Una habilidad clave de los directivos es detectar señales de cambios en sus mercados antes de que las tendencias se vuelvan muy claras y la ventana de oportunidad se haya cerrado (Birkinshaw et al., 2022). La evolución tecnológica ha contribuido a que se obtengan mayores cantidades de información de diversas fuentes, lo cual crea la necesidad de modelos y sistemas que ayuden a un mejor procesamiento y aprovechamiento de los datos. Por ejemplo, reducir la incertidumbre en una crisis como la del coronavirus, en la cual, día a día, se bombardea con información ambigua, compleja y a menudo contradictoria, se ha vuelto un reto para las organizaciones (Khosravani et al., 2020).

La inteligencia de negocios deriva de esta problemática, y abarca diferentes actividades, procesos y tecnologías para recopilar, almacenar, analizar y difundir información, con el fin de mejorar la toma de decisiones (Candelo-Viáfara y Gonzáles-Campo, 2022; Wanda y Stian, 2015). Sin embargo, en un entorno complejo y dinámico, en el cual la información cambia constantemente, se necesita a su vez una respuesta rápida para ser competitivos, mantenerse vigentes y que esa gran inversión en recursos, esfuerzo y tiempo en la recopilación y análisis de la información se vea reflejado en beneficios (Şahin et al., 2017). Esto ha derivado en que varios autores consideren a la inteligencia de negocios como habilitador de la agilidad organizacional, que es la capacidad de detectar y responder a oportunidades y amenazas con facilidad, velocidad y destreza (Queiroz et al., 2018).

Estudios recientes han comprobado la relación positiva y directa que se presenta entre inteligencia de negocios y agilidad organizacional (Cheng et al., 2020). Esta relación en un entorno competitivo, dinámico e impredecible como en el que conviven las organizaciones -en el que detectar y responder más rápido a los cambios puede significar la supervivencia y la inversión en mejores herramientas para el análisis de la información en la búsqueda de ser más ágiles en la detección, toma de decisiones y actuación frente a las oportunidades y amenazas- se torna en una ventaja competitiva de gran relevancia (Sousa y Dias, 2020).

En teoría, se cuenta con un sistema armónico, en el cual, las organizaciones están aprovechando al máximo los grandes flujos de información para ser estratégicas y tácticas de una manera veloz. Sin embargo, algunos autores han visualizado otras variables que median o interactúan en esta relación, como la infraestructura de tecnologías de la información (Chen y Siau, 2012), el empoderamiento (GhalichKhani y Hakkak, 2016) y la comunicación tecnológica (Park et al., 2017), así como las mediaciones en relaciones similares como la capacidad emocional (Arias-Pérez et al., 2021) y la inteligencia artificial (Vincent, 2021). Aunque no se ha tenido en cuenta que en la transición de la información a la detección y posterior respuesta se debe pasar por un proceso de toma de decisiones de los directivos. Dentro del proceso, los tomadores de decisiones juegan con la dualidad entre tomar decisiones racionales, analíticas, sistemáticas y basadas en reglas o fundamentadas en la intuición, percepción de señales y patrones relevantes (Calabretta et al., 2017).

Los gerentes, al tomar decisiones, tienen una predominancia cognitiva, ya sea racional o intuitiva (Luoma y Martela, 2021); sin embargo, no hay consenso en la influencia positiva o negativa sobre la agilidad en las organizaciones. La toma de decisiones racional (TDR) se ha relacionado en mayor proporción con ser lenta y estructurada, lo que puede influir negativamente en los tiempos y la gestión de la incertidumbre, mientras que la toma de decisiones intuitiva (TDI) se percibe como rápida, creativa y adaptable, pero más ligada a la experiencia y percepción personal (Elbanna, 2006). No obstante, al aumentar la complejidad de la decisión, también aumenta la experiencia necesaria para la eficacia de la intuición (Luoma y Martela, 2021), lo que afecta la calidad de la decisión (Vincent, 2021) y presenta algunos sesgos como representatividad (similitudes con situaciones anteriores), disponibilidad (lo que se viene fácilmente a la mente) y anclaje (lo primero que se viene a la mente) (Akinci y Sadler-Smith, 2012).

Este propósito de encontrar formas que ayuden a maximizar el aprovechamiento de procesos basados en las tecnologías de la información (TI), como la inteligencia de negocios, es una de las prioridades estratégicas de las empresas, porque los estudios recientes muestran que solo el 30% de los proyectos de TI tienen un impacto real en los resultados de los negocios (Forth et al., 2020). En consecuencia, hay un alto riesgo de despilfarro de recursos, incluso de desmonte gradual de este tipo de iniciativas por su falta de efectividad. En este estudio se parte del supuesto de que los estilos de toma de decisiones pueden ser la clave para destrabar los beneficios de la inteligencia de negocios en la agilidad organizacional.

Por lo tanto, el objetivo del trabajo fue analizar la mediación de la TDR y la TDI en la relación entre inteligencia de negocios y agilidad organizacional, de manera independiente, para poder establecer la predominancia de cuál de los dos tipos de toma de decisiones tiene un efecto mayor. Además de establecer este efecto mayor, los objetivos específicos fueron identificar el impacto que tienen la TDR y la TDI en la relación entre inteligencia de negocios y agilidad organizacional. En línea con las posturas teóricas que se muestran a favor, se propone que ambos efectos serán positivos; es superior el efecto de lo racional al establecer un mejor proceso y estándares para el aprovechamiento de la información, que llevan a la detección y posterior respuesta de las oportunidades y amenazas de una mejor manera.

En el modelo 1 se incluyeron solo las variables de control sobre la variable dependiente. En el modelo 2 se incluyeron todos los efectos, así como las variables de control (tabla 3). La valoración del modelo estructural es fundamental para determinar si la varianza de la variable endógena (AO) es explicada por los constructos que la predicen (IN, TDR y TDI).

En el caso del modelo directo (modelo 2), los resultados muestran que IN tiene un efecto positivo y significativo que influencia en la AO (β = 0,24); por lo tanto, se acepta H1. En cuanto al modelo mediado por la TDR, se presenta un efecto positivo y es significativo (β = 0,25); por lo tanto, se acepta H2. El modelo mediado por la TDI no es significativo (β = 0,001), por lo cual no se acepta H3. Cuando se analizan los efectos directos de H3, se encuentra que tanto IN → TDI como TDI → AO presentan un efecto poco significativo, aunque TDI → AO tiene un efecto mayor.

También se analizó el tamaño del efecto (f²) para ver la contribución de cada constructo independiente del modelo. Los valores de tamaño del efecto f² muestran que en las relaciones directas entre IN → TDR hay un efecto grande (0,44); entre TDR → AO, un efecto medio (0,21); entre IN → AO, un efecto pequeño (0,06), y entre TDI → AO, IN → TDI, dos efectos por debajo del rango (0,01; 0,00) (Cohen, 1988).

Para evaluar el poder predictivo del modelo 2, en primera instancia se utilizó el coeficiente de determinación (R²); el modelo 2 explica el 40% de la varianza de AO y el 38% cuando se tiene en cuenta el R² ajustado. Por lo anterior, se puede establecer que el poder predictivo está por encima del nivel bajo (0,25) y cercano al moderado (0,50) (Hair et al., 2020). Para evaluar el poder predictivo del modelo por fuera de la muestra, se procedió a calcular el valor de Q² mediante Blinfolding: el valor presentado está por encima de 0 (0,19), lo que implica que tiene relevancia predictiva, pero no alcanza a superar el umbral de 0,25 para representar una relevancia predictiva media (Hair et al., 2020).

Para identificar si la mediación de la TDR es parcial o total, se calculó la varianza explicada o la VAF, y esto permitió establecer la magnitud de un efecto indirecto respecto al total, que en este caso es del 37%, lo que indica que la mediación es parcial (Hair et al., 2021). Esto deriva en que IN requiere parcialmente de la TDR para tener efecto en la agilidad organizacional cuando la racionalidad entra a mediar, como se muestra en la tabla 3.

Tabla 3

Constructos	Modelo 1 (β)	Modelo 2 (β)	Modelo 2 (f²)
Efectos directos
H1: IN → AO		0.24**	0.06
IN → TDR		0.55***	0.44
IN → TDI		0.01	0.00
TDR → AO		0.46***	0.21
TDI → AO		0.10	0.01
Efectos mediadores
H2: IN → TDR → AO		0.25***
H3: IN → TDI → AO		0.00
Variables de control
Antigüedad → AO	0.09	0.13*
Tamaño → AO	-0.12	-0.12
R2	0.03	0.40
R2 ajustado	0.02	0.38
Q2	0.01	0.19

Nota: ***p<0,001, **p<0,01, *p<0,05

Los resultados confirman que hay un efecto positivo de la inteligencia de negocios en la agilidad organizacional, este hallazgo coincide con estudios previos (Chen y Siau, 2012; Cheng et al., 2020; GhalichKhani y Hakkak, 2016). Se corrobora así que uno de los roles centrales para asegurar la agilidad organizacional debe asignarse a las actividades de IN, puesto que su tarea principal es monitorear el entorno y detectar problemas importantes con el apoyo posterior para respuestas bien informadas (Skyrius y Valentukevičė, 2020). Sin embargo, los resultados más interesantes fueron que la TDR mediara de una forma parcial entre IN y AO, pero que la TDI no lo hiciera contrario a las suposiciones de este trabajo y a los trabajos previos que así lo confirmaban.

Que la mediación del proceso racional represente el 37% del efecto total de IN en AO puede ser de gran valor para las organizaciones. Entender la importancia de establecer procesos racionales de toma de decisiones, ya sean automatizados ante eventos repetitivos (Houghton et al., 2008) o basados completamente en evidencia, hace que la desviación de un ideal racional como la intuición disminuya la efectividad de las decisiones por factores como el sesgo, la obsolescencia del conocimiento y otras distorsiones (Francioni y Clark, 2020). Esto también se ve representado en que la mayoría de las organizaciones que adoptaron IN informaron dificultades para lograr ventajas competitivas, en gran parte debido a que no actuaron sobre la base de los conocimientos proporcionados (Ransbotham et al., 2016).

Un ejemplo práctico y en línea con los hallazgos se evidencia en que Google, una de las empresas más icónicas y prominentes de la era digital, define su toma de decisiones como impulsada por los datos. En las reuniones en Google no se tiene en cuenta el instinto sobre algo, se necesita tener los datos, lo que se convierte en un principio clave de lo que ha hecho la toma de decisiones realmente exitosa (Kohtamäki, 2017). Esto puede contribuir no solo a que las organizaciones se preocupen cada vez más por tener sistemas de información eficientes, sino que lo hagan en la implementación de procesos de toma de decisiones basados en hechos e impulsados por datos utilizando IN como una base para la innovación y la agilidad (Davenport et al., 2012; Y. Mao y Quan, 2015). Esta toma de decisiones basada en datos puede agregar un 4% a la productividad de la organización y un 6% a la rentabilidad (Brynjolfsson et al., 2011).

Este resultado confirma que un mayor aprovechamiento de la inteligencia de negocios depende de la articulación con otras variables organizacionales, en este caso con la TDR, como lo indican los resultados. Este hallazgo representa para las empresas una alternativa de solución para aumentar la tasa de éxito de los proyectos basados en TI, como la inteligencia de negocios que infortunadamente no supera el 30% cuando se mide su impacto real en los resultados de los negocios (Forth et al., 2020). En concreto, la TDR aumenta la efectividad de la inteligencia de negocios y por esa vía reduce el riesgo de fracaso y de despilfarro de recursos.

Los resultados de este estudio contribuyen a la literatura de varias maneras. En primer lugar, contrario a las sospechas iniciales y a lo establecido por la mayoría de autores, la intuición no tiene un efecto positivo para mejorar aspectos de la agilidad en relaciones que impliquen inteligencia de negocios (Francioni y Clark, 2020; Luoma y Martela, 2021; Vincent, 2021). Este trabajo confirma la postura de que elementos como los sesgos cognitivos, la información parcial y la dependencia hacia la experiencia y el juicio de los tomadores de decisiones repercuten negativamente en la agilidad (Power et al., 2019), y terminan haciendo de la intuición un proceso que no aprovecha adecuadamente las características más importantes de la inteligencia de negocios como lo son la asimilación, transformación y explotación de los nuevos conocimientos (Božič y Dimovski, 2019).

En contraste, la sospecha sobre la TDR fue cierta y tiene una mediación positiva en la relación entre la inteligencia de negocios y la agilidad organizacional, contraria a la percepción en la literatura de que al ser lenta y estructurada no contribuía a la agilidad (Bhui et al., 2021; Julmi, 2019; Mulyono et al., 2021). Este es un hallazgo valioso al demostrar que la inteligencia de negocios necesita apoyarse en procesos racionales para potenciar su incidencia en la agilidad, algo que no se había considerado previamente y que permite que las grandes inversiones que realizan las organizaciones para actividades de IN, que en ocasiones pueden ser inútiles, incluso perjudiciales al no incorporar los datos en la toma de decisiones complejas (Işik et al., 2013), realmente permitan detectar y responder a las oportunidades y amenazas con facilidad, velocidad y destreza (Queiroz et al., 2018).

El mayor valor de este estudio es poder establecer un modelo para que las organizaciones sean ágiles y eficientes en la detección y respuesta de las oportunidades y amenazas del mercado, mediante el establecimiento de procesos y métodos de inteligencia de negocios que desarrollen información útil y que permitan establecer el comportamiento de sus competidores, proveedores, clientes, tecnologías, adquisiciones, mercados, productos y servicios, y del entorno empresarial general, con cierto grado de certeza (Caseiro y Coelho, 2019).

En cuanto a las implicaciones prácticas, esta relación se potencia si en la empresa se generan criterios de decisión basados en la evidencia, el argumento lógico y el razonamiento; además, si se aprovecha todo el conocimiento generado por la inteligencia de negocios y se establecen procesos que incluyan identificar y diagnosticar problemas, generar, evaluar y elegir la mejor alternativa, implementar las decisiones y evaluar los resultados (Ain et al., 2019), como lo hace la TDR.

Además del establecimiento del proceso, las organizaciones deben preocuparse por facilitar e integrar metodologías y herramientas entre los directivos que promuevan este enfoque lógico. En primera instancia, según el modelo propuesto, se deben adoptar metodologías como Hefesto V3 que potencien la inteligencia de negocios, esto con el fin de tener un data warehouse (almacén de datos) que extraiga, transforme, consolide e integre los datos internos y externos para que la organización tenga un conocimiento oportuno, relevante, útil, adaptado al contexto y que genere valor (Bernabeu y García, 2017). También son importantes los sistemas de soporte a las decisiones que apoyados en estos datos agreguen valor mediante el control organizacional, una mayor eficiencia del personal y eficacia en la resolución de problemas (Alasiri y Salameh, 2020).

Una de las principales limitaciones es que el modelo de hipótesis fue probado en empresas que disponen de sistemas de información estructurados, por lo que en organizaciones en las que los tomadores de decisiones no cuentan con herramientas de inteligencia de negocios o información limitada para un correcto análisis racional, variables como la intuición pueden ser un apoyo importante. Otra de las limitaciones es el desarrollo del estudio en el ámbito colombiano que, según el índice de preparación de la red, ocupa una posición intermedia en términos de uso de tecnología característico de países emergentes (Dutta y Lanvin, 2021). Esto dificulta generalizar el resultado a países desarrollados de alta tecnología que se han transformado digitalmente de una manera acelerada.

También sería importante visualizar el efecto de integrar variables como la incertidumbre (Y. Mao y Quan, 2015) la turbulencia (Darvishmotevali et al., 2020) o las capacidades dinámicas (Baloch et al., 2018) en entornos de cambios acelerados que también pueden favorecer la intuición como un complemento importante. Esto debido a las reglas simples que las personas usan para tomar una decisión rápida en entornos inciertos y para reducir la complejidad de la tarea de evaluar probabilidades y resultados esperados (Cristofaro, 2017).

Así mismo, efectos como el de la COVID-19, que impulsó la digitalización de las economías emergentes varios años (Dutta y Lanvin, 2021), hace que sea importante revisar cómo interactúan la TDR y la TDI y la agilidad organizacional con nuevas tecnologías más avanzadas que IN. También es importante establecer si elementos como la inteligencia artificial y robótica (Arias-Pérez y Vélez-Jaramillo, 2022) o el machine learning (Irabor-Ighedosa, 2021) siguen dependiendo del factor humano, pasando por un proceso ya sea racional o intuitivo, o si hay una tendencia hacia la automatización casi en su totalidad para responder más rápido y de manera eficiente a las amenazas y oportunidades del mercado.