un proceso de revisión lógica y de correspondencia estructural con el modelo espiral de IO, garantizando la solidez analítica y la pertinencia teórica de la extensión propuesta.

Resultados y discusión

El análisis documental y conceptual realizado permite evidenciar que la incorporación de la IA en los sistemas organizacionales contemporáneos implica una transformación estructural del modelo tradicional de IO, trascendiendo la simple digitalización o automatización de procesos. En consecuencia, los resultados obtenidos sugieren que los enfoques clásicos basados en la interacción entre individuos, métodos o medios, relaciones y procesos requieren una ampliación teórica que permita explicar el papel transversal de la IA como infraestructura integrada.

A partir del análisis comparativo entre el modelo de Espiral de Inteligencia Organizacional de Más (2015) y la literatura contemporánea sobre IA, el modelo mencionado constituye una arquitectura cíclica de aprendizaje organizacional que, en su formulación original, no contempla la mediación estructural de sistemas de IA.

La presente investigación propone extender el modelo de IO de Más (2015) mediante la incorporación de la IA como una infraestructura sociotécnica constitutiva del sistema organizacional. Conceptualmente, esta infraestructura participa de manera transversal en los procesos mediante los cuales la información es capturada, interpretada, transformada y convertida en conocimiento organizacional. En la Figura 1 esta propuesta se representa mediante una capa transversal que permea simultáneamente los componentes del modelo espiral -- individuos, métodos o medios, relaciones y procesos –, evidenciando cómo la IA reconfigura la dinámica del modelo y fortalece su carácter evolutivo, iterativo y de aprendizaje continuo. Desde el punto de vista funcional, dicha infraestructura actúa como un sistema integrador que reconfigura dinámicamente los flujos de información, interpretación, transformación y gobernanza de la IO.

Figura 1.

Modelo de IO con IA como capa infraestructural transversal basado en el modelo de Más (2015).

Nota. Elaboración propia a partir del modelo de IO de Más (2015). La figura constituye una adaptación conceptual desarrollada por el autor; su representación gráfica fue elaborada con apoyo de ChatGPT (OpenAI) a partir de las especificaciones proporcionadas por el autor.

En este marco, se identifican cuatro mecanismos centrales de acción de la IA dentro del sistema de IO: (1) flujo de información, mediante la captura, integración y distribución de datos en tiempo real; (2) interpretación, a través de modelos de aprendizaje automático y analítica avanzada que permiten generar patrones, predicciones y significados organizacionales; (3) transformación, mediante la automatización de procesos, sistemas de recomendación y apoyo inteligente a la toma de decisiones (Salvador & Ramió, 2020); y (4) gobernanza y ética, que garantizan transparencia, control, equidad y confianza en el uso de estas tecnologías, aspectos cada vez más relevantes en contextos organizacionales mediados por sistemas inteligentes y automatizados (Criado et al., 2020; Marqués, 2020).

Estos mecanismos impactan de forma transversal los componentes del modelo espiral de IO. En los individuos, la IA potencia la cognición aumentada, el aprendizaje personalizado y el soporte a la toma de decisiones. En los métodos o medios, habilita analítica avanzada, simulación organizacional y automatización inteligente. En las relaciones organizacionales, facilita el análisis de redes, la detección de patrones sociales y la colaboración aumentada. En los procesos, permite la automatización adaptativa, la minería organizacional y la mejora continua basada en datos (Barrios-Tao et al., 2020).

Aunque la cultura organizacional no constituye un componente explícito del modelo original de Más (2015), su papel como condición habilitadora de integración y adopción permite explicar las condiciones sociotécnicas bajo las cuales la IA puede transformar efectivamente los componentes de la IO.

Cabe destacar que la cultura organizacional es un factor determinante para que los cuatro factores mencionados (individuos, métodos/medios, relaciones y procesos) integren la IA en los procesos organizacionales. La IA no es una tecnología que se pueda simplemente añadir, ya que su adopción exitosa requiere un profundo cambio cultural.

La literatura y la práctica demuestran que las barreras culturales, y no las tecnológicas, son los principales obstáculos para obtener el verdadero valor de la IA. La cultura y el liderazgo son más decisivos para la adopción de la IA que la tecnología en sí (Parida et. al., 2026). Desde esta perspectiva, la influencia de la cultura se manifiesta en varias dimensiones, entre las que podemos mencionar:

a) Aprendizaje y experimentación: La IA opera con cierta opacidad, lo que puede generar desconfianza, sobre todo en entornos organizacionales que valoran la previsibilidad. La relación de confianza entre los miembros de la organización y la IA es crucial para reducir el riesgo de sesgos y garantizar que las decisiones derivadas de la IA sean comprendidas y validadas por los humanos. Los actores organizacionales que superan esta desconfianza y comprenden la necesidad de analizar los resultados promueven el aprendizaje continuo, además de permitir que los equipos experimenten y se adapten en lugar de esperar una solución ideal (Al-Smadi, 2025; Wade et al., 2025).

b) Liderazgo y alineación estratégica: El liderazgo desempeña un papel fundamental en estos procesos que involucran IA, ya que es responsabilidad de los líderes comunicar la misión y la visión, articular cómo la IA se alinea con los objetivos de negocio de la organización y, por lo tanto, invertir en la cualificación y una comunicación clara para mitigar la inseguridad o la resistencia de los actores organizacionales. En este contexto, los líderes que trabajan bien con la IA promueven su adopción y la integran en los flujos de información, generando calidad en los procesos organizacionales (Singaram & Mayer, 2022).

c) Identidad organizacional: El uso de la IA puede generar sentimientos de deshumanización organizacional. Por otro lado, una cultura organizacional que valora la IA como una tecnología que contribuye a mejorar las habilidades y capacidades humanas (y no como un reemplazo) puede generar una colaboración genuina entre los miembros de la organización y la IA, de modo que aprendan a trabajar juntos de forma sinérgica (Al-Smadi, 2025; Wade et al, 2025).

d) Gobernanza y rendición de cuentas: La forma en que una organización asigna la responsabilidad de las decisiones sobre IA es una cuestión cultural. Tratar a los agentes de IA como tomadores de decisiones puede parecer innovador, pero esto puede desviar la responsabilidad de los miembros de la organización. Una cultura de gobernanza eficaz responsabiliza a los miembros de la organización por sus decisiones, además de definir claramente los límites éticos y de riesgo, asegurando que la responsabilidad última recaiga en las personas (Al-Smadi, 2025; Harsimran y Manoj, 2025).

La cultura organizacional es un factor activo que puede acelerar o estancar el potencial de la IA en el entorno organizacional. El camino hacia una adopción exitosa de la IA es fundamentalmente un proceso de aprendizaje organizacional y cambio cultural. Las organizaciones que descuidan este aspecto y tratan la IA como una mera adquisición de tecnología tienden a ver que sus inversiones no producen resultados significativos. El éxito de la aplicación de la IA en un contexto organizacional radica en alinear la estrategia de IA con los valores culturales, invertir en el desarrollo de los individuos de la organización y fomentar un entorno de confianza y aprendizaje continuo (Singaram y Mayer, 2022).

Los resultados sugieren que la IO debe comprenderse como un sistema emergente híbrido, en el cual las capacidades humanas cognitivas, afectivas y volitivas se articulan inseparablemente con capacidades analíticas y computacionales habilitadas por la IA, reforzando la dimensión sociotécnica y humana de los sistemas organizacionales contemporáneos (Barrios-Tao et al., 2020). En este sentido, la organización no solo procesa información, sino que la reconfigura continuamente a través de interacciones humano-IA que amplían la producción, circulación y validación del conocimiento.

Desde la perspectiva de la discusión teórica, este hallazgo implica una extensión del enfoque sociotécnico clásico, al reposicionar la IA como un componente estructural del sistema de IO y no como un recurso instrumental. Esta reconceptualización permite explicar con mayor precisión cómo emerge la IO en contextos caracterizados por complejidad creciente, incertidumbre y aceleración tecnológica.

La principal novedad de esta propuesta no radica en incorporar la IA como un nuevo componente del modelo, sino en reinterpretar la IO como un sistema sociotécnico en el que la IA actúa como una infraestructura constitutiva que atraviesa y reconfigura las interacciones entre los componentes existentes. De este modo, se preserva la arquitectura conceptual del modelo de Más (2015), al tiempo que se amplía su capacidad explicativa para comprender la emergencia de la IO en organizaciones caracterizadas por la integración de tecnologías inteligentes.

En términos de implicaciones prácticas, se propone que las organizaciones evolucionen hacia modelos de co-inteligencia humano-IA, fortaleciendo capacidades de adaptación organizacional, aprendizaje y gestión estratégica en entornos disruptivos (Torres-Bernal & Zailah-Bernal, 2025). De esta manera, esos modelos deben basarse en el rediseño de procesos sociotécnicos, el fortalecimiento de la alfabetización en IA y las demandas de adaptación del ecosistema empresarial contemporáneo (Unión General de Trabajadores, 2025). Asimismo, se enfatiza la necesidad de incorporar principios éticos que garanticen transparencia, responsabilidad, equidad y sostenibilidad en la implementación de estas tecnologías.

Finalmente, esta investigación abre nuevas líneas de continuidad orientadas a la validación empírica del modelo espiral ampliado de IO, el desarrollo de indicadores de IO aumentada por IA y el análisis comparativo de niveles de madurez sociotécnica en organizaciones públicas y privadas. Asimismo, se sugiere profundizar en cómo distintas arquitecturas de IA — analítica, generativa y autónoma — influyen diferencialmente en la dinámica de aprendizaje, coordinación y generación de conocimiento organizacional dentro del ciclo espiral de evolución organizacional.

Conclusiones

Los hallazgos derivados del análisis teórico y documental permiten responder a la pregunta de investigación central, evidenciando que la incorporación de la IA en los sistemas organizacionales redefine de manera sustancial la naturaleza de la IO, al trascender su comprensión tradicional basada en la interacción entre individuos, métodos o medios, relaciones y procesos.

En este sentido, la evidencia analizada demuestra que la IA no debe ser entendida como un recurso tecnológico externo o instrumental, sino como una infraestructura del propio sistema organizacional. Esta reconfiguración implica una ampliación del modelo espiral de IO propuesto por Más (2015), al incorporar una infraestructura transversal que reorganiza los flujos de información, los procesos de interpretación, la transformación del conocimiento y los mecanismos de gobernanza.

Asimismo, los resultados confirman que la integración de la IA fortalece el carácter evolutivo, iterativo y de aprendizaje continuo del modelo espiral, dando lugar a una configuración organizacional híbrida. En esta configuración, las capacidades humanas cognitivas, afectivas y volitivas se articulan de manera inseparable con capacidades analíticas y computacionales habilitadas por la IA, configurando nuevas formas de co-inteligencia organizacional.

Desde el punto de vista funcional, la IA opera simultáneamente en cuatro dimensiones críticas del sistema organizacional: el flujo de información, la interpretación mediante analítica avanzada y aprendizaje automático, la transformación a través de automatización y soporte a la decisión, y la gobernanza ética de los sistemas inteligentes. Estas dimensiones explican cómo la IA reconfigura de manera transversal los componentes del modelo espiral - individuos, métodos o medios, relaciones y procesos — generando nuevas dinámicas de aprendizaje, coordinación y producción de conocimiento.

En términos teóricos, la principal contribución radica en la ampliación del enfoque sociotécnico de la IO, al situar la IA como un componente estructural y no periférico del sistema. Esta reconceptualización permite comprender con mayor precisión la emergencia de la IO en entornos caracterizados por alta complejidad, incertidumbre y aceleración tecnológica.

Finalmente, la investigación abre líneas de continuidad orientadas a la validación empírica del modelo espiral ampliado, el desarrollo de indicadores de IO aumentada por IA y el análisis comparativo de distintas arquitecturas de IA -analítica, generativa y autónoma- en la evolución de los procesos organizacionales. En conjunto, estos aportes consolidan una comprensión de la IO como un fenómeno dinámico, evolutivo y profundamente sociotécnico.

Referencias

Al-Smadi, R. W. (2025). A deep dive into the role of organizational culture in AI integration within FinTech: A comprehensive analysis. Human Behavior and Emerging Technologies, 6067964, 1-13. https://doi.org/10.1155/hbe2/6067964

Barrios-Tao, H., Díaz-Pérez, V., & Guerra, Y. (2020). Subjetividades e inteligencia artificial: desafíos para lo humano. Revista Veritas, (47), 81-107.

Belzunegui-Eraso, A. (2020). Formas de consciencia, inteligencia artificial y nuevos retos para la sociología. Methaodos Revista de Ciencias Sociales, 8(1), 91–102. https://doi.org/10.17502/m.rcs.v8i1.350

Criado, J. I., Valero, J., & Villodre, J. (2020). Algorithmic transparency and bureaucratic discretion: The case of SALER early warning system. Information Polity, 25(4), 449–470. https://doi.org/10.3233/IP-200260

Harsimran, K. B. & Manoj, K. (2025). The impact of AI on organizational culture: Shaping new work norms. Journal of Research and Development, 17, 5(I), p. 241-244, May. https://zenodo.org/records/15812860

López-Robles, J. R., Otegi-Olaso, J. R., Porto-Gómez, I., & Gamboa-Rosales, N. K. (2020). La relación entre inteligencia de negocio e inteligencia competitiva: análisis bibliométrico. Revista Española de Documentación Científica, 43(1), e256.

Marqués Pascual, J. (2020). Regulación de la inteligencia artificial en entornos cambiantes: Los asistentes inteligentes a debate. En D. de Matías Batalla (Ed.), La empresa en el siglo XXI: Un estudio multidisciplinar de carácter jurídico empresarial (pp. 79–102). EAE Business School; Aranzadi

Más, A. (2015). Orígenes y aplicaciones de la espiral de inteligencia organizacional. En M. L. P. Valentim & A. Más-Basnuevo (Eds.), Inteligência organizacional (pp. 15–33). Oficina Universitária; Cultura Acadêmica. https://doi.org/10.36311/2015.978-85-7983-678-7.p15-33

Parida, S. K., Panda, M., & Panda, B. (2026). Transforming organizational culture with AI opportunities and challenges. In: Dutta, P. K. et al. (Eds.). AI and innovation in HRM: The future of strategic HR in the service economy. New York: Routledge. p.446-470 https://doi.org/10.4324/9781003522157

Salvador, M., & Ramió, C. (2020). Capacidades analíticas y gobernanza de datos en la administración pública como paso previo a la introducción de la inteligencia artificial. Revista del CLAD Reforma y Democracia, (77). https://doi.org/10.69733/clad.ryd.n77.a205

Singaram, S. & Mayer, C. H. (2022). The influence of the Fourth Industrial Revolution on organisational culture: An empirical investigation. Frontiers in Psychology, 13, Nov. https://doi.org/10.3389/fpsyg.2022.919157

Torres-Bernal, C., & Zailah-Bernal, D. (2025). Innovación y transformación: el rol de la inteligencia artificial en la gestión del talento humano en organizaciones disruptivas. Revista Politécnica, 21(41), 1–15. https://doi.org/10.33571/rpolitec.v21n41a4

Unión General de Trabajadoras y Trabajadores (UGT). (2025). Digitalización de la empresa española (6.ª ed.). Servicio de Estudios Confederal. https://servicioestudiosugt.com/digitalizacion-de-la-empresa-espanola-6a-edicion-2025/

Wade, M., Trantopoulos, K., Navas, M., & Romare, A. (2025). How to scale GenAI in the workplace. MIT Sloan Management Review, Jul, 8. https://sloanreview.mit.edu/article/how-to-scale-genai-in-the-workplace/?trk=article-ssr-frontend-pulse_little-text-block.