Forma Descripción generada automáticamente
Forma Descripción generada automáticamente
Revista Multidisciplinar Epistemología de las Ciencias
Volumen 3, Número 4, 2026, octubre-diciembre
DOI: https://doi.org/10.71112/r0agnt73
TRANSFORMACIÓN DE LA TOMA DE DECISIONES EN LA GESTIÓN DEL
TALENTO HUMANO MEDIANTE PEOPLE ANALYTICS E INTELIGENCIA
ARTIFICIAL: UN MODELO ESTRATÉGICO PARA ORGANIZACIONES
PANAMEÑAS
TRANSFORMING DECISION-MAKING IN HUMAN TALENT MANAGEMENT
THROUGH PEOPLE ANALYTICS AND ARTIFICIAL INTELLIGENCE: A STRATEGIC
MODEL FOR PANAMANIAN ORGANIZATIONS
Ariadna Yanis
Panamá
DOI: https://doi.org/10.71112/r0agnt73
1399 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Transformación de la toma de decisiones en la gestión del talento humano
mediante People Analytics e inteligencia artificial: un modelo estratégico para
organizaciones Panameñas
Transforming decision-making in human talent management through People
Analytics and artificial intelligence: a strategic model for Panamanian
organizations
Ariadna Yanis
a,*
ariadna.yanis@up.ac.pa
https://orcid.org/0009-0004-3750-0006
*
Autor de correspondencia: ariadna.yanis@up.ac.pa,
a
Universidad de Panamá, Panamá
RESUMEN
La transformación digital ha redefinido la gestión del talento humano mediante la incorporación
de herramientas analíticas capaces de convertir grandes volúmenes de datos en información
estratégica para la toma de decisiones. En este contexto, People Analytics e Inteligencia
Artificial representan innovaciones clave para optimizar el reclutamiento, la selección, la
evaluación del desempeño, la retención del talento y la planificación de la fuerza laboral.
El objetivo de esta investigación fue analizar cómo la integración de estas tecnologías
transforma la toma de decisiones en la gestión del talento humano en organizaciones
panameñas y proponer un modelo estratégico de madurez analítica adaptado al contexto
nacional. Se desarrolló una investigación con enfoque cualitativo, alcance descriptivo,
explicativo y propositivo, sustentada en una revisión sistemática de literatura científica, análisis
DOI: https://doi.org/10.71112/r0agnt73
1400 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
documental y el diseño conceptual del Modelo Panameño de Madurez en People Analytics e
Inteligencia Artificial (MPM-PAIA).
Los resultados evidencian que las organizaciones con mayor capacidad analítica fortalecen la
calidad de sus decisiones estratégicas, incrementan la eficiencia de los procesos de recursos
humanos y mejoran su competitividad. Asimismo, se identificó que la calidad de los datos, el
liderazgo, la cultura organizacional, las competencias analíticas y la gobernanza ética
constituyen factores críticos para una implementación exitosa.
Se concluye que la integración progresiva de People Analytics e Inteligencia Artificial puede
convertirse en un factor estratégico para las organizaciones panameñas, siempre que su
adopción esté acompañada por una adecuada gestión tecnológica, formación del talento y
mecanismos de supervisión ética.
Palabras clave: People Analytics; Inteligencia Artificial; Gestión del Talento Humano;
Transformación digital; Toma de decisiones.
ABSTRACT
Digital transformation has redefined Human Talent Management by incorporating analytical
tools capable of converting large volumes of data into strategic information for decision-making.
In this context, People Analytics and Artificial Intelligence represent key innovations for
optimizing recruitment, selection, performance evaluation, talent retention, and workforce
planning.This study aimed to analyze how the integration of these technologies transforms
decision-making in Human Talent Management within Panamanian organizations and to
propose a strategic analytical maturity model adapted to the national context. A qualitative
research approach with descriptive, explanatory, and propositional scope was employed,
supported by a systematic review of scientific literature, documentary analysis, and the
DOI: https://doi.org/10.71112/r0agnt73
1401 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
conceptual design of the Panamanian People Analytics and Artificial Intelligence Maturity Model
(MPM-PAIA).
The findings indicate that organizations with greater analytical capabilities improve strategic
decision-making, strengthen the efficiency of human resource processes, and enhance
competitiveness. Data quality, leadership, organizational culture, analytical competencies, and
ethical governance were identified as critical success factors.
The study concludes that the progressive integration of People Analytics and Artificial
Intelligence represents a strategic opportunity for Panamanian organizations, provided that
technological adoption is accompanied by workforce development and ethical governance.
Keywords: People Analytics; Artificial Intelligence; Human Talent Management; Digital
Transformation; Decision-Making.
Recibido: 2 noviembre 2026 | Aceptado: 17 noviembre 2026 | Publicado: 18 noviembre 2026
INTRODUCCIÓN
La transformación digital ha modificado profundamente la gestión del talento humano.
La incorporación de People Analytics y la Inteligencia Artificial (IA) ha impulsado la transición
desde modelos tradicionales, sustentados en la experiencia y el juicio profesional, hacia
enfoques basados en evidencia, análisis predictivo y apoyo algorítmico para la toma de
decisiones. Esta evolución responde a un entorno caracterizado por la creciente competencia,
el acelerado desarrollo tecnológico y la necesidad de fortalecer la productividad y la
sostenibilidad organizacional.
La Gestión del Talento Humano ha evolucionado de una función administrativa a un
componente estratégico. Procesos como el reclutamiento, la selección, la capacitación, la
evaluación del desempeño y la planificación de la fuerza laboral requieren analizar grandes
DOI: https://doi.org/10.71112/r0agnt73
1402 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
volúmenes de información. People Analytics integra herramientas estadísticas, ciencia de datos
e inteligencia de negocios para transformar datos en conocimiento útil, mientras la Inteligencia
Artificial amplía estas capacidades mediante algoritmos que identifican patrones, predicen y
automatizan procesos de apoyo a la decisión.
La evidencia internacional demuestra que las organizaciones con mayores niveles de
madurez analítica obtienen ventajas competitivas: mejor calidad en la toma de decisiones,
mayor precisión en la selección y menor rotación del personal. No obstante, la literatura
también señala desafíos relacionados con la calidad de los datos, la transparencia algorítmica,
la privacidad y el desarrollo de competencias analíticas en Recursos Humanos.
En América Latina la adopción de People Analytics presenta un crecimiento sostenido,
aunque desigual entre países y sectores: mientras las grandes organizaciones avanzan hacia
modelos analíticos sofisticados, muchas pymes enfrentan limitaciones en infraestructura
tecnológica, disponibilidad de información y capacidades especializadas.
En Panamá, la aplicación de People Analytics e Inteligencia Artificial en la Gestión del
Talento Humano continúa siendo limitada, lo que dificulta el desarrollo de estrategias
adaptadas al contexto nacional. Esta brecha evidencia la necesidad de modelos que orienten la
transformación digital y fortalezcan la toma de decisiones basada en evidencia.
Diversos estudios documentan el avance de People Analytics e Inteligencia Artificial en
la Gestión del Talento Humano principalmente en economías desarrolladas (Davenport y
Ronanki, 2018; Marler y Boudreau, 2017; Ferrar y Green, 2021), sin considerar las asimetrías
tecnológicas e institucionales propias de economías emergentes como la panameña
(Velásquez y Baquerizo Ortiz, 2025). Esta ausencia de modelos de madurez analítica
diseñados para el contexto panameño constituye el vacío científico que atiende esta
investigación, cuya pertinencia se refuerza con iniciativas institucionales recientes como Talent
DOI: https://doi.org/10.71112/r0agnt73
1403 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Up Panamá (MEF, 2026) y el Informe Nacional de Desarrollo Humano 2024 (PNUD Panamá,
2024), que documentan brechas de acceso y uso de tecnología digital en el país.
En este contexto surge la siguiente pregunta de investigación: ¿cómo transforma la
integración de People Analytics e Inteligencia Artificial la toma de decisiones en la Gestión del
Talento Humano y cuáles son los factores críticos para su implementación efectiva en las
organizaciones panameñas?
El estudio se justifica desde cuatro perspectivas: en el ámbito científico, amplía el
conocimiento sobre People Analytics e Inteligencia Artificial en un contexto latinoamericano
poco explorado; en el práctico, propone un modelo estratégico de madurez analítica; en el
social, promueve decisiones más objetivas y transparentes; y en el metodológico, integra
aportes de la gestión estratégica del talento humano, la analítica organizacional y la Inteligencia
Artificial en un modelo conceptual susceptible de validación empírica.
El objetivo general consiste en analizar la transformación de la toma de decisiones en la
Gestión del Talento Humano mediante People Analytics e Inteligencia Artificial en
organizaciones panameñas y proponer el Modelo Panameño de Madurez en People Analytics e
Inteligencia Artificial (MPM-PAIA). Específicamente, se busca analizar la evolución conceptual
de estas tecnologías, identificar sus beneficios y desafíos, examinar los factores
organizacionales, tecnológicos y éticos que influyen en su implementación y diseñar un modelo
estratégico adaptado al contexto nacional.
Como principal aporte científico, el estudio propone el MPM-PAIA, un modelo
conceptual de cinco niveles que permite diagnosticar el grado de madurez analítica de las
organizaciones y orientar la incorporación progresiva de tecnologías inteligentes en la Gestión
del Talento Humano, fortaleciendo la competitividad y la toma de decisiones basada en
evidencia.
DOI: https://doi.org/10.71112/r0agnt73
1404 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
METODOLOGÍA
Enfoque de la investigación
La investigación se desarrolló bajo un enfoque cualitativo, sustentado en una revisión
sistemática de literatura científica y análisis documental sobre People Analytics, Inteligencia
Artificial y Gestión del Talento Humano. Este enfoque permitió interpretar, comparar y sintetizar
la evidencia disponible para identificar tendencias, beneficios, desafíos y factores críticos
relacionados con la transformación de la toma de decisiones basada en datos.
El análisis se orientó a integrar aportes científicos provenientes de distintos contextos
organizacionales mediante un análisis temático y comparativo, estableciendo relaciones
conceptuales que fundamentaron el desarrollo del Modelo Panameño de Madurez en People
Analytics e Inteligencia Artificial (MPM-PAIA).
Aunque el estudio incorpora dimensiones susceptibles de validación empírica, no se
realizó recolección de datos cuantitativos; por tanto, el modelo constituye una propuesta
conceptual para futuras investigaciones.
Tipo y alcance de la investigación
La investigación es aplicada, ya que propone un modelo estratégico para fortalecer la
toma de decisiones en organizaciones panameñas mediante People Analytics e Inteligencia
Artificial.
Su alcance es:
Descriptivo, porque caracteriza el estado actual de estas tecnologías en la Gestión del
Talento Humano; explicativo, al analizar la relación entre madurez analítica, calidad de los
datos, competencias digitales y toma de decisiones; y propositivo, al desarrollar el Modelo
Panameño de Madurez en People Analytics e Inteligencia Artificial (MPM-PAIA).
DOI: https://doi.org/10.71112/r0agnt73
1405 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Diseño metodológico
Se utilizó un diseño no experimental y transversal, analizando las variables en su
contexto natural mediante evidencia científica publicada entre 2020 y 2026, sin manipulación de
las mismas.
Revisión sistemática de la literatura (PRISMA 2020)
La revisión sistemática se desarrolló siguiendo la declaración PRISMA 2020 (Preferred
Reporting Items for Systematic Reviews and Meta-Analyses), con el propósito de garantizar
transparencia, reproducibilidad y rigor metodológico.
La búsqueda bibliográfica se realizó en Scopus, Web of Science, ScienceDirect,
SpringerLink, Emerald Insight, IEEE Xplore y Google Scholar, utilizando los descriptores People
Analytics, Human Resource Analytics, Artificial Intelligence in Human Resource Management,
Digital Transformation, Evidence-Based Human Resource Management y Workforce Analytics,
combinados mediante operadores booleanos AND y OR.
La estrategia incorporó filtros de fecha (2020-2026), idioma (español e inglés) y tipo de
documento (artículos arbitrados, capítulos de libro y reportes técnicos institucionales),
replicando la ecuación de búsqueda de manera consistente en cada base de datos para
garantizar la trazabilidad conforme a PRISMA 2020.
Inicialmente se identificaron 185 registros, de los cuales 35 duplicados fueron
eliminados. De los 150 estudios evaluados por título y resumen, se excluyeron 120 por no
cumplir los criterios de inclusión (temática distinta, literatura no arbitrada, metodología
insuficientemente descrita o fuera del período establecido).
En la fase de elegibilidad se revisaron 30 artículos en texto completo, los cuales
cumplieron los criterios metodológicos definidos y conformaron la muestra documental utilizada
para el desarrollo del MPM-PAIA.
DOI: https://doi.org/10.71112/r0agnt73
1406 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
De forma complementaria, se incorporaron obras clásicas y referencias seminales
publicadas antes del período de búsqueda con el propósito de fortalecer el marco teórico; estas
referencias no fueron consideradas dentro de la muestra de la revisión sistemática.
Figura 1
Diagrama de flujo PRISMA 2020 del proceso de selección de estudios
Criterios de inclusión y exclusión
Se establecieron criterios explícitos de inclusión y exclusión con el propósito de
fortalecer el rigor metodológico y la reproducibilidad de la revisión sistemática.
Criterios de inclusión:
• Estudios publicados entre 2020 y 2026 en revistas arbitradas, editoriales académicas
reconocidas o reportes institucionales de organismos técnicos.
DOI: https://doi.org/10.71112/r0agnt73
1407 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
• Investigaciones centradas en People Analytics, Inteligencia Artificial aplicada a
Recursos Humanos, analítica organizacional, transformación digital o modelos de
madurez.
• Documentos disponibles en texto completo, en español o inglés.
• Estudios con metodología claramente descrita, ya sea cualitativa, cuantitativa o mixta.
Criterios de exclusión:
• Publicaciones sin proceso de arbitraje o revisión por pares.
• Estudios centrados en áreas ajenas a la Gestión del Talento Humano o a la analítica
organizacional.
• Documentos duplicados o con metodología insuficientemente descrita.
• Publicaciones fuera del rango temporal establecido, salvo obras seminales incorporadas
de forma complementaria al marco teórico.
Construcción del marco conceptual
Con base en la evidencia recopilada se desarrolló un marco conceptual que integra la
Gestión Estratégica del Talento Humano, la analítica organizacional, la Inteligencia Artificial y la
toma de decisiones basada en evidencia. Esta fase permitió identificar las principales
categorías y relaciones teóricas que sustentan el modelo propuesto.
El Modelo Panameño de Madurez en People Analytics e Inteligencia Artificial (MPM-
PAIA) fue construido mediante síntesis teórica derivada de la revisión sistemática y del análisis
comparativo de investigaciones sobre Gestión Estratégica del Talento Humano, People
Analytics, Inteligencia Artificial y transformación digital. Su diseño integra principios de los
modelos de madurez organizacional, la gestión basada en evidencia (Evidence-Based
Management), la Visión Basada en Recursos y las Capacidades Dinámicas. La estructura de
cinco niveles describe el tránsito desde organizaciones con procesos administrativos hasta
DOI: https://doi.org/10.71112/r0agnt73
1408 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
organizaciones cognitivas capaces de integrar analítica avanzada, Inteligencia Artificial y
gobernanza ética en la toma de decisiones.
Diseño del Modelo Panameño de Madurez (MPM-PAIA)
A partir de la revisión sistemática se diseñó un modelo conceptual compuesto por cinco
niveles evolutivos:
• Gestión administrativa, (II) Gestión basada en indicadores, (III) Gestión analítica, (IV)
Gestión inteligente y (V) Organización cognitiva.
• Cada nivel incorpora dimensiones relacionadas con infraestructura tecnológica, calidad
de los datos, liderazgo digital, competencias analíticas, gobernanza y uso estratégico de
la Inteligencia Artificial.
Validación futura
Debido a su carácter conceptual, el modelo fue diseñado para ser validado
posteriormente mediante investigaciones empíricas utilizando análisis factorial exploratorio,
análisis factorial confirmatorio, coeficiente Alfa de Cronbach, modelos de ecuaciones
estructurales (SEM) y análisis de regresión multivariada.
Categorías y dimensiones de análisis
Se establecieron dos categorías centrales:
Categoría 1. Implementación de People Analytics e Inteligencia Artificial
Dimensiones:
Infraestructura tecnológica, calidad de los datos, analítica descriptiva, analítica
predictiva, Inteligencia Artificial, gobernanza de datos y cultura organizacional basada en
evidencia.
DOI: https://doi.org/10.71112/r0agnt73
1409 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Categoría 2. Calidad de la toma de decisiones en la Gestión del Talento Humano
Dimensiones:
Reclutamiento, selección, evaluación del desempeño, capacitación, retención del
talento, planificación estratégica, productividad laboral y compromiso organizacional.
Población y muestra
Por tratarse de una investigación documental, la unidad de análisis estuvo constituida
por literatura científica especializada publicada entre 2020 y 2026 sobre People Analytics,
Inteligencia Artificial y Gestión del Talento Humano.
La población documental incluyó artículos científicos, libros especializados e informes
técnicos provenientes de bases de datos indexadas. Para futuras investigaciones se
recomienda validar el modelo en organizaciones públicas y privadas de diversos sectores
económicos panameños.
Técnicas e instrumentos de recolección
Las técnicas empleadas fueron la revisión sistemática de literatura, el análisis
documental, el análisis de contenido y la síntesis comparativa.
Como instrumento se utilizó una matriz de análisis documental que registró autor, año,
país, metodología, principales hallazgos y aportes al modelo conceptual.
La matriz de análisis documental incorporó también el enfoque metodológico, el país de
origen, el nivel de análisis y el aporte específico de cada estudio a la fundamentación del MPM-
PAIA, facilitando el análisis comparativo entre las 30 investigaciones de la muestra.
Estrategia de análisis de la información
La información se analizó mediante un enfoque temático y comparativo. Los estudios
fueron clasificados según su metodología, contexto geográfico y aportes científicos;
posteriormente se identificaron categorías emergentes relacionadas con madurez analítica,
DOI: https://doi.org/10.71112/r0agnt73
1410 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
liderazgo digital, gobernanza de datos, Inteligencia Artificial y toma de decisiones, integrándose
para el desarrollo del MPM-PAIA.
El análisis documental se desarrolló en tres fases: codificación abierta, para identificar
conceptos clave; codificación axial, para relacionar categorías emergentes vinculadas a
madurez analítica, liderazgo digital, gobernanza de datos e Inteligencia Artificial; y triangulación
teórica, para contrastar hallazgos y sustentar conceptualmente los niveles del modelo.
Consideraciones éticas
La investigación respetó los principios de integridad científica, transparencia y rigor
académico. Todas las fuentes fueron citadas conforme a las normas APA (7.ª edición).
Al tratarse de una investigación documental, no participaron seres humanos ni se
recopilaron datos personales. No obstante, el modelo incorpora principios de ética en el uso de
la Inteligencia Artificial, incluyendo transparencia, protección de datos, supervisión humana y
mitigación de sesgos algorítmicos.
RESULTADOS
Caracterización de la evidencia científica analizada
La revisión sistemática evidenció un crecimiento sostenido de la producción científica
sobre People Analytics e Inteligencia Artificial aplicada a la Gestión del Talento Humano
durante el período 2020–2026. La literatura muestra una evolución desde enfoques descriptivos
hacia modelos predictivos y prescriptivos sustentados en analítica avanzada y aprendizaje
automático para apoyar la toma de decisiones.
La mayoría de las investigaciones proceden de Norteamérica y Europa, mientras que
América Latina presenta un desarrollo más reciente y un menor volumen de publicaciones. En
la región predominan estudios orientados a la transformación digital de los procesos de
DOI: https://doi.org/10.71112/r0agnt73
1411 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Recursos Humanos, aunque aún son limitadas las investigaciones sobre modelos de madurez
analítica adaptados al contexto latinoamericano.
La Tabla 1 presenta una síntesis ejecutiva de los principales estudios analizados en la
revisión sistemática.
Tabla 1.
Tabla ejecutiva de síntesis de estudios analizados en la revisión sistemática
Autor
Objetivo
Metodología
Principal aporte
Marler y
Boudreau
Revisar la evolución de
HR analytics
Revisión de
literatura
Fundamenta la
progresión evolutiva del
MPM-PAIA
Boudreau y
Cascio
Analizar la lenta adopción
del human capital
analytics
Análisis
conceptual
Sustenta competencias
analíticas y cultura de
datos
Davenport y
Ronanki
Analizar aplicaciones de
IA en organizaciones
Estudio de casos
Fundamenta la
supervisión humana
(niveles IV-V)
Minbaeva
Examinar la analítica de
capital humano creíble
Análisis
conceptual
Fundamenta la
dimensión calidad de
los datos
Cappelli et al.
Analizar retos de la IA en
RR. HH.
Revisión
conceptual
Fundamenta la
gobernanza ética del
modelo
Ferrar y Green
Sistematizar prácticas de
excelencia en People
Analytics
Estudio aplicado
Sustenta los niveles III-
IV del modelo
Zhang et al.
Analizar la gestión de RR.
HH. personalizada con IA
Revisión teórica
Sustenta capacitación y
retención (Categoría 2)
Charlwood et
al.
Revisar teoría y evidencia
empírica en HR analytics
Revisión
sistemática
Valida el carácter
conceptual del MPM-
PAIA
Bujold et al.
Revisar la IA responsable
en RR. HH.
Revisión
sistemática
Fundamenta la
gobernanza ética (nivel
V)
DOI: https://doi.org/10.71112/r0agnt73
1412 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Edwards et al.
Analizar HR analytics
como campo emergente
Revisión crítica
Refuerza integrar ética
desde el diseño
Kim et al.
Examinar la gestión
estratégica en la era
algorítmica
Revisión y agenda
de investigación
Sustenta el liderazgo
digital del modelo
Marr
Analizar cómo la IA
transforma RR. HH.
Análisis aplicado
Vincula madurez
analítica y desempeño
Dadaboyev et
al.
Sintetizar investigación
reciente sobre IA en HR
Revisión de
literatura
Valida la vigencia del
período 2020-2026
Velásquez y
Baquerizo Ortiz
Revisar la transformación
digital de RR. HH. en
Panamá
Revisión de
literatura
Evidencia empírica del
contexto panameño
Fuente: Elaboración propia con base en las referencias citadas en la Tabla 1.
Tabla 2.
Principales tendencias identificadas en la literatura científica sobre People Analytics e
Inteligencia Artificial (2020–2026)
Tendencia
Descripción
Implicación para la Gestión del
Talento Humano
Crecimiento de
People Analytics
Incremento sostenido de
investigaciones y aplicaciones
organizacionales.
Consolidación de la analítica como
herramienta estratégica para la toma
de decisiones.
Integración de
Inteligencia Artificial
Incorporación de algoritmos
predictivos y aprendizaje automático
en procesos de RR. HH.
Automatización, mayor precisión y
apoyo a decisiones basadas en
evidencia.
Gestión basada en
datos
Sustitución progresiva de decisiones
intuitivas por análisis sustentados en
información objetiva.
Mayor objetividad, transparencia y
eficiencia en la gestión del talento.
Transformación
digital
Digitalización de procesos
relacionados con reclutamiento,
evaluación, capacitación y
planificación.
Optimización de procesos,
incremento de la productividad y
mejora del desempeño
organizacional.
Gobernanza y ética
de la IA
Creciente preocupación por la
privacidad, transparencia y mitigación
de sesgos algorítmicos.
Necesidad de políticas de
gobernanza, supervisión humana y
cumplimiento de principios éticos.
DOI: https://doi.org/10.71112/r0agnt73
1413 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Fuente: Elaboración propia con base en Marler y Boudreau (2017), Ferrar y Green
(2021), Marr (2023), Bujold et al. (2024), Edwards et al. (2024) y Charlwood et al. (2023).
La evidencia confirma que la analítica de datos ha evolucionado desde una herramienta
operativa hacia una capacidad estratégica para fortalecer la toma de decisiones, incrementar la
productividad y promover una gestión más eficiente del talento humano.
Este hallazgo es consistente con la literatura que concibe la analítica organizacional
como un recurso capaz de generar ventajas competitivas sostenibles (Boudreau y Ramstad,
2007).
Beneficios identificados
La revisión permitió agrupar los beneficios de People Analytics e Inteligencia Artificial en
cinco áreas estratégicas de la Gestión del Talento Humano: reclutamiento y selección,
retención del talento, evaluación del desempeño, capacitación y desarrollo, y planificación
estratégica de la fuerza laboral.
Tabla 3.
Beneficios organizacionales derivados de la implementación de People Analytics e
Inteligencia Artificial en la Gestión del Talento Humano
Área de Gestión
del Talento
Humano
Beneficio identificado
Impacto organizacional
Reclutamiento y
selección
Identificación más precisa de
candidatos mediante análisis
predictivos y algoritmos de IA.
Reducción del tiempo de contratación
y mejora de la calidad de las
incorporaciones.
Retención del
talento
Predicción del riesgo de rotación y
detección temprana de factores de
abandono.
Disminución de la rotación,
conservación del talento clave y
reducción de costos laborales.
Evaluación del
desempeño
Monitoreo continuo del
rendimiento mediante indicadores
objetivos y análisis de datos.
Mayor objetividad, transparencia y
equidad en la evaluación del personal.
DOI: https://doi.org/10.71112/r0agnt73
1414 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Capacitación y
desarrollo
Identificación de brechas de
competencias y personalización de
planes de formación.
Incremento de las capacidades del
talento humano y mejora del
desempeño organizacional.
Planificación
estratégica de la
fuerza laboral
Proyección de necesidades futuras
de personal y optimización de la
asignación de recursos humanos.
Mejor alineación entre la estrategia
institucional y la gestión del talento,
fortaleciendo la competitividad
organizacional.
Fuente: Elaboración propia con base en Marler y Boudreau (2017), Ferrar y Green
(2021), Marr (2023), Edwards et al. (2024), Bujold et al. (2024), Zhang et al. (2023) y Charlwood
et al. (2023).
La evidencia revisada indica que las organizaciones con mayor nivel de madurez
analítica presentan mejores indicadores de productividad, compromiso laboral y alineación
estratégica entre los objetivos organizacionales y la gestión del talento humano.
Factores críticos para la implementación
Además de los beneficios identificados, la revisión permitió reconocer factores que
condicionan el éxito de la implementación de People Analytics e Inteligencia Artificial.
Figura 1
Factores críticos para la transformación digital de la Gestión del Talento Humano
Los resultados evidencian que la tecnología, por sí sola, no garantiza la transformación
organizacional. El éxito depende de la interacción entre liderazgo estratégico, cultura basada
DOI: https://doi.org/10.71112/r0agnt73
1415 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
en datos, calidad de la información, infraestructura tecnológica, competencias analíticas y
gobernanza ética.
Ello confirma que la madurez analítica es un fenómeno multidimensional: la tecnología
es condición necesaria, pero no suficiente, para transformar la toma de decisiones en la
Gestión del Talento Humano.
Modelo Panameño de Madurez en People Analytics e Inteligencia Artificial (MPM-PAIA)
El principal resultado de esta investigación es el diseño del Modelo Panameño de
Madurez en People Analytics e Inteligencia Artificial (MPM-PAIA), concebido como una
herramienta conceptual para orientar la transformación digital de la Gestión del Talento
Humano en organizaciones panameñas.
Tabla 4.
Modelo Panameño de Madurez en People Analytics e Inteligencia Artificial (MPM-PAIA)
Nivel
Denominación
Características
principales
Capacidades
organizacionales
Resultado
esperado
I
Gestión
administrativa
Predominan procesos
manuales, registros
dispersos y decisiones
sustentadas
principalmente en la
experiencia.
Digitalización básica
de la información y
organización inicial de
datos.
Control operativo y
estandarización de
los procesos de
Recursos Humanos.
II
Gestión basada
en indicadores
Implementación de
indicadores (KPI),
cuadros de mando y
reportes periódicos para
el seguimiento del
desempeño.
Medición sistemática
del desempeño y
monitoreo de
resultados.
Mayor control de la
gestión y apoyo a
decisiones tácticas.
III
Gestión
analítica
Integración de People
Analytics, análisis
estadístico y
visualización de datos
Análisis descriptivo y
predictivo aplicado a
los procesos de
Recursos Humanos.
Decisiones
sustentadas en
evidencia y mejora
continua de la
gestión del talento.
DOI: https://doi.org/10.71112/r0agnt73
1416 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
para identificar patrones
y tendencias.
IV
Gestión
inteligente
Incorporación de
Inteligencia Artificial,
aprendizaje automático
(Machine Learning) y
modelos predictivos
para apoyar la toma de
decisiones.
Automatización de
procesos, predicción
de riesgos y
optimización del
talento humano.
Incremento de la
eficiencia,
innovación
organizacional y
ventaja competitiva.
V
Organización
cognitiva
Uso estratégico de IA
generativa, aprendizaje
organizacional continuo,
gobernanza ética y
cultura basada en datos.
Integración de
inteligencia
organizacional,
innovación
permanente y mejora
adaptativa.
Organización
inteligente,
sostenible y
altamente
competitiva en
entornos digitales.
Fuente: Elaboración propia.
El modelo plantea que la madurez organizacional depende de la integración progresiva
de infraestructura tecnológica, calidad de los datos, liderazgo, competencias analíticas y
gobernanza ética. La evolución entre sus cinco niveles permite fortalecer la toma de decisiones
basada en evidencia y consolidar ventajas competitivas sostenibles.
Síntesis de los hallazgos
Los principales hallazgos de la investigación muestran que:
People Analytics constituye una capacidad estratégica para mejorar la toma de
decisiones en la Gestión del Talento Humano.
La Inteligencia Artificial fortalece procesos como reclutamiento, selección, evaluación
del desempeño, planificación y retención del talento.
La calidad de los datos representa el principal factor para el éxito de los modelos
analíticos.
La cultura organizacional basada en evidencia favorece la adopción de tecnologías
inteligentes.
DOI: https://doi.org/10.71112/r0agnt73
1417 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
El Modelo Panameño de Madurez en People Analytics e Inteligencia Artificial (MPM-
PAIA) proporciona una ruta estructurada para orientar la transformación digital de las
organizaciones panameñas.
DISCUSIÓN
Los resultados confirman que la incorporación de People Analytics e Inteligencia
Artificial está transformando la Gestión del Talento Humano al sustituir enfoques tradicionales
basados en la experiencia por modelos sustentados en evidencia, analítica predictiva y apoyo
algorítmico para la toma de decisiones. La revisión sistemática demuestra que esta evolución
representa un cambio estratégico que fortalece la planificación, el desarrollo y la gestión del
capital humano.
Estos hallazgos coinciden con Marler y Boudreau (2017), quienes señalan que la
analítica de Recursos Humanos ha evolucionado de una función descriptiva a una capacidad
estratégica. La evidencia analizada muestra que las organizaciones con mayor madurez
analítica mejoran el reclutamiento, la evaluación del desempeño, la retención del talento y la
planificación de la fuerza laboral, incrementando su competitividad y capacidad de adaptación.
Los resultados también respaldan a Davenport y Ronanki (2018): la Inteligencia Artificial
genera mayor valor cuando complementa el criterio humano en lugar de sustituirlo, dado que
muchas decisiones en la Gestión del Talento Humano requieren interpretación contextual y
supervisión profesional.
La investigación confirma también a Minbaeva (2018) respecto al papel de la calidad de
los datos como fundamento de la analítica organizacional, y coincide con Boudreau y Cascio
(2017) en que la adopción suele ser lenta debido a brechas de competencias analíticas y
resistencias culturales. En la misma línea, Cappelli et al. (2019) advierten tensiones entre
automatización y equidad algorítmica que refuerzan la necesidad de gobernanza ética explícita,
DOI: https://doi.org/10.71112/r0agnt73
1418 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
mientras que Kim et al. (2025) confirman que la gestión estratégica del talento humano en la
era algorítmica exige nuevas competencias directivas, validando la inclusión del liderazgo
digital como dimensión central del MPM-PAIA.
Desde una perspectiva regional, América Latina mantiene un crecimiento progresivo en
la adopción de People Analytics, aunque persisten diferencias entre sectores y niveles de
desarrollo tecnológico, lo que evidencia la necesidad de modelos ajustados a las realidades
nacionales.
En Panamá, el principal desafío no es solo incorporar nuevas tecnologías, sino
consolidar una cultura organizacional basada en evidencia, tal como corrobora Velásquez y
Baquerizo Ortiz (2025), quienes documentan que la resistencia al cambio y las brechas de
capacitación digital limitan esta transformación. En respuesta, el país impulsa iniciativas
institucionales como Talent Up Panamá (MEF, 2026) y el Informe Nacional de Desarrollo
Humano 2024 (PNUD Panamá, 2024), que confirman que el MPM-PAIA responde a una
necesidad institucional concreta y no solo académica.
Uno de los principales aportes de esta investigación es el MPM-PAIA, marco conceptual
que, a diferencia de modelos internacionales, incorpora características propias del contexto
panameño (niveles de digitalización, capacidades institucionales, infraestructura tecnológica y
gestión ética de los datos), constituyendo una contribución original para el diagnóstico
organizacional y futuras investigaciones empíricas.
El modelo propone cinco niveles evolutivos que permiten a organizaciones de distintos
tamaños identificar su grado de desarrollo analítico y planificar mejoras acordes con sus
capacidades, trascendiendo el ámbito académico al ofrecer una herramienta práctica.
La estructura de cinco niveles no es arbitraria: responde a la lógica de los modelos de
madurez organizacional y se sustenta en la Visión Basada en Recursos, las Capacidades
Dinámicas y la gestión basada en evidencia (Evidence-Based Management), que explican el
DOI: https://doi.org/10.71112/r0agnt73
1419 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
tránsito de decisiones basadas en la experiencia a decisiones basadas en datos. A diferencia
de los modelos de madurez digital desarrollados por firmas de consultoría global (Oliva, 2023),
el MPM-PAIA incorpora la gobernanza ética como eje transversal en todos sus niveles y fue
diseñado a partir de evidencia científica y del contexto institucional panameño, lo que
constituye su principal aporte diferenciador.
La revisión resalta, además, la importancia de la ética y la gobernanza en el uso de la
Inteligencia Artificial: la transparencia algorítmica, la protección de datos y la supervisión
humana son esenciales para decisiones responsables en procesos como el reclutamiento y la
evaluación del desempeño.
En síntesis, la implementación de People Analytics e Inteligencia Artificial debe
concebirse como una estrategia integral que articule infraestructura tecnológica, liderazgo,
cultura organizacional, competencias analíticas y gobernanza ética. La adopción aislada de
herramientas tecnológicas difícilmente generará beneficios sostenibles si no se acompaña de
procesos de gestión del cambio y desarrollo del talento humano. El éxito de la transformación
digital dependerá de la capacidad de las organizaciones para integrar estos componentes
dentro de una visión estratégica orientada a la innovación, la competitividad y la mejora
continua.
Contribuciones del estudio
Con el propósito de precisar el valor científico, metodológico y práctico de la presente
investigación, se sintetizan a continuación sus principales contribuciones.
Contribuciones teóricas.
El estudio amplía el corpus teórico de la Gestión Estratégica del Talento Humano al
integrar, en un mismo marco conceptual, los principios de la Visión Basada en Recursos, las
Capacidades Dinámicas y la gestión basada en evidencia con la literatura contemporánea
sobre People Analytics e Inteligencia Artificial, generando el Modelo Panameño de Madurez en
DOI: https://doi.org/10.71112/r0agnt73
1420 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
People Analytics e Inteligencia Artificial (MPM-PAIA) como aporte conceptual original para un
contexto latinoamericano escasamente representado en la literatura internacional.
Contribuciones metodológicas.
La investigación aporta una estrategia de revisión sistemática replicable, sustentada en
la declaración PRISMA 2020, con criterios explícitos de inclusión y exclusión y una matriz de
análisis documental que integra categorías temáticas, geográficas y de aporte teórico. Esta
estrategia puede ser adoptada por futuras investigaciones documentales en el campo de la
analítica organizacional y la Inteligencia Artificial aplicada a la Gestión del Talento Humano.
Contribuciones prácticas.
El MPM-PAIA ofrece a organizaciones públicas y privadas panameñas una herramienta
conceptual para diagnosticar su nivel de madurez analítica, identificar brechas tecnológicas y
de competencias, y orientar procesos progresivos de transformación digital en la Gestión del
Talento Humano, articulando la incorporación tecnológica con principios de liderazgo, cultura
organizacional y gobernanza ética.
CONCLUSIONES
La presente investigación permitió analizar la transformación de la toma de decisiones
en la Gestión del Talento Humano mediante People Analytics e Inteligencia Artificial,
confirmando que ambas tecnologías representan un cambio estratégico en la forma en que las
organizaciones gestionan su capital humano, favoreciendo decisiones más objetivas y
oportunas frente a los enfoques tradicionales basados exclusivamente en la experiencia.
Los resultados demuestran que las organizaciones con mayor madurez analítica
optimizan el reclutamiento, la selección, la evaluación del desempeño, la capacitación, la
retención del talento y la planificación de la fuerza laboral, siempre que cuenten con datos
DOI: https://doi.org/10.71112/r0agnt73
1421 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
confiables, infraestructura tecnológica, liderazgo comprometido y una cultura organizacional
orientada al uso estratégico de la información.
La implementación de Inteligencia Artificial debe desarrollarse bajo principios de
transparencia, supervisión humana, protección de datos y gobernanza ética, garantizando que
los algoritmos complementen el juicio profesional sin sustituir la responsabilidad de quienes
toman las decisiones.
El principal aporte científico del estudio es el desarrollo del Modelo Panameño de
Madurez en People Analytics e Inteligencia Artificial (MPM-PAIA), concebido como una
herramienta conceptual para orientar la transformación digital de las organizaciones
panameñas. Sus cinco niveles de madurez permiten diagnosticar capacidades analíticas,
identificar oportunidades de mejora y planificar estrategias de adopción tecnológica de manera
progresiva.
En conjunto, los hallazgos confirman que la transformación digital de la Gestión del
Talento Humano requiere una integración equilibrada entre tecnología, personas, liderazgo y
ética. La incorporación de herramientas analíticas solo generará ventajas competitivas
sostenibles cuando forme parte de una estrategia organizacional orientada a la innovación, la
mejora continua y la toma de decisiones basada en evidencia.
Implicaciones del estudio
Los resultados poseen implicaciones relevantes para la academia, las organizaciones y
la formulación de políticas públicas.
En el ámbito académico, el estudio amplía la literatura sobre People Analytics e
Inteligencia Artificial en el contexto panameño y latinoamericano. Desde la perspectiva
organizacional, el MPM-PAIA ofrece una herramienta para diagnosticar el nivel de desarrollo
analítico y orientar la transformación digital alineada con los objetivos institucionales.
DOI: https://doi.org/10.71112/r0agnt73
1422 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Desde la perspectiva organizacional, el MPM-PAIA ofrece una herramienta para
diagnosticar el nivel de desarrollo analítico, identificar brechas tecnológicas y orientar procesos
de transformación digital alineados con los objetivos estratégicos institucionales.
En el ámbito profesional, la investigación destaca la necesidad de fortalecer las
competencias analíticas, digitales y éticas de los especialistas en Recursos Humanos. Los
resultados pueden servir, además, de referencia para instituciones públicas y privadas
interesadas en diseñar políticas de transformación digital que promuevan la innovación y el uso
responsable de la Inteligencia Artificial.
Limitaciones del estudio
La investigación presenta algunas limitaciones que deben considerarse al interpretar
sus resultados.
En primer lugar, el estudio se fundamentó en una revisión sistemática de literatura y
análisis documental, sin incluir validación empírica del modelo propuesto mediante
organizaciones panameñas.
En segundo lugar, la mayor parte de la evidencia científica proviene de estudios
desarrollados en Norteamérica y Europa, regiones con niveles de madurez tecnológica
superiores a los observados en gran parte de América Latina.
Finalmente, debido al acelerado avance de la Inteligencia Artificial, algunos desarrollos
tecnológicos pueden evolucionar con rapidez, por lo que será necesario actualizar
periódicamente el modelo propuesto conforme surjan nuevas evidencias científicas.
Recomendaciones
Se recomienda desarrollar investigaciones empíricas que validen el MPM-PAIA en
organizaciones públicas y privadas de diferentes sectores, mediante instrumentos que evalúen
la madurez analítica, el liderazgo digital, las competencias tecnológicas y la calidad de los
datos.
DOI: https://doi.org/10.71112/r0agnt73
1423 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Las instituciones de educación superior deberían incorporar contenidos sobre People
Analytics, Inteligencia Artificial, ciencia de datos y ética digital en los programas de formación
de Recursos Humanos.
Finalmente, se recomienda que las organizaciones implementen políticas de
gobernanza de datos, transparencia algorítmica y supervisión humana que garanticen el uso
ético de la Inteligencia Artificial en la Gestión del Talento Humano.
Todas las fuentes consultadas fueron citadas correctamente, evitando cualquier forma
de plagio o apropiación indebida de la propiedad intelectual.
Debido a que la investigación no involucró participantes humanos ni animales, no fue
necesaria la aprobación de un comité de ética. No obstante, el modelo propuesto incorpora
principios de uso responsable de la Inteligencia Artificial, protección de datos personales,
supervisión humana y mitigación de sesgos algorítmicos.
Declaración de conflicto de interés
La autora declara no tener ningún conflicto de interés económico, institucional, personal
o de otra índole que pudiera haber influido en el desarrollo, los resultados o las conclusiones de
esta investigación.
Declaración de contribución a la autoría
Ariadna Yanis: Conceptualización, curaduría de datos, análisis formal, investigación,
metodología (revisión sistemática PRISMA 2020), visualización, redacción del borrador original,
y revisión y edición del manuscrito final (autoría única).
Declaración de uso de inteligencia artificial
La autora declara que no se utilizaron herramientas de inteligencia artificial generativa ni
asistida en ninguna etapa de la investigación, análisis documental o redacción de este
manuscrito.
DOI: https://doi.org/10.71112/r0agnt73
1424 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
REFERENCIAS
Bassi, L. (2011). Raging debates in HR analytics. People & Strategy, 34(2), 14–18.
Boudreau, J. W., & Cascio, W. F. (2017). Human capital analytics: Why are we not there?
Journal of Organizational Effectiveness: People and Performance, 4(2), 119–126.
Boudreau, J. W., & Ramstad, P. M. (2007). Beyond HR: The new science of human capital.
Harvard Business School Press.
Bujold, A., Roberge-Maltais, I., Parent-Rocheleau, X., Boasen, J., Sénécal, S., & Léger, P.-M.
(2024). Responsible artificial intelligence in human resources management: A review of
the empirical literature. AI and Ethics, 4(4), 1185–1200. https://doi.org/10.1007/s43681-
023-00325-1
Cappelli, P., Tambe, P., & Yakubovich, V. (2019). Artificial intelligence in human resource
management: Challenges and a path forward. California Management Review, 61(4),
15–42.
Dadaboyev, S., Hojimurodova, S., & Gulomova, G. (2025). AI in HR Analytics: A synthesis of
current research and future directions. Proceedings of the AAAI Symposium Series, 6(1).
https://doi.org/10.1609/aaaiss.v6i1.36026
Davenport, T. H., Harris, J. G., & Morison, R. (2010). Analytics at work: Smarter decisions,
better results. Harvard Business Review Press.
Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world. Harvard
Business Review, 96(1), 108–116.
Edwards, M. R., Charlwood, A., Guenole, N., & Marler, J. H. (2024). HR analytics: An emerging
field finding its place in the world alongside simmering ethical challenges. Human
Resource Management Journal, 34(2), 326–336.
Ferrar, J., & Green, D. (2021). Excellence in people analytics: How to use workforce data to
create business value. Kogan Page.
DOI: https://doi.org/10.71112/r0agnt73
1425 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Fitz-enz, J. (2010). The new HR analytics: Predicting the economic value of your company's
human capital investments. AMACOM.
Fitz-enz, J., & Mattox, J. R. (2014). Predictive analytics for human resources. Wiley.
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th
ed.). Cengage.
Jarrahi, M. H. (2018). Artificial intelligence and the future of work. Business Horizons, 61(4),
577–586.
Kaplan, A., & Haenlein, M. (2020). Siri, Siri in my hand: Who's the fairest in the land? On the
interpretations, illustrations and implications of artificial intelligence. Business Horizons,
63(1), 15–25.
Kim, S., Khoreva, V., & Vaiman, V. (2025). Strategic Human Resource Management in the Era
of Algorithmic Technologies: Key Insights and Future Research Agenda. Human
Resource Management, 64, 447–464. https://doi.org/10.1002/hrm.22268
Koontz, H., Weihrich, H., & Cannice, M. V. (2020). Administración: Una perspectiva global y
empresarial (16.ª ed.). McGraw-Hill.
Marler, J. H., & Boudreau, J. W. (2017). An evidence-based review of HR Analytics. The
International Journal of Human Resource Management, 28(1), 3–26.
Marr, B. (2023). Data-driven HR: How to use AI, analytics and data to drive performance (2nd
ed.). Kogan Page.
Minbaeva, D. (2018). Building credible human capital analytics for organizational competitive
advantage. Human Resource Management, 57(3), 701–713.
Ministerio de Economía y Finanzas de Panamá (MEF). (2026). Panamá impulsa la formación
de talento digital. https://www.mef.gob.pa/2026/06/panama-impulsa-la-formacion-de-
talento-digital/
DOI: https://doi.org/10.71112/r0agnt73
1426 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Oliva, F. (2023). Nivel de madurez digital: Talento y tecnología en la era digital. Deloitte.
https://www2.deloitte.com/pa/es/pages/technology/articles/nivel-de-madurez-digital.html
Oracle. (2023). The future of HR: AI-powered human resources. Oracle Corporation.
Programa de las Naciones Unidas para el Desarrollo (PNUD Panamá). (2024). Transformación
digital para el desarrollo humano: Informe Nacional de Desarrollo Humano 2024. PNUD
Panamá.
Qin, C., Zhang, L., Cheng, Y., Zha, R., Shen, D., Zhang, Q., Chen, X., Sun, Y., Zhu, C., Zhu, H.,
& Xiong, H. (2023). A comprehensive survey of artificial intelligence techniques for talent
analytics. arXiv.
Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.
SHRM. (2023). The use of people analytics in human resources: Current state and best
practices moving forward. Society for Human Resource Management.
Starbuck, C. (2023). The fundamentals of people analytics: With applications in R. Springer.
Van den Heuvel, S., & Bondarouk, T. (2017). The rise of HR Analytics. The International Journal
of Human Resource Management, 28(1), 1–5.
Velásquez M., A. del C., & Baquerizo Ortiz, M. I. (2025). Innovación y transformación digital en
la gestión del talento humano: Desafíos y oportunidades. CPA Panamá, 3(2), 126-140.
https://doi.org/10.48204/2953-3147.7831
Wright, P. M., & McMahan, G. C. (2011). Exploring human capital: Putting “human” back into
strategic human resource management. Human Resource Management Journal, 21(2),
93–104.
Zirar, A., Ali, S. I., & Islam, N. (2023). Worker and workplace artificial intelligence (AI)
coexistence: Emerging themes and research agenda. Technovation, 124, 102747.
DOI: https://doi.org/10.71112/r0agnt73
1427 Revista Multidisciplinar Epistemología de las Ciencias | Vol. 3, Núm. 4, 2026, octubre-diciembre
Zhang, Y., Jia, N., & Guo, Y. (2023). Personalized human resource management via HR
analytics and artificial intelligence: Theory and implications. Asia Pacific Management
Review, 28(4), 598–610. https://doi.org/10.1016/j.apmrv.2023.04.004
Charlwood, A., Guenole, N., & Marler, J. H. (2023). Human resource analytics: Theory,
evidence, and future directions. Annual Review of Organizational Psychology and
Organizational Behavior, 10, 147–172. https://doi.org/10.1146/annurev-orgpsych-
120920-055823.