Agro-managerial disruptive adaptation system (SAAD): complex understanding of agricultural technological disruption
DOI:
https://doi.org/10.24054/cyta.v11i1.4625Keywords:
artificial intelligence, agricultural management, technological disruption, conceptual interpretive model, complexity paradigmAbstract
The main purpose of this research was to develop a conceptual interpretive model of Artificial Intelligence (AI) as a disruptive process in agricultural management, approached from a complexity perspective in the municipality of Colón, Zulia State, Venezuela. The study followed a qualitative approach within an interpretive-constructivist paradigm and employed ethnomethodology. Five key participants: university lecturers, managers, and agricultural producers were interviewed using a semi-structured interview that allowed them to elaborate on their responses. The Agro-managerial System of Disruptive Adaptation (SAAD, according to its Spanish acronym) represents a situated, multivocal, and relational model of interaction among managerial, technological, and cultural processes in rural contexts. It emerged as an interpretive response to technological disruption in settings characterized by limited infrastructure and high symbolic density, such as the municipality of Colón. The five theoretical constructs developed in this research should not be understood as isolated units, but rather as subsystems within a broader framework, referred to here as the Agro-managerial System of Disruptive Adaptation (SAAD). This system provides a complex, situated, and relational interpretation of technological phenomena in rural territories, such as the municipality of Colón in Zulia State, Venezuela, where innovation is not imposed but negotiated, filtered, and reinvented through practice. This model may serve as a analytical framework applicable to studies conducted in other rural territories with comparable characteristics, as well as a conceptual basis for designing public policies, agricultural management training programs, and strategies for implementing technology through an ethical and participatory approach.
Downloads
References
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
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Gabriela Díaz-Perentena, Jesús Alonso Montiel Quintero, Juan Carlos Escalante
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
