ENSAYOS

Permanent URI for this collection

https://dspace.ulead.ac.cr/handle/123456789/345

Browse

Browsing ENSAYOS by Issue Date

Filter results by year or month
Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Una metodología, tres lentes: El análisis de semántica de mercado como base empírica para el posicionamiento y el jobs to be done en marketing digital
    (Editorial ULEAD, 2026-08-13) Fervoy, Paul
    Este ensayo propone la integración de tres marcos analíticos en una secuencia metodológica única para el marketing digital: el Análisis de Semántica de Mercado (MSA)1, el marco Jobs to Be Done (JTBD) desarrollado por Clayton Christensen y colaboradores, y el framework de posicionamiento de April Dunford. El argumento central es que estos tres marcos responden a preguntas distintas sobre el mismo comprador y que su uso secuencial produce resultados que ninguno logra en forma aislada. El MSA, que parte del análisis sistemático del lenguaje real con que los compradores buscan productos y servicios, opera como capa de evidencia inductiva que precede al razonamiento deductivo del posicionamiento. El JTBD actúa como capa interpretativa que recupera la motivación relacionada al lenguaje de búsqueda. Dunford sintetiza ambas capas en una declaración de posicionamiento defendible. El ensayo documenta la aplicación práctica de esta secuencia mediante dos estudios de caso: una floristería de comercio electrónico en Costa Rica y un fabricante de sistemas de toldos retráctiles para uso comercial en los Estados Unidos. Los hallazgos evidencian una asimetría fundamental entre los aportes de MSA al componente motivacional y al componente de barreras del JTBD, con implicaciones directas para el diseño de programas de investigación cualitativa. Se introduce un sistema de cuatro niveles de evidencia para formalizar esta asimetría como herramienta práctica de análisis.
  • Thumbnail Image
    Item
    IA: de la asimetría de información a la asimetría de validación
    (Editorial ULEAD, 2026-08-13) Zolezzi Hernández, Sandro
    Este artículo propone una reinterpretación del problema clásico de la asimetría de información en el contexto de la inteligencia artificial generativa. Mientras la literatura tradicional ha planteado que la IA reduce las brechas informativas al democratizar el acceso al conocimiento, este trabajo sostiene que dicha tecnología no elimina la asimetría, sino que la transforma. En particular, desplaza el eje del problema desde el acceso a la información hacia la capacidad de validarla, dando origen a una nueva forma de asimetría: la asimetría de validación. A partir de la teoría de señalización, se argumenta que la reducción en el costo de producir outputs de alta calidad genera una inflación de señales, debilitando su capacidad de diferenciación. En este nuevo entorno, el valor económico ya no reside en los outputs generados, sino en la calidad de la interacción humano-IA que los produce. Esta interacción –caracterizada por la formulación de problemas, la iteración, la validación y la integración del conocimiento– se convierte en la nueva unidad de análisis. El artículo introduce además el concepto de aprendizaje colectivo, donde el valor de la IA es endógeno al proceso de interacción, y destaca el rol de los incentivos en la determinación de la calidad de uso. Finalmente, se argumenta que la ventaja competitiva en la economía digital no dependerá del acceso a la tecnología, sino de la capacidad de interactuar eficazmente con ella, generando nuevas brechas de carácter cognitivo.