Transformación digital e inteligencia artificial en Costa Rica: automatización de decisiones, impacto laboral y desafíos éticos en la era digital

 

Resumen

La literatura reciente coincide en que la transformación digital no debe entenderse como una simple digitalización de tareas, sino como una reconfiguración organizacional, estratégica y de modelo de negocio. Sin embargo, esa misma literatura también muestra que muchas iniciativas fracasan o producen resultados inferiores a los esperados. La explicación más sólida no es una “falta de tecnología”, sino una mala articulación entre estrategia, liderazgo, capacidades digitales, datos y adopción de inteligencia artificial. Cuando la IA se incorpora como moda táctica y no como capacidad organizacional, la transformación digital tiende a amplificar desorden preexistente, decisiones mal diseñadas y brechas de talento en lugar de resolverlas (Verhoef et al., 2021; Oludapo et al., 2024; Heracleous & Gledhill, 2024; Mikalef & Gupta, 2021).

Este artículo adopta una revisión teórica crítica con análisis documental de literatura científica y documentos oficiales, con énfasis en fuentes revisadas por pares y en marcos institucionales recientes de OCDE, UNESCO, Banco Interamericano de Desarrollo y MICITT. El argumento central es que el paso de la automatización de tareas a la automatización de decisiones vuelve más visible el vínculo entre estrategia, mercado laboral, ética y auditoría. En el caso costarricense, ese vínculo es especialmente relevante porque el país ya cuenta con una Estrategia de Transformación Digital 2023-2027 y una Estrategia Nacional de Inteligencia Artificial 2024-2027, pero también enfrenta brechas de habilidades, desajustes laborales y retos de implementación pública. Por ello, Costa Rica ofrece un caso valioso para pensar no sólo en adopción tecnológica, sino en gobernanza de la transformación digital en la era de la IA (MICITT, 2023, 2024, 2025; OECD, 2024; Novella & Rosas-Shady, 2023). 

Introducción

La transformación digital se ha vuelto una categoría central para explicar la reconfiguración contemporánea de empresas, gobiernos y mercados. La investigación la describe menos como adopción de herramientas aisladas y más como una transformación integral de capacidades, procesos, estructuras y relaciones con usuarios o ciudadanos. En ese marco, la IA no es un complemento marginal, sino una tecnología que acelera análisis, automatización, personalización y, cada vez más, decisiones organizacionales. Por eso, la calidad de la transformación depende de si la IA se integra en la estrategia, en la arquitectura de datos y en el rediseño del trabajo, o si se incorpora como una capa superficial sobre procesos defectuosos (Verhoef et al., 2021; AlNuaimi et al., 2022; Mikalef & Gupta, 2021).

El problema es que la evidencia sobre fracaso sigue siendo contundente. La investigación sobre fallas en transformación digital muestra que persisten ambigüedad conceptual, exceso de foco tecnológico, baja claridad empírica sobre las causas del fracaso y una separación persistente entre liderazgo de negocio y liderazgo tecnológico. En términos organizacionales, la brecha entre estrategia y tecnología sigue siendo uno de los cuellos de botella más importantes. De ahí que una lectura razonable de la literatura sea que muchas iniciativas “fallan con IA” no porque hayan adoptado demasiada IA, sino porque la adoptaron sin los activos complementarios que vuelven útil a la IA: orientación estratégica, capacidades digitales, calidad de datos, agilidad organizacional y legitimidad interna (Oludapo et al., 2024; Heracleous & Gledhill, 2024; Guthrie et al., 2025).

Costa Rica es un caso pertinente para examinar esta hipótesis. En 2024 el gobierno lanzó la Estrategia Nacional de Inteligencia Artificial 2024-2027 y la presentó como la primera política pública de este tipo en Centroamérica, mientras que la Estrategia de Transformación Digital 2023-2027 ya había definido como ejes centrales los servicios digitales, las habilidades digitales, la gobernanza de datos y la interoperabilidad. Es decir, el país ya reconoce institucionalmente que la transformación digital no es sólo un tema de software o infraestructura, sino también de datos, articulación institucional y talento. Precisamente por eso, el contexto costarricense permite observar la tensión entre aspiración estratégica y capacidad efectiva de implementación (MICITT, 2023; MICITT, 2024).

A partir de ello, el objetivo del artículo es analizar cómo la integración deficiente de la IA en la estrategia de transformación digital contribuye al fracaso o limitación de dichas iniciativas, y cómo ese problema se expresa en tres dimensiones conectadas: la automatización de decisiones, la reconfiguración de la demanda laboral y las exigencias de ética, transparencia y auditoría. La tesis es que, en Costa Rica, la transformación digital sólo será sostenible si la IA se concibe como capacidad estratégica gobernada, no como solución mágica; y si la automatización de decisiones se acompaña con formación, trazabilidad, supervisión humana y mecanismos de rendición de cuentas (Booyse & Scheepers, 2023; Cheong, 2024; OECD, 2023; UNESCO, 2021). 

Marco teórico y conceptual

La primera precisión conceptual necesaria es distinguir transformación digital de digitalización. La literatura de negocios y sistemas de información subraya que la transformación digital supone cambios profundos en creación de valor, estructura organizacional, relación con el entorno y capacidades internas, mientras que la digitalización puede limitarse a convertir procesos analógicos en flujos tecnológicos. Por eso, reducir la transformación digital a compra de plataformas o adopción de herramientas de IA conduce a una comprensión insuficiente del fenómeno. Desde esta perspectiva, el rendimiento de la transformación depende de activos organizacionales y no sólo de la disponibilidad técnica de la tecnología (Verhoef et al., 2021).

La segunda precisión es que la IA debe entenderse como capacidad estratégica y no únicamente como artefacto. La evidencia sugiere que la capacidad de IA mejora creatividad organizacional, desempeño y calidad o velocidad de decisión, pero no de forma automática. Su efecto se fortalece cuando existen capacidades digitales complementarias y una orientación de negocio digital clara. En otras palabras, la IA no reemplaza la necesidad de estrategia; la vuelve todavía más importante. Esto ayuda a explicar por qué la adopción superficial o aislada de IA puede generar decepción: sin datos de calidad, sin gobernanza y sin alineación con objetivos de negocio o política pública, la promesa analítica de la IA se traduce en resultados pobres o riesgos amplificados (Mikalef & Gupta, 2021; Guthrie et al., 2025; AlNuaimi et al., 2022).

La tercera precisión se refiere a la automatización de decisiones. La literatura reciente sobre automated decision-making en organizaciones muestra que ya no basta con pensar en automatización de tareas repetitivas; hoy se automatizan o semiautomatizan recomendaciones, asignaciones, evaluaciones y rutinas de gestión. La propia OCDE define la gestión algorítmica como el uso de software, que puede incluir IA, para automatizar total o parcialmente tareas antes realizadas por gerencias humanas. Esto eleva productividad, consistencia y velocidad, pero también introduce dudas sobre explicabilidad, sesgos, salud mental, vigilancia y responsabilidad. De ahí que la automatización de decisiones no sea un problema puramente técnico, sino una cuestión de diseño organizacional y gobernanza (Häne & Maedche, 2024; OECD, 2025).

La cuarta precisión corresponde al trabajo. La evidencia de la OCDE muestra que la IA puede automatizar tareas, complementar trabajo humano y crear nuevas tareas de mayor productividad. Lo más robusto empíricamente no es una narrativa simple de sustitución total, sino una recomposición del contenido de los puestos y de las habilidades demandadas. Los trabajadores más expuestos a IA no necesariamente necesitan saber programar modelos; de hecho, la OCDE subraya que la mayoría de quienes trabajarán con IA no requerirán habilidades especializadas de IA, pero sí verán modificadas sus tareas y competencias. En ocupaciones con alta exposición, la demanda se concentra en habilidades de gestión, procesos de negocio, interacción social y habilidades digitales, al tiempo que en establecimientos más expuestos algunas de esas demandas pueden reconfigurarse o disminuir marginalmente. Ese hallazgo es clave para Costa Rica porque desplaza el debate desde “cuántos empleos desaparecerán” hacia “qué mezcla de habilidades y trayectorias laborales será necesaria” (Green, 2024; OECD, 2023).

La quinta precisión es ética. La transparencia, la explicabilidad, la rendición de cuentas y la supervisión humana se han consolidado como principios básicos de gobernanza de IA. La literatura jurídica y de gobernanza sostiene que la transparencia permite comprender y cuestionar decisiones algorítmicas, mientras que la accountability exige identificar quién debe justificar el diseño, el uso y los efectos del sistema. En la práctica, esto conecta con auditorías de IA, evaluaciones de impacto algorítmico, trazabilidad de datos y mecanismos de reparación. La discusión relevante ya no es si auditar, sino cómo combinar auditorías, evaluaciones de impacto y gobernanza continua durante todo el ciclo de vida del sistema (Cheong, 2024; Sloane & Moss, 2023; OECD, 2024; UNESCO, 2021). 

Metodología

El trabajo se plantea como una revisión teórica crítica con análisis documental. Se priorizaron artículos académicos revisados por pares sobre transformación digital, capacidades de IA, automatización de decisiones, mercado laboral y gobernanza algorítmica; y se complementaron con documentos oficiales recientes de Costa Rica y de organismos multilaterales. Este diseño es adecuado para un artículo de corte conceptual porque permite integrar hallazgos dispersos, construir una narrativa analítica coherente y situar el caso costarricense dentro de debates internacionales más amplios sin sobredimensionar evidencia anecdótica (Cheong, 2024; Oludapo et al., 2024; Novella & Rosas-Shady, 2023).

El criterio de lectura fue relacional. En lugar de revisar cada eje por separado, se examinó cómo se enlazan entre sí cinco dimensiones: estrategia de transformación digital, IA como capacidad organizacional, automatización de decisiones, reconfiguración laboral y gobernanza ética. Para el caso de Costa Rica, se utilizaron como piezas centrales la Estrategia de Transformación Digital 2023-2027, la Estrategia Nacional de Inteligencia Artificial 2024-2027, el seguimiento anual de la ETD en 2024, la nota país de la OCDE sobre mercados laborales regionales y generative AI, y el estudio del BID sobre demanda y brechas de talento digital. Esa combinación permite observar tanto la arquitectura normativa como las limitaciones de implementación y las brechas de talento que condicionan la adopción de IA en el país (MICITT, 2023, 2024, 2025; OECD, 2024; Novella & Rosas-Shady, 2023).

Análisis y discusión

Fracaso estratégico de la transformación digital. La evidencia revisada sugiere que el fracaso de la transformación digital suele originarse cuando se invierte el orden causal del cambio: primero se compran tecnologías y luego se intenta encontrarles propósito, en vez de redefinir primero el problema organizacional, la lógica de valor y la arquitectura de decisión. Bajo este patrón, la IA se vuelve una solución en busca de un problema. El resultado típico es que la organización digitaliza ineficiencias, automatiza criterios mal definidos o introduce analítica sobre datos pobres. La literatura sobre adopción de IA para decisiones organizacionales refuerza esta lectura: entre las barreras más frecuentes aparecen la falta de confianza y transparencia, regulaciones restrictivas, dinámicas sociales internas, pérdida de poder y control, y consideraciones éticas. Todo ello confirma que el fracaso no es “tecnológico” en sentido estricto, sino sociotécnico y estratégico (Booyse & Scheepers, 2023; Heracleous & Gledhill, 2024; Guthrie et al., 2025).

Automatización de decisiones como nuevo núcleo de la transformación. Cuando la IA entra en procesos de decisión, cambia la naturaleza misma de la transformación digital. Ya no se trata solo de gestionar expedientes, flujos o transacciones, sino de delegar clasificación, predicción, priorización y evaluación. Por eso, la automatización de decisiones desplaza el eje de valor desde eficiencia operativa hacia calidad del juicio organizacional. Esa es la dimensión en la que la IA puede crear más valor o más daño. La literatura sobre gestión algorítmica muestra beneficios potenciales —consistencia, objetividad y rapidez—, pero también evidencia preocupaciones sobre accountability, explainability, vigilancia y afectaciones a trabajadores. En Costa Rica, este tránsito ya aparece en los propios documentos públicos: la ENIA define la IA como un conjunto de tecnologías orientadas, entre otros usos, a la automatización y la toma de decisiones; y la ETD incluye intervenciones de IA en salud y empleo, así como soluciones basadas en big data para apoyo a decisiones en gobiernos locales (MICITT, 2024; MICITT, 2023; OECD, 2025).

Costa Rica ya reconoce el problema, pero enfrenta brechas de ejecución. La arquitectura normativa costarricense es conceptualmente consistente: la ETD ordena la transformación alrededor de servicios digitales, habilidades digitales, gobernanza de datos e interoperabilidad, mientras la ENIA incorpora objetivos sobre capacidades, riesgos, marcos éticos y gobernanza. Sin embargo, el seguimiento oficial muestra rezagos de implementación. El informe anual de 2024 de la ETD indica un avance de 16.1% frente a 20% programado para ese año y un avance general acumulado de 31.74% en los primeros dos años frente al 40% esperado. Al mismo tiempo, la intervención normativa vinculada a la Estrategia de Inteligencia Artificial reportó 100% de avance formal y aun así requirió agregar una nueva línea de acción para operacionalizar iniciativas. Esto sugiere una tensión típica de la transformación digital: los marcos estratégicos pueden avanzar más rápido que la capacidad de ejecución, interoperabilidad y escalamiento real (MICITT, 2025).

Mercado laboral costarricense: exposición desigual, brechas y reentrenamiento. El caso costarricense muestra que los retos laborales no se limitan a “desempleo tecnológico”. La nota país de la OCDE reporta que el empleo nacional de la población de 15 a 64 años fue 54.8% en 2023, por debajo del promedio regional de la OCDE; que 41% de los trabajadores se encuentra en puestos desajustados respecto a su nivel educativo, frente a 35% en la OCDE; y que la tasa de jóvenes fuera del empleo, la educación o la formación alcanza 27.8%, con regiones como Huetar Norte en 30.9%. Sobre esa base ya frágil, la exposición a IA generativa es relativamente alta: alrededor de 28.5% del empleo costarricense está expuesto, por encima del 26% promedio de la OCDE, con diferencias territoriales fuertes entre la región Central y regiones periféricas. La consecuencia analítica es importante: el riesgo costarricense no es sólo sustitución laboral, sino desajuste entre la velocidad del cambio tecnológico y la capacidad del sistema de formación para acompañarlo (OECD, 2024).

La demanda laboral se reconfigura más de lo que se extingue. La evidencia del BID para Costa Rica refuerza esta lectura al mostrar, con una encuesta en más de 400 empresas, una brecha importante entre la demanda de habilidades digitales de las firmas y la oferta de habilidades de la fuerza laboral. Al cruzar ese hallazgo con la evidencia de la OCDE sobre cambio en la demanda de habilidades por exposición a IA, se vuelve plausible sostener que la principal amenaza para Costa Rica no es una desaparición súbita del trabajo, sino una transición mal gestionada hacia perfiles con más exigencia cognitiva, digital, social y de gestión. En otras palabras, la tensión principal está entre la demanda emergente y la capacidad de formación, reconversión y colocación del país. Esa es precisamente la razón por la cual la ENIA y la ETD insisten en capacidades digitales y por la cual una política de transformación digital sin política de talento humano está condenada a resultados limitados (Novella & Rosas-Shady, 2023; Green, 2024; MICITT, 2023; MICITT, 2024).

Ética, auditoría y legitimidad. La automatización de decisiones vuelve inevitable la pregunta por la legitimidad. La ENIA costarricense es explícita al afirmar que las decisiones críticas no deben asignarse sin más a la IA, que la supervisión humana es indispensable y que la implementación pública debe ser transparente, auditable y trazable. Además, la estrategia identifica riesgos ligados a privacidad, sesgos, transparencia, ciberseguridad y efectos sociales o económicos sobre sectores ganadores y perdedores. Esta visión coincide con los marcos internacionales: la UNESCO insiste en transparencia, fairness y supervisión humana; la OCDE destaca traceability y accountability; y la literatura reciente distingue entre auditorías de IA y evaluaciones de impacto algorítmico como instrumentos complementarios. Para Costa Rica, esto implica que la ética de IA no puede reducirse a principios declarativos: necesita instituciones, métricas, documentación, capacidad de fiscalización y criterios claros para cuándo mantener control humano significativo sobre la decisión (MICITT, 2024; UNESCO, 2021; OECD, 2024; Cheong, 2024; Sloane & Moss, 2023).

Implicaciones para empresas y Estado. Para las empresas, la implicación principal es que la IA no debe entrar primero por la fascinación técnica, sino por el mapa de decisiones que genera valor: qué decisiones se automatizan, con qué datos, bajo qué métricas, con qué revisión humana y con qué impacto sobre perfiles laborales. Para el Estado, la implicación es similar pero más exigente: no sólo debe adoptar IA, sino hacerlo sin erosionar derechos, debido proceso y confianza pública. En Costa Rica, la ETD ya incorpora gobernanza de datos, big data para decisiones locales e interoperabilidad; la ENIA agrega la capa de ética, capacidades y gobernanza específica de IA. La tarea pendiente es convertir esos instrumentos en capacidad administrativa real, coordinación interinstitucional y evaluación permanente. En ese punto, la reflexión costarricense reciente que afirma que “la tecnología no hace magia” resulta metodológicamente acertada: la IA no sustituye el orden organizacional, la calidad de datos ni el conocimiento; los amplifica, para bien o para mal (MICITT, 2023; MICITT, 2024; Solano Segura, 2025).

Conclusiones

La revisión permite concluir que el fracaso de muchas iniciativas de transformación digital no se explica principalmente por ausencia de inversión tecnológica, sino por una integración deficiente de la IA en la estrategia organizacional. Cuando la IA se adopta sin gobernanza de datos, capacidades digitales, rediseño de procesos y legitimidad institucional, la organización no se transforma: simplemente automatiza sus debilidades. Ese diagnóstico se refuerza al observar que la IA influye cada vez más en decisiones y no sólo en tareas, desplazando el centro del problema desde infraestructura hacia juicio, responsabilidad y confianza (Mikalef & Gupta, 2021; Guthrie et al., 2025; Booyse & Scheepers, 2023).

En Costa Rica, el panorama es ambivalente. El país ha avanzado en formular una arquitectura pública que reconoce la centralidad de las habilidades digitales, la gobernanza de datos, la interoperabilidad, la supervisión humana y la auditoría. Sin embargo, los avances desiguales de la ETD, la brecha de talento digital identificada por el BID, el desajuste de habilidades reportado por la OCDE y la exposición relativamente alta del empleo a IA generativa muestran que la siguiente fase ya no es de diseño discursivo, sino de ejecución articulada. La conclusión sustantiva es clara: en Costa Rica, la tecnología no es una solución mágica. La transformación digital con IA exige datos de calidad, procesos maduros, capacidad institucional, formación continua y marcos de auditoría que hagan compatible la innovación con la justicia, la transparencia y el trabajo digno (MICITT, 2025; OECD, 2024; Novella & Rosas-Shady, 2023; UNESCO, 2021).

Referencias

• AlNuaimi, B. K., Singh, S. K., Ren, S., Budhwar, P., & Vorobyev, D. (2022). Mastering digital transformation: The nexus between leadership, agility, and digital strategy. Journal of Business Research, 145, 636-648. doi:10.1016/j.jbusres.2022.03.038.
• Booyse, D., & Scheepers, C. B. (2023). Barriers to adopting automated organisational decision-making through the use of artificial intelligence. Management Research Review, 47(1), 64-85. doi:10.1108/MRR-09-2021-0701.
• Cheong, B. C. B. (2024). Transparency and accountability in AI systems: Safeguarding wellbeing in the age of algorithmic decision-making. Frontiers in Human Dynamics, 6. doi:10.3389/fhumd.2024.1421273.
• Guthrie, C. H., Fosso-Wamba, S., Queiroz, M. M., & Cai, H. (2025). The Impact of Artificial Intelligence Capabilities on Decision-Making Performance. Journal of Global Information Management, 33(1). doi:10.4018/JGIM.395344.
• Green, A. (2024). Artificial intelligence and the changing demand for skills in the labour market. OECD Artificial Intelligence Papers, No. 14. OECD Publishing.
• Häne, J., & Maedche, A. (2024). Conceptualizing automated decision-making in organizational contexts. Philosophy & Technology. doi:10.1007/s13347-024-00773-5.
• Heracleous, L., & Gledhill, D. (2024). Why Digital Transformation May Fail – And What Can Be Done About It. The Journal of Applied Behavioral Science. doi:10.1177/00218863231176567.
• Mikalef, P., & Gupta, M. (2021). Artificial intelligence capability: Conceptualization, measurement calibration, and empirical study on its impact on organizational creativity and firm performance. Information & Management, 58(3), 103434. doi:10.1016/j.im.2021.103434.
• Ministerio de Ciencia, Innovación, Tecnología y Telecomunicaciones. (2023). Estrategia de Transformación Digital 2023-2027. Gobierno de Costa Rica.
• Ministerio de Ciencia, Innovación, Tecnología y Telecomunicaciones. (2024). Estrategia Nacional de Inteligencia Artificial 2024-2027. Gobierno de Costa Rica.
• Ministerio de Ciencia, Innovación, Tecnología y Telecomunicaciones. (2025). Seguimiento anual ETD 2024. Dirección de Gobernanza Digital y Certificadores de Firma Digital, Gobierno de Costa Rica.
• Milanez, A., Lemmens, A., & Ruggiu, C. (2025). Algorithmic management in the workplace: New evidence from an OECD employer survey. OECD.
• Novella, R., & Rosas-Shady, D. (2023). Demanda y brechas de talento digital en Costa Rica. Banco Interamericano de Desarrollo. doi:10.18235/0005371.
• OECD. (2024). Recommendation of the Council on Artificial Intelligence. OECD Legal Instruments.
• OECD. (2024). Job Creation and Local Economic Development 2024 – Country notes: Costa Rica. OECD Publishing.
• OECD. (2023). Advancing accountability in AI. OECD Publishing.
• Oludapo, S., Carroll, N., & Helfert, M. (2024). Why do so many digital transformations fail? A bibliometric analysis and future research agenda. Journal of Business Research, 184, 114528. doi:10.1016/j.jbusres.2024.114528.
• Sloane, M., & Moss, E. (2023). Assessing the Assessment: Comparing Algorithmic Impact Assessments and AI Audits. SSRN. doi:10.2139/ssrn.4486259.
• Solano Segura, J. A. (2025). Transformación digital e inteligencia artificial: la tecnología no hace magia. DOS Tecnología y Negocios, 1(1).
• UNESCO. (2021). Recommendation on the Ethics of Artificial Intelligence. UNESCO.
• Verhoef, P. C., Broekhuizen, T., Bart, Y., Bhattacharya, A., Dong, J. Q., Fabian, N., & Haenlein, M. (2021). Digital transformation: A multidisciplinary reflection and research agenda. Journal of Business Research, 122, 889-901. doi:10.1016/j.jbusres.2019.09.022.

 

Digital Transformation and Artificial Intelligence in Costa Rica: Decision Automation, Labor Impact, and Ethical Challenges in the Digital Era

Abstract

This article critically examines the relationship between digital transformation and artificial intelligence (AI) in Costa Rica, focusing on decision automation, labor market reconfiguration, and emerging ethical challenges. Drawing on a theoretical review and documentary analysis of academic literature and institutional reports, the study argues that the success or failure of digital transformation initiatives is not primarily determined by technological adoption, but by the alignment between strategy, data governance, organizational capabilities, and AI integration.

The paper highlights a key shift from task automation to decision automation, where AI increasingly influences organizational judgment, raising concerns about transparency, accountability, and human oversight. In the Costa Rican context, this transition is particularly relevant given the existence of national strategies for digital transformation (2023–2027) and artificial intelligence (2024–2027), alongside persistent gaps in digital skills, labor mismatches, and implementation capacity.