Introducción

El punto de partida de este artículo se centra en la convergencia dinámica e ineludible entre la inteligencia artificial (IA) y la experiencia del usuario (UX), un binomio que define la era actual de la transformación digital.

La IA ya no se limita a ser una herramienta de optimización de procesos; de hecho, las proyecciones indican que el valor empresarial se orienta hacia una migración significativa impulsada por el crecimiento generado por la IA (^{Accenture, 2024}). Esta perspectiva económica ha desatado una carrera por la adopción tecnológica, donde la calidad de la experiencia del usuario emerge como el principal diferenciador competitivo.

La capacidad de la IA para potenciar la personalización es innegable. Al procesar ingentes cantidades de big data, esta tecnología ofrece servicios adaptados que influyen directamente en la intención de compra y fortalecen la fidelización del cliente (^{Yun et al., 2024}). Asimismo, los sistemas autónomos -cuya presencia en los resultados de negocio se proyecta como clave para 2029 (^{Bradford, 2024})- evidencian un cambio fundamental en la forma en que se diseñan los productos y servicios.

No obstante, esta sofisticación técnica da origen a un problema de investigación crucial: la ganancia en funcionalidad se ve contrapesada por una creciente atención ética y emocional del usuario. La misma profundidad de personalización que se busca introduce serias preocupaciones sobre la privacidad, el sesgo algorítmico y la falta de transparencia en la toma de decisiones. Este dilema entre lo funcional y lo moral ha sido una preocupación central en las directrices éticas globales (^{Jobin et al., 2019}), y es lo que impulsa la necesidad de una revisión sistemática.

El marco teórico se fundamenta en los principios de la interacción humano-computadora, con énfasis particular en la inteligencia artificial centrada en el humano (HCAI). La esencia del HCAI es clara: la IA debe ser concebida como una herramienta que aumente y complemente las capacidades humanas, no que las sustituya, lo que exige que los sistemas sean confiables y seguros (^{Shneiderman, 2020}).

En este marco, el análisis se articula alrededor de componentes fundamentales. En primer lugar, existe una preocupación palpable en la literatura de que las prioridades técnicas de los desarrolladores puedan eclipsar las necesidades y la experiencia real del usuario, generando un vacío respecto a la pregunta: ¿dónde está el humano en la IA? (^{Bingley et al., 2023}). En segundo lugar, la confianza constituye la variable crítica que determina la adopción y aceptación, y por ello debe ser un componente explícito del diseño de la IA (^{Shneiderman, 2020}). Finalmente, en cuanto a la medición de la experiencia, se requieren métodos robustos que trasciendan la simple usabilidad. El desarrollo de escalas estandarizadas, como el modelo CASUX para agentes conversacionales, subraya la necesidad de medir la UX de la IA de forma sistemática y rigurosa (^{Faruk et al., 2025}).

El trabajo se justifica teóricamente en la necesidad de sintetizar el conocimiento fragmentado existente. Aunque los beneficios de la IA en términos de eficiencia y fidelización están documentados (^{Yun et al., 2024}), la literatura se encuentra dispersa. Los estudios existentes, si bien valiosos, no ofrecen una visión unificada de los efectos multidimensionales -positivos, negativos y éticos- que la IA está generando en la UX en diversos dominios.

La relevancia de esta investigación radica, desde el punto de vista académico, en proporcionar una síntesis sistemática, evaluativa y actualizada (2020-2025) que consolide los hallazgos dispersos y ofrezca una base sólida para futuras investigaciones. Desde una perspectiva metodológica, el estudio señala las brechas existentes en la evaluación de la experiencia del usuario en sistemas autónomos (^{Bingley et al., 2023}; ^{Faruk et al., 2025}). Finalmente, para los profesionales, el estudio destaca áreas críticas, especialmente la necesidad de adherirse a principios éticos y de confianza (^{Jobin et al., 2019}) para garantizar que la inversión en IA se traduzca en una ventaja competitiva sostenible.

Considerando el contexto de la rápida evolución de la IA y la necesidad de una comprensión integral de sus efectos en la experiencia del usuario, el presente estudio tuvo como objetivo identificar y evaluar los efectos del uso de la inteligencia artificial en la experiencia del usuario a partir de una revisión sistemática de la literatura publicada entre 2020 y 2025.

Por lo antes expuesto, la pregunta de investigación que guía este trabajo es: ¿cuáles son los efectos del uso de la inteligencia artificial en la experiencia del usuario entre 2020 y 2025?

Metodología

El presente estudio adopta un enfoque cualitativo, con un tipo de investigación descriptivo y exploratorio, sustentado en los principios de la revisión sistemática de la literatura científica. Este tipo de investigación secundaria permite identificar, analizar y sintetizar el conocimiento existente sobre un fenómeno de interés, aportando una visión integral del estado actual de la evidencia (^{Pardal-Refoyo & Pardal-Peláez, 2020}). El diseño metodológico corresponde a una revisión sistemática, entendida como un proceso estructurado y reproducible que recopila la evidencia disponible en torno a una pregunta de investigación específica. Su propósito es ofrecer una síntesis clara y transparente de los hallazgos más relevantes sobre los efectos del uso de la inteligencia artificial en la experiencia del usuario.

Como señalan ^{Villasís-Keever et al. (2020)}, este tipo de revisiones contribuye a consolidar el conocimiento existente, identificando vacíos y tendencias para futuras investigaciones. El carácter exploratorio y descriptivo se justifica porque el estudio busca reconocer patrones, enfoques y vacíos en la literatura reciente, sin realizar inferencias estadísticas. Esta aproximación resulta adecuada cuando los estudios primarios son heterogéneos y el análisis se centra en la síntesis cualitativa (^{Quintero & Vizcaíno, 2023}).

Criterios de inclusión y exclusión

Los criterios de inclusión considerados fueron: publicaciones entre los años 2020 y 2025, artículos científicos y revisiones sistemáticas vinculadas al uso de la inteligencia artificial y la experiencia del usuario, estudios en idioma inglés o español desarrollados en Europa, América o Asia, y de acceso abierto o con disponibilidad de texto completo. Los criterios de exclusión tomados en cuenta fueron: artículos duplicados, tesis, informes técnicos, documentos sin revisión por pares o con deficiencias metodológicas. El proceso de selección se basó en las directrices PRISMA 2020, permitiendo documentar las fases de identificación, cribado, elegibilidad e inclusión final.

Nota. PRISMA Flow Diagram of the Systematic Review Process.

Figura 1 Diagrama Prisma del proceso de revisión sistemática 

Resultados y discusión

Los hallazgos de la revisión sistemática evidencian que la inteligencia artificial ha transformado de manera sustancial la experiencia del usuario en diversos contextos, consolidándose como un eje transversal en los campos empresarial, educativo, tecnológico y de salud. En el ámbito corporativo, la IA se perfila como un motor de eficiencia y personalización. ^{Torres y Díaz-Torres (2020)} señalan que la aplicación de la IA en los modelos de negocios digitales mejora la relación con los clientes mediante sistemas de recomendación y predicción. De modo complementario, ^{Vera y Pico (2024)} destacan su papel en la automatización administrativa y la toma de decisiones estratégicas, mientras que ^{Guerrero et al. (2024)} evidencian incrementos en la agilidad operativa y la precisión financiera. Estos resultados se alinean con lo propuesto por ^{Zein (2024)}, ^{Mokoena y Obagbuwa (2025)} y ^{Virvou (2023)}, quienes resaltan que la personalización inteligente basada en IA incrementa la satisfacción, fortalece la fidelización del usuario y consolida la ventaja competitiva en entornos digitales.

Desde el diseño y la interacción humano-computadora, ^{Stige et al. (2024)} y ^{Rezwana y Maher (2022)} muestran que la IA potencia la creatividad del diseñador y mejora la eficiencia en la generación de prototipos, aunque la automatización total genera resistencia por la percepción de pérdida de control. En esta misma línea, ^{Lu et al. (2024)} sostienen que la IA debe complementar, y no reemplazar, la experiencia humana, priorizando la colaboración humano-IA, mientras que ^{Al-Ansari et al. (2024)} proponen un marco de seis pilares para fortalecer la confianza y la transparencia en los sistemas explicables.

En el campo educativo, la evidencia es convergente. ^{López-Regalado et al. (2024)} documentan que la IA personaliza el aprendizaje y mejora la satisfacción del estudiante mediante chatbots y robots educativos, mientras que ^{Romaní et al. (2025)} afirman que la IA generativa promueve la autonomía, el pensamiento crítico y la inclusión digital. De forma complementaria, ^{Valencia-Londoño et al. (2025)} destacan la alfabetización digital en adultos mayores mediante plataformas adaptativas, y ^{Van den Berg (2025)} resalta el impacto positivo en la enseñanza a distancia, aunque advierte sobre la necesidad de fortalecer la autoeficacia docente.

En el sector salud, ^{Wah (2025)} identifica que los chatbots híbridos aumentan la confianza y la adherencia de los pacientes, reforzando la dimensión emocional de la UX sanitaria. Estos resultados se enlazan con lo planteado por ^{Daly et al. (2025)}, quienes subrayan que la confianza en la IA depende del contexto de uso, particularmente en áreas sensibles como la medicina y las industrias creativas.

Respecto a la comunicación y el marketing, ^{Zúñiga et al. (2023)} y ^{Padilla (2024)} muestran que la IA impulsa experiencias del cliente altamente personalizadas, potenciando la interacción en canales digitales y en servicios bancarios. ^{Kuric et al. (2025)} complementan esta tendencia señalando un viraje hacia la detección automatizada de problemas de usabilidad mediante aprendizaje profundo, mientras que ^{Mokoena y Obagbuwa (2024)} evidencian el papel de la IA en la personalización de contenidos en plataformas de música digital, equilibrando eficacia y ética. ^{Zein (2024)} coincide en que las recomendaciones inteligentes son clave para la fidelización en el comercio electrónico.

No obstante, los resultados también revelan desafíos éticos y técnicos. ^{Virvou (2023)} y ^{Bach et al. (2022)} advierten que la “caja negra” algorítmica limita la transparencia y la confianza del usuario. ^{Vera y Pico (2024)} y ^{Guerrero et al. (2024)} destacan la urgencia de abordar la privacidad y la seguridad de los datos, mientras que ^{Stige et al. (2024)} alertan sobre la pérdida de autonomía en el diseño automatizado. ^{Romaní et al. (2025)} y ^{Van den Berg (2025)} refieren preocupaciones sobre la integridad académica frente al uso masivo de IA generativa, un riesgo que ^{Daly et al. (2025)} vinculan con la falta de mecanismos de rendición de cuentas en contextos organizacionales.

De manera transversal, la literatura coincide en que el desarrollo de la inteligencia artificial debe orientarse hacia un enfoque centrado en el ser humano, sustentado en principios de transparencia, ética y explicabilidad (^{Al-Ansari et al., 2024}; ^{Rezwana & Maher, 2022}).

En este marco, los estudios revisados revelan tres dimensiones complementarias de impacto: por un lado, los efectos positivos que resaltan la capacidad de la IA para potenciar la personalización, la eficiencia y la calidad de la interacción; en contraste, los efectos negativos evidencian desafíos relacionados con la opacidad algorítmica, los sesgos y la pérdida de control humano; y, finalmente, una dimensión evolutiva, donde se observa una transición gradual desde los enfoques puramente técnicos de automatización hacia modelos colaborativos, explicables e inclusivos.

En cuanto a la tendencia temporal, los estudios entre 2020 y 2025 (^{Bach et al., 2022}; ^{Bandi et al., 2023}; ^{Kuric et al., 2025}; ^{Stige et al., 2024}; ^{Torres & Díaz-Torres, 2020}; ^{Yang et al., 2020}) evidencian un desplazamiento progresivo: de la IA como herramienta funcional a la IA como aliado cognitivo y creativo. Se observa también un auge de la IA generativa, los modelos de lenguaje extensos y las metodologías mixtas aplicadas a la experiencia del usuario. Así, la presente revisión aporta una visión integradora de 22 estudios, destacando la IA como un agente dual: potenciador de experiencias y detonante de nuevos retos éticos, metodológicos y humanos.

Conclusiones

El análisis realizado permite afirmar que la inteligencia artificial se ha consolidado como un catalizador de innovación en la experiencia del usuario, modificando no solo la forma en que las personas interactúan con los sistemas digitales, sino también la manera en que se diseñan y evalúan dichas experiencias. La evidencia revisada demuestra que la IA contribuye significativamente a la personalización, la eficiencia y la capacidad predictiva de los servicios, aunque simultáneamente plantea dilemas éticos y epistemológicos que no pueden ser ignorados.

En el ámbito empresarial, la IA redefine la gestión, optimiza la toma de decisiones y fortalece la relación con el cliente. En la educación, amplía las posibilidades de inclusión y aprendizaje adaptativo, consolidándose como un recurso clave para el desarrollo cognitivo y emocional. En el diseño y la interacción humano-computadora, la colaboración entre humanos y algoritmos emerge como el modelo más prometedor, basado en la explicabilidad y la confianza. En conjunto, estos avances confirman que la IA no sustituye al ser humano, sino que lo amplifica.

No obstante, las investigaciones también revelan tensiones persistentes entre funcionalidad y ética, así como entre eficiencia técnica y bienestar humano. Los desafíos relativos a la transparencia, la privacidad de los datos y la integridad académica requieren una gobernanza ética y políticas de control más robustas. La formación en alfabetización digital y en ética de la IA se presenta como una condición necesaria para una implementación responsable.

En cuanto a las perspectivas futuras, es imperativo continuar con investigaciones interdisciplinarias que profundicen en cómo la IA influye en la percepción, la emoción y la toma de decisiones de los usuarios, especialmente en contextos latinoamericanos donde la evidencia aún es limitada. Aunque la IA ofrece oportunidades para una UX más humana y sostenible, persisten vacíos que deben abordarse: el impacto de la automatización cognitiva en decisiones críticas, el equilibrio entre explicabilidad y rendimiento técnico, y la mitigación de sesgos algorítmicos. También se requieren estudios longitudinales que evalúen los efectos en la autonomía, la confianza y el bienestar digital, abriendo así una agenda de investigación para futuros estudios.