5
ISSN Electrónico: 2500-9338
Volumen 26-N°2
Año 2026
Págs. 5–19
Adopción de tecnologías de industria 4.0 y desempeño innovador en pymes manufactureras
colombianas: evidencia cuantitativa desde la EDIT y la EAM
Luz Adriana Restrepo Cárdenas1
Enlace ORCID: https://orcid.org/0000-0002-2761-0680
Juan Sebastián Eslava Avendaño2
Enlace ORCID: https://orcid.org/0000-0003-1615-1332
Fecha de Recepción: Enero 7 de 2026
Fecha de Aprobación: Abril 23 de 2026
Fecha de Publicación: Julio 17 de 2026
Resumen:
En este artículo se analiza la relación entre la adopción de tecnologías asociadas a la Revolución Industrial 4.0 y el
desempeño innovador de las pymes manufactureras en Colombia. Mediante un estudio cuantitativo, no experimental
y correlacional, se analizaron microdatos de la Encuesta de Desarrollo de Innovación tecnológica EDIT del DANE, y
la Encuesta Anual Manufacturera EAM. Para el análisis estadístico se aplicó el coeficiente de correlación de
Spearman que mide el vínculo entre la inversión en tecnologías y el grado de innovación; una regresión logística
multinomial para estimar la probabilidad de pertenecer a las tipologías de innovación; y el método Levinsohn y Petrin
para calcular la Productividad Total de Factores PTF. Los resultados demuestran que la adopción tecnológica se
asocia positiva y significativamente la probabilidad de generar innovaciones en productos y procesos. Se concluye
que fortalecer las capacidades dinámicas permite a las pymes consolidar un ecosistema industrial inteligente,
competitivo y sostenible.
Palabras clave: Innovación; Industria 4.0; pymes; manufactura
1
PhD en Mercadeo Internacional, Universidad de Saboya: Amboïise, Chambery, Francia. Docente Investigadora Fundación Universitaria del Área
Andina. Colombia. Contacto: admonluzadrianarestrepo@gmail.com
1
Mg en Administración, Esp. en Gerencia del Servicio, Ingeniero Industrial, Docente Investigador Corporación Universitaria Minuto de Dios,
Colombia. Contacto: E-mail: juan.eslava-a@uniminuto.edu.co
CC BY-NC-SA 4.0
Atribución/Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional
6
Adoption of industry 4.0 technologies and innovative performance in Colombian manufacturing pymes:
quantitative evidence from the EDIT and the EAM
Abstract:
This article analyzes the relationship between the adoption of technologies associated with the Industry 4.0
Revolution and the innovative performance of manufacturing SMEs in Colombia. Through a quantitative, non-
experimental, and correlational study, microdata from the Technological Innovation Development Survey (EDIT)
conducted by DANE and the Annual Manufacturing Survey (EAM) were analyzed. For the statistical analysis,
Spearman’s correlation coefficient was applied to measure the relationship between investment in technologies and
the degree of innovation; a multinomial logistic regression was used to estimate the probability of belonging to
innovation typologies; and the Levinsohn and Petrin method was employed to calculate Total Factor Productivity
(TFP). The results show that technological adoption is positively and significantly associated with the probability of
generating product and process innovations. It is concluded that strengthening dynamic capabilities enables SMEs to
consolidate an intelligent, competitive, and sustainable industrial ecosystem.
Keywords: Innovation; Industry 4.0; SMEs; manufacturing.
Adoção de tecnologias da Indústria 4.0 e desempenho inovador em PMEs manufatureiras colombianas:
evidência quantitativa a partir da EDIT e da EAM
Resumo:
Este artigo analisa a relação entre a adoção de tecnologias associadas à Revolução Indústria 4.0 e o desempenho
inovador das PMEs manufatureiras na Colômbia. Por meio de um estudo quantitativo, não experimental e
correlacional, foram analisados microdados da Pesquisa de Desenvolvimento e Inovação Tecnológica (EDIT),
realizada pelo DANE, e da Pesquisa Anual da Indústria Manufatureira (EAM). Para a análise estatística, aplicou-se o
coeficiente de correlação de Spearman para medir a relação entre o investimento em tecnologias e o grau de
inovação; utilizou-se uma regressão logística multinomial para estimar a probabilidade de pertencimento às tipologias
de inovação; e empregou-se o método de Levinsohn e Petrin para calcular a Produtividade Total dos Fatores (PTF).
Os resultados demonstram que a adoção tecnológica está positiva e significativamente associada à probabilidade de
gerar inovações em produtos e processos. Conclui-se que o fortalecimento das capacidades dinâmicas permite às
PMEs consolidar um ecossistema industrial inteligente, competitivo e sustentável.
Palavras-chave: Inovação; Indústria 4.0; PMEs; manufatura.
ISSN Electrónico 2500-9338
Mayo-Agosto. Volumen 26 Número 2, Año 2026 Págs. 5 - 19
7
1. INTRODUCCION
La Revolución Industrial 4.0 representa el
cambio de paradigma tecnológico más representativo
del siglo XXI, una revolución que integra sistemas
ciberfísicos en los procesos productivos, que viene
redefiniendo la dinámica de la manufactura global al
automatizar tareas repetitivas, generando
capacidades de aprendizaje autónomo,
interoperabilidad y toma de decisiones
descentralizada transformando la organización de la
producción, en economías emergentes.
Particularmente en el caso colombiano, adoptar estas
tecnologías enfrenta retos derivados de la estructura
del tejido empresarial, compuesto principalmente por
pequeñas y medianas empresas PYMES que son el
núcleo generador de empleo y crecimiento económico
(Montoya y Aguirre, 2024).
En Colombia, las pymes del sector
manufacturero representan aproximadamente el
16.14% del total de las pymes en el país, esto
corresponde a 2 083 empresas fabricantes que
aportaron 175 557 millones de pesos en ganancias,
representan el 90% del empleo total y contribuyen
entre el 40 y 50% del PIB nacional (Superintendencia
de Sociedades, 2025). El sector industrial colombiano
reportó una reducción del -0.9% en enero de 2025
frente al mismo mes del año anterior. La producción
real de la industria registró un incremento anual del
2.6% según los datos oficiales. Esta paradoja entre el
crecimiento de la producción y la disminución del
empleo revela la importancia de investigar la
integración de tecnologías avanzadas para optimizar
procesos operativos (DANE, 2025).
La literatura científica en el contexto nacional
presenta un predominio en estudios con alcances
descriptivos o cualitativos sobre transformación
digital. Por tal motivo, existe una brecha de
conocimiento que justifica la pertinencia del presente
estudio que busca generar evidencia empírica basada
en técnicas estadísticas. El presente estudio tiene
como objetivo analizar la asociación entre la adopción
de pilares tecnológicos y el fortalecimiento de las
capacidades de innovación en las pymes
manufactureras del país.
Antecedentes
La evolución industrial se configura como una
serie de saltos tecnológicos. En efecto, la primera
revolución industrial, caracterizada por la
mecanización por medio del vapor, la segunda por la
producción en masa y electricidad y la tercera
revolución, impulsada por la informática y los
controladores lógicos programables, sentaron las
bases de la sociedad industrial moderna. En la
actualidad, la industria 4.0 la que propones una fusión
de tecnologías que difumina las líneas entre las
esferas físicas y digitales para facilitar una producción
flexible, autónoma y personalizada. En este
escenario, las tecnologías habilitadoras conforman un
sistema integrado que opera por medio de tres
dimensiones: la integración vertical de sistemas de
producción inteligentes, la integración horizontal a
través de redes globales de cadenas de valor y la
ingeniería completa en toda la cadena de valor del
producto.
En el ámbito de la administración y la
economía industrial, se identifican tres líneas de
investigación principales sobre Revolución Industrial
4.0 en las pymes: 1) estudios sobre barreras y
factores determinantes de la adopción de tecnología y
su análisis de obstáculos que impiden la transición
digital en las organizaciones (Amatta & Ali Agha,
2024) ; 2) investigaciones sobre el impacto de
tecnologías específicas, es decir, IoT, computación en
la nube y Big Data, sobre indicadores de desempeño
empresarial. Estas herramientas digitales se definen
formalmente como pilares para la transformación
productiva en el marco de las políticas públicas
nacionales (MinTIC, 2019); y 3) análisis de la relación
entre adopción digital, innovación y productividad
usando microdatos de encuestas oficiales (Chauhan,
Singh, & Luthra, 2021). Este último, resulta
fundamental para el contexto colombiano, donde la
adopción tecnológica sigue patrones desiguales
debido a la baja capitalización de las empresas y la
limitada interacción entre la academia y el sector real
La implementación de la industria 4.0 se
soporta en diversos pilares tecnológicos que operan
de manera integrada. Para el sector manufacturero de
Colombia, la importancia de estos pilares se relaciona
directamente con la capacidad de las pymes para
gestionar datos y conectividad.
Adopción de tecnologías de industria 4.0 y desempeño innovador en pymes manufactureras colombianas: evidencia cuantitativa
desde la EDIT y la EAM
Luz Adriana Restrepo Cárdenas-Juan Sebastián Eslava Avendaño
8
Pilar
tecnológico
Impacto en la
manufactura
Perspectiva para
las pymes
Internet de
las Cosas IoT
Conecta máquinas
y productos,
permitiendo el
monitoreo remoto
y el mantenimiento
predictivo.
Reducción de
costos de
reparación y
optimización del
consumo
energético.
Big Data y
Analítica
Procesa volúmenes
masivos de datos
para identificar
patrones de
demanda.
Toma de
decisiones en
tiempo real y
personalización
masiva.
Computación
en la Nube
Provee
infraestructura
escalable para
almacenar y
procesar
información a bajo
costo.
Democratización
del acceso a
software de
gestión avanzada.
Robótica
Robots
colaborativos que
trabajan junto a
humanos en tareas
peligrosas o
repetitivas.
Aumento de la
precisión y
seguridad laboral.
Inteligencia
Artificial IA
Algoritmos de
aprendizaje
automático para
predecir
comportamientos
del mercado y
optimizar logística.
Mejora la
competitividad por
medio de
pronósticos de
ventas más
precisos y
eficiencia en el
manejo de
inventarios.
Fabricación
Aditiva 3D
Producción de
prototipos y piezas
finales en capas de
materiales.
Reducción de
tiempos de
desarrollo de
productos y
reducción de
desperdicios.
Tabla 1. Pilares tecnológicos de la Industria 4.0
La discusión conceptual para medir la
innovación empresarial es el Manual de Oslo,
actualmente en su cuarta edición, que define
innovación como un producto o proceso nuevo
mejorado que se diferencia significativamente de los
productos o procesos anteriores de la unidad y que
ha sido puesto a disposición de los usuarios. Esta
definición reconoce cuatro tipos de innovación: de
producto, de proceso, organizacional y de
comercialización, marcos que soportan el diseño de
las encuestas EDIT del DANE
Categoría
Descripción
Innovadoras en
sentido estricto
Estas empresas logran introducir
bienes o servicios nuevos o
mejorados en el mercado
internacional. Requieren una alta
intensidad de I+D y una sólida
capacidad de protección de
propiedad intelectual
Innovadoras en
sentido amplio
Empresas que logran innovaciones
para el mercado nacional o para la
propia firma, incluyendo mejoras en
el proceso productivo,
organizacional o de comercialización
Potencialmente
innovadoras
Empresas que reportan tener un
proceso de innovación en curso o
haber abandonado algún proyecto.
No innovadoras
empresas que no reportan
actividades ni intenciones de
innovar
Tabla 1 Tipología de la innovación según el DANE
Esta taxonomía permite analizar el espectro
completo del comportamiento innovador de las pymes
en función de su grado de orientación tecnológica y
su capacidad de traducir inversiones en resultados
concretos de innovación.
Desde la perspectiva del talento humano, se
abordan las capacidades dinámicas definidas como la
facultad estratégica de las organizaciones para
integrar, construir y reconfigurar competencias
internas ante entornos de alta volatilidad tecnológica.
En el contexto de las pymes manufactureras
colombianas, este marco teórico resulta pertinente
para explicar cómo la adopción de herramientas
disruptivas no es un evento aislado, en el cual la
madurez digital en contexto de desarrollo depende de
la capacidad de absorción de conocimientos
complejos, y allí las capacidades dinámicas actúan
como el puente entre la inversión tecnológica y la
captura de valor real (Al-Husain, et al., 2025). La
transición hacia la Industria 4.0 exige una
reconfiguración de los fundamentos operativos,
permitiendo que la firma se despoje de estructuras
rígidas para abrazar modelos de producción flexibles
y autónomos.
En la actualidad, la resiliencia industrial se
vincula con la flexibilidad que otorgan tecnologías
como la Manufactura Aditiva y la Computación en la
ISSN Electrónico 2500-9338
Mayo-Agosto. Volumen 26 Número 2, Año 2026 Págs. 5 - 19
9
Nube. Estos pilares permiten que las pymes enfrenten
choques externos mediante la producción de
prototipos rápidos y la gestión de información
descentralizada, garantizando una trazabilidad en la
cadena de valor (García et al., 2021)
Capacidad
Descripción
Detección
Se vincula directamente con el uso de
Big Data y Analítica, permitiendo que las
pymes identifiquen patrones de
demanda y fallos preventivos antes que
su competencia
Captura
Se operacionaliza mediante la inversión
en Computación en la Nube y Sistemas
de Automatización, facilitando la toma
de decisiones descentralizada y la
flexibilidad prolija de la planta.
Transformación
Representa el estadio superior de
madurez, en el que la IA y la Robótica
permiten una personalización masiva y
una eficiencia técnica que impacta
positivamente la Productividad Total de
los Factores PTF.
Tabla 2 Capacidades dinámicas en el marco de la Industria
4.0
La adopción de tecnologías ciberfísicas en el
sector manufacturero, no garantiza por sí misma una
ventaja competitiva, es necesario contar con las
capacidades dinámicas como el marco que explica la
habilidad de las pymes para detectar, capturar y
transformar oportunidades digitales. Por esto, se
sostiene que solamente adquirir activos digitales es
insuficiente si no existe una pericia digital que
transforme dichos insumos en un desempeño
competitivo (Merín et al., 2025). Como indican Helfat
y Raubitschek (2018), la ventaja competitiva no reside
solo en contar con la tecnología, requiere además de
habilidad organizacional para procesar la complejidad
técnica mediante las capacidades dinámicas.
En relación con la detección, se define como
un mecanismo que se alinea con la fase de
exploración en la cual la organización utiliza
herramientas de analítica y monitoreo para identificar
señales del entorno y fallos operativos internos. La
detección efectiva demanda una pericia digital que
trasciende la recopilación masiva de datos, donde la
capacidad de la firma para interpretar tendencias,
permite identificar oportunidades de mejora de
productos antes de comprometer capital en su
implementación. De acuerdo con Al-Husain et al.
(2025), esta facultad es la que permite a la pyme
reconocer el valor de tecnologías emergentes como la
IA, facilitando una respuesta ágil ante los cambios en
los estándares técnicos del sector industrial. Warner y
Wäger (2019) complementan esta visión al señalar
que la detección en la era digital requiere un escaneo
colaborativo que integre la información de
proveedores y clientes para anticipar rupturas en la
cadena de valor.
La captura se refiere al protocolo de
movilización de recursos en el que la pyme invierte en
infraestructuras específicas para materializar la
mejora identificada.
La eficacia de este mecanismo se centra en la
toma de decisiones estratégicas para seleccionar los
pilares tecnológicos adecuados, permitiendo que la
inversión técnica se articule con la estructura
operativa y facilite la creación de modelos de
producción flexibles que aseguren la funcionalidad de
la nueva tecnología en el flujo de trabajo diario.
García et al. (2021) sostienen que la captura
exitosa requiere una reconfiguración de los modelos
de negocio tradicionales, en el cual la gobernanza de
datos se convierte en un activo central para garantizar
que la adopción tecnológica genere una innovación
organizacional efectiva. Por su parte, Eller et al.
(2020) subrayan que esta fase es crítica para las
pymes, cuando se presenta escasez de recursos
financieros, obligando a una captura de valor
centrada en tecnologías con alta interoperabilidad.
La transformación representa el estadio de
reconfiguración permanente en el que la integración
de tecnologías ciberfísicas altera la base de recursos
para mantener la relevancia técnica de la firma. Este
mecanismo asegura que la digitalización sea un
evento integrador, en el cual la renovación constante
de las competencias del talento humano permite que
la organización capture el valor real de los activos
digitales. Según Merín et al. (2025), la transformación
constituye el máximo nivel de madurez digital, en el
que la organización logra una síntesis entre la
eficiencia técnica y la flexibilidad productiva. Autores
como Vial (2019) sostienen que esta capacidad de
transformación exige una cultura organizacional
abierta al cambio, en el que la firma se despoja de
sus procesos analógicos para acercarse a una lógica
de producción autónoma que se refleja en la
modernización de todos los procesos de manufactura.
Adopción de tecnologías de industria 4.0 y desempeño innovador en pymes manufactureras colombianas: evidencia cuantitativa
desde la EDIT y la EAM
Luz Adriana Restrepo Cárdenas-Juan Sebastián Eslava Avendaño
10
Ahora bien, la relación teórica entre las
tecnologías 4.0 y el desempeño innovador se articula
a través de los seis pilares funcionales:
Internet de las Cosas loT: la integración de
sensores y dispositivos de conectividad en la planta
de producción configura un ecosistema de
retroalimentación ubicua que logra disminuir las
asimetrías de información en los procesos de
manufactura. El despliegue de sistema de monitoreo
y mantenimiento predictivo reduce la variabilidad
operativa para facilitar la transición hacia una fábrica
inteligente, donde la visibilidad constante de los
activos se representa una innovación de proceso que
garantiza una eficiencia técnica y fortalece la
capacidad de la firma para responder a choque
externos de forma flexible.
Inteligencia Artificial IA: la implementación
de algoritmos de aprendizaje actúa como un
catalizador de las facultades cognitivas de la
organización, lo cual permite expandir las fronteras
del diseño industrial por medio del procesamiento
masivo de variables predictivas que asisten en la
creación de nuevos bienes. De acuerdo con los
hallazgos de Sjödin et al., 2020, el uso de modelos
predictivos facilita la configuración de atributos
específicos en etapas de prototipado, generando una
reducción de incertidumbre técnica del desarrollo y
alineando la correspondencia entre la capacidad de
procesamiento de datos y la introducción de mejoras
en el catálogo de productos de la firma
BigData: el procesamiento analítico de
volúmenes masivos de datos permite una
reconfiguración de la estructura de la información
mediante el uso de herramientas que transforman los
registros brutos en insumos para la gestión interna.
Estas capacidades optimizan los procesos logísticos
al establecer flujos de más precisos en la cadena de
suministro, en el que la analítica fundamenta la
innovación organizacional al adoptar modelos de
decisión basados en la evidencia técnica y se
fortalece la detección oportuna de inconsistencias
operativas sin acudir a estructuras rígidas para validar
información estratégica
Computación en la nube: a adopción de
infraestructuras de procesamiento remoto actúa como
un nivelador técnico que permite a las organizaciones
de menor escala acceder a capacidades de
almacenamiento y gestión de datos a bajo costo. Las
investigaciones de Ortiz et al.,(2018) señalan que
esta tecnología facilita la integración de canales
digitales al centralizar la información de los puntos de
contacto con el cliente, donde la nube sustenta la
innovación de comercialización con facultades de
gestión de inventarios en tiempo real y con respuesta
técnica eficiente ante las posibles variaciones de la
demanda interna aprovechando la infraestructura
instalada
Manufactura Aditiva: el uso de impresión 3D
representa una ruptura con los métodos de
producción sustractiva al permitir la construcción de
componentes por medio de superposición de capas
de material a partir de modelos digitales complejos. El
estudio de Frank et al. (2019) resalta cómo esta
flexibilidad técnica acelera la etapa de prototipado, en
el que la tecnología incide en la innovación de
producto al facilitar la experimentación con
geometrías personalizadas y reducir los tiempos de
desarrollo de nuevos bienes, logrando una transición
eficiente entre la fase de diseño y la validación
técnica de las piezas funcionales de la organización.
Automatización: la transición hacia sistemas
automáticos integrados permite que las tareas de
manufactura se ejecuten bajo parámetros de
precisión constantes, el cual minimiza la incidencia
del error humano en los ciclos de producción
repetitivos. De acuerdo con los análisis de Bortoluzzi
et al. (2022), la implementación de estos mecanismos
fortalece la innovación de procesos al optimizar el
aprovechamiento de los insumos y estandarizar la
calidad de la producción, espacio en el cual la mejora
de la eficiencia operativa se traduce en una
reconfiguración prolija de la planta que libera
capacidades técnicas para la supervisión estratégica
de los flujos de trabajo y asegura la estabilidad de los
estándares técnicos requeridos por el sector
industrial.
2. METODOLOGÍA
En la presente investigación se adopta un
enfoque cuantitativo de diseño no experimental con
un alcance descriptivo, correlacional y econométrico.
Se emplea aun diseño de base multifuente, el cual se
ISSN Electrónico 2500-9338
Mayo-Agosto. Volumen 26 Número 2, Año 2026 Págs. 5 - 19
11
fundamenta en el emparejamiento de los microdatos
de la Encuesta de Desarrollo e Innovación
Tecnológica EDIT (DANE, 2018) y los resultados de
la Encuesta Anual Manufacturera EAM con corte a
2023 (DANE, 2024). Esta fusión resulta determinante
para dotar al análisis de una vigencia temporal
estricta, en la cual la EAM actúa como el validador de
la realidad productiva del sector secundario en el
territorio colombiano pymes a partir de los
lineamientos metodológicos de la OCDE
(OCDE/Eurostat, 2018).
La unidad de análisis corresponde a las
pequeñas y medianas empresas del sector industrial
colombiano, en el cual el procedimiento de
emparejamiento se realiza mediante el identificador
único empresarial para garantizar la trazabilidad de
los registros. Este enfoque permite combinar la
caracterización del desempeño innovador con las
variables necesarias para la estimación de la
eficiencia productiva, asegurando que la base de
datos resultante conserve la representatividad
estadística del tejido empresarial manufacturero
nacional y elimine la contradicción sobre la
temporalidad de los datos.
El análisis de la información se desarrolla en
dos etapas complementarias que requieren una
distinción técnica en el tratamiento de las variables de
interés. En la fase inicial, se utiliza el coeficiente de
correlación de Spearman bajo una lógica ordinal para
identificar la fuerza de asociación entre los pilares
tecnológicos y las categorías de innovación definidos
por el DANE. Posteriormente, el estudio emplea una
regresión logística multinomial en la cual las
categorías de innovación se asumen como
nominales, en el que esta transición metodológica se
justifica por la necesidad de evaluar la probabilidad de
pertenencia a una tipología específica sin imponer
una jerarquía rígida que podría sesgar los resultados
de la elección discreta ante la heterogeneidad de las
pymes
Para robustecer la medición del desempeño
económico, se aplica el método de Levinsohn y Petrin
(2003) con el propósito de estimar la Productividad
Total de los Factores PTF mediante la corrección del
sesgo de endogeneidad en la función de producción.
En este marco técnico, la variable dependiente
se representa mediante el valor agregado de la firma,
mientras que el factor trabajo se cuantifica a través
del personal ocupado y el capital se mide mediante
los activos fijos netos. El procedimiento utiliza el
consumo de energía eléctrica y materias primas como
proxies para capturar los choques de productividad no
observados, en el cual la ecuación de estimación
permite integrar la eficiencia residual como una
variable explicativa en el modelo probabilístico final
de innovación empresarial. La ecuación de estimación
se define de la siguiente manera:
Y_i constituye la producción medida por el
valor agregado, l_i representa el factor trabajo, k_i el
factor capital, W_i corresponde a la productividad
observada por la firma y n_i al término de error. Una
vez obtenida la estimación de la PTF, el residuo
resultante se integra como una variable explicativa al
modelo de regresión multinomial, permitiendo analizar
cómo la eficiencia productiva acumulada influye en la
probabilidad de que una pyme se clasifique en las
categorías superiores de desempeño innovador.
2.1 Indicadores
Coeficiente de correlación de Spearman
(PS): es una medida no paramétrica fundamental
para evaluar la asociación monotónica entre dos
variables basándose exclusivamente en los rangos de
datos. En consecuencia, esta técnica resulta superior
al coeficiente de Pearson para analizar la tipología de
innovación del DANE en el cual se emplea una
estructura ordinal. Esta decisión metodológica
asegura que el análisis de los rangos jerárquicos sea
estadísticamente válido y que los resultados no
presenten sesgos por la ausencia de normalidad en la
distribución de las pymes manufactureras.
El coeficiente PS varía entre -1 y +1, donde
valores cercanos a ± 1 indican una fuerte relación
monotónica y valores cercanos a 0 indican ausencia
de relación. Se calcula la matriz de correlación entre
cada de indicador de adopción/inversión de
tecnologías de las Industria 4.0 y el grado ordinal de
innovación.
Adopción de tecnologías de industria 4.0 y desempeño innovador en pymes manufactureras colombianas: evidencia cuantitativa
desde la EDIT y la EAM
Luz Adriana Restrepo Cárdenas-Juan Sebastián Eslava Avendaño
12
Las variables independientes se construyen a
partir de los módulos de tecnología e innovación de la
EDI, relacionadas en la tabla 1 y operacionalizan la
adopción de tecnologías de la Industria 4.0 como
dummies binarias: 1 adopta, 0 no adopta
La variable dependiente se define como el
Desempeño Innovador, el cual se operacionaliza a
través de la tipología definida por el DANE. Esta
variable asume una naturaleza ordinal conformada
por cuatro niveles: innovadora en sentido, estricto, en
sentido amplio, potencialmente innovadoras y no
innovadoras. El tratamiento estadístico mediante el
coeficiente de Spearman requiere una escala
numérica ascendente que permite medir la intensidad
de su asociación con los pilares tecnológicos de la
industria 4.0. Esta estructura es la que permite que el
coeficiente identifique si la inversión en herramientas
digitales guarda relación monótona en un tránsito
hacia los estadios de madurez tecnológica en las
pymes manufactureras de Colombia.
Regresión Logística Multinomial MNLogit: esta
regresión permite predecir la probabilidad de que una
observación pertenezca a una o más categorías
posibles, sin orden intrínseco entre ellas.
Método de Levinsohn y Petrin es un modelo
estructural de productividad a nivel de firma que
aborda el problema de endogeneidad entre la
producción y la demanda de insumos intermedios,
que permite estimar el efecto de la productividad
residual (Levinsohn & Petrin, 2003).
2.2 Hipótesis
H1: se plantea que existe una asociación
positiva y estadísticamente significativa entre los seis
pilares de la industria 4.0 y el desempeño innovador.
H2: sostiene que el uso de tecnologías
avanzadas incrementa significativamente la
probabilidad de que las pymes pertenezcan a las
categorías de innovación en sentido amplio o estricto
definidas por el DANE.
H3: las pymes con mayores niveles de
productividad total de los factores presentan mayor
probabilidad de ubicarse en categorías superiores de
desempeño innovador.
Este conjunto de supuestos permite evaluar si
la inversión en sistemas inteligentes genera
beneficios reales en la eficiencia operativa y la
captura de valor agregado, consolidando un
ecosistema productivo digitalizado en Colombia. La
validación de estas premisas mediante pruebas de
significancia estadística y modelos econométricos
robustos constituye el aporte central del presente
estudio al campo de la administración y la economía
industrial contemporánea.
Validez de contenido: el instrumento de
recolección de datos EDIT es diseñado y aplicado por
el DANE, en concordancia con los lineamientos
internacionales del Manual de Oslo (OCDE/Eurostat,
2018) y con control de calidad institucional.
Validez de constructo: las variables
corresponden a constructos definidos en la literatura
validez externa: el diseño probabilístico de la
EDIT garantiza la representatividad estadística para la
muestra de empresas manufactureras en Colombia
clasificadas como pymes.
En cuanto a las limitaciones, el diseño
transversal de la EDIT no permite establecer
relaciones causales estrictas. La aplicación del
método LP requiere información de insumos
intermedios y capital disponible por lo que se realiza
con el cruce de información entre EDIT y EAM por
identificador de empresa
3.RESULTADOS Y DISCUSIÓN
3.1 Estructura general del tejido
manufacturer
ISSN Electrónico 2500-9338
Mayo-Agosto. Volumen 26 Número 2, Año 2026 Págs. 5 - 19
13
Categoría
de Empresa
Rango de
Personal
Número de
empresas
Participación
(%)
Micro
0 - 10
3.582
57,07%
Pequeña
11 - 50
1.691
26,95%
Mediana
51 - 200
778
12,40%
Grande
> 200
225
3,58%
Total
6.276
100,00%
Tabla 4. Composición de las empresas manufactureras en
Colombia
En análisis descriptivo permite caracterizar la
estructura del tejido industrial se encuentra
segmentada técnicamente bajo los parámetros de la
Ley 905 de 2004 (Congreso de la República, 2004), la
cual establece los rangos de personal ocupado para
la tipología de las empresas en Colombia. Esta
clasificación permite identificar una marcada
prevalencia de establecimientos con menor escala
operativa, en donde se resalta que tan solo el 3.58%
son grandes empresas.
3.2 Demografía industrial de la muestra
Las pequeñas y medianas empresas
representan el segmento de interés para la
evaluación de la industria 4.0, en el cual la escala
operativa permite una comparabilidad técnica y
validez estadística para el sector industrial
colombiano. El 68% del total de las 2 469 pymes son
pequeñas y el 32% son medianas
Sector
Número de
empresas
Participación (%)
Alimentos
618
25,03%
Confecciones
384
15,55%
Caucho y Plástico
247
10,00%
Otras
manufacturas
167
6,76%
Impresión
156
6,32%
Sustancias
químicas
145
5,87%
Papel, Madera y
Muebles
138
5,59%
Textiles
109
4,41%
Maquinaria,
Equipo y
Electrónicos
96
3,89%
Farmacéuticos
93
3,77%
Cuero, Calzado y
Madera
88
3,56%
Productos de
metal
81
3,28%
Sector
Número de
empresas
Participación (%)
Minerales y
Metalurgia
70
2,84%
Otras Industrias
Diversas
77
2,15%
Total
2.469
100,00%
Tabla 5 Estructura manufacturera de pymes en Colombia por
sectores
En la caracterización de las pymes
manufactureras de Colombia se identifica una
estructura diversificada en la cual la densidad se
concentra primordialmente en los sectores de
alimentos, confecciones y fabricación de productos de
caucho y plástico. El tejido empresarial manufacturero
de Colombia demuestra una madurez estructural en
la cual las ramas de actividad tradicional conviven con
sectores de alta intensidad tecnológica, un fenómeno
que fundamenta el análisis sobre la capacidad para
integrar los pilares de la Industria 4.0 en sus procesos
3.3 Análisis de correlación de Spearman
Para el estudio, di es la diferencia entre la
inversión tecnológica y el nivel de innovación. Para
cada pyme de la muestra, se asigna un orden basado
en su respuesta de orden binario sobre el uso de
tecnologías en donde 1 adopta y 0 no adopta y su
posición en la escala de los cuatro niveles del DANE,
La suma de los cuadrados de estas diferencias,
dividida por el factor de corrección del tamaño
muestral, es la operación que arroja los valores del
coeficiente.
Adopción de tecnologías de industria 4.0 y desempeño innovador en pymes manufactureras colombianas: evidencia cuantitativa
desde la EDIT y la EAM
Luz Adriana Restrepo Cárdenas-Juan Sebastián Eslava Avendaño
14
Figura 1 Matriz de correlación de Spearman
Fuente: autores
La matriz de correlación de Spearman
identifica la fuerza y dirección de los vínculos en
datos de naturaleza ordinal. Se revela que la totalidad
de los pilares de Industria 4.0 como variables
independientes, los cuales comprenden la inversión y
adopción de automatización, robótica, internet de las
cosas LoT, computación en la nube, Big Data,
Inteligencia Artificial IA, y manufactura aditiva que
mantienen una relación positiva y estadísticamente
significativa con el progreso innovador de las pymes.
La jerarquía de los coeficientes de Spearman revela
que el Internet de las Cosas 29% y la Inteligencia
Artificial 26% con resultados moderados, actúan
como los motores de impulso al desempeño
innovador de las pymes manufactureras. Esta
relación se fundamenta en que la sensorización y los
algoritmos avanzados permiten que las firmas tomen
decisiones basadas en datos reales, elevando su
capacidad para generar productos que el mercado
clasifica como innovadores en sentido estricto.
En un segundo escalafón encontramos la
Automatización 23%, la Robótica 22% y la
Manufactura Aditiva 22%, herramientas que definen la
eficiencia física de las plantas de producción. Estos
pilares tecnológicos guardan una asociación directa
con el éxito empresarial porque reducen los tiempos
de respuesta y permiten una flexibilidad prolija que es
vital para la capacidad productiva del país en la
presente década. Finalmente, la Computación en la
Nube 20% y el Análisis de Big Data 19% cierran el
ecosistema digital al proporcionar el soporte
necesario para el almacenamiento y procesamiento
masivo de información.
La evaluación de significancia estadística para
los coeficientes de asociación revela que la totalidad
de los pilares tecnológicos presentan un p-valor <
0.05 lo cual demuestra una robustez en los vínculos
identificados, garantizando que la relación entre la
adopción de herramientas tecnológicas y el ascenso
en el escalafón de innovación nacional cuenta con un
respaldo empírico de alta confianza técnica
3.4 Productividad Total de Factores
La aplicación del método LP requiere
información de insumos intermedios y capital
disponible por lo que se realiza con el cruce de
información entre EDIT y EAM por identificador de
empresa. Representa la Productividad Total de los
Factores, indicando cuánto influye la tecnología
después de haber tenido en cuenta qué tan eficiente
es la empresa operativamente.
La estimación de la eficiencia técnica de las
pymes manufactureras se fundamenta en la
linealización de la función de producción Cobb-
Douglas mediante la aplicación del logaritmo natural
ln. Esta decisión metodológica no altera la naturaleza
de la relación entre los insumos y el producto, en el
cual permite que los coeficientes resultantes se
interpreten de forma limpia como elasticidades de
producción. Bajo esta estructura, un coeficiente βl
indica el cambio porcentual esperado en la
producción bruta PRODBR2 ante un incremento del
uno por ciento en el personal ocupado
PERSONAL_TOTAL, facilitando una comparación
veraz entre establecimientos de distinta escala
operativa dentro del territorio nacional.
Así mismo, el uso de logaritmos renuncia al
modelo de problemas de heterocedasticidad al
estabilizar la varianza de las variables monetarias de
la EAM, asegurando que el residuo de productividad
Ꞷit sea una medida de eficiencia técnica libre de
ruidos estadísticos. Al transformar la ecuación original
en una forma distributiva aditiva, el algoritmo de
Levinsohn y Petrin logra corregir la endogeneidad de
los insumos mediante el uso de materiales
CONSMATE como proxy, garantizando la soberanía
de los hallazgos. Esta solidez técnica es la que
permite que el impacto del 3.4% de la productividad
sobre la innovación, reportado en el modelo
multinomial, cuente con trazabilidad.
PRODBR2: Es el logaritmo de la producción bruta
total
PERSONALTOTAL: Es el logaritmo del trabajo
ISSN Electrónico 2500-9338
Mayo-Agosto. Volumen 26 Número 2, Año 2026 Págs. 5 - 19
15
CONSMATE: Es el logaritmo de los insumos
materiales que Levinsohn y Petrin usan como proxy
para corregir la endogeneidad.
Ꞷit: Es el residuo que representa la Productividad
Total de los Factores TFP_LP
Figura 2 Productividad Total de los Factores de pymes
manufactureras en Colombia
Fuente: autores
La estimación de la Productividad Total de
los Factores TFP mediante el algoritmo de Levinsohn
y Petrin permite capturar la eficiencia técnica residual
de las 2 469 pymes industriales, donde se despoja al
volumen de producción de la influencia directa de los
insumos físicos y el capital humano para aislar la
verdadera capacidad operativa de cada
establecimiento manufacturero. Esta métrica identifica
que el desempeño productivo nacional reside en la
optimización de procesos que no dependen
exclusivamente de la escala de operación sino de la
gestión inteligente del conocimiento y la tecnología
aplicada en la planta.
La caracterización sectorial de la TFP-LP
revela una heterogeneidad profunda en la estructura
industrial del territorio nacional. En ese sentido, la
dispersión de los residuos en el diagrama de cajas
evidencia que sectores como la fabricación de
sustancias químicas presentan una eficiencia técnica
superior comparada con el segmento de las
confecciones. Esta distinción resulta pertinente para
entender que la madurez tecnológica no ocurre en el
vacío, donde el punto de partida de la productividad
de cada firma condiciona su velocidad de absorción
de las innovaciones de la industria 4.0
3.5 Regresión Logística Multinomial MNLogit
La modelación multinomial permite predecir el
tránsito tecnológico de las pymes industriales
colombianas. El modelo demuestra que la
probabilidad de alcanzar estadios de innovación
superior no es un evento aleatorio, sino que responde
a una estructura trazable de adopción digital donde
tecnologías como IoT y la IA presentan los efectos
marginales más potentes para desplazar las
empresas desde la inactividad hacia el desarrollo
manufacturero.
Variable
Dimensión
Tecnológica
4.0
Impacto en
Probabilidad
(ΔP)
Error
Estándar
Valor
P (P>
|z|)
IV4R5C1
AUT
Automatización
y Control
+0.114
(11.4%)
0.012
0.000
IV4R7C1
IoT Internet de
las Cosas
+0.187
(18.7%)
0.021
0.000
IV4R11C1
IA Inteligencia
Artificial
+0.153
(15.3%)
0.018
0.001
IV4R6C1
ROB Robótica
Industrial
+0.082
(8.2%)
0.015
0.024
IV4R9C1
CLD
Computación
en la Nube
+0.061
(6.1%)
0.019
0.041
IV4R10C1
MA
Manufactura
Aditiva
+0.043
(4.3%)
0.014
0.056
IV4R8C1
BD Análisis de
Big Data
+0.038
(3.8%)
0.022
0.112
TFP_LP
Productividad -
Levinsohn-
Petrin
+0.034
(3.4%)
0.008
0.000
Tabla 6 Efectos marginales promedio d_y/d_x del modelo
multinomial
Nota: significancia estadística al 95% (P< 0.05)
Los efectos marginales representan el impacto
real y cuantificable de la intensidad tecnológica sobre
la probabilidad de innovar. Se registra que el IoT
constituye el principal motor de transformación para el
tejido empresarial, en el cual su adopción incrementa
en un 18.7% la probabilidad de que una pyme
manufacturera alcance niveles de innovación
superior. Este hallazgo se complementa con el
Adopción de tecnologías de industria 4.0 y desempeño innovador en pymes manufactureras colombianas: evidencia cuantitativa
desde la EDIT y la EAM
Luz Adriana Restrepo Cárdenas-Juan Sebastián Eslava Avendaño
16
impacto veraz de la IV4R11C1 IA, la cual aporta un
incremento del 15.3% en la madurez tecnológica,
demostrando que la productividad nacional está
ligada a la capacidad de las pymes para procesar
datos en tiempo real y automatizar la toma de
decisiones complejas. Es relevante notar que la
variable de productividad TFP_LP presenta un efecto
positivo y significativo del 3.4%, confirmando que, si
bien la eficiencia operativa es necesaria, es la
inversión en tecnologías disruptivas lo que genera
saltos cualitativos en el escalafón innovador del
DANE.
Por otro lado, tecnologías como la IV4R5C1
Automatización muestran una incidencia robusta del
11.4%, mientras que el Análisis de Big Data IV4R8C1,
con un valor de 3.8%, aún no alcanza niveles de
significancia estadística plena (P = 0.112), lo cual
sugiere que su implementación en las pymes
colombianas todavía se encuentra en una etapa
incipiente.
Figura 3 Densidad de probabilidades de innovación potencial e
innovación superior en pymes manufactureras de Colombia
Fuente: autores
La curva de innovación superior presenta una
concentración en valores de probabilidad más bajos
comparada con la innovación potencial, reflejando
que alcanzar la frontera tecnológica en sentido
estricto es un proceso de alta complejidad que exige
la integración robusta de los siete pilares de la
Industria 4.0. El solapamiento entre ambas áreas
revela un espacio de transición técnica, donde la
productividad a nivel de firma depende de factores
determinantes como la adopción de IA e IoT para
superar las barreras de la competitividad tradicional.
La distribución de frecuencia representada en
el eje vertical da cuenta de la elevada densidad de
pymes que se sitúan en los tramos inferiores de la
escala de madurez tecnológica, hecho que evidencia
una estructura industrial en la cual la adopción de
herramientas digitales avanzadas permanece
concentrada en un grupo reducido de firmas mientras
la base empresarial masiva conserva una baja
probabilidad de éxito innovador inmediato, lo cual
refleja la realidad de las pymes manufactureras
colombianas ante los retos de herramientas digitales
debido a que la acumulación de firmas en la zona de
baja de probabilidad señala la existencia de barreras
de entrada técnica que dificultan el ascenso hacia
niveles superiores1 de complejidad productiva dentro
del ecosistema de eficiencia productiva. Por su parte,
el eje horizontal despliega el índice de probabilidad
predicha que demuestra la pertenencia de las
empresas a las categorías de innovación
3.6 Discusión
Los resultados obtenidos mediante el modelo
logístico multinomial confirman que el Internet de las
Cosas IoT y la IA son los determinantes con mayor
capacidad de arrastre hacia la innovación superior,
con impactos del 18.7% y 15.3% respectivamente.
Esta primacía del IoT coincide con los planteamientos
de Chiang, Trimi y Kou (2024), quienes sostienen que
la sensorización es el factor crítico para implementar
manufactura inteligente en cadenas de suministro
globales. Sin embargo, mientras la literatura
internacional resalta al Big Data como un motor de
competitividad, los datos de la EDIT revelan que en
las pymes colombianas esta tecnología aún presenta
un efecto marginal modesto del 3.8% y carece de
significancia estadística plena P = 0.112. Esta
discrepancia se fundamenta en un bajo nivel de
madurez analítica del tejido empresarial, en el cual la
adopción de herramientas de procesamiento masivo
se realiza de manera instrumental sin una integración
estratégica que altere los procesos de toma de
decisiones. Al carecer de una cultura de gobernanza
de datos, las organizaciones acumulan registros
brutos que no se transforman en conocimiento
aplicable, en el que la ausencia de talento
especializado y los elevados costos de
implementación impiden que el análisis masivo se
traduzca en progreso innovador, tal como advierten
Amatta y Ali Agha (2024) sobre los obstáculos en
economías en desarrollo.
Un hallazgo relevante de esta investigación es
el rol de la Productividad Total de los Factores TPF,
ISSN Electrónico 2500-9338
Mayo-Agosto. Volumen 26 Número 2, Año 2026 Págs. 5 - 19
17
calculada mediante el método de Levinsohn y Petrin,
la cual aporta un incremento del 3.4% en la
probabilidad de que la firma ejecute actividades
relacionada con innovación. Este resultado valida la
hipótesis de que la eficiencia operativa previa actúa
como una base necesaria para la absorción digital,
donde el residuo de productividad acumulado por la
pyme facilita la transición hacia categorías superiores
de desempeño al reducir las barreras técnicas que
limitan la adopción de herramientas ciberfísicas. La
evidencia sugiere que la optimización de los procesos
internos permite a la organización potenciar sus
recursos, en el que la PTF representa un progreso
técnico y un cimiento administrativo que permite a la
firma convertir los activos tecnológicos en
innovaciones tangibles dentro del tejido
manufacturero.
Al contrastar la heterogeneidad sectorial, se
observa que industrias con mayor complejidad
técnica, como la fabricación de sustancias químicas,
logran una eficiencia productiva superior frente a
sectores de baja intensidad tecnológica como las
confecciones. Esta observación es coherente con los
estudios de Chauhan, Singh y Luthra (2021), quienes
enfatizan que el impacto de la Industria 4.0 está
mediado por las capacidades dinámicas preexistentes
de cada rama industrial, en el cual los sectores con
procesos estandarizados y alta inversión en activos
fijos presentan una mayor facultad de absorción para
integrar sistemas ciberfísicos. La evidencia sugiere
que la brecha de productividad no es únicamente un
fenómeno de adquisición de hardware, el cual
constituye una manifestación de la disparidad en la
formación de capital humano y en la madurez de los
protocolos operativos que permiten a las industrias
químicas capitalizar las economías de escala
derivadas de la digitalización de manera detallada.
La adaptabilidad estratégica se consolida
como el factor que permite a las pymes
manufactureras procesar la disrupción tecnológica en
entornos de alta volatilidad operativa. Al contrastar
estos hallazgos con las perspectivas de Al-Husain et
al. (2025), se observa que la evolución digital en
contextos emergentes requiere de un proceso de
reconfiguración de las competencias internas ante las
presiones del mercado, en el cual la adquisición de
herramientas técnicas resulta insuficiente si la
organización no desarrolla una destreza que
transforme los insumos digitales en determinantes de
competitividad real. La resiliencia industrial en el
escenario contemporáneo se vincula con la agilidad
operativa, en el que la firma sustituye los esquemas
rígidos por modelos de fabricación autónomos que
facilitan la personalización de la producción sin
comprometer la eficiencia residual alcanzada
mediante la optimización de los procesos básicos
El enfoque planteado por Remedi-Rumi y
Arzuaga-Williams (2024) refuerza la idea de que la
identificación y aprovechamiento de oportunidades
tecnológicas funciona como el enlace necesario entre
el capital invertido y la generación de valor en las
pymes. En el escenario del sector manufacturero,
estas facultades facilitan que las organizaciones
enfrenten perturbaciones externas mediante una
gestión de datos descentralizada en el cual el cúmulo
de conocimientos complejos define la velocidad de
respuesta ante innovaciones disruptivas según las
reflexiones de Merín-Rodrigáñez et al. (2025). El
robustecimiento de tales capacidades dinámicas
promueve un modelo de productividad que no
depende exclusivamente del tamaño de la planta
física, en el cual la gestión del conocimiento técnico
redefine la eficiencia operativa al permitir una
vigilancia constante de la cadena de valor sin incurrir
en los esquemas rígidos de la manufactura
tradicional.
4. CONCLUSIONES
El análisis empírico permite concluir que la
adopción de tecnologías de la Industria 4.0 ejerce una
influencia diferenciada sobre el desempeño innovador
de las pymes manufactureras en Colombia. Mientras
que la automatización y la computación en la nube
muestran una asociación recurrente con las
innovaciones de proceso y organización, otras
herramientas disruptivas presentan un impacto
condicionado por las capacidades internas de la
firma. El estudio demuestra que el vínculo entre
digitalización e innovación no es automático, en el
cual la configuración técnica de la planta actúa como
un facilitador que requiere de una estructura
administrativa flexible para materializar mejoras
significativas en el catálogo de productos y servicios.
Los resultados obtenidos validan parcialmente
las hipótesis planteadas en esta investigación bajo
una significancia estadística del 5%. Se confirma H1,
al evidenciar que el Internet de las Cosas y la
Adopción de tecnologías de industria 4.0 y desempeño innovador en pymes manufactureras colombianas: evidencia cuantitativa
desde la EDIT y la EAM
Luz Adriana Restrepo Cárdenas-Juan Sebastián Eslava Avendaño
18
Inteligencia Artificial elevan la probabilidad de
alcanzar innovaciones de producto, en el cual los
coeficientes de la regresión multinomial respaldan
esta relación. De igual forma, se acepta H3, en el que
la Productividad Total de los Factores PTF estimada
mediante el método de Levinsohn y Petrin se ratifica
como un determinante relevante para que una
empresa se clasifique en categorías superiores de
innovación, confirmando que la eficiencia operativa
previa facilita la captura de valor de los activos
digitales.
Desde la perspectiva de la gestión
empresarial, los hallazgos sugieren que las pymes
deben priorizar la creación de una arquitectura de
gobernanza de datos antes de realizar inversiones
masivas en herramientas de analítica compleja. Para
la política pública, los resultados indican la necesidad
de diseñar programas de fomento que trasciendan la
entrega de subsidios para la adquisición de hardware,
en el cual el enfoque estatal debe orientarse hacia el
cierre de brechas de talento humano especializado.
Es necesario que los lineamientos de transformación
digital incluyan incentivos para la reconfiguración de
las capacidades dinámicas de las organizaciones,
asegurando que la modernización del tejido
productivo se sustente en una base técnica sólida y
no en una adopción instrumental de corto plazo.
La principal limitación de este estudio reside
en el uso de una base integrada multifuente de corte
transversal, el cual impide observar la trayectoria
evolutiva de las firmas a lo largo del tiempo. Al no
tratarse de un panel de datos real, no es posible
establecer relaciones de causalidad definitivas sobre
el crecimiento de la productividad en el largo plazo.
Las futuras líneas de investigación pueden orientarse
hacia el análisis de microdatos longitudinales que
permitan evaluar el impacto de la madurez digital
sobre la supervivencia empresarial en entornos de
alta incertidumbre, donde el uso de técnicas de
aprendizaje supervisado podría aportar mayor
precisión en la clasificación de las trayectorias de
innovación del sector industrial.
5. REFERENCES
Al-Husain, R. A., Jasim, T. A., Mathew, V., Al-
Romeedy, B. S., Khairy, H. A., Mahmoud, H., . . .
Alsetoohy, O. (2025). Optimizing sustainability
performance through digital dynamic capabilities,
green knowledge management, and green
technology innovation. Scientific Reports., 14(1),
1 - 21. doi:https://doi.org/10.1038/s41598-025-
04912-6
Amatta, B., & Ali Agha, M. S. (2024). Industry 4.0
Implementation Barriers for SMEs: A Proposed
Decision-Support Model of the Most Appropriate
Adoption Route. Proceedings of the 14th Annual
International Conference on Industrial
Engineering and Operations Management.,
February(12 - 14), 1005 - 1016.
doi:https://doi.org/10.46254/AN14.20240256
Chauhan, C., Singh, A., & Luthra, S. (2021). Barriers
to industry 4.0 adoption and its performance
implications: An empirical investigation of
emerging economy. Journal of Cleaner
Production, 285.
doi:https://doi.org/10.1016/j.jclepro.2020.124809.
Chiang, A.-H., Trimi, S., & Kou, T.-C. (2024). Critical
Factors for Implementing Smart Manufacturing:
A Supply Chain Perspective. Sustainability,
16(22), 1 - 21. doi:
https://doi.org/10.3390/su16229975
Congreso de la República. (2004). Ley 905.
Promoción del desarrollo de la micro, pequeña y
mediana empresa colombiana. Bogotá, D.C.,
Colombia.
DANE. (2018). Encuesta de Desarrollo e Innovación
Tecnológica EDIT. Industria Manufacturera
2017-2018: Boletín técnico.
https://www.dane.gov.co/index.php/estadisticas-
por-tema/tecnologia-e-innovacion/encuesta-de-
desarrollo-e-innovacion-tecnologica-edit
DANE. (2024). Encuesta Anual Manufacturera
Anonimizada. Metodología y resultados
generales.
https://www.dane.gov.co/index.php/estadisticas-
por-tema/industria/encuesta-anual-
manufacturera-eam
DANE. (2025). Boletín Técnico Encuesta Mensual
Manufacturera con Enfoque Territorial EMMET.
Eller, R., Alford, P., Kallmünzer, A., & Peters, M.
(2020). Antecedents, consequences, and
challenges of small and medium-sized enterprise
digitalization. Journal of Business Research,
112, 119–127.
https://doi.org/10.1016/j.jbusres.2020.03.004
Frank, A. G., Dalenogare, L. S., & Ayala, N. F. (2019).
Industry 4.0 technologies: Implementation
patterns in manufacturing companies.
ISSN Electrónico 2500-9338
Mayo-Agosto. Volumen 26 Número 2, Año 2026 Págs. 5 - 19
19
International Journal of Production Economics,
210, 15–26.
https://doi.org/10.1016/j.ijpe.2019.01.004
García-Muiña, F., Medina-Salgado, M. S., González-
Sánchez, R., Huertas-Valdivia, I., Ferrari, A. M.,
& Settembre-Blundo, D. (2021). Industry 4.0-
based dynamic Social Organizational Life Cycle
Assessment to target the social circular economy
in manufacturing. Journal of Cleaner Production,
327, 1 - 11.
doi:https://doi.org/10.1016/j.jclepro.2021.129439
Helfat, C. E., & Raubitschek, R. S. (2018). Dynamic
and integrative capabilities for profiting from
innovation in digital platform-based ecosystems.
Research Policy, 47(8), 1391–1399.
https://doi.org/10.1016/j.respol.2018.01.019
Levinsohn, J., & Petrin, A. (2003). Estimating
Production Functions Using Inputs to Control for
Unobservables. Review of Economics Studies,
70, 317 - 341. https://doi.org/10.1111/1467-
937X.00246
Merín-Rodrigáñez, J., Dasí, Á., Alegre, J., & Hughes,
M. (2025). Dynamic managerial capabilities for
digital transformation in innovative SMEs: What
are the effects on new product development
performance. Journal of Business Research,
201, 1 - 15.
doi:https://doi.org/10.1016/j.jbusres.2025.115709
MinTIC. (2019). Aspectos Básicos de la Industria 4.0.
Bogotá, D.C., Colombia
Montoya Peláez, M., & Aguirre Alvarez, Y. A. (2024).
Robotic process automation technology applied
to the management of SMES in the
manufacturing and service sector: A systematic
review. Universidad & Empresa, 27(48), 1 - 43.
doi:https://doi.org/10.12804/revistas.urosario.edu
.co/empresa/a.14237
OCDE/Eurostat. (2018). Oslo Manual 2018:
Guidelines for Collecting, Reporting and Using
Data on Innovation. The Measurement of
Scientific, Technological and Innovation
Activities. Paris, Francia: OCDE Publishing.
doi:https://doi.org/10.1787/9789264304604-en
Ortiz Clavijo, L. F., Fernández Ledesma, J. D.,
Cadavid Nieto, S., & Gallego Duque, C. J.
(2018). Computación en la nube: estudio de
herramientas orientadas a la industria 4.0.
Lámpsakos, (20), 68–75.
https://doi.org/10.21501/21454086.2560
Remedi-Rumi, N., & Arzuaga-Williams, M. (2024).
Capacidades dinámicas, adopción tecnológica y
desempeño en PYMES industriales de Uruguay.
Revista Venezolana de Gerencia, 29(106), 593 -
608. doi:https://doi.org/10.52080/rvgluz.29.106.9
Sjödin, D., Parida, V., Kohtamäki, M., & Wincent, J.
(2020). An agile co-creation process for digital
servitization: A micro-service innovation
approach. Journal of Business Research, 112,
478–491.
https://doi.org/10.1016/j.jbusres.2020.01.009
Superintendencia de Sociedades. (2025). Pymes
2025. Bogotá, D.C., Colombia
Vial, G. (2019). Understanding digital transformation:
A review and a research agenda. The Journal of
Strategic Information Systems, 28(2), 118–144.
https://doi.org/10.1016/j.jsis.2019.01.003
Warner, K. S., & Wäger, M. (2019). Building dynamic
capabilities for digital transformation: An ongoing
process of strategic renewal. Long Range
Planning, 52(3), 326–349.
https://doi.org/10.1016/j.lrp.2018.12.001
