Impacto de la Inteligencia Artificial en la eficiencia de los procesos administrativos
DOI:
https://doi.org/10.55204/trc.v6i2.e717Palabras clave:
Inteligencia artificial, eficiencia administrativa, automatización, productividad organizacional, toma de decisionesResumen
La inteligencia artificial se ha consolidado como una herramienta estratégica para transformar los procesos administrativos y fortalecer la eficiencia organizacional en contextos públicos y privados. El objetivo del presente estudio fue analizar el impacto de la inteligencia artificial en la eficiencia de los procesos administrativos, considerando su influencia en la automatización de tareas, la optimización del tiempo, la productividad, la calidad de los procesos y la toma de decisiones. La investigación se desarrolló bajo un enfoque cualitativo, de tipo documental y con diseño descriptivo-analítico, mediante la revisión de literatura científica reciente publicada principalmente entre 2021 y 2026. Los resultados evidencian que la incorporación de herramientas de inteligencia artificial puede reducir cargas operativas, agilizar procedimientos, disminuir tiempos de ejecución, mejorar el procesamiento de grandes volúmenes de información y fortalecer la capacidad de respuesta de las organizaciones. Asimismo, se identificó que la IA facilita la generación de reportes, la clasificación de documentos, la atención de consultas y el apoyo al análisis administrativo. Sin embargo, sus beneficios no dependen únicamente de la disponibilidad tecnológica, sino también de factores como la calidad de los datos, las competencias digitales del personal, la capacidad de adaptación institucional, el rediseño de procesos y la supervisión humana. Se concluye que la inteligencia artificial puede generar mejoras significativas en la eficiencia administrativa cuando se integra de manera estratégica, responsable y complementaria con las capacidades humanas, favoreciendo la innovación, la mejora continua y la generación sostenible de valor organizacional.
Descargas
Referencias
Aldossary, M. A., Ayad, T. H., & Moustafa, M. A. (2026). Artificial intelligence adoption and organizational performance: The role of organizational agility and management commitment in AI-enabled work environments. Societies, 16(5), 138. DOI: 10.3390/soc16050138.
Bouha, C., & Benhayoun, L. (2026). From promise to pressure: An employee-focused, context-aware framework of AI adoption balancing performance and cognitive load. Knowledge and Process Management, 33(3), 879–902. DOI: 10.1002/kpm.70063.
Brynjolfsson, E., Li, D., & Raymond, L. R. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889–942. DOI: 10.1093/qje/qjae044.
Carranza Barona, J. C., Segura Torres, V. E., & Defas Ayala, R. V. (2023). La inteligencia artificial en los procesos de administración pública. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 4(6), 1485–1495. DOI: 10.56712/latam.v4i6.1541.
Chamarro, C., Candelario, N., & Candelario, V. (2026). Automatización de procesos administrativos mediante herramientas de inteligencia artificial. Caminos de Investigación, 7(2), 36–47. DOI: 10.59773/ci.v7i2.129.
Frieri, F. R., & Levy Orelli, R. (2026). Governing generative AI in public administration: Productivity, work redesign and reflective human–AI collaboration. Public Money & Management. DOI: 10.1080/09540962.2026.2703173.
Fosso Wamba, S. (2022). Impact of artificial intelligence assimilation on firm performance: The mediating effects of organizational agility and customer agility. International Journal of Information Management, 67, 102544. DOI: 10.1016/j.ijinfomgt.2022.102544.
Fosso Wamba, S., Queiroz, M. M., Pappas, I. O., & Sullivan, Y. (2024). Artificial intelligence capability and firm performance: A sustainable development perspective by the mediating role of data-driven culture. Information Systems Frontiers, 26(6), 2189–2203. DOI: 10.1007/s10796-023-10460-z.
Hofisi, C., & Lamidi, K. O. (2026). Artificial intelligence and the transformation of public administration: Towards an algorithmic governance paradigm. Industrial Artificial Intelligence. DOI: 10.1007/s44244-026-00034-8.
Huang, H., Ma, T., & Wu, J. (2026). A blessing or a curse? Generative AI, administrative burdens, and policy alienation in street-level bureaucracy. Governance, 39(2), e70110. DOI: 10.1111/gove.70110.
Juca Maldonado, F., Carchi Arias, K. L., & Rosales Muñoz, C. (2024). Transformación contable: El impacto de la inteligencia artificial en la eficiencia de los procesos de análisis de costos. Revista Científica Sapientia Technological. DOI: 10.58515/edesp1spt05.
Kim, E. (2026). Generative AI in public administration: A quasi-experimental analysis of bureaucratic productivity. Government Information Quarterly, 43(1), 102108. DOI: 10.1016/j.giq.2026.102108.
López-Galisteo, A. J. (2026). Optimizing university administrative services with generative AI: Evidence from email inquiry reduction and assistant performance. Information, 17(6), 587. DOI: 10.3390/info17060587.
Madan, R., & Ashok, M. (2023). AI adoption and diffusion in public administration: A systematic literature review and future research agenda. Government Information Quarterly, 40(1), 101774. DOI: 10.1016/j.giq.2022.101774.
Melgar Ojeda, K. A., Garcés Suárez, E. F., Jurado Pilozo, C. R., & Arellano Córdova, V. V. (2026). Inteligencia artificial y toma de decisiones en la gestión pública: Oportunidades y desafíos. Revisión sistemática. Impulso, Revista de Administración, 6(14), 516–536. DOI: 10.59659/impulso.v.6i14.303.
Mikalef, P., & Gupta, M. (2021). Artificial intelligence capability: Conceptualization, measurement calibration, and empirical study on its impact on organizational creativity and firm performance. Information & Management, 58, 103434. DOI: 10.1016/j.im.2021.103434.
Mikalef, P., Lemmer, K., Schaefer, C., Ylinen, M., Fjørtoft, S. O., Torvatn, H. Y., Gupta, M., & Niehaves, B. (2023). Examining how AI capabilities can foster organizational performance in public organizations. Government Information Quarterly, 40(2), 101797. DOI: 10.1016/j.giq.2022.101797.
Neiroukh, S., Emeagwali, O. L., & Aljuhmani, H. Y. (2024). Artificial intelligence capability and organizational performance: Unraveling the mediating mechanisms of decision-making processes. Management Decision, 63(10), 3501–3532. DOI: 10.1108/MD-10-2023-1946.
Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192. DOI: 10.1126/science.adh2586.
Parycek, P., Schmid, V., & Novak, A.-S. (2024). Artificial intelligence (AI) and automation in administrative procedures: Potentials, limitations, and framework conditions. Journal of the Knowledge Economy, 15, 8390–8415. DOI: 10.1007/s13132-023-01433-3.
Pisoni, G., & Moloney, M. (2024). Responsible AI-based business process management and improvement. Digital Society, 3, 23. DOI: 10.1007/s44206-024-00105-2.
Rosemann, M., vom Brocke, J., Van Looy, A., & Santoro, F. (2024). Business process management in the age of AI—Three essential drifts. Information Systems and e-Business Management, 22, 415–429. DOI: 10.1007/s10257-024-00689-9.
Stone, D. L., Lukaszewski, K. M., & Johnson, R. D. (2024). Will artificial intelligence radically change human resource management processes? Organizational Dynamics, 53(1), 101034. DOI: 10.1016/j.orgdyn.2024.101034.
Zebec, A., & Indihar Štemberger, M. (2024). Creating AI business value through BPM capabilities. Business Process Management Journal, 30(8), 1–26. DOI: 10.1108/BPMJ-07-2023-0566.
Zhu, X. (2026). Public administration with, of, and through AI: Toward a new paradigm in the era of intelligence. Journal of Chinese Governance, 11(1), 30–57. DOI: 10.1080/23812346.2025.2578589.
Zuiderwijk, A., Chen, Y.-C., & Salem, F. (2021). Implications of the use of artificial intelligence in public governance: A systematic literature review and a research agenda. Government Information Quarterly, 38(3), 101577. DOI: 10.1016/j.giq.2021.101577.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Arturo González Torres
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores conservan los derechos morales y patrimoniales de sus obras. Puesto que Tesla Revista Científica es una publicación de acceso abierto, los lectores pueden reproducir total o parcialmente su contenido siempre y cuando proporcionen adecuadamente el crédito a los autores correspondientes y a la revista misma. Tesla Revista Científica se compromete a no hacer uso comercial de los textos que recibe y/o publica.
Nuestra revista se rige por las politicas internacionales SHERPA/RoMEO: Revista verde: Permiten el autoarchivo tanto del pre-print (borrador de un trabajo) como del post-print (la versión corregida y revisada por pares) y hasta de la versión final (maquetada tal como saldrá publicada en la revista).
Véase también "Derechos de autor y licencias".
