pág. 652
INTELIGENCIA ARTIFICIAL COMO
HERRAMIENTA PEDAGÓGICA: IMPACTO EN
MODELOS DE NEGOCIO DE ESTUDIANTES
UNIVERSITARIOS
ARTIFICIAL INTELLIGENCE AS A PEDAGOGICAL TOOL:
IMPACT ON BUSINESS MODELS OF UNIVERSITY
STUDENTS
Jorge Luis Hernández Ulloa
Universidad Autónoma de Nayarit
Juan Antonio Nievas López
Universidad Autónoma de Nayarit
Héctor Vicente Cisneros Chávez
Universidad Autónoma de Nayarit
Gabriel Carrillo Herrera
Universidad Autónoma de Nayarit
Daniel Carrillo Herrera
Universidad Autónoma de Nayarit
pág. 653
DOI: https://doi.org/10.37811/cl_rcm.v10i2.23119
Inteligencia artificial como herramienta pedagógica: impacto en modelos de
negocio de estudiantes universitarios
Jorge Luis Hernández Ulloa1
jluis.hernandez@uan.edu.mx
https://orcid.org/0000-0002-5102-6011
Universidad Autónoma de Nayarit
Tepic, Nayarit. México
Juan Antonio Nievas López
juan.nievas@uan.edu.mx
https://orcid.org/0009-0008-9057-269X
Universidad Autónoma de Nayarit
Tepic, Nayarit. México
Héctor Vicente Cisneros Chávez
cisneros.chavez@uan.edu.mx
https://orcid.org/0009-0007-0391-9097
Universidad Autónoma de Nayarit
Tepic, Nayarit. México
Gabriel Carrillo Herrera
https://orcid.org/0009-0009-0556-452X
Universidad Autónoma de Nayarit
Tepic, Nayarit. México
Daniel Carrillo Herrera
https://orcid.org/0009-0005-7073-6149
Universidad Autónoma de Nayarit
Tepic, Nayarit. México
RESUMEN
El uso de inteligencia artificial (IA) como herramienta pedagógica en la formación emprendedora
universitaria abre posibilidades para mejorar la calidad de los modelos de negocio elaborados por
estudiantes. Este estudio analizó el impacto de la IA en la optimización de la propuesta de valor y el
posicionamiento de mercado en modelos desarrollados por 103 estudiantes universitarios de Contaduría
y Mercadotecnia, organizados en equipos. La investigación adoptó un enfoque mixto, con diseño no
experimental y transversal. Se aplicó un cuestionario con escala Likert y preguntas abiertas,
complementado con una rúbrica docente. Los resultados muestran mejoras significativas en la claridad
de la propuesta de valor (promedio 3.56), la precisión del segmento de mercado y la coherencia global
del modelo (60% con puntuación máxima). Se concluye que la IA, integrada a un proceso pedagógico
estructurado, fortalece el aprendizaje emprendedor y la calidad de los modelos de negocio estudiantiles.
Palabras clave: emprendimiento universitario; formación emprendedora; herramientas tecnológicas;
inteligencia artificial; modelos de negocio
1 Autor principal
Correspondencia: jluis.hernandez@uan.edu.mx
DOI: https://doi.org/10.37811/cl_rcm.v10i2.23119
Inteligencia artificial como herramienta pedagógica: impacto en modelos de
negocio de estudiantes universitarios
Jorge Luis Hernández Ulloa1
jluis.hernandez@uan.edu.mx
https://orcid.org/0000-0002-5102-6011
Universidad Autónoma de Nayarit
Tepic, Nayarit. México
Juan Antonio Nievas López
juan.nievas@uan.edu.mx
https://orcid.org/0009-0008-9057-269X
Universidad Autónoma de Nayarit
Tepic, Nayarit. México
Héctor Vicente Cisneros Chávez
cisneros.chavez@uan.edu.mx
https://orcid.org/0009-0007-0391-9097
Universidad Autónoma de Nayarit
Tepic, Nayarit. México
Gabriel Carrillo Herrera
https://orcid.org/0009-0009-0556-452X
Universidad Autónoma de Nayarit
Tepic, Nayarit. México
Daniel Carrillo Herrera
https://orcid.org/0009-0005-7073-6149
Universidad Autónoma de Nayarit
Tepic, Nayarit. México
RESUMEN
El uso de inteligencia artificial (IA) como herramienta pedagógica en la formación emprendedora
universitaria abre posibilidades para mejorar la calidad de los modelos de negocio elaborados por
estudiantes. Este estudio analizó el impacto de la IA en la optimización de la propuesta de valor y el
posicionamiento de mercado en modelos desarrollados por 103 estudiantes universitarios de Contaduría
y Mercadotecnia, organizados en equipos. La investigación adoptó un enfoque mixto, con diseño no
experimental y transversal. Se aplicó un cuestionario con escala Likert y preguntas abiertas,
complementado con una rúbrica docente. Los resultados muestran mejoras significativas en la claridad
de la propuesta de valor (promedio 3.56), la precisión del segmento de mercado y la coherencia global
del modelo (60% con puntuación máxima). Se concluye que la IA, integrada a un proceso pedagógico
estructurado, fortalece el aprendizaje emprendedor y la calidad de los modelos de negocio estudiantiles.
Palabras clave: emprendimiento universitario; formación emprendedora; herramientas tecnológicas;
inteligencia artificial; modelos de negocio
1 Autor principal
Correspondencia: jluis.hernandez@uan.edu.mx
pág. 654
Artificial Intelligence as a Pedagogical Tool: Impact on Business Models of
University Students
ABSTRACT
Artificial intelligence (AI) as a pedagogical tool in university entrepreneurship education opens
possibilities for improving the quality of business models developed by students. This study analyzed
the impact of AI on the optimization of the value proposition and market positioning in models
developed by 103 university students of Accounting and Marketing, organized in teams. A mixed-
methods approach was adopted with a non-experimental, cross-sectional design. A Likert-scale
questionnaire with open questions and a teacher rubric were applied. Results show significant
improvements in value proposition clarity (mean 3.56), market segment precision, and overall model
coherence (60% with maximum score). It is concluded that AI, integrated into a structured pedagogical
process, strengthens entrepreneurial learning and the quality of student business models.
Keywords: artificial intelligence; business models; entrepreneurship education; technological tools;
university entrepreneurship
Artículo recibido 02 febrero 2026
Aceptado para publicación: 27 febrero 2026
Artificial Intelligence as a Pedagogical Tool: Impact on Business Models of
University Students
ABSTRACT
Artificial intelligence (AI) as a pedagogical tool in university entrepreneurship education opens
possibilities for improving the quality of business models developed by students. This study analyzed
the impact of AI on the optimization of the value proposition and market positioning in models
developed by 103 university students of Accounting and Marketing, organized in teams. A mixed-
methods approach was adopted with a non-experimental, cross-sectional design. A Likert-scale
questionnaire with open questions and a teacher rubric were applied. Results show significant
improvements in value proposition clarity (mean 3.56), market segment precision, and overall model
coherence (60% with maximum score). It is concluded that AI, integrated into a structured pedagogical
process, strengthens entrepreneurial learning and the quality of student business models.
Keywords: artificial intelligence; business models; entrepreneurship education; technological tools;
university entrepreneurship
Artículo recibido 02 febrero 2026
Aceptado para publicación: 27 febrero 2026
pág. 655
INTRODUCCIÓN
La inteligencia artificial (IA) está transformando cómo se diseñan y gestionan los modelos de negocio:
no solo automatiza tareas, también facilita análisis rápidos, detecta oportunidades y sugiere ajustes
estratégicos que mejoran la propuesta de valor de emprendimientos emergentes (Uriarte, 2025). En el
ámbito universitario, su integración como herramienta pedagógica representa una oportunidad para
transformar la enseñanza del emprendimiento: los estudiantes dejan de construir modelos de negocio
solo desde la intuición y acceden a recursos que enriquecen su proceso formativo con información
basada en datos. En contextos de formación profesional, estas herramientas ofrecen a los estudiantes
recursos prácticos para afinar segmentos de cliente, canales y mecanismos de monetización, acelerando
el ciclo de diseño empresarial (Ruiz Cortez, 2025).
El marco conceptual del lienzo de la propuesta de valor sigue siendo útil para organizar la oferta frente
a necesidades concretas; sin embargo, la IA puede enriquecer ese proceso al aportar información más
específica sobre tareas, frustraciones y ganancias del cliente, y al sugerir aliviadores de valor con
evidencia basada en datos (Osterwalder, Pigneur, Bernarda & Smith, 2014). Las revisiones recientes
muestran que la investigación sobre IA y emprendimiento ha madurado rápidamente, identificando
oportunidades para innovación de modelos de negocio, pero también desafíos metodológicos y éticos
que requieren mayor evidencia empírica en contextos educativos y regionales (Fossen, 2024; Uriarte,
2025).
Este estudio analiza cómo la IA impacta la optimización de la propuesta de valor y el posicionamiento
de mercado en modelos de negocio desarrollados por estudiantes universitarios (n = 103) de Contaduría
y Mercadotecnia, organizados en equipos. El propósito es aportar evidencia sobre los cambios concretos
en los bloques del Canvas, especialmente propuesta de valor, segmentos y canales de mercado, cuando
los equipos incorporan recomendaciones generadas por herramientas de IA, y discutir implicaciones
pedagógicas para la formación emprendedora.
Problema de investigación
En los entornos educativos orientados al emprendimiento, los estudiantes suelen construir modelos de
negocio basados en su intuición, referencias parciales del mercado o experiencias previas limitadas. Esto
provoca propuestas de valor imprecisas, poco diferenciadas y con escaso sustento analítico, lo que
INTRODUCCIÓN
La inteligencia artificial (IA) está transformando cómo se diseñan y gestionan los modelos de negocio:
no solo automatiza tareas, también facilita análisis rápidos, detecta oportunidades y sugiere ajustes
estratégicos que mejoran la propuesta de valor de emprendimientos emergentes (Uriarte, 2025). En el
ámbito universitario, su integración como herramienta pedagógica representa una oportunidad para
transformar la enseñanza del emprendimiento: los estudiantes dejan de construir modelos de negocio
solo desde la intuición y acceden a recursos que enriquecen su proceso formativo con información
basada en datos. En contextos de formación profesional, estas herramientas ofrecen a los estudiantes
recursos prácticos para afinar segmentos de cliente, canales y mecanismos de monetización, acelerando
el ciclo de diseño empresarial (Ruiz Cortez, 2025).
El marco conceptual del lienzo de la propuesta de valor sigue siendo útil para organizar la oferta frente
a necesidades concretas; sin embargo, la IA puede enriquecer ese proceso al aportar información más
específica sobre tareas, frustraciones y ganancias del cliente, y al sugerir aliviadores de valor con
evidencia basada en datos (Osterwalder, Pigneur, Bernarda & Smith, 2014). Las revisiones recientes
muestran que la investigación sobre IA y emprendimiento ha madurado rápidamente, identificando
oportunidades para innovación de modelos de negocio, pero también desafíos metodológicos y éticos
que requieren mayor evidencia empírica en contextos educativos y regionales (Fossen, 2024; Uriarte,
2025).
Este estudio analiza cómo la IA impacta la optimización de la propuesta de valor y el posicionamiento
de mercado en modelos de negocio desarrollados por estudiantes universitarios (n = 103) de Contaduría
y Mercadotecnia, organizados en equipos. El propósito es aportar evidencia sobre los cambios concretos
en los bloques del Canvas, especialmente propuesta de valor, segmentos y canales de mercado, cuando
los equipos incorporan recomendaciones generadas por herramientas de IA, y discutir implicaciones
pedagógicas para la formación emprendedora.
Problema de investigación
En los entornos educativos orientados al emprendimiento, los estudiantes suelen construir modelos de
negocio basados en su intuición, referencias parciales del mercado o experiencias previas limitadas. Esto
provoca propuestas de valor imprecisas, poco diferenciadas y con escaso sustento analítico, lo que
pág. 656
termina afectando su capacidad para posicionarse de manera efectiva en segmentos competitivos. La
incorporación de herramientas de inteligencia artificial (IA) podría reducir estas limitaciones al ofrecer
información clara sobre clientes, necesidades, tendencias y patrones de consumo, pero aún no existe
evidencia suficiente sobre cómo esta tecnología transforma el diseño de modelos de negocio elaborados
por estudiantes.
Aunque la literatura muestra que la IA mejora decisiones estratégicas en sectores empresariales, su
impacto directo en el proceso formativo del diseño de propuestas de valor sigue poco explorado,
especialmente en universidades latinoamericanas. Esto genera un vacío sobre la forma en que la IA
influye en la precisión de los elementos clave del Modelo de Negocio Canvas, particularmente en
bloques como segmento de clientes, propuesta de valor y canales. Investigaciones recientes sugieren
que la calidad de un modelo de negocio se incrementa cuando las decisiones se apoyan en datos
generados por algoritmos inteligentes (Dwivedi et al., 2023), lo que abre la necesidad de evaluar si este
efecto también se observa en proyectos emprendedores realizados por estudiantes.
En este contexto, surge la necesidad de analizar si la utilización de IA contribuye realmente a mejorar
la solidez y el posicionamiento de los modelos de negocio creados por equipos estudiantiles de distintas
disciplinas, como Contaduría y Mercadotecnia. Dado que estos grupos enfrentan retos para identificar
necesidades reales del mercado, definir propuestas de valor coherentes o plantear estrategias
competitivas, resulta fundamental determinar si la IA actúa como un recurso que corrige, orienta o
amplifica sus decisiones.
Referente teórico
La integración de la inteligencia artificial (IA) en los procesos formativos relacionados con el
emprendimiento ha modificado la forma en que los estudiantes diseñan y validan sus ideas de negocio.
El uso de herramientas capaces de analizar información, generar alternativas y automatizar tareas
permite trabajar con mayor precisión y desarrollar modelos más cercanos a las necesidades reales del
mercado.
La IA se ha convertido en un elemento clave para la innovación empresarial, ya que facilita la
personalización, la toma de decisiones basada en datos y la optimización de procesos estratégicos. En
áreas como marketing, ventas y diseño, la automatización y el análisis de información permiten crear
termina afectando su capacidad para posicionarse de manera efectiva en segmentos competitivos. La
incorporación de herramientas de inteligencia artificial (IA) podría reducir estas limitaciones al ofrecer
información clara sobre clientes, necesidades, tendencias y patrones de consumo, pero aún no existe
evidencia suficiente sobre cómo esta tecnología transforma el diseño de modelos de negocio elaborados
por estudiantes.
Aunque la literatura muestra que la IA mejora decisiones estratégicas en sectores empresariales, su
impacto directo en el proceso formativo del diseño de propuestas de valor sigue poco explorado,
especialmente en universidades latinoamericanas. Esto genera un vacío sobre la forma en que la IA
influye en la precisión de los elementos clave del Modelo de Negocio Canvas, particularmente en
bloques como segmento de clientes, propuesta de valor y canales. Investigaciones recientes sugieren
que la calidad de un modelo de negocio se incrementa cuando las decisiones se apoyan en datos
generados por algoritmos inteligentes (Dwivedi et al., 2023), lo que abre la necesidad de evaluar si este
efecto también se observa en proyectos emprendedores realizados por estudiantes.
En este contexto, surge la necesidad de analizar si la utilización de IA contribuye realmente a mejorar
la solidez y el posicionamiento de los modelos de negocio creados por equipos estudiantiles de distintas
disciplinas, como Contaduría y Mercadotecnia. Dado que estos grupos enfrentan retos para identificar
necesidades reales del mercado, definir propuestas de valor coherentes o plantear estrategias
competitivas, resulta fundamental determinar si la IA actúa como un recurso que corrige, orienta o
amplifica sus decisiones.
Referente teórico
La integración de la inteligencia artificial (IA) en los procesos formativos relacionados con el
emprendimiento ha modificado la forma en que los estudiantes diseñan y validan sus ideas de negocio.
El uso de herramientas capaces de analizar información, generar alternativas y automatizar tareas
permite trabajar con mayor precisión y desarrollar modelos más cercanos a las necesidades reales del
mercado.
La IA se ha convertido en un elemento clave para la innovación empresarial, ya que facilita la
personalización, la toma de decisiones basada en datos y la optimización de procesos estratégicos. En
áreas como marketing, ventas y diseño, la automatización y el análisis de información permiten crear
pág. 657
propuestas de valor más definidas y competitivas, lo que genera nuevas oportunidades de aprendizaje
para quienes buscan emprender (Mendoza Arce et al., 2024). Estos aportes respaldan la importancia de
incorporar herramientas de IA en la formación universitaria.
Dentro de un modelo de negocio, la propuesta de valor define el propósito del emprendimiento y explica
cómo se atiende una necesidad específica del cliente. Su diseño exige identificar tareas, expectativas y
dificultades del segmento al que va dirigida la solución. Con apoyo de la IA, los estudiantes pueden
analizar grandes volúmenes de información, identificar patrones y validar ideas en menos tiempo, lo que
facilita construir soluciones más diferenciadas y pertinentes.
La literatura reciente indica que la IA mejora la eficiencia operativa y la precisión analítica de las
empresas. En el caso de las PYMES, su uso ha reducido errores, liberado recursos clave y fortalecido
procesos como la proyección financiera o la atención al cliente (Ruiz Cortez, 2025). Estos beneficios
muestran que la IA puede aportar claridad al modelo de negocio y fortalecer la propuesta de valor desde
las primeras etapas del emprendimiento.
Otro aspecto relevante es la capacidad de la IA para automatizar tareas que antes requerían más tiempo
o conocimientos especializados. Las herramientas actuales permiten generar perfiles de clientes,
prototipos, comparaciones y análisis competitivos de manera ágil. Este apoyo tecnológico amplía el
margen creativo de los estudiantes y les permite concentrarse en decisiones estratégicas de mayor
profundidad.
La evidencia también muestra que las organizaciones que incorporan IA obtienen ventajas competitivas
al incrementar su productividad y mejorar la calidad de sus servicios. La automatización del análisis y
la capacidad de anticipar tendencias se han vuelto elementos centrales para sostener la innovación,
especialmente en mercados dinámicos y con alta competencia (Calle García et al., 2024). Para los
estudiantes, este escenario representa una oportunidad para aprender con herramientas que ya forman
parte del entorno empresarial.
El uso de IA también presenta retos éticos y de gestión, ya que su implementación exige considerar
asuntos relacionados con privacidad, sesgos y responsabilidad digital. Investigaciones recientes señalan
que empresas y usuarios manifiestan preocupación por la protección de datos y la confiabilidad de la
información generada por sistemas automatizados (Sansores Guerrero et al., 2025). Esto obliga a incluir
propuestas de valor más definidas y competitivas, lo que genera nuevas oportunidades de aprendizaje
para quienes buscan emprender (Mendoza Arce et al., 2024). Estos aportes respaldan la importancia de
incorporar herramientas de IA en la formación universitaria.
Dentro de un modelo de negocio, la propuesta de valor define el propósito del emprendimiento y explica
cómo se atiende una necesidad específica del cliente. Su diseño exige identificar tareas, expectativas y
dificultades del segmento al que va dirigida la solución. Con apoyo de la IA, los estudiantes pueden
analizar grandes volúmenes de información, identificar patrones y validar ideas en menos tiempo, lo que
facilita construir soluciones más diferenciadas y pertinentes.
La literatura reciente indica que la IA mejora la eficiencia operativa y la precisión analítica de las
empresas. En el caso de las PYMES, su uso ha reducido errores, liberado recursos clave y fortalecido
procesos como la proyección financiera o la atención al cliente (Ruiz Cortez, 2025). Estos beneficios
muestran que la IA puede aportar claridad al modelo de negocio y fortalecer la propuesta de valor desde
las primeras etapas del emprendimiento.
Otro aspecto relevante es la capacidad de la IA para automatizar tareas que antes requerían más tiempo
o conocimientos especializados. Las herramientas actuales permiten generar perfiles de clientes,
prototipos, comparaciones y análisis competitivos de manera ágil. Este apoyo tecnológico amplía el
margen creativo de los estudiantes y les permite concentrarse en decisiones estratégicas de mayor
profundidad.
La evidencia también muestra que las organizaciones que incorporan IA obtienen ventajas competitivas
al incrementar su productividad y mejorar la calidad de sus servicios. La automatización del análisis y
la capacidad de anticipar tendencias se han vuelto elementos centrales para sostener la innovación,
especialmente en mercados dinámicos y con alta competencia (Calle García et al., 2024). Para los
estudiantes, este escenario representa una oportunidad para aprender con herramientas que ya forman
parte del entorno empresarial.
El uso de IA también presenta retos éticos y de gestión, ya que su implementación exige considerar
asuntos relacionados con privacidad, sesgos y responsabilidad digital. Investigaciones recientes señalan
que empresas y usuarios manifiestan preocupación por la protección de datos y la confiabilidad de la
información generada por sistemas automatizados (Sansores Guerrero et al., 2025). Esto obliga a incluir
pág. 658
contenidos éticos y normativos al enseñar el diseño de modelos de negocio.
Desde el campo de la pedagogía, el uso de la IA en el aula se inscribe en los principios del aprendizaje
activo y el aprendizaje basado en proyectos (ABP), enfoques que promueven la construcción del
conocimiento a través de la experiencia, la resolución de problemas reales y la toma de decisiones
fundamentadas (Kolb, 1984; Thomas, 2000). En estos marcos, la tecnología no actúa como sustituto del
docente ni del pensamiento crítico del estudiante, sino como un mediador que amplía las posibilidades
de exploración e iteración durante el proceso de diseño. La IA, en este sentido, se convierte en una
herramienta de andamiaje cognitivo que apoya al estudiante en la zona de desarrollo próximo descrita
por Vygotsky (1978), facilitando que alcance niveles de análisis y estructuración que de otro modo
requerirían mayor experiencia o tiempo. La incorporación de estas herramientas en la formación
emprendedora universitaria no es, por tanto, un recurso instrumental, sino una decisión pedagógica con
implicaciones directas en la calidad y profundidad del aprendizaje.
La propuesta de valor en el emprendimiento universitario se fortalece cuando se integran tecnologías
que apoyan la exploración, el análisis y la validación de ideas. La IA no sustituye la creatividad del
estudiante, pero sí potencia su capacidad para estructurar soluciones con mayor fundamento. Con este
tipo de herramientas, el trabajo académico deja de depender únicamente de la intuición y se convierte
en un ejercicio riguroso donde los datos, la experimentación y el pensamiento crítico permiten construir
modelos de negocio más sólidos y orientados al mercado.
Objetivo
Analizar el impacto de la inteligencia artificial como herramienta pedagógica en la optimización de la
propuesta de valor y en la mejora del posicionamiento de mercado en modelos de negocio desarrollados
por estudiantes universitarios
METODOLOGÍA
Enfoque de investigación
El estudio se desarrolló bajo un enfoque mixto, integrando datos cuantitativos obtenidos mediante un
cuestionario estructurado y la rúbrica docente, junto con información cualitativa derivada de preguntas
abiertas y de la valoración realizada por profesores especialistas. Esta combinación permitió analizar
tendencias numéricas y, al mismo tiempo, comprender las percepciones y argumentos de los
contenidos éticos y normativos al enseñar el diseño de modelos de negocio.
Desde el campo de la pedagogía, el uso de la IA en el aula se inscribe en los principios del aprendizaje
activo y el aprendizaje basado en proyectos (ABP), enfoques que promueven la construcción del
conocimiento a través de la experiencia, la resolución de problemas reales y la toma de decisiones
fundamentadas (Kolb, 1984; Thomas, 2000). En estos marcos, la tecnología no actúa como sustituto del
docente ni del pensamiento crítico del estudiante, sino como un mediador que amplía las posibilidades
de exploración e iteración durante el proceso de diseño. La IA, en este sentido, se convierte en una
herramienta de andamiaje cognitivo que apoya al estudiante en la zona de desarrollo próximo descrita
por Vygotsky (1978), facilitando que alcance niveles de análisis y estructuración que de otro modo
requerirían mayor experiencia o tiempo. La incorporación de estas herramientas en la formación
emprendedora universitaria no es, por tanto, un recurso instrumental, sino una decisión pedagógica con
implicaciones directas en la calidad y profundidad del aprendizaje.
La propuesta de valor en el emprendimiento universitario se fortalece cuando se integran tecnologías
que apoyan la exploración, el análisis y la validación de ideas. La IA no sustituye la creatividad del
estudiante, pero sí potencia su capacidad para estructurar soluciones con mayor fundamento. Con este
tipo de herramientas, el trabajo académico deja de depender únicamente de la intuición y se convierte
en un ejercicio riguroso donde los datos, la experimentación y el pensamiento crítico permiten construir
modelos de negocio más sólidos y orientados al mercado.
Objetivo
Analizar el impacto de la inteligencia artificial como herramienta pedagógica en la optimización de la
propuesta de valor y en la mejora del posicionamiento de mercado en modelos de negocio desarrollados
por estudiantes universitarios
METODOLOGÍA
Enfoque de investigación
El estudio se desarrolló bajo un enfoque mixto, integrando datos cuantitativos obtenidos mediante un
cuestionario estructurado y la rúbrica docente, junto con información cualitativa derivada de preguntas
abiertas y de la valoración realizada por profesores especialistas. Esta combinación permitió analizar
tendencias numéricas y, al mismo tiempo, comprender las percepciones y argumentos de los
pág. 659
participantes respecto al uso de inteligencia artificial en el diseño del modelo de negocio. El empleo de
este enfoque resultó pertinente debido a que el fenómeno requiere examinar modificaciones en el
contenido del Canvas y valorar la experiencia formativa vinculada con el uso de herramientas
tecnológicas.
Tipo y diseño de investigación
La investigación fue de tipo descriptivo y comparativo, orientada a identificar diferencias entre el
Modelo de Negocio Canvas elaborado antes del uso de IA y la versión ajustada con apoyo tecnológico.
El diseño adoptado fue no experimental, transversal y de carácter observacional, pues no se intervinieron
las variables del proceso; se documentó el trabajo auténtico de los estudiantes dentro de una actividad
académica regular. Este diseño permitió analizar los efectos del uso de IA en un momento específico
del curso, preservando las condiciones reales en las que los equipos desarrollaron sus modelos.
Población y muestra
La población estuvo integrada por 103 estudiantes del área económico-administrativa: 81 pertenecientes
a la Licenciatura en Contaduría (5.º semestre) y 22 de la Licenciatura en Mercadotecnia (7.º semestre).
Los participantes elaboraron sus modelos de negocio en equipos de dos a cuatro integrantes. La muestra
correspondiente al análisis cuantitativo quedó conformada por 22 equipos que respondieron en su
totalidad el cuestionario. Para el análisis cualitativo y la revisión mediante rúbrica, se consideraron todos
los proyectos finales entregados por los estudiantes.
Técnicas e instrumentos de recolección
Se utilizaron dos instrumentos centrales. El primero fue un cuestionario mixto organizado en tres
secciones: datos generales, impacto de la IA en la propuesta de valor e impacto en el posicionamiento
de mercado. Incluyó reactivos con escala Likert de cinco niveles y preguntas abiertas dirigidas a conocer
la experiencia de los participantes. El segundo instrumento correspondió a una rúbrica docente aplicada
por profesores del área económico-administrativa, quienes evaluaron los modelos finales considerando
cuatro criterios: claridad de la propuesta de valor, precisión del segmento de mercado, análisis de la
competencia y coherencia global del modelo. La combinación de ambos instrumentos aseguró la
obtención de información complementaria para robustecer el análisis.
participantes respecto al uso de inteligencia artificial en el diseño del modelo de negocio. El empleo de
este enfoque resultó pertinente debido a que el fenómeno requiere examinar modificaciones en el
contenido del Canvas y valorar la experiencia formativa vinculada con el uso de herramientas
tecnológicas.
Tipo y diseño de investigación
La investigación fue de tipo descriptivo y comparativo, orientada a identificar diferencias entre el
Modelo de Negocio Canvas elaborado antes del uso de IA y la versión ajustada con apoyo tecnológico.
El diseño adoptado fue no experimental, transversal y de carácter observacional, pues no se intervinieron
las variables del proceso; se documentó el trabajo auténtico de los estudiantes dentro de una actividad
académica regular. Este diseño permitió analizar los efectos del uso de IA en un momento específico
del curso, preservando las condiciones reales en las que los equipos desarrollaron sus modelos.
Población y muestra
La población estuvo integrada por 103 estudiantes del área económico-administrativa: 81 pertenecientes
a la Licenciatura en Contaduría (5.º semestre) y 22 de la Licenciatura en Mercadotecnia (7.º semestre).
Los participantes elaboraron sus modelos de negocio en equipos de dos a cuatro integrantes. La muestra
correspondiente al análisis cuantitativo quedó conformada por 22 equipos que respondieron en su
totalidad el cuestionario. Para el análisis cualitativo y la revisión mediante rúbrica, se consideraron todos
los proyectos finales entregados por los estudiantes.
Técnicas e instrumentos de recolección
Se utilizaron dos instrumentos centrales. El primero fue un cuestionario mixto organizado en tres
secciones: datos generales, impacto de la IA en la propuesta de valor e impacto en el posicionamiento
de mercado. Incluyó reactivos con escala Likert de cinco niveles y preguntas abiertas dirigidas a conocer
la experiencia de los participantes. El segundo instrumento correspondió a una rúbrica docente aplicada
por profesores del área económico-administrativa, quienes evaluaron los modelos finales considerando
cuatro criterios: claridad de la propuesta de valor, precisión del segmento de mercado, análisis de la
competencia y coherencia global del modelo. La combinación de ambos instrumentos aseguró la
obtención de información complementaria para robustecer el análisis.
pág. 660
Procedimiento
El estudio se organizó en cuatro fases. La primera consistió en una sesión introductoria sobre el Modelo
de Negocio Canvas y la formulación de propuestas de valor. En la segunda, los equipos elaboraron un
Canvas inicial sin apoyo tecnológico. La tercera fase incorporó el uso de herramientas de inteligencia
artificial para ajustar la propuesta de valor, la segmentación y la estrategia de posicionamiento. En la
cuarta fase, los equipos desarrollaron la versión final del Canvas, respondieron el cuestionario y sus
proyectos fueron evaluados mediante la rúbrica docente. Todas las actividades formaron parte de la
programación habitual del curso.
Análisis de datos
Los datos cuantitativos se procesaron mediante estadística descriptiva, considerando frecuencias,
porcentajes, promedios y comparaciones directas entre el Canvas inicial y el final. En la rúbrica se
revisaron las puntuaciones por criterio, identificando patrones comunes de mejora en los modelos
presentados. En el análisis cualitativo, se elaboró una categorización temática de las respuestas abiertas
con el propósito de identificar las recomendaciones de IA consideradas más útiles, las dificultades
encontradas y los elementos modificados en la propuesta de valor. Ambos conjuntos de información se
integraron mediante triangulación con el fin de construir una interpretación más amplia sobre el impacto
de la IA en los modelos de negocio diseñados por los estudiantes.
RESULTADOS Y DISCUSIONES
Resultados
Los resultados muestran que la mayoría de los participantes consultó la IA en múltiples ocasiones para
ajustar su Propuesta de Valor y Segmento de Mercado. Un aspecto relevante es determinar: ¿con qué
frecuencia recurrieron los estudiantes a la IA y qué tan central fue este apoyo en la mejora del Canvas?
Como se muestra en la tabla 1, los datos indican que el 43.75% la consultó más de cinco veces, mientras
que el 37.5% lo hizo entre tres y cinco ocasiones, evidenciando un uso recurrente y estratégico de la
herramienta
.
Procedimiento
El estudio se organizó en cuatro fases. La primera consistió en una sesión introductoria sobre el Modelo
de Negocio Canvas y la formulación de propuestas de valor. En la segunda, los equipos elaboraron un
Canvas inicial sin apoyo tecnológico. La tercera fase incorporó el uso de herramientas de inteligencia
artificial para ajustar la propuesta de valor, la segmentación y la estrategia de posicionamiento. En la
cuarta fase, los equipos desarrollaron la versión final del Canvas, respondieron el cuestionario y sus
proyectos fueron evaluados mediante la rúbrica docente. Todas las actividades formaron parte de la
programación habitual del curso.
Análisis de datos
Los datos cuantitativos se procesaron mediante estadística descriptiva, considerando frecuencias,
porcentajes, promedios y comparaciones directas entre el Canvas inicial y el final. En la rúbrica se
revisaron las puntuaciones por criterio, identificando patrones comunes de mejora en los modelos
presentados. En el análisis cualitativo, se elaboró una categorización temática de las respuestas abiertas
con el propósito de identificar las recomendaciones de IA consideradas más útiles, las dificultades
encontradas y los elementos modificados en la propuesta de valor. Ambos conjuntos de información se
integraron mediante triangulación con el fin de construir una interpretación más amplia sobre el impacto
de la IA en los modelos de negocio diseñados por los estudiantes.
RESULTADOS Y DISCUSIONES
Resultados
Los resultados muestran que la mayoría de los participantes consultó la IA en múltiples ocasiones para
ajustar su Propuesta de Valor y Segmento de Mercado. Un aspecto relevante es determinar: ¿con qué
frecuencia recurrieron los estudiantes a la IA y qué tan central fue este apoyo en la mejora del Canvas?
Como se muestra en la tabla 1, los datos indican que el 43.75% la consultó más de cinco veces, mientras
que el 37.5% lo hizo entre tres y cinco ocasiones, evidenciando un uso recurrente y estratégico de la
herramienta
.
pág. 661
Figura 1 Elaboración Propia
El cuestionario mostró un promedio general de 3.54 en el impacto de la IA sobre la Propuesta de Valor,
lo cual evidencia una tendencia favorable hacia la identificación de beneficios diferenciadores en los
proyectos. Surge aquí una pregunta clave: ¿en qué medida la IA permitió detectar atributos que los
estudiantes no consideraban en la versión inicial del Canvas? Por ejemplo, la afirmación “La IA me
ayudó a identificar un beneficio único que no había considerado inicialmente” obtuvo un promedio de
3.5, con 56.26% de respuestas entre “de acuerdo” y “totalmente de acuerdo”
Tabla 1. Elaboración propia
Ítem evaluado Promedio
Identificación de beneficios diferenciadores 3.50
Claridad de la propuesta de valor 3.56
Ajuste entre problema y solución 3.63
Los resultados del instrumento indican avances importantes en la precisión del público objetivo. Para
responder a la pregunta ¿qué tanto se refinó la segmentación gracias al apoyo de IA?, la rúbrica docente
muestra puntuaciones altas: 40% de los proyectos obtuvo calificaciones de 10 (ultra-segmentado y
coherente), seguido por 20% con 9 y otro 20% con 8.
Esto sugiere que la IA contribuyó a describir nichos más específicos y mejor alineados con la propuesta
de valor. Las justificaciones del profesorado coinciden en señalar coherencia entre segmento, canales y
posicionamiento, aunque algunos casos aún requieren ampliación del mercado objetivo.
Figura 1 Elaboración Propia
El cuestionario mostró un promedio general de 3.54 en el impacto de la IA sobre la Propuesta de Valor,
lo cual evidencia una tendencia favorable hacia la identificación de beneficios diferenciadores en los
proyectos. Surge aquí una pregunta clave: ¿en qué medida la IA permitió detectar atributos que los
estudiantes no consideraban en la versión inicial del Canvas? Por ejemplo, la afirmación “La IA me
ayudó a identificar un beneficio único que no había considerado inicialmente” obtuvo un promedio de
3.5, con 56.26% de respuestas entre “de acuerdo” y “totalmente de acuerdo”
Tabla 1. Elaboración propia
Ítem evaluado Promedio
Identificación de beneficios diferenciadores 3.50
Claridad de la propuesta de valor 3.56
Ajuste entre problema y solución 3.63
Los resultados del instrumento indican avances importantes en la precisión del público objetivo. Para
responder a la pregunta ¿qué tanto se refinó la segmentación gracias al apoyo de IA?, la rúbrica docente
muestra puntuaciones altas: 40% de los proyectos obtuvo calificaciones de 10 (ultra-segmentado y
coherente), seguido por 20% con 9 y otro 20% con 8.
Esto sugiere que la IA contribuyó a describir nichos más específicos y mejor alineados con la propuesta
de valor. Las justificaciones del profesorado coinciden en señalar coherencia entre segmento, canales y
posicionamiento, aunque algunos casos aún requieren ampliación del mercado objetivo.
pág. 662
Figura 2 Elaboración Propia
La rúbrica docente revela que los estudiantes fortalecieron el análisis competitivo: 80% de los proyectos
se ubicó entre niveles estratégico (8) y óptimo (10) según la escala diseñada. Este resultado responde a
la pregunta: ¿la IA apoyó a los equipos para distinguir adecuadamente su diferenciador frente a la
competencia?
Las observaciones cualitativas destacan que los equipos mejoraron la comparación de su propuesta con
ofertas similares, ampliaron categorías de análisis y, en algunos casos, incorporaron elementos
relacionados con satisfacción del cliente.
Tabla 2 Elaboración Propia
Tabla de Puntuaciones de análisis de competencia
Criterio evaluado Puntaje (0-10) Descripción del nivel
Identificación de competidores
directos
8-10 Estratégico a óptimo: comparación amplia e
incorporación de satisfacción del cliente
Diferenciación frente a la
competencia
8-10 Los equipos identificaron atributos únicos
apoyados por recomendaciones de IA
Análisis de ventajas competitivas 8-9 80% de proyectos en nivel estratégico o superior
Categorías de análisis utilizadas Variado Algunos equipos ampliaron a elementos
relacionados con experiencia del cliente
El criterio de coherencia interna del Canvas registró el puntaje más alto de toda la rúbrica: 60% de los
modelos obtuvo la calificación máxima (10) y el resto se concentró entre 7 y 8 puntos. Esto plantea la
reflexión: ¿qué elementos del modelo se integraron de manera más consistente tras el uso de IA?
Figura 2 Elaboración Propia
La rúbrica docente revela que los estudiantes fortalecieron el análisis competitivo: 80% de los proyectos
se ubicó entre niveles estratégico (8) y óptimo (10) según la escala diseñada. Este resultado responde a
la pregunta: ¿la IA apoyó a los equipos para distinguir adecuadamente su diferenciador frente a la
competencia?
Las observaciones cualitativas destacan que los equipos mejoraron la comparación de su propuesta con
ofertas similares, ampliaron categorías de análisis y, en algunos casos, incorporaron elementos
relacionados con satisfacción del cliente.
Tabla 2 Elaboración Propia
Tabla de Puntuaciones de análisis de competencia
Criterio evaluado Puntaje (0-10) Descripción del nivel
Identificación de competidores
directos
8-10 Estratégico a óptimo: comparación amplia e
incorporación de satisfacción del cliente
Diferenciación frente a la
competencia
8-10 Los equipos identificaron atributos únicos
apoyados por recomendaciones de IA
Análisis de ventajas competitivas 8-9 80% de proyectos en nivel estratégico o superior
Categorías de análisis utilizadas Variado Algunos equipos ampliaron a elementos
relacionados con experiencia del cliente
El criterio de coherencia interna del Canvas registró el puntaje más alto de toda la rúbrica: 60% de los
modelos obtuvo la calificación máxima (10) y el resto se concentró entre 7 y 8 puntos. Esto plantea la
reflexión: ¿qué elementos del modelo se integraron de manera más consistente tras el uso de IA?
pág. 663
Los evaluadores mencionan claridad en la estructura, congruencia narrativa y mejor alineación entre
propuesta de valor, segmentos, actividades clave y fuentes de ingresos.
Figura 3 Elaboración Propia
El análisis cualitativo permite responder una pregunta central: ¿qué dificultades o beneficios percibieron
los estudiantes al interactuar con la IA? Las respuestas muestran beneficios recurrentes, como mayor
claridad para ajustar la propuesta de valor, apoyo en la comparación con la competencia y sugerencias
estratégicas que fortalecieron la toma de decisiones en cada proyecto.
También se identifican dificultades inculadas con la calidad y precisión de la información generada:
algunos estudiantes recibieron datos generales o desactualizados, notaron la necesidad de formular
preguntas con exactitud y señalaron la ausencia de información específica o local. Estas percepciones
se reflejan en comentarios como: “A veces daba información muy general y me hubiera gustado que
identificara datos más específicos” o “era necesario ser muy preciso para obtener la respuesta
adecuada”.
Los evaluadores mencionan claridad en la estructura, congruencia narrativa y mejor alineación entre
propuesta de valor, segmentos, actividades clave y fuentes de ingresos.
Figura 3 Elaboración Propia
El análisis cualitativo permite responder una pregunta central: ¿qué dificultades o beneficios percibieron
los estudiantes al interactuar con la IA? Las respuestas muestran beneficios recurrentes, como mayor
claridad para ajustar la propuesta de valor, apoyo en la comparación con la competencia y sugerencias
estratégicas que fortalecieron la toma de decisiones en cada proyecto.
También se identifican dificultades inculadas con la calidad y precisión de la información generada:
algunos estudiantes recibieron datos generales o desactualizados, notaron la necesidad de formular
preguntas con exactitud y señalaron la ausencia de información específica o local. Estas percepciones
se reflejan en comentarios como: “A veces daba información muy general y me hubiera gustado que
identificara datos más específicos” o “era necesario ser muy preciso para obtener la respuesta
adecuada”.
pág. 664
Tabla 3 Elaboración Propia
Tabla de Categorías cualitativas de comentarios estudiantiles
Categoría Subcategoría Ejemplo de comentario estudiantil
Beneficios percibidos Claridad de la propuesta "Me ayudó a organizar mejor mis ideas y
encontrar un diferenciador claro"
Beneficios percibidos Apoyo competitivo "Pude comparar mi propuesta con competidores
que no había considerado"
Beneficios percibidos Toma de decisiones "Las sugerencias me orientaron hacia las
necesidades reales del cliente"
Dificultades encontradas Generalidad de
respuestas
"A veces daba información muy general y me
hubiera gustado datos más específicos"
Dificultades encontradas Precisión del prompt "Era necesario ser muy preciso para obtener la
respuesta adecuada"
Dificultades encontradas Datos desactualizados "En algunos casos la información no era
hiperlocal ni actualizada"
La triangulación del cuestionario, la rúbrica docente y los comentarios abiertos muestra un patrón claro:
los cambios más significativos ocurrieron en la Propuesta de Valor, el Segmento de Mercado y el
Análisis de la Competencia, precisamente las áreas donde los estudiantes consultaron con mayor
frecuencia la IA. Este apoyo tecnológico favoreció modelos más coherentes y estratégicos, lo cual se
refleja en las puntuaciones elevadas obtenidas. Las dificultades señaladas por los propios estudiantes
ayudan a entender por qué algunos proyectos no alcanzaron mayor precisión, subrayando el peso que
tiene la calidad de las consultas que formulan al interactuar con la herramienta.
Discusión
Los resultados muestran que la inteligencia artificial fortaleció de forma clara la construcción de la
propuesta de valor, ya que ayudó a los estudiantes a ordenar sus ideas, precisar beneficios y dar mayor
solidez a sus planteamientos. Esto coincide con Fox et al. (2025), quienes plantean que la IA actúa como
un copiloto dinámico en la educación emprendedora, apoyando al estudiante en diferentes fases de la
Tabla 3 Elaboración Propia
Tabla de Categorías cualitativas de comentarios estudiantiles
Categoría Subcategoría Ejemplo de comentario estudiantil
Beneficios percibidos Claridad de la propuesta "Me ayudó a organizar mejor mis ideas y
encontrar un diferenciador claro"
Beneficios percibidos Apoyo competitivo "Pude comparar mi propuesta con competidores
que no había considerado"
Beneficios percibidos Toma de decisiones "Las sugerencias me orientaron hacia las
necesidades reales del cliente"
Dificultades encontradas Generalidad de
respuestas
"A veces daba información muy general y me
hubiera gustado datos más específicos"
Dificultades encontradas Precisión del prompt "Era necesario ser muy preciso para obtener la
respuesta adecuada"
Dificultades encontradas Datos desactualizados "En algunos casos la información no era
hiperlocal ni actualizada"
La triangulación del cuestionario, la rúbrica docente y los comentarios abiertos muestra un patrón claro:
los cambios más significativos ocurrieron en la Propuesta de Valor, el Segmento de Mercado y el
Análisis de la Competencia, precisamente las áreas donde los estudiantes consultaron con mayor
frecuencia la IA. Este apoyo tecnológico favoreció modelos más coherentes y estratégicos, lo cual se
refleja en las puntuaciones elevadas obtenidas. Las dificultades señaladas por los propios estudiantes
ayudan a entender por qué algunos proyectos no alcanzaron mayor precisión, subrayando el peso que
tiene la calidad de las consultas que formulan al interactuar con la herramienta.
Discusión
Los resultados muestran que la inteligencia artificial fortaleció de forma clara la construcción de la
propuesta de valor, ya que ayudó a los estudiantes a ordenar sus ideas, precisar beneficios y dar mayor
solidez a sus planteamientos. Esto coincide con Fox et al. (2025), quienes plantean que la IA actúa como
un copiloto dinámico en la educación emprendedora, apoyando al estudiante en diferentes fases de la
pág. 665
tarea de aprendizaje sin sustituir su rol activo dentro del proceso. Las mejoras entre el Canvas inicial y
el final confirman que la herramienta funcionó como un apoyo real en el proceso formativo.
La literatura también indica que la IA impulsa la innovación y facilita la estructuración estratégica
mediante análisis y recomendaciones que enriquecen tanto la propuesta de valor como la comprensión
del mercado (Torres Rivera & Díaz-Torres, 2020). En este estudio, este efecto se evidenció en el uso
reiterado de la herramienta para reorganizar conceptos y orientar decisiones hacia las necesidades del
cliente. Además, los comentarios cualitativos muestran que la IA permitió explorar ideas nuevas y
enfoques con mayor sentido formativo.
Desde la evaluación docente, la mayoría de los equipos alcanzó niveles altos en coherencia y precisión,
lo que sugiere que la IA no sólo apoyó la ideación, sino también la consolidación del modelo de negocio.
Esto coincide con Somià y Vecchiarini (2024), quienes encontraron que el uso de ChatGPT en cursos
de emprendimiento no solo favoreció la generación de ideas, sino también el desarrollo y consolidación
de competencias emprendedoras en estudiantes universitarios, especialmente cuando la herramienta se
integró junto con métodos no basados en IA. La combinación entre el trabajo estudiantil, la tecnología
y la retroalimentación experta permitió construir modelos mejor fundamentados.
Sin embargo, también se detectaron limitaciones vinculadas a la calidad de los prompts. Cuando las
solicitudes fueron poco precisas, las respuestas resultaron generales o ambiguas. Esta situación refuerza
la necesidad de fortalecer habilidades críticas para interactuar con la IA, especialmente en segmentación
y análisis competitivo. Los resultados muestran que la precisión del input determinó la profundidad de
las propuestas, haciendo evidente el papel del criterio experto en la interpretación y ajuste de la
información generada.
Estudios recientes señalan que la IA puede impulsar modelos de negocio más robustos, siempre que
exista acompañamiento docente que evite dependencias o interpretaciones superficiales (Mendoza Arce
et al., 2024). Este estudio confirma esa tendencia: la IA fortaleció la claridad, la estructura y el
posicionamiento de los proyectos, pero los mejores resultados surgieron cuando los estudiantes
combinaron la herramienta con análisis propio y retroalimentación académica. En conjunto, se
demuestra que la IA, integrada a un proceso pedagógico bien diseñado, puede enriquecer de manera
sustantiva el aprendizaje emprendedor.
tarea de aprendizaje sin sustituir su rol activo dentro del proceso. Las mejoras entre el Canvas inicial y
el final confirman que la herramienta funcionó como un apoyo real en el proceso formativo.
La literatura también indica que la IA impulsa la innovación y facilita la estructuración estratégica
mediante análisis y recomendaciones que enriquecen tanto la propuesta de valor como la comprensión
del mercado (Torres Rivera & Díaz-Torres, 2020). En este estudio, este efecto se evidenció en el uso
reiterado de la herramienta para reorganizar conceptos y orientar decisiones hacia las necesidades del
cliente. Además, los comentarios cualitativos muestran que la IA permitió explorar ideas nuevas y
enfoques con mayor sentido formativo.
Desde la evaluación docente, la mayoría de los equipos alcanzó niveles altos en coherencia y precisión,
lo que sugiere que la IA no sólo apoyó la ideación, sino también la consolidación del modelo de negocio.
Esto coincide con Somià y Vecchiarini (2024), quienes encontraron que el uso de ChatGPT en cursos
de emprendimiento no solo favoreció la generación de ideas, sino también el desarrollo y consolidación
de competencias emprendedoras en estudiantes universitarios, especialmente cuando la herramienta se
integró junto con métodos no basados en IA. La combinación entre el trabajo estudiantil, la tecnología
y la retroalimentación experta permitió construir modelos mejor fundamentados.
Sin embargo, también se detectaron limitaciones vinculadas a la calidad de los prompts. Cuando las
solicitudes fueron poco precisas, las respuestas resultaron generales o ambiguas. Esta situación refuerza
la necesidad de fortalecer habilidades críticas para interactuar con la IA, especialmente en segmentación
y análisis competitivo. Los resultados muestran que la precisión del input determinó la profundidad de
las propuestas, haciendo evidente el papel del criterio experto en la interpretación y ajuste de la
información generada.
Estudios recientes señalan que la IA puede impulsar modelos de negocio más robustos, siempre que
exista acompañamiento docente que evite dependencias o interpretaciones superficiales (Mendoza Arce
et al., 2024). Este estudio confirma esa tendencia: la IA fortaleció la claridad, la estructura y el
posicionamiento de los proyectos, pero los mejores resultados surgieron cuando los estudiantes
combinaron la herramienta con análisis propio y retroalimentación académica. En conjunto, se
demuestra que la IA, integrada a un proceso pedagógico bien diseñado, puede enriquecer de manera
sustantiva el aprendizaje emprendedor.
pág. 666
CONCLUSIONES
El estudio confirma que la integración de inteligencia artificial como herramienta pedagógica, dentro de
un proceso formativo estructurado, se asocia con mejoras en la calidad de los modelos de negocio
elaborados por estudiantes universitarios. La información recabada mediante el cuestionario, la rúbrica
docente y el análisis cualitativo muestra consistencia en los resultados: los equipos que incorporaron
recomendaciones generadas por IA lograron mayor claridad en la propuesta de valor, una delimitación
más precisa del segmento de mercado y una mejor articulación interna de los bloques del Canvas. El
hecho de que el 60% de los modelos alcanzara la calificación máxima en coherencia interna indica que
la herramienta contribuyó no solo a la generación de ideas, sino también a su organización lógica.
La frecuencia de uso se relacionó con la profundidad de los ajustes realizados. Los equipos que
consultaron la IA en más de cinco ocasiones realizaron modificaciones más sustantivas en su propuesta
de valor, lo que permite advertir que el beneficio pedagógico se vincula con una interacción sostenida y
no con consultas aisladas. Desde el punto de vista del estudio cognitivo propuesto por Vygotsky (1978),
la herramienta puede entenderse como un apoyo que favorece el desarrollo de capacidades analíticas,
sin sustituir el proceso reflexivo del estudiante.
Los resultados también muestran que la calidad de las respuestas obtenidas dependió de la precisión en
la formulación de las consultas. Cuando los planteamientos fueron generales o vagos, las respuestas
tendieron a ser ambiguas o insuficientes para el análisis estratégico. Este comportamiento evidencia la
necesidad de fortalecer en el aula la capacidad de formular preguntas con intención analítica,
especialmente en procesos vinculados con la segmentación de mercado y la construcción de propuestas
de valor.
En el contexto latinoamericano, donde la investigación empírica sobre inteligencia artificial aplicada a
la formación emprendedora universitaria aún es limitada, el estudio aporta evidencia situada sobre su
uso en carreras del área económico-administrativa. Los datos permiten considerar la integración de estas
herramientas como parte del diseño instruccional, siempre que se articulen con objetivos formativos
claros y acompañamiento docente. Futuras investigaciones pueden ampliar el análisis hacia otros
bloques del Canvas, incorporar muestras de distintas instituciones o examinar el efecto de la IA a lo
largo de varios semestres, con el propósito de comprender la evolución del aprendizaje emprendedor en
CONCLUSIONES
El estudio confirma que la integración de inteligencia artificial como herramienta pedagógica, dentro de
un proceso formativo estructurado, se asocia con mejoras en la calidad de los modelos de negocio
elaborados por estudiantes universitarios. La información recabada mediante el cuestionario, la rúbrica
docente y el análisis cualitativo muestra consistencia en los resultados: los equipos que incorporaron
recomendaciones generadas por IA lograron mayor claridad en la propuesta de valor, una delimitación
más precisa del segmento de mercado y una mejor articulación interna de los bloques del Canvas. El
hecho de que el 60% de los modelos alcanzara la calificación máxima en coherencia interna indica que
la herramienta contribuyó no solo a la generación de ideas, sino también a su organización lógica.
La frecuencia de uso se relacionó con la profundidad de los ajustes realizados. Los equipos que
consultaron la IA en más de cinco ocasiones realizaron modificaciones más sustantivas en su propuesta
de valor, lo que permite advertir que el beneficio pedagógico se vincula con una interacción sostenida y
no con consultas aisladas. Desde el punto de vista del estudio cognitivo propuesto por Vygotsky (1978),
la herramienta puede entenderse como un apoyo que favorece el desarrollo de capacidades analíticas,
sin sustituir el proceso reflexivo del estudiante.
Los resultados también muestran que la calidad de las respuestas obtenidas dependió de la precisión en
la formulación de las consultas. Cuando los planteamientos fueron generales o vagos, las respuestas
tendieron a ser ambiguas o insuficientes para el análisis estratégico. Este comportamiento evidencia la
necesidad de fortalecer en el aula la capacidad de formular preguntas con intención analítica,
especialmente en procesos vinculados con la segmentación de mercado y la construcción de propuestas
de valor.
En el contexto latinoamericano, donde la investigación empírica sobre inteligencia artificial aplicada a
la formación emprendedora universitaria aún es limitada, el estudio aporta evidencia situada sobre su
uso en carreras del área económico-administrativa. Los datos permiten considerar la integración de estas
herramientas como parte del diseño instruccional, siempre que se articulen con objetivos formativos
claros y acompañamiento docente. Futuras investigaciones pueden ampliar el análisis hacia otros
bloques del Canvas, incorporar muestras de distintas instituciones o examinar el efecto de la IA a lo
largo de varios semestres, con el propósito de comprender la evolución del aprendizaje emprendedor en
pág. 667
entornos mediados por tecnología.
REFERENCIAS BIBLIOGRÁFICAS
Calle García, C., Jerez Masaquiza, D., & Mendoza Arce, E. (2024). Innovación y eficiencia empresarial
mediante inteligencia artificial. Magazine de las Ciencias, 9(4), 114-129.
https://doi.org/10.33262/rmc.v9i4.3263
Dwivedi, Y. K., et al. (2023). Artificial Intelligence (AI): Multidisciplinary perspectives on emerging
challenges, opportunities, and agenda for research, practice, and policy. International Journal of
Information Management, 71, 102642. https://doi.org/10.1016/j.ijinfomgt.2023.102642
Fossen, F. M. (2024). Artificial Intelligence and Entrepreneurship. Now Publishers.
https://doi.org/10.1561/03000001301
Fox, J. D., Pittaway, L., & Uzuegbunam, I. (2025). Artificial intelligence as a dynamic copilot in
entrepreneurship education. Entrepreneurship Education and Pedagogy.
https://doi.org/10.1177/25151274241256307
Kolb, D. A. (1984). Experiential learning: Experience as the source of learning and development.
Prentice-Hall.
Mendoza Arce, C. G., Mendoza Haro, I., Camacho Gavilanes, J. A., & Mendoza Arce, E. X. (2024). La
inteligencia artificial como motor de innovación en los negocios. Magazine de las Ciencias,
9(4), 114-129. https://doi.org/10.33262/rmc.v9i4.3263
Osterwalder, A., Pigneur, Y., Bernarda, G., & Smith, A. (2014). Value Proposition Design: How to
Create Products and Services Customers Want. John Wiley & Sons. ISBN: 978-1-118-96805-5
Ruiz Cortez, P. (2025). Impacto de la IA en la reducción de costos operativos financieros en las pequeñas
y medianas empresas. Revista Ciencia. https://doi.org/10.37811/cl_rcm.v9i5.20162
Sansores Guerrero, E. A., Lozano Carrillo, O., & Garibay Suárez, A. (2025). Las dimensiones ética y
regulatoria de la inteligencia artificial: Un estudio exploratorio. En O. Lozano Carrillo et al.
(Coords.), Inteligencia artificial en las organizaciones: Innovación, poder y ética en la era digital
(pp. 13-21). REMINEO. ISBN: 978-607-8049-25-7 https://riies.ug.edu.ec/libro-ia/
Somià, T., & Vecchiarini, M. (2024). Navigating the new frontier: The impact of artificial intelligence
on students' entrepreneurial competencies. International Journal of Entrepreneurial Behaviour
entornos mediados por tecnología.
REFERENCIAS BIBLIOGRÁFICAS
Calle García, C., Jerez Masaquiza, D., & Mendoza Arce, E. (2024). Innovación y eficiencia empresarial
mediante inteligencia artificial. Magazine de las Ciencias, 9(4), 114-129.
https://doi.org/10.33262/rmc.v9i4.3263
Dwivedi, Y. K., et al. (2023). Artificial Intelligence (AI): Multidisciplinary perspectives on emerging
challenges, opportunities, and agenda for research, practice, and policy. International Journal of
Information Management, 71, 102642. https://doi.org/10.1016/j.ijinfomgt.2023.102642
Fossen, F. M. (2024). Artificial Intelligence and Entrepreneurship. Now Publishers.
https://doi.org/10.1561/03000001301
Fox, J. D., Pittaway, L., & Uzuegbunam, I. (2025). Artificial intelligence as a dynamic copilot in
entrepreneurship education. Entrepreneurship Education and Pedagogy.
https://doi.org/10.1177/25151274241256307
Kolb, D. A. (1984). Experiential learning: Experience as the source of learning and development.
Prentice-Hall.
Mendoza Arce, C. G., Mendoza Haro, I., Camacho Gavilanes, J. A., & Mendoza Arce, E. X. (2024). La
inteligencia artificial como motor de innovación en los negocios. Magazine de las Ciencias,
9(4), 114-129. https://doi.org/10.33262/rmc.v9i4.3263
Osterwalder, A., Pigneur, Y., Bernarda, G., & Smith, A. (2014). Value Proposition Design: How to
Create Products and Services Customers Want. John Wiley & Sons. ISBN: 978-1-118-96805-5
Ruiz Cortez, P. (2025). Impacto de la IA en la reducción de costos operativos financieros en las pequeñas
y medianas empresas. Revista Ciencia. https://doi.org/10.37811/cl_rcm.v9i5.20162
Sansores Guerrero, E. A., Lozano Carrillo, O., & Garibay Suárez, A. (2025). Las dimensiones ética y
regulatoria de la inteligencia artificial: Un estudio exploratorio. En O. Lozano Carrillo et al.
(Coords.), Inteligencia artificial en las organizaciones: Innovación, poder y ética en la era digital
(pp. 13-21). REMINEO. ISBN: 978-607-8049-25-7 https://riies.ug.edu.ec/libro-ia/
Somià, T., & Vecchiarini, M. (2024). Navigating the new frontier: The impact of artificial intelligence
on students' entrepreneurial competencies. International Journal of Entrepreneurial Behaviour
pág. 668
& Research, 30(11), 236–260. https://doi.org/10.1108/IJEBR-08-2023-0788
Thomas, J. W. (2000). A review of research on project-based learning. The Autodesk Foundation.
Torres Rivera, A. D., & Díaz-Torres, L. A. (2020). Aplicaciones de la inteligencia artificial en los
modelos de negocios digitales. Recherches en Sciences de Gestion, 141, 67-88.
https://doi.org/10.3917/resg.141.0067
Uriarte, S. (2025). Artificial intelligence technologies and entrepreneurship: A hybrid literature review.
Review of Managerial Science. https://doi.org/10.1007/s11846-025-00839-4
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard
University Press.
& Research, 30(11), 236–260. https://doi.org/10.1108/IJEBR-08-2023-0788
Thomas, J. W. (2000). A review of research on project-based learning. The Autodesk Foundation.
Torres Rivera, A. D., & Díaz-Torres, L. A. (2020). Aplicaciones de la inteligencia artificial en los
modelos de negocios digitales. Recherches en Sciences de Gestion, 141, 67-88.
https://doi.org/10.3917/resg.141.0067
Uriarte, S. (2025). Artificial intelligence technologies and entrepreneurship: A hybrid literature review.
Review of Managerial Science. https://doi.org/10.1007/s11846-025-00839-4
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard
University Press.