Modelo del sistema agrogerencial de adaptación disruptiva (SAAD): comprensión compleja de la disrupción tecnológica agropecuaria
DOI:
https://doi.org/10.24054/cyta.v11i1.4625Palabras clave:
inteligencia artificial, gerencia agropecuaria, disrupción tecnológica, modelo conceptual interpretativo, paradigma de la complejidadResumen
La presente investigación tuvo por intencionalidad principal generar un modelo conceptual interpretativo referido a la Inteligencia Artificial (IA) como proceso disruptivo en la gerencia agropecuaria desde una perspectiva compleja en el municipio Colón del estado Zulia, Venezuela. Esta, se desarrolló bajo un enfoque cualitativo, desde el paradigma interpretativo-constructivista, haciendo uso de la etnometodología. Los participantes clave, fueron cinco (5); docentes, gerentes y productores agropecuarios, a quienes se les aplicó una entrevista semiestructurada, dejando opción al entrevistado de extenderse en sus respuestas. El SAAD representa un modelo de interacción relacional, multivocal y situada entre los procesos gerenciales, tecnológicos y culturales en contextos rurales. Surge como respuesta interpretativa al fenómeno de la disrupción tecnológica en entornos de baja infraestructura y alta densidad simbólica como el Municipio Colón. Los cinco constructos teóricos desarrollados en esta investigación no deben entenderse como unidades aisladas, sino como subsistemas de un entramado mayor, al que aquí se denomina Sistema Agrogerencial de Adaptación Disruptiva (SAAD). Este sistema propone una lectura compleja, situada y relacional de los fenómenos tecnológicos en territorios rurales, como el municipio Colón del estado Zulia, Venezuela, en los que la innovación no se impone, sino que se negocia, se filtra y se reinventa desde la práctica. Este modelo puede convertirse en un marco analítico aplicable a estudios en otros territorios rurales con características semejantes, y también en una base conceptual para el diseño de políticas públicas, programas de formación agrogerencial y estrategias de implementación tecnológica con enfoque ético y participativo.
Descargas
Referencias
Abduljabbar, R., Dia, H., Liyanage, S., & Bagloee, S. A. (2019). Applications of artificial intelligence in transport: An overview. Sustainability, 11(1), 189. https://doi.org/10.3390/su11010189
Boden, M. A. (2017). Inteligencia artificial. Turner.
Brombin, E. (2012). Sociedad de la información y la toma de decisiones en las empresas automotrices del municipio Colón del estado Zulia [Trabajo de grado, Universidad Fermín Toro].
Calderón, M., & Inciarte, M. (2009). La planificación estratégica como herramienta general para la toma de decisiones efectivas en la Agropecuaria San Cristóbal [Trabajo de grado, Universidad Nacional Experimental Sur del Lago].
Castaño, C., & Cabero, J. (2013). Enseñar y aprender en entornos de M-Learning. Síntesis.
Cath, C., Wachter, S., Mittelstadt, B., Taddeo, M., & Floridi, L. (2018). Artificial intelligence and the “good society”: The US, EU, and UK approach. Science and Engineering Ethics, 24(2), 505–528. https://doi.org/10.1007/s11948-017-9901-7
Chui, M. (2017). Artificial intelligence: The next digital frontier? McKinsey Global Institute.
De Casas-Moreno, P. (2017). La televisión sensacionalista en los canales públicos y privados en España e Italia: Estereotipos, discurso televisivo y hábitos de la audiencia [Tesis doctoral, Universidad de Huelva].
Deloitte. (2017). Ética en la inteligencia artificial: Un nuevo imperativo para empresas, juntas y alta gerencia. https://onx.la/37112
Díaz-Perentena, G., Escalante, J. C., & Portillo-Rivero, W. B. (2025). Construcción de sentido de la gerencia agropecuaria ante la inteligencia artificial como tecnología disruptiva. Ciencia y Tecnología Agropecuaria, 10(2), 118–127. https://doi.org/10.24054/cyta.v10i2.4288
Drucker, P. F. (1996). La gestión en un tiempo de grandes cambios. Edhasa.
Dwivedi, Y. K., Hughes, L., Ismagilova, E., Aarts, G., Coombs, C., Crick, T., et al. (2019). Artificial intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. International Journal of Information Management, 57, 101994. https://doi.org/10.1016/j.ijinfomgt.2019.08.002
Escalante, J. C. (2025). Inteligencia artificial en la agricultura colombiana. Perspectivas de Colombia versus las globales. Ciencia y Tecnología Agropecuaria, 10(2), 101–108. https://doi.org/10.24054/cyta.v10i2.4254
Flores, F., & Fernández, L. (2018). La inteligencia artificial en el ámbito contable. Contribuciones a la Economía. https://eumed.net/ce/2018/3/inteligencia-artificial-contable.html
García, J. L. (2020). Inteligencia artificial en las organizaciones. http://hdl.handle.net/10654/36011
González-Pedraza, A. F., Chiquillo Barrios, Y. A., & Escalante, J. C. (2022). Salinización de suelos en áreas agrícolas de la región Caribe y estrategias agroecológicas de recuperación. Revisión. INGE CUC, 18(1). https://doi.org/10.17981/ingecuc.18.1.2022.02
González-Pedraza, A. F. & Dezzeo, N. (2014). Changes in the labile and recalcitrant organic matter fractions due to transformation of semi-deciduous dry tropical forest to pasture in the Western Llanos, Venezuela. In F. E. Greer (Ed.), Dry forests: Ecology, species diversity and sustainable management (pp. 105–132). Nova Science Publishers. https://www.novapublishers.com/catalog/product_info.php?products_id=50331
Haraway, D. J. (1991). Simians, cyborgs, and women: The reinvention of nature. Routledge.
Henman, P. (2020). Improving public services using artificial intelligence: Possibilities, pitfalls, governance. Asia Pacific Journal of Public Administration, 42(4), 209–221. https://doi.org/10.1080/23276665.2020.1816188
Krupitzer, C. (2024). Generative artificial intelligence in the agri-food value chain - overview, potential, and research challenges. Frontiers in Food Science and Technology, 4, 1473357. https://doi.org/10.3389/frfst.2024.1473357
Lafuente, M., & Genatios, C. (2006). ¿Sociedad del conocimiento o sociedad de la información? Comunicación, (133).
López Celis, D. M., Peñalosa, M. E., Larios Gómez, E., & Fischer de la Vega, L. (2022). La lealtad de marca y el consumidor colombiano en época de covid-19. FACE: Revista de la Facultad de Ciencias Económicas y Empresariales, 22(2), 4–13. https://doi.org/10.24054/face.v22i2.1326
Machado, J. (2009). Indicadores para la toma de decisiones en cuanto a los costos de producción de la ganadería de ceba en las unidades de producción ubicadas en el sector Caño Negro, parroquia Urribarri, municipio Colón del estado Zulia [Trabajo de grado de maestría, Universidad Fermín Toro].
Morin, E. (1990). El método 1: La naturaleza de la naturaleza. Cátedra.
Morin, E. (2003). El pensamiento complejo. Gedisa.
Nasser, S. y González García, H. (2024). Estrategias de planificación ambiental para la sostenibilidad del sector agropecuario. Journal Environmental Research and Ecotoxicit, 3(114), 1-12. https://doi.org/10.56294/ere2024114
Ocaña-Fernández, Y., Valenzuela-Fernández, L., Vera-Flores, M., & Rengifo, R. (2021). Inteligencia artificial aplicada a la gestión pública. Revista Venezolana de Gerencia, 26(94), 696–707.
Ortega, J. A., & Fuentes, J. A. (2009). Los videojuegos violentos y su incidencia en la educación en valores: Los centros educativos como agencias de cultura de paz. Educatio Siglo XXI, (27), 119–146.
Prensky, M. (2011). Enseñar a nativos digitales. SM.
Roblizo, M., & Cózar, R. (2015). Usos y competencias en TIC en los futuros maestros de educación infantil y primaria: Hacia una alfabetización tecnológica real para docentes. Píxel-Bit. Revista de Medios y Educación, (47), 23–39.
Salcedo, J. B. (2022). Cultura política, cultura organizacional y liderazgo gerencial desde la perspectiva de la complejidad. Aibi Revista de Investigación, Administración e Ingeniería, 10(2), 81–87. https://doi.org/10.15649/2346030X.2933
Sandín, M. P. (2003). Investigación cualitativa en educación: Fundamentos y tradiciones. McGraw-Hill.
Saavedra Peña, F. S., González García, H., & González Francés, C. C. (2025). Ecotourism for the sustainable development of the municipality of Costa de Oro, Venezuela. SAP Land and Architecture, 4, Article 182. https://doi.org/10.56294/la2025182
Shams, M. Y., Gamel, S. A., & Talaat, F. M. (2024). Enhancing crop recommendation systems with explainable artificial intelligence: A study on agricultural decision-making. Neural Computing and Applications, 36, 5695–5714. https://doi.org/10.1007/s00521-023-09391-2
Shava, E., & Hofisi, C. (2017). Retos y oportunidades para la administración pública en la cuarta revolución industrial. Revista Africana de Asuntos Públicos, 9(9), 203–215.
Tellez, C., Barahona, M. y Tellez, C.A. (2022). Capital psicológico y satisfacción laboral, tras el retorno a la presencialidad, de los profesores en ciencias económicas de una universidad colombiana. Revista de la Facultad de Ciencias Económicas y Empresariales FACE, 22(2), 51-68. https://doi.org/10.24054/face.v22i2.1329
Troconis, N., & González, H. (2018). Perspectivas del cuadro de mando integral para el mejoramiento de la gestión administrativa en AGROPICA. Saberes a Cielo Abierto, 2(3), 35-44. https://investigacion.unesur.edu.ve/index.php/rsca/article/view/96
Ugas, G. (2006). La complejidad: Un modo de pensar. Ediciones Ugas Fermín.
Yeo, M. L., & Keske, C. M. (2024). From profitability to trust: Factors shaping digital agriculture adoption. Frontiers in Sustainable Food Systems, 8, 1456991. https://doi.org/10.3389/fsufs.2024.1456991
Zhang, X., Ming, X., Liu, Z., Yin, D., Chen, Z., & Chang, Y. (2019). A reference framework and overall planning of industrial artificial intelligence (I-AI) for new application scenarios. The International Journal of Advanced Manufacturing Technology, 101, 2367–2389. https://doi.org/10.1007/s00170-018-3106-3
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Gabriela Díaz-Perentena, Jesús Alonso Montiel Quintero, Juan Carlos Escalante
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
