Cuando la inteligencia artificial media la información estratégica
un marco conceptual para la alineación estratégica
DOI:
https://doi.org/10.22478/ufpb.1809-4783.2026v36.81239Palabras clave:
Inteligencia artificial, alineación estratégica, información, construcción de sentido, monocultura algorítmicaResumen
Los estudios sobre inteligencia artificial en las organizaciones suelen abordarla como un agente decisor, un riesgo o una competencia; sin embargo, examinan poco cómo media la información que articula la estrategia. El objetivo de este artículo es proponer un marco conceptual que explique cómo la mediación informacional ejercida por la inteligencia artificial afecta la alineación estratégica a nivel organizacional. Se trata de un estudio teórico-conceptual que combina la adaptación teórica con la construcción de una tipología, apoyado en una revisión bibliográfica exploratoria, obras clásicas de la teoría organizacional y de la Ciencia de la Información, así como en búsquedas dirigidas a literaturas afines. La teoría de la alineación estratégica —incluida su dimensión social— se revisa a la luz de una visión de la organización como sistema de procesamiento e interpretación de información, utilizando como estructura heurística un modelo que articula propósito, procesos y personas a través de la información. Se argumenta que la inteligencia artificial, al producir, seleccionar y sintetizar información, participa en la propia generación de la alineación. Asimismo, basándose en la literatura sobre monocultura algorítmica y homogeneización, se propone una tipología de cuatro estados: convergencia ampliada, convergencia aparente, fragmentación y pluralidad interpretativa. Además, se formulan seis proposiciones refutables y una agenda de investigación. Se concluye que el efecto de la inteligencia artificial sobre la alineación depende, en gran medida, de la forma en que la organización gobierna la mediación informacional que aquella ejerce.
Descargas
Referencias
ALON-BARKAT, S.; BUSUIOC, M. Human–AI interactions in public sector decision making: "automation bias" and "selective adherence" to algorithmic advice. Journal of Public Administration Research and Theory, v. 33, n. 1, p. 153-169, 2023. DOI: https://doi.org/10.1093/jopart/muac007.
ANDRADE, A. R. Convergência informacional e alinhamento estratégico baseado na informação: teoria e prática. São Paulo: FILOS Editora, 2026.
BORGES, A. F. S. et al. The strategic use of artificial intelligence in the digital era: systematic literature review and future research directions. International Journal of Information Management, v. 57, 102225, 2021. DOI: https://doi.org/10.1016/j.ijinfomgt.2020.102225.
BRYNJOLFSSON, E.; LI, D.; RAYMOND, L. Generative AI at work. The Quarterly Journal of Economics, v. 140, n. 2, p. 889-942, 2025. DOI: https://doi.org/10.1093/qje/qjae044.
BUCKLAND, M. K. Information as thing. Journal of the American Society for Information Science, v. 42, n. 5, p. 351-360, 1991. DOI: https://doi.org/10.1002/(SICI)1097-4571(199106)42:5<351::AID-ASI5>3.0.CO;2-3.
BUSUIOC, M. Accountable artificial intelligence: holding algorithms to account. Public Administration Review, v. 81, n. 5, p. 825-836, 2021. DOI: https://doi.org/10.1111/puar.13293.
CHOO, C. W. The knowing organization: how organizations use information to construct meaning, create knowledge, and make decisions. New York: Oxford University Press, 1998.
DAFT, R. L.; LENGEL, R. H. Organizational information requirements, media richness and structural design. Management Science, v. 32, n. 5, p. 554-571, 1986. DOI: https://doi.org/10.1287/mnsc.32.5.554.
DAFT, R. L.; WEICK, K. E. Toward a model of organizations as interpretation systems. Academy of Management Review, v. 9, n. 2, p. 284-295, 1984. DOI: https://doi.org/10.5465/amr.1984.4277657.
DOSHI, A. R. et al. Generative artificial intelligence and evaluating strategic decisions. Strategic Management Journal, v. 46, n. 3, p. 583-610, 2025. DOI: https://doi.org/10.1002/smj.3677.
DOSHI, A. R.; HAUSER, O. Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, v. 10, n. 28, eadn5290, 2024. DOI: https://doi.org/10.1126/sciadv.adn5290.
EINOLA, K.; KHOREVA, V. Best friend or broken tool? Exploring the co-existence of humans and artificial intelligence in the workplace ecosystem. Human Resource Management, v. 62, n. 1, p. 117-135, 2023. DOI: https://doi.org/10.1002/hrm.22147.
ESSIEN, A. et al. The influence of AI text generators on critical thinking skills in UK business schools. Studies in Higher Education, v. 49, n. 5, p. 865-882, 2024. DOI: https://doi.org/10.1080/03075079.2024.2316881.
GALBRAITH, J. R. Organization design: an information processing view. Interfaces, v. 4, n. 3, p. 28-36, 1974. DOI: https://doi.org/10.1287/inte.4.3.28.
HAGENDORFF, T. The ethics of AI ethics: an evaluation of guidelines. Minds and Machines, v. 30, n. 1, p. 99-120, 2020. DOI: https://doi.org/10.1007/s11023-020-09517-8.
HANCOCK, J. T.; NAAMAN, M.; LEVY, K. AI-mediated communication: definition, research agenda, and ethical considerations. Journal of Computer-Mediated Communication, v. 25, n. 1, p. 89-100, 2020. DOI: https://doi.org/10.1093/jcmc/zmz022.
HENDERSON, J. C.; VENKATRAMAN, N. Strategic alignment: leveraging information technology for transforming organizations. IBM Systems Journal, v. 38, n. 2.3, p. 472-484, 1999. DOI: https://doi.org/10.1147/sj.382.0472. Publicado originalmente em 1993.
JAAKKOLA, E. Designing conceptual articles: four approaches. AMS Review, v. 10, n. 1-2, p. 18-26, 2020. DOI: https://doi.org/10.1007/s13162-020-00161-0.
JARRAHI, M. H. et al. Algorithmic management in a work context. Big Data & Society, v. 8, n. 2, 2021. DOI: https://doi.org/10.1177/20539517211020332.
JI, Z. et al. Survey of hallucination in natural language generation. ACM Computing Surveys, v. 55, n. 12, p. 1-38, 2023. DOI: https://doi.org/10.1145/3571730.
JOBIN, A.; IENCA, M.; VAYENA, E. The global landscape of AI ethics guidelines. Nature Machine Intelligence, v. 1, n. 9, p. 389-399, 2019. DOI: https://doi.org/10.1038/s42256-019-0088-2.
KELLOGG, K. C.; VALENTINE, M. A.; CHRISTIN, A. Algorithms at work: the new contested terrain of control. Academy of Management Annals, v. 14, n. 1, p. 366-410, 2020. DOI: https://doi.org/10.5465/annals.2018.0174.
KLEINBERG, J.; RAGHAVAN, M. Algorithmic monoculture and social welfare. Proceedings of the National Academy of Sciences, v. 118, n. 22, e2018340118, 2021. DOI: https://doi.org/10.1073/pnas.2018340118.
KOZLOWSKI, S. W. J.; KLEIN, K. J. A multilevel approach to theory and research in organizations: contextual, temporal, and emergent processes. In: KLEIN, K. J.;
KOZLOWSKI, S. W. J. (ed.). Multilevel theory, research, and methods in organizations: foundations, extensions, and new directions. San Francisco: Jossey-Bass, 2000. p. 3-90.
LOGG, J. M.; MINSON, J. A.; MOORE, D. A. Algorithm appreciation: people prefer algorithmic to human judgment. Organizational Behavior and Human Decision Processes, v. 151, p. 90-103, 2019. DOI: https://doi.org/10.1016/j.obhdp.2018.12.005.
MÄNTYMÄKI, M. et al. Defining organizational AI governance. AI and Ethics, v. 2, n. 4, p. 603-609, 2022. DOI: https://doi.org/10.1007/s43681-022-00143-x.
MARCH, J. G. Exploration and exploitation in organizational learning. Organization Science, v. 2, n. 1, p. 71-87, 1991. DOI: https://doi.org/10.1287/orsc.2.1.71.
MITTELSTADT, B. Principles alone cannot guarantee ethical AI. Nature Machine Intelligence, v. 1, n. 11, p. 501-507, 2019. DOI: https://doi.org/10.1038/s42256-019-0114-4.
NG, D. T. K. et al. Conceptualizing AI literacy: an exploratory review. Computers and Education: Artificial Intelligence, v. 2, 100041, 2021. DOI: https://doi.org/10.1016/j.caeai.2021.100041.
NIAZI, G. R.; SHANG, Y. From AI investment to performance: how organizational alignment makes the difference in e-organizations. Journal of General Management, 2026. Publicação antecipada on-line. DOI: https://doi.org/10.1177/03063070261484660.
PAPAGIANNIDIS, E.; MIKALEF, P.; CONBOY, K. Responsible artificial intelligence governance: a review and research framework. The Journal of Strategic Information Systems, v. 34, n. 2, 101885, 2025. DOI: https://doi.org/10.1016/j.jsis.2024.101885.
RAISCH, S.; KRAKOWSKI, S. Artificial intelligence and management: the automation–augmentation paradox. Academy of Management Review, v. 46, n. 1, p. 192-210, 2021. DOI: https://doi.org/10.5465/amr.2018.0072.
REICH, B. H.; BENBASAT, I. Factors that influence the social dimension of alignment between business and information technology objectives. MIS Quarterly, v. 24, n. 1, p. 81-113, 2000. DOI: https://doi.org/10.2307/3250980.
RETKOWSKY, J.; HAFERMALZ, E.; HUYSMAN, M. Managing a ChatGPT-empowered workforce: understanding its affordances and side effects. Business Horizons, v. 67, n. 5, p. 511-523, 2024. DOI: https://doi.org/10.1016/j.bushor.2024.04.009.
RIBEIRO, M. M.; SEGATTO, C. I. Inteligência artificial nas organizações públicas brasileiras: heterogeneidades e capacidades em tecnologia da informação. Revista de Administração Pública, v. 59, n. 1, e2024-0066, 2025. DOI: https://doi.org/10.1590/0034-761220240066.
ROULEAU, L.; BALOGUN, J. Middle managers, strategic sensemaking, and discursive competence. Journal of Management Studies, v. 48, n. 5, p. 953-983, 2011. DOI: https://doi.org/10.1111/j.1467-6486.2010.00941.x.
SHRESTHA, Y. R.; BEN-MENAHEM, S. M.; KROGH, G. von. Organizational decision-making structures in the age of artificial intelligence. California Management Review, v. 61, n. 4, p. 66-83, 2019. DOI: https://doi.org/10.1177/0008125619862257.
TUSHMAN, M. L.; NADLER, D. A. Information processing as an integrating concept in organizational design. Academy of Management Review, v. 3, n. 3, p. 613-624, 1978. DOI: https://doi.org/10.5465/amr.1978.4305791.
VACCARO, M.; ALMAATOUQ, A.; MALONE, T. When combinations of humans and AI are useful: a systematic review and meta-analysis. Nature Human Behaviour, v. 8, n. 12, p. 2293-2303, 2024. DOI: https://doi.org/10.1038/s41562-024-02024-1.
WEICK, K. E. Sensemaking in organizations. Thousand Oaks: Sage, 1995.
ZUBOFF, S. In the age of the smart machine: the future of work and power. New York: Basic Books, 1988.
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Antonio Andrade

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores/as que publican en esta revista aceptan los siguientes términos:
a) Los autores/as conservan los derechos de autor y ceden a la revista el derecho de primera publicación, con el trabajo registrado simultáneamente bajo la Licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0), que permite compartir el trabajo con el reconocimiento obligatorio de la autoría y de la publicación inicial en esta revista.
b) Los autores/as están autorizados a asumir contratos adicionales por separado para la distribución no exclusiva de la versión del trabajo publicada en esta revista (ej.: publicar en un repositorio institucional o como capítulo de libro), siempre que exista el reconocimiento de la autoría y de su publicación inicial en esta revista.
c) Los autores/as tienen permiso y son incentivados/as a publicar y distribuir su trabajo en línea (ej.: en repositorios institucionales o en su página personal) solo después de la publicación oficial del artículo por parte de la revista, preservando así el anonimato de la revisión doble ciego. Este intercambio posterior tiene el potencial de aumentar el impacto y la citación del trabajo publicado.

