TOMA DE DECISIONES ESTRATÉGICAS AUMENTADA POR INTELIGENCIA ARTIFICIAL EN LA ALTA DIRECCIÓN: UNA REVISIÓN CRÍTICA, SÍNTESIS CONCEPTUAL Y MARCO DE GOBERNANZA HÍBRIDO

Resumen

La inteligencia artificial (IA) ha transitado aceleradamente desde un conjunto de técnicas computacionales experimentales hacia una infraestructura estratégica que reconfigura la toma de decisiones ejecutivas en la gestión corporativa. El despliegue incremental del aprendizaje automático (machine learning), el procesamiento de lenguaje natural, la analítica predictiva y la automatización decisional ha facultado a las organizaciones para acelerar los ciclos de planificación estratégica, robustecer la vigilancia del entorno y optimizar la asignación de recursos. No obstante, la toma de decisiones mediada por IA introduce riesgos de gobernanza emergentes, tales como el sesgo algorítmico, la opacidad, la ambigüedad en la rendición de cuentas y la degradación organizacional del juicio gerencial. El presente artículo ofrece una revisión crítica de la evidencia académica reciente sobre la toma de decisiones estratégicas aumentada por IA, sintetizando hallazgos derivados de investigaciones cualitativas, revisiones bibliométricas de gran escala y literatura sobre analítica predictiva. Se propone un modelo conceptual de nivel doctoral denominado Marco de Gobernanza de Inteligencia Estratégica Híbrida (HSIGF, por sus siglas en inglés), el cual integra la capacidad computacional de la IA con la intuición humana, la supervisión ética y la prospectiva estratégica. El artículo contribuye a la teoría al reconciliar las perspectivas tecnocéntricas y humanocéntricas de la cognición estratégica, y aporta a la praxis mediante una hoja de ruta de implementación para equipos de liderazgo ejecutivo, enfatizando la gobernanza, la preparación de datos y la alineación sociotécnica. El estudio concluye con una agenda de investigación futura que subraya la necesidad de una IA explicable, estructuras de gobernanza multinivel y sistemas de decisión híbridos validados empíricamente.