Generative Artificial Intelligence (GAI) is emerging as a promising tool with which to improve strategic decision-making in a business environment characterized by increasing complexity. There are external and internal factors that are part of the success of entrepreneurial initiatives. Relevant factors that make decision-making effective include the technological environment, as an external factor, and innovation, as an internal factor. Methods: This study reviews the existing literature on implementing GAI in business decision-making. It assesses its short-, medium- and long-term effects, considering the interaction between GAI and human judgment. Challenges related to uncertainty, complexity, and ambiguity are examined, and the relevant literature is reviewed to understand these aspects comprehensively. Results: The review shows that, despite the advanced capabilities of GAI to analyze data and generate patterns, human judgment remains crucial in situations of high uncertainty. The results suggest that combining GAI with human expertise can improve the accuracy and efficiency of strategic decision-making by integrating the strengths of both parties. Conclusions: The implementation of GAI can offer significant improvements in the efficiency and accuracy of business decisions. However, human judgment and experience remain essential, especially in uncertain contexts. The key to maximizing the benefits of GAI lies in finding the right balance between artificial intelligence and human capital.

This study investigated the key determinants of entrepreneurship in Ambato, Ecuador, through the application of predictive statistical models. The primary objective was to identify critical variables that influence the success and sustainability of entrepreneurial ventures in the region. A quantitative research design was employed, utilizing multivariate statistical techniques, including decision trees, random forest, and Principal Component Analysis (PCA). Data were collected through structured surveys administered to local entrepreneurs, addressing variables including demographics, education, initial investment, and business operations. The analysis revealed that factors such as geographic location, the entrepreneur’s educational attainment, business tenure, and operational characteristics have a significant influence on entrepreneurial viability. On the basis of these findings, the study proposes a predictive model to assist both policymakers and entrepreneurs in evaluating and enhancing business development strategies. The insights gained offer practical implications: entrepreneurs can refine their strategies for greater effectiveness, while local authorities can craft supportive policies, such as training programs and improved access to financing. The study highlights the importance of entrepreneurship education and targeted support for underdeveloped areas, thereby contributing to broader economic inclusion and enhanced employment opportunities in the region.

El propósito del presente trabajo de investigación es analizar la función de optimización de la producción y las aglomeraciones agrícolas de frutas tropicales no tradicionales en el Ecuador. Se utilizó la base de datos del Ministerio de Agricultura y Ganadería con datos de superficie, producción y rendimiento del periodo 2015-2021. Del Geo-portal del Agro Ecuatoriano a través de georreferenciación se estableció la zonificación agroecológica de los cultivos de piña, mango, maracuyá , aguacate, en las provincias limítrofes de mayor producción. Se calculó la función de optimización para cada clúster considerando las restricciones de superficie plantada, acceso a créditos, precios de venta y rendimiento, finalmente se aplicó un modelo correlacional entre la producción de frutas tropicales y el uso del suelo agrícola. Entre los resultados más destacados se muestra que la producción de frutas tropicales no tradicionales pasó de 387.503 toneladas en el 2015 a producir 436.513 toneladas en el 2021. La función de optimización alcanza un máximo de producción en cada una de las aglomeraciones, siendo la superficie plantada la restricción más significativa. Se concluye que la presencia de las aglomeraciones de frutas tropicales en el Ecuador permite la óptima producción agrícola considerando la superficie de plantación utilizada en cada provincia.

En la presente investigación se concentra en el sector de las compañías de servicios auxiliares, un sector poco conocido, pero de gran importancia para el sistema financiero nacional, el cual necesita proyectar y tener la certeza de estabilidad financiera como intermediario en las transacciones monetarias, es así que se evaluó la vulnerabilidad financiera empresarial de este sector, al cumplimiento de sus obligaciones operacionales, por tamaño como elemento importante en la gestión financiera. Se tomó la información financiera presentada en la página de la Superintendencia de Compañías, Valores y Seguros del periodo 2017-2022. Se emplearon dos modelos de predicción de quiebra empresarial de los autores Springate y Altman que presentaban ecuaciones con indicadores financieros ligados a liquidez, rendimiento, Rendimiento de los activos, nivel de endeudamiento, productividad y beneficio para los pasivos. Para aplicar los diferentes modelos de predicción se obtuvo la información de 50 empresas pertenecientes al sector, distribuidas por tamaño, los resultados arrojan que el sector no es vulnerable a incumplimiento de sus obligaciones operacionales, y que la fortaleza financiera está dada en la gestión de los activos corrientes por la naturaleza propia de la actividad, su porcentaje frente a la inversión total es mayor, las empresas medianas y grandes generan mayor robustez en el manejo de sus costos y gastos operacionales así como también establecen la generación de utilidades retenidas, las empresas pequeñas son más productivas que las empresas grandes y medianas en relación a la producción del ingreso a causa de la inversión.

The present study allows us to analyze the theoretical premises by comparing previous research that influences the study of the prediction of business insolvency; at the same time, it allows evaluating the use of financial indicators obtained with the application of business failure prediction models, determining if companies have financial difficulties through the information contained in the financial statements. A sample of 200 companies in the province of Tungurahua, made up of different economic sectors, was obtained in the period 2016-2019, and with the methodological use of each, the probability that a company is in a state of insolvency can be measured. Finally, the Altman and Ohlson models were compared, as analysis tools, which made it possible to evaluate the threats to financial stability; These models reached very important percentages of correct answers, allowing the making of pertinent decisions, avoiding the closure of these companies, in addition to being able to determine the degree of precision and reliability between the models around 70 to 90%. URL: https://revistas.uta.edu.ec/erevista/index.php/bcoyu/article/view/1797