Revista Multidisciplinar Epistemología de las Ciencias
Volumen 3, Número 4, 2026, octubre-diciembre
DOI: https://doi.org/10.71112/skqbxw87
IMPACTO DE LA INTELIGENCIA ARTIFICIAL EN LA OPTIMIZACIÓN DE LA
GESTIÓN DE LEADS Y LA TOMA DE DECISIONES COMERCIALES EN
PROCESOS DE VENTAS DIGITALES
THE IMPACT OF ARTIFICIAL INTELLIGENCE ON OPTIMIZING LEAD
MANAGEMENT AND COMMERCIAL DECISION-MAKING IN DIGITAL SALES
PROCESSES
María Fernanda Mogollón Gavilánez
Ecuador
DOI: https://doi.org/10.71112/skqbxw87
411 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Impacto de la inteligencia artificial en la optimización de la gestión de leads y la
toma de decisiones comerciales en procesos de ventas digitales
The impact of artificial intelligence on optimizing lead management and
commercial decision-making in digital sales processes
María Fernanda Mogollón Gavilánez
a,*
mafer04mg@gmail.com
https://orcid.org/0009-0002-5056-3867
*
Autor de correspondencia: mafer04mg@gmail.com,
a
Máster Universitario en Inteligencia
Artificial, Aicad Business School, Ecuador
RESUMEN
La inteligencia artificial (IA) constituye una herramienta estratégica para optimizar la gestión
comercial en las ventas digitales. Este estudio analizó su impacto en la gestión de leads, la
toma de decisiones, el manejo de objeciones y el cierre de ventas en pequeñas y medianas
empresas (PYMES). Se empleó un enfoque cuantitativo, descriptivo, no experimental y
transversal. La información se recopiló mediante encuestas digitales aplicadas a 71 asesores
comerciales y 15 directivos, con preguntas de caracterización, ítems en escala de Likert y
preguntas abiertas. Los resultados muestran un amplio uso de herramientas digitales para
registrar y dar seguimiento a los leads. Asimismo, los directivos reconocen el valor estratégico
de la IA, aunque identifican limitaciones en la implementación de mecanismos analíticos. Se
concluye que la IA favorece la gestión comercial, pero su impacto depende de la madurez
digital, la capacitación y el fortalecimiento de las capacidades tecnológicas de las PYMES.
DOI: https://doi.org/10.71112/skqbxw87
412 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Palabras clave: inteligencia artificial; gestión de leads; ventas digitales; toma de decisiones
comerciales; pequeñas y medianas empresas; transformación digital.
ABSTRACT
Artificial intelligence (AI) has become a strategic tool for optimizing sales management in digital
sales environments. This study analyzed its impact on lead management, decision-making,
objection handling, and sales closing in small and medium-sized enterprises (SMEs). A
quantitative, descriptive, non-experimental, and cross-sectional research design was employed.
Data were collected through online surveys administered to 71 sales representatives and 15
executives, including sociodemographic questions, Likert-scale items, and open-ended
questions. The results indicate the widespread use of digital tools to record and follow up on
leads. Executives also recognize the strategic value of AI, although they identify limitations in
the implementation of analytical mechanisms. It is concluded that AI enhances sales
management; however, its impact depends on SMEs’ level of digital maturity, staff training, and
the strengthening of technological capabilities.
Keywords: artificial intelligence; lead management; digital sales; sales decision-making; small
and medium-sized enterprises; digital transformation.
Recibido: 3 septiembre 2026 | Aceptado: 6 octubre 2026 | Publicado: 7 octubre 2026
INTRODUCCIÓN
La inteligencia artificial (IA) transforma los procesos comerciales al automatizar tareas,
analizar información y apoyar decisiones. En ventas, sus aplicaciones abarcan la prospección,
la calificación de clientes potenciales, la personalización y el acompañamiento al vendedor. La
literatura sostiene que su mayor valor aparece cuando complementa el juicio humano, en lugar
DOI: https://doi.org/10.71112/skqbxw87
413 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
de sustituirlo, y cuando se integra en procesos y datos confiables (Davenport et al., 2020;
Jarrahi, 2018; Paschen et al., 2020a; Syam & Sharma, 2018).
La incorporación de IA no es homogénea. Las organizaciones difieren en
infraestructura, calidad de datos, competencias y capacidad para convertir información en
acciones comerciales. La preparación organizacional, las capacidades analíticas y la gestión
del cambio condicionan el desempeño de estas iniciativas (Campbell et al., 2020; Jöhnk et al.,
2021; Mikalef & Gupta, 2021). Esta brecha resulta especialmente relevante en pequeñas y
medianas empresas (pymes), donde la disponibilidad de recursos puede limitar la adopción de
soluciones predictivas y favorecer usos operativos de menor complejidad.
En el embudo de ventas B2B, la colaboración entre personas e IA puede aportar valor
en la identificación, priorización y seguimiento de oportunidades (Paschen et al., 2020a). Sin
embargo, la automatización también plantea riesgos relacionados con sesgos, opacidad,
privacidad y respuestas descontextualizadas; por ello requiere supervisión humana y criterios
de uso responsable (De Bruyn et al., 2020; Dwivedi et al., 2021; Raisch & Krakowski, 2021). La
capacidad de reconocer dimensiones cognitivas y emocionales del servicio refuerza, además,
la necesidad de conservar la empatía del asesor en interacciones sensibles (Huang & Rust,
2018; Huang et al., 2019).
En Ecuador todavía es limitada la evidencia empírica sobre cómo asesores y directivos
de pymes utilizan estas tecnologías en ventas digitales. El presente estudio analiza el impacto
percibido de la IA en la gestión de leads, la toma de decisiones, el manejo de objeciones y el
cierre de ventas. Para ello se aplicaron dos encuestas a 71 asesores comerciales y 15
directivos, combinando ítems de escala Likert con preguntas abiertas.
El estudio identifica las aplicaciones predominantes de IA y herramientas digitales,
examina su aporte al análisis y priorización de clientes potenciales y describe su empleo en
objeciones y cierres. Sus resultados ofrecen una caracterización situada de la adopción
DOI: https://doi.org/10.71112/skqbxw87
414 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
tecnológica y orientaciones para avanzar desde prácticas individuales hacia procesos
integrados, medibles y responsables.
METODOLOGÍA
La investigación se desarrolló bajo un enfoque cuantitativo con apoyo cualitativo
complementario, debido a que la mayor parte de la información se obtuvo mediante preguntas
estructuradas con escala de Likert, mientras que las preguntas abiertas permitieron ampliar e
interpretar las percepciones expresadas por los participantes. Esta combinación facilitó una
comprensión más integral del uso de la inteligencia artificial en la gestión de leads, la toma de
decisiones comerciales, el manejo de objeciones y el cierre de ventas en procesos de ventas
digitales.
El estudio correspondió a un diseño no experimental, descriptivo y de corte transversal.
Fue no experimental porque las variables de estudio no fueron manipuladas y se observaron en
su contexto natural. Asimismo, tuvo un alcance descriptivo, ya que buscó caracterizar el uso y
la percepción de las herramientas de inteligencia artificial en los procesos comerciales de las
pequeñas y medianas empresas. Finalmente, fue transversal debido a que la recolección de la
información se realizó en un único momento durante el período de estudio.
Diseño del estudio
Se diseñaron dos cuestionarios estructurados dirigidos a diferentes grupos de
participantes (Anexos 1 y 2), con el propósito de analizar la problemática desde dos niveles de
estudio. El primer instrumento estuvo dirigido a asesores comerciales y permitió identificar el
uso operativo de herramientas digitales e inteligencia artificial durante la gestión de leads y el
proceso de ventas. El segundo instrumento se aplicó a directivos de PYMES con el fin de
conocer la perspectiva estratégica sobre la incorporación de la inteligencia artificial en los
DOI: https://doi.org/10.71112/skqbxw87
415 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
procesos comerciales y la toma de decisiones. Ambos cuestionarios fueron elaborados en
función de las variables de investigación y de los objetivos planteados.
Recolección de datos
La información se recopiló mediante dos encuestas digitales distribuidas a través de
enlaces electrónicos enviados a los participantes seleccionados. La participación fue voluntaria
y, antes de responder el cuestionario, cada participante aceptó un consentimiento informado
(Anexo 3), mediante el cual manifestó su conformidad para formar parte del estudio.
Una vez concluido el período de recolección, las respuestas fueron revisadas para verificar el
cumplimiento del consentimiento informado. Se excluyeron once registros que no cumplían este
requisito y, posteriormente, la base de datos definitiva fue organizada para su procesamiento y
análisis.
Procedimiento de análisis de datos
El análisis de la información se desarrolló en dos niveles. En primer lugar, se efectuó un
análisis cuantitativo descriptivo mediante el cálculo de frecuencias absolutas y relativas, medias
y desviaciones estándar obtenidas a partir de las respuestas de la escala de Likert. Los
resultados fueron representados mediante tablas y gráficos de barras para facilitar su
interpretación.
En segundo lugar, las respuestas abiertas fueron sometidas a un análisis cualitativo de
carácter complementario, basado en la identificación y agrupación de temas recurrentes. Esta
información permitió contextualizar e interpretar los resultados cuantitativos, aportando una
visión más amplia sobre la percepción y experiencia de los participantes respecto al uso de la
inteligencia artificial en los procesos comerciales.
DOI: https://doi.org/10.71112/skqbxw87
416 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
RESULTADOS
La investigación recopiló información mediante dos encuestas estructuradas,
elaboradas en Google Forms. La primera estuvo dirigida a asesores comerciales y la segunda,
a directivos o representantes de pequeñas y medianas empresas (pymes). Se obtuvieron 71
respuestas válidas de asesores comerciales y 15 de directivos. Se consideraron válidas
aquellas respuestas proporcionadas por participantes que aceptaron voluntariamente formar
parte del estudio mediante el consentimiento informado incorporado en cada encuesta.
La aplicación de los dos cuestionarios permitió contrastar las perspectivas de los
participantes según el rol que desempeñan en sus respectivas empresas. Por una parte, se
analizó la visión operativa de quienes gestionan leads y afrontan diariamente las objeciones de
los clientes potenciales; por otra, la visión estratégica de quienes participan en la toma de
decisiones y en la mejora de los procesos de las áreas de marketing o comercial de las
organizaciones que representan.
Resultados de la encuesta a asesores comerciales
Figura 1
Resultado consentimiento informado
DOI: https://doi.org/10.71112/skqbxw87
418 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Figura 4
Principales canales de trabajo con cliente
Figura 5
Gestión de leads generados en su trabajo
Figura 6
IA y toma de decisiones comerciales en su día a día
DOI: https://doi.org/10.71112/skqbxw87
419 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Figura 7
IA y manejo de objeciones/cierre de ventas:
Los resultados evidencian un nivel relevante de digitalización básica en la gestión
comercial. El uso de herramientas para el seguimiento de leads, como sistemas CRM, hojas de
cálculo y plataformas de contacto, alcanzó una media de 3,99 sobre 5, lo que demuestra la
existencia de condiciones operativas favorables para incorporar tecnologías más avanzadas,
incluida la inteligencia artificial (IA). Sin embargo, esta madurez digital no es homogénea. La
recepción de leads mediante canales digitales obtuvo una media de 3,24, mientras que la
percepción de una cantidad elevada de clientes potenciales en relación con el tiempo
disponible alcanzó 2,79. Esto indica que disponer de herramientas digitales no garantiza un
mayor volumen ni una mejor calidad de leads.
En cuanto a la toma de decisiones comerciales, la influencia de los reportes y
sugerencias digitales en la priorización de clientes registró una media de 3,20, y el uso de IA o
automatización para tomar decisiones basadas en datos alcanzó 3,03. Estos valores reflejan
una adopción intermedia, en la que el criterio del asesor continúa siendo determinante. Los
resultados más favorables se observaron en el manejo de objeciones: la mejora percibida en
esta capacidad obtuvo una media de 3,58, mientras que la recepción de guías o respuestas
automáticas alcanzó 3,46. En conjunto, los hallazgos muestran una transición gradual desde
DOI: https://doi.org/10.71112/skqbxw87
420 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
prácticas tradicionales hacia una gestión comercial digital, aunque con distintos niveles de
implementación entre los asesores.
La primera pregunta fue: «Mencione una herramienta digital o de IA que utilice —o le
gustaría utilizar— para gestionar leads y explique brevemente cómo le ayuda o le ayudaría en
su trabajo». Las respuestas se presentan en el Anexo 4 y pueden organizarse, según su
frecuencia, de la siguiente manera:
Herramienta mencionada con mayor frecuencia
• IA generativa: ChatGPT.
Herramientas mencionadas en varias respuestas
• IA generativa: Gemini.
• CRM: Bitrix24 y Kommo.
• Canales digitales de prospección y contacto: redes sociales y Marketplace.
• Sistemas de puntuación predictiva de leads.
• Ausencia de herramientas digitales para gestionar leads.
Herramientas mencionadas con menor frecuencia
• IA generativa: Claude y Perplexity.
• CRM o sistemas de gestión: HubSpot, Zoho, One y AXIS.
• Registro manual de leads: Excel.
• Herramientas específicas: Dola, para productividad; Dinorabbit, para automatización;
y Nim, como herramienta de IA.
Herramientas que no pudieron identificarse
GPCH y otras respuestas cuya denominación no permitió establecer la herramienta
utilizada.
Las respuestas abiertas evidencian que las aplicaciones de mensajería y las
herramientas de IA generativa se utilizan principalmente para estructurar argumentos
DOI: https://doi.org/10.71112/skqbxw87
421 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
comerciales, responder con mayor rapidez y atender objeciones relacionadas con el precio o la
necesidad de información adicional. Entre las herramientas más mencionadas se encuentran
ChatGPT, Gemini, Claude y Perplexity. Asimismo, se reportó el uso de sistemas CRM, como
HubSpot, Bitrix24, Kommo y Zoho, que facilitan la automatización, puntuación y seguimiento de
leads. Sin embargo, algunos asesores indicaron que no emplean herramientas específicas o
que recurren únicamente a recursos básicos, como Excel, Word y redes sociales.
Los participantes también describieron casos en los que la IA permitió mejorar
explicaciones, elaborar guiones de venta, reforzar la propuesta de valor y transformar
objeciones en oportunidades comerciales, contribuyendo incluso al cierre de ventas. No
obstante, otros asesores señalaron que las respuestas generadas pueden resultar poco
empáticas, robóticas o insuficientes para gestionar las emociones del cliente. En conjunto, los
hallazgos muestran que la adopción de IA en ventas es heterogénea y depende del nivel de
digitalización de las empresas, la disponibilidad de recursos y la disposición de los asesores.
Esta diversidad revela una baja estandarización y la necesidad de integrar estas herramientas
de manera planificada, sin sustituir el criterio ni la interacción humana.
La tercera pregunta fue: «¿Qué mejoras cree que deberían implementarse en las
herramientas actuales para apoyar mejor su trabajo en el manejo de objeciones y el cierre de
ventas?». Las propuestas, detalladas en el Anexo 6, se organizaron en las siguientes
categorías:
• Mejora de las bases de datos, la calidad de los leads y la segmentación.
• Capacitación y talleres sobre IA, ventas y técnicas de cierre.
• Incorporación de IA y asistentes inteligentes.
• Funciones específicas del CRM relacionadas con la puntuación de leads y la
generación de respuestas.
• Mejoras en comunicación, marketing y soporte visual.
DOI: https://doi.org/10.71112/skqbxw87
422 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Las respuestas evidencian una demanda importante de mayor calidad y filtrado de las
bases de datos. Entre las acciones propuestas se encuentran la actualización periódica, la
segmentación y la depuración de contactos, con el propósito de evitar la saturación ocasionada
por registros no pertinentes o ya atendidos. Desde la perspectiva de los asesores, la efectividad
en el manejo de objeciones y el cierre de ventas está estrechamente relacionada con una
adecuada calificación de los leads.
Asimismo, los participantes manifestaron la necesidad de disponer de herramientas más
avanzadas, como asistentes virtuales especializados, simuladores de ventas y sistemas
capaces de ofrecer sugerencias en tiempo real con base en el historial del cliente. Estas
propuestas muestran que los asesores no solicitan únicamente más tecnología, sino
herramientas y procesos que articulen la automatización, la formación continua y la mejora de
la calidad de los datos.
Resultados de la encuesta a directivos PYMES
Figura 8
Aceptación de participación en la investigación mediante el consentimiento informado
Figura 9
Cargo que ocupa en la empresa
DOI: https://doi.org/10.71112/skqbxw87
424 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Figura 13
Uso estratégico de la IA y de herramientas digitales
Figura 14
Uso de la IA en la gestión de leads
Los resultados muestran una valoración favorable de la IA como recurso estratégico
para fortalecer las ventas digitales. Los directivos consideran que será importante para la
estrategia comercial de los próximos años (media de 4,40) y manifiestan un interés explícito en
utilizarla para mejorar los procesos de venta (4,27). Sin embargo, esta percepción positiva
todavía no se traduce plenamente en acciones concretas. La implementación de herramientas
de automatización o IA para gestionar leads obtuvo una media de 3,40; la disponibilidad de
datos adecuados alcanzó 3,25; y la existencia de sistemas automatizados para calificar y
priorizar leads registró el valor más bajo, con 2,53.
DOI: https://doi.org/10.71112/skqbxw87
425 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
En la toma de decisiones, los directivos perciben que la IA contribuye moderadamente a
fundamentar las decisiones en datos (3,33), pero el uso de tableros de control o análisis
avanzados continúa siendo limitado (2,73), al igual que la evaluación periódica del rendimiento
de estas herramientas (3,00). Asimismo, su aplicación para preparar respuestas ante
objeciones obtuvo una media de 2,73. En conjunto, los hallazgos evidencian una brecha entre
el reconocimiento estratégico de la IA y su implementación efectiva, especialmente en la
automatización, priorización de leads, análisis de datos, seguimiento de resultados y apoyo al
cierre de ventas.
Las preguntas abiertas permitieron profundizar en estas tendencias.
La primera pregunta fue: «Desde su rol directivo, ¿qué cambios concretos ha observado
en la gestión de leads a partir del uso de herramientas digitales o de IA?». Debido al reducido
número de participantes en comparación con la encuesta aplicada a los asesores, las
respuestas presentadas en el Anexo 7 se organizaron en las siguientes categorías:
• Automatización y velocidad en la gestión de leads.
• Mejora del seguimiento, la organización y la calidad de los leads.
• Resultados comerciales y apoyo en el abordaje de clientes.
• Ausencia de uso.
Los directivos que reportaron el empleo de IA o herramientas digitales en sus equipos
comerciales señalaron mejoras en la velocidad de gestión, lo que sugiere una transición desde
procesos manuales hacia prácticas digitales más ágiles. También mencionaron una mejor
organización y percepción de la calidad de los prospectos. Algunos asociaron el uso de estas
herramientas con una mayor conversión. Por otra parte, el 20 % indicó que no las utiliza.
La segunda pregunta fue: «Desde su perspectiva, ¿cuál ha sido el principal beneficio de
usar IA o herramientas avanzadas de análisis para la toma de decisiones comerciales?». Los
beneficios identificados en el Anexo 8 se organizaron así:
DOI: https://doi.org/10.71112/skqbxw87
426 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
• Rapidez, agilidad y reducción de errores.
• Decisiones basadas en datos y mejora de la calidad de la información.
• Impacto comercial directo.
• Ausencia de beneficios reportados (26,7 %).
Las respuestas muestran beneficios vinculados con la agilidad operativa, la disminución
de errores y la optimización de los procesos. Varios directivos señalaron que estas
herramientas favorecen decisiones basadas en datos, pues permiten identificar tendencias y
oportunidades. También mencionaron la generación de contenido para apoyar los cierres y
contribuir al incremento de las ventas. En contraste, el 26,7 % no reportó beneficios, resultado
que podría relacionarse con la falta de uso identificada en la pregunta anterior. No obstante,
esta relación debe presentarse como una interpretación y no como una relación causal
demostrada.
La tercera pregunta fue: «¿Podría describir un ejemplo en el que la tecnología o la IA
haya apoyado el manejo de objeciones o el cierre de una venta importante?». Las experiencias
registradas en el Anexo 9 se clasificaron de la siguiente manera:
• Uso de datos y analítica para persuadir al cliente.
• Apoyo al proceso comercial.
• Captación de nuevos clientes.
• Ausencia de uso para manejar objeciones (40 %).
Los directivos destacaron el empleo de análisis de datos e información histórica para
fortalecer los argumentos ante las objeciones. Otras respuestas valoraron el apoyo de
asistentes virtuales en el proceso comercial, ya que estos permiten calificar inicialmente al
cliente potencial y formular preguntas clave antes de transferirlo al asesor. Sin embargo, el 40
% manifestó que no utiliza estas herramientas para el cierre de ventas ni para el manejo de
objeciones.
DOI: https://doi.org/10.71112/skqbxw87
427 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Análisis integrado de acuerdo con los objetivos del estudio
En relación con el primer objetivo específico, los resultados muestran que la IA se utiliza
principalmente para actividades prácticas de la gestión comercial, como registrar y organizar
leads, redactar mensajes, reducir los tiempos de respuesta y mejorar la trazabilidad de los
clientes potenciales. Por tanto, su aplicación se concentra en la automatización de tareas
cotidianas y en el apoyo al discurso de ventas, más que en el uso de modelos avanzados de
aprendizaje automático. Esto indica que la IA todavía no ha producido una transformación
integral de los procesos comerciales en las empresas estudiadas.
Respecto al segundo objetivo, se identificó una brecha entre la importancia estratégica
atribuida a la IA y su implementación operativa. Aunque los directivos reconocen su potencial
para fortalecer las estrategias comerciales, persisten limitaciones relacionadas con la
disponibilidad y calidad de los datos, el acceso a herramientas especializadas y la
consolidación de procesos automatizados. Por su parte, los asesores utilizan estas tecnologías
de manera moderada para organizar sus actividades y estructurar respuestas, pero sin
depender significativamente de recomendaciones automáticas. En consecuencia, la
contribución de la IA a la toma de decisiones está condicionada por la madurez tecnológica de
la empresa, la capacitación del personal y la calidad de los datos y leads disponibles. Además,
debido al carácter descriptivo del estudio y al tamaño de la muestra, los resultados deben
interpretarse como una valoración de la utilidad percibida y no como evidencia de una relación
causal o de una efectividad comprobada.
En cuanto al tercer objetivo, la IA presenta aplicaciones concretas en el manejo de
objeciones y el cierre de ventas. Los participantes señalaron que estas herramientas permiten
mejorar guiones, elaborar argumentos comerciales, responder con mayor rapidez y facilitar el
proceso de cierre. Sin embargo, su adopción no es uniforme ni se encuentra plenamente
institucionalizada. Predomina el uso individual e informal de herramientas de IA generativa, en
DOI: https://doi.org/10.71112/skqbxw87
428 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
lugar de sistemas especializados de analítica conversacional o inteligencia de ingresos. En
conjunto, los hallazgos evidencian que la IA ya funciona como un recurso de apoyo para la
gestión de leads, la toma de decisiones y el manejo de objeciones, pero su aprovechamiento
continúa siendo parcial, heterogéneo y dependiente de las capacidades tecnológicas y
organizacionales de cada empresa.
DISCUSIÓN
Interpretación y contraste con la literatura
Los resultados muestran una adopción gradual, heterogénea y principalmente operativa
de la IA. Esta evidencia coincide con Carrasco et al. (2025), Marcillo et al. (2024) y Hautamäki y
Heikinheimo (2025), quienes describen beneficios potenciales en ventas, pero también
capacidades organizacionales desiguales. Desde una perspectiva sociotécnica, el valor no
proviene de la herramienta aislada, sino de su articulación con personas, procesos,
conocimiento y datos (Jarrahi, 2018; Mikalef y Gupta, 2021; Raisch y Krakowski, 2021).
En la gestión de leads predominan CRM, hojas de cálculo, mensajería e IA generativa.
Los modelos de aprendizaje automático pueden mejorar la clasificación y priorización
(González-Flores et al., 2025; Syam y Sharma, 2018), pero los sistemas automatizados de lead
scoring tuvieron baja presencia en la muestra. La distancia entre ese escenario y las prácticas
observadas confirma que contar con herramientas digitales no equivale a disponer de
capacidades avanzadas de IA. La calidad de datos, la preparación organizacional y la selección
adecuada de algoritmos son condiciones previas para escalar estas soluciones (Jöhnk et al.,
2021; Lee y Shin, 2020).
Los directivos atribuyen importancia estratégica a la IA, aunque la analítica avanzada y
los mecanismos sistemáticos de evaluación siguen siendo limitados. Este resultado es
consistente con marcos que vinculan la IA con predicción, personalización y decisiones
DOI: https://doi.org/10.71112/skqbxw87
429 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
comerciales basadas en datos (Campbell et al., 2020; Davenport et al., 2020; Huang y Rust,
2021). Las fuentes técnicas consultadas también describen aplicaciones de pronóstico y
priorización (Netscribes, 2025; Parker, 2025; SAP, 2025), pero sus afirmaciones deben
interpretarse como orientación profesional y no como sustituto de evidencia empírica revisada
por pares.
En el manejo de objeciones, la IA generativa se utiliza para elaborar guiones, mejorar
argumentos y responder con rapidez. Esta práctica se aproxima a la inteligencia colaborativa a
lo largo del embudo B2B (Paschen et al., 2020a) y a la automatización de tareas cognitivas y
comunicacionales descrita por Paschen et al. (2020b) y McKinsey y Company (2024). Carrasco
et al. (2025), Marcillo et al. (2024), Draup (2025) y Sekiri (2024) también señalan aplicaciones
comerciales; no obstante, en esta muestra predomina un uso individual e informal y no
plataformas institucionalizadas de inteligencia de ingresos.
Implicaciones y límites
La IA puede acelerar respuestas y ampliar la capacidad analítica, pero no reemplaza la
empatía ni el juicio del asesor. La literatura sobre IA en servicios distingue tareas mecánicas,
analíticas, intuitivas y empáticas, y advierte que una mayor automatización desplaza hacia las
personas las interacciones de mayor complejidad emocional (Huang y Rust, 2018 como se citó
en Huang et al., 2019). Esta consideración coincide con las respuestas de asesores que
percibieron algunos mensajes generados como robóticos o poco sensibles. Las
recomendaciones prácticas sobre objeciones de Ortiz (2023) resultan útiles como referencia
profesional, aunque no constituyen evidencia científica sobre la efectividad de la IA.
Para las pymes, una ruta viable consiste en fortalecer primero el registro, la depuración,
la protección y la trazabilidad de los datos; luego, formalizar repositorios de objeciones, guiones
revisados y reglas de supervisión; y finalmente incorporar automatización y modelos
predictivos. Esta secuencia responde a los factores de preparación organizacional identificados
DOI: https://doi.org/10.71112/skqbxw87
430 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
por Jöhnk et al. (2021) y a la necesidad de transformar datos en acciones de marketing
(Campbell et al., 2020). También permite gestionar riesgos de privacidad, sesgo, opacidad y
uso acrítico (De Bruyn et al., 2020; Dwivedi et al., 2021).
Las fuentes empresariales sobre CRM y seguimiento de leads —HubSpot (2022),
Escala (2023), Dudkin (2025), Matelso (2025) y Reyes (2026)— ofrecen descripciones
funcionales de herramientas. En este estudio se emplean para contextualizar prácticas
reportadas, mientras que la interpretación académica se sustenta en investigaciones revisadas
por pares. La distinción evita atribuir a materiales comerciales un nivel de evidencia que no
poseen.
El impacto debería evaluarse con indicadores objetivos, como tiempo de respuesta, tasa
de conversión, duración del ciclo, satisfacción del cliente y calidad de la interacción. En
ausencia de estas mediciones, los resultados describen percepciones de utilidad y no
demuestran causalidad. Asimismo, el diseño transversal, el muestreo y el tamaño de la muestra
impiden generalizar los hallazgos a todas las pymes ecuatorianas.
CONCLUSIONES
En relación con el objetivo general, se concluye que la inteligencia artificial contribuye
de manera gradual y moderada a la gestión de leads y a la toma de decisiones comerciales.
Los directivos reconocen su valor estratégico, mientras que los asesores la utilizan para
registrar y dar seguimiento a clientes potenciales, organizar la comunicación y apoyar su
priorización. Sin embargo, su incorporación aún no es integral, pues depende de la calidad de
los datos, la integración tecnológica, la capacitación del personal y la madurez digital de cada
empresa.
DOI: https://doi.org/10.71112/skqbxw87
431 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Respecto al primer objetivo específico, las herramientas más utilizadas son los CRM, las
hojas de cálculo, las aplicaciones de mensajería y la IA generativa. Aunque estas soluciones
facilitan el registro, la organización, el seguimiento y la trazabilidad de los leads, es necesario
diferenciar las herramientas digitales convencionales de aquellas que incorporan funciones
específicas de IA. Además, los sistemas automatizados para calificar, segmentar y priorizar
clientes potenciales todavía tienen una aplicación limitada.
En cuanto al segundo objetivo específico, la IA presenta una utilidad moderada para la
toma de decisiones comerciales. Los reportes y las sugerencias digitales ayudan a organizar el
seguimiento, priorizar algunos leads y preparar respuestas. No obstante, las decisiones aún
dependen principalmente del criterio de los asesores. El uso de analítica avanzada, indicadores
sistemáticos y modelos predictivos continúa siendo limitado, lo que evidencia una brecha entre
el interés estratégico de los directivos y la implementación efectiva de estas tecnologías.
Respecto al tercer objetivo específico, la IA generativa se emplea para redactar mensajes,
estructurar argumentos y responder con mayor rapidez a objeciones relacionadas con el precio,
el valor de la oferta y la confianza del cliente. Sin embargo, estas prácticas son incipientes,
poco estandarizadas y generalmente dependen de la iniciativa individual de los asesores.
Tampoco es posible afirmar que la IA haya incrementado directamente los cierres de ventas,
debido a la ausencia de mediciones que relacionen su utilización con indicadores objetivos de
conversión.
En conclusión, la adopción de IA en las empresas estudiadas es heterogénea y se
concentra principalmente en actividades operativas y comunicacionales. Las aplicaciones
avanzadas, como el lead scoring, la analítica predictiva y la evaluación automatizada del
desempeño, todavía presentan un desarrollo limitado. Por ello, su incorporación debe realizarse
gradualmente, con datos de calidad, sistemas integrados, capacitación y criterios de uso
responsable. Debido al tamaño y alcance de la muestra, estos resultados corresponden
DOI: https://doi.org/10.71112/skqbxw87
432 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
únicamente a los participantes estudiados y no pueden generalizarse a todas las pymes
ecuatorianas.
Declaración de conflicto de interés
La autora declara no tener ningún conflicto de interés relacionado con esta
investigación.
Declaración de contribución a la autoría
María Fernanda Mogollón Gavilánez: conceptualización, curación de datos, análisis
formal, investigación, metodología, administración del proyecto, recursos, validación,
visualización, redacción del borrador original, revisión y edición de la redacción.
Declaración de uso de inteligencia artificial
La autora declara que utilizó herramientas de inteligencia artificial como apoyo para la
revisión lingüística, la organización editorial y la verificación de correspondencia entre citas y
referencias. La autora revisó y validó el contenido final y asume plena responsabilidad por la
precisión, originalidad e integridad del manuscrito.
REFERENCIAS
Campbell, C., Sands, S., Ferraro, C., Tsao, H.-Y. J., & Mavrommatis, A. (2020). From data to
action: How marketers can leverage AI. Business Horizons, 63(2), 227–243.
https://doi.org/10.1016/j.bushor.2019.12.002
Carrasco, C., León, M., Lossio, P., Puente, E., & Holgado, A. (2025). Impacto de la inteligencia
artificial en la efectividad de ventas de las PYMES: Una revisión sistemática.
Prohominum, 7(4), 198–209. https://doi.org/10.47606/ACVEN/PH0392
DOI: https://doi.org/10.71112/skqbxw87
433 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Davenport, T. H., Guha, A., Grewal, D., & Bressgott, T. (2020). How artificial intelligence will
change the future of marketing. Journal of the Academy of Marketing Science, 48(1),
24–42. https://doi.org/10.1007/s11747-019-00696-0
De Bruyn, A., Viswanathan, V., Beh, Y. S., Brock, J. K.-U., & von Wangenheim, F. (2020).
Artificial intelligence and marketing: Pitfalls and opportunities. Journal of Interactive
Marketing, 51(1), 91–105. https://doi.org/10.1016/j.intmar.2020.04.007
Draup. (2025, marzo 4). The future of sales intelligence: How AI is transforming enterprise
selling. https://draup.com/sales/blog/the-future-of-sales-intelligence-how-ai-is-
transforming-enterprise-selling
Dudkin, I. (2025, marzo 12). How Agentforce is enhancing sales and lead generation with AI.
DataGroomr. https://datagroomr.com/how-agentforce-is-enhancing-sales-and-lead-
generation-with-ai/
Dwivedi, Y. K., Hughes, L., Ismagilova, E., Aarts, G., Coombs, C., Crick, T., Duan, Y., Dwivedi,
R., Edwards, J., Eirug, A., Galanos, V., Ilavarasan, P. V., Janssen, M., Jones, P., Kar, A.
K., Kizgin, H., Kronemann, B., Lal, B., Lucini, B., Medaglia, R., Le Meunier-FitzHugh, K.,
Misra, S., Mogaji, E., Sharma, S. K., Singh, J. B., Raghavan, V., Raman, R., Rana, N.
P., Samothrakis, S., Spencer, J., Tamilmani, K., Tubadji, A., Walton, P., & Williams, M.
D. (2021). Artificial intelligence (AI): Multidisciplinary perspectives on emerging
challenges, opportunities, and agenda for research, practice and policy. International
Journal of Information Management, 57, 101994.
https://doi.org/10.1016/j.ijinfomgt.2019.08.002
Escala. (2023). Gestión de leads: Cómo hacerlo, buenas prácticas y más.
https://escala.com/gestion-de-leads/
DOI: https://doi.org/10.71112/skqbxw87
434 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
González-Flores, L., Rubiano, J., & Sosa, G. (2025). The relevance of lead prioritization: A B2B
lead scoring model based on machine learning. Frontiers in Artificial Intelligence, 8,
1554325. https://doi.org/10.3389/frai.2025.1554325
Hautamäki, P., & Heikinheimo, M. (2025). Fully leveraging AI in B2B sales: Exploring sales
managers’ capabilities and organizational knowledge processes. Journal of Business
Research, 194, 115396. https://doi.org/10.1016/j.jbusres.2025.115396
Huang, M.-H., & Rust, R. T. (2018). Artificial intelligence in service. Journal of Service
Research, 21(2), 155–172. https://doi.org/10.1177/1094670517752459
Huang, M.-H., & Rust, R. T. (2021). A strategic framework for artificial intelligence in marketing.
Journal of the Academy of Marketing Science, 49(1), 30–50.
https://doi.org/10.1007/s11747-020-00749-9
Huang, M.-H., Rust, R. T., & Maksimovic, V. (2019). The feeling economy: Managing in the next
generation of artificial intelligence (AI). California Management Review, 61(4), 43–65.
https://doi.org/10.1177/0008125619863436
HubSpot. (2022). Guía sobre lead scoring. https://es.scribd.com/document/581604963/Guia-
sobre-lead-scoring
Jarrahi, M. H. (2018). Artificial intelligence and the future of work: Human-AI symbiosis in
organizational decision making. Business Horizons, 61(4), 577–586.
https://doi.org/10.1016/j.bushor.2018.03.007
Jöhnk, J., Weißert, M., & Wyrtki, K. (2021). Ready or not, AI comes—An interview study of
organizational AI readiness factors. Business & Information Systems Engineering, 63(1),
5–20. https://doi.org/10.1007/s12599-020-00676-7
Lee, I., & Shin, Y. J. (2020). Machine learning for enterprises: Applications, algorithm selection,
and challenges. Business Horizons, 63(2), 157–170.
https://doi.org/10.1016/j.bushor.2019.10.005
DOI: https://doi.org/10.71112/skqbxw87
435 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Marcillo, F., Vinueza Verdezoto, A. E., Romero López, A. J., & Begnini, L. F. (2024). La
inteligencia artificial como aliada en la gestión de ventas: Caso de estudio empresa
MakroHospital. Revista Científica Kosmos, 3(2), 33–48.
https://doi.org/10.62943/rck.v3n2.2024.90
Matelso. (2025). The role of artificial intelligence in modern lead management: Optimize your
sales strategy with AI. https://matelso.com/en/blog/the-role-of-artificial-intelligence-in-
modern-lead-management-optimize-your-sales-strategy-with-ai/
McKinsey & Company. (2024, abril 2). What is generative AI?
https://www.mckinsey.com/featured-insights/mckinsey-explainers/what-is-generative-ai
Mikalef, P., & Gupta, M. (2021). Artificial intelligence capability: Conceptualization,
measurement calibration, and empirical study on its impact on organizational creativity
and firm performance. Information & Management, 58(3), 103434.
https://doi.org/10.1016/j.im.2021.103434
Netscribes. (2025, abril 16). Beyond the dashboard: Unlocking sales growth with predictive
analytics. https://www.netscribes.com/beyond-the-dashboard-unlocking-sales-growth-
with-predictive-analytics/
Ortiz, D. (2023, agosto 22). Objeciones de ventas: Qué son, cómo rebatirlas y superarlas.
Cyberclick. https://www.cyberclick.es/numerical-blog/objeciones-de-ventas-que-son-
como-rebatirlas-y-superarlas
Parker, A. (2025, diciembre 22). Predictive deal insights: Using AI to forecast sales success.
CPQ Integrations. https://cpq-integrations.com/blog/predictive-deal-insights-using-ai-to-
forecast-sales-success/
Paschen, J., Wilson, M., & Ferreira, J. J. (2020a). Collaborative intelligence: How human and
artificial intelligence create value along the B2B sales funnel. Business Horizons, 63(3),
403–414. https://doi.org/10.1016/j.bushor.2020.01.003
DOI: https://doi.org/10.71112/skqbxw87
436 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Paschen, U., Pitt, C., & Kietzmann, J. (2020b). Artificial intelligence: Building blocks and an
innovation typology. Business Horizons, 63(2), 147–155.
https://doi.org/10.1016/j.bushor.2019.10.004
Raisch, S., & Krakowski, S. (2021). Artificial intelligence and management: The automation–
augmentation paradox. Academy of Management Review, 46(1), 192–210.
https://doi.org/10.5465/amr.2018.0072
Reyes, I. (2026, febrero 10). Las 15 mejores herramientas de generación de leads con IA para
2026. Snov.io. https://snov.io/blog/es/herramientas-de-generacion-de-leads-con-ia/
SAP. (2025, octubre 23). How AI is redefining sales forecasting.
https://www.sap.com/resources/how-ai-redefines-sales-forecasting
Sekiri, N. (2024, noviembre 13). Top 5 AI sales tools for elite teams. Digital Adoption.
https://www.digital-adoption.com/ai-sales-tools/
Syam, N., & Sharma, A. (2018). Waiting for a sales renaissance in the fourth industrial
revolution: Machine learning and artificial intelligence in sales research and practice.
Industrial Marketing Management, 69, 135–146.
https://doi.org/10.1016/j.indmarman.2017.12.019
