DE LO TRANSACCIONAL A LO HUMANO: CÓMO LA INTELIGENCIA ARTIFICIAL ESTÁ REDEFINIENDO EL MARKETING RELACIONAL EN EMPRESAS DE SERVICIOS DEL ESTADO DE RIO GRANDE DO SUL – BRASIL

FROM TRANSACTIONAL TO HUMAN: HOW ARTIFICIAL INTELLIGENCE IS REDEFINING RELATIONAL MARKETING IN SERVICE COMPANIES IN THE STATE OF RIO GRANDE DO SUL – BRAZIL

Marlise Alves Silva [*]Profesora de grado y posgrado en marketing Internacional en ESPM-Sul, Facultad Dom Bosco de Porto Alegre y Unisinos (Brasil).

ESPM, Brasil

Prof. Dr. João Capelli [**]Profesor en la Facultad QI y fundador de Capelli Consultoría, especializada en innovación estratégica. Sus áreas de interés como investigador y consultor son la estrategia e inteligencia artificial aplicada al marketing y la relación con clientes.

Facultad QI, Brasil

DOI: https://doi.org/10.18543/bee.3345

Recibido: 1 de julio de 2025
Aceptado: 9 de noviembre de 2025
Publicado en línea: febrero de 2026

Copyright

RESUMEN

Este artículo analiza cómo la Inteligencia Artificial (IA) está transformando el marketing relacional en empresas de servicios, promoviendo una transición del modelo transaccional hacia un enfoque más humano y personalizado. A partir de entrevistas cualitativas realizadas a cinco expertos de empresas que utilizan IA en sus estrategias de relación con el cliente, el estudio investiga cómo la IA puede reforzar la personalización y la eficiencia operativa sin comprometer la dimensión humana. Se debaten buenas prácticas, desafíos éticos, la integración entre equipos y las percepciones sobre confianza, personalización y eficiencia. Los resultados apuntan a una posible convergencia entre tecnología y humanización, siempre que exista gobernanza de datos, transparencia e integración interfuncional.

Palabras clave: Marketing relacional, Inteligencia artificial, Servicios, Personalización, Confianza, Eficiencia operacional.

ABSTRACT

This article analyzes how Artificial Intelligence (AI) is transforming relationship marketing in service companies, promoting a transition from the transactional model to a more human and personalized approach. Based on qualitative interviews with five experts from companies that use AI in their customer relationship strategies, the study investigates how AI can enhance personalization and operational efficiency without compromising the human dimension. Best practices, ethical challenges, integration between teams, and perceptions of trust, personalization, and efficiency are discussed. The results point to a possible convergence between technology and humanization, provided that data governance, transparency, and cross-functional integration are in place.

Keywords: Relationship marketing, Artificial intelligence, Services, Personalization, Trust, Operational efficiency.

Sumario: 1. Introducción. 2. Fundamentos teóricos. 3. Metodología. 4. Resultados y Discusión. 5. Conclusiones e Implicaciones. Referencias. Apéndice A.

1. Introducción

En la última década, el marketing relacional se ha consolidado como uno de los principales pilares de las organizaciones que buscan la diferenciación competitiva en mercados altamente saturados y dinámicos. Más que atraer clientes, la lógica relacional implica comprenderlos en profundidad, nutriendo relaciones basadas en la confianza, el valor compartido y el diálogo continuo. El avance de las tecnologías digitales — en especial la inteligencia artificial — ha ampliado exponencialmente la capacidad de las empresas para recopilar, analizar e interpretar datos, inaugurando una nueva era en la relación entre marcas y consumidores (Davenport & Ronanki, 2018; Morgan & Hunt, 1994)

Si, por un lado, la IA automatiza procesos y ofrece recomendaciones personalizadas a una escala nunca antes vista, por otro, trae consigo desafíos éticos y operativos relevantes, tales como la preservación de la privacidad, la transparencia en el uso de algoritmos y el mantenimiento de la autenticidad en las interacciones. El dilema central que se plantea es el siguiente: ¿cómo garantizar que la adopción de la IA en el marketing relacional no convierta las relaciones en impersonales, frías o meramente utilitaristas, sino que actúe como aliada en la construcción de vínculos más humanos y duraderos?

La literatura señala la necesidad de enfoques híbridos, en los que la tecnología actúe como apoyo a la inteligencia humana, liberando tiempo de los equipos para actividades de mayor valor añadido y creatividad (Using AI to Enhance CX, 2023). Ante esto, el objetivo de este artículo es investigar, desde la perspectiva de gestores y expertos que trabajan en organizaciones de referencia en el uso de la IA, cómo se equilibran actualmente la eficiencia operativa, la personalización y la humanización en el contexto del marketing relacional.

El estudio busca responder a la siguiente pregunta-problema: ¿cómo puede la IA humanizar y personalizar el marketing relacional sin comprometer su eficiencia operativa?

El presente trabajo se justifica por la laguna existente en la literatura sobre las mejores prácticas y desafíos enfrentados por empresas brasileñas y multinacionales en la implementación de IA en estrategias relacionales, especialmente en sectores de servicios, donde el contacto cercano y la experiencia del cliente son determinantes para el éxito.

2. Fundamentos Teóricos

El marketing relacional emerge como una respuesta a la saturación de los mercados, la fragmentación de los medios de comunicación y el cambio de perfil del consumidor, que busca experiencias y conexiones más significativas con las marcas (Grönroos, 2011). A diferencia del paradigma transaccional, en el que el foco está en intercambios puntuales y la maximización del beneficio a corto plazo, el marketing relacional, según Morgan y Hunt (1994), enfatiza la confianza y el compromiso como pilares fundametnales de las relaciones duraderas.

Estudios recientes refuerzan esta visión, mostrando que la integración de IA en estrategias de Customer Experience (CX) y Customer Relationship Management (CRM) potencia la fidelización y el valor percibido (Kumar et al., 2022). Rust (2023) añade que la IA puede ampliar la eficiencia y humanizar el servicio simultáneamente, siempre que se implemente con principios éticos y supervisión humana. No obstante, existen paradojas: el exceso de automatización puede reducir la autenticidad de las interacciones.

A pesar de su relevancia, la implementación y gestión del marketing relacional enfrentan desafíos considerables. Uno de los principales obstáculos a los que se enfrentan las organizaciones es la dificultad para conciliar la visión a largo plazo que exige el marketing relacional con la necesidad apremiante de obtener resultados financieros a corto plazo. Esto requiere un complejo cambio en la mentalidad organizacional (Simon, 2008). Además, la rentabilidad del marketing relacional no siempre está garantizada, ya que las relaciones a largo plazo no son necesariamente más rentables que las transaccionales y los clientes no siempre muestran interés en desarrollar lazos con la organización (Saaksjarvi et al., 2008).

El marketing relacional, como estrategia central, ha visto confirmada y ampliada su relevancia por estudios recientes, con un enfoque creciente en la gestión del rendimiento y en los desafíos inherentes a las relaciones a largo plazo. De acuerdo con investigaciones empíricas, la adopción de prácticas de marketing relacional, en conjunto con el desarrollo continuo de productos centrado en el cliente, impacta positivamente en el rendimiento de mercado y financiero de las empresas en mercados emergentes (Rebiazina et al., 2024). Además, se ha comprobado que esta estrategia comercial es fundamental para la fidelización y la escala de ventas, buscando proporcionar una "experiencia increíble" al cliente (Santana, 2020). El éxito de estos enfoques está intrínsecamente ligado a la capacidad de integración tecnológica; el uso de soluciones como el Big Data Analytics es crucial, ya que aumenta la precisión en la toma de decisiones en tiempo real, permitiendo la segmentación refinada de clientes, la mejora de ofertas y la identificación de oportunidades de nuevos productos (Reis et al., 2016; Manyika et al., 2011, apud Reis et al., 2016).

Sin embargo, la literatura también explora el "dark side" del marketing relacional (Grandinetti, 2017; Nguyen et al., 2015), evidenciando que las relaciones duraderas pueden resultar en comportamientos negativos, como la negligencia del proveedor de servicios y la deshonestidad (Pires y Santos, 2023). El continuo análisis cuantitativo de estas dinámicas reafirma la importancia de la aplicación del marketing relacional en la lealtad del cliente, especialmente en sectores como el minorista (Santiago et al., 2024).

En el centro de este enfoque se encuentra el uso estratégico de la información. La recopilación sistemática de datos sobre preferencias, historial de compras, comportamiento en múltiples canales y feedback permite a las empresas identificar patrones, anticipar necesidades y entregar ofertas más ajustadas al perfil individual de cada cliente (Kotler & Keller, 2012). Sin embargo, el avance exponencial del volumen y la complejidad de los datos digitales solo se ha vuelto manejable y productivo con el surgimiento de herramientas basadas en inteligencia artificial.

La IA, definida como la capacidad de las máquinas para ejecutar tareas que, hasta entonces, requerían inteligencia humana — como interpretación de lenguaje, reconocimiento de patrones, toma de decisiones y aprendizaje — (Brynjolfsson & McAfee, 2017), se ha convertido en un recurso fundamental para el marketing moderno. Aplicaciones como el análisis de big data, la automatización de procesos, los sistemas de recomendación, chatbots y voicebots posibilitan un nuevo nivel de personalización y escalabilidad (Davenport & Kirby, 2016; Lemon & Verhoef, 2016).

La Inteligencia Artificial (IA) se presenta como una tecnología transformadora que impregna todos los aspectos de la vida de los consumidores en la sociedad posmoderna. Ya no se ve como una novedad, sino como una necesidad. Sin embargo, el uso de la IA en marketing relacional no está exento de riesgos y paradojas. Paradoxes of AI (2020) discute los dilemas éticos y operativos que involucran el equilibrio entre la eficiencia y la sensibilidad. Por ejemplo, la personalización automatizada puede aumentar la participación (engagement), pero, si se percibe como invasiva, puede generar desconfianza y rechazo por parte del consumidor (Trust & AI-Driven Personalization, 2024). El uso de algoritmos de fijación dinámica de precios, que ajustan valores según el perfil o historial del usuario, también plantea debates sobre justicia y transparencia (AI-powered Personalized Pricing, 2025).

Diversos estudios destacan que el factor de confianza es determinante para el éxito de las iniciativas basadas en IA. La falta de claridad sobre cómo se utilizan los datos, o la sensación de vigilancia constante, puede minar la fidelidad del cliente, incluso ante beneficios tangibles (AI-Advertising Guidelines, 2023). Por otro lado, las empresas que invierten en comunicación transparente, consentimiento explícito, explicabilidad de los algoritmos y prácticas que están en conformidad con legislaciones como LGPD y GDPR, consiguen no solo evitar crisis reputacionales, sino también fortalecer su vínculo con el público (Acemoglu & Restrepo, 2019).

En el escenario internacional, los grandes actores (players) de tecnología están apostando por la IA explicable y por soluciones híbridas, en las que la tecnología sirve de apoyo para las decisiones humanas y no como sustituta. El uso ético de la IA en la relación con el cliente es visto cada vez más como un diferencial competitivo, siendo parte de la propuesta de valor de las marcas líderes en sus segmentos. El presente artículo se ancla en este debate contemporáneo, buscando evidenciar, a partir de experiencias concretas, cómo la IA puede contribuir a la personalización y humanización del marketing relacional sin sacrificar la eficiencia, y cuáles son las prácticas más efectivas para mitigar los dilemas éticos y operativos involucrados en este proceso.

3. Metodología

Este estudio adopta un enfoque cualitativo, considerado el más apropiado para explorar fenómenos complejos y subjetivos, como las percepciones y experiencias de los gestores en relación con el uso de la IA en el marketing relacional (Bardin, 2009; Roesch, 2010). La investigación involucró entrevistas en profundidad con cinco profesionales que trabajan en empresas reconocidas por la utilización innovadora de la IA en el ámbito de servicios y relación con clientes. La recolección de datos se realizó entre abril y junio de 2025, con entrevistas grabadas, transcritas y analizadas mediante el análisis de contenido.

3.1. Recolección de datos – Entrevistas

El guion de las entrevistas se desarrolló con base en la revisión bibliográfica y fue validado por expertos académicos en el área de marketing e inteligencia artificial. Las preguntas (Apéndice A) exploraron la evolución del marketing relacional en las organizaciones, los principales desafíos para equilibrar la personalización y la eficiencia, las estrategias de integración de la IA en la relación con los clientes, las tecnologías más impactantes, el papel de la ética, la transparencia y la colaboración entre áreas, además de las perspectivas futuras para el tema. Las entrevistas se realizaron de forma remota, fueron grabadas (con consentimiento de los participantes) y posteriormente transcritas para su análisis.

Los participantes fueron seleccionados con base en un criterio de expertise y relevancia institucional, abarcando diferentes segmentos: 2 personas de Imobi (publicidad y tecnología), 1 persona de Stalo AI (IA para negocios), 1 persona de Treble AI (soluciones en comunicación digital) y una empresa global del sector tecnológico (identificada en el artículo solo como “alfa” debido a cuestiones de confidencialidad). La diversidad de los perfiles entrevistados, que incluyen gestores de áreas técnicas, estratégicas y operacionales, enriquece el alcance del estudio y proporciona una visión integral de los desafíos y oportunidades enfrentados por las organizaciones brasileñas y multinacionales en el uso de la IA para fortalecer el marketing relacional. A continuación, se presenta la tabla resumen del perfil de los entrevistados.

Con relación a las empresas, Imobi fue creada en 2005, en Porto Alegre/Brasil, y es líder en el segmento de publicidad y propaganda en vehículos de medios OOH (Out Of Home) del sur del país, trabajando con más de 10 mil soportes estáticos (front light, vallas, medianeras, etc.) y digitales (vallas, relojes, medianeras, etc.) distribuidos en un mix de 20 productos diferentes. STALO AI, por su parte, es una empresa que ayuda a las empresas a escalar sus operaciones a través de la IA. Su servicio esencial es el entrenamiento de modelos de IA, integrándolo en múltiples bases de datos, creando paneles personalizados sin una sola línea de código. Su interfaz amigable permite que cualquier persona en la organización opere con IA, incluso sin experiencia previa. Los analistas de negocios pueden resolver problemas complejos de negocios con autonomía y agilidad, permitiendo que el equipo de tecnología se concentre solo en sus entregas. Treble AI es una plataforma que, por medio de WhatsApp, revoluciona la interacción con los clientes mediante customer journeys automatizados que impulsan el crecimiento del negocio. Además, permite a las empresas que usan HubSpot o Salesforce comunicarse efectivamente con sus clientes para fidelizarlos, convertirlos y retenerlos. Es una empresa nacida en Silicon Valley (EE. UU.). La empresa global de tecnología, que llamamos Alfa, es una de las líderes en el desarrollo de software para la gestión empresarial, y no autorizó la publicación de su nombre.

3.2. Procedimiento de Análisis de Contenido

El método de análisis de contenido fue empleado para identificar categorías emergentes y patrones en las respuestas, permitiendo comparaciones tanto entre los casos analizados como con las tendencias señaladas por la literatura (Bardin, 2009). El análisis de contenido siguió las etapas de preanálisis, codificación, categorización e inferencia (Bardin, 2009). Las unidades de registro fueron fragmentos significativos de las respuestas, agrupados en cinco categorías emergentes: (1) evolución del marketing relacional, (2) desafíos para equilibrar personalización y eficiencia, (3) impacto de las tecnologías de IA, (4) prácticas de transparencia y ética en el uso de datos, y (5) colaboración entre áreas de marketing y tecnología. La codificación fue realizada manualmente por los autores, incluyendo la triangulación de interpretaciones para garantizar la validez y la fiabilidad.

4. Resultados y Discusión

El análisis cualitativo de las entrevistas con expertos de empresas innovadoras en el uso de IA para marketing relacional ha revelado múltiples dimensiones de la integración entre tecnología y humanización en la relación con los clientes. Los resultados confirman que la personalización ha dejado de ser un diferencial y se ha convertido en una expectativa básica. La IA, al permitir el análisis de datos en tiempo real, reorganiza el ciclo de relación y mejora la retención. Sin embargo, los entrevistados advierten que la automatización sin sensibilidad puede generar percepciones de frialdad, reforzando la importancia de la empatía digital y del diseño ético.

4.1. Evolución del marketing relacional

Los participantes de la investigación destacan que la evolución del marketing relacional es notable en los últimos años, sobre todo debido al avance de las tecnologías digitales y de la IA. Se ha convertido en consenso entre los participantes que la personalización ha dejado de ser una ventaja competitiva aislada para convertirse en una expectativa básica de los clientes, tanto en contextos B2B como B2C. Las empresas han pasado a utilizar múltiples canales digitales, sistemas integrados de CRM, automatización de marketing y soluciones de IA generativa para comprender mejor el ciclo de vida del cliente, promover interacciones más relevantes y responder con mayor rapidez a las demandas. Para el Entrevistado 1 (E1) de Imobi, “Hoy en día, herramientas como las redes sociales, el email marketing automatizado, los CRM y las plataformas de mensajería como WhatsApp o los bots nos permiten llegar e interactuar con los clientes de una forma mucho más directa y personalizada”. De la misma empresa, el E2 afirma que “Con el avance de las tecnologías digitales, el marketing relacional en la organización ha evolucionado significativamente, volviéndose más eficiente, personalizado y automatizado. Esto me ha ayudado enormemente y ha mejorado los resultados en las relaciones con los clientes, especialmente al permitirme comunicarme con ellos con mensajes y textos más específicos”. Muchos participantes observaron que, antes de la adopción de la IA, los procesos de análisis comportamental, la segmentación de campañas y la atención al cliente eran manuales, poco escalables y sujetos a errores humanos o sesgos interpretativos. Con la integración de la IA, la relación ha pasado a ser orientada por datos en tiempo real, permitiendo una reorganización de las etapas del embudo de relación y resultados más consistentes en retención, fidelización y satisfacción del cliente. Para el E3, de STALO AI, “Hoy en día, podemos establecer relaciones más personalizadas, automatizadas y escalables con nuestros clientes. El uso de estas herramientas, integradas con nuestro CRM, nos permite crear recorridos inteligentes basados ​​en datos en todas las etapas del ciclo de vida del cliente, mejorando así la experiencia y optimizando el trabajo en equipo”. El E5, de Alfa, destaca “En los últimos años, he observado una profunda transformación en el marketing relacional, especialmente en cómo usamos la tecnología para crear conexiones más inteligentes, relevantes y sostenibles con nuestros clientes. He observado de cerca cómo el avance de las soluciones digitales, en particular las basadas en inteligencia artificial, ha incrementado el nivel de personalización y eficiencia en estas relaciones. Hoy podemos ir mucho más allá de lo tradicional”. Este escenario es consistente con autores como Davenport & Ronanki (2018), que apuntan a la disrupción promovida por la IA en la gestión de las experiencias del consumidor.

4.2. Desafíos para equilibrar personalización y eficiencia operacional

A pesar de los beneficios percibidos, el desafío de equilibrar la personalización y la eficiencia operacional se ha mostrado recurrente. Los entrevistados relataron que, aunque la tecnología posibilite el envío de comunicaciones altamente segmentadas y personalizadas, existe un riesgo asociado a la estandarización excesiva de los procesos. Cuando la personalización es percibida como artificial o descontextualizada de la realidad del cliente, puede causar insatisfacción, generando distanciamiento en lugar de acercamiento. Otro punto enfatizado es la complejidad de escalar la personalización sin aumentar significativamente los costes o comprometer la agilidad operacional. El E1 afirma “Uno de los principales retos que enfrentamos en Imobi es equilibrar la personalización con la escalabilidad. Si bien los clientes esperan experiencias cada vez más personalizadas y relevantes, también necesitamos mantener la agilidad y la eficiencia en nuestros procesos, especialmente en un mercado tan dinámico como el publicitario. Encontrar el equilibrio adecuado entre el uso estratégico de los datos, la automatización y el trato humano es una búsqueda constante, esencial para mantener la cercanía sin comprometer nuestro reconocido rendimiento”. Respecto al riesgo de escalabilidad, el E3, de STALO AI, afirma “De hecho, el reto parece residir en cómo lograrlo a gran escala. Generalmente, cuanto más personalizado sea el servicio, más efectiva será la relación”. El E4, de Treble AI, destaca los siguientes desafíos “Integración de datos, limpieza de datos, estandarización y arquitectura de la información. Debido a la facilidad con la que se recopilan datos de diferentes puntos de contacto del usuario, sin una buena gobernanza del CRM, todos los esfuerzos de marketing para crear comunicaciones relevantes pueden ser en vano. El uso de IA para automatización de tareas rutinarias, segmentación dinámica y sugerencias contextuales es visto como fundamental para que la personalización sea viable en operaciones de gran volumen. El E5, de Alfa, “Tenemos una inmensa capacidad para generar experiencias altamente personalizadas basadas en datos, comportamiento y contexto. Sin embargo, garantizar que esta personalización se realice de forma estratégica, ética y sostenible requiere una selección minuciosa, especialmente en lo que respecta a decisiones automatizadas y experiencias digitales integrales”. Este equilibrio es uno de los principales dilemas contemporáneos del marketing relacional con IA (Paradoxes of AI, 2020; AI-powered Personalized Pricing, 2025). El análisis también indica que, mientras los clientes esperan respuestas rápidas y relevantes, valoran, sobre todo, interacciones auténticas. La humanización del contacto, incluso en jornadas digitales, depende de la capacidad de la empresa para comprender el momento y las emociones del cliente, personalizando no solo el mensaje, sino el tono, la frecuencia y el canal de comunicación.

4.3. Impacto de las tecnologías de IA en el marketing relacional

La adopción de tecnologías como chatbots, IA generativa, análisis predictivo, sistemas de recomendación y automatización vía CRM fue considerada estratégica por todos los expertos consultados. Estas herramientas permiten procesar grandes volúmenes de datos e identificar patrones comportamentales, lo que contribuye a experiencias más fluidas y personalizadas. El análisis de los relatos muestra que los chatbots inteligentes, por ejemplo, son capaces de responder dudas frecuentes y resolver demandas sencillas, liberando equipos humanos para actividades más estratégicas y creativas. De parte de Imobi, el E1 indica que “hemos estado integrando inteligencia artificial principalmente a través de herramientas de automatización de marketing, chatbots inteligentes y análisis de comportamiento predictivo”. El E3 afirma que “Trabajamos con todas estas tecnologías (análisis predictivo, recomendaciones, informes automatizados, mayor eficiencia de los bots)”. En Treble AI, según el E4, “Hoy en día, la IA todavía no actúa de forma autónoma en ningún área de la empresa, porque creemos que aún no está lo suficientemente madura para tener esta autonomía…Pero está presente en todas las áreas, y diría que, en cada etapa, ayudando a los empleados a realizar su trabajo. La ​​columna vertebral de nuestra estrategia de marketing relacional es el CRM de HubSpot, que ahora cuenta con varias funciones de inteligencia artificial integradas de forma nativa”. La IA generativa se usa para crear contenidos a medida, predecir comportamientos y sugerir acciones en tiempo real, mientras que las soluciones de recomendación ajustan ofertas y comunicaciones con base en el historial individual del cliente. Con todo, los entrevistados reconocen que la tecnología por sí sola no garantiza el éxito del marketing relacional. Para el E2 “Creo que la IA es una herramienta y que el resultado que da no lo uso como final, siempre lo edito para que sea más expresivo con lo que quiero comunicar”. El E4 cree que “el uso de la IA, bien aplicada, fortalece la dimensión humana de las relaciones con los clientes. No reemplaza el contacto humano, pero elimina las tareas operativas y la repetición, liberando tiempo para que los equipos se centren en lo que realmente importa: comprender al cliente y generar valor en cada interacción. En Treble, por ejemplo, utilizamos la IA para personalizar las conversaciones de WhatsApp, predecir comportamientos y organizar datos en HubSpot, lo que hace que el servicio sea más rápido, inteligente y humano a la vez”. Es preciso invertir continuamente en entrenamientos, perfeccionamiento de los algoritmos y monitorización de los resultados para evitar sesgos y garantizar que la IA actúe como facilitadora de la experiencia, y no como una barrera o fuente de frustración para el cliente (Using AI to Enhance CX, 2023).

4.4. Transparencia, ética y confianza en el uso de los datos

Otro punto central surgido de las entrevistas se refiere a la gestión ética y transparente de los datos de los clientes. Los participantes señalan que la conformidad con legislaciones como la LGPD es solo el punto de partida. El E5 destaca “Cumplimos estrictamente con leyes como la LGPD y el RGPD, y ofrecemos visibilidad completa sobre cómo se recopilan, almacenan y utilizan los datos. Estas prácticas refuerzan la confianza del cliente, ya que demuestran que tratamos sus datos con seriedad, ética y responsabilidad, lo cual es esencial para cualquier estrategia de relación a largo plazo”. Las prácticas de consentimiento explícito, la comunicación clara sobre las finalidades del uso de los datos, la explicabilidad de los algoritmos y opciones para que el cliente gestione su propia información son consideradas esenciales para mantener y fortalecer la confianza. Los relatos indican que las empresas que invierten en transparencia consiguen diferenciarse positivamente, creando un ambiente de confianza que potencia la participación (engagement). Al informar de manera proactiva sobre cómo los datos son recopilados, almacenados y usados, además de posibilitar al usuario el control sobre sus preferencias, las organizaciones demuestran respeto y responsabilidad, elementos valorados por el consumidor contemporáneo (AI-Advertising Guidelines, 2023; Trust & AI-Driven Personalization, 2024). Además, se ha observado que la confianza no depende solo de la ausencia de incidentes, sino que se construye en el día a día por medio de políticas claras, respuestas rápidas a dudas e incidentes y actualización continua de los procesos a la luz de nuevas regulaciones y expectativas sociales.

4.5. Colaboración entre áreas técnicas y de negocios

La efectividad del uso de la IA en el marketing relacional depende, en gran medida, de la colaboración entre equipos de marketing y de tecnología. Los entrevistados destacan que los proyectos exitosos generalmente involucran comités multidisciplinares, donde las decisiones son compartidas y las responsabilidades distribuidas. El E3 destaca “Creo que esto es crucial. Hoy en día, el marketing y la tecnología ya están estrechamente vinculados, en el sentido de que un marketing escalable requiere tecnología (CRM, automatización, pruebas A/B, etc.). Con el uso de la IA, esto se ve potenciado, ya que se requiere un marco sólido para procesar datos y transformarlos en resultados prácticos”. El marketing contribuye con la visión humana, el conocimiento del cliente y la creatividad, mientras que la tecnología garantiza la viabilidad técnica, la seguridad de los datos y la evolución de los sistemas. La investigación también reveló que la falta de integración entre áreas sigue siendo un desafío en algunas organizaciones, ya sea por barreras culturales, falta de comunicación o ausencia de procesos estructurados para la gestión conjunta de proyectos. Las empresas que invierten en frameworks de integración, entrenamientos y consultorías especializadas consiguen avanzar más rápidamente y de manera sostenible, creando una cultura de innovación orientada por datos (Davenport & Ronanki, 2018).

5. Conclusiones e Implicaciones

El presente artículo contribuye a la comprensión de cómo la Inteligencia Artificial puede ser aliada del marketing relacional en la era digital, siempre que se implemente con responsabilidad, transparencia y visión estratégica. La investigación evidenció que la IA es capaz de aumentar la eficiencia operacional sin sacrificar la personalización o la dimensión humana de las relaciones, siempre que se adopten prácticas éticas y se estimule la colaboración entre áreas. El estudio refuerza que la IA, cuando está guiada por valores éticos y humanos, es una aliada en la construcción de relaciones duraderas. Potencia la eficiencia operativa y fortalece el vínculo de confianza. Para los gestores, la principal implicación es la necesidad de invertir en gobernanza de datos e integración entre equipos de marketing y tecnología, creando una cultura de innovación centrada en el cliente. Se destaca que, además de las soluciones tecnológicas, el éxito depende de la cultura organizacional y del compromiso con la experiencia del cliente. Las empresas que tratan la IA como herramienta de apoyo a la creatividad y al diálogo, y no como sustituta de las relaciones humanas, obtienen mejores resultados en términos de fidelización y reputación de marca. Como limitaciones, se subraya el enfoque cualitativo y el número restringido de entrevistas. Se recomienda que futuras investigaciones amplíen la muestra, comparen diferentes sectores e investiguen indicadores cuantitativos de impacto. El debate sobre IA, ética y humanización en el marketing relacional es dinámico y continuará evolucionando a medida que surjan nuevas tecnologías y legislaciones.

Referencias

Acemoglu, D., & Restrepo, P. (2019). Automation and new tasks: How technology displaces and reinstates labor. Journal of Economic Perspectives, 33(2), 3-30.

AI-Advertising Guidelines. (2023). AI advertising: An overview and guidelines. Journal of Business Research, 158, 113647. Disponible en: https://doi.org/10.1016/j.jbusres.2023.113647

AI-powered Personalized Pricing. (2025). AI-powered personalized recommendations and pricing: Moderating effects of trust. International Journal of Information Management, 69, 102747. Disponible en: https://doi.org/10.1016/j.ijinfomgt.2025.102747

Bardin, L. (2009). Análise de conteúdo. Edições 70.

Brynjolfsson, E., & McAfee, A. (2017). Machine, Platform, Crowd: Harnessing Our Digital Future. W.W. Norton & Company.

Davenport, T. H., & Kirby, J. (2016). Only humans need apply: Winners and losers in the age of smart machines. Harper Business.

Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world. Harvard Business Review, 96(1), 108–116.

Grandinetti, R. (2017). Exploring the Dark Side of Cooperative Buyer-Seller Relationships. Journal Of Business & Industrial Marketing, 32(2), 326-336.

Grönroos, C. (2011). Value co-creation in service logic: A critical analysis. Marketing Theory, 11(3), 279-301.

Kotler, P., & Keller, K. L. (2012). Marketing Management (14th ed.). Prentice Hall.

Kumar, V., Dixit, A., & Javalgi, R. G. (2022). AI in customer experience management. Journal of Business Research, 153, 52–68.

Lemon, K. N., & Verhoef, P. C. (2016). Understanding customer experience throughout the customer journey. Journal of Marketing, 80(6), 69-96.

Morgan, R. M., & Hunt, S. D. (1994). The commitment-trust theory of relationship marketing. Journal of Marketing, 58(3), 20-38.

Nguyen, B., Simkin, L., Canhoto, A. (2015). The Dark Side of CRM- Customers, Relationships and Management. London, Routledge. https://doi.org/10.4324/9781315753737

Paradoxes of AI. (2020). Paradoxes of artificial intelligence in consumer markets: Ethical consideration and future research agenda. Journal of Business Research, 117, 299-310. Disponible en: https://doi.org/10.1016/j.jbusres.2020.05.001

Pires, N. P., & Santos, A. R. (2023). The dark side of relationship marketing: an analysis of the phenomenon in public management. Revista Alcance (online), 30(1), 1.-16.

Rebiazina, V., Sharko, H., & Berezka, S. (2024). The impact of relationship marketing practices on companies’market and financial performance in emerging markets. Journal of Economics, Finance and Administrative Science, 29(57), p. 186-204. Disponible en: https://revistas.esan.edu.pe/index.php/jefas/article/view/731/586

Reis, A. C., Terra Iacovelo, M., Bueno, L., & Alves da Costa Filho, B. (2016). Marketing de Relacionamento: Agregando Valor ao Negócio com Big Data. Revista Brasileira de Marketing, 15(4), noviembre, 2016, pp. 512-523 Universidade Nove de Julho São Paulo, Brasil. Disponible en: https://www.redalyc.org/articulo.oa?id=471755317007

Roesch, S. M. A. (2010). Projetos de estágio e de pesquisa em administração (3. ed.). Atlas.

Rust, R. T. (2023). Artificial intelligence in service: Opportunities and threats. Journal of Service Research, 26(1).

Saaksjarvi, M., Hellen, K., Gummerus, J., & Grönroos, C. (2008). Love at First Sight or a Long-term Affair? Different Relationship Levels as Predictors of Customer Commitment. European Advances in Consumer Research, 8, p. 402 – 403.

Santana, P. De C. (2020). O Marketing de Relacionamento como Estratégia comercial de Fidelização e Escala em Vendas. Fortaleza – CE. Ed. 190. V.1. Disponible en: http://dx.doi.org/10.35265/2236-6717-190-8606

Santiago Cevallos, Karla D. Torres and Maria, Miranda-Guerra (2024). Relationship Marketing and Customer Loyalty: A Quantitative Analysis in the Retail Sector. IBIMA Business Review, Vol. 2024, Article ID 710234, https://doi.org/10.5171/2024.710234

Simon, F. C. (2008). Marketing de Relacionamento – Um modelo teórico para servir como guia na implantação de programas de fidelidade. PUC-SP.

Trust & AI-Driven Personalization. (2024). AI-driven personalization: Unraveling consumer perceptions in social media. Computers in Human Behavior, 152, 107185. Disponible en: https://doi.org/10.1016/j.chb.2024.107185

Using AI to Enhance CX. (2023). Using artificial intelligence to enhance customer experience and engagement. Telematics and Informatics, 77, 102637. Disponible en: https://doi.org/10.1016/j.tele.2023.102637

APÉNDICE A

Guion de Entrevista – Expertos del Sector de Servicios

1. Bienvenida e Introducción

Gracias por aceptar esta entrevista. Nosotros, la Prof. Marlise y el Prof. João Capelli, estamos desarrollando una investigación cuyo objetivo es explorar la sinergia entre el Marketing Relacional y la IA en empresas de servicios, respondiendo a la siguiente pregunta: ¿Cómo puede la IA humanizar y personalizar el Marketing Relacional sin perder eficiencia? Las respuestas resultarán en un artículo académico a ser publicado en la Revista Boletín de Estudios Económicos, de la Universidad de Deusto, en España, que reflexiona sobre oportunidades, desafíos y buenas prácticas en esta área. El propósito de nuestra conversación es conocer su perspectiva sobre cómo las organizaciones de servicios están integrando la inteligencia artificial en sus estrategias de marketing relacional, con foco en la personalización, la confianza del cliente y la ética en el uso de datos. Podemos agendar un momento para conversar con usted por Google Meet o Zoom, para lo que necesitaremos que por favor nos indique algunas posibilidades de agenda.

Muchas gracias.

2. Preguntas Principales

Su perfil:

• Nombre:
• Empresa:
• Cargo/Posición en la empresa:
• Años de experiencia en servicios:
• Años de experiencia en IA:
• ¿Permite que el nombre de la empresa sea citado en el artículo?

1. ¿Cómo percibe la evolución del marketing relacional en su organización en los últimos años, especialmente con el avance de las tecnologías digitales?
2. ¿Cuáles son los principales desafíos que enfrenta al intentar equilibrar la personalización y la eficiencia en las interacciones con los clientes?
3. ¿De qué manera se ha integrado la inteligencia artificial en las estrategias de relación con el cliente en su empresa?
4. ¿Qué tecnologías específicas (como chatbots, sistemas de recomendación, análisis predictivo, etc.) utiliza su organización para fortalecer el marketing relacional y cuáles han demostrado mayor impacto?
5. ¿Cree usted que el uso de la IA fortalece o debilita la dimensión humana de la relación con los clientes? ¿Por qué?
6. ¿Qué prácticas adopta su organización para garantizar la transparencia en el uso de datos de los clientes? ¿Y cómo impacta esto en la confianza de ellos?
7. ¿Cómo se conduce la colaboración entre equipos de marketing y tecnología en su empresa para garantizar una aplicación ética y eficaz de la IA en la relación con el cliente?

3. Cierre

Muchas gracias por compartir su experiencia. ¿Le gustaría añadir alguna observación final o destacar alguna buena práctica que considere esencial para el futuro del marketing relacional apoyado por inteligencia artificial?

¡Muchas gracias!
Profa. Marlise Alves Silva -
https://www.linkedin.com/in/marlise-alves-silva
Prof. João Paulo Capelli -
https://www.linkedin.com/company/capelliconsultoria

_______________________

[*] Profesora de grado y posgrado en marketing Internacional en ESPM-Sul, Facultad Dom Bosco de Porto Alegre y Unisinos (Brasil).

[**] Profesor en la Facultad QI y fundador de Capelli Consultoría, especializada en innovación estratégica. Sus áreas de interés como investigador y consultor son la estrategia e inteligencia artificial aplicada al marketing y la relación con clientes.

Más información sobre los autores al final de este artículo.

Este estudio contó con el apoyo de la afiliación individual de los autores y declaran no tener conflicto de interés.