Mostrar el registro sencillo del ítem

dc.contributor.authorBéjar Tinoco, Víctor
dc.contributor.authorMadrigal Moreno, Flor
dc.contributor.authorMadrigal Moreno, Salvador
dc.date.accessioned2025-11-03T16:16:24Z
dc.date.available2025-11-03T16:16:24Z
dc.date.issued2025-07-30
dc.identifier.citationBéjar, V., Madrigal, F., y Madrigal, S. (2025). Inteligencia artificial aplicada en la gestión de proyectos. Revista Venezolana De Gerencia, 30(112), 743-1761. https://doi.org/10.52080/rvgluz.30.112.3en_US
dc.identifier.issn1315-9984
dc.identifier.issn2477-9423
dc.identifier.urihttps://doi.org/10.52080/rvgluz.30.112.3
dc.identifier.urihttp://bdigital2.ula.ve:8080/xmlui/654321/22140
dc.description.abstractLa inteligencia artificial (IA) transforma la gestión de proyectos al optimizar procesos y mejorar la toma de decisiones. Este estudio analiza modelos de IA aplicados a la administración de proyectos mediante una revisión sistemática de literatura en Scopus, Web of Science e IEEE Xplore (2013-2024). La investigación, cualitativa y exploratoria, clasificó modelos como aprendizaje automático, redes neuronales, lógica difusa y algoritmos genéticos según su utilidad en las fases del proyecto. Los resultados destacan el aprendizaje automático y las redes neuronales por su capacidad predictiva, y los sistemas híbridos (neuro-difusos, máquinas de soporte vectorial) por su eficacia en costos y riesgos. Se identifican limitaciones en la calidad de datos y la especialización técnica. Se concluye que los sistemas híbridos de IA son clave para abordar la complejidad organizacional.en_US
dc.description.abstractArtificial intelligence (AI) transforms project management by optimizing processes and enhancing decision-making. This study analyzes AI models applied to project administration through a systematic literature review in Scopus, Web of Science, and IEEE Xplore (2013-2024). The qualitative, exploratory research classified models like machine learning, neural networks, fuzzy logic, and genetic algorithms based on their utility in project phases. Results highlight machine learning and neural networks for their predictive capacity, and hybrid systems (neuro-fuzzy, support vector machines) for cost and risk management. Limitations include data quality and technical specialization needs. Hybrid AI systems are key to addressing organizational complexity.en_US
dc.language.isoesen_US
dc.publisherUniversidad del Zuliaen_US
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/ve/en_US
dc.subjectinteligencia artificialen_US
dc.subjectgestión de proyectosen_US
dc.subjectaprendizaje automáticoen_US
dc.subjecttécnicas híbridasen_US
dc.subjectoptimizaciónen_US
dc.subjectartificial intelligenceen_US
dc.subjectproject managementen_US
dc.subjectmachine learningen_US
dc.subjecthybrid techniquesen_US
dc.subjectoptimizationen_US
dc.titleInteligencia artificial aplicada en la gestión de proyectosen_US
dc.title.alternativeArtificial intelligence applied to project managementen_US
dc.typeArticleen_US


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

http://creativecommons.org/licenses/by-nc-sa/3.0/ve/
Excepto si se señala otra cosa, la licencia del ítem se describe como http://creativecommons.org/licenses/by-nc-sa/3.0/ve/