Cómo liderar con IA sin destruir tu marca en el proceso
No hay dato más revelador del último Informe de Tendencias de Innovación que el punto de reflexión que se está imponiendo en los foros de decisión empresarial alrededor de la inteligencia artificial: la automatización de procesos a través de soluciones Inteligencia Artificial (IA) ha logrado un +15% de ingresos, pero se observa un -14% de churn rate de clientes, lo que solo visibiliza un aumento de 3.7% del Return on Investment (ROI) esperado. Es decir, en tanto la ambición estratégica se mide en un 14%, la realidad final de resultados empresariales (visión unificada) solo es de un 14% (Vecdis & Avanade y DEC, 2026). Y como añade en el informe González Islas “El resultado no es que tengas mejor información. El resultado es que ya no sabes qué merece tu atención”.
En esta carrera tecnológica, es momento de recordar que la estrategia corporativa que impulsa el cambio en cada empresa debe situar la satisfacción del cliente como objetivo empresarial, por encima del liderazgo en soluciones tecnológicas frente a la competencia o la optimización de procesos internos. Esto requiere, como indica el informe de anuario de tendencias (Vecdis & Avanade y DEC, 2026), de a) una vista única del cliente para decisiones coherentes (gestión de su identidad y contexto-entorno reales desde datos confiables y sin silos); b) recordar que la IA solo crea valor cuando el cliente obtiene solución a sus necesidades; y c) los datos adquieren valor cuando impulsan decisiones humanas.
Iniciamos en este espacio de divulgación excepcional del Blog DEC, lo que consideramos vanguardia de la estrategia empresarial en la asignatura Dirección de Marketing del MBA de Dirección Ejecutiva de Empresas UOC EADA (Universidad UOC, socio DEC y EADA Business School). A través de las próximas entregas, se destilarán las conclusiones del debate del aula, investigación y reflexiones que han superado muchos estándares de los seminarios profesionales actuales. No en vano, esta 8ª cohorte del MBA está constituida por un foro de directivos con una madurez laboral media de 12 años en empresas multisectoriales e internacionales, y élite de sus compañías. En un entorno marcado por la incertidumbre y múltiples informes sobre tendencias de innovación, el debate del aula ha identificado tres pilares que sostendrán el éxito de las marcas en 2026 y que compartiremos en este blog desde una narrativa de conceptos.
Comenzamos esta trilogía de publicaciones con la entrega 1/3, “Cómo liderar con IA sin destruir tu marca en el proceso”. Seguiremos con la entrega 2/3, “Hiperpersonalización bajo la Arquitectura de la Confianza”, un ensayo sobre cómo la personalización se vuelve más precisa gracias a IA, pero también más regulada. Concluimos con la entrega 3/3, “Branding Emocional y Narrativas de Autenticidad Radical”, donde reflexionaremos sobre cómo las marcas se alejan de discursos aspiracionales y adoptan narrativas más humanas, vulnerables y transparentes.
Al integrar la IA como copiloto y la confianza verificable como pilar estructural, las empresas garantizamos la sostenibilidad frente a la incertidumbre del entorno, asegurando que la singularidad de la marca y su resonancia emocional permanezcan como ventajas competitivas imposibles de automatizar.
Fuente: Elaboración propia a partir del debate de la 8ª cohorte MBA EADA-UOC, con apoyo de la IA Google Gemini (modelo Nano Banana)
1. IA como copiloto estratégico: ¿Oportunidad de oro o suicidio reputacional?
En el actual entorno BANI, frágil, ansioso, no lineal e incomprensible (Jamais Cascio, 2020), la Dirección de Marketing ya no solo gestiona la relación con el cliente, sino que es responsable de la supervivencia emocional de la marca. En línea con los enfoques de experiencia de cliente promovidos por la Asociación DEC (2026), la dimensión emocional adquiere un papel relevante en la relación marca-cliente. La fragilidad del mercado actual hace que lo que ayer era un éxito sólido, hoy en día se haya convertido en un paradigma quebrado.
La innovación ya no es una cuestión de velocidad operativa, sino de sentido estratégico. En este contexto, la IA se conforma como una herramienta imprescindible, copiloto estratégico para directivos en la toma de decisiones, en esta tormenta de datos sin precedentes. Sin embargo, esto no garantiza un mejor vuelo. La adopción no equivale necesariamente a idoneidad estratégica, y es precisamente en esta tensión entre potencial y criterio, donde se juega el futuro de las marcas.
En la nueva economía del conocimiento, el enfoque tradicional sobre Precio, Producto, Distribución y Comunicación quedó relegado a la estrategia funcional de las empresas (Méndez Aparicio, 2020). Hoy, la verdadera ventaja competitiva está basada en la gestión de los valores y emociones del cliente y en la búsqueda de soluciones en el nuevo paradigma socioeconómico basadas en la confianza, la credibilidad, la transparencia, la sostenibilidad y la Responsabilidad Social Corporativa (RSC). Por ello, se debe enfocar las soluciones IA como medio que garantice la optimización de costes pero que permita desplegar su verdadera potencia: el efecto multiplicador de las capacidades de los equipos directivos gracias a la IA. Como destacan recientes análisis del Institute for Business Value (IBM, 2023), estamos pasando de una productividad operativa a un crecimiento estratégico real. La IA se erige como la gran integradora, fusionando el First-Party Data (datos internos de cliente) con el Third-Party Data (datos del entorno). Esto proporciona un mapa contextual en tiempo real, transformando la Experiencia de Cliente (CX) de un enfoque reactivo a uno realmente predictivo. Cabe destacar que no conviene confundir predicción con comprensión: la IA detecta el patrón, pero el equipo directivo debe aportar el sentido.
Sin embargo, esta capacidad introduce un desafío crítico: la tecnología puede amplificar la inteligencia organizativa, pero también sus sesgos, errores y limitaciones.
2. Hipersegmentación relacional: El fin del marketing de masas y el auge del ROI de la empatía
El cliente espera de la marca una personalización de sus necesidades, acorde a sus momentos vitales como consumidor. Esta relación que genera engagement y apego (San Luis Kravtseva, Isabel Jiménez Zarco, y Méndez-Aparicio, 2025) es el verdadero motor del Brand Love que anhelan las compañías.
Tal y como evidenció el célebre profesor Clayton Christensen desde la Harvard Business School (2005), el 95% de los nuevos productos fracasan porque las empresas no saben descifrar el “trabajo” (job to be done) que el cliente realmente está intentando resolver. La IA viene a solucionar este vacío mediante la hipersegmentación relacional.
Hemos pasado de un Big Data inteligente en el tratamiento de los datos a modelos predictivos de agentes autónomos que ingieren volúmenes masivos de datos estructurados y no estructurados desde ecosistemas Customer Relationship Management (CRM) y Customer Data Platform (CDP) capaces de identificar micronichos fluidos. Esto no es solo eficiencia técnica, sino una aproximación a la empatía a escala. Como sabemos, el impacto de esto en la cuenta de resultados es drástico[1].
La IA no se limita a constatar la pérdida a posteriori, sino que ataca la raíz del abandono mediante la anticipación. Al procesar “señales débiles” —variaciones sutiles en la frecuencia de compra, navegación web o el análisis de sentimiento en las interacciones con el contact center— el modelo identifica el riesgo de fuga antes de que el cliente tome la decisión consciente de irse. Esto permite al copiloto estratégico accionar campañas de retención preventivas con ofertas hiperpersonalizadas, protegiendo el Customer Lifetime Value (CLV) y obtener retornos del 300% y tasas de conversión un 30% superiores gracias a implementaciones de agentes IA: no solo gastamos menos (automatizamos más), sino que entendemos mejor en qué momento y con qué propuesta abordar cada perfil de cliente (Boston Consulting Group, 2024).
Pero cuidado, el deslumbramiento ante esta hipereficiencia predictiva es el prólogo perfecto para una abdicación estratégica.
[1] Reducir la tasa de deserción (churn rate) en tan solo un 5% puede incrementar los beneficios entre un 25% y un 85%, según el axioma clásico de Reichheld y Sasser (1990).
3. La psicología del decisor: Alucinaciones, sesgos y la paradoja de la confianza
Es en este punto ciego donde el Directivo de Marketing debe demostrar su temple. Vivimos una paradoja organizativa, la literatura demuestra que las organizaciones aceptan una tasa de error de hasta el 11.3% en el juicio humano, pero solo toleran un 6,8% en los sistemas de IA (Lenskjold et al., 2023).
Pero someter a la IA a un estándar de infalibilidad absoluta es cegarnos ante nuestra realidad corporativa. Los directivos humanos no son procesadores objetivos; recurren a heurísticas que generan sesgos destructivos, como el de confirmación o la falacia del costo hundido, responsables de que entre el 70% y el 90% de la ejecución de las estrategias de negocio fracase (Kaplan & Norton, 2001).
Sin embargo, plantear que la IA es la solución mágica nos lleva a la “ilusión de objetividad”. Los sistemas de IA no eliminan los sesgos; los reconfiguran, los escalan y los ocultan bajo una capa de neutralidad algorítmica. Esto da lugar a dos fenómenos contrapuestos que la Dirección debe gestionar:
- Automation bias (sesgo de automatización): Confiar excesivamente en la máquina incluso cuando el sentido común dicta lo contrario. Si el copiloto alucina en el diagnóstico, toda la estrategia posterior, impecable o no, será un suicidio reputacional.
- Algorithm aversion (aversión al algoritmo): Rechazar la herramienta tras cualquier error o complicación superficial. Si rechazamos inflexiblemente la genialidad “artificial”, mientras la competencia recorta en errores y gastos, y afina su puntería, estamos dinamitando nuestra competitividad.
El verdadero riesgo no radica en que la IA se equivoque, sino en que el decisor abdique de su responsabilidad crítica. Delegar el juicio en sistemas probabilísticos no elimina la incertidumbre; la oculta bajo una capa de aparente objetividad. Liderar con IA no consiste en confiar ciegamente en la máquina, sino en sostener la tensión entre aprovechar su capacidad de cálculo y preservar la facultad humana de cuestionarla.
En definitiva, existe un nuevo problema sentado en las mesas de estrategia de marketing: los directivos del sector deben liderar una cultura en la que el “piloto humano” supervise las fuentes sin asfixiar la potencia de la herramienta, asegurando que la IA sea un apoyo y no una muleta que atrofie el pensamiento crítico. Porque, en realidad, no se está solo ante una transformación de cómo decidir, sino ante un cambio más profundo en la forma en que se construyen las decisiones.
Esto significa que las marcas deberán contar en un corto plazo con un plan de supervisión de sus procesos y visión de futuro, que garantice la correcta aplicación del Reglamento (UE) 2024/1689 sobre inteligencia artificial (BOE, 2024), que establece el marco normativo para el uso ético, seguro y conforme a la ley de los sistemas de IA. Y atendiendo a los Principios de la IA Responsable, dotarse de herramientas que garanticen la explicabilidad, justicia, privacidad y seguridad, tal y como recoge el meeting 360 del Observatorio de Tendencias Vecdis (2026).
4. Codirección estructurada: El modelo “Human-in-the-Loop” (HITL) y la lección de los gigantes
Automatizar más no siempre significa decidir mejor. En el Meeting 360 de Vecdis (2026) observamos que el 64% de los clientes prefiere que no se use IA como canal principal; el 90% prefiere interactuar con un ser humano; el 53% cambiaría de proveedor si la atención es solo IA. Finalmente, recomiendan un +70p Net Promoter Score (NPS) humano vs. chatbots promedio.
Y como caso real, lo aprendimos de la fintech Klarna, cuya apuesta extrema por sustituir empleados por IA abrió un debate sobre la deshumanización del servicio (Llopis, 2024; Vecdis & Avanade y DEC, 2026). En línea con los enfoques de la Asociación DEC, sabemos que la Experiencia de Empleado (EX) es el espejo de la CX: si destruyes la moral de tu equipo, tu marca pierde su alma y su capacidad de conectar (Onda del Empleado, Asociación DEC, s.f.).
Se ha podido observar con Air Canada, donde un chatbot “alucinado” creó una política de reembolsos inexistente, resultando en una condena legal y reputacional histórica (O`Neil, 2024). Este caso evidencia que la IA puede interactuar con el mercado, pero la responsabilidad sigue siendo de la organización. Precisamente por ello, la solución no pasa por rediseñar al decisor humano, sino por rediseñar la forma en que interactúa con la tecnología.
Ante estos escenarios, emerge la necesidad de reestructurar la relación entre humanos y sistemas inteligentes. La IA genera valor cuando integra supervisión humana. Este modelo HITL no debe entenderse como una simple supervisión operativa, sino como un mecanismo de gobernanza organizativa y un seguro de vida de marca (Google PAIR, 2019; Google, 2025). Alphabet (Google) lo ha elevado a estándar con su marco SAIF (Secure AI Framework) y sus Principios de IA de 2025. En este modelo, la IA aporta velocidad y simulación de escenarios “What-if”, mientras que el directivo aporta el juicio crítico, el marco ético y la visión emocional. La IA se detiene en fases críticas y escala la decisión al humano. Como contrapunto positivo, Google Cloud ya documenta más de 1.000 casos de éxito donde la IA potencia la marca gracias a su diseño que prioriza la codirección y no la sustitución ciega (Google Cloud, 2025).
5. El dilema del Brand Equity, o cómo transformarse sin morir en la indiferencia
Si asumimos que la IA es el copiloto perfecto para analizar datos y ejecutar campañas, nos topamos frontalmente con la mayor amenaza a largo plazo para nuestra disciplina. ¿Qué ocurre cuando todos los competidores de un mismo sector adoptan herramientas algorítmicas similares, las alimentan con conjuntos de datos comparables y persiguen lógicas de optimización idénticas? ¿Dónde reside entonces nuestro Capital de Marca?
La IA no es, por sí misma, una ventaja competitiva; es un estándar operativo. En un entorno donde todos acceden a capacidades similares, la eficiencia deja de ser un factor diferenciador. Esto plantea una cuestión crítica: ¿estamos optimizando hacia la excelencia o hacia la invisibilidad? La eficiencia algorítmica se convierte en el nuevo suelo competitivo; la verdadera ventaja reside en la capacidad humana de interpretar, cuestionar y no aceptar el output como válido por defecto (IBM, 2023). La diferenciación emerge, por tanto, en saber cuándo no seguir lo que la IA considera óptimo y sostener decisiones que, aunque subóptimas para el algoritmo, son estratégicamente correctas.
La respuesta es un abismo estratégico: la IA deja de ser una ventaja diferencial y se convierte en el mayor motor de “comoditización” de la historia del marketing.
Para entender este riesgo, debemos comprender la naturaleza de la máquina. Los grandes modelos de lenguaje (LLMs) y los algoritmos predictivos son, en su esencia, motores estadísticos diseñados para la regresión a la media. Su función es encontrar la respuesta más probable, el camino de menor resistencia y el diseño más universalmente aceptado basándose en datos históricos (Harvard Business Review, 2023). Si dejamos que la IA tome el volante sin restricciones, nos enfrentaremos a la “optimización sin diferenciación”.
Las decisiones serán más rápidas, los copies más limpios y las campañas matemáticamente más eficientes, pero el mercado se inundará de marcas clónicas convergiendo hacia el mismo “territorio de la normalidad”. Confundir esta eficiencia operativa con estrategia de marca es la receta perfecta para diluir la identidad y destruir, irremediablemente, el Brand Equity (Aaker, 1992; Keller 1993). En este punto emerge una pregunta crítica para la dirección de marketing: ¿hasta qué punto seguimos siendo capaces de tomar decisiones estratégicas que se desvían de lo “óptimo” cuando la diferenciación de la marca lo exige? Brandemia (2026) lo adelanta en este titular: -en 2026- “Veremos un exceso de contenido, frío, sin alma ni humanidad. Y una audiencia cada vez más hábil para detectarlo. La diferencia, por tanto, la pondrán el pensamiento crítico, la sensibilidad y la transparencia”.
Frente a esta marea de homogeneidad, el rol del directivo de marketing evoluciona hacia lo que hemos bautizado como la “divergencia programada”. No se trata simplemente de supervisar o editar el texto que expulsa la máquina, sino de diseñar la arquitectura de decisión para forzar al algoritmo a salir de la media estadística. El directivo debe convertirse en un “arquitecto de la fricción estratégica”. Esto implica tres acciones directivas concretas:
- Inyección de restricciones creativas: El algoritmo siempre buscará la solución más lógica. El rol del humano es introducir variables contraintuitivas en el sistema (restricciones de tono, prohibición de usar clichés de la industria, o la obligación de cruzar conceptos aparentemente inconexos, entre otras) para obligar a la IA a explorar los bordes de la campana de Gauss, donde reside la verdadera innovación.
- Entrenamiento en las “imperfecciones” de la marca: Lo que hace humana y memorable a una marca no es su perfección, sino sus matices, su tono particular y, a veces, sus peculiaridades. La divergencia programada exige entrenar a los modelos no solo con las guías de estilo oficiales, sino con el “alma” de la marca, penalizando algorítmicamente las respuestas que suenen genéricas o a “lenguaje de máquina”.
- El coraje de elegir la opción subóptima: En un entorno saturado de IA, la verdadera ventaja competitiva organizacional será la capacidad de sostener decisiones que la máquina calificaría como “subóptimas” a corto plazo (por no asegurar el máximo Click-Through Rate inmediato), pero que el humano sabe que son correctas a largo plazo para preservar la identidad y la singularidad de la marca.
En conclusión, la IA estandariza la excelencia operativa, pero no genera diferenciación por defecto. Diseñar sistemas que no busquen optimizar hacia la media, sino hacia la singularidad absoluta de nuestra marca, será la línea divisoria entre los líderes del mercado y los que simplemente sobrevivan en el océano de la irrelevancia automatizada. Esta necesidad de diferenciación divergente nos lleva a desmentir otro mito.
6. El mito de la democratización tecnológica: ¿Ecualizador o ventaja acumulativa?
Existe un discurso seductor y generalizado que afirma que la IA democratizará el marketing, actuando como el gran ecualizador que permitirá a cualquier startup competir en igualdad de condiciones con los gigantes del sector. Sin embargo, la realidad operativa dicta una sentencia muy distinta: la IA no está cerrando la brecha, la está ensanchando. Estamos ante lo que los economistas denominan una “ventaja acumulativa”.
Para que la IA pase de ser una herramienta útil a un motor de negocio, se requiere superar tres barreras invisibles pero infranqueables para aquellas organizaciones que no logren adaptarse:
- La madurez del dato (garbage in, garbage out): No basta con implementar un modelo de lenguaje de última generación. La IA es un multiplicador; si se aplica sobre una base de datos fragmentada, silenciada o “sucia”, lo único que obtendremos será una “alucinación estratégica” a escala masiva. Las empresas que llevan una década invirtiendo tanto en arquitecturas de datos sólidas, como en gobernanza interna, son las únicas capaces de alimentar a la IA con el combustible necesario para generar insights verdaderamente diferenciales (IBM, 2023).
- La capacidad de absorción y el “reskilling“: La tecnología se extiende rápido, pero la cultura organizativa no. Una organización sin procesos maduros ni una fuerza laboral capacitada para auditar el output de la máquina caerá en una falsa sensación de solidez analítica. El riesgo es que las empresas menos preparadas utilicen la IA como un “atajo mágico” para saltarse la planificación estratégica, delegando el pensamiento crítico en un algoritmo que solo busca la media estadística (Harvard Business Review, 2023).
- La infraestructura de validación: El verdadero salto estratégico no viene por el acceso al modelo (que es casi gratuito), sino por la capacidad de validar sus resultados. Las empresas líderes no solo usan la IA sino que tienen sistemas de control de calidad y equipos de expertos que “cierran el círculo” (Google, 2025).
En definitiva, la IA está premiando a quienes hicieron los deberes de transformación digital hace cinco años. Para el resto, el riesgo es quedarse atrapado en la “trampa de la experimentación eterna”, en línea con lo señalado por Harvard Business Review (2025): hacer muchos pilotos que no escalan, mientras los líderes del mercado utilizan su ventaja de datos para alejarse a una velocidad que será imposible de alcanzar en la próxima década. La democratización es un mito; la realidad es una carrera de fondo donde los que salen con ventaja tienen zapatillas de fibra de carbono. Y para mantenernos en cabeza, debemos ir hacia la arquitectura de la decisión.
7. Se impone la Arquitectura de Decisión
Estamos ante un cambio de paradigma: el paso del decision-making tradicional al diseño de la decision architecture. En este nuevo marco, el directivo de marketing deja de ser un intérprete de datos para convertirse en el arquitecto que define qué variables entran en el sistema y qué peso estratégico tienen (IBM, 2023). De esta manera, la IA no redefine la estrategia por lo que hace, sino por cómo obliga a rediseñar el sistema que decide.
Fuente: Elaboración propia a partir del debate de la 8º cohorte MBA EADA-UOC, con apoyo de inteligencia artificial (ChatGPT)
Si la IA estandariza la excelencia operativa, ¿están las organizaciones preparadas para premiar decisiones que se alejen de lo “óptimo” algorítmico para proteger la diferenciación? La marca es lo que nos define. Liderar con IA significa usar la tecnología para que nuestra singularidad brille más que nunca (Aaker, 1992: Keller, 1993). La labor de un buen directivo es perfilar esa diferencia; liderar a la IA para que ella nos ayude a liderar el mercado.
Conclusión
Inferimos que la IA no es un destino, sino un espejo que amplifica quiénes somos como organización. Su valor no reside en automatizar más, sino en decidir mejor. En un mercado donde la eficiencia será un estándar y la diferenciación un privilegio, la verdadera ventaja competitiva no la dará el algoritmo, sino la capacidad directiva de diseñar arquitecturas de decisión que preserven la singularidad de la marca. Liderar con IA implica asumir la responsabilidad de que la tecnología no piense por nosotros, sino con nosotros.
Fuente: Elaboración propia a partir del debate de la 8º cohorte MBA EADA-UOC, con apoyo de inteligencia artificial (ChatGPT)
El futuro de la dirección de marketing no se definirá por quién utilice mejor la IA, sino por quién sea capaz de evitar que la IA decida en su lugar. Ese será el punto de inflexión que separará a las marcas que brillen en la próxima década de aquellas que se diluyan en la homogeneidad algorítmica.
Alberto García García; Diego Oswaldo Cárdenas; Héctor Bordegaray Torres;
Jordi Valls López; Natalia Andrea Olivares Ponce; Pablo Trinidad Martín-Arroyo;
Pedro Trechera Ruiz; Raquel López Silgado.
Alumnos de la 8ª Cohorte del MBADirección Ejecutiva de Empresas, UOC & EADA Business School
Dra. en Economía; Lda. Informática; Publicidad y RR PP; Customer Experience
Mutua Madrileña, Sistemas de Información
Colaborador docente en UOC-EADA, Estudios de Economía y Empresa e Innovación
i2TIC, ACEDE AEMARK, Asociación DEC
mmendezap@uoc.edu // maulemam@gmail.com
Referencias Bibliográficas
Aaker, D. A. (1992). The value of brand equity. Journal of business strategy, 13(4), 27-32.
Asociación DEC (s.f.). Onda del empleado. Framework: Onda del Empleado – Asociación DEC
Asociación DEC.(2025). Blog DEC. Behavioral Economics y Valor de Marca en entornos hiperconectados.
Asociación DEC.(2024). Blog DEC. Cómo crear una estrategia de CRM exitosa.
Asociación DEC.(2022). Blog DEC. Métricas clave de la experiencia del cliente que su empresa debería controlar.
Asociación DEC.(2022). Blog DEC. ¿Sabes cuál es el valor de tu cliente?
Asociación DEC.(2019). Blog DEC. ¿Qué es el Customer Experience?
Boston Consulting Group. (2024). Personalization consulting and strategy services. Recuperado de: https://www.bcg.com/capabilities/marketing-sales/personalization
Brandemia (2026). 24 expertos hablan: la humanización del branding es la prioridad. https://brandemia.org/branding-2026-barometro
Cascio, J. (2020). Facing the age of chaos. Medium.
Christensen, C. M., Cook, S., & Hall, T. (2005). Marketing malpractice: The cause and the cure. Harvard Business Review, 83(12), 74-83.
Google PAIR. (2019). People + AI Guidebook: Designing human-centered AI products. Alphabet Inc. Recuperado de https://pair.withgoogle.com/guidebook/
Google. (2025). AI at Google: Our principles. Recuperado de https://ai.google/responsibility/principles/
Google. (2025). Secure AI Framework (SAIF). Recuperado de https://safety.google/intl/es/cybersecurity-advancements/saif/
Google Cloud. (2025). Google Cloud customer stories: 1001+ gen AI use cases. Alphabet Inc. Recuperado de https://cloud.google.com/customers
Harvard Business Review. (2023). A practical guide for marketers who want to use GenAI. Recuperado de https://hbr.org/2023/12/a-practical-guide-for-marketers-who-want-to-use-genai
Harvard Business Review. (2025). Beware the AI experimentation trap. Recuperado de https://hbr.org/2025/08/beware-the-ai-experimentation-trap
Harvard Business Review. (2025). Using Gen AI for early-stage market research. Recuperado de https://hbr.org/2025/07/using-gen-ai-for-early-stage-market-research
IBM Institute for Business Value. (2023). CEO decision-making in the age of AI. IBM Corporation.
Kaplan, R. S., & Norton, D. P. (2001). The strategy-focused organization: How balanced scorecard companies thrive in the new business environment. Harvard Business School Press.
Keller, K. L. (1993). Conceptualizing, measuring, and managing customer-based brand equity. Journal of marketing, 57(1), 1-22.
Lenskjold, A., Nybing, J. U., Trampedach, C., Galsgaard, A., Brejnebøl, M. W., Raaschou, H., Rose, M. H., & Boesen, M. (2023). Should artificial intelligence have lower acceptable error rates than humans? BJR|Open, 5(1)
Llopis, G. (2024, 4 de marzo). Klarna’s AI customer service success is a warning for leaders. Forbes. Recuperado de https://www.forbes.com/
Méndez Aparicio (2020). Customer Centrity, Marketing MIX y Reputación: antecedentes y consecuencias de la creación de valor para el cliente. Asociación DEC. Customer Centrity,
O’Neil, L. (2024, 16 de febrero). Air Canada ordered to pay customer who was misled by airline chatbot. The Guardian. Recuperado de https://www.theguardian.com/
Reichheld, F. F., & Sasser, W. E. (1990). Zero defections: Quality comes to services. Harvard Business Review, 68(5), 105-111.
San Luis Kravtseva, K., Jiménez Zarco, A. I., & Méndez-Aparicio, M. D. (2025). Brand image as a modulating element of customer engagement, loyalty, customer attachment, and brand identification. A conceptual and strategic review.
Vecdis & Avanade, Asociación DEC (2026). Informe ANUARIO DE TENDENCIAS 2026. De la hiperautomatización a la reconexión humana. Informe del Anuario de tendencias 2026 – Asociación DEC
Vecdis & Avanade, Asociación DEC (2026). Meeting 360 de Observatorio de Tendencias. 8 Abril 2026.
