Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register. Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Salinas Atencio, Milagros Alejandra"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • Loading...
    Thumbnail Image
    Item
    Inteligencia artificial (IA) y datos alternativos como mecanismos de inclusión financiera para las mypes en el Perú: una revisión integradora
    (Universidad del Pacífico. Facultad de Ciencias Empresariales, 2026-07) Munaris Gutierrez, María Laura; Salinas Atencio, Milagros Alejandra
    El presente estudio analiza el impacto de la inteligencia artificial (IA) como mecanismo para mitigar las asimetrías de información que limitan el acceso al crédito de las micro- y pequeñas empresas (mypes) en el Perú. Mediante una revisión documental de carácter narrativo e integrador, se sistematizó evidencia secundaria de reportes técnicos, literatura académica y casos de estudio (2020-2025). Los hallazgos revelan una fractura estructural: mientras la pequeña empresa alcanza niveles de acceso al crédito del 54,3%, la microempresa apenas llega al 26,3%, restringida por una «autocensura financiera» derivada de barreras fiscales (régimen NRUS) e informalidad. La investigación valida que la adopción de modelos de credit scoring alternativo y el uso de huellas transaccionales de billeteras digitales permiten sustituir la falta de estados financieros formales por una «presunción de solvencia» conductual. No obstante, se discute que la viabilidad de esta inclusión tecnológica se enfrenta a riesgos éticos significativos, como el sesgo algorítmico y la discriminación automatizada, concluyéndose que la sostenibilidad del modelo requiere una gobernanza de datos rigurosa y la implementación efectiva de entornos de prueba (sandboxes) regulatorios.

DSpace software copyright © 2002-2026 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback