Ítem
Acceso Abierto

Integrating machine learning into business and management in the age of artificial intelligence

Mostrar el registro sencillo de la publicación
dc.creatorBatz, Aglaya
dc.creatorD’Croz-Barón, David F.
dc.creatorVega Pérez, Carlos Jesús
dc.creatorOjeda-Sanchez, Carlos A.
dc.date.accessioned2026-02-05T16:53:22Z
dc.date.available2026-02-05T16:53:22Z
dc.date.created2025-04-04
dc.date.issued2025-03-10
dc.descriptionEl 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.
dc.description.abstractMachine 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.
dc.format.extent20 pp
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.1057/s41599-025-04361-6
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/47458
dc.language.isoeng
dc.rightsAttribution-NonCommercial-ShareAlike 4.0 International*
dc.rights.accesRightsinfo:eu-repo/semantics/openAccess
dc.rights.accesoAbierto (Texto completo)spa
dc.rights.licenciaEL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realizó sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma. PARGRAFO: En caso de presentarse cualquier reclamación o acción por parte de un tercero en cuanto a los derechos de autor sobre la obra en cuestión, EL AUTOR, asumirá toda la responsabilidad, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos la universidad actúa como un tercero de buena fe. EL AUTOR, autoriza a LA UNIVERSIDAD DEL ROSARIO, para que en los términos establecidos en la Ley 23 de 1982, Ley 44 de 1993, Decisión andina 351 de 1993, Decreto 460 de 1995 y demás normas generales sobre la materia, utilice y use la obra objeto de la presente autorización. -------------------------------------- POLITICA DE TRATAMIENTO DE DATOS PERSONALES. Declaro que autorizo previa y de forma informada el tratamiento de mis datos personales por parte de LA UNIVERSIDAD DEL ROSARIO para fines académicos y en aplicación de convenios con terceros o servicios conexos con actividades propias de la academia, con estricto cumplimiento de los principios de ley. Para el correcto ejercicio de mi derecho de habeas data cuento con la cuenta de correo habeasdata@urosario.edu.co, donde previa identificación podré solicitar la consulta, corrección y supresión de mis datos.spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.source.bibliographicCitationAdadi A, Berrada M (2018) Peeking inside the Black-Box: a survey on explainable artificial intelligence (XAI). IEEE Access 6:52138–52160. https://doi.org/10. 1109/ACCESS.2018.2870052
dc.source.bibliographicCitationAhmed NK, Atiya AF, Gayar NE, El-Shishiny H (2010) An empirical comparison of machine learning models for time series forecasting. Econ Rev 29:594–621. https://doi.org/10.1080/07474938.2010.481556
dc.source.bibliographicCitationAtlantico (2023) The 2023 Latin America digital transformation report. Atlantico Aziz S, Dowling M (2019) Chapter 3: Machine learning and AI for risk management. In Disrupting Finance: FinTech and Strategy in the 21st Century (pp. 33–50). Springer International Publishing. https://doi.org/10.1007/978-3-030- 02330-0
dc.source.bibliographicCitationBaek S, Mohanty SK, Glambosky M (2020) COVID-19 and stock market volatility: an industry level analysis. Financ Res Lett 37:101748. https://doi.org/10.1016/ j.frl.2020.101748
dc.source.bibliographicCitationBakhshinategh B, Zaiane OR, ElAtia S, Ipperciel D (2018) Educational data mining applications and tasks: A survey of the last 10 years. Educ Inf Technol 23:537–553. https://doi.org/10.1007/s10639-017-9616-
dc.source.instnameinstname:Universidad del Rosariospa
dc.source.reponamereponame:Repositorio Institucional EdocURspa
dc.subjectprendizaje automático
dc.subjectInteligencia artificial
dc.subjectAdministración de empresas
dc.subjectGestión empresarial
dc.subjectAnálisis bibliométrico
dc.subjectAnálisis de co-ocurrencia
dc.subjectAplicaciones del aprendizaje automático
dc.subjectEstrategia empresarial
dc.subjectTransformación digital
dc.subjectToma de decisiones
dc.subjectInnovación organizacional
dc.subjectInfraestructura digital
dc.subjectBrecha digital
dc.subjectSeguridad de la información
dc.subjectExternalización de servicios tecnológicos
dc.subjectEficiencia de costos
dc.subjectAlgoritmos de aprendizaje automático
dc.subject.keywordMachine learning
dc.subject.keywordArtificial intelligence
dc.subject.keywordBusiness administration
dc.subject.keywordBusiness and management research
dc.subject.keywordBibliometric analysis
dc.subject.keywordCo-occurrence analysis
dc.subject.keywordMachine learning applications
dc.subject.keywordBusiness strategy
dc.subject.keywordDigital transformation
dc.subject.keywordDecision-making
dc.subject.keywordOrganizational innovation
dc.subject.keywordDigital infrastructure
dc.subject.keywordDigital divide
dc.subject.keywordInformation security
dc.subject.keywordOutsourced technological services
dc.subject.keywordCost-effectiveness
dc.subject.keywordMachine learning algorithms
dc.titleIntegrating machine learning into business and management in the age of artificial intelligence
dc.typejournalArticle
dc.type.hasVersioninfo:eu-repo/semantics/publishedVersion
dc.type.spaArtículo
Archivos
Bloque original
Mostrando1 - 1 de 1
Miniatura
Nombre:
Integrating_machine.pdf
Tamaño:
4.23 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Artículos