Del Big Data al conocimiento organizacional: Límites y posibilidades de la inteligencia artificial en la gobernanza corporativa
DOI:
https://doi.org/10.33448/rsd-v14i9.49560Palabras clave:
Big Data, Gestión del Conocimiento, Gobernanza Corporativa, Inteligencia Artificial, SECI, Sobrecarga de Ìnformación, Ingeniería del Conocimiento.Resumen
Este artículo investiga cómo el Big Data se transforma en conocimiento organizacional, explorando los límites y posibilidades de la Inteligencia Artificial (IA) en la gobernanza corporativa. Contextualiza el fenómeno de la sobrecarga de información y analiza modelos de gestión del conocimiento como el marco SECI (modelo Nonaka–Takeuchi: Socialización, Externalización, Combinación e Internalización) para diferenciar datos, información y conocimiento. Presenta una revisión histórica del crecimiento del volumen de datos entre 2000 y 2025, destacando la escalada de exabytes a zettabytes anuales. El artículo discute cómo la IA apoya la automatización analítica, la toma de decisiones y la personalización del conocimiento, al tiempo que advierte sobre riesgos de sesgos, opacidad y falta de gobernanza. Un estudio de caso de la plataforma Arqueum DMDocs, utilizadas para la gestión de procesos y documentos electrónicos en grandes organizaciones, demuestra aplicaciones prácticas. Un cuadro comparativo contrasta las prácticas tradicionales con los enfoques habilitados por IA. En la discusión se integran la gobernanza corporativa, la IA y la gestión del conocimiento, subrayando la necesidad de políticas de gobernanza de datos y algoritmos y la importancia de alinear las estrategias tecnológicas con la cultura organizacional. El artículo concluye destacando el potencial de la IA para generar conocimiento accionable a partir del Big Data, siempre que exista una gobernanza responsable, y señala vacíos que deben ser abordados en futuras investigaciones.
Referencias
Alavi, M.; & Leidner, D. (2001). Review: Knowledge Management and Knowledge Management Systems: Conceptual Foundations and Research Issues. MIS Quarterly, 25(1), 107–136.
Arnold, M., Goldschmitt, M., & Rigotti, T. (2023). Dealing with information overload: A comprehensive review. Frontiers in Psychology, 14, 1122200. https://doi.org/10.3389/fpsyg.2023.1122200.
Cisco Systems. (2016). The Zettabyte Era: Trends and Analysis. Cisco Visual Networking Index.
Davenport, T. H.; & Prusak, L. (1998). Working Knowledge: How Organizations Manage What They Know. Harvard Business School Press.
Eppler, M. J.; & Mengis, J. (2004). The concept of information overload: A review of literature from organization science, accounting, marketing, MIS, and related disciplines. The Information Society, 20(5), 325–344.
Gonzalez, R. V. D.; & Martins, M. F. (2017). O processo de gestão do conhecimento: uma pesquisa teórico‑conceitual. Gestão & Produção, 24(2), 248–265.
Grant, R. M. (1996). Prospering in dynamically‑competitive environments: organizational capability as knowledge integration. Organization Science, 7(4), 375–387.
IDC (International Data Corporation). (2018). Data Age 2025: The Digitization of the World from Edge to Core. Framingham, MA: IDC/Seagate (White Paper).
Kitchenham, B.; & Charters, S. (2007). Guidelines for Performing Systematic Literature Reviews in Software Engineering. EBSE Technical Report, Version 2.3.
KPMG International. (2025). Global study reveals tension between AI benefits and risks and highlights a ‘governance gap’. Press release.
MRS LOGÍSTICA. dmdocs: saiba mais sobre o novo sistema de gestão da documentação da MRS. 2021.
Nonaka, I.; & Takeuchi, H. (1995). The Knowledge‑Creating Company: How Japanese Companies Create the Dynamics of Innovation. Oxford University Press.
OECD. (2022). OECD Recommendation on Artificial Intelligence (AI). Paris: Organisation for Economic Co‑operation and Development.
Pereira, A. S., Shitsuka, D. M., Parpinelli, R. S., & Filho, E. D. D. M. (2018). Metodologia da pesquisa científica. Santa Maria: Editora da UFSM.
Russell, S.; & Norvig, P. (2016). Artificial Intelligence: A Modern Approach (3rd ed.). Editora Pearson.
Smith, J.; & Brown, A. (2020). Knowledge Integration for Corporate Governance in the Age of AI. Journal of Business Ethics, 165(4), 1–15.
Stanford University – HAI. (2025). Artificial Intelligence Index Report 2025. Stanford Institute for Human‑Centered AI (HAI).
Statista. (2023). Volume of data created, captured, copied and consumed worldwide from 2010 to 2025. Statista Research Department.
Studer, R.; Benjamins, V. R.; & Fensel, D. (1998). Knowledge engineering: principles and methods. Data & Knowledge Engineering, 25(1–2), 161–197.
Walsh, J. P.; & Ungson, G. R. (1991). Organizational Memory. Academy of Management Review, 16(1), 57–91.
WEF (World Economic Forum). (2019). Data Literacy: A Necessary Skill for the 21st Century. Cologny/Geneva: World Economic Forum.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Fermin Romero Rey Piccolo
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en esta revista concuerdan con los siguientes términos:
1) Los autores mantienen los derechos de autor y conceden a la revista el derecho de primera publicación, con el trabajo simultáneamente licenciado bajo la Licencia Creative Commons Attribution que permite el compartir el trabajo con reconocimiento de la autoría y publicación inicial en esta revista.
2) Los autores tienen autorización para asumir contratos adicionales por separado, para distribución no exclusiva de la versión del trabajo publicada en esta revista (por ejemplo, publicar en repositorio institucional o como capítulo de libro), con reconocimiento de autoría y publicación inicial en esta revista.
3) Los autores tienen permiso y son estimulados a publicar y distribuir su trabajo en línea (por ejemplo, en repositorios institucionales o en su página personal) a cualquier punto antes o durante el proceso editorial, ya que esto puede generar cambios productivos, así como aumentar el impacto y la cita del trabajo publicado.
