Revista Innovación y Software

Vol. 5, No. 2, Mes Septiembre-Febrero, 2024

ISSN: 2708-0935

Pág. 44-63

https://revistas.ulasalle.edu.pe/innosoft

Esta obra está bajo una Licencia

Creative Commons Atribución

4.0 Internacional.

Tipo de artículo: Artículos originales

Temática: Inteligencia Artiﬁcial

Recibido: 15/07/2024 | Aceptado: 27/08/2024 | Publicado: 30/09/2024

Identiﬁcadores persistentes:

DOI: 10.48168/innosoft.s16.a154

ARK: ark:/42411/s16/a154

PURL: 42411/s16/a154

Principales Herramientas de la Inteligencia Artiﬁcial para

Industrias : Una revisión de Literatura

Main Tools of Artiﬁcial Intelligence for Industries :

A Literature Review

Marcelino Torres Villanueva1[0000-0002-9797-1510], Joan Antony Rodríguez Asto2[0000-0002-8006-1182]*,

Segundo Manuel Samana Rodríguez3[0009- 0000- 9298- 8236]

1Universidad Nacional de Trujillo, Trujillo, Perú. mtorres@unitru.edu.pe

2Universidad Nacional de Trujillo, Trujillo, Perú. jrodriguezas@unitru.edu.pe

3Universidad Nacional de Trujillo, Trujillo, Perú. ssamana@unitru.edu.pe

∗Autor para correspondencia: jrodriguezas@unitru.edu.pe

Resumen

El objetivo de este texto es simpliﬁcar el análisis de diversas fuentes bibliográﬁcas que abordan el empleo

de la inteligencia artiﬁcial en distintos sectores industriales. Se empleó la metodología Prisma para examinar

artículos publicados en diferentes revistas indexadas a bases de datos de alto prestigio que abordan el uso de

herramientas de IA en estas áreas. Se realizó una exhaustiva revisión de la literatura en Scielo y Scopus para

garantizar la inclusión de un amplio espectro de investigaciones relevantes. Esta amplia revisión permitió iden-

tiﬁcar tendencias signiﬁcativas en el uso de inteligencia artiﬁcial en diferentes regiones geográﬁcas y sectores

industriales especíﬁcos. Se observó que países como Estados Unidos, Brasil y Colombia destacan por su lideraz-

go en la producción de artículos relacionados con IA en sus respectivas industrias. Asimismo, se señala que las

herramientas de IA, como las redes neuronales, el ChatGPT, chatbots y Machine Learning, no solo optimizan

los procesos industriales, sino que también están impulsando innovaciones disruptivas en áreas como ciencias

de computación, ingeniería, ciencias sociales, negocios, gestión, contabilidad, ingeniería química, medicina y

ciencia de materiales. Este análisis exhaustivo brinda una sólida y fundamentada base para toma de decisio-

nes estratégicas y orienta hacia futuras investigaciones destinadas a maximizar el potencial de la inteligencia

artiﬁcial en el ámbito industrial.

Palabras claves: Herramientas de inteligencia artiﬁcial, herramientas de inteligencia artiﬁcial para industrias,

industrias.

Abstract

The aim of this text is to simplify the analysis of various bibliographic sources that address the use of artiﬁcial

intelligence in diﬀerent industrial sectors. The PRISMA methodology was employed to examine articles published

in diﬀerent journals indexed in high-prestige databases that deal with the use of AI tools in these areas. An

exhaustive literature review was conducted in Scielo and Scopus to ensure the inclusion of a broad spectrum of

relevant research. This extensive review allowed for the identiﬁcation of signiﬁcant trends in the use of artiﬁcial

intelligence in diﬀerent geographical regions and speciﬁc industrial sectors. It was observed that countries such

as the United States, Brazil, and Colombia stand out for their leadership in the production of articles related

Facultad de Ingeniería

Universidad La Salle, Arequipa, Perú

facin.innosoft@ulasalle.edu.pe

Revista Innovación y Software

Vol. 5, No. 2, Mes Septiembre-Febrero, 2024

ISSN: 2708-0935

Pág. 44-63

https://revistas.ulasalle.edu.pe/innosoft

to AI in their respective industries. Likewise, it is noted that AI tools, such as neural networks, ChatGPT,

chatbots, and machine learning, not only optimize industrial processes but are also driving disruptive innovations

in areas such as computer science, engineering, social sciences, business, management, accounting, chemical

engineering, medicine, and materials science. This exhaustive analysis provides a solid and informed basis for

strategic decision-making and guides future research aimed at maximizing the potential of artiﬁcial intelligence

in the industrial ﬁeld.

Keywords: Artiﬁcial intelligence tools, artiﬁcial intelligence tools for industries, industries.

Introducción

El propósito de este artículo de investigación es destacar las herramientas principales de la inteligencia artiﬁcial

usadas en las industrias. Con el avance de la tecnología y aumentando su presencia en cada sector de la vida

humana [1], describe que “a lo largo de la historia, los avances tecnológicos han formado parte del proceso

de evolución del hombre, temas como la educación, la economía, la salud, la investigación y el trabajo, son

aspectos íntimamente ligados a estos cambios tecnológicos.” Así que es inevitable que el futuro es la inteligencia

artiﬁcial, de modo que depende del humano que esta tecnología sea implementada de manera eﬁciente.

El [2], explica que “Actualmente la Inteligencia Artiﬁcial es un área de la ciencia de gran interés por ser un

área multidisciplinaria donde se realizan sistemas que tratan de hacer tareas y resolver problemas como lo hace

un humano, así mismo se trata de simular de manera artiﬁcial las formas del pensamiento y como trabaja el

cerebro para tomar decisiones”. Por ello, su inclusión en diversas industrias nos lleva a reconocer la importancia

de identiﬁcar estas herramientas de inteligencia artiﬁcial.

Materiales y métodos o Metodología computacional

Se elaboró una revisión exhaustiva de la literatura, siguiendo los lineamientos de la metodología PRISMA (Pre-

ferred Reporting Items for Systematic reviews and Meta-Analyses) como referencia. Usando esta metodología

pensamos responder la siguiente pregunta: ¿Cuáles son las principales herramientas de la inteligencia artiﬁcial

para las industrias? Los criterios de búsqueda que nos ayudan a responder la pregunta de investigación: “artiﬁ-

cial intelligence tools”, “industries”, “ARTIFICIAL INTELLIGENCE TOOLS FOR INDUSTRIES”. Se recurrió

a las bases de datos de Scielo y Scopus para recopilar la información necesaria. Para la base de datos Scopus

se utilizó lo siguiente como búsqueda:

(TITLE-ABS-KEY(“artiﬁcial intelligence tools”) AND TITLE-ABS-KEY(“industries”)) OR TITLE-

ABS-KEY(“ARTIFICIAL INTELLIGENCE TOOLS FOR INDUSTRIES”) AND PUBYEAR >2018

AND PUBYEAR <2024 AND (LIMIT-TO(DOCTYPE, “a”)).

Facultad de Ingeniería

Universidad La Salle, Arequipa, Perú

facin.innosoft@ulasalle.edu.pe

Revista Innovación y Software

Vol. 5, No. 2, Mes Septiembre-Febrero, 2024

ISSN: 2708-0935

Pág. 44-63

https://revistas.ulasalle.edu.pe/innosoft

Se realizaron consultas de búsqueda especíﬁcas en Scielo a partir del año 2019 - 2023, usando términos como:

(artiﬁcial intelligence tools) AND (industries) OR (ARTIFICIAL INTELLIGENCE TOOLS FOR INDUS-

TRIES) OR (herramientas de la inteligencia artiﬁcial). En la Tabla 1, se puede visualizar los artículos buscados

en bases de datos como Scopus y Scielo.

Tabla 1. Búsqueda de términos en motores de base de datos

Términos usados SCOPUS SCIELO

“artiﬁcial intelligence tools”, “indus-

tries” 178 122

“artiﬁcial intelligence tools for indus-

tries”

“herramientas de la inteligencia arti-

ﬁcial”

TOTAL 178 122

Luego de la búsqueda por términos se aplicó un nuevo ﬁltro considerando los siguientes criterios de inclusión:

Dentro del rango de 2019-2023

Tipo de documento: Artículo

Acceso abierto al artículo

Los artículos recopilados sintetizan las principales herramientas de la inteligencia artiﬁcial para las industrias

y su uso en el diferente tipo de estas.

Facultad de Ingeniería

Universidad La Salle, Arequipa, Perú

facin.innosoft@ulasalle.edu.pe

Revista Innovación y Software

Vol. 5, No. 2, Mes Septiembre-Febrero, 2024

ISSN: 2708-0935

Pág. 44-63

https://revistas.ulasalle.edu.pe/innosoft

Figura 1. Flujograma prisma.

Resultados y discusión

En la Tabla 2 registramos a los artículos con información ﬁltrada, en donde se indica el uso de una herramienta

de la inteligencia artiﬁcial en una industria, así mismo se agregó una columna de resultados del artículo para

brindar el contexto al uso de la herramienta, y se tuvo en cuenta que estén entre los años 2019-2023.

Tabla 2. Resultados de la búsqueda de literatura

Título Resultados Herramienta IA Industria

Computer vision ap-

plied to food and agri-

cultural products [3].

Integrar sistemas de vi-

sión por computadora con

herramientas avanzadas de

inteligencia artiﬁcial, como

el machine learning o el

deep learning.

Redes Neuronales para

el aprendizaje profundo,

Machine learning

Alimentaria

Facultad de Ingeniería

Universidad La Salle, Arequipa, Perú

facin.innosoft@ulasalle.edu.pe

Revista Innovación y Software

Vol. 5, No. 2, Mes Septiembre-Febrero, 2024

ISSN: 2708-0935

Pág. 44-63

https://revistas.ulasalle.edu.pe/innosoft

Tabla 2. Resultados de la búsqueda de literatura

Título Resultados Herramienta IA Industria

Bangus (Chanos Cha-

nos) Farming: Pre-

paring for SMART

Farming and Predictive

Analysis using Artiﬁcial

Intelligence Tools [4].

Los modelos predictivos

brindan información útil

sobre las posibles venta-

jas y diﬁcultades de imple-

mentar tecnologías agríco-

las SMART en esta área en

particular.

Aprendizaje automáti-

co.

Alimentaria

Harnessing the Power

of Artiﬁcial Intelligen-

ce for Collaborative

Energy Optimization

Platforms [5].

La investigación proporcio-

na información valiosa pa-

ra los tomadores de deci-

siones y los investigadores

en el campo, fomentando el

desarrollo y la implementa-

ción de sistemas energéti-

cos impulsados por IA más

eﬁcientes y sostenibles.

Algoritmos de aprendi-

zaje automático

Energética

Improving mineral re-

source management by

accurate ﬁnancial ma-

nagement: Studying th-

rough artiﬁcial intelli-

gence tools [6].

Proporcionan evidencia de

una relación asimétrica en-

tre FM (gestión ﬁnancie-

ra) y MRR (gestión de re-

cursos minerales). De mo-

do que el shock positivo

de FM está relacionado ne-

gativamente con la MRR,

mientras que un shock ne-

gativo está relacionado po-

sitivamente con la MRR.

Análisis predictivo Minera

Facultad de Ingeniería

Universidad La Salle, Arequipa, Perú

facin.innosoft@ulasalle.edu.pe

Revista Innovación y Software

Vol. 5, No. 2, Mes Septiembre-Febrero, 2024

ISSN: 2708-0935

Pág. 44-63

https://revistas.ulasalle.edu.pe/innosoft

Tabla 2. Resultados de la búsqueda de literatura

Título Resultados Herramienta IA Industria

Obtaining Bricks Using

Silicon-Based Materials:

Experiments, Modeling

and Optimization with

Artiﬁcial Intelligence

Tools [7].

Que al introducir 1,9 % de

cáscara de semilla de gira-

sol y 0,8 % de aserrín en la

mezcla para la fabricación

de ladrillos, se obtuvo una

cantidad mínima de emisio-

nes de CH4, mientras que

0 % de cáscara de semilla

de girasol y 0,5 % de aserrín

fueron las cantidades míni-

mas de emisiones de CO.

Redes Neuronales De la

contrucción

Neural network and

adaptive neuro-fuzzy

inference system mo-

deling of the hot

air-drying process of

orange-ﬂeshed sweet

potato [8].

El contenido de proteínas y

grasas pareció estar fuerte-

mente inﬂuenciado por las

variables del proceso de se-

cado, mientras que otras

propiedades parecieron ser

insigniﬁcantes. ANFIS (sis-

tema de inferencia neuro-

difusos) mostró una mejor

capacidad de modelado que

las RNA (redes neurona-

les artiﬁciales) para prede-

cir los datos experimenta-

les de humedad de OFSP

con valores de R 2 y RMSE

de 0,99786 y 0,0225 respec-

tivamente.

Redes Neuronales y sis-

temas de inferencia neu-

rodifusos adaptativos

Alimentaria

Facultad de Ingeniería

Universidad La Salle, Arequipa, Perú

facin.innosoft@ulasalle.edu.pe

Revista Innovación y Software

Vol. 5, No. 2, Mes Septiembre-Febrero, 2024

ISSN: 2708-0935

Pág. 44-63

https://revistas.ulasalle.edu.pe/innosoft

Tabla 2. Resultados de la búsqueda de literatura

Título Resultados Herramienta IA Industria

Generative modelling of

laser beam welded Inco-

nel 718 thin weldments

using ANFIS based hy-

brid algorithm [9].

Se han establecido las com-

binaciones de variables de

proceso más adecuadas que

se aplicarán para alcan-

zar características de rendi-

miento múltiple superiores

y mejoradas.

ANFIS Aeroespacial,

automotriz,

electrónicas

Workﬂow Integration of

Research AI Tools in-

to a Hospital Radiology

Rapid Prototyping En-

vironment [10].

La implementación de nue-

vos enfoques de IA dentro

de este sistema se optimi-

za mediante una interfaz de

programación de aplicacio-

nes estándar.

Algoritmos de IA en el

campo de las imágenes

médicas

De la salud

Knowledge acquisition

and representation for

intelligent operation

support in oﬀshore

ﬁelds [11].

Proporciona estudios de

casos que ilustran la efec-

tividad del soporte de ope-

ración inteligente median-

te la aplicación de MFM a

un sistema de inyección de

agua en alta mar. Demues-

tra que el procedimiento de

adquisición y representa-

ción del conocimiento pue-

de facilitar a los construc-

tores de modelos y garanti-

zar la calidad de los mode-

los utilizados para el sopor-

te operativo.

Sistema de apoyo Petrolera

Facultad de Ingeniería

Universidad La Salle, Arequipa, Perú

facin.innosoft@ulasalle.edu.pe

Revista Innovación y Software

Vol. 5, No. 2, Mes Septiembre-Febrero, 2024

ISSN: 2708-0935

Pág. 44-63

https://revistas.ulasalle.edu.pe/innosoft

Tabla 2. Resultados de la búsqueda de literatura

Título Resultados Herramienta IA Industria

Development and ap-

plication of a multi-

objective tool for ther-

mal design of heat ex-

changers using neural

networks [12].

Este trabajo demuestra

que la herramienta desa-

rrollada es válida tanto en

términos de eﬁcacia como

de facilidad de uso para

que empresas como ARA

TT mejoren su actividad

empresarial.

Red neuronal y red neu-

ronal inversa

Ingeniería

Application of predic-

tive maintenance con-

cepts using artiﬁcial in-

telligence tools [13].

Las herramientas de inte-

ligencia artiﬁcial, especial-

mente el aprendizaje auto-

mático, muestran un gran

potencial en el análisis de

grandes volúmenes de da-

tos, que ahora están fácil-

mente disponibles, con el

ﬁn de mejorar la disponibi-

lidad de los sistemas.

Machine Learning Mantenimiento

industrial

Application of Improved

Artiﬁcial Intelligence

with Runner-Root

Meta-Heuristic Al-

gorithm for Dairy

Products Industry: A

Case Study [14].

Los resultados altamente

precisos conﬁrman que los

métodos híbridos propues-

tos basados en el algorit-

mo RRA pueden mejorar la

predicción de la demanda

de diversos productos.

El algoritmo de raíz

del corredor (RRA) pa-

ra mejorar las técnicas

de aprendizaje automá-

tico (MLP, ANFIS y

LSTM)

Alimentaria

Facultad de Ingeniería

Universidad La Salle, Arequipa, Perú

facin.innosoft@ulasalle.edu.pe

Revista Innovación y Software

Vol. 5, No. 2, Mes Septiembre-Febrero, 2024

ISSN: 2708-0935

Pág. 44-63

https://revistas.ulasalle.edu.pe/innosoft

Tabla 2. Resultados de la búsqueda de literatura

Título Resultados Herramienta IA Industria

Eﬀective or ineﬀecti-

ve? Using ChatGPT for

staﬃng in the hospita-

lity industry [15].

Se reveló que ChatGPT se

puede utilizar en la selec-

ción de candidatos, entre-

vistas virtuales basadas en

criterios de evaluación, eva-

luación previa al empleo,

asistencia en capacitación

y apoyo lingüístico. Sin em-

bargo, el lado oscuro del

uso de ChatGPT puede in-

cluir posibles sesgos, la li-

mitación de la inteligen-

cia emocional, la posibili-

dad de malas interpretacio-

nes y la restricción del co-

nocimiento de un dominio

especíﬁco.

ChatGPT, un transfor-

mador generativo preen-

trenado

Hotelera

Advancing medical

aﬀair capabilities and

insight generation th-

rough machine learning

techniques [16].

MUFASA (Medical infor-

mation data uses for AI se-

mantic analysis) enriquece

la toma de decisiones es-

tratégicas, cultiva conoci-

mientos prácticos y refuer-

za el compromiso de los

profesionales de la salud.

Chatbots, MUFASA,

asistentes digitales

virtuales

Farmacéutica

Facultad de Ingeniería

Universidad La Salle, Arequipa, Perú

facin.innosoft@ulasalle.edu.pe

Revista Innovación y Software

Vol. 5, No. 2, Mes Septiembre-Febrero, 2024

ISSN: 2708-0935

Pág. 44-63

https://revistas.ulasalle.edu.pe/innosoft

Tabla 2. Resultados de la búsqueda de literatura

Título Resultados Herramienta IA Industria

The Use of a Radial Ba-

sis Function Neural Net-

work and Fuzzy Mode-

lling in the Assessment

of Surface Roughness in

the MDF Milling Pro-

cess [17].

La red neuronal RBF utili-

zada en la investigación, así

como la lógica difusa TSK,

son muy adecuadas para la

evaluación automática de

la rugosidad de la super-

ﬁcie basada en las medi-

ciones utilizadas de seña-

les de aceleración y pará-

metros cinemáticos del pro-

ceso de fresado de MDF.

En términos de implemen-

tación, estos métodos son

las herramientas más sen-

cillas para mapear medicio-

nes y cortar parámetros en

un espacio multidimensio-

nal.

Red Neuronal Artiﬁcial

(ANN) de función de

base radial (RBF)

Fabricación

de muebles

Facultad de Ingeniería

Universidad La Salle, Arequipa, Perú

facin.innosoft@ulasalle.edu.pe

Revista Innovación y Software

Vol. 5, No. 2, Mes Septiembre-Febrero, 2024

ISSN: 2708-0935

Pág. 44-63

https://revistas.ulasalle.edu.pe/innosoft

Tabla 2. Resultados de la búsqueda de literatura

Título Resultados Herramienta IA Industria

Navigating the con-

ﬂuence of artiﬁcial

intelligence and edu-

cation for sustainable

development in the era

of industry 4.0: Challen-

ges, opportunities, and

ethical dimensions [18].

La IA, personiﬁcada en

modelos de lenguaje avan-

zados como ChatGPT, tie-

ne el potencial de revolu-

cionar la pedagogía, elevar

el aprendizaje personaliza-

do y estimular la innova-

ción. Sin embargo, a me-

dida que estas herramien-

tas se vuelven más frecuen-

tes en los entornos educati-

vos, las consideraciones éti-

cas, el diseño curricular, el

aprendizaje continuo y la

alineación con las deman-

das de la industria pasan a

primer plano.

ChatGPT Educativa

ChatGPT in ﬁnance:

Applications, challen-

ges, and solutions [19].

Las instituciones ﬁnancie-

ras que emplean ChatGPT

deben diseñar estrategias

de manera proactiva pa-

ra enfrentar estos crecien-

tes desafíos, mitigando sus

efectos adversos tanto en

los individuos como en la

sociedad en su conjunto.

ChatGPT Financiera

En las Figuras 2 y 3, se muestran los gráﬁcos elaborados mostrar en que países se generaba más publicaciones

en Scielo y Scopus, respectivamente

Facultad de Ingeniería

Universidad La Salle, Arequipa, Perú

facin.innosoft@ulasalle.edu.pe

Revista Innovación y Software

Vol. 5, No. 2, Mes Septiembre-Febrero, 2024

ISSN: 2708-0935

Pág. 44-63

https://revistas.ulasalle.edu.pe/innosoft

Figura 2. Los países con publicaciones en Scielo determinados numéricamente en orden descendente (2019-2023).

Figura 3. Relación de los países con publicaciones en SCOPUS determinados numéricamente en orden ascendente.

(2019-2023).

Facultad de Ingeniería

Universidad La Salle, Arequipa, Perú

facin.innosoft@ulasalle.edu.pe

Revista Innovación y Software

Vol. 5, No. 2, Mes Septiembre-Febrero, 2024

ISSN: 2708-0935

Pág. 44-63

https://revistas.ulasalle.edu.pe/innosoft

La Figura 4 muestra los datos sobre publicaciones registradas en Scielo y Scopus, con un intervalo de tiempo

de 2019 a 2023. Este enfoque facilita la identiﬁcación de los años con mayor actividad investigativa en relación

a las palabras clave utilizadas para la búsqueda.

Figura 4. Valores numéricos que representan la cantidad de artículos y documentos cientíﬁcos de acuerdo a un año

determinado.

Las herramientas de inteligencia artiﬁcial están revolucionando múltiples áreas académicas y profesionales, se

está empezando a usar en diferentes áreas de las industrias, en la Figura 5, obtenida de nuestra búsqueda de

investigaciones, podemos observar las áreas donde se está implementando con mayor frecuencia.

Facultad de Ingeniería

Universidad La Salle, Arequipa, Perú

facin.innosoft@ulasalle.edu.pe

Revista Innovación y Software

Vol. 5, No. 2, Mes Septiembre-Febrero, 2024

ISSN: 2708-0935

Pág. 44-63

https://revistas.ulasalle.edu.pe/innosoft

Figura 5. Representación porcentual de áreas donde hay mayor uso e incidencia respecto a las herramientas de IA.

Ciencias de la computación: Los algoritmos de aprendizaje automático están cambiando la manera en que

se desarrollan y optimizan los sistemas informáticos. Los sistemas de recomendación basados en IA mejoran

la personalización de la adaptación y experiencia de un usuario en plataformas web, y las redes neuronales se

emplean para mejorar la detección de anomalías en la seguridad cibernética.

Ingeniería: La inteligencia artiﬁcial se utiliza para optimizar el diseño de productos y sistemas, así como para

mejorar eﬁcientemente la producción y el mantenimiento. Los algoritmos de optimización diseñan estructuras

más robustas y ligeras, mientras que los sistemas de control basados en IA mejoran la automatización en fá-

bricas y procesos industriales.

Ciencias Sociales: Las herramientas de inteligencia artiﬁcial analizan grandes conjuntos de datos y extraen

ideas sobre el comportamiento humano y las interacciones sociales. Los algoritmos de procesamiento de len-

guaje natural analizan el sentimiento en redes sociales y el comportamiento del consumidor, mientras que los

modelos de aprendizaje automático predicen tendencias y patrones en el mercado.

Facultad de Ingeniería

Universidad La Salle, Arequipa, Perú

facin.innosoft@ulasalle.edu.pe

Revista Innovación y Software

Vol. 5, No. 2, Mes Septiembre-Febrero, 2024

ISSN: 2708-0935

Pág. 44-63

https://revistas.ulasalle.edu.pe/innosoft

Ciencia de Materiales: La inteligencia artiﬁcial acelera el descubrimiento y la optimización de nuevos ma-

teriales. Los algoritmos de aprendizaje automático predicen las propiedades de los materiales según su compo-

sición química y estructura cristalina, y los sistemas de inteligencia artiﬁcial optimizan procesos de fabricación

y mejoran la calidad de los materiales existentes.

Negocios, Gestión y Contabilidad: La inteligencia artiﬁcial mejora el manejo de recursos y el proceso

de toma de decisiones. Los sistemas de análisis predictivo basados en IA predicen tendencias en el mercado

ﬁnanciero y optimizan la cartera de inversiones, mientras que los sistemas de IA automatizan tareas contables

y mejoran la precisión en la gestión de datos ﬁnancieros.

Ciencias Ambientales: La inteligencia artiﬁcial monitorea y predice cambios en el medio ambiente. Los algo-

ritmos de aprendizaje automático analizan datos de satélites y sensores ambientales para predecir la calidad del

aire y del agua, y los sistemas de IA optimizan la gestión de recursos naturales y previenen desastres naturales.

Ingeniería Química: La inteligencia artiﬁcial optimiza procesos químicos y diseña nuevos materiales y pro-

ductos. Los algoritmos de aprendizaje automático predicen la cinética de reacciones químicas y optimizan las

condiciones de producción, mientras que los sistemas de IA diseñan nuevos catalizadores y materiales con pro-

piedades especíﬁcas.

Energía: La inteligencia artiﬁcial mejora la eﬁciencia en la producción y distribución de energía. Los algoritmos

de optimización maximizan la producción de energía en parques eólicos y solares, y los sistemas de IA predicen

la demanda de energía y optimizan la gestión de la red eléctrica.

Medicina: La inteligencia artiﬁcial mejora el diagnóstico y tratamiento de enfermedades. Los algoritmos de

aprendizaje automático analizan imágenes médicas y detectan signos tempranos de enfermedades como el cán-

cer, mientras que los sistemas de IA personalizan el tratamiento y predicen la eﬁcacia de ciertos medicamentos.

Inteligencia artiﬁcial Según Schalkoﬀ (1990), esta disciplina se deﬁne como ün área de estudio que se centra

en explicar y emular el comportamiento inteligente mediante procesos computacionales". En cambio, para Luger

y Stubbleﬁeld (1993), es una rama de la ciencia de la computación que se dedica a la automatización del com-

portamiento inteligente", ambos mencionados por [20]. Coincidiendo ambos escritores, la inteligencia artiﬁcial

se percibe como una manera de automatizar tareas realizadas por personas mediante procesos computaciona-

les. Según [21], se deﬁne como la emulación de la inteligencia humana mediante el desarrollo de algoritmos

inteligentes capaces de realizar tareas simples y complejas que suelen ser realizadas por personas. Existe un

consenso general en que la inteligencia artiﬁcial está diseñada para replicar el comportamiento humano, lo

que ha generado numerosos debates sobre si podría reemplazar completamente el trabajo humano. En este

sentido, Vardi. M, en 1981, planteó la siguiente pregunta: "¿Beneﬁciará en última instancia a la humanidad

la tecnología que estamos desarrollando?... Creo que la sociedad debe abordar esta cuestión antes de que se

vuelva inevitable. ¿Qué sucederá cuando los robots realicen todas nuestras tareas?"

Facultad de Ingeniería

Universidad La Salle, Arequipa, Perú

facin.innosoft@ulasalle.edu.pe

Revista Innovación y Software

Vol. 5, No. 2, Mes Septiembre-Febrero, 2024

ISSN: 2708-0935

Pág. 44-63

https://revistas.ulasalle.edu.pe/innosoft

Para resolver esta inquietud, se ha sugerido que üna respuesta común es que, si las máquinas realizan todo

nuestro trabajo, tendremos más tiempo libre para dedicarnos a actividades de ocio”. Está presente en los

diferentes tipos de industrias, ayudando con sus respectivas herramientas.

Figura 6. Cifras de acuerdo al uso de herramientas en los documentos.

Redes neuronales artiﬁciales: tienen la capacidad de estimar una gran variedad de modelos predictivos con

requisitos mínimos en cuanto a la estructura y suposiciones de los modelos. Según [22], las redes neuronales

artiﬁciales (RNA) son un componente de la inteligencia artiﬁcial (IA) y desempeñan un papel crucial en el

ámbito del aprendizaje profundo. Estas redes se basan en el funcionamiento de las neuronas biológicas y están

formadas por capas de nodos, que comprenden una capa de entrada, una o más capas ocultas y una capa de

salida. Las RNA tienen la capacidad de aprender de la experiencia y de modelar relaciones no lineales entre los

datos de entrada y salida.

Machine Learning: Es un elemento fundamental en el ámbito creciente de la ciencia de datos. A través del

uso de métodos estadísticos, los algoritmos se entrenan para realizar clasiﬁcaciones o predicciones, así como

para descubrir información crucial en proyectos de minería de datos. La información obtenida es esencial para

toma de decisiones en diversas industrias y aplicaciones, con el objetivo de inﬂuir positivamente en las métricas

de crecimiento más importantes.

Facultad de Ingeniería

Universidad La Salle, Arequipa, Perú

facin.innosoft@ulasalle.edu.pe

Revista Innovación y Software

Vol. 5, No. 2, Mes Septiembre-Febrero, 2024

ISSN: 2708-0935

Pág. 44-63

https://revistas.ulasalle.edu.pe/innosoft

Análisis Predictivo: Al aplicar inteligencia artiﬁcial a la analítica predictiva, las industrias pueden obtener

una serie de ventajas competitivas y mejorar sus estrategias de ventas para enfrentar de manera más efectiva

los cambios en el mercado y los desafíos de la competencia. La IA predictiva permite identiﬁcar patrones y

tendencias utilizando datos históricos y actuales de las empresas. En otras palabras, se pueden detectar pautas

en el comportamiento de compra de los clientes, lo que les permite evaluar qué acciones son más favorables

para alcanzar sus objetivos.

Asistentes Digitales Virtuales: Los investigadores [23], aﬁrman que, es un agente conversacional creado

utilizando inteligencia artiﬁcial, especialmente con procesamiento de lenguaje natural, que interactúa con los

usuarios proporcionando respuestas a sus consultas o preguntas. Actualmente organizaciones y asociaciones

desarrollan chatbots para que diversas áreas las utilicen, especialmente para brindar atención al cliente.

Sistema de Apoyo: Se describe como un sistema computacional que recopila datos de distintos contextos y

emplea modelos matemáticos junto con algoritmos de aprendizaje automático para asistir a los usuarios en la

toma de decisiones basadas en información.

Mufasa: La herramienta desarrollada en Python, denominada MUFASA (Análisis Semántico de IA de Datos

de Información Médica), se centra en el uso de datos médicos para llevar a cabo un análisis semántico avanzado.

Esta herramienta emplea técnicas de visualización y agrupación, junto con la última biblioteca de Sentence

Transformer. MUFASA aprovecha los datos médicos no solicitados mediante el uso de tecnología de inteligencia

artiﬁcial, lo que resulta en una mejora en la eﬁciencia y proporciona información procesable sobre cuestiones

médicas especíﬁcas para su entrega a profesionales de la salud [16]

Algoritmo de IA para imágenes médicas: De acuerdo con [24], este algoritmo emplea el aprendizaje profundo

mediante redes neuronales convolucionales, las cuales utilizan bibliotecas como TensorFlow. Se entrenan mo-

delos como MobileNet e Inception con imágenes previamente analizadas de propósito general. Se valida con un

conjunto de datos y se ajustan parámetros como el número de iteraciones y la tasa de aprendizaje para obtener

un alto rendimiento, garantizando una conﬁabilidad del diagnóstico.

ChatBots: Los chatbots, al igual que la automatización robótica de procesos (RPA), han alcanzado un desa-

rrollo signiﬁcativo y se usan actualmente con mayor frecuencia con un objetivo principal, simular conversaciones

humanas. Se logran clasiﬁcar en 3 categorías: a) básicos, que funcionan mediante reglas predeﬁnidas, b) inte-

ligentes, los cuales son capaces de comprender el contexto y mantener conversaciones más informales y, por

último, c) híbridos, que combinan rutinas preprogramadas con capacidad de poder dar interpretación a un

texto libre. Estos sistemas aportan beneﬁcios en cuestión de eﬁciencia y atención al cliente, pero carecen de

empatía, habilidades críticas, capacidad para tomar decisiones.

ChatGPT: Se trata de una herramienta de chat basada en inteligencia artiﬁcial, conocida como la cuarta

iteración del modelo de lenguaje generativo (GPT) desarrollado por OpenAI. Este sistema utiliza técnicas

soﬁsticadas de aprendizaje automático para producir texto con un tono y contexto notablemente similares al

humano. Su principal propósito radica en entender y responder de manera coherente y relevante a las consultas

Facultad de Ingeniería

Universidad La Salle, Arequipa, Perú

facin.innosoft@ulasalle.edu.pe

Revista Innovación y Software

Vol. 5, No. 2, Mes Septiembre-Febrero, 2024

ISSN: 2708-0935

Pág. 44-63

https://revistas.ulasalle.edu.pe/innosoft

de los usuarios [25]. Según [26], sostienen que, es una herramienta facilita conversaciones interactivas donde los

usuarios pueden plantear preguntas o realizar solicitudes, y el sistema ofrece respuestas en tiempo real que, a

simple vista, resultan casi idénticas a las que ofrecería un experto humano.

Conclusiones

Basándonos en los resultados obtenidos, se han identiﬁcado diversas herramientas empleadas en diferentes

sectores industriales, como redes neuronales, ChatGPT, machine learning y análisis predictivo. Estas herra-

mientas se consideran fundamentales para mejorar y agilizar procesos industriales, ya que su amplio uso sugiere

una aceptación y adaptabilidad por parte de los empresarios. Finalmente, en la Figura 6 se presentan las he-

rramientas utilizadas y se sugiere su adopción avalados en los frutíferos resultados que se obtuvieron y su

complementariedad entre sí. Este trabajo tiene por objeto ser referencia y permita a los lectores poder evaluar,

contrastar y de igual manera, orientar a investigaciones futuras con enfoques posibles para la integración de

las herramientas de inteligencia artiﬁcial en área o sector deseado.

Contribución de Autoría

Joan Antony Rodríguez Asto: Conceptualización,Investigación,Metodología,Análisis formal,Validación,

Redacción - borrador original.Segundo Manuel Samana Rodríguez: Conceptualización,Investigación,

Metodología,Análisis formal,Validación,Redacción - borrador original.Marcelino Torres Villanueva:

Conceptualización,Investigación,Metodología,Análisis formal,Validación,Redacción - borrador original,Su-

pervisión.

Referencias

[1] G. Mendizábal, A. Sánchez, and P. Kurczyn, Industria 4.0 trabajo y seguridad social. INSTITUTO DE

INVESTIGACIONES JURÍDICAS, 2019.

[2] J. C. P. Gallegos, A. T. Soto, F. S. Q. Aguilera, A. S. Sprock, E. U. M. Flor, A. Casali, E. Scheihing,

Y. J. T. Valdivia, D. T. Soto, F. J. O. Zapata, and A., Inteligencia Artiﬁcial. Iniciativa Latinoamericana

de Libros de Texto Abiertos (LATIn), 2014.

[3] J. A. Fracarolli, F. F. A. Pavarin, W. Castro, and J. Blasco, “Computer vision applied to food and

agricultural products,” Revista Ciencia Agronomica, 2020.

[4] R. M. Dellosa, “Bangus (Chanos Chanos) farming: Preparing for SMART farming and predictive analysis

Facultad de Ingeniería

Universidad La Salle, Arequipa, Perú

facin.innosoft@ulasalle.edu.pe

Revista Innovación y Software

Vol. 5, No. 2, Mes Septiembre-Febrero, 2024

ISSN: 2708-0935

Pág. 44-63

https://revistas.ulasalle.edu.pe/innosoft

using artiﬁcial intelligence tools,” International Journal of Intelligent Systems and Applications in Engi-

neering, 2023.

[5] A. Stecyk and I. Miciuła, “Harnessing the power of artiﬁcial intelligence for collaborative energy optimi-

zation platforms,” Energies, 2023.

[6] X. Peng, S. Mousa, M. Sarfraz, N. A. A, and M. Haﬀar, “Improving mineral resource management by

accurate ﬁnancial management: Studying through artiﬁcial intelligence tools,” Resources Policy, 2023.

[7] C. Anton, F. Leon, M. Gavrilescu, E.-N. Drăgoi, S.-A. Floria, S. Curteanu, and C. Lisa, “Obtaining bricks

using silicon-based materials: Experiments, modeling and optimization with artiﬁcial intelligence tools,”

Mathematics, 2022.

[8] C. E. Okonkwo, A. F. Olaniran, A. J. Adeyi, O. Adeyi, J. O. Ojediran, O. C. Erinle, I. Y. Mary, and A. E.

Taiwo, “Neural network and adaptive neuro-fuzzy inference system modeling of the hot air-drying process

of orange-ﬂeshed sweet potato,” Journal of Food Processing and Preservation, 2022.

[9] T. P., N. K. L., M. Natarajan, and R. Raju, “Generative modelling of laser beam welded inconel 718

thin weldments using ANFIS based hybrid algorithm,” International Journal on Interactive Design and

Manufacturing, 2022.

[10] P. Kanakaraj, K. Ramadass, S. Bao, M. Basford, L. M. Jones, H. H. Lee, K. Xu, K. G. Schilling, J. J.

Carr, J. G. Terry, Y. Huo, and K. L. Sandler, “Workﬂow integration of research AI tools into a hospital

radiology rapid prototyping environment,” Journal of Digital Imaging, 2022.

[11] J. Wu, M. Lind, X. Zhang, K. Pardhasaradhi, S. K. Pathi, and C. M. Myllerup, “Knowledge acquisition

and representation for intelligent operation support in oﬀshore ﬁelds,” Process Safety and Environmental

Protection, 2021.

[12] J. L. d. A. Honrubia, J. G. de la Puerta, F. Cortés, U. Aguirre-Larracoechea, A. Goti, and J. Retolaza,

“Development and application of a multi-objective tool for thermal design of heat exchangers using neural

networks,” Mathematics, 2021.

[13] D. Cardoso and L. Ferreira, “Application of predictive maintenance concepts using artiﬁcial intelligence

tools,” Applied Sciences (Switzerland), 2021.

[14] A. Goli, E. Moeini, A. M. Shaﬁee, M. Zamani, and E. Touti, “Application of improved artiﬁcial intelligence

with runner-root meta-heuristic algorithm for dairy products industry: A case study,” International Journal

on Artiﬁcial Intelligence Tools, 2020.

Facultad de Ingeniería

Universidad La Salle, Arequipa, Perú

facin.innosoft@ulasalle.edu.pe

Revista Innovación y Software

Vol. 5, No. 2, Mes Septiembre-Febrero, 2024

ISSN: 2708-0935

Pág. 44-63

https://revistas.ulasalle.edu.pe/innosoft

[15] N. Elmohandes and M. Marghany, “Eﬀective or ineﬀective? using ChatGPT for staﬃng in the hospitality

industry,” European Journal of Tourism Research, 2024.

[16] K. K. Y. Ng and P. C. Zhang, “Advancing medical aﬀair capabilities and insight generation through

machine learning techniques,” Journal of Pharmaceutical Policy and Practice, 2023.

[17] K. Szwajka, J. Zielińska-Szwajka, and T. Trzepieciński, “The use of a radial basis function neural network

and fuzzy modelling in the assessment of surface roughness in the MDF milling process,” Materials, 2023.

[18] A. Abulibdeh, E. Zaidan, and R. Abulibdeh, “Navigating the conﬂuence of artiﬁcial intelligence and edu-

cation for sustainable development in the era of industry 4.0: Challenges, opportunities, and ethical di-

mensions,” Journal of Cleaner Production, 2024.

[19] M. S. Khan and H. Umer, “ChatGPT in ﬁnance: Applications, challenges, and solutions,” Heliyon, 2024.

[20] T. B. Centeno, C. Ferreira, J. G. Inga, A. Vélez, R. Huacho, O. D. Vidal, S. M. Moya, D. C. Reyes, W. E.

Goytendia, B. S. Ascue, and M. Tomazello-Filho, “Herramientas de corte para optimizar parámetros de

clasiﬁcación de especies maderables con redes neuronales convolucionales,” Revista de Biologia Tropical,

vol. 71, no. 1, p. e51310, 2023.

[21] P. R. Hernandez and D. V. Cruz, “Los asistentes virtuales basados en inteligencia artiﬁcial,” ReCIBE,

vol. 11, no. 2, pp. C1–1–C1–11, 2022.

[22] V. A. Kuiava, E. L. Kuiava, R. Rodriguez, A. E. Beck, J. P. M. Rodriguez, and E. O. Chielle, “Method of

histopathological diagnosis of mammary nodules through deep learning algorithm,” Jornal Brasileiro de

Patologia e Medicina Laboratorial, vol. 55, no. 6, 2019.

[23] Libertex, “¿qué es Chat GPT 4 y cómo funciona?” Online, 2023, [Online]. Available: https://libertex.org/

es/blog/chat-gpt-4.

[24] F. J. G. Peñalvo, F. Llorens-Largo, and J. Vidal, “La nueva realidad de la educación ante los avances de la

inteligencia artiﬁcial generativa,” RIED Revista Iberoamericana de Educación a Distancia, vol. 27, no. 1,

pp. 9–39, 2023.

[25] B. López, Introducción a la inteligencia artiﬁcial, 2010.

[26] P. Londoño, Inteligencia artiﬁcial: qué es, cómo funciona e importancia en 2023, 2023.

Facultad de Ingeniería

Universidad La Salle, Arequipa, Perú

facin.innosoft@ulasalle.edu.pe