Impacto de la inteligencia artificial en la efectividad de ventas de las PYMES: Una revisión sistemática

George   Carrasco Camones; Merly Leyla   León Palacios de Canales; Patricia Elizabeth  Lossio Larrea; Enrique Wilfredo  Puente Paredes; Ana Maria  Holgado Quispe

doi:10.47606/ACVEN/PH0392

Autores/as

George Carrasco Camones Universidad Tecnológica del Perú https://orcid.org/0009-0009-3553-6722
Merly Leyla León Palacios de Canales Escuela Militar de Chorrillos “Coronel Francisco Bolognesi” https://orcid.org/0000-0003-2026-7071
Patricia Elizabeth Lossio Larrea Universidad Tecnológica del Perú https://orcid.org/0000-0002-7428-0194
Enrique Wilfredo Puente Paredes Universidad Autónoma del Perú https://orcid.org/0000-0002-0400-2324
Ana Maria Holgado Quispe Universidad Nacional Federico Villarreal https://orcid.org/0000-0002-7510-9188

DOI:

https://doi.org/10.47606/ACVEN/PH0392

Palabras clave:

inteligencia artificial, PyMEs, efectividad de ventas, innovación, eficiencia operativa, transformación digital

Resumen

La inteligencia artificial (IA) se ha consolidado como un factor clave en la transformación digital de las pequeñas y medianas empresas (PyMEs), al mejorar la productividad, la innovación y la eficiencia operativa. Este estudio tiene como propósito analizar, mediante una revisión sistemática de literatura científica publicada entre 2021 y 2025, el impacto de la IA en la efectividad de ventas de las PyMEs, considerando las dimensiones de eficiencia operativa, innovación, toma de decisiones y gestión del talento. Los resultados evidencian que la IA potencia significativamente la generación de oportunidades de venta, la reducción de costos y la personalización de estrategias de marketing, al tiempo que optimiza la productividad y la gestión de datos en tiempo real. No obstante, su implementación enfrenta barreras relacionadas con la falta de personal especializado, las limitaciones financieras y los retos éticos vinculados a la transparencia de los algoritmos. Se concluye que la IA constituye una herramienta estratégica para el crecimiento competitivo y sostenible de las PyMEs, siempre que se adopte con una planificación tecnológica y organizacional adecuada.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

AlRoshoud, A. N., & El-Gohary, H. O. (2024). Exploring the impact of combining neuromarketing and AI adoption on the perceived effectiveness of social media advertising campaigns. International Journal of Customer Relationship Marketing and Management, 15(1), 1–28. https://doi.org/10.4018/ijcrmm.361975

Alyusha, A., & Ledentsov, A. (2022). Industry Modern: A solution for sustainable business performance’s technology challenges. Aptisi Transactions on Technopreneurship (ATT), 4(3), 306–312. https://doi.org/10.34306/att.v4i3.283

Bertschek, I., & Wambach, A. (2024). AI in Europe – Is regulation the answer to being a laggard? The Economists’ Voice, 21(2), 379–385. https://doi.org/10.1515/ev-2024-0043

Bettiol, M., Capestro, M., Di Maria, E., & Micelli, S. (2021). SMEs @ Industry 4.0: A comparison between top and average performers. Sinergie Italian Journal of Management, 39(3), 27–48. https://doi.org/10.7433/s116.2021.03

Gladysz, B., Matteri, D., Ejsmont, K., Corti, D., Bettoni, A., & Haber Guerra, R. (2023). Platform-based support for AI uptake by SMEs: Guidelines to design service bundles. Central European Management Journal, 31(4), 463–478. https://doi.org/10.1108/CEMJ-08-2022-0096

Green competitive advantage and SMEs: Is big data the missing link? (2023). Journal of Competitiveness, 15(1), 56–72. https://doi.org/10.7441/joc.2023.01.05

Kopka, A., & Fornahl, D. (2024). Artificial intelligence and firm growth—Catch-up processes of SMEs through integrating AI into their knowledge bases. Small Business Economics, 62(1), 63–85. https://doi.org/10.1007/s11187-023-00754-6

Kraus, K., Kraus, N., Hryhorkiv, M., Kuzmuk, I., & Shtepa, O. (2022). Artificial intelligence in established Industry 4.0. WSEAS Transactions on Business and Economics, 19, 1884–1900. https://doi.org/10.37394/23207.2022.19.170

Lafuente, E., Rabetino, R., & Leiva, J. C. (2025). Learning from success and failure: Implications for entrepreneurs, SMEs, and policy. Small Business Economics, 64(1), 1–10. https://doi.org/10.1007/s11187-024-00889-0

Lannon, F., Lyons, R., & O’Connor, C. (2024). Generation AI and family business: A perspective article. Journal of Family Business Management, 14(3), 470–474. https://doi.org/10.1108/JFBM-07-2023-0116

Martinez, L. B., Scherger, V., & Orazi, S. (2023). Post-pandemic performance of micro, small and medium-sized enterprises: A Self-Organizing Maps application. Cogent Business & Management, 10(3), 2276944. https://doi.org/10.1080/23311975.2023.2276944

Nasrollahi, M., Ramezani, J., & Sadraei, M. (2021). The impact of big data adoption on SMEs’ performance. Big Data and Cognitive Computing, 5(4), 68. https://doi.org/10.3390/bdcc5040068

Padilla Ospina, A. M., Ospina-Holguín, J. H., & Medina-Vásquez, J. E. (2022). Importancia y efecto de los factores financieros y asociados a la financiación en la intensidad de la innovación de las PyMEs colombianas. Revista de Métodos Cuantitativos para la Economía y la Empresa, 33(2), 1–20. https://doi.org/10.46661/revmetodoscuanteconempresa.5581

Pfister, P., & Lehmann, C. (2023). Measuring the success of digital transformation in German SMEs. Journal of Small Business Strategy, 33(1), 1–17. https://doi.org/10.53703/001c.39679

Ragazou, K., Passas, I., Garefalakis, A., Galariotis, E., & Zopounidis, C. (2023). Big data analytics applications in information management driving operational efficiencies and decision-making: Mapping the field of knowledge with bibliometric analysis using R. Big Data and Cognitive Computing, 7(1), 13. https://doi.org/10.3390/bdcc7010013

Rojas-Berrio, S., Rincón-Novoa, J., Sánchez-Monrroy, M., Ascúa, R., & Montoya-Restrepo, L. A. (2022). Factors influencing 4.0 technology adoption in manufacturing SMEs in an emerging country. Journal of Small Business Strategy, 32(3), 1–17. https://doi.org/10.53703/001c.34608

Sandoval-Gómez, R. J., Álvarez-Cedillo, J. A., Castellanos-Sánchez, E. I., Álvarez-Sánchez, T., & Pérez-García, R. (2023). Development of a technological innovation and social entrepreneurship training program to generate services in a Mexican public entity. Eastern-European Journal of Enterprise Technologies, 6(13), 74–87. https://doi.org/10.15587/1729-4061.2023.289753

Segarra-Blasco, A., Tomàs-Porres, J., & Teruel, M. (2025). AI, robots and innovation in European SMEs. Small Business Economics, 64(3), 675–692. https://doi.org/10.1007/s11187-025-01017-2

Strilets, V., Frolov, S., Datsenko, V., Tymoshenko, O., & Yatsko, M. (2022). State support for the digitalization of SMEs in European countries. Problems and Perspectives in Management, 20(4), 290–305. https://doi.org/10.21511/ppm.20(4).2022.22

Taherizadeh, A., & Beaudry, C. (2023). An emergent grounded theory of AI-driven digital transformation: Canadian SMEs’ perspectives. Industry and Innovation, 30(9), 1244–1273. https://doi.org/10.1080/13662716.2023.2242285

Weber, P. (2023). Unrealistic optimism regarding artificial intelligence opportunities in human resource management. International Journal of Knowledge Management, 19(1), 1–19. https://doi.org/10.4018/IJKM.317217

Zoubi, M. A., Alfaris, Y., Fraihat, B., Otoum, A., Nawasreh, M., & Alfandi, A. (2023). An extension of the diffusion of innovation theory for business intelligence adoption: A maturity perspective on project management. Uncertain Supply Chain Management, 11(2), 465–472. https://doi.org/10.5267/j.uscm.2023.3.003