https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (566-581)
ISSN: 2960-8317
566
Artículo de revisión
Modelo de un sistema estratégico de automatización para mejorar la
eficiencia operativa en entidades financieras líderes de Lima Metropolitana
A strategic automation system model to improve operational efficiency in
leading financial institutions in Metropolitan Lima
Christian Rolando Zapata León*
Universidad Nacional Mayor de San Marcos
Lima - Perú
christian.zapata@unmsm.edu.pe
https://orcid.org/0009-0006-1351-2445
Jose Ovidio Flores Gutierrez
Universidad Nacional Mayor de San Marcos
Lima - Perú
jfloresg@unmsm.edu.pe
https://orcid.org/0000-0001-5019-2635
Oscar Rafael Tinoco Gomez
Universidad Nacional Mayor de San Marcos
Lima - Perú
otinocog@unmsm.edu.pe
https://orcid.org/0000-0002-7927-931X
*Correspondencia:
christian.zapata@unmsm.edu.pe
Cómo citar este artículo:
Zapata, C., Flores, J., & Tinoco, O. (2026).
Modelo de un sistema estratégico de
automatización para mejorar la eficiencia
operativa en entidades financieras líderes
de Lima Metropolitana. Esprint
Investigación, 5(1), 566-581.
https://doi.org/10.61347/ei.v5i1.268
Recibido: 29 de enero de 2026
Aceptado: 4 de marzo de 2026
Publicado: 16 de marzo de 2026
Resumen: La presente investigación tuvo como objetivo proponer y validar un modelo
de Sistema Estratégico de Automatización (SEA) orientado a mejorar la Eficiencia
Operativa (EFO) en entidades financieras líderes de Lima, Perú. Se adoptó un enfoque
cuantitativo con diseño explicativo, empleando una muestra no probabilística de 310
trabajadores de nivel operativo y técnico, a quienes se aplicaron cuestionarios digitales
diseñados para el estudio. Las dimensiones de la variable independiente SEA se
estructuraron en cuatro componentes: 1) Automatización de Procesos Operativos (APO),
2) Integración de Tecnologías Digitales (ITD), 3) Toma de Decisiones Automatizada
(TDA) y 4) Interoperabilidad Organizacional (IOR). Para el análisis de datos, se utilizó
un modelo de ecuaciones estructurales basado en mínimos cuadrados parciales (PLS-
SEM) mediante el software SmartPLS. Los resultados evidencian que las cuatro
dimensiones del SEA influyen de manera positiva y significativa en la Eficiencia
Operativa, confirmando la validez empírica del modelo. Los hallazgos sugieren que la
integración tecnológica y la toma de decisiones basada en datos son factores
determinantes para fortalecer el desempeño bancario. En conclusión, la adopción de un
enfoque integral de automatización estratégica contribuye significativamente a una
gestión más digital, ágil y sostenible. Este estudio aporta evidencia relevante sobre el
papel de la automatización como motor de competitividad y transformación digital en el
sistema financiero peruano y latinoamericano.
Palabras clave: Automatización de procesos, entidades financieras, interoperabilidad
organizacional, tecnologías digitales, transformación digital.
Abstract: The present study aimed to propose and validate a Strategic Automation System (SAS)
model designed to improve Operational Efficiency (OE) in leading financial institutions in Lima,
Peru. A quantitative approach with an explanatory design was adopted, using a non-probabilistic
sample of 310 operational and technical employees, who completed digital questionnaires
specifically designed for this study. The dimensions of the independent variable SAS were
structured into four components: 1) Operational Process Automation (OPA), 2) Integration of
Digital Technologies (IDT), 3) Automated Decision-Making (ADM), and 4) Organizational
Interoperability (OI). For data analysis, a Partial Least Squares Structural Equation Modeling
(PLS-SEM) approach was applied using SmartPLS software. The results indicate that the four
dimensions of the SAS positively and significantly influence Operational Efficiency, confirming
the empirical validity of the proposed model. The findings suggest that technological integration
and data-driven decision-making are key factors in strengthening banking performance. In
conclusion, the adoption of an integrated strategic automation approach significantly contributes
to a more digital, agile, and sustainable management model. This study provides relevant
empirical evidence on the role of automation as a driver of competitiveness and digital
transformation in the Peruvian and Latin American financial systems.
Keywords: Digital technologies, digital transformation, financial institutions, organizational
interoperability, process automation.
Copyright: Derechos de autor 2026
Christian Rolando Zapata León, Jose Ovidio
Flores Gutierrez,
Oscar Rafael Tinoco
Gomez.
Esta obra está bajo una licencia internacional
Creative Commons Atribución-
NoComercial 4.0.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (566-581)
ISSN: 2960-8317
Christian Rolando Zapata León, Jose Ovidio Flores Gutierrez, Oscar Rafael Tinoco Gomez 567
1. Introducción
A nivel internacional, el sector financiero está inmerso en una profunda transformación digital
impulsada por la aceleración de las denominadas tecnologías digitales, las cuales permiten
automatizar funciones cognitivas, analíticas y operativas tradicionalmente realizadas por los seres
humanos (Abildtrup, 2024; Bueno et al., 2024).
En este contexto, la automatización bancaria ha dejado de limitarse a la mecanización de tareas
repetitivas, ya que actualmente se integra con herramientas de inteligencia artificial, ecosistemas
avanzados de datos y plataformas de procesamiento analítico, configurando una segunda etapa de
automatización estructural caracterizada por la digitalización estratégica de los procesos
organizacionales.
En este sentido, la literatura especializada reporta mejoras cuantificables en la eficiencia operativa
del sector financiero, tales como reducciones en los tiempos de procesamiento, disminución de errores
operativos y aumentos significativos en los niveles de productividad, resultados asociados a la
implementación estratégica de tecnologías de automatización en distintos contextos internacionales
(Al Ayyubi et al., 2024; Delagrammatikas et al., 2025; Rivera et al., 2024; Sganderla et al., 2023).
No obstante, en contraste con esta evidencia internacional, la realidad de Lima Metropolitana
presenta particularidades estructurales que dificultan considerar la automatización bancaria como un
proceso lineal u homogéneo.
Si bien se observa la adopción de tecnologías como la automatización robótica de procesos (RPA),
la gestión de procesos de negocio (BPM), la inteligencia artificial y la analítica de datos en algunas
entidades financieras líderes, sus procesos de implementación han sido heterogéneos y, en muchos
casos, fragmentados, lo que ha generado brechas relevantes entre el nivel de digitalización alcanzado
y el desempeño operativo efectivo (Flores-Panaifo & Auccahuasi, 2025).
En este contexto, el presente estudio tiene como objetivo analizar la influencia de la automatización
estratégica en la eficiencia financiera organizacional del sector bancario en Lima Metropolitana,
abordando la automatización no únicamente como una tendencia tecnológica, sino como un constructo
estratégico multidimensional.
En particular, la investigación operacionaliza la automatización estratégica a partir de cuatro
dimensiones analíticas: analítica predictiva organizacional (APO), integración tecnológica de datos
(ITD), toma de decisiones analítica (TDA) e innovación organizacional basada en recursos (IOR),
vinculándolas de manera directa con la eficiencia financiera organizacional como resultado medible
del desempeño institucional.
De esta manera, el estudio busca contribuir a la literatura académica al abordar una brecha de
conocimiento aún poco explorada en el contexto peruano, específicamente la ausencia de modelos
explicativos integradores que permitan comprender cómo las estrategias de automatización influyen
en la eficiencia operativa de las instituciones financieras en Lima Metropolitana.
En consecuencia, el artículo propone y valida empíricamente un modelo conceptual que examina la
relación entre la automatización estratégica y la eficiencia financiera organizacional, utilizando el
modelo de ecuaciones estructurales basado en mínimos cuadrados parciales (PLS-SEM) como enfoque
metodológico. Este enfoque permite analizar las relaciones estructurales entre los constructos
propuestos y determinar la magnitud del efecto de cada dimensión de la automatización estratégica
sobre el desempeño operativo del sector bancario.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (566-581)
ISSN: 2960-8317
Christian Rolando Zapata León, Jose Ovidio Flores Gutierrez, Oscar Rafael Tinoco Gomez 568
Figura 1
Modelo conceptual e hipótesis para contrastar
En función del marco teórico y de la evidencia empírica revisada, se formulan las siguientes
hipótesis de investigación: se propone que la analítica predictiva organizacional (APO) ejerce una
influencia positiva y significativa sobre la eficiencia financiera organizacional (EFO) de la banca en
Lima Metropolitana. Asimismo, se plantea que la integración tecnológica de datos (ITD) influye de
manera positiva y significativa en la EFO del sector bancario en Lima Metropolitana.
De igual forma, se hipotetiza que la toma de decisiones analítica (TDA) tiene una influencia positiva
y significativa sobre la EFO en las instituciones bancarias de Lima Metropolitana. Finalmente, se
plantea que la innovación organizacional basada en recursos (IOR) influye en la eficiencia financiera
organizacional de la banca en Lima Metropolitana.
2. Metodología
El presente estudio correspondió a una investigación de enfoque cuantitativo, de alcance explicativo,
con diseño no experimental y de corte transversal. La población objeto de estudio estuvo conformada
por trabajadores del sector bancario en Lima Metropolitana que interactuaban directa o indirectamente
con sistemas estratégicos de automatización, cuyo perfil profesional se presentó en la tabla 1.
En total se aplicaron 320 encuestas, de las cuales 10 fueron descartadas por presentar inconsistencias
en las respuestas (Hair & Alamer, 2022), lo que dio como resultado una muestra final de 310
cuestionarios válidos, valor que superó ampliamente el tamaño mínimo recomendado para este tipo
de análisis. Para justificar el tamaño muestral se consideraron diferentes criterios metodológicos
reportados en la literatura especializada.
En primer lugar, se realizó un cálculo a posteriori basado en el método de la raíz cuadrada inversa
propuesto por Kock y Hadaya (2018), el cual emplea la siguiente fórmula: n = (2.486 / coeficiente beta)².
Al utilizar el coeficiente beta más bajo estimado en la investigación (0.156), el tamaño muestral
requerido fue de aproximadamente 254 individuos (n = (2.486 / 0.156)²).
No obstante, también se adoptó el criterio metodológico sugerido por Martínez y Fierro (2018),
quienes recomiendan un mínimo de 200 participantes en estudios que emplean modelos de ecuaciones
estructurales basados en PLS-SEM. En consecuencia, el tamaño de la muestra utilizada cumplió
adecuadamente con ambos criterios metodológicos.
APO
ITD
IOR
ITD
EFO
SEA
H
1
H
2
H
3
H
4
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (566-581)
ISSN: 2960-8317
Christian Rolando Zapata León, Jose Ovidio Flores Gutierrez, Oscar Rafael Tinoco Gomez 569
Tabla 1
Perfil profesional de la muestra objeto de estudio
Perfil profesional Función principal % de participación Cantidad
Gerentes o jefes de operaciones Supervisión de procesos y mejora operativa 20.0 62
Especialistas en transformación
digital / innovación
Planificación e implementación de
herramientas digitales
15.2 47
Jefes / coordinadores de TI o
automatización
Encargados de infraestructura tecnológica y
soluciones automáticas
18.1 56
Analistas de procesos / mejora
continua
Encargados de levantar información sobre
flujos, cuellos de botella y eficiencia
21.9 68
Personal administrativo operativo
(usuarios de sistemas)
Usuarios finales de procesos automatizados
y gestores de tareas repetitivas
20.0 62
Otros (auditores, asesores externos,
calidad)
Profesionales de apoyo que interactúan
indirectamente con procesos automatizados
4.8 15
Total
100.0 310
Posteriormente, para la recolección de los datos se utilizó un muestreo no probabilístico de tipo
intencional, estrategia metodológica que ha sido ampliamente empleada en investigaciones
relacionadas con la adopción de tecnologías y automatización organizacional (Waqar et al., 2023). La
muestra estuvo compuesta por empleados de entidades bancarias ubicadas en Lima Metropolitana,
Perú, quienes fueron contactados mediante medios digitales y aceptaron participar voluntariamente
en el estudio.
Para medir los constructos de automatización estratégica (SEA) y eficiencia financiera
organizacional (EFO), así como sus respectivas dimensiones, se diseñó un cuestionario estructurado.
El instrumento utilizó una escala tipo Likert de cinco puntos, cuyas opciones de respuesta fueron las
siguientes: sin importancia (1), de poca importancia (2), moderadamente importante (3), importante
(4) y muy importante (5).
Para la contrastación de las hipótesis de investigación se empleó el modelado de ecuaciones
estructurales (SEM) mediante la técnica de mínimos cuadrados parciales (PLS-SEM), método
ampliamente utilizado en estudios explicativos orientados al análisis de relaciones entre constructos
latentes. Asimismo, se aplicó el procedimiento de bootstrapping con 10 000 submuestras, con el fin de
estimar la significancia estadística de los coeficientes del modelo estructural. Todo el análisis
estadístico se realizó utilizando el software especializado SmartPLS.
3. Resultados
Análisis del modelo de medida de primer orden
El modelo de medida de primer orden, compuesto por las dimensiones e ítems de los constructos SEA
y EFO, fue evaluado con base en los criterios de fiabilidad y validez recomendados para modelos PLS-
SEM (tabla 2). Para determinar la significancia estadística de las cargas factoriales, se aplicó la prueba
t de Student mediante la técnica de Bootstrapping con 10,000 submuestras, lo que permitió calcular los
p-valores asociados a cada indicador.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (566-581)
ISSN: 2960-8317
Christian Rolando Zapata León, Jose Ovidio Flores Gutierrez, Oscar Rafael Tinoco Gomez 570
Los resultados evidencian que el modelo presenta un ajuste adecuado, ya que las cargas factoriales
de los indicadores fueron altamente significativas, situándose en un rango de 0.539 (Ppo3) a 0.929
(Tda2), valores que cumplen con los criterios establecidos por Hair et al. (2022, p. 118).
La fiabilidad de los constructos se evaluó mediante el alfa de Cronbach (α), el coeficiente rho_A (α
de Dijkstra-Henseler) y la fiabilidad compuesta (IFC). Como se observa en la tabla 2, todos los valores
superaron el umbral mínimo recomendado de 0.70, lo que confirma una consistencia interna adecuada
de los constructos (Hair et al., 2022,).
Finalmente, se verificó la validez convergente, dado que los valores de la varianza media extraída
(AVE) fueron iguales o superiores al mínimo recomendado de 0.50, lo que indica que los indicadores
explican una proporción suficiente de la varianza de sus respectivos constructos (Hair et al., 2022).
Tabla 2
Fiabilidad y validez de constructos de primer orden
Constructo Ítem Carga p Valores
Alfa de
Cronbach
rho_A
Fiabilidad
compuesta
AVE
APO
Apo1 0.832 0.000
0.897 0.900 0.921 0.662
Apo2 0.818 0.000
Apo3 0.844 0.000
Apo4 0.868 0.000
Apo5 0.770 0.000
Apo6 0.743 0.000
EOP
Eop1 0.825 0.000
0.908 0.924 0.929 0.685
Eop2 0.804 0.000
Eop3 0.814 0.000
Eop4 0.877 0.000
Eop5 0.807 0.000
Eop6 0.836 0.000
IOR
Ior1 0.632 0.000
0.898 0.903 0.923 0.669
Ior2 0.827 0.000
Ior3 0.880 0.000
Ior4 0.828 0.000
Ior5 0.914 0.000
Ior6 0.798 0.000
ITD
Itd1 0.791 0.000
0.864 0.897 0.897 0.593
Itd2 0.859 0.000
Itd3 0.792 0.000
Itd4 0.776 0.000
Itd5 0.745 0.000
Itd6 0.641 0.000
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (566-581)
ISSN: 2960-8317
Christian Rolando Zapata León, Jose Ovidio Flores Gutierrez, Oscar Rafael Tinoco Gomez 571
Tabla 2
Fiabilidad y validez de constructos de primer orden (continuación)
Constructo Ítem Carga p Valores
Alfa de
Cronbach
rho_A
Fiabilidad
compuesta
AVE
PPO
Ppo1 0.699 0.000
0.841 0.878 0.881 0.558
Ppo2 0.811 0.000
Ppo3 0.539 0.000
Ppo4 0.827 0.000
Ppo5 0.848 0.000
Ppo6 0.713 0.000
TAT
Tat1 0.879 0.000
0.920 0.923 0.938 0.716
Tat2 0.840 0.000
Tat3 0.846 0.000
Tat4 0.893 0.000
Tat5 0.829 0.000
Tat6 0.788 0.000
TDA
Tda1 0.860 0.000
0.936 0.948 0.950 0.760
Tda2 0.929 0.000
Tda3 0.808 0.000
Tda4 0.833 0.000
Tda5 0.920 0.000
Tda6 0.873 0.000
URE
Ure1 0.640 0.000
0.842 0.858 0.883 0.559
Ure2 0.697 0.000
Ure3 0.758 0.000
Ure4 0.771 0.000
Ure5 0.816 0.000
Ure6 0.792 0.000
Nota. Bootstrapping: 10,000 submuestras.
Posteriormente, se evaluó la validez discriminante de los constructos mediante dos criterios
complementarios, siguiendo las recomendaciones de Hair y Alamer (2022).
En primer lugar, el criterio de Fornell-Larcker (tabla 3) evidenció que la raíz cuadrada de la varianza
media extraída (AVE), ubicada en la diagonal principal de la matriz, es superior a las correlaciones
entre los distintos constructos, lo cual confirma su adecuada diferenciación conceptual.
En segundo lugar, la matriz HTMT (Heterotrait–Monotrait Ratio) (tabla 4) ratificó la validez
discriminante del modelo, ya que todos los valores obtenidos se situaron por debajo del umbral de
0.90, criterio recomendado en la literatura para confirmar la distinción entre variables latentes (Hair et
al., 2022).
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (566-581)
ISSN: 2960-8317
Christian Rolando Zapata León, Jose Ovidio Flores Gutierrez, Oscar Rafael Tinoco Gomez 572
Tabla 3
Criterio de Fornell-Larcker
Constructo APO EOP IOR ITD PPO TAT TDA URE
APO 0.814
EOP 0.285 0.828
IOR 0.397 0.364 0.818
ITD 0.227 0.337 0.234 0.770
PPO 0.254 0.644 0.380 0.343 0.747
TAT 0.308 0.419 0.418 0.266 0.482 0.846
TDA 0.273 0.439 0.645 0.475 0.385 0.434 0.872
URE 0.257 0.625 0.324 0.279 0.689 0.380 0.328 0.748
Tabla 4
Matriz Heterotrait-Monotrait Ratio (HTMT)
Constructo APO EOP IOR ITD PPO TAT TDA
APO
EOP 0.303
IOR 0.438 0.406
ITD 0.236 0.346 0.276
PPO 0.299 0.745 0.413 0.362
TAT 0.335 0.461 0.446 0.299 0.538
TDA 0.296 0.459 0.698 0.535 0.401 0.457
URE 0.289 0.718 0.360 0.296 0.858 0.424 0.351
Análisis de fiabilidad y validez del modelo de segundo orden
En esta fase se procedió a modelar el constructo de segundo orden correspondiente a la variable
dependiente EFO, a partir de sus dimensiones de primer orden. Dado que EFO fue especificado como
un constructo reflectivo de orden superior, y considerando que el enfoque PLS-SEM (basado en varianza)
presenta diferencias metodológicas respecto al CB-SEM (basado en covarianza), se implementó el
método de dos etapas (two-stage approach) para estimar el constructo jerárquico (Hair & Alamer, 2022).
Mediante este procedimiento, las puntuaciones de las variables latentes (LV scores) de las
dimensiones de EFO, obtenidas en la etapa previa, se utilizaron como indicadores observables del
constructo de segundo orden, lo que permitió posteriormente contrastar las hipótesis del modelo
estructural al relacionarlo con las cuatro dimensiones del SEA (APO, IOR, ITD y TDA), tal como se
muestra en la figura 2.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (566-581)
ISSN: 2960-8317
Christian Rolando Zapata León, Jose Ovidio Flores Gutierrez, Oscar Rafael Tinoco Gomez 573
Figura 2
Modelo PLS-SEM con las dimensiones del SEA y el constructo de segundo orden EFO
A continuación, se evaluaron las propiedades métricas del constructo de segundo orden EFO,
utilizando la prueba t de Student y la técnica de Bootstrapping con 10,000 submuestras para determinar
la significancia estadística de sus indicadores. Los resultados muestran que el modelo de medida del
constructo de segundo orden presenta un ajuste adecuado, ya que las cargas factoriales oscilaron entre
0.718 (TAT) y 0.867 (PPO), siendo todas estadísticamente significativas según los criterios establecidos
por Hair et al. (2022).
En cuanto a la fiabilidad, el alfa de Cronbach, el coeficiente rho_A y la fiabilidad compuesta (IFC)
superaron el umbral recomendado de 0.70 (tabla 5), lo que evidencia una consistencia interna robusta
del constructo (Hair et al., 2022). Asimismo, la validez convergente quedó confirmada, ya que el valor
de la varianza media extraída (AVE) fue superior a 0.50, cumpliendo con los criterios metodológicos
establecidos en la literatura (Hair et al., 2022). Cabe señalar que no se reiteran los resultados de las
dimensiones del SEA, dado que fueron previamente reportados y validados en el análisis del modelo
de primer orden.
Tabla 5
Fiabilidad y validez del constructo de segundo orden EFO
Constructo Item/dimensiones Carga p valores
Alfa de
Cronbach
rho_A
Fiabilidad
compuesta
Varianza extraída
media (AVE)
EFO
EOP 0.835 0.000
0.824 0.825 0.884 0.657
PPO 0.867 0.000
TAT 0.718 0.000
URE 0.815 0.000
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (566-581)
ISSN: 2960-8317
Christian Rolando Zapata León, Jose Ovidio Flores Gutierrez, Oscar Rafael Tinoco Gomez 574
Posteriormente, se evaluó la validez discriminante del modelo que vincula las variables
independientes (APO, IOR, ITD y TDA) con el constructo dependiente EFO.
En primer lugar, el criterio de Fornell-Larcker (tabla 6) mostró que la raíz cuadrada de la AVE
ubicada en la diagonal principal es superior a las correlaciones entre los constructos, lo cual confirma
su adecuada discriminación conceptual (Hair & Alamer, 2022).
En segundo lugar, la matriz HTMT (tabla 7) evidenció nuevamente valores inferiores al umbral de
0.90, lo que respalda la validez discriminante del modelo estructural (Hair et al., 2022).
Tabla 6
Criterio de Fornell-Larcker de constructos de primer orden y EFO de segundo orden
Constructo APO EFO IOR ITD TDA
APO 0.814
EFO 0.343 0.811
IOR 0.397 0.462 0.818
ITD 0.226 0.379 0.235 0.771
TDA 0.273 0.495 0.644 0.475 0.872
Tabla 7
Heterotrait-Monotrait Ratio (HTMT)
Constructo APO EFO IOR ITD
EFO 0.392
IOR 0.438 0.531
ITD 0.236 0.426 0.276
TDA 0.296 0.551 0.698 0.535
Análisis del modelo estructural de segundo orden
Los resultados del modelo estructural evidencian que el modelo presenta una capacidad explicativa y
predictiva adecuada. En relación con el coeficiente de determinación (R²), que mide la proporción de
varianza de la variable endógena explicada por las variables exógenas, se obtuvo un valor de 0.334
(tabla 8). Este resultado indica que el modelo explica el 33.4 % de la varianza de la variable EFO, lo que
puede considerarse un nivel de explicación moderado dentro de los estudios basados en PLS-SEM.
Adicionalmente, se evaluó la relevancia predictiva mediante el estadístico de Stone-Geisser (Q²).
Dado que el valor obtenido fue mayor que cero, se confirma que el modelo posee capacidad predictiva
adecuada (Shela et al., 2023). Asimismo, se verificó la ausencia de problemas de colinealidad entre las
variables predictoras mediante el Factor de Inflación de la Varianza (FIV). De acuerdo con los criterios
metodológicos establecidos por Hair y Alamer (2022), los valores del FIV deben ser inferiores a 5,
siendo preferible que se sitúen por debajo de 3.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (566-581)
ISSN: 2960-8317
Christian Rolando Zapata León, Jose Ovidio Flores Gutierrez, Oscar Rafael Tinoco Gomez 575
Como se muestra en la tabla 8, todos los valores del FIV se encuentran por debajo del umbral crítico
de 3, lo que indica que no existe colinealidad significativa entre los predictores y que la estimación de
los coeficientes de ruta no se encuentra sesgada.
Tabla 8
Capacidad de predicción del modelo y colinealidad
Constructos R
2
R
2
Ajustado Q
2
FIV
EFO
APO
0.334 0.326 0.203
1.216
IOR 1.920
ITD 1.338
TDA 2.114
EFO
Nota. Standardized Root Mean Square Residual (SRMR): 0.07
Posteriormente, se procedió a la contrastación de las hipótesis mediante el análisis de los
coeficientes beta (β), los p-valores y los intervalos de confianza al 95 % (IC). Para determinar la
significancia estadística de las relaciones entre constructos, se aplicó la prueba t de Student utilizando
la técnica de Bootstrapping con 10,000 submuestras (tabla 9).
Tabla 9
Prueba de hipótesis
Hipótesis Beta
Desviación
estándar
t de Student p-valor
LI
2.5%
LS 97.5% Resultado
H1: APO -> EFO 0.156 0.059 2.633 0.008 0.038 0.270 Aceptada
H2: ITD -> EFO 0.186 0.057 3.284 0.001 0.068 0.290 Aceptada
H3: TDA -> EFO 0.230 0.083 2.757 0.006 0.061 0.385 Aceptada
H4: IOR -> EFO 0.209 0.081 2.579 0.010 0.058 0.375 Aceptada
HG: SEA -> EFO --- --- --- --- --- --- Aceptada
Nota. Bootstrapping: 10,000 submuestras LI y LS: límites inferior y superior del intervalo de confianza al 95%.
Los resultados confirmaron la validez de todas las hipótesis específicas planteadas en el estudio:
• H1: APO influye positiva y significativamente en EFO (β = 0.156; t = 2.633; p < 0.05). Esta relación
presenta la menor intensidad dentro del modelo, dado que su coeficiente β es el más bajo entre
las relaciones analizadas.
• H2: ITD influye positiva y significativamente en EFO (β = 0.186; p < 0.05).
• H3: TDA ejerce un efecto positivo y significativo sobre EFO (β = 0.230; p < 0.05), constituyendo
la relación de mayor intensidad en el modelo estructural.
• H4: IOR influye positiva y significativamente en EFO (β = 0.209; p < 0.05).
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (566-581)
ISSN: 2960-8317
Christian Rolando Zapata León, Jose Ovidio Flores Gutierrez, Oscar Rafael Tinoco Gomez 576
En todos los casos, los intervalos de confianza al 95 % excluyen el valor cero, lo que respalda la
significancia estadística de las relaciones analizadas. En consecuencia, al haberse confirmado las cuatro
hipótesis específicas, se verifica también la hipótesis general del estudio, confirmando que el Sistema
Estratégico de Automatización (SEA) influye significativamente en la Eficiencia Operativa (EFO) de la
entidad bancaria analizada.
4. Discusión
Los resultados del modelo PLS-SEM, diseñados para evaluar la influencia de un Sistema Estratégico
de Automatización (SEA) en la Eficiencia Operativa (EFO) de la banca de negocios en Lima, Perú,
aportan evidencia empírica sólida sobre la relación entre la automatización estratégica y el desempeño
operativo en el sector financiero.
En términos generales, los hallazgos revelan efectos positivos y estadísticamente significativos de
las cuatro dimensiones del SEA automatización de procesos operativos (APO), integración de
tecnologías digitales (ITD), toma de decisiones automatizada (TDA) e interoperabilidad organizacional
(IOR) sobre la EFO, lo que confirma la relevancia de las estrategias de transformación digital para
mejorar el rendimiento organizacional en instituciones bancarias.
En primer lugar, se confirmó que la automatización de procesos operativos (APO) influye positiva
y significativamente en la eficiencia operativa (H1). Este resultado refuerza la evidencia teórica que
sostiene que la automatización de tareas repetitivas y operativas permite optimizar los flujos de
trabajo, reducir tiempos de procesamiento y minimizar errores humanos, generando mejoras
sustanciales en la productividad organizacional.
Dicho hallazgo es consistente con estudios previos que evidencian que la automatización de
procesos posee un alto potencial para incrementar la eficiencia operativa, reducir errores y disminuir
costos en el sector financiero (Gavade, 2024). De igual forma, los trabajos de Abildtrup (2024) y Bueno
et al. (2024) confirman esta relación en el ámbito bancario, destacando que la implementación de
tecnologías de automatización contribuye a optimizar la gestión de operaciones financieras.
Asimismo, investigaciones desarrolladas en el contexto latinoamericano reportan mejoras
significativas en la gestión administrativa y en la calidad del servicio al cliente tras la adopción de
sistemas automatizados en entidades bancarias (Rivera et al., 2024; Sganderla et al., 2023). En conjunto,
estos hallazgos sugieren que la automatización de procesos constituye un componente clave de las
estrategias de modernización organizacional en el sistema financiero.
En segundo lugar, se confirmó una relación positiva y significativa entre la integración de
tecnologías digitales (ITD) y la eficiencia operativa (H2). Este resultado evidencia que la adopción de
infraestructuras tecnológicas integradas facilita la interoperabilidad entre sistemas, mejora el acceso a
la información en tiempo real y permite optimizar los procesos de gestión y control interno. Dicho
hallazgo coincide con investigaciones previas, como la de Bueno et al. (2024), que destacan que la
digitalización integral permite realizar operaciones de manera más ágil, segura y confiable,
repercutiendo directamente en la rentabilidad y eficiencia del sistema bancario.
De manera similar, estudios realizados por Bayyapu et al. (2020), Bataineh et al. (2024) y Agu et al.
(2024) evidencian que la integración tecnológica favorece la automatización de procesos, mejora la
capacidad analítica de las organizaciones y contribuye significativamente al fortalecimiento de la
eficiencia operativa. En este sentido, la ITD puede considerarse un habilitador estratégico que permite
consolidar ecosistemas digitales interconectados dentro de las instituciones financieras.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (566-581)
ISSN: 2960-8317
Christian Rolando Zapata León, Jose Ovidio Flores Gutierrez, Oscar Rafael Tinoco Gomez 577
En tercer lugar, los resultados confirman que la toma de decisiones automatizada (TDA) ejerce una
influencia positiva sobre la eficiencia operativa (H3), siendo además la relación de mayor intensidad
dentro del modelo estructural. Este hallazgo sugiere que la incorporación de sistemas inteligentes de
apoyo a la decisión permite optimizar la gestión organizacional mediante el análisis automatizado de
grandes volúmenes de datos y la generación de recomendaciones basadas en algoritmos.
Este resultado coincide con la evidencia reportada por Gómez-Maguiña y Sierra-Liñán (2024) y
Rahman (2023), quienes destacan el papel de las tecnologías basadas en inteligencia artificial y analítica
avanzada en la mejora de la toma de decisiones en instituciones financieras. En particular, el uso de
tecnologías emergentes permite anticipar riesgos financieros, identificar patrones de comportamiento
y optimizar estrategias de gestión, lo que contribuye a fortalecer la eficiencia organizacional (Adewusi
et al., 2022).
Este enfoque representa un cambio significativo respecto a los modelos tradicionales de gestión de
riesgos, que suelen ser reactivos, hacia esquemas más predictivos y proactivos, favoreciendo la mejora
continua de las operaciones financieras (Adekunle et al., 2023). No obstante, la creciente
implementación de sistemas automatizados de toma de decisiones también plantea desafíos relevantes
desde el punto de vista ético y regulatorio. En este sentido, Mökander et al. (2021) señalan que estos
sistemas están adquiriendo un papel cada vez más relevante en decisiones críticas que afectan
directamente a las personas, su economía y su entorno social.
Asimismo, diversos autores advierten que la automatización de decisiones puede generar riesgos
éticos significativos, tales como la reproducción de sesgos algorítmicos, la vulneración de la privacidad
o la reducción de la autonomía individual (Taddeo & Floridi, 2018; Mejía et al., 2025). Por tanto, la
adopción de sistemas de decisión automatizada en el sector bancario debe acompañarse de
mecanismos robustos de gobernanza algorítmica, transparencia y supervisión institucional.
En cuarto lugar, se confirmó que la interoperabilidad organizacional (IOR) influye positiva y
significativamente en la eficiencia operativa (H4). Este resultado evidencia que la capacidad de integrar
y coordinar diferentes sistemas de información dentro de la organización constituye un factor crítico
para mejorar la eficiencia de los procesos institucionales.
Dicho hallazgo es consistente con estudios previos, como el de Habinshuti (2024), quien demuestra
que la interoperabilidad entre sistemas de información favorece la eficiencia en la gestión
organizacional. Asimismo, investigaciones como la de Abazi-Çaushi y Dika (2018) destacan que la
interoperabilidad tecnológica permite responder de manera más eficiente a las demandas de múltiples
actores institucionales, incluyendo usuarios, entidades reguladoras y la sociedad en general. En el
contexto bancario, esta capacidad resulta particularmente relevante para garantizar la integración de
plataformas digitales, sistemas de gestión financiera y canales de atención al cliente.
Finalmente, en relación con la hipótesis general del estudio, los resultados indican que el Sistema
Estratégico de Automatización (SEA) ejerce un efecto positivo y significativo sobre la eficiencia
operativa (EFO). Este hallazgo confirma que la implementación articulada de estrategias de
automatización, digitalización e interoperabilidad tecnológica contribuye de manera sustancial a
mejorar el desempeño operativo de las instituciones financieras.
De este modo, los resultados obtenidos se alinean con la literatura contemporánea que destaca el
papel de la transformación digital como un factor determinante para el fortalecimiento de la
competitividad y la eficiencia en el sector bancario.
En conjunto, los hallazgos del estudio sugieren que las instituciones financieras que adoptan
estrategias integrales de automatización y digitalización no solo optimizan sus procesos internos, sino
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (566-581)
ISSN: 2960-8317
Christian Rolando Zapata León, Jose Ovidio Flores Gutierrez, Oscar Rafael Tinoco Gomez 578
que también fortalecen su capacidad de adaptación frente a los cambios tecnológicos y regulatorios del
entorno financiero contemporáneo.
5. Conclusiones
En primer lugar, la dimensión Automatización de Procesos Operativos (APO) evidenció una influencia
positiva y significativa sobre la Eficiencia Operativa (EFO). Este resultado sugiere que la
automatización de tareas operativas contribuye a reducir los tiempos de ejecución y a minimizar los
errores humanos, lo que fortalece la agilidad de las operaciones, mejora la productividad
organizacional y eleva la calidad del servicio ofrecido por las instituciones bancarias.
En segundo lugar, se comprobó que la Integración de Tecnologías Digitales (ITD) influye
positivamente en la EFO, lo que pone de manifiesto la importancia de fortalecer la conectividad e
integración entre los distintos sistemas de información y áreas funcionales de la organización. Esta
integración tecnológica facilita la gestión eficiente de la información, mejora la coordinación
interdepartamental y optimiza los procesos operativos dentro de la entidad financiera.
Asimismo, los resultados evidenciaron que la Toma de Decisiones Automatizada (TDA)
contribuye significativamente a la mejora de la EFO, mediante el uso de analítica avanzada,
algoritmos y herramientas de inteligencia de datos que permiten realizar decisiones más rápidas,
precisas y basadas en evidencia empírica.
Este enfoque reduce los niveles de incertidumbre en los procesos decisionales y fortalece la
capacidad de respuesta organizacional frente a entornos financieros dinámicos, lo que incrementa la
precisión y eficiencia de las operaciones bancarias.
Por su parte, se verificó que la Interoperabilidad Organizacional (IOR) también influye
positivamente en la EFO, lo que evidencia la relevancia de promover mecanismos de colaboración e
integración institucional mediante la alineación de procesos, estructuras de gobernanza, marcos
normativos y recursos organizacionales compartidos, orientados hacia el cumplimiento de objetivos
estratégicos comunes dentro de la organización.
En términos generales, los hallazgos del estudio confirman que el Sistema Estratégico de
Automatización (SEA), entendido como la integración de procesos automatizados, tecnologías
digitales, sistemas de decisión inteligente e interoperabilidad organizacional, constituye un factor
determinante para mejorar la eficiencia operativa en el sector bancario.
En conjunto, los resultados obtenidos evidencian que la adopción de un enfoque integral de
automatización estratégica contribuye significativamente a fortalecer el desempeño operativo de las
instituciones financieras, al impulsar un modelo de gestión más digital, ágil, basado en datos y
orientado a la optimización continua de los procesos organizacionales.
De esta manera, la implementación coordinada de estas estrategias tecnológicas no solo mejora la
eficiencia interna de las entidades bancarias, sino que también fortalece su capacidad de adaptación
frente a los desafíos de la transformación digital en el sistema financiero contemporáneo.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (566-581)
ISSN: 2960-8317
Christian Rolando Zapata León, Jose Ovidio Flores Gutierrez, Oscar Rafael Tinoco Gomez 579
Referencias
Abazi-Çaushi, B., & Dika, Z. (2018). Higher education information systems: An overview of the latest
trends and issues. VIIIth Annual International Meeting of Alb-Science Institute. https://n9.cl/8inp4
Abildtrup, A. (2024). The rise of robotic process automation in the banking sector: Streamlining
operations and improving efficiency. Journal of Computing and Natural Science, 4(1), 31–40.
https://doi.org/10.53759/181x/jcns202404004
Adekunle, B. I., Chukwuma-Eke, E. C., Balogun, E. D., & Ogunsola, K. O. (2023). Integrating AI-driven
risk assessment frameworks in financial operations: A model for enhanced corporate
governance. International Journal of Scientific Research in Computer Science, Engineering and
Information Technology, 9(6), 445–464. https://n9.cl/iep7w
Adewusi, A., Chiekezie, N., & Eyo-Udo, N. (2022). The role of AI in enhancing cybersecurity for smart
farms. World Journal of Advanced Research and Reviews, 15(3), 501–512.
https://doi.org/10.30574/wjarr.2022.15.3.0889
Agu, E., Chiekezie, N., Abhulimen, A., & Obiki-Osafiele, A. (2024). Harnessing digital transformation
to solve operational bottlenecks in banking. World Journal of Advanced Science and Technology,
6(1), 046–056. https://doi.org/10.53346/wjast.2024.6.1.0046
Al Ayyubi, M., Sabrina, U., Febrianto, R., Naufal, F., Nafis, M., & Lubis, L. (2024). Optimizing core
banking operation’s ROI with robotic process automation: A case study from a leading
Southeast Asian bank. IEEE International Conference on Control & Automation, Electronics,
Robotics, Internet of Things, and Artificial Intelligence (CERIA), 1–6.
https://doi.org/10.1109/CERIA64726.2024.10915031
Bataineh, A., Qasim, D., & Alhur, M., (2024). The impact of digital banking channels and organizational
culture on operational excellence in Jordanian banking. Banks and Bank Systems, 19(4), 163–176.
https://doi.org/10.21511/bbs.19(4).2024.13
Bayyapu, S., Turpu, R., & Vangala, R. (2020). Banking in the digital age: Navigating transformations in
business models, customer journeys, and operational excellence. International Journal of
Advanced Research in Management, 12(1), 110–118. https://n9.cl/8ncer
Bueno, L., Sigahi, T., Rampasso, I., Leal, W., & Anholon, R. (2024). Impacts of digitization on
operational efficiency in the banking sector: Thematic analysis and research agenda proposal.
International Journal of Information Management Data Insights, 4(1), 100230.
https://doi.org/10.1016/j.jjimei.2024.100230
Delagrammatikas, M., Stelios, S., & Tzavaras, P. (2025). The role of RPA and data analysis in the
transformation of the insurance and banking industries. Encyclopedia, 5(4), 155.
https://doi.org/10.3390/encyclopedia5040155
Flores-Panaifo, J., & Auccahuasi, W. (2025). Implementation of RPA for automated access management
in information systems in a financial company. In Proceedings of the 6th International Conference
on Data Intelligence and Cognitive Informatics (ICDICI) (pp. 1567–1572). IEEE.
https://doi.org/10.1109/ICDICI66477.2025.11134879
Gavade, D. (2024). AI-driven process automation in manufacturing business administration: Efficiency
and cost-efficiency analysis. IET Conference Proceedings, 2023(44), 677–684.
https://doi.org/10.1049/icp.2024.1038
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (566-581)
ISSN: 2960-8317
Christian Rolando Zapata León, Jose Ovidio Flores Gutierrez, Oscar Rafael Tinoco Gomez 580
Gómez-Maguiña, A., & Sierra-Liñán, F. (2024). Análisis de la inteligencia artificial en la automatización
de procesos comerciales de las empresas: : una revisión sistemática de la literatura científica.
LEIRD, 1(1), 288. https://dx.doi.org/10.18687/LEIRD2024.1.1.288
Habinshuti, J. (2024). Interoperability of information systems: Case of higher learning institutions in Rwanda—
Challenges and the way forward [Master’s thesis, University of Rwanda]. https://n9.cl/y9971
Hair, J., & Alamer, A. (2022). Partial least squares structural equation modeling (PLS-SEM) in second
language and education research: Guidelines using an applied example. Research Methods in
Applied Linguistics, 1(3), 100027. https://doi.org/10.1016/j.rmal.2022.100027
Hair, J., Hult, G., Ringle, C., & Sarstedt, M. (2022). A primer on partial least squares structural equation
modeling (PLS-SEM) (3rd ed.). SAGE Publications.
Kock, N., & Hadaya, P. (2018). Minimum sample size estimation in PLS-SEM: The inverse square root
and gamma-exponential methods. Information Systems Journal, 28(1), 227–261.
https://doi.org/10.1111/isj.12131
Martínez, M., & Fierro, E. (2018). Aplicación de la técnica PLS-SEM en la gestión del conocimiento: Un
enfoque técnico práctico. RIDE Revista Iberoamericana para la Investigación y el Desarrollo
Educativo, 8(16), 130–164. https://doi.org/10.23913/ride.v8i16.336
Mejía, S., Nava, J., & Cedeño, R. (2025). La participación de la inteligencia artificial en la toma de
decisiones gerenciales. Revista InveCom, 5(4), e504021. https://doi.org/10.5281/zenodo.14816449
Mökander, J., Morley, J., Taddeo, M., & Floridi, L. (2021). Ethics-based auditing of automated decision-
making systems: Nature, scope, and limitations. Science and Engineering Ethics, 27, 44.
https://doi.org/10.1007/s11948-021-00319-4
Rahman, M. (2023). The effect of business intelligence on bank operational efficiency and perceptions
of profitability. FinTech, 2(1), 99–119. https://doi.org/10.3390/fintech2010008
Rivera, C., Latorre, L., Rego, E., & de Leo, L. (2024). Tech report: RPA. Inter-American Development
Bank. https://publications.iadb.org/publications/english/document/Tech-Report-RPA.pdf
Shela, V., Ramayah, T., Aravindan, K., Ahmad, N., & Alzahrani, A. (2023). Run! This road has no
ending! A systematic review of PLS-SEM application in strategic management research among
developing nations. Heliyon, 9(12). https://doi.org/10.1016/j.heliyon.2023.e22476
Sganderla, R., Fantinato, M., & Thom, L. (2023). Robotic process automation in Latin American
organizations: Survey and evaluation of the current state of technology adoption. Proceedings
of the XIX Brazilian Symposium on Information Systems (pp. 459–467). Association for Computing
Machinery. https://doi.org/10.1145/3592813.3592938
Taddeo, M., & Floridi, L. (2018). How AI can be a force for good. Science, 361(6404), 751–752.
https://doi.org/10.1126/science.aat5991
Waqar, A., Othman, I., Falqi, I., Almujibah, H., Alshehri, A., Alsulamy, S., & Benjeddou, O. (2023).
Assessment of barriers to robotics process automation (RPA) implementation in safety
management of tall buildings. Buildings, 13(7), 1663. https://doi.org/10.3390/buildings13071663
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (566-581)
ISSN: 2960-8317
Christian Rolando Zapata León, Jose Ovidio Flores Gutierrez, Oscar Rafael Tinoco Gomez 581
Transparencia
Conflicto de interés
Los autores declaran que no existen conflictos de interés de naturaleza alguna como parte de la
presente investigación.
Fuente de financiamiento
Los autores financiaron completamente la investigación.
Contribución de autoría
Christian Rolando Zapata León: Conceptualización, metodología, validación, análisis formal,
investigación, visualización, redacción - preparación del borrador original, redacción - revisión y
edición, financiamiento, administración del proyecto, recursos, supervisión.
Jose Ovidio Flores Gutierrez: Conceptualización, metodología, software, validación, análisis formal,
investigación, gestión de datos, redacción - preparación del borrador original, redacción - revisión y
edición, financiamiento, recursos.
Oscar Rafael Tinoco Gomez: Conceptualización, metodología, análisis formal, investigación, gestión
de datos, redacción - preparación del borrador original, redacción - revisión y edición, financiamiento,
recursos.
Los autores contribuyeron activamente en el análisis de los resultados, revisión y aprobación del
manuscrito final.
