pág. 2158
LA INTELIGENCIA ARTIFICIAL GENERATIVA
COMO UN ASISTENTE ESTRATÉGICO EN LA
ERA DEL APRENDIZAJE DIGITAL
GENERATIVE ARTIFICIAL INTELLIGENCE AS A STRATEGIC
ASSISTANT IN THE DIGITAL LEARNING ERA
Alberto Cortés Hernández
Universidad Michoacana de San Nicolás de Hidalgo, México
Christian Antonio Hernández Hernández
Universidad Michoacana de San Nicolás de Hidalgo, México
Alejandra Berenice García Torres
Universidad Michoacana de San Nicolás de Hidalgo, México
Mauricio Mata Quezadas
Universidad Michoacana de San Nicolás de Hidalgo, México
pág. 2159
DOI: https://doi.org/10.37811/cl_rcm.v8i4.12456
La Inteligencia Artificial Generativa como un Asistente Estratégico en la
Era del Aprendizaje Digital
Alberto Cortés Hernández1
alberto.cortes@umich.mx
https://orcid.org/0000-0002-2211-7782
Universidad Michoacana de
San Nicolás de Hidalgo
Morelia, Michoacán
México
Christian Antonio Hernández Hernández
1582207C@umich.mx
https://orcid.org/0009-0001-2721-3415
Universidad Michoacana de
San Nicolás de Hidalgo
Morelia, Michoacán
México
Alejandra Berenice García Torres
alejandra.garcia@umich.mx
https://orcid.org/0000-0002-7871-0382
Universidad Michoacana de
San Nicolás de Hidalgo
Morelia, Michoacán
México
Mauricio Mata Quezadas
mauricio.mata@umich.mx
https://orcid.org/0009-0000-9429-7308
Universidad Michoacana de
San Nicolás de Hidalgo
Morelia, Michoacán
México
RESUMEN
El objetivo de la presente investigación es demostrar la efectividad de la inteligencia artificial generativa
(IAG) como un asistente estratégico en la era del aprendizaje digital. Para ello, se aplicó una
metodología de carácter exploratorio, no experimental, y transversal con un enfoque mixto, ya que
cuenta con apartado teórico que sustenta los constructos base de esta investigación, esta parte se realizó
mediante una revisión de la literatura en sitios confiables, artículos científicos y sitios verificados.
Posteriormente se expone un estudio de casos de empresas y universidades que incorporaron
exitosamente la IAG con fin de fortalecer el manuscrito. Los resultados demostraron la efectividad de
la inteligencia artificial generativa como un asistente estratégico para cualquier individuo, organización,
y empresa en la formación de nuevos conocimientos y habilidades. Optimizando el procesamiento de
información, y acelerando la resolución de problemas hasta 50 veces. De igual forma, los casos de
estudio en las universidades y empresas analizadas, evidenciaron la efectividad de su incorporación.
Sin embargo, aún existen desafíos (limitaciones) que seguirá enfrentando la IAG como la
desacreditación, la resistencia al cambio y su percepción como una moda pasajera. Se concluye que las
herramientas de IAG son un asistente estratégico en el proceso de aprendizaje de cualquier persona.
Palabras clave: inteligencia artificial generativa, asistente estratégico, aprendizaje digital
1
Autor principal
Correspondencia: alberto.cortes@umich.mx
pág. 2160
Generative Artificial Intelligence as a Strategic Assistant in the Digital
Learning Era
ABSTRACT
The objective of the present research is to demonstrate the effectiveness of generative artificial
intelligence (GAI) as a strategic assistant in the era of digital learning. For this purpose, an exploratory,
non-experimental, and transversal methodology was applied with a mixed approach since it has a
theoretical section that supports the base constructs of this research, this part was carried out through a
literature review in reliable sites, scientific articles and verified sites. Subsequently, a case study of
companies and universities that successfully incorporated the IAG is presented in order to strengthen
the manuscript. The results demonstrated the effectiveness of generative artificial intelligence as a
strategic assistant for any individual, organization, and company in the formation of new knowledge
and skills. Optimizing information processing, and accelerating problem solving by up to 50 times.
Similarly, the case studies in the universities and companies analyzed showed the effectiveness of its
incorporation. However, there are still challenges (limitations) that IAG will continue to face, such as
discrediting, resistance to change and its perception as a passing fad. It is concluded that IAG tools are
a strategic assistant in the learning process of any person.
Keywords: generative artificial intelligence, strategic assistant, digital learning
Artículo recibido 17 junio 2024
Aceptado para publicación: 22 julio 2024
pág. 2161
INTRODUCCIÓN
La revolución digital ha transformado nuestra sociedad, impulsada por avances tecnológicos como la
computadora personal e internet (López, Silva, & Vázquéz, 2023). Lo cual, ha resultado en una
conectividad global que ha cambiado la forma en que las personas interactúan y acceden a la
información. La inteligencia artificial (IA) ha sido parte fundamental de la mencionada revolución, con
aplicaciones en la medicina, la industria, la educación y más (Abeliuk, 2021). A pesar de sus inicios, la
IA ganó impulso a partir del año 2000 con avances en machine learning y deep learning (Medina, 2023).
Sin embargo, su popularidad se disparó en 2022 con el lanzamiento de ChatGPT de OpenAI (Gamen,
2023), consolidando el concepto ante millones de personas alrededor del mundo y siendo totalmente
accesible para cualquier individuo.
La IA se define como la capacidad de las máquinas para simular la inteligencia humana. Mientras que
por otro lado, la inteligencia artificial generativa (IAG) se centra en creación de contenido nuevo (texto,
imágenes, audios y vídeos) a partir de datos existentes. La IAG se ha convertido en un asistente
omnipresente en diversos sectores de formación, incluida la educación. A pesar de sus ventajas
potenciales, su adopción en el entorno de aprendizaje plantea desafíos significativos destacando la
desacreditación, la resistencia al cambio (aceptación), la ética en su uso y la percepción de la misma
como una moda pasajera. Dichos desafíos motivaron la necesidad de la realización de la presente
investigación que tuvo como objetivo demostrar la efectividad de la inteligencia artificial generativa
como un asistente estratégico en la era del aprendizaje digital.
Los resultados demostraron que la inteligencia artificial generativa (IAG) mejora el proceso de
aprendizaje del individuo. Incrementando las habilidades digitales y sus conocimientos en diferentes
áreas o temas de interés. Al mismo tiempo, optimiza el procesamiento de información, y acelera la
resolución de problemas hasta 50 veces. Los casos de estudio en las universidades y empresas
analizadas, evidenciaron la efectividad en la incorporación de la IAG en sus procesos, servicios y
productos. Los cuales detonaron en la satisfacción de los usuarios beneficiados, y probando la necesidad
de adoptar las herramientas de IAG en el aprendizaje.
pág. 2162
Estado del Arte
La Revolución Digital
La evolución del mundo tradicional a la era digital ha sido un cambio significativo en la sociedad
contemporánea. Surgiendo en la segunda mitad del siglo XX, el mundo digital comenzó a tomar forma
con la invención de la computadora personal y el desarrollo de internet, donde destacó el “dot com” que
impulso su popularización (López, Silva, & Vázquéz, 2023). En sus inicios, el acceso era limitado, pero
a medida que las tecnologías avanzaban, se estableció una conexión global que transformó la forma en
que las personas interactúan, comunican y consumen información.
Por otro lado, a medida que las redes sociales, los dispositivos móviles, las herramientas digitales y las
aplicaciones se volvieron omnipresentes, se abrieron nuevas posibilidades para el intercambio de
conocimientos, la colaboración y la comercialización. Así mismo, Rosa Verján (2023) señala que en el
mundo se contabilizan 5.16 billones de usuarios de internet. Los cuales se conectan mediante distintos
medios a la web. Statista (2023) establece que existen 181.1 millones de usuarios de internet que
provienen de Brasil, 100.6 millones de México, 39.79 millones de Argentina, 39.34 de Colombia, y
24.31 de Perú. Lo cual, demuestra cómo la tecnología ha transformado la forma en que las personas
comparten y adquieren información.
El Surgimiento de la Inteligencia Artificial (IA)
La historia de la IA comienza con el informático John McCarthy acuñando por primera vez el término
Inteligencia Artificial (IA) durante la conferencia de Darmouth de 1956, y se definió como la ciencia
de hacer máquinas inteligentes (Risso, 2022). Desde entonces, la IA ha experimentado avances en
múltiples campos y su impacto en la sociedad es significativo. A medida que la tecnología ha avanzado,
la IA ha encontrado aplicaciones en la medicina, la industria, la educación y más (Abeliuk, 2021). Su
impacto se refleja en la automatización de tareas, la toma de decisiones asistida por IA y el desarrollo
de tecnologías como asistentes virtuales, vehículos autónomos, etc.
Rosa Verján (2023) señala que la tecnología avanza cada vez con más rapidez y los usuarios la van
adoptando prácticamente a la misma velocidad. Como prueba de ello, la IA comenzó su auge a partir
del año 2000 donde los avances en las disciplinas de machine learning y deep learning, impulsaron la
adopción de nuevas tecnologías por parte de los usuarios (Medina, 2023) cómo el uso de motores de
pág. 2163
búsqueda (Google Search y Bing), redes sociales (Facebook, y TikTok), marketplaces (Amazon y
Alibaba), asistentes de voz (Siri, Alexa y Google Assistant), automóviles autónomos (Tesla y Waymo),
entre otros. Dichas creaciones incrementaron de forma inconsciente el uso de la IA por parte de los
usuarios, aún cuando la mayoría desconocía la relación entre las mismas.
No obstante, el término inteligencia artificial aún no alcanzaba su máximo reconocimiento por parte de
la sociedad en general. Fue a finales del año 2022 cuando logró un enrome impacto ante la comunidad
digital (usuarios que navegan en la web) y la comunidad convencional (personas que no habitúan la
navegación en la web). De acuerdo con José Medina (2023), la IA se popularizó con la llegada de
ChatGPT de OpenAI, que alcanzó el millón de usuarios en apenas 5 días desde su lanzamiento en
noviembre de 2022, y en enero 2023 ostentaba los 100 millones de usuarios activos (Gamen, 2023). Lo
anterior, revolucionó el mundo de la inteligencia artificial y consolidó el concepto ante millones de
personas alrededor del mundo.
La Evolución de la IA a la IAG (Inteligencia Artificial Generativa)
La inteligencia artificial (IA) se define como la capacidad de una máquina para simular la inteligencia
humana. Esto incluye la capacidad de aprender, razonar y resolver problemas (American Psychological
Association, 2023). De igual manera, una de las definiciones más comunes de IA es proporcionada por
Russell y Norvig (2021) donde destacan que la inteligencia artificial es el estudio de cómo hacer que
las computadoras piensen como los humanos. Esta definición enfatiza el objetivo de la IA de crear
máquinas que puedan realizar tareas que normalmente requieren inteligencia humana. Por otro lado, la
inteligencia artificial generativa es un tipo de IA que se centra en crear contenido nuevo a partir de datos
existentes. Utiliza distintos modelos como las redes generativas adversariales (GANs) y los
transformadores para generar textos, imágenes, música y otros tipos de contenido. Zapata (2024) señala
que la IAG es un modelo conversacional basado en un modelo instruccional. El cual se basa en la
conversación para su aprendizaje propio. Además, su uso se ve reflejado en un nicho más concreto a
diferencia de la IA que su alcance es más generalizado como se detalla en la tabla 1.
pág. 2164
Tabla 1: Aplicaciones de la Inteligencia Artificial (IA) y la Inteligencia Artificial Generativa (IAG)
Clasificación
Aplicaciones
Referencias
Inteligencia Artificial
(IA)
Diagnóstico médico
Automatización de proceso
Análisis de datos
Avila et al. (2020), y
Omil (2019)
Inteligencia Artificial
Generativa (IAG)
Generación de texto.
Creación de imágenes
Producción de audios y videos
Granieri (2023), y
AWS (2023)
Fuente: Elaboración Propia, 2024.
Las aplicaciones de la inteligencia artificial se enfocan sectores amplios y con grados de inversión
mayores, mientras que la inteligencia artificial generativa se centra en el desarrollo de nuevo contenido
digital. Donde un usuario amateur o profesional lo crea desde un prompt (instrucción escrita o verbal).
Adopción de la Inteligencia Artificial Generativa (IAG) por Sectores de Formación
La inteligencia artificial (lA) está teniendo cada vez más impacto en la educación, trayendo
oportunidades y numerosos desafíos (COE, 2022). Prahani (2022) destaca que la IAG en la educación
ha aumentado su uso rápidamente en los últimos años, por lo que se necesitan esfuerzos para
comprender el estado de las tendencias y su desarrollo en beneficio de la sociedad. Sin embargo, al
igual que las tecnologías educativas anteriores a esta nueva tendencia en la educación, amenaza con
alterar el status quo sus defensores destacan el potencial de eficiencia y democratización, y los
escépticos advierten sobre la industrialización, la ética y la alienación (Schiff, 2021). No obstante, la
IAG ha sido adoptada por los sectores de formación debido a la personalización en el aprendizaje, la
automatización de tareas y la retroalimentación en tiempo real. La tabla 2 destaca algunas herramientas
IAG que usan diferentes sectores de formación.
pág. 2165
Tabla 2: Sectores de Formación que utilizan Inteligencia Artificial Generativa (IAG).
Tipo de IAG
Herramientas IAG
Uso
Chatbot
ChatGPT, Bard, Scite
Assistant, Perplexity.
Generación de información
para facilitar el aprendizaje.
Creative AI
Gamma, SlidesAI,
Notion, Saga, Canva,
Tome.
Mejora de la productividad en
proyectos y tareas
académicas.
Search
Engines
Google, Bing, Edge, You,
Consensus.
Búsqueda de información para
investigaciones y estudios.
Decision
Support AI
Decision Mentor, Answer
the Public, Elicit, Atomic
Reach.
Generación de ideas y toma de
decisiones en entornos
empresariales.
Generative
AI
Leonardo, Midjourney,
DALL-E, Illustrator.
Diseño de contenido visual
atractivo para proyectos
artísticos.
Marketing
Jasper, Copy.ai,
Writesonic, Jarvis,
Photoshop.
Creación de estrategias de
marketing y contenido
publicitario.
AI Writer
AISEO, Quillbot,
Writesonic, Buit.
Reescritura y reformulación
de contenido técnico.
AI Code
GitHub Copilot,
CodeWhisperer, Tabnine.
Generación de códigos y
programas para desarrollo de
software.
Document
Processing
Smallpdf, PDFElement,
DocuSign.
Procesar y analizar
documentos administrativos.
AI Meeting
Loom, X.ai, Udex.
Programar y gestionar
reuniones eficientemente.
Fuente: Elaboración Propia, 2024.
La autora Julia Díaz (2023) señala que las herramientas de IAG se utilizan ahora en todas las áreas del
aprendizaje, desde la medicina hasta la física y las ciencias sociales. Con el fin de desarrollar nuevos
fármacos, contribuir en la solución de problemas, diseñar nuevos materiales o productos, descubrir
nuevos conocimientos o fortalecer los existentes.
pág. 2166
La IAG como Asistente Estratégico en el Aprendizaje
Las herramientas de IAG están revolucionando la industria de la educación al optimizar los procesos
de adquisición de información de interés por las personas, alumnos, catedráticos o profesionales.
Dwivedi (2023) enfatiza que las herramientas de revisión de literatura impulsadas por IAG pueden
ayudar a los interesados a identificar de forma rápida y eficiente artículos científicos, revistas
especializadas, libros, o información específica de algún tema de interés o de necesidad. Es por ello,
que en la actualidad el proceso de adquisición de información orientada al aprendizaje ha evolucionado
de manera sorpresivamente acelerada, ya que en un breve periodo de tiempo estuvieron a disposición
de los usuarios una gran cantidad de herramientas de asistencia de inteligencia artificial generativa de
forma gratuita y algunas de pago. La figura 1 expone las etapas y los factores determinantes que
intervienen en el proceso de aprendizaje en la era digital.
Figura 1: Etapas del Proceso de Aprendizaje en la Era Digital.
Fuente: Elaboración Propia, 2024.
El proceso comienza con la identificación de un problema para el cual se requiere información. Posterior
a ello, se podrán consultar diferentes fuentes de información. Sin embargo habrá que tomar en cuenta
los siguientes factores ubicados en la caja negra; Urgencia de Resultados (referido a la inmediatez con
que se requiere la información), Habilidades Digitales (las capacidades del individuo en el manejo de
herramientas digitales), Infraestructura Tecnológica (disposición de equipos informáticos) y por último
la Ética Responsable (asumir responsablemente el uso de la IAG).
pág. 2167
Después el individuo evaluará las diferentes opciones de herramientas de IAG que le podrán ser de
utilidad para optimizar su trabajo. La última etapa concluye con la construcción del proyecto en su
totalidad, mediante el uso de distintas técnicas y asistido por herramientas de inteligencia artificial
generativa para lograr solucionar el problema planteado.
Ventajas del Uso de Herramientas IAG en la Obtención de Información
El uso de IAG de acuerdo con Porcelli (2020) ofrece ventajas clave cómo la automatización de
contenido, la personalización para audiencias, la accesibilidad mejorada, y el análisis de bases de datos
de forma eficiente y rápida. De igual forma, la OCDE (2023) destaca que automatizar tareas repetitivas,
como la revisión de la literatura y el análisis de datos. Puede liberar el tiempo de las personas para que
se concentren en trabajos más creativos y estratégicos. Por ejemplo, algunos estudios demostraron que
dichas herramientas de revisión de literatura y análisis de datos impulsadas por inteligencia artificial
generativa pueden acelerar la investigación entre 10 y 50 veces (OCDE, 2023; Caltech Science
Exchange 2023).
Teorías que Sustentan la Adopción Tecnológica
El autor Afam Uzorka (2023) señala que la necesidad de adoptar una nueva tecnología puede variar
según el contexto y los objetivos específicos. En muchos casos, la adopción de nueva tecnología es
importante y beneficiosa para mantener la eficiencia, mejorar la productividad y mantenerse
competitivo en un mundo cada vez más digital. Así mismo, es importante resaltar que la adopción de la
inteligencia artificial generativa (IAG) puede contribuir a grandes avances. La Tabla 3 ilustra teorías
elementales que sustentan la necesidad de adoptar nuevas tecnologías para lograr un mayor avance en
la sociedad, cultura, conocimiento e impacto socioeconómico. Además de que proporcionan las bases
para la adopción de una nueva herramienta o tecnología, y al mismo tiempo establecen los beneficios
al usar de forma correcta y en tiempo las mismas.
pág. 2168
Tabla 3: Teóricos que Abordan la Necesidad de Adopción de Nuevas Tecnologías.
Teóricos
Teorías
Enfoque hacia la Adopción Tecnológica
Everett M. Rogers
(1962)
Diffusion of Innovation
Theory (DOI)
La teoría de la difusión de innovaciones
propuesta por Rogers (1962) describe cómo
las nuevas ideas y tecnologías se difunden a
lo largo de una sociedad. Identifica cinco
factores clave que influyen en la adopción de
una nueva tecnología: ventaja relativa,
compatibilidad, complejidad, posibilidad de
prueba y observabilidad.
Fred Davis (1989)
Technology Acceptance
Model (TAM)
El modelo de aceptación de tecnología se
centra en los factores individuales que
influyen en la adopción de una nueva
tecnología. TAM identifica dos factores
clave que influyen en dicha adopción: la
utilidad percibida y la facilidad de uso
percibida (Davis, 1989).
Venkatesh,
Viswanath; Morris,
Michael G.; Davis,
Gordon B.; Davis,
Fred D. (2003)
Unified Theory of
Acceptance and Use of
Technology (UTAUT)
La adopción de tecnología de aceptación y
uso de tecnologías es una teoría más
completa. Debido a que incorpora factores
adicionales que influyen en los individuos
para adoptar nuevas tecnologías, como; la
expectativa de rendimiento, la expectativa de
esfuerzo, la influencia social y las
condiciones facilitadoras (Venkatesh et al.,
2003).
Fuente: Elaborado con base en la información que ofrecen; Rogers, 1962; Davis, 1989; y Venkatesh et al., 2003.
Las teorías Diffusion of Innovation Theory, Technology Acceptance Model, y UTAUT sustentan la
necesidad de incoporar en la práctica tecnologías disruptivas como la IAG.
Casos de Éxito de la Inteligencia Artificial Generativa en el Sector de Aprendizaje
La tabla 4 presenta cinco casos de éxito en los que universidades y empresas adoptaron herramientas
de inteligencia artificial generativa (IAG) para abordar diferentes desafíos y a su vez mejorar sus
operaciones, servicios o productos. Resultando en una estrategia favorable y aceptada por los usuarios
beneficiados.
pág. 2169
Tabla 4: Casos de Éxito de Empresas y Universidades que Adoptaron el Uso de Herramientas de
Inteligencia Artificial Generativa.
Casos de Éxito
Descripción de los Hallazgos
Universidad de Stanford
Stanford ha utilizado IA generativa en la investigación y la educación,
permitiendo personalizar el aprendizaje y ofrecer contenidos adaptativos.
Esto ha mejorado el rendimiento académico y la satisfacción estudiantil
(Lee et al., 2024).
Microsoft
Microsoft ha integrado IA generativa en productos como Azure y Office
365, permitiendo a las empresas automatizar procesos y obtener insights
más profundos a partir de grandes volúmenes de datos, lo que ha
incrementado la productividad y reducido costos operativos (Marr, 2019).
Universidad de Harvard
Harvard ha implementado IA generativa para mejorar la eficiencia en la
administración académica y personalizar la experiencia educativa.
Resultando en una mejor gestión del tiempo y recursos, y una experiencia
de aprendizaje más enriquecedora para los estudiantes (Lee et al., 2024).
Adobe
Adobe ha incorporado IA generativa en sus herramientas creativas como
Photoshop e Illustrator, permitiendo a los usuarios automatizar tareas
repetitivas y generar contenido innovador con mayor facilidad y eficiencia
(Hiter, 2024).
Hong Kong Public
Universities
Algunas universidades en Hong Kong (China) han adoptado la IA
generativa para adaptar políticas y estrategias de gestión, mejorando la
toma de decisiones y la eficiencia administrativa. Dicho enfoque ha
permitido una mejor gestión de recursos y servicios académicos (Jin et al.,
2024).
Fuente: Elaboración Propia, 2024.
Los casos demuestran cómo la tecnología de IAG se ha convertido en una herramienta valiosa para
abordar una amplia gama de desafíos en diversos campos, desde la educación al desarrollo o
fortalecimiento de productos y servicios. Su adopción exitosa ha llevado a mejoras significativas en la
eficiencia y la calidad de los procesos de aprendizaje. De igual forma, la implementación de la IAG ha
aportado precisión, personalización y automatización a diversas áreas, lo cual evidencia el potencial
transformador de un asistente estratégico (IAG).
pág. 2170
Desafíos que enfrenta la Inteligencia Artificial Generativa
La Inteligencia Artificial Generativa (IAG) enfrenta desafíos como la desacreditación, la resistencia al
cambio (aceptación) y la percepción de la misma como una moda pasajera. El autor Juan Corvalán
(2018) señala que las herramientas IA también se enfrentan a desafíos relacionados con la desconfianza
y la falta de ética y moral en su uso. Por otro lado, Softimiza (2023) indica que la implementación de
la IAG puede encontrar resistencia debido a que distintos individuos están acostumbrados a métodos
tradicionales en la búsqueda de información. Por último, el especialista Christian León (2023), establece
que existe la percepción por parte de una minoría de que la IAG podría ser una moda pasajera o una
tendencia tecnológica sin sustancia. Lo que indica que algunas personas pueden ser escépticos sobre su
relevancia a largo plazo.
El Futuro de la IAG en la Nueva Era del Aprendizaje
La IA tiene el potencial de resolver diversos problemas del mundo a corto y largo plazo, y al mismo
tiempo mejorar la vida de miles de millones de personas profesionales o de la sociedad en general. El
futuro de la IA es alentador y el uso eficiente de la misma contribuirá a grandes avances, contribuciones
y mejores resultados. En la era del aprendizaje digital promete revolucionar la educación, ofreciendo
experiencias de aprendizaje personalizadas y adaptativas. La IAG facilitará el desarrollo de habilidades
valiosas como el pensamiento crítico, la resolución de problemas y la creatividad, preparando mejor a
estudiantes o individuos para un modelo de aprendizaje cada vez más digital (Liu et al., 2023). A medida
que las herramientas de IAG se integren más en los entornos educativos, se espera que mejoren la
eficiencia administrativa y la toma de decisiones estratégicas (Lim et al., 2023), impulsando una era de
aprendizaje más inclusiva e innovadora que contribuirá en obtener individuos más participativos y con
un desarrollo de mayor calidad y enfoque (Milberg, 2024).
METODOLOGÍA
El presente artículo es de carácter exploratorio, no experimental, y transversal con un enfoque mixto,
ya que cuenta con apartado teórico que sustenta los constructos base de esta investigación, esta parte se
realizó mediante una revisión de la literatura en sitios confiables, artículos científicos y sitios
verificados.
Posteriormente se expone un estudio de casos de empresas y universidades que incorporaron
pág. 2171
exitosamente la inteligencia artificial generativa (IAG) en sus procesos, servicios o productos con el fin
de lograr comprobar el objetivo del manuscrito que es demostrar la efectividad de la inteligencia
artificial generativa como un asistente estratégico en la era del aprendizaje digital.
RESULTADOS Y DISCUSIÓN
Los resultados positivos en el uso o incorporación de la inteligencia artificial generativa demostraron
mejorar los procesos de aprendizaje en la nueva era digital de los individuos, estudiantes, catedráticos,
investigadores, profesionales, instituciones, universidades y empresas. Así mismo, el impacto de las
herramientas de IAG destacadas en la tabla 2 contribuyen en incrementar las habilidades y
conocimientos de los usuarios en diferentes sectores de formación. Además de maximizar el
procesamiento de la información y reducir el tiempo dedicado a la solución de un problema. Algunos
casos demostraron acelerar la investigación sobre la solución de un problema o necesidad entre 10 y 50
veces, dependiendo de distintos factores que se detallan en la caja negra de la figura 1.
El proceso de aprendizaje (figura 1) expone las distintas etapas por las que pasa un individuo en la
búsqueda de información para la solución de un problema en una nueva era digital. Donde además
existen factores de suma relevancia que intervienen en la calidad final que se obtendrá sobre la solución
de un problema al incorporar un asistente como la IAG que contribuirá en el proceso de aprendizaje del
individuo al captar nueva información y transformarla en una solución práctica o teórica.
Los casos presentados en la tabla 4 destacan diversos contextos donde la IA generativa ha sido
implementada con éxito, cumpliendo con el objetivo de demostrar su efectividad como asistente
estratégico en la era del aprendizaje digital. Las universidades de Stanford y Harvard han evidenciado
mejoras en la personalización del aprendizaje y la administración académica, mientras que empresas
como Microsoft y Adobe han demostrado la capacidad de la IA generativa para optimizar operaciones
y fomentar la innovación en sus productos y servicios. Los ejemplos presentados confirman que la
inteligencia artificial generativa (IAG) no solo es efectiva en la mejora de procesos educativos y
administrativos, sino que también tiene un impacto significativo en la productividad y eficiencia en
diversos sectores de formación.
Esto refuerza la hipótesis de que la IAG es un asistente estratégico en el proceso de aprendizaje en la
era digital.
pág. 2172
La inteligencia artificial generativa ha demostrado ser un asistente estratégico en el aprendizaje digital.
Estudios adicionales demuestran que Bard mejoró las calificaciones estudiantiles en un 10% (Motlagh
et al., 2023) y ChatGPT generó hipótesis científicas con una precisión del 80% (Park et al., 2023).
Stanford destacó la precisión del 95% de Bard en la solución de problemas (Shao et al., 2023), y BCG
reportó un incremento del 15% en ventas mediante campañas de marketing generadas por IAG (BCG,
2023). En creatividad y productividad, herramientas como Notion y Midjourney han optimizado la
colaboración y el diseño, respectivamente (BCG, 2023; Coppola, 2023). Además, Google contribuye
en la obtención rápida de información, y herramientas como Decision Mentor y Answer The Public
mejoran la toma de decisiones basada en datos relevantes y confiables. En investigación, Consensus,
SuperTools y ChatPDF incrementan la eficiencia, automatizando tareas complejas (Human-Centered
AI Institute of Stanford University, 2023). Demostrando la efectividad de las herramientas IAG en
actividades en ocasiones complejas.
La IAG se encuentra en un punto crítico donde enfrenta desafíos como la desacreditación y la resistencia
al cambio, debido a la desconfianza pública y preocupaciones éticas. La preferencia por métodos
tradicionales y la percepción de ser una moda pasajera también dificultan su implementación. Sin
embargo, el potencial de la IAG para transformar la educación y otros sectores es inmenso. En la era
del aprendizaje digital, la IAG promete revolucionar los procesos mediante experiencias personalizadas
y adaptativas, facilitando el desarrollo de habilidades valiosas como el pensamiento crítico, la
resolución de problemas y la creatividad. Además de contribuir en mejorar la cultura del aprendizaje en
un individuo.
CONCLUSIONES
La investigación demostró la efectividad de la inteligencia artificial generativa como un asistente
estratégico para cualquier individuo, organización, y empresa en la era del aprendizaje digital. Lo cual,
se logró demostrar mediante evidencia teórica y casos de estudio. Así mismo, distintos expertos
coinciden en que el impacto de la IAG ha sido positiva en los sectores de formación que la han
incorporado.
Es por ello, que el uso de la misma en esta nueva era digital se ha vuelto relativamente importante.
Además de que se observan diversas ventajas en el uso de dichas herramientas como la personalización
pág. 2173
de la educación, automatización de tareas, retroalimentación instantánea y mejoran la posibilidad de
captación de información relevante para el usuario.
El manuscrito proporciona una estructura sólida sobre la tendencia disruptiva (IAG) a través de una
revisión exhaustiva de la literatura. Además de exponer las etapas del proceso de aprendizaje en la era
digital, destacando la primera fase denominada identificación del problema que surge a medida de la
necesidad de buscar soluciones a un problema. Posteriormente el individuo pasará a la segunda etapa
entrando a la “caja negra” (se le denomina de esta forma debido a que en la etapa dos intervienen cuatro
factores determinantes para el uso de la IAG) donde será expuesto a diversos factores en la búsqueda
de la información. La etapa tres hace énfasis en la decisión del usuario por usar herramientas de IAG
como su asistente estratégico y por último el individuo cierra con la etapa cuatro, la construcción final
de su proyecto o trabajo que da solución al problema que había planteado en un principio. Lo anterior,
es una nueva realidad en un mundo cada vez más digital y cambiante hacia tendencias de gran impacto.
Donde el individuo deberá avanzar en conjunto con la tecnología.
Por último, cada elemento expuesto en la presente investigación en su conjunto propicia una visión
general de la actualidad y el futuro de la inteligencia artificial generativa. La cual seguirá
revolucionando la educación y diversos sectores más, contribuyendo en nuevos avances científicos y
en la mejora de las capacidades personales y profesionales de los individuos que decidan utilizarla como
su asistente estratégico. La IAG no es una moda pasajera, es un instrumento necesario en la cultura de
aprendizaje de cualquier persona.
REFERENCIAS BIBLIOGRAFICAS
Abeliuk, A. (2021). Historia y evolución de la inteligencia artificial. Revista Bits. (27), 73-84.
Recuperado de: https://revistasdex.uchile.cl/index.php/bits/article/view/2767
Amazon Web Services (2023). ¿Qué es la IA generativa?. AWS. Recuperado de
https://aws.amazon.com/es/what-is/generative-ai/
American Psychological Association. (2023). Artificial Intelligence. APA Dictionary of Psychology
(2nd ed.). Recuperado de: https://dictionary.apa.org/artificial-intelligence
Avila-Tomás, J. F., Mayer-Pujadas, M. A., & Quesada-Varela, V. J. (2020). La inteligencia artificial y
sus aplicaciones en medicina I: introducción antecedentes a la IA y robótica. Revista Atención
pág. 2174
Primaria. Doi: https://doi.org/10.1016/j.aprim.2020.04.013
BCG (2023). AI at Work: What People Are Saying. Boston Consulting Group. Recuperado de:
https://www.bcg.com/publications/2023/what-people-are-saying-about-ai-at-work
BCG (2023). Exploring the Evolution of AI in Personalized Marketing. Boston Consulting Group.
Recuperado de: https://www.bcg.com/publications/2023/exploring-the-implementation-of-ai-
for-personalization
COE (2022). New ISBN Publication Artificial Intelligence and Education. COE. Recuperado de:
https://www.coe.int/en/web/education/-/new-isbn-publication-artificial-intelligence-and-
education
Coppola, G. (2023). El efecto Midjourney: ahorrando 22 horas al mes. Linkedin. Recuperado de:
https://es.linkedin.com/pulse/el-efecto-midjourney-ahorrando-22-horas-al-mes-german-coppola
Corvalán, J. (2018). Inteligencia artificial: retos, desafíos y oportunidades. Revista de Investigações
Constitucionais, vol. 5, núm. 1, pp. 295-316. Doi: https://doi.org/10.5380/rinc.v5i1.55334
Davis, F. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information
technology: A replication. Revista MIS Quarterly, 13(3), 319-340. Doi:
https://doi.org/10.2307/249008
Díaz, J. (2023). La realidad de la Inteligencia Artificial en Salud. Universidad Autónoma de Madrid.
Recuperado de: https://www.iic.uam.es/lasalud/realidad-inteligencia-artificial-salud/
Dwivedi, Y. K., Sharma, A., Rana, N. P., Giannakis, M., Goel, P., & Dutot, V. (2023). Evolution of
artificial intelligence research in Technological Forecasting and Social Change: Research topics,
trends, and future directions. Revista Technological Forecasting and Social Change, 192,
122579. Doi: https://doi.org/10.1016/j.techfore.2023.122579
El-Seoud, S., Ayman, E., Nagaty, K., y Karam, O. (2023). The Impact of ChatGPT on Student
Learning/performing. Revista SSRN. Doi: http://dx.doi.org/10.2139/ssrn.4532913
Gamen, S. (2023). Inteligencia Artificial: ChatGPT, popularización, magia y riesgos. Perfil.
Recuperado de:
https://www.perfil.com/noticias/opinion/inteligencia-artificial-chatgpt-popularizacion-magia-y-
riesgos.phtml
pág. 2175
García, J. (2023). La percepción de la Inteligencia Artificial en contextos educativos tras el lanzamiento
de ChatGPT: ¿disrupción o pánico? Revista Education in the Knowledge Society (EKS), 24,
e31279. Doi: https://doi.org/10.14201/eks.31279
Granieri, M. (2023). ¿Qué es la Inteligencia Artificial Generativa?. OBS Business School. Recuperado
de:
https://www.obsbusiness.school/blog/que-es-la-inteligencia-artificial-generativa
Hiter, S. (2024). 15 Generative AI Enterprise Use Cases. Eweek. Recuperado de:
https://www.eweek.com/artificial-intelligence/generative-ai-enterprise-use-cases/
Human-Centered AI Institute of Stanford University (2023). Artificial Intelligence Index Report 2023.
Stanford University. Recuperado de:
https://aiindex.stanford.edu/wp-content/uploads/2023/04/HAI_AI-Index-Report_2023.pdf
Jin, L., Yan, L., Gašević, D., Echeverría, V. & Maldonado, R. (2024), Inteligencia artificial generativa
en la educación superior: una perspectiva global de políticas y directrices de adopción
institucional. Revista arXiv. Recuperado de: https://arxiv.org/html/2405.11800v1
Lee, D., Arnold, M., Srivastava, A., Plastow, K., Strelan, P., Ploeckl, F., Lekkas, D., & Palmer, E.
(2024). The impact of generative AI on higher education learning and teaching: A study of
educators’ perspectives. Revista Computers and Education: Artificial Intelligence. Doi:
https://doi.org/10.1016/j.caeai.2024.100221
León, C. (2023). Inteligencia Artificial: los desafíos a vencer para una adopción exitosa. Forbes.
Recuperado de:
https://www.forbes.com.mx/inteligencia-artificial-los-desafios-a-vencer-para-una-adopcion-
exitosa/
Lim, W. M., Gunasekara, A., Pallant, J. L., Pallant, J. I., & Pechenkina, E. (2023). Generative AI and
the future of education: Ragnarök or reformation? A paradoxical perspective from management
educators. Revista The International Journal of Management Education, 21(2), 100790. Doi:
https://doi.org/10.1016/j.ijme.2023.100790
Liu, M., Ren, Y., Nyagoga, L. M., Stonier, F., Wu, Z., & Yu, L. (2023). Future of education in the era
of generative artificial intelligence: Consensus among Chinese scholars on applications of
pág. 2176
ChatGPT in schools. Revista Future in Educational Research. Doi:
https://doi.org/10.1002/fer3.10
López, X., Silva, A., & Vázquéz, J. (2023). Evolución, tendencias y futuro de los medios nativos
digitales: de la vanguardia al epicentro del ecosistema. Revista Profesional de la información,
Vol. 32, N. 2, e320202. Doi: https://doi.org/10.3145/epi.2023.mar.06
Marr, B. (2019). The 10 best examples of how companies use artificial intelligence in practice. Forbes.
https://www.forbes.com/sites/bernardmarr/2019/12/09/the-10-best-examples-of-how-
companies-use-artificial-intelligence-in-practice/
Medina, J. (2023). La popularización de la Inteligencia Artificial. INCADE. Recuperado de:
https://incade.edu.ar/la-popularizacion-de-la-inteligencia-artificial/
Milberg, T. (2024). The future of learning: How AI is revolutionizing education 4.0. World Economic
Forum. Recuperado de:
https://www.weforum.org/agenda/2024/04/future-learning-ai-revolutionizing-education-4-0/
Motlagh, N., Khajavi, M., Sharifi, A., & Ahmadi, M. (2023). The Impact of Artificial Intelligence on
the Evolution of Digital Education: A Comparative Study of OpenAI Text Generation Tools
including ChatGPT, Bing Chat, Bard, and Ernie. Revista Computers and Society. Doi:
https://doi.org/10.48550/arXiv.2309.02029
Omil, J. C. (2019). Inteligencia artificial ¿Dr. Jekyll o Mr. Hyde?. Revista Mercado y Negocios. Doi:
https://doi.org/10.32870/myn.v0i40.7403
Park, Y. J., Kaplan, D., Ren, Z., Hsu, C. W., Li, C., Xu, H., Li, S., & Li, J. (2023). Can ChatGPT be
used to generate scientific hypotheses? Revista Computers and Society. Doi:
https://doi.org/10.48550/arXiv.2304.12208
Pew Research Center (2023). Closing thoughts on ChatGPT and other steps in the evolution of humans,
digital tools and systems by 2035. Pew Research Center. Recuperado de:
https://www.pewresearch.org/internet/2023/06/21/closing-thoughts-on-chatgpt-and-other-steps-
in-the-evolution-of-humans-digital-tools-and-systems-by-2035/
Porcelli, A. (2020). La inteligencia artificial y la robótica: sus dilemas sociales, éticos y jurídicos.
Derecho Global. Revista Estudios sobre derecho y justicia, vol.6, no.16. Doi:
pág. 2177
https://doi.org/10.32870/dgedj.v6i16.286
Prahani, B., Rizki, I., Jatmiko, B., Suprapto, N., & Tan, A. (2022). Artificial Intelligence in Education
Research During The Last Ten Years: A Review and Bibliometric Study. Revista International
Journal of Emerging Technologies in Learning (iJET), 17(08), pp. 169–188. Doi:
https://doi.org/10.3991/ijet.v17i08.29833
Risso, I. (2022). Descubre la historia de la inteligencia artificial y cómo ha cambiado a la humanidad.
Crehana. Recuperado de:
https://www.crehana.com/blog/transformacion-digital/historia-de-la-inteligencia-artificial/
Rogers, E. (1962). Diffusion of innovations. New York, NY: Free Press of Glencoe.
Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach (4th ed.). Pearson
Education.
Schiff, D. (2021). Out of the laboratory and into the classroom: the future of artificial intelligence in
education. Revista AI & Soc, 36, 331–348. Doi: https://doi.org/10.1007/s00146-020-01033-8
Shao, W., Hu, Y., Gao, P., Lei, M., Zhang, K., Meng, F., Xu, P., Huang, S., Li, H., Qiao, Y., & Luo, P.
(2023). Tiny LVLM-eHub: Early Multimodal Experiments with Bard. eprint arXiv:2308.03729.
Doi: https://doi.org/10.48550/arXiv.2308.03729
Softimiza (2023). Retos y desafíos de la implementación de inteligencia artificial. Softimiza.
Recuperado de:
https://softimiza.co/blog/retos-y-desafios-de-la-implementacion-de-inteligencia-artificial
Statista (2023). Países con mayor número de usuarios de Internet en el mundo en enero de 2023. Statista.
Recuperado de: https://es.statista.com/estadisticas/1330559/paises-con-mayor-numero-de-
internautas/
Statista. (2023). Artificial Intelligence (AI) market size worldwide 2021-2030. Statista. Recuperado de:
https://www.statista.com/statistics/1365145/artificial-intelligence-market-size/
Uzorka, A., Namara, S. & Olaniyan, A.O. (2023). Modern technology adoption and professional
development of lecturers. Revista Educ Inf Technol. Doi: https://doi.org/10.1007/s10639-023-
11790-w
Venkatesh, V., Morris, M., Davis, G., & Davis, F. (2003). User acceptance of information technology:
pág. 2178
Toward a unified view. Revista MIS Quarterly, 27(3), 425-478. Doi:
https://doi.org/10.2307/30036540
Verján, R. (2023). Logra una Transformación Digital Efectiva. Revista Mundo Ejecutivo, Vol. 532. Pág.
64. Recuperado de: https://mundoejecutivo.com.mx
Vidakovic, I. (2022). Quillbot Review - ¿Es La Mejor Herramienta De Parafraseo Para Usted?
Textcortex. Recuperado de: https://textcortex.com/es/post/revisi%C3%B3n-de-quillbot
Zapata, M. (2024). IA generativa y ChatGPT en Educación: Un reto para la evaluación y ¿una nueva
pedagogía?. Revista Paraguaya de Educación a Distancia (REPED), 5(1), 12–44. Doi:
https://doi.org/10.56152/reped2024-vol5num1-art2