Mantenimiento Predictivo de rotación de personal en Microempresas con IA

Autores/as

  • Erika Priscila Cahuasqui Molina Universidad Estatal de Bolívar
  • Shirley Viviana Zapata Romero Universidad Estatal de Bolívar

Palabras clave:

Gestión de recursos humanos, Inteligencia artificial, Mantenimiento predictivo, Microempresas, Rotación de empleados.

Resumen

En el contexto actual, caracterizado por la competitividad en el ámbito de las microempresas y la creciente demanda en la gestión de talento humano, se ha producido un notable impulso hacia la incorporación de la Inteligencia Artificial (IA) en dichas organizaciones. Un aspecto crucial que resalta es la insuficiencia de estrategias efectivas para anticipar y mitigar la rotación de los colaboradores, lo cual se ha convertido en uno de los enfoques primordiales. El propósito de este artículo es identificar factores que influyen en el mantenimiento preventivo de rotaciones innecesarias en los empleados y mejorar el área de talento humano con IA. Se realizó una revisión sistemática de 247 artículos, los cuales fueron seleccionados en base a una búsqueda en las bases de datos de alto impacto como Scopus, SpringerLink y Wef of Science, utilizando criterios de inclusión y exclusión. Se utilizaron tres preguntas de búsqueda, y el uso del software Excel para realizar un análisis de contenido, a través de codificación PRISMA. Como resultado se obtuvo que la gestión de talento y el uso de la inteligencia artificial permitirá identificar factores para prevenir la rotación del personal. Finalmente, el área de talento humano enfrenta desafíos en la implementación del mantenimiento preventivo de la rotación y aquello se puede superar con la IA en las microempresas, mejorando la eficiencia operativa y la sostenibilidad operacional.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Batra, G., Queirolo, A., & Santhanam, N. (2018). Artificial intelligence: The time to act is now. bit.ly/3PirWPq

Benhamou, S. (2023). Artificial Intelligence and the Future of Work. Revue d’économie Industrielle , 57–88. 169. https://doi.org/10.4000/rei.8727

Bhardwaj, G., Singh, S. V., & Kumar, V. (2020). An Empirical Study of Artificial Intelligence and its Impact on Human Resource Functions. 2020 International Conference on Computation, Automation and Knowledge Management (ICCAKM), 47–51. https://doi.org/10.1109/ICCAKM46823.2020.9051544

Borges, A. F. S., Laurindo, F. J. B., Spínola, M. M., Gonçalves, R. F., & Mattos, C. A. (2021). The strategic use of artificial intelligence in the digital era: Systematic literature review and future research directions. International Journal of Information Management, 57, 102225. https://doi.org/10.1016/j.ijinfomgt.2020.102225

Chuang, S. (2021). An empirical study of displaceable job skills in the age of robots. European Journal of Training and Development, 45(6/7), 617–632. https://doi.org/10.1108/EJTD-10-2019-0183

Czarnitzki, D. , F. G. P. , & R. C. (2023). Artificial intelligence and firm-level productivity. Journal of Economic Behavior & Organization, 211, 188–205.

De Kock, F. S., Lievens, F., & Born, M. Ph. (2020). The profile of the ‘Good Judge’ in HRM: A systematic review and agenda for future research. Human Resource Management Review, 30(2), 100667. https://doi.org/10.1016/j.hrmr.2018.09.003

Duan, Y., Edwards, J. S., & Dwivedi, Y. K. (2019). Artificial intelligence for decision making in the era of Big Data – evolution, challenges and research agenda. International Journal of Information Management, 48, 63–71. https://doi.org/10.1016/j.ijinfomgt.2019.01.021

Dwidienawati, D., Zainal, M., & Gandasari, D. (2023). Is Turnover Relationship to Performance Linear Or U-Inverted? A Systematic Literature Review. Journal of Intercultural Communication, 109–119. https://doi.org/10.36923/jicc.v23i2.80

Glikson, E., & Woolley, A. W. (2020). Human Trust in Artificial Intelligence: Review of Empirical Research. Academy of Management Annals, 14(2), 627–660. https://doi.org/10.5465/annals.2018.0057

Gonzales, M. D., & Hargreaves, C. A. (2022). How can we use artificial intelligence for stock recommendation and risk management? A proposed decision support system. International Journal of Information Management Data Insights, 2(2), 100130. https://doi.org/10.1016/j.jjimei.2022.100130

Jaiswal, A., Arun, C. J., & Varma, A. (2022). Rebooting employees: upskilling for artificial intelligence in multinational corporations. International Journal of Human Resource Management, 33(6), 1179–1208. https://doi.org/10.1080/09585192.2021.1891114

Kar, A. K., Choudhary, S. K., & Singh, V. K. (2022). How can artificial intelligence impact sustainability: A systematic literature review. Journal of Cleaner Production, 376, 134120. https://doi.org/10.1016/j.jclepro.2022.134120

Mohbey, K. K. (2020). Employee’s Attrition Prediction Using Machine Learning Approaches (pp. 121–128). https://doi.org/10.4018/978-1-7998-3095-5.ch005

Murugesan, U., Subramanian, P., Srivastava, S., & Dwivedi, A. (2023). A study of Artificial Intelligence impacts on Human Resource Digitalization in Industry 4.0. Decision Analytics Journal, 7, 100249. https://doi.org/10.1016/j.dajour.2023.100249

Salaza, R., Toledo, A., & Andrade, F. (2022). Disrupcion Tecnologica En La Gestion Del Talento Humano. Journal of Science and Research, 8, 178–197. https://doi.org/https://doi.org/10.5281/zenodo.7746347

Sinchigalo-Martínez, R., Guzmán-Barcenes, B., & Bonilla-Jurado, D. (2022). Bienestar emocional y rendimiento académico en estudiantes universitarios: relación bidimensional y su impacto en las estrategias de apoyo. JOURNAL OF SCIENCE AND RESEARCH, 7(4), 71–95. https://doi.org/10.5281/zenodo.8008096

Sinchigalo, R., Morales Lilian, & Argothy, A. (2023). Tendencias de investigación en Economía del Desarrollo. Un análisis bibliométrico. JOURNAL OF SCIENCE AND RESEARCH, 8(3), 142–159. https://doi.org/10.5281/zenodo.8115470

Stone, D. L., Deadrick, D. L., Lukaszewski, K. M., & Johnson, R. (2015). The influence of technology on the future of human resource management. Human Resource Management Review, 25(2), 216–231. https://doi.org/10.1016/j.hrmr.2015.01.002

Teleaba, F., Popescu, S., Olaru, M., & Pitic, D. (2021). Risks of Observable and Unobservable Biases in Artificial Intelligence Predicting Consumer Choice. Www.Amfiteatrueconomic.Ro, 23(56), 102. https://doi.org/10.24818/EA/2021/56/102

Torres, S., Lugo, J. A., Yobanis, P., Mileisis, K., Perdomo, A., Cuza, B., & Lázara, M. (2018). Técnicas formales y de inteligencia artificial para la gestión de recursos humanos en proyectos informáticos. Formal and Artificial Intelligence Techniques for the Management of Human Resources in IT Projects., 8(3), 41–52. http://scielo.sld.cu/pdf/rcci/v8n3/rcci04314.pdf

Varsha, P. (2023). How can we manage biases in artificial intelligence systems – A systematic literature review. International Journal of Information Management Data Insights, 3(1), 100165. https://doi.org/10.1016/j.jjimei.2023.100165

Verma, S., Sharma, R., Deb, S., & Maitra, D. (2021). Artificial intelligence in marketing: Systematic review and future research direction. International Journal of Information Management Data Insights, 1(1), 100002. https://doi.org/10.1016/j.jjimei.2020.100002

Votto, A. M., Valecha, R., Najafirad, P., & Rao, H. R. (2021). Artificial Intelligence in Tactical Human Resource Management: A Systematic Literature Review. International Journal of Information Management Data Insights, 1(2), 100047. https://doi.org/10.1016/j.jjimei.2021.100047

Waja, G., Patil, G., Mehta, C., & Patil, S. (2023). How AI Can be Used for Governance of Messaging Services: A Study on Spam Classification Leveraging Multi-Channel Convolutional Neural Network. International Journal of Information Management Data Insights, 3(1). https://doi.org/10.1016/j.jjimei.2022.100147

Wirtz, B. W., Weyerer, J. C., & Geyer, C. (2019). Artificial Intelligence and the Public Sector—Applications and Challenges. International Journal of Public Administration, 42(7), 596–615. https://doi.org/10.1080/01900692.2018.1498103

Yang, L., Zou, H., Shang, C., Ye, X., & Rani, P. (2023). Adoption of information and digital technologies for sustainable smart manufacturing systems for industry 4.0 in small, medium, and micro enterprises (SMMEs). Technological Forecasting and Social Change, 188, 122308. https://doi.org/10.1016/j.techfore.2022.122308

Zirar, A., Ali, S. I., & Islam, N. (2023). Worker and workplace Artificial Intelligence (AI) coexistence: Emerging themes and research agenda. Technovation, 124, 102747. https://doi.org/10.1016/j.technovation.2023.102747

Descargas

Publicado

2023-10-04
Estadísticas
Resumen 77

Cómo citar

Cahuasqui Molina, E. P., & Zapata Romero, S. V. (2023). Mantenimiento Predictivo de rotación de personal en Microempresas con IA. Journal of Science and Research, 8(4), 131–151. Recuperado a partir de https://revistas.utb.edu.ec/index.php/sr/article/view/2952

Número

Sección

Artículo de Investigación