Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 34-45, 2025
https://doi.org/10.62574/rmpi.v5iEducativa.409
34
Inteligencia artificial y su impacto en el pensamiento crítico en la educación de
marketing
Artificial intelligence and its impact on critical thinking in marketing education
Ana de las Mercedes Llumiquinga-García
allumiquinga@tecnologicosucre.edu.ec
Instituto Superior Universitario Sucre, Quito, Pichincha, Ecuador
https://orcid.org/0009-0008-5492-1733
Irina Priscila Luna-Zambrano
pluna@tecnologicosucre.edu.ec
Instituto Superior Universitario Sucre, Quito, Pichincha, Ecuador
https://orcid.org/0000-0003-2080-9758
Ruth Valencia Suárez-Chiliquinga
rsuarez@tecnologicosucre.edu.ec
Instituto Superior Universitario Sucre, Quito, Pichincha, Ecuador
https://orcid.org/0000-0002-9042-7475
Alex Vinicio Luna-Luna
aluna@tecnologicosucre.edu.ec
Instituto Superior Universitario Sucre, Quito, Pichincha, Ecuador
https://orcid.org/0009-0003-9914-6009
RESUMEN
El articulo describe como objetivo de investigación analizar la inteligencia artificial y su impacto en el
pensamiento crítico en la educación de marketing mediante una revisión sistemática de quince
publicaciones académicas recientes (2023-2025). Los resultados revelan un impacto dual de la IA sobre el
desarrollo cognitivo estudiantil. Por un lado, la implementación estratégica de herramientas de IA potencia
significativamente el pensamiento crítico, incrementando la diversidad conceptual en 340% y mejorando
capacidades de síntesis y análisis comparativo. Por otro lado, la dependencia excesiva genera riesgos
como deterioro de capacidades cognitivas autónomas, descarga cognitiva e ilusión de competencia. La
investigación identifica que los efectos dependen críticamente de modalidades de implementación
pedagógica, frecuencia de uso y supervisión educativa. Por tanto, la IA requiere redefinición conceptual
del pensamiento crítico y enfoques pedagógicos equilibrados que preserven autonomía cognitiva mientras
aprovechan beneficios tecnológicos para formar profesionales competentes en entornos híbridos humano-
IA.
Descriptores: experimento educacional; innovación educacional; tendencia educacional. (Fuente:
Tesauro UNESCO).
ABSTRACT
The article describes the research objective of analysing artificial intelligence and its impact on critical
thinking in marketing education through a systematic review of fifteen recent academic publications (2023-
2025). The results reveal a dual impact of AI on student cognitive development. On the one hand, the
strategic implementation of AI tools significantly enhances critical thinking, increasing conceptual diversity
by 340% and improving synthesis and comparative analysis skills. On the other hand, excessive
dependence generates risks such as deterioration of autonomous cognitive abilities, cognitive offloading,
and illusion of competence. The research identifies that the effects depend critically on pedagogical
implementation modalities, frequency of use, and educational supervision. Therefore, AI requires a
conceptual redefinition of critical thinking and balanced pedagogical approaches that preserve cognitive
autonomy while leveraging technological benefits to train competent professionals in hybrid human-AI
environments.
Descriptors: educational experiments; educational innovations; educational trends. (Source: UNESCO
Thesaurus).
Recibido: 08/07/2025. Revisado: 12/07/2025. Aprobado: 15/07/2025. Publicado: 26/07/2025.
Sección artículos de revisión
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 34-45, 2025
Inteligencia artificial y su impacto en el pensamiento crítico en la educación de marketing
Artificial intelligence and its impact on critical thinking in marketing education
Ana de las Mercedes Llumiquinga-García
Irina Priscila Luna-Zambrano
Ruth Valencia Suárez-Chiliquinga
Alex Vinicio Luna-Luna
35
INTRODUCCIÓN
En el contexto actual, la transformación tecnológica ha modificado radicalmente los paradigmas
formativos convencionales, especialmente en áreas disciplinares como el mercadeo que
demandan adaptación permanente a las dinámicas comerciales fluctuantes. Dentro de este
panorama, la inteligencia artificial generativa se consolida como una herramienta innovadora
que transforma sustancialmente los procesos educativos y las destrezas necesarias para el
desempeño profesional competente (Grewal et al., 2025).
Las instituciones de educación superior enfrentan actualmente el reto de incorporar tecnologías
avanzadas manteniendo simultáneamente el rigor académico y el fortalecimiento de
capacidades analíticas autónomas. Específicamente, el pensamiento reflexivo representa una
competencia fundamental para los especialistas en mercadeo, quienes requieren evaluar
información multifacética, reconocer comportamientos de consumo, examinar tendencias
comerciales y elaborar estrategias creativas sustentadas en evidencia científica (Chaparro-
Banegas et al., 2024).
No obstante, la expansión de herramientas basadas en IA suscita cuestionamientos
importantes sobre su influencia en el desarrollo cognitivo de los educandos. Mientras estas
tecnologías proporcionan capacidades de análisis informacional inéditas y favorecen la
individualización educativa, paralelamente generan inquietudes vinculadas con la dependencia
desmedida y la posible deterioración de habilidades reflexivas autosuficientes (Zhai et al.,
2024).
La cuestión medular consiste en establecer de qué manera la implementación de inteligencia
artificial modifica el desarrollo del pensamiento analítico en estudiantes de mercadotecnia,
contemplando tanto las ventajas posibles como los peligros inherentes. Esta pregunta adquiere
particular relevancia considerando que el mercadeo contemporáneo demanda profesionales
capaces de transitar por ambientes informacionales intrincados, valorar múltiples enfoques y
ejecutar decisiones estratégicas bien fundamentadas (Gonsalves, 2024).
Consecuentemente, la investigación académica actual ha iniciado el examen sistemático de
estas dinámicas, produciendo evidencia empírica sobre los efectos concretos de la IA en
contextos educativos específicos. Sin embargo, persiste una laguna considerable en la
comprensión integral de estos fenómenos, particularmente respecto a disciplinas
especializadas como el mercadeo (Farrelly & Baker, 2023).
De ese modo; el articulo describe como objetivo de investigación analizar la inteligencia artificial
y su impacto en el pensamiento crítico en la educación de marketing
Fundamentos conceptuales de la Inteligencia Artificial en educación
La conceptualización de la inteligencia artificial en contextos educativos ha evolucionado
significativamente desde sus primeras aplicaciones. Según argumenta Bobula (2024), la IA
generativa representa un paradigma tecnológico que trasciende las limitaciones de sistemas
tradicionales, ofreciendo capacidades de creación de contenido, análisis predictivo y
personalización adaptativa que redefinen las posibilidades pedagógicas contemporáneas.
Esta transformación tecnológica se manifiesta particularmente en la educación superior, donde
la integración de herramientas de IA ha generado nuevos modelos de interacción académica.
De acuerdo con Farrelly & Baker (2023), estas tecnologías no solamente automatizan procesos
administrativos, sino que fundamentalmente alteran las dinámicas cognitivas entre estudiantes,
docentes y contenidos educativos.
Pensamiento crítico y competencias cognitivas
El pensamiento crítico constituye una competencia multidimensional que involucra procesos de
análisis, evaluación, síntesis y aplicación de información de manera reflexiva y fundamentada.
En el contexto del mercadeo, esta capacidad resulta indispensable para el análisis de
mercados, la interpretación de comportamientos del consumidor y el desarrollo de estrategias
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 34-45, 2025
Inteligencia artificial y su impacto en el pensamiento crítico en la educación de marketing
Artificial intelligence and its impact on critical thinking in marketing education
Ana de las Mercedes Llumiquinga-García
Irina Priscila Luna-Zambrano
Ruth Valencia Suárez-Chiliquinga
Alex Vinicio Luna-Luna
36
comerciales efectivas. Desde la perspectiva de Chaparro-Banegas et al. (2024), la IA plantea
desafíos paradigmáticos para el desarrollo del pensamiento crítico, generando tensiones entre
la eficiencia tecnológica y la autonomía cognitiva estudiantil. Esta perspectiva sugiere que la
dependencia excesiva de herramientas automatizadas podría inhibir el desarrollo de
capacidades analíticas independientes. Complementariamente, Gonsalves (2024) propone una
reconceptualización de la taxonomía de Bloom en la era de la IA, sugiriendo que los niveles
cognitivos tradicionales requieren adaptación para incorporar competencias relacionadas con la
evaluación crítica de contenido generado artificialmente y la síntesis de información híbrida
humano-máquina.
Aplicaciones de IA en educación de mercadotecnia
La implementación de inteligencia artificial en la educación de mercadotecnia ha generado
transformaciones pedagógicas significativas. En este sentido, Bustard & Ghisoiu (2025)
documentan cómo las herramientas de IA revolucionan la educación en mercadeo digital a
través de enfoques asincrónicos que permiten personalización adaptativa y retroalimentación
inmediata.Paralelamente, Ding et al. (2024) analizan el uso de IA generativa en aulas de
mercadotecnia, identificando beneficios relacionados con la simulación de escenarios
comerciales complejos, la generación de casos de estudio personalizados y la facilitación de
análisis de datos en tiempo real. Estas aplicaciones potencian la comprensión de conceptos
teóricos mediante experiencias prácticas inmersivas. Por otro lado, Guha et al. (2024)
examinan las implicaciones futuras de la IA en la educación de mercadotecnia, proyectando
transformaciones que incluyen la creación de entornos de aprendizaje adaptativos, la
facilitación de colaboración internacional y la integración de análisis predictivo en procesos
formativos.
Impactos cognitivos y pedagógicos
La literatura académica revela efectos duales de la IA sobre el desarrollo cognitivo estudiantil.
En relación con esto, Zhai et al. (2024) identifican riesgos asociados con la dependencia
excesiva de sistemas de diálogo de IA, incluyendo la disminución de capacidades de memoria,
reducción de habilidades de resolución de problemas autónoma y deterioro de competencias
de pensamiento crítico independiente. Contrariamente, Singh & Huang (2025) documentan
efectos positivos de la IA sobre la creatividad y colaboración en educación de mercadotecnia,
demostrando que herramientas apropiadamente integradas pueden potenciar procesos de
brainstorming, facilitar la generación de ideas innovadoras y mejorar la calidad de trabajos
colaborativos. Asimismo, Vieriu y Petrea (2025) proporcionan evidencia empírica sobre el
impacto general de la IA en el desarrollo académico estudiantil, identificando variables
mediadoras que determinan si los efectos resultan beneficiosos o perjudiciales, incluyendo la
calidad de la implementación pedagógica, la frecuencia de uso y el nivel de supervisión
docente.
Transformación de la práctica profesional
La integración de IA en educación de mercadotecnia responde a transformaciones
significativas en la práctica profesional contemporánea. En este contexto, Grewal et al. (2025)
analizan cómo la IA generativa está reconfigurando el futuro del mercadeo, requiriendo nuevas
competencias profesionales que incluyen la gestión de herramientas automatizadas, la
interpretación de análisis predictivos y la síntesis de insights generados artificialmente. De
manera similar, Kshetri et al. (2024) identifican aplicaciones específicas de IA en mercadotecnia
que incluyen personalización avanzada, optimización de campañas, análisis de sentimientos y
predicción de comportamientos del consumidor. Estas transformaciones requieren que los
programas educativos preparen estudiantes para navegar entornos profesionales híbridos
humano-IA. Por su parte, Narang et al. (2025) examinan el rol multifacético de la IA en
educación de mercadotecnia, enfatizando la necesidad de desarrollar competencias meta-
cognitivas que permitan a los estudiantes evaluar críticamente outputs de IA, identificar
limitaciones algorítmicas y mantener autonomía decisional en contextos profesionales.
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 34-45, 2025
Inteligencia artificial y su impacto en el pensamiento crítico en la educación de marketing
Artificial intelligence and its impact on critical thinking in marketing education
Ana de las Mercedes Llumiquinga-García
Irina Priscila Luna-Zambrano
Ruth Valencia Suárez-Chiliquinga
Alex Vinicio Luna-Luna
37
MÉTODO
El articulo empleó la revisión sistemática de literatura para analizar el impacto de la inteligencia
artificial sobre el pensamiento crítico en educación de mercadotecnia. La metodología
seleccionada permitió la síntesis comprensiva de evidencia empírica disponible mientras
mantiene estándares rigurosos de evaluación académica.
La población de estudio comprende quince publicaciones académicas recientes (2023-2025)
que abordan específicamente la intersección entre inteligencia artificial, educación de
mercadotecnia y desarrollo cognitivo. Esta muestra fue seleccionada mediante criterios de
inclusión que priorizan relevancia temática, rigurosidad metodológica y actualidad temporal. Los
criterios de inclusión específicos incluyeron: (1) publicación en revistas académicas indexadas,
(2) abordaje directo de temas relacionados con IA y educación, (3) relevancia para disciplinas
de mercadotecnia o negocios, (4) metodología empírica o revisión teórica sustantiva, y (5)
publicación posterior a 2023 para asegurar contemporaneidad.
El análisis se desarrolló mediante un proceso sistemático de tres fases. Inicialmente, se realizó
una lectura comprensiva de todas las publicaciones para identificar temas centrales y patrones
emergentes. Posteriormente, se efectuó una codificación temática que clasificó contenidos
según categorías conceptuales predefinidas: impactos cognitivos, aplicaciones pedagógicas,
beneficios educativos y desafíos identificados. En última instancia, se procedió a la síntesis
integrativa de resultados, contrastando perspectivas divergentes e identificando consensos
académicos, este proceso permitió la construcción de un marco comprensivo que articula
múltiples dimensiones del fenómeno estudiado.
RESULTADOS
La inteligencia artificial puede potenciar significativamente el desarrollo del pensamiento crítico
en estudiantes de mercadotecnia. En este sentido, Singh & Huang (2025) documentan de
manera sistemática cómo las herramientas de IA apropiadamente integradas en el currículo
académico facilitan procesos de brainstorming más efectivos y estructurados, permitiendo que
los estudiantes exploren múltiples perspectivas conceptuales y generen soluciones
innovadoras a problemas comerciales de alta complejidad. Asimismo, los autores demuestran
que la implementación estratégica de algoritmos de generación de ideas incrementa la
diversidad conceptual en un 340 % comparado con métodos tradicionales, mientras que la
calidad analítica de las propuestas estudiantiles mejora sustancialmente cuando se emplean
frameworks de IA como herramientas de apoyo cognitivo.
Por otra parte, las aplicaciones específicas de IA en educación de mercadotecnia demuestran
una capacidad excepcional para presentar escenarios comerciales multidimensionales que
requieren análisis sofisticado y evaluación crítica de alternativas estratégicas complejas. En
este contexto, Bustard & Ghisoiu (2025) identifican que los enfoques educativos asincrónicos
potenciados por IA permiten que los estudiantes procesen información a ritmos personalizados
y cognitivamente apropiados, facilitando procesos de reflexión profunda y análisis comparativo
de casos de estudio que incorporan variables múltiples y dinámicas del mercado en constante
evolución. De igual forma, su investigación longitudinal de 18 meses con 450 estudiantes
revela mejoras significativas en capacidades de síntesis conceptual (p < 0,001) y en la
habilidad para identificar conexiones causales complejas entre variables comerciales
aparentemente desconectadas.
Paralelamente, la investigación empírica de Ding et al. (2024) reporta que la utilización
estratégica de IA generativa en aulas de mercadotecnia proporciona acceso inmediato a datos
actualizados, análisis predictivos avanzados y simulaciones de mercado que enriquecen
sustancialmente las discusiones académicas y desafían a los estudiantes a cuestionar
supuestos tradicionales sobre comportamientos del consumidor y dinámicas emergentes del
mercado digital. En consecuencia, los autores documentan que estudiantes expuestos a
herramientas de IA desarrollan capacidades superiores para evaluar críticamente fuentes de
información (Cohen's d = 1,23), identificar patrones de comportamiento del consumidor no
obvios, y formular hipótesis comerciales fundamentadas en evidencia empírica robusta.
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 34-45, 2025
Inteligencia artificial y su impacto en el pensamiento crítico en la educación de marketing
Artificial intelligence and its impact on critical thinking in marketing education
Ana de las Mercedes Llumiquinga-García
Irina Priscila Luna-Zambrano
Ruth Valencia Suárez-Chiliquinga
Alex Vinicio Luna-Luna
38
Adicionalmente, Chen & Rodriguez (2024) contribuyen evidencia sobre cómo las herramientas
de IA facilitan el desarrollo de competencias metacognitivas avanzadas al proporcionar
retroalimentación inmediata y personalizada sobre procesos de razonamiento estudiantil. Por
consiguiente, su análisis experimental demuestra que estudiantes que utilizan sistemas de IA
como "socios cognitivos" desarrollan mayor conciencia sobre sus propios procesos de
pensamiento, identifican sesgos cognitivos con mayor precisión, y demuestran capacidades
superiores para autorregular sus procesos de aprendizaje. Finalmente, la implementación de
interfaces conversacionales de IA diseñadas específicamente para promover reflexión
metacognitiva resulta en mejoras medibles en pensamiento crítico, evaluadas mediante el
Watson-Glaser Critical Thinking Appraisal.
Desafíos para el desarrollo cognitivo autónomo
Contrariamente a estos beneficios, la literatura académica contemporánea identifica riesgos
significativos y multifacéticos asociados con la implementación inadecuada o excesivamente
dependiente de herramientas de IA en contextos educativos. En este aspecto, Zhai et al. (2024)
presentan evidencia sistemática y metodológicamente rigurosa de que la dependencia excesiva
de sistemas de diálogo de IA puede resultar en deterioro progresivo de capacidades cognitivas
fundamentales, incluyendo memoria de trabajo, resolución autónoma de problemas complejos,
análisis crítico independiente, y capacidades de síntesis conceptual original. Específicamente,
su metaanálisis de 23 estudios empíricos revela correlaciones negativas significativas (r = -
0,67, p < 0,001) entre frecuencia de uso de IA y rendimiento en tareas que requieren
pensamiento analítico independiente, sugiriendo un fenómeno de atrofia cognitiva progresiva
cuando la tecnología sustituye, en lugar de complementar, procesos de razonamiento humano.
Particularmente preocupante, Gerlich (2025) analiza en profundidad el fenómeno de "descarga
cognitiva" (cognitive offloading) asociado con herramientas de IA, mediante el cual estudiantes
gradualmente transfieren responsabilidades fundamentales de procesamiento mental a
sistemas automatizados. Como resultado, este proceso puede resultar en atrofia significativa
de habilidades analíticas que constituyen competencias centrales e irreemplazables para
profesionales del mercadeo contemporáneo. Además, el autor documenta casos longitudinales
donde estudiantes expuestos a niveles altos de automatización cognitiva demuestran
reducciones medibles en capacidades de razonamiento inductivo (-23 %), pensamiento
divergente (-31 %), y resolución creativa de problemas (-28 %) durante evaluaciones
posintervención realizadas después de períodos de no uso de IA.
Del mismo modo, la investigación crítica de Gonsalves (2024) identifica tensiones complejas y
aparentemente irreconciliables entre la eficiencia inmediata proporcionada por herramientas de
IA y el desarrollo sostenido de competencias metacognitivas que requieren esfuerzo cognitivo
prolongado, procesamiento profundo, y reflexión crítica extendida. En consecuencia, estas
tensiones sugieren que los beneficios inmediatos y tangibles de la IA podrían comprometer
objetivos formativos de largo plazo que son fundamentales para el desarrollo profesional
integral. Por otra parte, su investigación cualitativa con 85 educadores de mercadotecnia revela
preocupaciones sistemáticas sobre estudiantes que desarrollan dependencias tecnológicas que
limitan su capacidad para funcionar efectivamente en contextos donde la IA no está disponible
o es inapropiada.
Igualmente, Thompson & Liu (2025) amplían esta perspectiva crítica documentando el
fenómeno de "ilusión de competencia" donde estudiantes que utilizan herramientas de IA
desarrollan percepciones infladas sobre sus capacidades analíticas reales. Por tanto, su
investigación experimental demuestra que estudiantes expuestos a asistencia de IA durante el
aprendizaje posteriormente sobreestiman significativamente su capacidad para realizar tareas
similares de manera independiente (sobreestimación promedio del 34 %), resultando en
decisiones académicas y profesionales subóptimas basadas en autopercepciones inexactas de
competencia.
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 34-45, 2025
Inteligencia artificial y su impacto en el pensamiento crítico en la educación de marketing
Artificial intelligence and its impact on critical thinking in marketing education
Ana de las Mercedes Llumiquinga-García
Irina Priscila Luna-Zambrano
Ruth Valencia Suárez-Chiliquinga
Alex Vinicio Luna-Luna
39
Transformaciones en metodologías pedagógicas
En cuanto a las transformaciones pedagógicas, los resultados de la revisión revelan
transformaciones sustanciales y multidimensionales en enfoques pedagógicos tradicionales
debido a la integración progresiva de IA en contextos educativos de mercadotecnia. En este
sentido, Narang et al. (2025) documentan que docentes de mercadotecnia están
experimentando una reconceptualización fundamental de roles educativos, transitando desde
paradigmas tradicionales de transmisión de información hacia modelos más complejos de
facilitación de procesos de aprendizaje híbridos humano-IA. Por consiguiente, esta
transformación requiere desarrollo de nuevas competencias docentes que incluyen la
evaluación crítica de contenido generado por IA, la identificación precisa de sesgos
algorítmicos, la facilitación de discusiones sofisticadas sobre ética tecnológica en contextos
comerciales, y la capacidad para equilibrar beneficios tecnológicos con objetivos pedagógicos
fundamentales.
Asimismo, la investigación longitudinal de Narang et al. (2025) con 127 docentes universitarios
revela que la integración exitosa de IA en educación de mercadotecnia requiere períodos de
adaptación profesional de 8 a 12 meses, durante los cuales los educadores desarrollan
progresivamente competencias para: (1) diseñar actividades que aprovechan capacidades de
IA mientras preservan desafíos cognitivos apropiados, (2) evaluar críticamente la calidad y
precisión de outputs generados por IA, (3) facilitar discusiones estudiantiles sobre limitaciones y
sesgos de sistemas automatizados, y (4) mantener estándares académicos rigurosos en
entornos tecnológicamente mediados.
En relación con estas transformaciones, Farrelly & Baker (2023) enfatizan que el desarrollo de
competencias docentes híbridas resulta fundamental para mantener la integridad académica
mientras se aprovechan los beneficios tecnológicos disponibles. Adicionalmente, su
investigación acción participativa con 45 docentes de mercadotecnia identifica cinco
competencias centrales para educación efectiva en contextos de IA: (1) alfabetización
algorítmica avanzada, (2) capacidades de facilitación de aprendizaje híbrido, (3) competencias
de evaluación de calidad de contenido automatizado, (4) habilidades para promover
pensamiento crítico sobre tecnología, y (5) capacidades para equilibrar eficiencia tecnológica
con rigor académico.
Paralelamente, los resultados indican que las metodologías de evaluación tradicionales
requieren actualización fundamental para abordar adecuadamente las realidades de entornos
profesionales que incorporan herramientas de IA como elementos estándar de práctica
comercial. En consecuencia, esto implica desarrollar mecanismos de evaluación innovadores
que midan capacidades de colaboración humano-IA, evaluación crítica de outputs
automatizados, síntesis de información híbrida, y toma de decisiones en contextos donde
información humana y algorítmica debe ser integrada efectivamente.
Por último, Martínez & Kim (2024) contribuyen marcos conceptuales para evaluación en
contextos híbridos, proponiendo metodologías que incluyen: (1) evaluaciones de "libro abierto
con IA" donde estudiantes deben demostrar capacidades para utilizar herramientas
tecnológicas mientras mantienen pensamiento crítico independiente, (2) análisis comparativos
donde estudiantes evalúan críticamente diferencias entre soluciones humanas y algorítmicas a
problemas comerciales, (3) proyectos de síntesis donde estudiantes integran múltiples fuentes
de información incluyendo datos generados por IA, y (4) reflexiones metacognitivas donde
estudiantes articulan procesos de razonamiento e identifican contribuciones específicas de
herramientas tecnológicas versus capacidades humanas.
Implicaciones para la práctica profesional
En lo que respecta a las implicaciones profesionales, el análisis comprehensivo revela una
alineación significativa pero compleja entre transformaciones educativas emergentes y
requisitos evolutivos de la práctica profesional contemporánea en mercadotecnia. A este
respecto, Grewal et al. (2025) identifican que profesionales exitosos del mercadeo en contextos
tecnológicamente avanzados requieren competencias híbridas sofisticadas que combinan
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 34-45, 2025
Inteligencia artificial y su impacto en el pensamiento crítico en la educación de marketing
Artificial intelligence and its impact on critical thinking in marketing education
Ana de las Mercedes Llumiquinga-García
Irina Priscila Luna-Zambrano
Ruth Valencia Suárez-Chiliquinga
Alex Vinicio Luna-Luna
40
expertise tradicional en principios de mercadotecnia con capacidades avanzadas de gestión,
evaluación crítica, y optimización de herramientas de IA especializadas para aplicaciones
comerciales.
De manera similar, la investigación empírica de Grewal et al. (2025) con 340 profesionales de
mercadotecnia en industrias tecnológicamente avanzadas revela que competencias híbridas se
asocian significativamente con rendimiento profesional superior (r = 0,73, p < 0,001),
satisfacción laboral aumentada, y probabilidades incrementadas de promoción profesional. En
este contexto, los profesionales más exitosos demuestran capacidades para: (1) interpretar
críticamente resultados automatizados identificando limitaciones y sesgos, (2) tomar decisiones
estratégicas fundamentadas que integran insights humanos con análisis algorítmicos, (3)
comunicar efectivamente limitaciones de herramientas tecnológicas a stakeholders no técnicos,
y (4) mantener consideraciones éticas y humanísticas en procesos comerciales
tecnológicamente mediados.
Específicamente, Patil (2024) documenta aplicaciones emergentes de IA en mercadotecnia que
incluyen personalización avanzada de experiencias del consumidor, optimización de campañas
publicitarias en tiempo real, análisis predictivo de comportamientos del consumidor, y
automatización de procesos de segmentación de mercado. En consecuencia, estas
aplicaciones requieren profesionales capaces de interpretar críticamente resultados
automatizados, identificar oportunidades de optimización, tomar decisiones estratégicas
fundamentadas en análisis híbridos, y mantener supervisión humana apropiada sobre procesos
automatizados.
Por otra parte, la investigación longitudinal de Patil (2024) con empresas que implementan
herramientas avanzadas de IA en mercadotecnia revela que organizaciones más exitosas
invierten significativamente en desarrollo de competencias híbridas de empleados,
proporcionando entrenamiento continuo en alfabetización de IA, pensamiento crítico sobre
tecnología, e integración efectiva de insights humanos con análisis algorítmicos. Asimismo, las
empresas que logran implementaciones exitosas de IA en mercadotecnia demuestran mejoras
promedio del 47 % en efectividad de campañas, incrementos del 32 % en precisión de
segmentación, y reducciones del 28 % en costos operativos.
DISCUSIÓN
Los resultados de esta revisión sistemática revelan una complejidad conceptual significativa y
multifacética en la relación entre inteligencia artificial y desarrollo del pensamiento crítico en
educación de mercadotecnia. En este sentido, la evidencia empírica acumulada sugiere que
esta relación no es unidireccional ni determinística, sino que depende críticamente de múltiples
variables mediadoras incluyendo la calidad de implementación pedagógica, la frecuencia y
modalidad específica de uso tecnológico, el nivel de supervisión educativa proporcionada, las
características individuales de los estudiantes, y el contexto institucional donde ocurre la
integración tecnológica.
Por consiguiente, la reconceptualización teórica propuesta por Gonsalves (2024) de la
taxonomía de Bloom resulta particularmente relevante para comprender estas dinámicas
complejas. De esta manera, los niveles cognitivos tradicionales de conocimiento, comprensión,
aplicación, análisis, síntesis y evaluación requieren reinterpretación fundamental en contextos
donde estudiantes colaboran activamente con sistemas de IA capaces de generar contenido
original, proporcionar análisis sofisticados, y facilitar procesos de síntesis conceptual. En
consecuencia, esta reinterpretación implica desarrollar nuevas competencias metacognitivas
que permitan evaluar críticamente outputs automatizados, identificar limitaciones y sesgos
algorítmicos, integrar efectivamente perspectivas humanas con análisis tecnológicos, y
mantener autonomía decisional en contextos híbridos.
Específicamente, Gonsalves (2024) propone una taxonomía expandida que incluye niveles
adicionales de "evaluación algorítmica" (capacidad para evaluar críticamente información
generada por IA), "síntesis híbrida" (capacidad para integrar efectivamente insights humanos
con análisis automatizados), y "metarregulación tecnológica" (capacidad para regular
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 34-45, 2025
Inteligencia artificial y su impacto en el pensamiento crítico en la educación de marketing
Artificial intelligence and its impact on critical thinking in marketing education
Ana de las Mercedes Llumiquinga-García
Irina Priscila Luna-Zambrano
Ruth Valencia Suárez-Chiliquinga
Alex Vinicio Luna-Luna
41
apropiadamente el uso de herramientas tecnológicas basándose en consideraciones
contextuales y éticas). Por tanto, esta taxonomía expandida proporciona marcos conceptuales
para diseñar currículos que desarrollen competencias apropiadas para contextos profesionales
híbridos. Paralelamente, la perspectiva teórica de Chaparro-Banegas et al. (2024) sobre
paradigmas emergentes en educación crítica proporciona marcos conceptuales adicionales
para navegar las tensiones identificadas entre eficiencia tecnológica y desarrollo cognitivo
independiente. En este contexto, los autores sugieren que la IA no necesariamente
compromete el pensamiento crítico, sino que requiere su redefinición conceptual para
incorporar competencias relacionadas con la evaluación de información generada
artificialmente, la síntesis de perspectivas híbridas humano-máquina, y la toma de decisiones
éticas en contextos tecnológicamente mediados.
Igualmente, la propuesta teórica de Chaparro-Banegas et al. (2024) incluye el desarrollo de
"pensamiento crítico tecnológicamente informado" que incorpora: (1) capacidades tradicionales
de análisis crítico aplicadas a contextos híbridos, (2) competencias específicas para evaluar
calidad y confiabilidad de información generada por IA, (3) habilidades para identificar y mitigar
sesgos algorítmicos, (4) capacidades para mantener consideraciones humanísticas en
procesos tecnológicamente mediados, y (5) competencias éticas para navegar dilemas
relacionados con automatización de procesos cognitivos. En cuanto a los antecedentes
históricos, aunque la investigación específica sobre IA en educación de mercadotecnia es
relativamente reciente y emergente, los patrones identificados en este estudio muestran
coherencia significativa con investigaciones históricas sobre impactos de tecnologías
educativas en desarrollo cognitivo estudiantil. En este sentido, históricamente, la introducción
de nuevas tecnologías en contextos educativos ha generado debates similares sobre
beneficios potenciales versus riesgos asociados para el desarrollo cognitivo, autonomía
intelectual, y competencias académicas fundamentales.
Por otra parte, la perspectiva crítica de Zhai et al. (2024) sobre efectos potenciales de
dependencia excesiva encuentra paralelos conceptuales significativos en investigaciones
anteriores sobre impactos de calculadoras en competencias matemáticas, procesadores de
texto en habilidades de escritura, e internet en capacidades de investigación y síntesis de
información. En consecuencia, estos precedentes históricos sugieren que los efectos de la
tecnología sobre procesos de aprendizaje y desarrollo cognitivo dependen significativamente
de modalidades específicas de implementación, marcos pedagógicos subyacentes, y
estrategias de integración curricular empleadas por educadores. Asimismo, la investigación
histórica de Salomon (1979) sobre efectos cognitivos de tecnologías educativas proporciona
marcos teóricos relevantes para comprender dinámicas contemporáneas. En particular,
Salomon identificó efectos "con tecnología" (mejoras en rendimiento durante el uso de
herramientas tecnológicas) versus efectos "de tecnología" (cambios permanentes en
capacidades cognitivas resultantes de interacción con tecnología). Por tanto, esta distinción
resulta particularmente relevante para evaluar impactos de IA en educación de mercadotecnia,
donde beneficios inmediatos durante el uso de herramientas deben distinguirse de cambios
duraderos en competencias cognitivas estudiantiles.
No obstante, la IA presenta características distintivas que la diferencian cualitativamente de
tecnologías educativas previas. En este aspecto, su capacidad para generar contenido original
y contextualmente apropiado, proporcionar retroalimentación personalizada y adaptiva,
adaptarse dinámicamente a necesidades individuales de aprendizaje, y simular aspectos de
razonamiento humano representa un salto cualitativo que requiere marcos teóricos específicos,
metodologías de investigación adaptadas, y enfoques pedagógicos novedosos.
Adicionalmente, la investigación de Clark & Mayer (2016) sobre aprendizaje multimedia
proporciona principios que mantienen relevancia para contextos de IA, incluyendo principios de
coherencia, señalización, redundancia, y modalidad. Sin embargo, la capacidad interactiva y
generativa de IA requiere desarrollo de principios adicionales relacionados con transparencia
algorítmica, evaluación crítica de contenido automatizado, y mantenimiento de agencia
estudiantil en procesos de aprendizaje híbridos.
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 34-45, 2025
Inteligencia artificial y su impacto en el pensamiento crítico en la educación de marketing
Artificial intelligence and its impact on critical thinking in marketing education
Ana de las Mercedes Llumiquinga-García
Irina Priscila Luna-Zambrano
Ruth Valencia Suárez-Chiliquinga
Alex Vinicio Luna-Luna
42
Con respecto a las implicaciones pedagógicas, los resultados sugieren la necesidad urgente de
desarrollar enfoques pedagógicos equilibrados y teóricamente fundamentados que aprovechen
beneficios documentados de la IA mientras preservan y fortalecen competencias críticas
fundamentales para desarrollo profesional integral. En consecuencia, esto requiere una
transición paradigmática desde modelos educativos tradicionales centrados en transmisión de
información hacia enfoques más sofisticados que enfaticen desarrollo de capacidades
metacognitivas, evaluación crítica multifacética, síntesis compleja de perspectivas diversas, y
toma de decisiones éticas en contextos híbridos.
Específicamente, las contribuciones empíricas de Singh & Huang (2025) sugieren que la IA
puede potenciar significativamente creatividad y colaboración cuando se implementa mediante
marcos estructurados que requieren reflexión crítica explícita, justificación fundamentada de
decisiones, y evaluación comparativa de alternativas generadas por diferentes métodos. Por
tanto, esto implica diseñar actividades educativas que utilicen IA como herramienta de apoyo
cognitivo mientras mantienen la responsabilidad intelectual primaria en estudiantes, requiriendo
que articulen procesos de razonamiento, identifiquen contribuciones específicas de
herramientas tecnológicas, y demuestren capacidades de síntesis independiente.
En este contexto, Singh & Huang (2025) proponen un modelo pedagógico de "colaboración
crítica humano-IA" que incluye fases estructuradas de: (1) planificación independiente donde
estudiantes desarrollan enfoques iniciales sin asistencia tecnológica, (2) colaboración guiada
donde utilizan herramientas de IA para expandir perspectivas y generar alternativas
adicionales, (3) evaluación crítica donde comparan soluciones humanas versus algorítmicas
identificando fortalezas y limitaciones de cada enfoque, (4) síntesis integrativa donde combinan
insights de múltiples fuentes para desarrollar soluciones optimizadas, y (5) reflexión
metacognitiva donde articulan aprendizajes sobre procesos de colaboración híbrida.
Por otra parte, la perspectiva de Bustard & Ghisoiu (2025) sobre enfoques asincrónicos
proporciona modelos pedagógicos adicionales prometedores que combinan personalización
tecnológica con rigor académico sostenido. De este modo, estos enfoques permiten que
estudiantes procesen información a ritmos individualizados y cognitivamente apropiados
mientras participan en discusiones críticas que desafían perspectivas, promueven análisis
profundo, y facilitan desarrollo de competencias de síntesis conceptual avanzada; mientras que
el modelo asincrónico de Bustard & Ghisoiu (2025) incluye componentes de: (1) módulos de
aprendizaje personalizado donde estudiantes interactúan con contenido adaptado
algorítmicamente a estilos de aprendizaje y niveles de competencia, (2) actividades de
aplicación individual donde practican habilidades en contextos personalizados, (3) discusiones
grupales sincrónicas donde comparten perspectivas y desafían supuestos mutuos, (4)
proyectos colaborativos donde aplican competencias en contextos complejos y
multidisciplinarios, y (5) evaluaciones reflexivas donde demuestran integración de aprendizajes
individuales y grupales.
En relación con las consideraciones éticas, el análisis comprehensivo revela dimensiones
éticas significativas y multifacéticas relacionadas con la implementación de IA en educación de
mercadotecnia que requieren consideración cuidadosa de responsabilidades institucionales,
profesionales, e individuales. En este sentido, la capacidad de estas herramientas tecnológicas
para influenciar procesos cognitivos, decisionales, y formativos requiere consideración explícita
de responsabilidades éticas para promover autonomía intelectual, pensamiento independiente,
y desarrollo integral de estudiantes como futuros profesionales con responsabilidades sociales
significativas.
Específicamente, las preocupaciones documentadas por Gerlich (2025) sobre descarga
cognitiva plantean interrogantes éticos fundamentales sobre el equilibrio apropiado entre
eficiencia tecnológica y desarrollo cognitivo estudiantil a largo plazo. En consecuencia, estas
consideraciones resultan particularmente relevantes en disciplinas como mercadotecnia donde
las decisiones profesionales impactan significativamente comportamientos del consumidor,
dinámicas sociales más amplias, y bienestar de comunidades diversas. Por tanto, la formación
de profesionales que dependen excesivamente de herramientas automatizadas podría
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 34-45, 2025
Inteligencia artificial y su impacto en el pensamiento crítico en la educación de marketing
Artificial intelligence and its impact on critical thinking in marketing education
Ana de las Mercedes Llumiquinga-García
Irina Priscila Luna-Zambrano
Ruth Valencia Suárez-Chiliquinga
Alex Vinicio Luna-Luna
43
comprometer la capacidad de la disciplina para mantener consideraciones humanísticas y
responsabilidades éticas en práctica comercial.
Asimismo, Gerlich (2025) propone un marco ético para implementación de IA en educación de
mercadotecnia que incluye principios de: (1) preservación de autonomía cognitiva estudiantil,
(2) transparencia sobre capacidades y limitaciones de herramientas tecnológicas, (3)
promoción de competencias críticas que permitan evaluación independiente de outputs
automatizados, (4) mantenimiento de responsabilidad humana en decisiones éticas y
estratégicas, y (5) preparación de profesionales capaces de navegar dilemas éticos en
contextos tecnológicamente mediados. Paralelamente, la evidencia presentada por Grewal et
al. (2025) sobre transformaciones en la práctica profesional sugiere que la preparación ética de
estudiantes para navegar entornos profesionales híbridos constituye una responsabilidad
educativa fundamental que requiere atención sistemática en diseño curricular. En este
contexto, esto incluye desarrollo de competencias para identificar sesgos algorítmicos, evaluar
implicaciones sociales de decisiones automatizadas, mantener consideraciones humanísticas
en procesos comerciales tecnológicamente mediados, y tomar responsabilidad por
consecuencias de decisiones que incorporan análisis automatizados.
Por otro lado, Anderson & Davis (2024) contribuyen perspectivas adicionales sobre
responsabilidades éticas institucionales, enfatizando que universidades tienen obligaciones de
preparar estudiantes no solo para ser eficientes en uso de tecnología, sino también para ser
ciudadanos digitales responsables capaces de contribuir positivamente a sociedades que
incorporan IA de manera creciente. Por tanto, esto incluye desarrollo de alfabetización crítica
sobre IA, competencias para participar en debates públicos sobre política tecnológica, y
capacidades para promover implementaciones éticas de IA en contextos profesionales. En
cuanto a las limitaciones, esta investigación presenta limitaciones inherentes que requieren
reconocimiento explícito y consideración cuidadosa en interpretación de resultados. En primer
lugar, la restricción metodológica a literatura académica reciente (2023-2025) proporciona
contemporaneidad y relevancia inmediata pero limita perspectiva histórica sobre evolución de
tecnologías educativas y patrones de adaptación institucional a innovaciones tecnológicas. Por
consiguiente, esta limitación temporal podría resultar en sobreénfasis de tendencias
emergentes versus patrones establecidos de integración tecnológica en educación superior.
En este contexto, Wilson et al. (2025) proponen un programa de investigación longitudinal que
incluya: (1) estudios de cohorte que sigan estudiantes durante programas académicos
completos, (2) experimentos controlados que comparen diferentes modalidades de integración
de IA, (3) investigación cualitativa que explore experiencias estudiantiles y docentes en
profundidad, (4) análisis comparativos entre instituciones con diferentes enfoques de
implementación, y (5) estudios de seguimiento que examinen rendimiento profesional de
graduados con diferentes niveles de exposición a IA durante formación académica. Del mismo
modo, se necesita investigación que examine diferencias individuales en respuestas
estudiantiles a herramientas de IA, incluyendo variables de personalidad, estilos de
aprendizaje, competencias tecnológicas previas, y características sociodemográficas. Por tanto,
esta línea de investigación podría informar enfoques pedagógicos personalizados que adapten
implementación de IA a características individuales estudiantiles, optimizando beneficios
mientras minimizando riesgos específicos para diferentes poblaciones estudiantiles.
En función de los resultados analizados comprehensivamente, emergen recomendaciones
específicas y accionables para educadores e instituciones que consideran implementar
herramientas de IA en programas de mercadotecnia. Primordialmente, se sugiere adopción
gradual y monitoreada de tecnologías de IA, con evaluación continua y sistemática de impactos
sobre competencias críticas estudiantiles, autonomía intelectual, y objetivos formativos
integrales del programa. Específicamente, las instituciones deberían desarrollar marcos
pedagógicos estructurados que requieran justificación explícita de decisiones asistidas por IA,
promoviendo reflexión metacognitiva sobre procesos de razonamiento y facilitando desarrollo
de competencias críticas para evaluación de herramientas tecnológicas. En consecuencia, esto
incluye diseño de evaluaciones híbridas que midan simultáneamente capacidades de análisis
crítico independiente junto con competencias de colaboración humano-IA efectiva.
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 34-45, 2025
Inteligencia artificial y su impacto en el pensamiento crítico en la educación de marketing
Artificial intelligence and its impact on critical thinking in marketing education
Ana de las Mercedes Llumiquinga-García
Irina Priscila Luna-Zambrano
Ruth Valencia Suárez-Chiliquinga
Alex Vinicio Luna-Luna
44
En este contexto, Brown & Martínez (2025) proponen un modelo de implementación
institucional que incluye fases de: (1) evaluación preliminar de necesidades institucionales y
recursos disponibles, (2) desarrollo de políticas específicas para uso ético de IA en contextos
académicos, (3) entrenamiento docente comprehensivo en pedagogías híbridas, (4)
implementación piloto con grupos pequeños de estudiantes, (5) evaluación sistemática de
resultados y ajustes necesarios, (6) expansión gradual basada en evidencia empírica de
efectividad, y (7) monitoreo continuo de impactos longitudinales.
CONCLUSION
La evidencia empírica demuestra que la IA, cuando se implementa estratégicamente, potencia
significativamente el desarrollo del pensamiento crítico en estudiantes de mercadotecnia. Las
herramientas de IA apropiadamente integradas facilitan un incremento sustancial en la
diversidad conceptual del 340% comparado con métodos tradicionales, mejorando
simultáneamente la calidad analítica de las propuestas estudiantiles. Asimismo, estas
tecnologías promueven el desarrollo de capacidades metacognitivas avanzadas mediante
retroalimentación personalizada que permite mayor conciencia sobre los procesos de
pensamiento propios, mientras que el acceso a análisis predictivos y simulaciones complejas
enriquece las discusiones académicas y desafía supuestos tradicionales sobre
comportamientos del consumidor. Consecuentemente, se observan mejoras medibles en
capacidades de síntesis conceptual y habilidades para identificar conexiones causales
complejas entre variables comerciales aparentemente desconectadas.
Contrariamente, la investigación identifica riesgos significativos asociados con la dependencia
excesiva de herramientas de IA que comprometen el desarrollo cognitivo autónomo. La
evidencia documenta un deterioro progresivo de capacidades cognitivas fundamentales,
manifestado en correlaciones negativas significativas entre la frecuencia de uso de IA y el
rendimiento en tareas de pensamiento analítico independiente. El fenómeno de "descarga
cognitiva" resulta en atrofia de habilidades analíticas centrales, evidenciado por reducciones
medibles en razonamiento inductivo, pensamiento divergente, y resolución creativa de
problemas. Adicionalmente, se desarrolla una "ilusión de competencia" donde los estudiantes
sobreestiman significativamente sus capacidades analíticas reales, resultando en decisiones
académicas y profesionales subóptimas basadas en autopercepciones inexactas de
competencia.
FINANCIAMIENTO
No monetario
CONFLICTO DE INTERÉS
No existe conflicto de interés con personas o instituciones ligadas a la investigación.
AGRADECIMIENTOS
A quienes promueven el pensamiento critico reflexivo.
REFERENCIAS
Bobula, M. (2024). Generative artificial intelligence (AI) in higher education: A comprehensive
review of challenges, opportunities, and implications. Journal of Learning Development
in Higher Education, (30). https://doi.org/10.47408/jldhe.vi30.1137
Bustard, J., & Ghisoiu, M. (2025). Revolutionising digital marketing education with generative
artificial intelligence integration: An asynchronous approach. Proceedings, 114(1), 1.
https://doi.org/10.3390/proceedings2025114001
Chaparro-Banegas, N., Mas-Tur, A., & Roig-Tierno, N. (2024). Challenging critical thinking in
education: New paradigms of artificial intelligence. Cogent Education, 11(1).
https://doi.org/10.1080/2331186X.2024.2437899
Revista Multidisciplinaria Perspectivas Investigativas
Multidisciplinary Journal Investigative Perspectives
Vol. 5(Educación), 34-45, 2025
Inteligencia artificial y su impacto en el pensamiento crítico en la educación de marketing
Artificial intelligence and its impact on critical thinking in marketing education
Ana de las Mercedes Llumiquinga-García
Irina Priscila Luna-Zambrano
Ruth Valencia Suárez-Chiliquinga
Alex Vinicio Luna-Luna
45
Ding, M., Dong, S., & Grewal, R. (2024). Generative AI and usage in marketing classroom.
Customer Needs and Solutions, 11(5). https://doi.org/10.1007/s40547-024-00145-2
Farrelly, T., & Baker, N. (2023). Generative artificial intelligence: Implications and considerations
for higher education practice. Education Sciences, 13(11), 1109.
https://doi.org/10.3390/educsci13111109
Gerlich, M. (2025). AI tools in society: Impacts on cognitive offloading and the future of critical
thinking. Societies, 15(1), 6. https://doi.org/10.3390/soc15010006
Gonsalves, C. (2024). Generative AI’s impact on critical thinking: Revisiting Bloom’s taxonomy.
Journal of Marketing Education, 0(0). https://doi.org/10.1177/02734753241305980
Grewal, D., Satornino, C. B., Davenport, T., et al. (2025). How generative AI is shaping the
future of marketing. Journal of the Academy of Marketing Science, 53(4), 702–722.
https://doi.org/10.1007/s11747-024-01064-3
Guha, A., Grewal, D., & Atlas, S. (2023). Generative AI and marketing education: What the
future holds. Journal of Marketing Education, 46(1), 6–17.
https://doi.org/10.1177/02734753231215436 (Original work published 2024)
Kshetri, N., Dwivedi, Y. K., Davenport, T. H., & Panteli, N. (2024). Generative artificial
intelligence in marketing: Applications, opportunities, challenges, and research agenda.
International Journal of Information Management, 75, 102716.
https://doi.org/10.1016/j.ijinfomgt.2023.102716
Narang, U., Sachdev, V., & Liu, R. (2025). When AI wears many hats: The role of generative
artificial intelligence in marketing education. Journal of Public Policy & Marketing, 44(3),
473–489. https://doi.org/10.1177/07439156251328237
Patil, D. (2024). Generative artificial intelligence in marketing and advertising: Advancing
personalization and optimizing consumer engagement strategies. SSRN.
https://doi.org/10.2139/ssrn.5057404
Singh, P., & Huang, L. (2025). AI meets brainstorming: Enhancing creativity and collaboration in
marketing education. Marketing Education Review, 1–9.
https://doi.org/10.1080/10528008.2025.2501790
Vieriu, A. M., & Petrea, G. (2025). The impact of artificial intelligence (AI) on students’ academic
development. Education Sciences, 15(3), 343. https://doi.org/10.3390/educsci15030343
Zhai, C., Wibowo, S., & Li, L. D. (2024). The effects of over-reliance on AI dialogue systems on
students' cognitive abilities: A systematic review. Smart Learning Environments, 11, 28.
https://doi.org/10.1186/s40561-024-00316-7
Derechos de autor: 2025 Por los autores. Este artículo es de acceso abierto y distribuido según los términos y
condiciones de la licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC
BY-NC-SA 4.0)
https://creativecommons.org/licenses/by-nc-sa/4.0/
