Impacto de la Inteligencia Artificial en la productividad y competitividad empresarial: un análisis bibliométrico con foco en banca de inversión

Abstract

Este Trabajo de Fin de Grado analiza el estado de la investigación científica internacional sobre el impacto de la inteligencia artificial en la productividad y competitividad empresarial, con especial atención a su aplicación en la banca de inversión. Para ello se ha empleado un enfoque bibliométrico, construyendo un corpus de 233 artículos científicos indexados en Scopus mediante un proceso iterativo de diseño de queries y un filtrado manual siguiendo el protocolo PRISMA. Los metadatos del corpus (autores, afiliaciones, palabras clave, resúmenes, revistas y citas) se han analizado en Python utilizando técnicas de estadística descriptiva, análisis de frecuencias y modelado temático con BERTopic. Los resultados revelan que se trata de un campo de investigación joven, con un crecimiento exponencial a partir de 2019 y un pico en 2025. China lidera la producción científica con un 30% del corpus, muy por encima de Estados Unidos y Reino Unido, lo que evidencia una desconexión entre los países donde se investiga y aquellos donde se concentra la práctica de la banca de inversión. Las revistas dominantes pertenecen al ámbito de la informática y la ingeniería, no al de las finanzas, lo que sugiere que el impulso investigador procede del lado técnico. El análisis temático confirma que la literatura se centra de forma abrumadora en aplicaciones cuantitativas como la predicción bursátil y la optimización de carteras, mientras que las tareas más cualitativas y de asesoramiento propias de la banca de inversión están infrarrepresentadas. No obstante, se detecta un tema emergente vinculado a los robo-advisors y la percepción de los servicios financieros con IA, lo que apunta a un incipiente interés por la dimensión humana de la adopción tecnológica en el sector.

This Final Degree Project examines the state of international scientific research on the impact of artificial intelligence on business productivity and competitiveness, with a particular focus on its application in investment banking. A bibliometric approach was adopted, building a corpus of 233 scientific articles indexed in Scopus through an iterative query design process and manual screening following the PRISMA protocol. The metadata of the corpus (authors, affiliations, keywords, abstracts, journals and citations) were analysed in Python using descriptive statistics, frequency analysis and topic modelling with BERTopic. The results reveal that this is a young research field, with exponential growth from 2019 onwards and a peak in 2025. China leads scientific output with 30% of the corpus, well above the United States and the United Kingdom, highlighting a disconnect between the countries where research is conducted and those where investment banking is predominantly practised. The dominant journals belong to the fields of computer science and engineering rather than finance, suggesting that the research impetus comes from the technical side. Topic modelling confirms that the literature is overwhelmingly focused on quantitative applications such as stock prediction and portfolio optimisation, while the more qualitative and advisory tasks typical of investment banking remain underrepresented. Nevertheless, an emerging topic linked to robo-advisors and the perception of AI-based financial services was identified, pointing to a nascent interest in the human dimension of technology adoption in the sector.