Vol. 12/ Núm. 2 2025 pág. 2249
https://doi.org/10.69639/arandu.v12i2.1063
Del monitoreo reactivo a la predicción proactiva: el rol de la
IA en la prevención de crisis de la reputación organizacional
From reactive monitoring to proactive prediction: The role of AI in preventing
organizational reputation crises
Alicia Katherine Ulpo Carangui
aulpoc@unemi.edu.ec
https://orcid.org/0000-0002-2190-0740
Universidad Estatal de Milagro
Daniel Washington Barzola Jaya
dbarzolaj@unemi.edu.ec
https://orcid.org/0000-0001-8495-6146
Universidad Estatal de Milagro
Shirley Cabrera Almeida
shirley.cabreraa@ug.edu.ec
https://orcid.org/0000-0002-8415-4706
Universidad de Guayaquil
Rocío Pizarro Matamoros
apizarrom@ulvr.edu.ec
https://orcid.org/0000-0003-3306-1144
Universidad Laica Vicente Rocafuerte
Artículo recibido: 10 abril 2025 - Aceptado para publicación: 20 mayo 2025
Conflictos de intereses: Ninguno que declarar
RESUMEN
Este artículo aborda el rol de la Inteligencia Artificial (IA) en la prevención de crisis de
reputación organizacional, transitando de un monitoreo reactivo a una predicción proactiva.
Ante ello, se planteó la pregunta de investigación, ¿De qué manera la IA puede prevenir la
crisis de reputación organizacional mediante un monitoreo que va de lo reactivo a la
predicción proactiva? El objetivo principal fue describir la capacidad avanzada de
procesamiento de datos, análisis de sentimientos y modelado predictivo de la IA que ha
provocado la necesidad de nuevas estrategias de comunicación y relaciones públicas entre los
Dircom. Metodológicamente, se utilizó una revisión sistemática de la literatura, con un
enfoque cualitativo-interpretativo para identificar, evaluar y sintetizar estudios relevantes. La
búsqueda de referencias priorizó artículos científicos, páginas web especializadas y libros en
español de los últimos cinco años, en bases de datos como Latindex, SciELO, Web of Science
y Scopus. Los principales hallazgos revelan que la IA potencia teorías de crisis como la de
Coombs (2022) y la de los Stakeholders de Freeman (1984), facilitando la detección temprana
de anomalías, cambios de sentimiento y narrativas negativas. Asimismo, las herramientas de
Vol. 12/ Núm. 2 2025 pág. 2250
IA permiten identificar patrones de riesgo, correlacionar menciones y permite el análisis
predictivo, anticipando comportamientos del consumidor y la viralización de temas.
Finalmente, se muestra la necesidad de considerar la ética en el manejo de datos personales y
sesgos algorítmicos con transparencia en el cumplimiento de principios establecidos en
tratados internacionales.
Palabras claves: inteligencia artificial, comunicación de masas, gestión de la
información, imagen de la marca
ABSTRACT
This article addresses the role of Artificial Intelligence (AI) in preventing organizational
reputation crises, transitioning from reactive monitoring to proactive prediction. Given this,
the research question posed was: How can AI prevent organizational reputation crises through
monitoring that moves from reactive to proactive prediction? The main objective was to
describe AI's advanced data processing, sentiment analysis, and predictive modeling
capabilities, which have necessitated new communication and public relations strategies
among communication directors (Dircoms). Methodologically, a systematic literature review
was used, with a qualitative- interpretative approach to identify, evaluate, and synthesize
relevant studies. The search for references prioritized scientific articles, specialized websites,
and books in Spanish from the last five years, using databases such as Latindex, SciELO, Web
of Science, and Scopus. The main findings reveal that AI enhances crisis theories such as
Coombs (2022) and Freeman's (1984) Stakeholder Theory, facilitating the early detection of
anomalies, sentiment shifts, and negative narratives. Furthermore, AI tools enable the
identification of risk patterns, correlation of mentions, and predictive analysis, anticipating
consumer behavior and the virality of topics. Finally, the essay highlights the need to consider
ethics in handling personal data and algorithmic biases, with transparency in adhering to
principles established in international treaties
Keywords: artificial intelligence, mass communication, information management,
branding
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
IA permiten identificar patrones de riesgo, correlacionar menciones y permite el análisis
predictivo, anticipando comportamientos del consumidor y la viralización de temas.
Finalmente, se muestra la necesidad de considerar la ética en el manejo de datos personales y
sesgos algorítmicos con transparencia en el cumplimiento de principios establecidos en
tratados internacionales.
Palabras claves: inteligencia artificial, comunicación de masas, gestión de la
información, imagen de la marca
ABSTRACT
This article addresses the role of Artificial Intelligence (AI) in preventing organizational
reputation crises, transitioning from reactive monitoring to proactive prediction. Given this,
the research question posed was: How can AI prevent organizational reputation crises through
monitoring that moves from reactive to proactive prediction? The main objective was to
describe AI's advanced data processing, sentiment analysis, and predictive modeling
capabilities, which have necessitated new communication and public relations strategies
among communication directors (Dircoms). Methodologically, a systematic literature review
was used, with a qualitative- interpretative approach to identify, evaluate, and synthesize
relevant studies. The search for references prioritized scientific articles, specialized websites,
and books in Spanish from the last five years, using databases such as Latindex, SciELO, Web
of Science, and Scopus. The main findings reveal that AI enhances crisis theories such as
Coombs (2022) and Freeman's (1984) Stakeholder Theory, facilitating the early detection of
anomalies, sentiment shifts, and negative narratives. Furthermore, AI tools enable the
identification of risk patterns, correlation of mentions, and predictive analysis, anticipating
consumer behavior and the virality of topics. Finally, the essay highlights the need to consider
ethics in handling personal data and algorithmic biases, with transparency in adhering to
principles established in international treaties
Keywords: artificial intelligence, mass communication, information management,
branding
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
Vol. 12/ Núm. 2 2025 pág. 2251
INTRODUCCIÓN
La era digital en la que se desarrolla el mundo ha generado una redefinición profunda
respecto de lo que se hacía décadas atrás y lo que se realiza ahora en la gestión de la
reputación organizacional de las empresas. Dentro de esta nueva realidad que se encuentra en
constante evolución, en el contexto tecnológico, con la aparición de la Inteligencia Artificial
(IA), existe un flujo permanente de información, sin bloqueos, ni limitaciones, y que se
fortalece con la viralidad de los contenidos con una inmediatez abrumadora. Este escenario
representa un desafío sin precedentes para las empresas y los directores de comunicación
(Dircom) en el cuidado y prevención de crisis que pueden afectar la reputación organizacional.
De acuerdo con Olivos Farfán (2024), la mayoría de los profesionales de la
comunicación que dirigen las estrategias de reputación de las organizaciones se encuentran en
las primeras etapas de preparación para enfrentar la difusión de deepfakes, sin embargo, la
ausencia de herramientas especializadas y de experiencia práctica dificulta la prevención y la
gestión de crisis.
Lo que hasta hace poco se denominaba gestión de crisis post-evento, se ha
transformado en una necesidad obligatoria de prevención y anticipación (Coombs, 2022). En
esta realidad donde predominan la hiperconectividad y volatilidad, la IA emerge no solo como
una herramienta de apoyo, sino como el inicio de un cambio de paradigma con la transición de
un monitoreo reactivo de medios a una predicción proactiva de crisis reputacionales (Septiana,
2025).
De ahí que, la IA es crucial para manejar esta "hipervulnerabilidad", por lo cual,
Pedrol et al. (2019), sostienen que la capacidad para procesar y analizar grandes volúmenes de
datos a gran velocidad es fundamental para detectar y mitigar riesgos en un entorno VUCA,
esto es: volátil, incierto, complejo y ambiguo.
Con este antecedente surge la pregunta de investigación, ¿De qué manera la IA puede
prevenir la crisis de reputación organizacional mediante un monitoreo que va de lo reactivo a
la predicción proactiva? Justamente, el objetivo del presente trabajo es describir el rol que
tiene la IA como factor de transformación con su capacidad avanzada y rápida de
procesamiento de datos, análisis de sentimientos y modelado predictivo que ha provocado
la necesidad de crear nuevas estrategias de comunicación y relaciones públicas entre los
Dircom.
Asimismo, dentro de esa descripción se mostrará la evolución del tema aquí abordado,
desde los métodos tradicionales de escucha social, hasta los sistemas inteligentes que poseen la
capacidad de pronosticar riesgos y con ello se discutirán los beneficios propios y los dilemas
éticos que se presentan con esta revolución tecnológica en el esfuerzo por salvaguardar el
activo más preciado de las organizaciones que es la reputación.
INTRODUCCIÓN
La era digital en la que se desarrolla el mundo ha generado una redefinición profunda
respecto de lo que se hacía décadas atrás y lo que se realiza ahora en la gestión de la
reputación organizacional de las empresas. Dentro de esta nueva realidad que se encuentra en
constante evolución, en el contexto tecnológico, con la aparición de la Inteligencia Artificial
(IA), existe un flujo permanente de información, sin bloqueos, ni limitaciones, y que se
fortalece con la viralidad de los contenidos con una inmediatez abrumadora. Este escenario
representa un desafío sin precedentes para las empresas y los directores de comunicación
(Dircom) en el cuidado y prevención de crisis que pueden afectar la reputación organizacional.
De acuerdo con Olivos Farfán (2024), la mayoría de los profesionales de la
comunicación que dirigen las estrategias de reputación de las organizaciones se encuentran en
las primeras etapas de preparación para enfrentar la difusión de deepfakes, sin embargo, la
ausencia de herramientas especializadas y de experiencia práctica dificulta la prevención y la
gestión de crisis.
Lo que hasta hace poco se denominaba gestión de crisis post-evento, se ha
transformado en una necesidad obligatoria de prevención y anticipación (Coombs, 2022). En
esta realidad donde predominan la hiperconectividad y volatilidad, la IA emerge no solo como
una herramienta de apoyo, sino como el inicio de un cambio de paradigma con la transición de
un monitoreo reactivo de medios a una predicción proactiva de crisis reputacionales (Septiana,
2025).
De ahí que, la IA es crucial para manejar esta "hipervulnerabilidad", por lo cual,
Pedrol et al. (2019), sostienen que la capacidad para procesar y analizar grandes volúmenes de
datos a gran velocidad es fundamental para detectar y mitigar riesgos en un entorno VUCA,
esto es: volátil, incierto, complejo y ambiguo.
Con este antecedente surge la pregunta de investigación, ¿De qué manera la IA puede
prevenir la crisis de reputación organizacional mediante un monitoreo que va de lo reactivo a
la predicción proactiva? Justamente, el objetivo del presente trabajo es describir el rol que
tiene la IA como factor de transformación con su capacidad avanzada y rápida de
procesamiento de datos, análisis de sentimientos y modelado predictivo que ha provocado
la necesidad de crear nuevas estrategias de comunicación y relaciones públicas entre los
Dircom.
Asimismo, dentro de esa descripción se mostrará la evolución del tema aquí abordado,
desde los métodos tradicionales de escucha social, hasta los sistemas inteligentes que poseen la
capacidad de pronosticar riesgos y con ello se discutirán los beneficios propios y los dilemas
éticos que se presentan con esta revolución tecnológica en el esfuerzo por salvaguardar el
activo más preciado de las organizaciones que es la reputación.
Vol. 12/ Núm. 2 2025 pág. 2252
METODOLOGÍA
Para sustentar esta investigación con el rigor científico del caso, se utilizará una
metodología de revisión sistemática de la literatura, considerado un enfoque justificado en la
identificación, evaluación y síntesis objetiva de los resultados obtenidos en estudios
relacionados sobre determinado tema (Hernández-Sampieri y Mendoza Torres, 2018).
El método empleado se ajusta a la necesidad de mapear el estado del arte y las
tendencias relacionadas con las tecnologías emergentes como la IA y su incidencia directa en
la prevención y gestión de la reputación organizacional. La búsqueda de referencias y bases
teóricas que sustentan la investigación, constan en bases de datos científicas de impacto, tales
como, Latindex Catálogo 2.0, SciELO, Web of Science (WoS) y Scopus.
Además, en la revisión bibliográfica científica (Snyder, 2019), se dio prioridad a los
papers, páginas webs especializadas y libros publicados en español de los últimos cinco años
(2020-2025), utilizando un sistema de búsqueda por palabras clave estratégicas, que incluyen,
"Inteligencia Artificial", "Gestión de la Reputación", "Prevención de Crisis" y "Monitoreo de
Medios".
El tipo de análisis realizado es de carácter cualitativo-interpretativo con la finalidad de
comprender los conceptos, aplicaciones, desafíos éticos y metodológicos del rol de la IA en la
prevención de crisis y reputación organizacional, y no concentrarse, únicamente, en los datos
cuantitativos. Según Xiao y Watson (2019), este enfoque permite una comprensión profunda
de las narrativas y marcos teóricos que emergen en el campo, fusionando una visión
comprehensiva y prospectiva del fenómeno estudiado.
DESARROLLO
El desarrollo de este artículo se fundamentar en la revisión de las principales bases
teóricas, avances tecnológicos y el rol de la IA como elemento diferenciador en la detección y
prevención de posibles escenarios de crisis que enfrentan las organizaciones en desmedro de
su reputación.
El papel que cumplen los Dircom con la ejecución de nuevas estrategias digitales
puede marcar la diferencia en las acciones que se orienten del monitoreo reactivo a la
predicción proactiva en la prevención de crisis.
Fundamentos de la gestión de crisis en la era de la IA
Para entender el alcance que tiene la transformación de la IA en el hecho de prevenir
una eventual crisis reputacional requiere analizar teorías de la comunicación básicas que tienen
una redefinición, como se ha mencionado anteriormente, por las nuevas dimensiones de
análisis y aplicación.
La IA no es sujeta de un análisis teórico independiente en el ámbito de la
METODOLOGÍA
Para sustentar esta investigación con el rigor científico del caso, se utilizará una
metodología de revisión sistemática de la literatura, considerado un enfoque justificado en la
identificación, evaluación y síntesis objetiva de los resultados obtenidos en estudios
relacionados sobre determinado tema (Hernández-Sampieri y Mendoza Torres, 2018).
El método empleado se ajusta a la necesidad de mapear el estado del arte y las
tendencias relacionadas con las tecnologías emergentes como la IA y su incidencia directa en
la prevención y gestión de la reputación organizacional. La búsqueda de referencias y bases
teóricas que sustentan la investigación, constan en bases de datos científicas de impacto, tales
como, Latindex Catálogo 2.0, SciELO, Web of Science (WoS) y Scopus.
Además, en la revisión bibliográfica científica (Snyder, 2019), se dio prioridad a los
papers, páginas webs especializadas y libros publicados en español de los últimos cinco años
(2020-2025), utilizando un sistema de búsqueda por palabras clave estratégicas, que incluyen,
"Inteligencia Artificial", "Gestión de la Reputación", "Prevención de Crisis" y "Monitoreo de
Medios".
El tipo de análisis realizado es de carácter cualitativo-interpretativo con la finalidad de
comprender los conceptos, aplicaciones, desafíos éticos y metodológicos del rol de la IA en la
prevención de crisis y reputación organizacional, y no concentrarse, únicamente, en los datos
cuantitativos. Según Xiao y Watson (2019), este enfoque permite una comprensión profunda
de las narrativas y marcos teóricos que emergen en el campo, fusionando una visión
comprehensiva y prospectiva del fenómeno estudiado.
DESARROLLO
El desarrollo de este artículo se fundamentar en la revisión de las principales bases
teóricas, avances tecnológicos y el rol de la IA como elemento diferenciador en la detección y
prevención de posibles escenarios de crisis que enfrentan las organizaciones en desmedro de
su reputación.
El papel que cumplen los Dircom con la ejecución de nuevas estrategias digitales
puede marcar la diferencia en las acciones que se orienten del monitoreo reactivo a la
predicción proactiva en la prevención de crisis.
Fundamentos de la gestión de crisis en la era de la IA
Para entender el alcance que tiene la transformación de la IA en el hecho de prevenir
una eventual crisis reputacional requiere analizar teorías de la comunicación básicas que tienen
una redefinición, como se ha mencionado anteriormente, por las nuevas dimensiones de
análisis y aplicación.
La IA no es sujeta de un análisis teórico independiente en el ámbito de la
Vol. 12/ Núm. 2 2025 pág. 2253
comunicación, pues su potencialidad se evidencia en al comprender la sinergia que existe al
integrarse como tecnología, el entender cómo se forma y gestiona la percepción pública y
cómo las organizaciones deben interactuar estratégicamente con sus públicos en momentos de
vulnerabilidad. Entre las ventajas de uso de la IA por parte de los Dircom, está el: “medir el
impacto de la comunicación de forma más precisa. Esto permitirá a las empresas optimizar sus
estrategias de comunicación” (San Juan, 2024, p. 38).
Algunas teorías, como la Situacional de las Crisis (Coombs, 2022) y la de los
Stakeholders (Freeman, 1984), guían la línea de evaluación y optimización que se le puede dar
a la IA en este nuevo desafío de los Dircom, pues con estas perspectivas teóricas no solo
justifican la inversión en tecnologías predictivas, sino que también orientan su desarrollo y
aplicación ética, asegurando que la innovación tecnológica afiance los principios
fundamentales de la comunicación estratégica y la construcción de confianza en el ecosistema
digital.
En ese orden de análisis, los Dircom y las empresas pueden monitorear amenazas en
tiempo real pues existen numerosas herramientas de escucha social (Dereń, 2025) que utilizan
sistemas de procesamiento con IA para no solo proporcionar información al instante, sino
también para analizar grandes volúmenes de datos y conversaciones. Esto les permite
identificar patrones de comportamiento, detectar riesgos en etapas tempranas, reconocer
tendencias emergentes y desinformaciones (Sara, 2025).
Un ejemplo de ello es la empresa Signal AI (s.f.) que, entre sus servicios
especializados, asegura que una vez que su IA detecta un posible riesgo de amenaza a la
reputación de la empresa, se anticipa con estrategias que controlan la narrativa del problema
que se puede provocar y se adelanta antes que el problema se desarrolle con alertas en tiempo
real.
Sinergia de la IA con las Teorías de Crisis y Stakeholders
La IA no solo consolidad las teorías fundamentales de la comunicación de crisis, sino
que las potencia y las hace funcionales en una dimensión superior y con una velocidad propia
de la tecnología emergente. En dicho análisis, la capacidad de la IA para el análisis de
sentimientos y la identificación de patrones permite aplicar de forma más efectiva las etapas
del modelo de Coombs (2022).
Por ejemplo, al analizar el sentimiento y la atribución de responsabilidad puesta de
manifiesto en los datos, la IA puede permite la identificación acelerada de la tipología de
crisis emergente, lo que orienta la elección de la estrategia de respuesta que se ajuste al
escenario crítico detectado. De ahí la necesidad de que toda la información sostenida en un
enorme volumen de datos se considera un reto de investigación, a través de los algoritmos
adecuados para detección de “las señales o picos” que impliquen una alerta (Nazi et al., 2019).
De igual forma, la IA facilita la identificación y segmentación detallada de los
comunicación, pues su potencialidad se evidencia en al comprender la sinergia que existe al
integrarse como tecnología, el entender cómo se forma y gestiona la percepción pública y
cómo las organizaciones deben interactuar estratégicamente con sus públicos en momentos de
vulnerabilidad. Entre las ventajas de uso de la IA por parte de los Dircom, está el: “medir el
impacto de la comunicación de forma más precisa. Esto permitirá a las empresas optimizar sus
estrategias de comunicación” (San Juan, 2024, p. 38).
Algunas teorías, como la Situacional de las Crisis (Coombs, 2022) y la de los
Stakeholders (Freeman, 1984), guían la línea de evaluación y optimización que se le puede dar
a la IA en este nuevo desafío de los Dircom, pues con estas perspectivas teóricas no solo
justifican la inversión en tecnologías predictivas, sino que también orientan su desarrollo y
aplicación ética, asegurando que la innovación tecnológica afiance los principios
fundamentales de la comunicación estratégica y la construcción de confianza en el ecosistema
digital.
En ese orden de análisis, los Dircom y las empresas pueden monitorear amenazas en
tiempo real pues existen numerosas herramientas de escucha social (Dereń, 2025) que utilizan
sistemas de procesamiento con IA para no solo proporcionar información al instante, sino
también para analizar grandes volúmenes de datos y conversaciones. Esto les permite
identificar patrones de comportamiento, detectar riesgos en etapas tempranas, reconocer
tendencias emergentes y desinformaciones (Sara, 2025).
Un ejemplo de ello es la empresa Signal AI (s.f.) que, entre sus servicios
especializados, asegura que una vez que su IA detecta un posible riesgo de amenaza a la
reputación de la empresa, se anticipa con estrategias que controlan la narrativa del problema
que se puede provocar y se adelanta antes que el problema se desarrolle con alertas en tiempo
real.
Sinergia de la IA con las Teorías de Crisis y Stakeholders
La IA no solo consolidad las teorías fundamentales de la comunicación de crisis, sino
que las potencia y las hace funcionales en una dimensión superior y con una velocidad propia
de la tecnología emergente. En dicho análisis, la capacidad de la IA para el análisis de
sentimientos y la identificación de patrones permite aplicar de forma más efectiva las etapas
del modelo de Coombs (2022).
Por ejemplo, al analizar el sentimiento y la atribución de responsabilidad puesta de
manifiesto en los datos, la IA puede permite la identificación acelerada de la tipología de
crisis emergente, lo que orienta la elección de la estrategia de respuesta que se ajuste al
escenario crítico detectado. De ahí la necesidad de que toda la información sostenida en un
enorme volumen de datos se considera un reto de investigación, a través de los algoritmos
adecuados para detección de “las señales o picos” que impliquen una alerta (Nazi et al., 2019).
De igual forma, la IA facilita la identificación y segmentación detallada de los
Vol. 12/ Núm. 2 2025 pág. 2254
Stakeholders según el enfoque de Freeman (1984). Al procesar vastos volúmenes de
conversaciones, la IA puede discernir los grupos de interés más relevantes y sus
preocupaciones específicas, permitiendo una comunicación dirigida y personalizada en
momentos de vulnerabilidad organizacional. Esto transforma la gestión de crisis de una
reacción a una estrategia proactiva, en la que se pueden diseñar respuestas precisas para cada
segmento de audiencia antes de que el problema escale o se salga de control.
La transformación del monitoreo: del diagnóstico al pronóstico con IA
Tradicionalmente, el monitoreo consistía en la identificación manual de palabras clave
y un análisis retrospectivo que ofrecía una visión limitada de lo que sucedía. Sin embargo, la
llegada de la IA y manejo de gran cantidad de datos ha transformado este panorama. En ese
orden, el auge del Big Data ha revolucionado el análisis de tendencias sociales, permitiendo
una monitorización y predicción más precisas del comportamiento y las opiniones humanas.
“Estas tecnologías ofrecen la capacidad de prever cambios en el comportamiento y en la
opinión pública, adaptando estrategias de manera proactiva” (Caicedo-Beltrán y Rubiano,
2023, p.11)
En la visión de Álvarez Gavilanes y Murillo Párraga (2018), toda empresa corre el
riesgo de sufrir una crisis de reputación en el ámbito digital, lo que resalta la necesidad de una
preparación proactiva. De ahí que, la implementación de una gestión de crisis eficiente puede
atenuar significativamente las repercusiones negativas e incluso, en escenarios específicos,
contribuir a que la organización se recupere en una condición superior a la previa a la
contingencia.
Sin embargo, para pasar del diagnóstico al pronóstico, es necesario el análisis
predictivo, que es una herramienta clave de la IA y estudia datos para identificar patrones,
tendencias y relaciones. Esto permite a las empresas anticipar el comportamiento y las
necesidades de los consumidores, ajustando así sus estrategias de manera proactiva (G-
Consultoría, s.f.).
Lo cierto es que el análisis predictivo permite a las empresas identificar patrones en
los comentarios en línea que señalan problemas emergentes con sus productos o servicios.
Esta anticipación les da la ventaja de tomar medidas preventivas, solucionando inconvenientes
antes de que la imagen o reputación de la empresa se vea afectada negativamente (Parra, s.f.) .
No obstante, este tipo de tecnología, más allá de servir como herramienta para
prevenir posibles escenarios de crisis de reputación organizacional, tiene un impacto
significativo en la economía mundial. De acuerdo con un estudio de The Insight
Partners (s.f.), se proyecta que el mercado global de análisis predictivo crecerá
significativamente, pasando de 14,83 mil millones de dólares en 2023 a 66,37 mil millones de
dólares para 2031, con una tasa de crecimiento anual compuesta del 20,6% durante ese
periodo.
Stakeholders según el enfoque de Freeman (1984). Al procesar vastos volúmenes de
conversaciones, la IA puede discernir los grupos de interés más relevantes y sus
preocupaciones específicas, permitiendo una comunicación dirigida y personalizada en
momentos de vulnerabilidad organizacional. Esto transforma la gestión de crisis de una
reacción a una estrategia proactiva, en la que se pueden diseñar respuestas precisas para cada
segmento de audiencia antes de que el problema escale o se salga de control.
La transformación del monitoreo: del diagnóstico al pronóstico con IA
Tradicionalmente, el monitoreo consistía en la identificación manual de palabras clave
y un análisis retrospectivo que ofrecía una visión limitada de lo que sucedía. Sin embargo, la
llegada de la IA y manejo de gran cantidad de datos ha transformado este panorama. En ese
orden, el auge del Big Data ha revolucionado el análisis de tendencias sociales, permitiendo
una monitorización y predicción más precisas del comportamiento y las opiniones humanas.
“Estas tecnologías ofrecen la capacidad de prever cambios en el comportamiento y en la
opinión pública, adaptando estrategias de manera proactiva” (Caicedo-Beltrán y Rubiano,
2023, p.11)
En la visión de Álvarez Gavilanes y Murillo Párraga (2018), toda empresa corre el
riesgo de sufrir una crisis de reputación en el ámbito digital, lo que resalta la necesidad de una
preparación proactiva. De ahí que, la implementación de una gestión de crisis eficiente puede
atenuar significativamente las repercusiones negativas e incluso, en escenarios específicos,
contribuir a que la organización se recupere en una condición superior a la previa a la
contingencia.
Sin embargo, para pasar del diagnóstico al pronóstico, es necesario el análisis
predictivo, que es una herramienta clave de la IA y estudia datos para identificar patrones,
tendencias y relaciones. Esto permite a las empresas anticipar el comportamiento y las
necesidades de los consumidores, ajustando así sus estrategias de manera proactiva (G-
Consultoría, s.f.).
Lo cierto es que el análisis predictivo permite a las empresas identificar patrones en
los comentarios en línea que señalan problemas emergentes con sus productos o servicios.
Esta anticipación les da la ventaja de tomar medidas preventivas, solucionando inconvenientes
antes de que la imagen o reputación de la empresa se vea afectada negativamente (Parra, s.f.) .
No obstante, este tipo de tecnología, más allá de servir como herramienta para
prevenir posibles escenarios de crisis de reputación organizacional, tiene un impacto
significativo en la economía mundial. De acuerdo con un estudio de The Insight
Partners (s.f.), se proyecta que el mercado global de análisis predictivo crecerá
significativamente, pasando de 14,83 mil millones de dólares en 2023 a 66,37 mil millones de
dólares para 2031, con una tasa de crecimiento anual compuesta del 20,6% durante ese
periodo.
Vol. 12/ Núm. 2 2025 pág. 2255
Análisis de sentimientos y estrategias de predicción
El análisis de sentimientos se ha consolidado como una herramienta fundamental para
entender la opinión pública en diversas áreas. Su eficacia se ha demostrado en campos tan
variados como la predicción del mercado financiero, la identificación de problemas de salud,
el análisis del comportamiento del cliente, la evaluación comercial, el marketing de marca, la
política, la predicción de delitos e incluso la gestión de emergencias (Rodríguez- Ibánez et al.,
2023).
Este mecanismo de análisis es el proceso de derivar percepciones emocionales y de
opinión a partir de datos textuales humanos, lo cual sirve de insumo a las organizaciones y sus
Dircom en la prevención de una crisis de reputación. Gracias a la evolución permanente de las
ciencias informáticas y la existencia de amplios conjuntos de datos de referencia, las redes
neuronales profundas y sus modelos de aprendizaje se han establecido como la metodología
principal para llevar a cabo el análisis de sentimientos (Diwali et al., 2024).
Por consiguiente, para los especialistas en comunicación, la IA representa una
oportunidad para optimizar la eficiencia, automatizando tareas repetitivas, mejorando la
segmentación de audiencias, facilitando la creación y gestión de contenido. Asimismo, al ser
una tecnología emergente, ejerce una doble función al impulsar la productividad en las
Relaciones Públicas (RR. PP.) (Nikolova, 2024).
Adicionalmente, el análisis de sentimientos al ser una herramienta esencial para
evaluar la opinión del cliente, la efectividad de las campañas de marketing y las valoraciones
de productos, se convierte en una herramienta crucial para guiar decisiones estratégicas en el
desarrollo de productos y servicios, la planificación de futuras campañas de marketing y la
mejora de la atención al cliente (Bellar et al., 2024).
Consideraciones éticas en la prevención de crisis de reputación con IA
La transparencia con el uso de la IA en el monitoreo de la reputación es fundamental.
Las organizaciones y los Dircom deben considerar hasta qué punto deben informar a sus
públicos sobre el uso de estas tecnologías. La falta de transparencia puede generar
desconfianza y percepciones de vigilancia, lo que a su vez podría convertirse en una nueva
fuente de riesgo reputacional.
De acuerdo con la Carta Iberoamericana de Principios y Derechos en los Entornos
Digitales, desde los diferentes Estados, “Deben hacerse esfuerzos relevantes para garantizar
que la privacidad de las personas y el procesamiento de sus datos personales estén protegidos
en entornos digitales, respetando las legislaciones nacionales en la materia” (Secretaría
General Iberoamericana [SEGIB], 2023, p.12).
Adicionalmente, la Nota de Orientación sobre Big Data para el logro de la Agenda
2030 del Grupo de las Naciones Unidas para el Desarrollo [UNDG] (2017), destaca que,
aunque la Big Data ofrece beneficios, también conlleva riesgos y daños potenciales para los
Análisis de sentimientos y estrategias de predicción
El análisis de sentimientos se ha consolidado como una herramienta fundamental para
entender la opinión pública en diversas áreas. Su eficacia se ha demostrado en campos tan
variados como la predicción del mercado financiero, la identificación de problemas de salud,
el análisis del comportamiento del cliente, la evaluación comercial, el marketing de marca, la
política, la predicción de delitos e incluso la gestión de emergencias (Rodríguez- Ibánez et al.,
2023).
Este mecanismo de análisis es el proceso de derivar percepciones emocionales y de
opinión a partir de datos textuales humanos, lo cual sirve de insumo a las organizaciones y sus
Dircom en la prevención de una crisis de reputación. Gracias a la evolución permanente de las
ciencias informáticas y la existencia de amplios conjuntos de datos de referencia, las redes
neuronales profundas y sus modelos de aprendizaje se han establecido como la metodología
principal para llevar a cabo el análisis de sentimientos (Diwali et al., 2024).
Por consiguiente, para los especialistas en comunicación, la IA representa una
oportunidad para optimizar la eficiencia, automatizando tareas repetitivas, mejorando la
segmentación de audiencias, facilitando la creación y gestión de contenido. Asimismo, al ser
una tecnología emergente, ejerce una doble función al impulsar la productividad en las
Relaciones Públicas (RR. PP.) (Nikolova, 2024).
Adicionalmente, el análisis de sentimientos al ser una herramienta esencial para
evaluar la opinión del cliente, la efectividad de las campañas de marketing y las valoraciones
de productos, se convierte en una herramienta crucial para guiar decisiones estratégicas en el
desarrollo de productos y servicios, la planificación de futuras campañas de marketing y la
mejora de la atención al cliente (Bellar et al., 2024).
Consideraciones éticas en la prevención de crisis de reputación con IA
La transparencia con el uso de la IA en el monitoreo de la reputación es fundamental.
Las organizaciones y los Dircom deben considerar hasta qué punto deben informar a sus
públicos sobre el uso de estas tecnologías. La falta de transparencia puede generar
desconfianza y percepciones de vigilancia, lo que a su vez podría convertirse en una nueva
fuente de riesgo reputacional.
De acuerdo con la Carta Iberoamericana de Principios y Derechos en los Entornos
Digitales, desde los diferentes Estados, “Deben hacerse esfuerzos relevantes para garantizar
que la privacidad de las personas y el procesamiento de sus datos personales estén protegidos
en entornos digitales, respetando las legislaciones nacionales en la materia” (Secretaría
General Iberoamericana [SEGIB], 2023, p.12).
Adicionalmente, la Nota de Orientación sobre Big Data para el logro de la Agenda
2030 del Grupo de las Naciones Unidas para el Desarrollo [UNDG] (2017), destaca que,
aunque la Big Data ofrece beneficios, también conlleva riesgos y daños potenciales para los
Vol. 12/ Núm. 2 2025 pág. 2256
individuos y grupos, por lo que es fundamental un enfoque coordinado para un uso seguro y
responsable, lo cual abarc, también, a datos recopilados por entidades del sector privado.
Asimismo, el documento sostiene que dada la consideración de los sesgos algorítmicos, si los
datos con los que se entrena la IA contienen prejuicios, el algoritmo podría
estigmatizarlos, llevando a interpretaciones erróneas o a la identificación equivocada de
ciertos grupos como amenazas.
DISCUSIÓN
La transición del monitoreo reactivo a la predicción proactiva de crisis reputacionales,
facilitada por la Inteligencia Artificial, es un cambio de paradigma evidente en la
comunicación organizacional, tal como se ha mostrado en este trabajo de investigación. Las
herramientas de IA, mediante el análisis de sentimientos y la detección de patrones de riesgo
en grandes volúmenes de datos, permiten una anticipación sin precedentes a las amenazas.
Esta ventaja que ofrece la IA y sus diferentes modelos de manejo de Big Data optimiza la
gestión de la reputación de los Dircom, cambiando su rol a estrategas digitales proactivos.
Por otro lado, la sinergia entre las capacidades de la IA y teorías consolidadas como la
Situacional de las Crisis de Coombs (2022) y la de los Stakeholders de Freeman (1984) es
innegable, pues la IA, no solo valida estas teorías al permitir su aplicación a una escala
superior y en tiempo real, sino que las enriquece al proporcionar datos neurálgicos en la
identificación precisa de los tipos de crisis y la identificación objetiva de Stakeholders. Esta
capacidad de segmentación, por ejemplo, permite personalizar los mensajes de respuesta,
haciendo la comunicación más efectiva y empática, y controlando la narrativa antes de que se
viralice una eventual crisis de reputación organizacional.
Sin embargo, a pesar de los beneficios evidentes en la mejora de la predicción y la
optimización de estrategias, la implementación de la IA en este ámbito no está exenta de
desafíos. La dependencia de la IA para el análisis predictivo y la gestión de la
reputación conlleva importantes consideraciones éticas. La protección de la privacidad de los
datos personales y la mitigación de los sesgos algorítmicos son cruciales para evitar que la
solución se convierta en un nuevo problema reputacional.
La Carta Iberoamericana de Principios y Derechos en los Entornos Digitales (SEGIB,
2023) y la Nota de Orientación sobre Big Data para el logro de la Agenda 2030 (UNDG,
2017), precisan la obligación de las empresas a cumplir con estándares éticos rigurosos,
garantizar la transparencia y mitigar los posibles daños a individuos y grupos derivados del
uso de la Big Data y algoritmos.
La discusión sobre la IA en la prevención de crisis de reputación debe ir más allá de
sus capacidades tecnológicas para abordar cómo estas capacidades se integran de manera
responsable en la toma de decisiones humanas. Por ello, el Dircom moderno no solo necesita
individuos y grupos, por lo que es fundamental un enfoque coordinado para un uso seguro y
responsable, lo cual abarc, también, a datos recopilados por entidades del sector privado.
Asimismo, el documento sostiene que dada la consideración de los sesgos algorítmicos, si los
datos con los que se entrena la IA contienen prejuicios, el algoritmo podría
estigmatizarlos, llevando a interpretaciones erróneas o a la identificación equivocada de
ciertos grupos como amenazas.
DISCUSIÓN
La transición del monitoreo reactivo a la predicción proactiva de crisis reputacionales,
facilitada por la Inteligencia Artificial, es un cambio de paradigma evidente en la
comunicación organizacional, tal como se ha mostrado en este trabajo de investigación. Las
herramientas de IA, mediante el análisis de sentimientos y la detección de patrones de riesgo
en grandes volúmenes de datos, permiten una anticipación sin precedentes a las amenazas.
Esta ventaja que ofrece la IA y sus diferentes modelos de manejo de Big Data optimiza la
gestión de la reputación de los Dircom, cambiando su rol a estrategas digitales proactivos.
Por otro lado, la sinergia entre las capacidades de la IA y teorías consolidadas como la
Situacional de las Crisis de Coombs (2022) y la de los Stakeholders de Freeman (1984) es
innegable, pues la IA, no solo valida estas teorías al permitir su aplicación a una escala
superior y en tiempo real, sino que las enriquece al proporcionar datos neurálgicos en la
identificación precisa de los tipos de crisis y la identificación objetiva de Stakeholders. Esta
capacidad de segmentación, por ejemplo, permite personalizar los mensajes de respuesta,
haciendo la comunicación más efectiva y empática, y controlando la narrativa antes de que se
viralice una eventual crisis de reputación organizacional.
Sin embargo, a pesar de los beneficios evidentes en la mejora de la predicción y la
optimización de estrategias, la implementación de la IA en este ámbito no está exenta de
desafíos. La dependencia de la IA para el análisis predictivo y la gestión de la
reputación conlleva importantes consideraciones éticas. La protección de la privacidad de los
datos personales y la mitigación de los sesgos algorítmicos son cruciales para evitar que la
solución se convierta en un nuevo problema reputacional.
La Carta Iberoamericana de Principios y Derechos en los Entornos Digitales (SEGIB,
2023) y la Nota de Orientación sobre Big Data para el logro de la Agenda 2030 (UNDG,
2017), precisan la obligación de las empresas a cumplir con estándares éticos rigurosos,
garantizar la transparencia y mitigar los posibles daños a individuos y grupos derivados del
uso de la Big Data y algoritmos.
La discusión sobre la IA en la prevención de crisis de reputación debe ir más allá de
sus capacidades tecnológicas para abordar cómo estas capacidades se integran de manera
responsable en la toma de decisiones humanas. Por ello, el Dircom moderno no solo necesita
Vol. 12/ Núm. 2 2025 pág. 2257
entender cómo funciona la IA, sino también cómo interpretar sus resultados de manera crítica,
cómo gestionar los riesgos éticos asociados y cómo mantener la confianza del público en un
entorno donde la tecnología es cada vez más invasiva y omnipresente.
CONCLUSIONES
Con base en el análisis desarrollado en este ensayo, se pueden llegar a las siguientes
conclusiones que son elementales en torno al rol de la IA en la prevención de crisis de
reputación organizacional:
Existe una transformación del paradigma de monitoreo debido a que la IA ha generado
una redefinición fundamental de la gestión de la reputación, mutando del monitoreo reactivo
de medios a una predicción proactiva de crisis. La capacidad de la IA para procesar y analizar
grandes volúmenes de datos a alta velocidad es crucial para detectar y mitigar riesgos en
entornos volátiles e inciertos. Esto se logra mediante la identificación de picos inusuales en
menciones negativas, cambios de sentimiento y la aparición de narrativas negativas en etapas
muy tempranas, con lo cual se puede evitar una crisis reputacional.
La IA potencia y consolida la aplicación de teorías como la Situacional de las Crisis de
Coombs (2022) y la de los Stakeholders de Freeman (1984). Al proporcionar análisis de
sentimiento detallados, la IA permite una identificación precisa de los diferentes escenarios de
crisis, facilitando la elección de estrategias de respuesta más adecuadas. Asimismo, la IA
optimiza el mapeo y la segmentación de Stakeholders al discernir grupos de interés relevantes
y sus preocupaciones específicas, con lo cual se puede personalizar y ser más efectivo en la
narrativa para prevenir la escalada de problemas que pudieran avizorarse.
Con las experiencias abordadas en este ensayo, queda demostrado que la IA es una
herramienta eficaz para pasar del diagnóstico retrospectivo al pronóstico de anticipación.
Mediante el análisis predictivo, la IA identifica patrones, tendencias y relaciones en los datos,
permitiendo a las empresas y a los Dircom anticipar comportamientos del consumidor y
ajustar proactivamente sus estrategias.
Mayor responsabilidad en el manejo de los datos personales ya que la implementación
de la IA en la prevención de crisis reputacionales exige consideraciones éticas respecto de la
privacidad de los datos personales, la mitigación de sesgos algorítmicos y la transparencia en
el uso de esta tecnología. Por tal motivo, documentos clave como la Carta Iberoamericana de
Principios y Derechos en los Entornos Digitales y la Nota de Orientación sobre Big Data para
el logro de la Agenda 2030 resaltan la obligación de las empresas privadas de garantizar el uso
seguro y responsable de los datos.
Finalmente, se reconoce que, si bien la literatura actual y las implementaciones
existentes de IA ofrecen un marco extenso para la prevención de crisis reputacionales, los
datos y ejemplos presentados no son generalizables a todos los contextos, debido a lo
entender cómo funciona la IA, sino también cómo interpretar sus resultados de manera crítica,
cómo gestionar los riesgos éticos asociados y cómo mantener la confianza del público en un
entorno donde la tecnología es cada vez más invasiva y omnipresente.
CONCLUSIONES
Con base en el análisis desarrollado en este ensayo, se pueden llegar a las siguientes
conclusiones que son elementales en torno al rol de la IA en la prevención de crisis de
reputación organizacional:
Existe una transformación del paradigma de monitoreo debido a que la IA ha generado
una redefinición fundamental de la gestión de la reputación, mutando del monitoreo reactivo
de medios a una predicción proactiva de crisis. La capacidad de la IA para procesar y analizar
grandes volúmenes de datos a alta velocidad es crucial para detectar y mitigar riesgos en
entornos volátiles e inciertos. Esto se logra mediante la identificación de picos inusuales en
menciones negativas, cambios de sentimiento y la aparición de narrativas negativas en etapas
muy tempranas, con lo cual se puede evitar una crisis reputacional.
La IA potencia y consolida la aplicación de teorías como la Situacional de las Crisis de
Coombs (2022) y la de los Stakeholders de Freeman (1984). Al proporcionar análisis de
sentimiento detallados, la IA permite una identificación precisa de los diferentes escenarios de
crisis, facilitando la elección de estrategias de respuesta más adecuadas. Asimismo, la IA
optimiza el mapeo y la segmentación de Stakeholders al discernir grupos de interés relevantes
y sus preocupaciones específicas, con lo cual se puede personalizar y ser más efectivo en la
narrativa para prevenir la escalada de problemas que pudieran avizorarse.
Con las experiencias abordadas en este ensayo, queda demostrado que la IA es una
herramienta eficaz para pasar del diagnóstico retrospectivo al pronóstico de anticipación.
Mediante el análisis predictivo, la IA identifica patrones, tendencias y relaciones en los datos,
permitiendo a las empresas y a los Dircom anticipar comportamientos del consumidor y
ajustar proactivamente sus estrategias.
Mayor responsabilidad en el manejo de los datos personales ya que la implementación
de la IA en la prevención de crisis reputacionales exige consideraciones éticas respecto de la
privacidad de los datos personales, la mitigación de sesgos algorítmicos y la transparencia en
el uso de esta tecnología. Por tal motivo, documentos clave como la Carta Iberoamericana de
Principios y Derechos en los Entornos Digitales y la Nota de Orientación sobre Big Data para
el logro de la Agenda 2030 resaltan la obligación de las empresas privadas de garantizar el uso
seguro y responsable de los datos.
Finalmente, se reconoce que, si bien la literatura actual y las implementaciones
existentes de IA ofrecen un marco extenso para la prevención de crisis reputacionales, los
datos y ejemplos presentados no son generalizables a todos los contextos, debido a lo
Vol. 12/ Núm. 2 2025 pág. 2258
complejo de las interacciones humanas y la naturaleza en constante evolución de las
plataformas digitales, al igual que las tecnologías emergentes. Por lo tanto, de acuerdo con las
tendencias actuales en el campo de la investigación, es crucial que futuros estudios
profundicen en la validación y adaptación de estos modelos de IA a diversas realidades
organizacionales y culturales.
complejo de las interacciones humanas y la naturaleza en constante evolución de las
plataformas digitales, al igual que las tecnologías emergentes. Por lo tanto, de acuerdo con las
tendencias actuales en el campo de la investigación, es crucial que futuros estudios
profundicen en la validación y adaptación de estos modelos de IA a diversas realidades
organizacionales y culturales.
Vol. 12/ Núm. 2 2025 pág. 2259
REFERENCIAS
Álvarez Gavilanes, J. E., & Murillo Párraga, D. Y. (2018). Crisis de reputación empresarial en
el entorno digital. Episteme Uniandes. Revista digital de Ciencia, Tecnología e
Innovación, 5(3), 194-209.
https://revista.uniandes.edu.ec/ojs/index.php/EPISTEME/article/view/999
Bellar, O., Baina, A., & Bellafkih, M. (2024). Análisis de sentimientos: predicción de reseñas
de productos para recomendaciones de comercio electrónico mediante aprendizaje
profundo y transformadores. Matemáticas, 1-21(15), 2403.
https://doi.org/https://doi.org/10.3390/math12152403
Caicedo-Beltrán, J. F., & Rubiano, P. J. (2023). Uso de Tecnologías de Big Data para
Monitorizar y Predecir. Unirioja.
Coombs, W. T. (2022). Ongoing crisis communication: Planning, managing, and
responding [Comunicación de crisis continua Planificación, gestión y respuesta]
(6th ed.). Sage Publications.
Dereń, K. (13 de enero de 2025). BRAND2024 BLOG. Las 15 mejores herramientas de
escucha social con IA de 2025: https://brand24.com/blog/es/herramientas-de-escucha-
social/
Diwali, A., Saeedi, K., Dashtipour, K., Gogate, M., Cambria, E., & Hussain, A. (2024).
Sentiment Analysis Meets Explainable Artificial Intelligence: A Survey on
Explainable Sentiment Analysis [El análisis de sentimientos se encuentra con la
inteligencia artificial explicable: una encuesta sobre el análisis de sentimientos
explicable]. IEEE Transactions on Affective Computing, 15(3), 837-846.
https://doi.org/https://doi.org/10.1109/TAFFC.2023.3296373
Freeman, R. E. (1984). Strategic Management: A Stakeholder Approach [Gestión
estratégica: un enfoque basado en las partes interesadas]. Cambridge University
Press.
G-Consultoría. (s.f.). El análisis predictivo impulsado por IA para anticiparse al consumidor.
https://econsultoria.net/blog/el-analisis-predictivo-impulsado-por-ia-para-anticiparse-al-
consumidor/
Hernández-Sampieri, R., & Mendoza Torres, C. P. (2018). Metodología de la investigación.
Las rutas cuantitativa, cualitativa y mixta. Mc Graw Hill Education.
https://doi.org/https://doi.org/10.22201/fesc.20072236e.2019.10.18.6
Nazi, F., Ghazanfar, M. A., Maqsood, M., Aadil, F., Rho, S., & Mehmood, I. (2019). Social
media signal detection using tweets volume, hashtag, and sentiment analysis
[Detección de señales en redes sociales mediante el análisis del volumen de tuits,
hashtags y sentimiento]. Multimed Tools Appl, 78, 3553–3586.
REFERENCIAS
Álvarez Gavilanes, J. E., & Murillo Párraga, D. Y. (2018). Crisis de reputación empresarial en
el entorno digital. Episteme Uniandes. Revista digital de Ciencia, Tecnología e
Innovación, 5(3), 194-209.
https://revista.uniandes.edu.ec/ojs/index.php/EPISTEME/article/view/999
Bellar, O., Baina, A., & Bellafkih, M. (2024). Análisis de sentimientos: predicción de reseñas
de productos para recomendaciones de comercio electrónico mediante aprendizaje
profundo y transformadores. Matemáticas, 1-21(15), 2403.
https://doi.org/https://doi.org/10.3390/math12152403
Caicedo-Beltrán, J. F., & Rubiano, P. J. (2023). Uso de Tecnologías de Big Data para
Monitorizar y Predecir. Unirioja.
Coombs, W. T. (2022). Ongoing crisis communication: Planning, managing, and
responding [Comunicación de crisis continua Planificación, gestión y respuesta]
(6th ed.). Sage Publications.
Dereń, K. (13 de enero de 2025). BRAND2024 BLOG. Las 15 mejores herramientas de
escucha social con IA de 2025: https://brand24.com/blog/es/herramientas-de-escucha-
social/
Diwali, A., Saeedi, K., Dashtipour, K., Gogate, M., Cambria, E., & Hussain, A. (2024).
Sentiment Analysis Meets Explainable Artificial Intelligence: A Survey on
Explainable Sentiment Analysis [El análisis de sentimientos se encuentra con la
inteligencia artificial explicable: una encuesta sobre el análisis de sentimientos
explicable]. IEEE Transactions on Affective Computing, 15(3), 837-846.
https://doi.org/https://doi.org/10.1109/TAFFC.2023.3296373
Freeman, R. E. (1984). Strategic Management: A Stakeholder Approach [Gestión
estratégica: un enfoque basado en las partes interesadas]. Cambridge University
Press.
G-Consultoría. (s.f.). El análisis predictivo impulsado por IA para anticiparse al consumidor.
https://econsultoria.net/blog/el-analisis-predictivo-impulsado-por-ia-para-anticiparse-al-
consumidor/
Hernández-Sampieri, R., & Mendoza Torres, C. P. (2018). Metodología de la investigación.
Las rutas cuantitativa, cualitativa y mixta. Mc Graw Hill Education.
https://doi.org/https://doi.org/10.22201/fesc.20072236e.2019.10.18.6
Nazi, F., Ghazanfar, M. A., Maqsood, M., Aadil, F., Rho, S., & Mehmood, I. (2019). Social
media signal detection using tweets volume, hashtag, and sentiment analysis
[Detección de señales en redes sociales mediante el análisis del volumen de tuits,
hashtags y sentimiento]. Multimed Tools Appl, 78, 3553–3586.
Vol. 12/ Núm. 2 2025 pág. 2260
https://doi.org/https://doi.org/10.1007/s11042-018-6437-z
Nikolova, M. (2024). Inteligencia Artificial en Relaciones Públicas: Transformaciones de
Estrategias y Campañas de Comunicación. Problemas del Posmodernismo, 14 (3), 309-
330. https://doi.org/https://doi.org/10.46324/PMP2403309
Olivos Farfan, G. A. (2024). Desafíos de los directores de Comunicación: Inteligencia
Artificial y Gestión Estratégica de Reputación de sus clientes. [Tesis de pregrado,
Universidad Peruana de Ciencias Aplicadas]. Repositorio académico UPC.
Parra, J. L. (s.f.). Cyberbrainers. El rol del análisis predictivo en la protección de la
reputación online: https://www.cyberbrainers.com/uso-big-data-y-analisis-predictivo-
proteger-reputacion-online/
Pedrol, E., Sara, N., Cura, M., & Hevia, P. (2019). EL DESAFÍO DE LAS CRISIS HOT Y
COLD Y CÓMO ABORDARLAS. IDEAS LLYC.
Rodríguez- Ibánez, M., Casánez-Ventura, A., Castejón-Mateos, F., & Cuenca Jiménez, P. M.
(2023). A review on sentiment analysis from social media platforms [Una revisión
sobre el análisis de sentimientos en las plataformas de redes sociales]. Expert Systems
with Applications, 223, 1-14. https://doi.org/https://doi.org/10.1016/j.eswa.2023.119862
San Juan, E. (2024). La IA en la gestión de la comunicación corporativa. EAE Business School.
Sara, N. (7 de febrero de 2025). Lo que no se comunica no existe. Cómo anticipar ante
riesgos reputacionales para proteger con eficacia las organizaciones:
https://nataliasara.com/2025/02/07/como-anticipar-ante-riesgos-reputacionales-para-
proteger-con-eficacia-las-organizaciones/
Secretaría General Iberoamericana [SEGIB]. (2023). Carta Iberoamericana de Principios y
Derechos en los Entornos Digitales. XXVIII Cumbre Iberoamericana de Jefas y Jefes
de Estado y de Gobierno, Santo Domingo, República Dominicana.
Septiana, G. L. (2025). A Systematic Literature Review of Artificial Intelligence and Public
Relations – How AI Bring the New Paradigm of Public Relations [Una revisión
sistemática de la literatura sobre inteligencia artificial y relaciones públicas...].
SOCIETO COMMUNICATION JOURNAL, 2(2), 49-65.
https://lonsuit.unismuhluwuk.ac.id/societo/article/view/3889
Signal AI. (s.f.). Signal AI for Reputation Risk Intelligence [Signal AI para la inteligencia de
riesgo reputacional]. https://signal-ai.com/expertise/reputation-risk/
Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines
[evisión de literatura como metodología de investigación: una visión general y
directrices]. Journal of Business Research, 104, 333-339.
https://doi.org/https://doi.org/10.1016/j.jbusres.2019.07.039
The Insight Partners. (s.f.). Panorama del mercado de análisis predictivo y crecimiento hasta
2031. https://www.theinsightpartners.com/reports/predictive-analytics-market
https://doi.org/https://doi.org/10.1007/s11042-018-6437-z
Nikolova, M. (2024). Inteligencia Artificial en Relaciones Públicas: Transformaciones de
Estrategias y Campañas de Comunicación. Problemas del Posmodernismo, 14 (3), 309-
330. https://doi.org/https://doi.org/10.46324/PMP2403309
Olivos Farfan, G. A. (2024). Desafíos de los directores de Comunicación: Inteligencia
Artificial y Gestión Estratégica de Reputación de sus clientes. [Tesis de pregrado,
Universidad Peruana de Ciencias Aplicadas]. Repositorio académico UPC.
Parra, J. L. (s.f.). Cyberbrainers. El rol del análisis predictivo en la protección de la
reputación online: https://www.cyberbrainers.com/uso-big-data-y-analisis-predictivo-
proteger-reputacion-online/
Pedrol, E., Sara, N., Cura, M., & Hevia, P. (2019). EL DESAFÍO DE LAS CRISIS HOT Y
COLD Y CÓMO ABORDARLAS. IDEAS LLYC.
Rodríguez- Ibánez, M., Casánez-Ventura, A., Castejón-Mateos, F., & Cuenca Jiménez, P. M.
(2023). A review on sentiment analysis from social media platforms [Una revisión
sobre el análisis de sentimientos en las plataformas de redes sociales]. Expert Systems
with Applications, 223, 1-14. https://doi.org/https://doi.org/10.1016/j.eswa.2023.119862
San Juan, E. (2024). La IA en la gestión de la comunicación corporativa. EAE Business School.
Sara, N. (7 de febrero de 2025). Lo que no se comunica no existe. Cómo anticipar ante
riesgos reputacionales para proteger con eficacia las organizaciones:
https://nataliasara.com/2025/02/07/como-anticipar-ante-riesgos-reputacionales-para-
proteger-con-eficacia-las-organizaciones/
Secretaría General Iberoamericana [SEGIB]. (2023). Carta Iberoamericana de Principios y
Derechos en los Entornos Digitales. XXVIII Cumbre Iberoamericana de Jefas y Jefes
de Estado y de Gobierno, Santo Domingo, República Dominicana.
Septiana, G. L. (2025). A Systematic Literature Review of Artificial Intelligence and Public
Relations – How AI Bring the New Paradigm of Public Relations [Una revisión
sistemática de la literatura sobre inteligencia artificial y relaciones públicas...].
SOCIETO COMMUNICATION JOURNAL, 2(2), 49-65.
https://lonsuit.unismuhluwuk.ac.id/societo/article/view/3889
Signal AI. (s.f.). Signal AI for Reputation Risk Intelligence [Signal AI para la inteligencia de
riesgo reputacional]. https://signal-ai.com/expertise/reputation-risk/
Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines
[evisión de literatura como metodología de investigación: una visión general y
directrices]. Journal of Business Research, 104, 333-339.
https://doi.org/https://doi.org/10.1016/j.jbusres.2019.07.039
The Insight Partners. (s.f.). Panorama del mercado de análisis predictivo y crecimiento hasta
2031. https://www.theinsightpartners.com/reports/predictive-analytics-market
Vol. 12/ Núm. 2 2025 pág. 2261
United Nations Development Group [UNDG] . (2017). Data privacy, ethics and protection:
Guidance note on big data for achievement of the 2030 Agenda. ONU.
https://unsdg.un.org/sites/default/files/UNDG_BigData_final_web.pdf
Xiao, Y., & Watson, M. (2019). Guidance on Conducting a Systematic Literature Review
[Guía para la realización de una revisión sistemática de la literatura]. Journal of
Planning Education and Research, 39(1), 93-112.
https://doi.org/https://doi.org/10.1177/0739456X17723971
United Nations Development Group [UNDG] . (2017). Data privacy, ethics and protection:
Guidance note on big data for achievement of the 2030 Agenda. ONU.
https://unsdg.un.org/sites/default/files/UNDG_BigData_final_web.pdf
Xiao, Y., & Watson, M. (2019). Guidance on Conducting a Systematic Literature Review
[Guía para la realización de una revisión sistemática de la literatura]. Journal of
Planning Education and Research, 39(1), 93-112.
https://doi.org/https://doi.org/10.1177/0739456X17723971