Ítem
Acceso Abierto
Integrating machine learning into business and management in the age of artificial intelligence
Título de la revista
Autores
Batz, Aglaya
D’Croz-Barón, David F.
Vega Pérez, Carlos Jesús
Ojeda-Sanchez, Carlos A.
Fecha
2025-04-04
Directores
ISSN de la revista
Título del volumen
Editor
Buscar en:
Métricas alternativas
Resumen
El aprendizaje automático, con su capacidad para aprovechar las técnicas computacionales para el aprendizaje experiencial, ha influido profundamente en diversas disciplinas, como los negocios y la administración.
A pesar de sus contribuciones al progreso de estos campos y de que la llegada de la inteligencia artificial presenta nuevos desafíos, persiste la ambigüedad respecto a las áreas específicas de avance significativo y aquellas con potencial de mayor desarrollo. Este estudio aborda tres preguntas centrales: (1) ¿Cómo se organiza y estructura el panorama intelectual del aprendizaje automático en la investigación empresarial y de gestión? (2) ¿Cuáles son las principales aplicaciones del aprendizaje automático en la administración de empresas? Y (3) ¿Qué consideraciones estratégicas deberían tenerse en cuenta? ¿Qué estrategias adoptan las empresas para aprovechar eficazmente el aprendizaje automático en sus aplicaciones empresariales? Mediante el análisis de coocurrencia de más de 9399 documentos revisados por pares, recuperados de Scopus, que abordan el aprendizaje automático en los negocios y la gestión, identificamos quince grupos dentro de la literatura. Esta clasificación sirve como punto de partida para las empresas que buscan integrar el aprendizaje automático en sus rutinas en quince temas distintos. Si bien algunas empresas se han apropiado del aprendizaje automático, el auge de la inteligencia artificial presenta nuevos desafíos, como la brecha digital, los dilemas de infraestructura y adquisición, las preocupaciones de seguridad, especialmente con los servicios externalizados, y la rentabilidad en la selección de algoritmos y sus aplicaciones prácticas.
Abstract
Machine learning, with its capacity to leverage computational techniques for experiential learning, has profoundly influenced various disciplines, including business and management. Despite its contributions to the progress of these fields and the advent of artificial intelligence presenting new challenges, there remains ambiguity regarding the specific areas of significant advancement and those with potential for further development. This study addresses three central questions: (1) How is the intellectual landscape of machine learning in business and management research organized and structured? (2) What are the primary applications of machine learning in business administration? And (3) What strategic considerations should companies adopt to effectively leverage machine learning in their business applications? By means of co-occurrence analysis of over 9399 peer-reviewed documents retrieved from Scopus discussing machine learning in business and management, we identified fifteen clusters within the literature. This classification serves as a starting point for firms looking to integrate ML into their routines across fifteen distinct topics. Although some firms have appropriated ML, the upsurge of artificial intelligence presents new challenges, including the digital divide, infrastructure and acquisition dilemmas, security concerns especially with outsourced services, and cost-effectiveness in algorithm selection and practical applications.
Palabras clave
prendizaje automático , Inteligencia artificial , Administración de empresas , Gestión empresarial , Análisis bibliométrico , Análisis de co-ocurrencia , Aplicaciones del aprendizaje automático , Estrategia empresarial , Transformación digital , Toma de decisiones , Innovación organizacional , Infraestructura digital , Brecha digital , Seguridad de la información , Externalización de servicios tecnológicos , Eficiencia de costos , Algoritmos de aprendizaje automático
Keywords
Machine learning , Artificial intelligence , Business administration , Business and management research , Bibliometric analysis , Co-occurrence analysis , Machine learning applications , Business strategy , Digital transformation , Decision-making , Organizational innovation , Digital infrastructure , Digital divide , Information security , Outsourced technological services , Cost-effectiveness , Machine learning algorithms
