La Inteligencia Artificial en la gestión de la aeronáutica civil en Cuba: potencialidades y retos
Palabras clave:
Inteligencia artificial, gestión pública, automatización, gobernanza de datos, transformación digitalResumen
Objetivo: Analizar las potencialidades y retos asociados a la adopción de la Inteligencia Artificial (IA) en la gestión de la aerolínea estatal Cubana de Aviación, aportando una hoja de ruta escalonada que no ha sido previamente documentada en empresas estatales con limitaciones operativas y presupuestarias. Metodología: Se emplea un enfoque descriptivo y analítico, complementado con revisión documental y fuentes de inteligencia de mercado. Se examinan tres pilares tecnológicos clave: automatización robótica de procesos, procesamiento del lenguaje natural y machine learning para optimización dinámica de precios, como base para un modelo escalonado de digitalización. Resultados y Discusión: La implementación progresiva de IA puede mejorar la eficiencia administrativa, la experiencia del cliente y la rentabilidad institucional, siempre que se sustente en gobernanza de datos sólida y una gestión adecuada del cambio organizacional. Conclusiones: La IA constituye una herramienta estratégica para fortalecer la sostenibilidad económica y operativa de la Aviación Civil en Cuba. Aporte: Este artículo muestra las potencialidades de la IA en el perfeccionamiento de la gestión de empresas estatales cubanas y propone una hoja de ruta concreta para su adopción.
Descargas
Citas
Brynjolfsson, E., & McAfee, A. (2017). Machine, platform, crowd: Harnessing our digital future. W. W. Norton & Company.
Chen, H., Chiang, R. H. L., & Storey, V. C. (2012). Business intelligence and analytics: From big data to big impact. MIS Quarterly, 36(4), 1165–1188. https://doi.org/10.25300/MISQ/2012/36.4.03
Comisión Económica para América Latina y el Caribe (CEPAL). (2021). Datos y hechos sobre la transformación digital: Informe sobre los principales indicadores de adopción de tecnologías digitales en el marco de la Agenda Digital para América Latina y el Caribe. CEPAL. https://www.cepal.org/es/publicaciones/46766-datos-hechos-la-transformacion-digital-informe-principales-indicadores-adopcion
Comisión Económica para América Latina y el Caribe (CEPAL). (2023). Gobierno digital. CEPAL. https://www.cepal.org/es/temas/gobierno-digital
Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world. Harvard Business Review, 96(1), 108–116. https://hbr.org/2018/01/artificial-intelligence-for-the-real-world
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
Deloitte (2022). Global intelligent automation survey 2022. Deloitte Insights. https://www.deloitte.com/us/en/insights/topics/talent/intelligent-automation-2022-survey-results.html
European Commission. (2021). 2030 Digital Compass: The European way for the Digital Decade (COM/2021/118 final). Publications Office of the European Union.
Gartner (2023a). AI maturity & roadmap toolkit. Gartner. https://www.gartner.com/en/chief-information-officer/research/ai-maturity-model-toolkit
Gartner (2023b). Data lake definition and architecture overview. Gartner Glossary. https://www.gartner.com/en/information-technology/glossary/data-lake
Irani, Z., Abril, R. M., Weerakkody, V., Omar, A., & Sivarajah, U. (2023). The impact of legacy systems on digital transformation in European public administration: Lessons learned from a multi-case analysis. Government Information Quarterly, 40(1), 101784. https://doi.org/10.1016/j.giq.2022.101784
Janssen, M., Brous, P., Estevez, E., Barbosa, L. S., & Janowski, T. (2020). Data governance: Organizing data for trustworthy artificial intelligence. Government Information Quarterly, 37(3), 101493. https://doi.org/10.1016/j.giq.2020.101493
Kaplan, R. S., & Norton, D. P. (2008). The execution premium: Linking strategy to operations for competitive advantage. Harvard Business Press.
Khatri, V., & Brown, C. V. (2010). Designing data governance. MIS Quarterly, 34(4), 687–712. https://doi.org/10.2307/25750799
Kotter, J. P. (2012). Leading change. Harvard Business Review Press.
Marr, B. (2022). Big data: Using SMART big data, analytics and metrics to make better decisions and improve performance. Wiley.
Mazzucato, M. (2021). Mission economy: A moonshot guide to changing capitalism. Allen Lane.
McKinsey & Company (2023). The economic potential of generative AI: The next productivity frontier. McKinsey Global Institute. https://www.mckinsey.com/featured-insights/mckinsey-global-institute/the-economic-potential-of-generative-ai-the-next-productivity-frontier
McKinsey & Company (2024). Upskilling and reskilling priorities for the gen AI era. McKinsey & Company. https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-organization-blog/upskilling-and-reskilling-priorities-for-the-gen-ai-era
Müller, J. M., Buliga, O., & Voigt, K.-I. (2021). The role of absorptive capacity and innovation strategy in the digital transformation of organizations. Journal of Manufacturing Technology Management, 32(2), 420–441. https://doi.org/10.1108/JMTM-09-2019-0343
National Institute of Standards and Technology. (2024). The NIST Cybersecurity Framework (CSF) 2.0 (NIST CSWP 29). U.S. Department of Commerce. https://doi.org/10.6028/NIST.CSWP.29
Organization for Economic Co-operation and Development (OECD). (2023a). Government at a glance 2023. OECD Publishing. https://doi.org/10.1787/3d5c5d31-en
Organization for Economic Co-operation and Development (OECD). (2023b). The OECD digital government policy framework. OECD Publishing. https://www.oecd.org/en/publications/the-oecd-digital-government-policy-framework_f64fed2a-en.html
PwC. (2024a). Global annual review 2024. PwC. https://www.pwc.com/gx/en/global-annual-review/2024/pwc-global-annual-review-2024.pdf
PwC. (2024b). GenAI for next-gen governments. PwC. https://www.pwc.com/gx/en/government-public-services/assets/genai-for-next-gen-governments.pdf
PwC. (2024c). AI leadership maturity assessment. PwC. https://aimaturityassessment.my.pwc.com/
Rogers, E. M. (2003). Diffusion of innovations (5th ed.). Free Press.
Russell, S., & Norvig, P. (2022). Artificial intelligence: A modern approach (4th ed.). Pearson.
Vial, G. (2019). Understanding digital transformation: A review and a research agenda. MIS Quarterly, 43(1), 223–250. https://doi.org/10.25300/MISQ/2019/12910
Wamba, S. F., Gunasekaran, A., Akter, S., Ren, S. J. F., Dubey, R., & Childe, S. J. (2017). Big data analytics and firm performance: Effects of dynamic capabilities. Journal of Business Research, 70, 356–365. https://doi.org/10.1016/j.jbusres.2016.08.009
World Bank. (2022). Interoperability: Towards a data driven public sector (Equitable Growth, Finance and Institutions Insight – Governance). The World Bank. https://hdl.handle.net/10986/38520
Zuiderwijk, A., Chen, Y.-C., & Salem, F. (2021). Implications of the use of artificial intelligence in public governance: A systematic literature review and a research agenda. Information Polity, 26(4), 365–385. https://doi.org/10.3233/IP-210067
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Alejandro García Herrera, Roberto De Armas Urquiza
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
