Inteligencia artificial en la gestión del talento humano y su impacto en la logística empresarial: evidencia empírica de organizaciones panameñas

Jorge Batista; Marisol Miranda; Frainith Rincón; Jorge Tejada; Yamileth Wilson; Ulices Guruchaga

doi:10.70625/rmis/940

Autores/as

Jorge Batista Universidad de Panamá Autor/a
Marisol Miranda Universidad de Panamá Autor/a
Frainith Rincón Universidad de Panamá Autor/a
Jorge Tejada Universidad de Panamá Autor/a
Yamileth Wilson Universidad de Panamá Autor/a
Ulices Guruchaga Universidad de Panamá Autor/a

DOI:

https://doi.org/10.70625/rmis/940

Palabras clave:

Inteligencia artificial, Gestión del talento humano, Logística empresarial, Transformación digital, Panamá

Resumen

La acelerada evolución de la inteligencia artificial (IA) está transformando los modelos de gestión organizacional, particularmente en las áreas de gestión del talento humano y logística empresarial. No obstante, en el contexto panameño aún existe evidencia empírica limitada que explique cómo la incorporación de tecnologías inteligentes en los procesos de recursos humanos contribuye al fortalecimiento del desempeño logístico y la competitividad organizacional. En respuesta a esta brecha, el presente estudio tiene como objetivo analizar la influencia de la inteligencia artificial en la gestión del talento humano y su impacto en la logística empresarial en organizaciones panameñas. La investigación adopta un enfoque cuantitativo, con diseño no experimental, de corte transversal y alcance explicativo. La población estará conformada por profesionales y directivos pertenecientes a empresas de los sectores logístico, comercial, industrial y de servicios que desarrollan procesos de transformación digital. La recolección de información se realizará mediante un cuestionario estructurado con escala tipo Likert de cinco puntos, cuya validez de contenido será determinada mediante el método de Lawshe modificado por Tristán-López y cuya confiabilidad será evaluada mediante el coeficiente alfa de Cronbach. Para el contraste de las hipótesis se emplearán análisis descriptivos, correlacionales y modelos de ecuaciones estructurales. Se espera demostrar que la implementación de soluciones basadas en inteligencia artificial fortalece la gestión del talento humano, optimiza la toma de decisiones organizacionales y mejora significativamente la eficiencia de los procesos logísticos. Los resultados aportarán evidencia científica para orientar estrategias de transformación digital, fortalecer la gestión del capital humano y favorecer la competitividad sostenible de las organizaciones panameñas.

Referencias

Barney, J. (1991). Firm resources and sustained competitive advantage. Journal of Management, 17(1), 99–120. https://doi.org/10.1177/014920639101700108

Barreto, L., Amaral, A., & Pereira, T. (2017). Industry 4.0 implications in logistics: An overview. Procedia Manufacturing, 13, 1245–1252. https://doi.org/10.1016/j.promfg.2017.09.045

Brynjolfsson, E., & McAfee, A. (2017). Machine, platform, crowd: Harnessing our digital future. W. W. Norton & Company.

Budhwar, P., Malik, A., De Silva, M. T., & others. (2022). Artificial intelligence–challenges and opportunities for international HRM: A review and research agenda. The International Journal of Human Resource Management, 33(6), 1065–1097. https://doi.org/10.1080/09585192.2022.2035161

Büyüközkan, G., & Göçer, F. (2018). Digital supply chain: Literature review and a proposed framework for future research. Computers in Industry, 97, 157–177. https://doi.org/10.1016/j.compind.2018.02.010

Christopher, M. (2016). Logistics & supply chain management (5th ed.). Pearson.

Comisión Económica para América Latina y el Caribe (CEPAL). (2024). Panorama del desarrollo digital en América Latina y el Caribe. CEPAL.

Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555

Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world. Harvard Business Review, 96(1), 108–116.

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008

Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A primer on partial least squares structural equation modeling (PLS-SEM) (3rd ed.). Sage.

Hernández-Sampieri, R., & Mendoza, C. (2023). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta (2.ª ed.). McGraw-Hill.

Ivanov, D., & Dolgui, A. (2020). A digital supply chain twin for managing the disruption risks and resilience in the era of Industry 4.0. Production Planning & Control, 32(9), 775–788. https://doi.org/10.1080/09537287.2020.1768450

Jarrahi, M. H. (2018). Artificial intelligence and the future of work: Human-AI symbiosis in organizational decision making. Business Horizons, 61(4), 577–586. https://doi.org/10.1016/j.bushor.2018.03.007

Lawshe, C. H. (1975). A quantitative approach to content validity. Personnel Psychology, 28(4), 563–575. https://doi.org/10.1111/j.1744-6570.1975.tb01393.x

Min, H. (2010). Artificial intelligence in supply chain management: Theory and applications. International Journal of Logistics Research and Applications, 13(1), 13–39. https://doi.org/10.1080/13675560902736537

Minbaeva, D. (2021). Disrupting the field: HR analytics, AI, and digital innovation. Human Resource Management Review, 31(4), 100803. https://doi.org/10.1016/j.hrmr.2020.100803

Raisch, S., & Krakowski, S. (2021). Artificial intelligence and management: The automation–augmentation paradox. Academy of Management Review, 46(1), 192–210. https://doi.org/10.5465/amr.2018.0072

Rogers, E. M. (2003). Diffusion of innovations (5th ed.). Free Press.

Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.

Teece, D. J. (2018). Business models and dynamic capabilities. Long Range Planning, 51(1), 40–49. https://doi.org/10.1016/j.lrp.2017.06.007

Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18(7), 509–533. https://doi.org/10.1002/(SICI)1097-0266(199708)18:7<509::AID-SMJ882>3.0.CO;2-Z

Tristán-López, A. (2008). Modificación al modelo de Lawshe para el dictamen cuantitativo de la validez de contenido de un instrumento objetivo. Avances en Medición, 6, 37–48.

Vial, G. (2019). Understanding digital transformation: A review and a research agenda. The Journal of Strategic Information Systems, 28(2), 118–144. https://doi.org/10.1016/j.jsis.2019.01.003

Wamba-Taguimdje, S.-L., Fosso Wamba, S., Kala Kamdjoug, J. R., & Tchatchouang Wanko, C. E. (2020). Influence of artificial intelligence (AI) on firm performance: The business value of AI-based transformation projects. Business Process Management Journal, 26(7), 1893–1924. https://doi.org/10.1108/BPMJ-10-2019-0411

World Bank. (2023). Panama country overview. World Bank.