Adopción de la inteligencia artificial y madurez tecnológica en agronegocios de la Región Ciénega de Jalisco, México
Palabras clave:
Inteligencia Artificial, Agronegocios, Adopción de tecnología, Madurez tecnológicaResumen
Objetivo: Analizar las condiciones internas y contextuales asociadas con la adopción de inteligencia artificial en las unidades productivas agrícolas de la Región Ciénega de Jalisco, México, y su relación con el nivel de madurez tecnológica alcanzado.
Materiales y métodos: Se desarrolló un estudio cuantitativo, no experimental y transversal, basado en la percepción de productores agropecuarios y actores institucionales. Los cuestionarios estructurados se analizaron mediante estadística descriptiva, regresión lineal múltiple y análisis comparativo cualitativo de conjuntos difusos, con el propósito de identificar las condiciones y configuraciones asociadas con la adopción de inteligencia artificial y caracterizar el nivel de madurez tecnológica de las unidades productivas.
Resultados: La motivación y la disposición a compartir datos fueron los principales factores asociados con la percepción de rentabilidad de la adopción de inteligencia artificial, mientras que la preparación tecnológica lo fue con el nivel de madurez tecnológica. El apoyo institucional y la infraestructura tecnológica no mostraron efectos directos significativos. El 81.7 % de las unidades productivas se ubicaron en las dos primeras etapas de madurez tecnológica. El análisis configuracional identificó múltiples combinaciones de condiciones conducentes a la madurez tecnológica, destacando la motivación, las habilidades tecnológicas y la disponibilidad de datos.
Conclusiones: La adopción de inteligencia artificial y la madurez tecnológica dependen primordialmente de las capacidades internas de los agronegocios, actuando el entorno como un habilitador complementario. La integración del análisis de regresión y configuracional evidencia equifinalidad, ampliando el marco tecnología-organización-entorno. La política pública debe orientarse al desarrollo integral de capacidades diferenciado por nivel de madurez.
Descargas
Referencias
Abad, A., Maaz, M., Shamsi, M. S., & Tariq, S. (2024, del 4 al 6 de julio). Artificial intelligence and agriculture: Unveiling adoption patterns through UTAUT2 [conferencia]. 2024 1st International Conference on Sustainable Computing and Integrated Communication in the Evolving AI Landscape, Greater Noida, India. https://doi.org/10.1109/icscai61790.2024.10866698
Ahmad, A., Liew, A. X. W., Venturini, F., Kalogeras, A. P., Candiani, A., Di Benedetto, G., Ajibola, S., Cartujo, P., Romero, P., Lykoudi, A., Grandis, M., Xouris, C., Lo Bianco, R., Doddy, I., Elegbede, I., Labate, G., Moral, L. G. D., & Martos, V. M. (2024). AI can empower agriculture for global food security: Challenges and perspectives in developing countries. Frontiers in Artificial Intelligence, 7, 1328530. https://doi.org/10.3389/frai.2024.1328530
Alkhwaldi, A., Noteboom, C., & Abdulmuhsin, A. A. (2026, del 19 al 22 de abril). Understanding farmers' adoption of artificial intelligence in agriculture: A systematic review and sociotechnical model based on Midwestern farming systems[conferencia]. 2026 IEEE Conference on Technologies for Sustainability (SusTech), Los Angeles, Estados Unidos. https://doi.org/10.1109/sustech67720.2026.11536369
Andi, W., & Nurlaili, N. (2026). Rethinking agricultural innovation diffusion: A systematic literature review on extension, digitalization, and climate-smart practices. Journal of Agricultural Extension, 30(1), 79-93. https://doi.org/10.4314/jae.v30i1.8
Assimakopoulos, F., Vassilakis, C., Margaris, D., Kotis, K., & Spiliotopoulos, D. (2024). Artificial intelligence tools for the agricultural value chain: Current state and perspectives. Electronics, 13(22), 4362. https://doi.org/10.3390/electronics13224362
Barman, B., Singh, R., Padaria, R., Nain, M. S., Quader, S. W., & Praveen, K. V. (2026). A qualitative synthesis of barriers to Agriculture 4.0 adoption: Evidence from a systematic literature review. Discover Agriculture, 4, 1-27. https://doi.org/10.1007/s44279-026-00505-7
Cagno, E., Morioka, S. N., Neri, A., & Lopes de Souza, E. (2025). Understanding how circular economy practices and digital technologies are adopted and interrelated: A broad empirical study in the manufacturing sector. Resources, Conservation and Recycling, 226, 108172. https://doi.org/10.1016/j.resconrec.2025.108172
Hair, J. F., Hult, G. T. M., Ringle, C. M., Sarstedt, M., Danks, N. P., & Ray, S. (2021). Evaluation of reflective measurement models. Springer. https://link.springer.com/book/10.1007/978-3-030-80519-7
Holzinger, A., Fister, I., Fister, I., Kaul, H.-P., & Asseng, S. (2024). Human-centered AI in smart farming: Towards agriculture 5.0. IEEE Access, 12, 62199–62213. https://doi.org/10.1109/ACCESS.2024.3395532
Kasereka, S., Mbayandjambe, A. M., Bazie, I. G., Zeufack, H. F., Ocama, O. V., Hassan, E., Kyamakya, K., & Tashev, T. (2026). From IoT to AIoT: Evolving agricultural systems through intelligent connectivity in low-income countries. Future Internet, 18(2), 82-96. https://doi.org/10.3390/fi18020082
Lashkareva, O., & Lashkarev, A. I. (2026). Transformation of human capital in the context of digitalization of the agricultural sector in Kazakhstan. Newsletter of North-Caucasus Federal University, 1(1), 77-84. https://doi.org/10.37493/2307-907X.2026.1.9
Le Coq, J-F, Goulet, F., Bert, F., Van Loon, J., & Martínez-Baron, D. (Ed.). (2024). Transición digital en agricultura y políticas públicas en América Latina. Editoriais Ltda. https://repositorio.iica.int/items/055f55fa-55d6-4afd-9adc-97829eb71677
Madanaguli, A., Sjödin, D., Parida, V., & Mikalef, P. (2024). Artificial intelligence capabilities for circular business models: Research synthesis and future agenda. Technological Forecasting and Social Change, 200, 123189. https://doi.org/10.1016/j.techfore.2023.123189
Miller, T., Mikiciuk, G., Durlik, I., Mikiciuk, M., Łobodzińska, A., & Śnieg, M. (2025). The IoT and AI in Agriculture: The Time Is Now—A Systematic Review of Smart Sensing Technologies. Sensors, 25(12), 3583. https://doi.org/10.3390/s25123583
Monsalve-Castro, C., Ramírez, R. I., Fajardo, E. J., & Soto, G. P. (2025). Artificial intelligence as a driver of green innovation adoption in the agricultural sector: Evidence from an emerging economy. Cogent Business & Management, 12(1), 2575261. https://doi.org/10.1080/23311975.2025.2575261
Montes de Oca, O., Pannell, D. J., & Llewellyn, R. (2021). Understanding the adoption of innovations in agriculture: A review of selected conceptual models. Agronomy, 11(1), 139- 151. https://doi.org/10.3390/agronomy11010139
Muñoz, R., Lacovone, L., Olaberría, E., & Pereira, M. (2022). Productivity growth in Mexico: Understanding main dynamics and key drivers. World Bank. http://hdl.handle.net/10986/37190
Nagy, A., Tumiwa, J., Arie, F., László, E., Alsoud, A. R., & Al-Dalahmeh, M. (2025). A meta-analysis of the impact of TOE adoption on smart agriculture SMEs' performance. PLOS ONE, 20(2), e0310105. https://doi.org/10.1371/journal.pone.0310105
Nguyen, L. L. H., Khuu, D. T., Halibas, A., & Nguyen, T. Q. (2023). Factors influencing smallholder rice farmers' intention to adopt cleaner production practices: An empirical study on precision agriculture adoption. Evaluation Review, 48(4), 692–735. https://doi.org/10.1177/0193841X231200775
Nikou, S., Mezei, J., Liguori, E., & Tarabishy, A. (2024). FsQCA in entrepreneurship research: Opportunities and best practices. Journal of Small Business Management, 62(3), 1531–1548. https://doi.org/10.1080/00472778.2022.2147190
Ogutu, C. A., & Cavane, E. (2026). Mediated influence of digital agricultural technologies on climate-smart farming decisions among smallholder farmers in sub-Saharan Africa: A systematic review. Frontiers in Sustainable Food Systems, 10, 1-21. https://doi.org/10.3389/fsufs.2026.1818609
Parra-López, C., Abdallah, S. B., Garcia-Garcia, G., Hassoun, A., Sánchez-Zamora, P., Trollman, H., Jagtap, S., & Carmona-Torres, C. (2024). Integration of digital technologies in agriculture for climate change adaptation and mitigation: State of the art and future perspectives. Computers and Electronics in Agriculture, 226, 109412. https://doi.org/10.1016/j.compag.2024.109412
Petcu, M. A., Sobolevschi-David, M. I., Curea, S.C., & Moise, D.F. (2024). Integration of artificial intelligence in sustainable agriculture development: Applications and challenges in the resource-based theory approach. Electronics, 13(23), 4580. https://doi.org/10.3390/electronics13234580
Ragin, C. C. (2008). Redesigning social inquiry: Fuzzy sets and beyond. University of Chicago Press. https://press.uchicago.edu/ucp/books/book/chicago/R/bo5973952.html
Romero-Hidalgo, J. A., Isiordia-Lachica, P. C., Rodríguez-Carvajal, R. A., Hernández-Gómez, G., Gallegos-Muñoz, A., Monje, J. J., López, P. L., & Rodríguez, R. A. (2024). Absorptive capacities of digital transformation technologies in the agribusiness of Guanajuato. Revista de Gestão Social e Ambiental, 18(9), e08159. https://doi.org/10.24857/rgsa.v18n9-159
Shang, L., Heckelei, T., Gerullis, M. K., Börner, J., & Rasch, S. (2021). Adoption and diffusion of digital agricultural technologies—Integrating farm-level evidence and system interaction. Agricultural Systems, 190, 103074. https://doi.org/10.1016/j.agsy.2021.103074
Tornatzky, L. G., & Fleischer, M. (1990). The processes of technological innovation. Lexington Books. https://www.researchgate.net/publication/291824703_Technological_Innovation_as_a_Process
Vargas-Canales, J. M. (2023). Technological capabilities for the adoption of new technologies in the Mexican agri-food sector. Agriculture, 13(6), 1177. https://doi.org/10.3390/agriculture13061177
Velasco-Muñoz, J. F., Mendoza, J. M., Aznar-Sánchez, J. A., & Gallego-Schmid, A. (2021). Circular economy implementation in the agricultural sector: Definition, strategies, and indicators. Resources, Conservation and Recycling, 170, 105618. https://doi.org/10.1016/j.resconrec.2021.105618
Zhang, X., Yang, Q., Mamun, A. A., Masukujjaman, M., & Masud, M. M. (2024). Acceptance of new agricultural technologies among rural smallholders. Humanities and Social Sciences Communications, 11, 1034. https://doi.org/10.1057/s41599-024-04163-2
Publicado
Número
Sección
Categorías
Licencia
Derechos de autor 2026 Retos de la Dirección
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
