Antecedentes: La rápida difusión de grandes modelos de lenguaje (LLMs) como Claude, ChatGPT, Gemini, LLaMA y Mistral está remodelando la logística y la gestión de la cadena de suministro al incorporar inteligencia generativa en los procesos de planificación, coordinación y gobernanza. Mientras que estudios previos enfatizan la capacidad algorítmica, se sabe mucho menos sobre cómo las diferencias en las vías de difusión moldean los resultados de productividad, la cognición gerencial y el control institucional. Métodos: Este estudio desarrolla y aplica un marco analítico integrador—la Tríada de Difusión de IA—que comprende Productividad, Perspectiva y Poder. Utilizando análisis cualitativo comparativo de cinco ecosistemas líderes de LLM, el estudio examina cómo la arquitectura técnica, los modelos de acceso y las estructuras de gobernanza influyen en los patrones de adopción y la integración operativa en contextos logísticos. Resultados: El análisis muestra que los resultados de la difusión dependen no solo del desempeño del modelo sino de la alineación sociotécnica entre sistemas de IA, flujos de trabajo humanos y gobernanza institucional. Las plataformas propietarias aceleran la productividad a través de la integración centralizada pero crean riesgos de dependencia, mientras que los ecosistemas de pesos abiertos apoyan la innovación localizada y una participación más amplia. Las diferencias en interpretabilidad y acceso moldean significativamente la confianza gerencial, el aprendizaje y la autonomía en la toma de decisiones a lo largo de los niveles de la cadena de suministro. Conclusiones: La adopción sostenible e inclusiva de IA en logística requiere equilibrar la eficiencia operativa con la interpretabilidad y la gobernanza equitativa. El estudio ofrece principios de diseño y políticas para alinear el despliegue tecnológico con la adaptación de la fuerza laboral y la resiliencia del ecosistema, y propone una agenda de investigación centrada en la gobernanza de la difusión más que solo en el avance algorítmico.
Building similarity graph...
Analyzing shared references across papers
Loading...
Paul Hong
Young B. Choi
Young Soo Park
Logistics
University of Toledo
Regent University
Midwest University
Building similarity graph...
Analyzing shared references across papers
Loading...
Hong et al. (Thu,) estudiaron esta cuestión.
www.synapsesocial.com/papers/698828620fc35cd7a8847d60 — DOI: https://doi.org/10.3390/logistics10020040
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: