Introducción

Las empresas dependen de proveedores externos como canales de distribución, para poder abastecerse (^{Oramas et al., 2023}). En este contexto, las cadenas de suministro (CS) son el conjunto de actores que participan directa o indirectamente en el proceso de adquisición de materias primas hasta el transporte, almacenamiento y entrega final al consumidor, contando con estructuras de red, que proveen productos intermedios o finales (^{Peña y García, 2019}; ^{Zhang, He y Tian, 2022}). El grado de concentración de la cadena define qué tanto las empresas dependen de proveedores o actores involucrados, los cuales, en un momento dado, son responsables de la continuidad del negocio (^{Cagri et al., 2023}). Así, las CS son parte esencial en los procesos productivos.

A medida que transcurren los años, la complejidad en las CS incrementa (^{Cogollo y Ruiz, 2019}). Ant ello, las exigencias de competencia, la necesidad de adaptación a tiempos turbulentos y capacidad de afrontamiento, suponen eventos inciertos.

La IA y su CS opera en entornos altamente volátiles debido a la variedad de proveedores. ^{Guerrero y Ramírez (2022)} y ^{Peña y García (2019)} coinciden que agrupa elementos homogéneos, apoyados de tecnologías para fabricación de partes principalmente de equipos originales, donde los proveedores provienen de distintas partes del mundo.

Actualmente, la IA se encuentra liderada por China, Estados Unidos, Japón, Alemania, India, México, Corea del Sur, Brasil y Francia, quienes fungen como red de suministro para la fabricación de casi 77% de todos los vehículos que circulan en el mundo (^{Aguilar y Lira, 2020}). Para 2020, la IA empleó 80 millones de personas a nivel mundial United Nations Development Programme (^{UNDP, 2021}). Ralentizar la producción sería catastrófico para la IA mundial, por lo que deben buscar estrategias que fortalezcan y minimicen el posible afecto en la CS.

El entorno incierto se acentuó con la pandemia (^{OIT, 2020}). A este respecto, la OIT asegura que la pandemia afectó 13.8 millones de trabajadores en las CS de la IA dentro de la Unión Europea, generando problemas ligados a la liquidez. En Estados Unidos, 150 000 trabajadores, sindicalizados y no sindicalizados, se vieron afectados; para la India el panorama fue similar, perdiendo 800 millones de dólares entre 2019 y 2020 con proyecciones negativas hacia 2021.

Otro aspecto perjudicial, no ligado a la pandemia, son las mega tendencias en el mundo: cambio climático, uso de nuevas tecnologías, la desaceleración en el mercado y el proceso de ralentización de la producción, efectos de la crisis financiera de 2007-2009 (^{OIT, 2021}).

Sumado a ello, la guerra entre Ucrania y Rusia ha generado también efectos, especialmente en componentes semiconductores que afectaron Europa del Este, con la caída de los mercados de Rusia y Ucrania con 62.7% y 67.7% respectivamente, según The European Automobile Manufacturers’ Association (^{ACEA, 2023}).

A nivel mundial la escasez de insumos provocó cierres parciales, principalmente por falta de semiconductores con características especiales que eran difíciles de sustituir, así como escasez en acero, resinas y otros tipos de insumos (^{Banco de México, 2021}). Los líderes en el mercado de semiconductores son: Estados Unidos con casi 50%; la región de Asia con 42%, y Europa con 10%, según el Centro de Estudios en las Finanzas Públicas (^{CEFP, 2022}). Con respecto a las ventas, derivado de lo anterior, Europa tuvo disminución de 10.4%; América del Norte de 8.7%; Estados Unidos mostró un declive de 9.2%; Japón 5.1%; Corea del Sur reportó 3% (^{ACEA, 2023}).

Es indudable que estas crisis bélicas, económicas, comerciales, financieras y de salud crean incertidumbre en la gestión adecuada de la CS, manifestándose como amenazas para el flujo dentro de la red (^{Gurtu y Jestin, 2021}). En definitiva, la interdependencia global ligado a eventos climáticos, sociales, políticos, entre otros, trae consigo situaciones que pueden materializarse en riesgos.

Los riesgos que enfrentan las CS son cada vez más complicados (^{Vega de la Cruz y Pérez, 2022a}), y en especial, los relacionados con la IA (^{Zaidi y Hasan, 2022}). Desde luego, reviste de importancia atender el sector antes mencionado contando con una herramienta que administre los posibles riesgos.

Con base en lo anterior, es evidente la relevancia de la gestión de riesgos en las cadenas de suministro de la industria automotriz (GRCSIA). Desde la perspectiva académica, investigaciones también han analizado la necesidad de implementar el proceso (Karmaker et al., 2023; ^{Minguito y Banluta, 2023}; Paredes, Chud y Peña, 2022; Paredes, Grisales y Sánchez, 2022; ^{Vega de la Cruz y Pérez, 2022b}). Por ejemplo, ^{Giannakis y Papadopoulos (2016)} en su estudio proponen cinco pasos secuenciales para la GR en la IA: identificación, evaluación, análisis, tratamiento y monitoreo.

Asimismo, el estudio de ^{Yoga y Dadang (2020)} aborda una revisión de literatura sobre GRCSIA, bajo tres perspectivas: global, continental y regional. ^{Dias, Rébula y Alves (2021)} mediante la revisión proponen técnicas que se plasman en la ISO 31010, las cuales resultan útiles. El análisis bibliométrico de ^{Huang, Wang y Zhang (2023)} muestra que el período de 2000 a 2021 pasó de cinco a 105 publicaciones con respecto al tema y el comportamiento de citación entre autores. ^{Dhiba y Midaary (2023)} plantean que, al implementar procesos innovadores, los efectos adversos que permean en la IA, pueden ser reducidos.

Los trabajos mencionados tienen propósitos distintos a este. Por ello, contar con un inventario sobre los riesgos en la CS de la IA, así como crear una tipología sistemática y pertinente, constituye la principal aportación de este trabajo porque puede ser considerada como punto de partida para analizar, evaluar y gestionar riesgos con mayor efectividad. El criterio para construirla es el sugerido por ^{Louis y Pagell (2019)}, llamado tipología inclusiva, descrito en los resultados. Esta cuestión cobra particular importancia ya que es relevante estandarizar criterios.

Si bien existen distintos estudios sobre el tema donde se destaca la GR como herramienta útil y las técnicas adecuadas para la IA, resulta pertinente desarrollar un trabajo donde se identifiquen: ¿cuáles son los riesgos que afectan la CS de la IA?; y clasifiquen distintos tipos de riesgos: ¿qué tipologías de riesgos utiliza la CS de la IA? Por ello, el objetivo de este trabajo es identificar riesgos que afectan la CS de la IA con base en una revisión de literatura.

En el primer apartado se esboza un breve sustento de literatura respecto a CS en la IA, GR, GRCS y GRCSIA. En el segundo la metodología a seguir. El tercero presenta resultados sobre los principales riesgos identificados (inventario), generando una discusión entre ellos y así proponer la tipología de riesgos. Finalmente, en el cuarto se dan conclusiones con reflexiones obtenidas del análisis, limitaciones y futuras líneas de investigación.

Metodología

El presente es una investigación descriptiva, con enfoque cualitativo, de carácter documental, mediante revisión de literatura, que analiza el contenido que existe en un área en específico (^{Brewerton y Millward, 2001}). La búsqueda se realizó en las bases de datos: Google Scholar y Dimensions. Varios autores han escrito en revistas de alto impacto artículos de revisión, apoyándose en esas bases de datos (^{Caballero, Carver y Stowers, 2023}; Martelli et al., 2021; ^{Mueller, Westerby y Nieuwenhuijsen, 2023} y ^{Yeshitila et al., 2021}). Dimensions fue creada por Digital Science en el 2018, e incluye artículos de revistas y conteo de citas (^{Thelwall, 2018}), así como confiabilidad y similitud con las bases de datos Web of Science, Core Collection, Scopus y Google Scholar (Orduña y Delgado, 2018 y ^{Vuotto, Di Césare y Pallota, 2020}). Se replicó la ruta metodológica empleada por ^{Carpio (2020)}, en la cual se utilizaron términos de búsqueda, para posteriormente priorizar trabajos que abordan el tema de interés.

El estudio se delimitó al período 2018-2022, ya que, de acuerdo con ^{Arias (2017)} y Oyola, Soto y Quispe (2014), por recomendación de la comunidad académica, las referencias deben tener una antigüedad no mayor a 5 años desde su publicación como literatura científica, ya que proporcionan evidencia vigente. Por lo tanto, el período es similar a estudios de ^{Carro (2022)}; ^{Contreras y Vargas (2021)}. La búsqueda se dio bajo los términos siguientes: “supply chain risk management in the automotive industry” y “risk in supply chain in the automotive industry”. Asimismo, el termino en español fue: “riesgos en la industria automotriz”. Este fue el primer criterio de inclusión, obteniendo 44 publicaciones.

Una vez que se tenían los artículos pertinentes, con base en los términos, se revisaron las palabras clave; se incluyeron los artículos con palabras clave: “supply chain risk”, “risk management” y “risk in automotive industry”. En español fueron: “riesgo en la cadena de suministro”, “gestión de riesgos” y “riesgo en la industria automotriz”. Un segundo criterio fue analizar los resúmenes, los que no contaban con riesgos identificados en la CS de la IA fueron excluidos. En este punto los artículos eliminados fueron ocho. Como tercer criterio, se verificó la calidad tomando como referencia a ^{Castillo (2023)}, excluyendo publicaciones no indexadas y resumen de conferencia; bajo este criterio se eliminaron tres, quedando 33 artículos, de los cuales se excluyeron 14 que no eran estudios empíricos, para obtener 19 investigaciones en total.

De las 19 publicaciones, 84% están en los cuartiles de calidad Q1 con 42%, Q2 con 21%, Q3 con 16%, y Q4 con 5%, que tienen factor de alto impacto emitidos por Scimago, y 16% en bases de datos: Emerald Insight, Wiley Online Library y DOAJ. De acuerdo con ^{Domínguez et al. (2018)}, Scimago fue creada por investigadores españoles y tiene como propósito calcular varios indicadores métricos denominados de impacto, para analizar las revistas que se encuentran indexadas principalmente en Scopus. Del total de las publicaciones 95% son investigaciones en inglés. Es importante que se categoricen los riesgos, ya que sin un enfoque sensato, los procesos se vuelven vulnerables a diversas amenazas (^{Segal, 2011}). ^{Haviernikova (2016)} describe este proceso como categoría o tipología. Para efectos del presente documento, el término a utilizar será tipología. Una vez definida la ruta, se procedió a identificar los riesgos en las publicaciones para construir el inventario, realizar una discusión y proponer la tipología.

Resultados

En la Tabla 1, las publicaciones que identifican y analizan riesgos están en un contexto mundial. Igualmente, las revistas son de diversos países, con enfoques -en su mayoría- en la industria, gestión, producción, sustentabilidad y economía. Con respecto a los autores, hay colaboración entre una diversidad de naciones.

En la Figura 1 se muestra el comportamiento de las publicaciones sobre GRCSIA. En 2018 hubo un número mayor de publicaciones, disminuyendo drásticamente en 2020; probablemente debido a la pandemia de Covid 19 que obligó a suspender actividades, por lo que fue complejo obtener información para hacer estudios empíricos. Sin embargo, las publicaciones a lo largo de los años siguientes no llegaron al máximo que se tiene en 2018.

Fuente: elaboración propia.

Figura 1 Publicaciones empíricas sobre GRCSIA 

La Tabla 2 subraya la importancia que los autores atribuyen al uso de técnicas de GR, con enfoque particular en la CS de la IA para identificar y priorizar. Destacan Ahp, encuestas sistematizadas y entrevistas. Resaltar la relevancia de basarse en procesos probados permitirá establecer una estructura sólida y coherente para abordar los desafíos (^{Díaz, Gento y Marrero, 2018}).

Los riesgos son fenómenos que generan incertidumbre y pueden afectar el logro de objetivos (^{ISO 31000, 2018}). Si bien se pueden gestionar, ciertas actividades presentan mayores desafíos. La IA y su CS enfrenta diversos riesgos, por lo que la industria muestra resistencia a través del proceso de GR y estrategias de contención. Identificarlos es relevante para conocer las fuentes probables que están provocando problemas y poder asignarlos a una tipología (^{Crouhy, Galai y Mark, 2006}). La Tabla 3 presenta el inventario de 31 riesgos identificados en la revisión.

Algunos riesgos encontrados en la literatura revisada eventualmente pudieran integrarse o ser similares. Entre ellos destacan: TyG (^{Atthirawong y Panprung, 2021}; ^{Carpitella et al., 2022}; ^{Gautam et al., 2018}; ^{Junaid et al., 2020}; ^{Kavilal et al., 2018}; ^{Vanalle et al., 2019}; ^{Zaidi y Hasan, 2022}), IS (^{Atthirawong y Panprung, 2021}; ^{Eber et al., 2019}; ^{Xu et al., 2019}) y tG (^{Atthirawong y Panprung, 2021}; ^{Carpitella et al., 2022}; ^{Gautam et al., 2018}; ^{Junaid et al., 2020}).

En este orden de ideas, las diferencias religiosas o étnicas eventualmente conllevan a radicalizar ciertas zonas o grupos de personas, resultando en TyG. La IS proviene del interior de un país, donde tal vez los factores principales radican en cambios políticos, sociales y económicos. Los países están en constante monitoreo sobre acciones políticas y comerciales, que hasta cierto punto generan tG. Regiones que albergan eslabones de la CS deben prestar atención a estos acontecimientos, ya que provocan paralización, caída en la demanda y la sostenibilidad, disputas comerciales, aumento en los energéticos, entre otros (^{Kotcharin y Maneenop, 2020}). No obstante, el diálogo es clave para generar oportunidades y establecer lazos que fortalezcan el intercambio comercial.

El proceso de identificación pudiera presentar imprecisiones y no tomar en cuenta el riesgo de ciberseguridad. Si bien, ^{Atthirawong y Panprung (2021)}; ^{Belhadi et al. (2021)}; ^{Kavilal et al. (2018)}; ^{Llopis et al. (2021)}; ^{Vanalle et al. (2019)} y ^{Xu et al. (2019)} reportan el riesgo Ct, pero ^{Fung, Bell y Bhattacharjya (2021)} describen que más allá de cambios en la tecnología, la integridad de datos es vital para garantizar procesos y servicios logísticos de calidad. En términos generales, si se mejora el proceso de detección, posiblemente se tomará en cuenta. Otro no detectado pudiese ser el estallamiento de huelga por parte de sindicatos. Evidencia en China (^{Traub, 2017}), España (Las, 2018) y México (^{Foust y Román, 2023}) refuerzan la importancia de considerar este riesgo. Los principales factores son: reformas laborales, revisiones salariales, firma de nuevos tratados internacionales, políticas neoliberales, condiciones laborales precarias, entre otros. Los riesgos de ciberseguridad y sindicales podrían indicar la deficiencia en la detección de riesgos, sin embargo, evidenciar que no se contemplaron quizás sirva para los gestores de riesgos.

En vista de la información existente, es posible que el abordaje de los riesgos se logre mediante una tipología, ya que se concentran por características similares (^{Segal, 2011}); esto tal vez ayude a sistematizar y facilitar acciones de prevención, para enfrentar posibles efectos negativos. En la Tabla 4, los autores de estos trabajos presentan 17 tipologías de riesgos que se pudieran considerar en esta industria.

Con base en la evidencia actual, se observan tipologías que pudieran traslaparse. Señalar que entre ellas se encuentran: RM (^{Zaidi y Hasan 2022}; ^{Zhang et al., 2018}), RA (^{Eber et al., 2019}; ^{Junaid et al., 2020}) y RD (^{Eber et al., 2019}; ^{Hossein et al., 2022}; ^{Junaid et al., 2020}; ^{Prakash et al., 2018}; ^{Salehi et al., 2018}); REI (^{Belhadi et al. 2021}; ^{Gautam et al., 2018}; ^{Hossein et al., 2022}; ^{Zaidi y Hasan 2022}; ^{Zhang et al., 2018}) y RE (^{Atthirawong y Panprung, 2021}).

Para el caso de RM, el origen proviene especialmente por condiciones externas, principalmente factores macroeconómicos y políticos, como: volatilidad en precios de los energéticos, tipo de cambio y aranceles (^{Polteva, Antipov y Klassen, 2019}). Por otro lado, los RA guardan relación con disponibilidad de componentes, piezas y costo en materias primas, trayendo consigo dificultades operativas con proveedores (^{Junaid et al., 2020}). Por su parte, los Rd provienen de la percepción de los clientes, determinados por la calidad y satisfacción del usuario (^{Hossein et al., 2022}). Se hace un primer planteamiento de la posibilidad de similitud entre tres tipologías, sin embargo, existen diferencias puntuales.

Los REI, por su parte, están determinados por fenómenos que pueden interrumpir el proceso de intercambio de materia prima, partes, piezas, producto final, entre otros (^{Gautam et al., 2018}). Estos fenómenos pueden ser restricciones, cierre de rutas, problemas con proveedores y de producción. Los Re, en general, tienen las mismas características (^{Atthirawong y Panprung, 2021}). El segundo planteamiento de similitud entre dos tipologías se corrobora.

Para efectos del presente, se abordarán conforme a la propuesta del autor, aunque se deja a consideración de los profesionales e investigadores los criterios que pudieran utilizar para asignar riesgos en las tipologías.

Una vez analizados los riesgos en general, se detectaron algunos no contemplados que podrían ser significativos para la CS de la IA. Es relevante fijar una postura sobre los tipos de riesgo y tipologías que posiblemente se pudieran traslapar. En este sentido, los principales riesgos y tipologías relevantes deben ser revisados a profundidad.

La Figura 2 presenta riesgos que tienen mayor incidencia. Entre los riesgos que más han afectado las CS son BCP, CDP y RT (fallo en los plazos de entrega). Ante estos resultados, se propone que los gestores en dicha industria se anticipen a ellos, para evitar sus consecuencias. Por lo tanto, existen criterios para su estudio, como: controlables y no controlables, externos e internos, probabilidad e impacto, intencional e involuntario, cuantificable y no cuantificable, entre otros (^{Louis y Pagell, 2019}).

Fuente: elaboración propia.

Figura 2 Tipos de riesgos relevantes 

La BCP pudiese tener múltiples causas, como prácticas inadecuadas en su fabricación, inexistencia de control de calidad o el uso de materiales baratos. Esto pone en juego la vida humana, accidentes o lesiones, afectando la reputación en las marcas, pérdida de confianza de clientes y el posicionamiento en el mercado (^{Mzougui et al., 2020}). Asimismo, ^{Llopis, Rubio y Valero (2021)} consideran que destinar recursos a mejorar la calidad en procesos, como líneas de montaje y nuevos modelos, tiene impacto directo en la mejora de piezas y en el producto final. Por un lado, evitar pérdidas financieras por garantías, reparaciones y retiro de vehículos del mercado. Por el otro, disminuir la durabilidad y rendimiento del vehículo afecta la satisfacción del usuario (^{ISO 10004, 2018}) y aumenta los gastos de mantenimiento.

La CDP es la falta de intercambio de información efectiva, estrategias, datos y requerimientos debido, principalmente, a la deslocalización y lejanía geográfica (^{Li et al., 2022}; ^{Vanalle et al., 2019}). Esto puede dar pie a retrasos en entregas, errores de producción, pérdidas financieras, probabilidad de incidencias o interrupciones. Sin embargo, la tecnología disponible podría ser la solución para mejorar la comunicación.

El TyG son actos que surgen por descontento social, materializándose en conflictos armados, golpes de estado y disturbios civiles (^{Atthirawong y Panprung, 2021}). ^{Junaid et al. (2020)} dan a conocer que tiene efecto en eslabones de la cadena. El daño a la infraestructura, bloqueo de rutas o cierre de fronteras (^{Yoga y Dadang, 2020}) son algunos efectos, sin embargo, eso tiene impacto en el aumento de costos en logística, escasez de productos y paralización de la producción.

Por la naturaleza en la fabricación altamente técnica, los EH como riesgo pudieran ser preocupaciones significativas. Principalmente impactan en cuatro áreas: diseño y desarrollo, proceso de fabricación, montaje y pruebas de inspección (^{Carpitella et al., 2022}). El que haya incertidumbre en estas áreas pudiera provocar problemas de seguridad, integración de piezas defectuosas, instalación de conexiones y componentes en lugares equivocados y pruebas de calidad erróneas. Según ^{Atthirawong y Panprung (2021)}, la IA debe implantar medidas preventivas, correctivas, capacitación y uso de tecnología avanzada.

^{Li et al. (2022)} señalan que el ACMp tiene diversos efectos, incluyendo el aumento en costos de producción, precios al consumidor, proveedores y la necesidad de optimizar la CS. Por lo tanto, factores como demanda y oferta, recursos escasos y costos de producción contribuyen al aumento de ella.

El CDM supone dinamismo y sensibilidad, ya que la IA se enfrenta a preferencias y tendencias actuales. El riesgo se compone de elementos tales como: preferencias del consumidor, factores económicos, avances tecnológicos y políticas de gobierno (^{Da Silva y Dalmasso, 2019}). Esto puede crear oportunidades para fabricantes y proveedores, ya que la competencia es fuerte y es necesario establecer estrategias innovadoras y sostenibles.

La EMS es la falta de componentes, materia prima o piezas específicas, se puede presentar temporal o prolongada. Tiene un impacto significativo en los costos de producción, retardar la producción y detener en su totalidad la CS (^{Kavilal et al., 2018}; ^{Prakash et al., 2018}; ^{Salehi et al., 2018}). Resaltar que, una planificación anticipada y monitoreo constante de la situación actual tal vez ayudará a que fluya el proceso.

Ante todo, ^{Junaid et al. (2020)} enfatizan que las RG son aranceles, regulaciones y políticas comerciales. Esto crea barreras que frenan la importación, exportación, disponibilidad de materias primas y proceso de logística. Por un lado, aumenta el costo de materia prima (^{Carpitella et al., 2022}), por otro, crea escasez de materiales (^{Hossein et al., 2022}). Esto genera insuficiencia de inventario y dependencia hacia el gobierno para flexibilizar restricciones de importación y estimular el consumo interno (^{Liu y Nishi, 2019}). Esto acentúa la importancia de tener un acercamiento entre el sector empresarial y gobierno para dialogar, con el fin de buscar soluciones equitativas y sostenibles que permitan el funcionamiento adecuado de la CS.

^{Jain et al. (2018)} proponen la idea de contar con más de un proveedor para reducir el riesgo de no entrega (Rt). No obstante, la estrategia es adecuada en contextos donde el reemplazo es fácil para asegurar la entrega, incluso si otra falla. En la IA es distinto, ya que son especializados para piezas y servicios. Mantener altos estándares de calidad imposibilita cambiar de proveedores, ya que tendría impacto directo en la satisfacción del usuario (^{Bonilla et al., 2020}).

Los DN son eventos complejos y difíciles de revertir, que pueden causar daños en infraestructura y afectar proveedores, por lo que la recuperación es costosa. Por esta razón, es importante contar con estrategias sólidas. Dado que los dn son inciertos, las organizaciones deben considerarlos en su GR y tener enfoque en la resiliencia de la CS (^{Golan, Jernegan y Linkov, 2020}), y así, mantener su eficiencia y continuidad operativa (^{Belhadi et al. (2021)}.

Todo riesgo materializado tiene estrecha relación con otros riesgos, dado que las causas y consecuencias forman parte de otros, y en una CS como la automotriz, deben ser gestionados de manera holística (^{Hanggraeni et al., 2019}).

^{Louis y Pagell (2019)} desarrollaron una tipología inclusiva de riesgos para cualquier CS. Esta se sustenta en el consenso alcanzado por investigadores en diversos estudios. La Figura 3 toma como base esta propuesta, permitiendo a organizaciones y profesionales abordar de manera más efectiva y estructurada cada tipología con estrategias particulares, acorde a la naturaleza de los riesgos que la integran.

Fuente: elaboración propia.

Figura 3 Tipologías de riesgos relevantes 

Las tipologías mayormente observadas en estudios empíricos son cinco: RPS, RD, REI, RO y REA. ^{Atthirawong y Panprung (2021)}; ^{Dehdar, Azizi y Aghabeigi (2018)}; ^{Xu et al. (2019)} describen que los RpS afectan la operación de la organización y la CS en general, ya que se tratan de adquisiciones de materia prima y piezas importantes. Entre los riesgos que posiblemente integren la tipología se encuentran: CP, IE, ACMP, BCP, RT, OP, EMS, por mencionar algunos.

En palabras de ^{Hossein et al. (2022)}, los RD principalmente afectan la reputación de la empresa. ^{Xifra (2020)} también destaca su impacto negativo en la reputación, dado por la escasa comunicación corporativa y el bajo desarrollo de relaciones públicas. En la IA, y aún más, en su proceso final de venta, las concesionarias deben generar estrategias de marketing y relación pública adecuadas. En función de los datos disponibles, el riesgo es la IC, no obstante, pudieran integrarse otros.

Según ^{Durowoju (2021)} y ^{Prakash et al. (2018)}, los Ro están ligados con los procesos, las personas y sistemas que operan dentro de la organización. Los riesgos son, más no se limitan a: AM, EH, EP y CT.

Con relación a los ReI, ^{Partsvaniya (2021)} expresa que se tiene que reducir la importación dentro de la industria (piezas, componentes, chips, carrocerías, producto final, etc.), sin embargo, esto puede afectar la economía de los países, así como la de toda la IA. En general, la tipología se integra de: TyG, TG, CS y DC.

^{Salehi et al. (2018)} menciona la importancia de establecer normas de responsabilidad ambiental entre las organizaciones involucradas. ^{Eber et al. (2019)} indican que los ReA son provocados por la naturaleza. Esto posibilita brindar una clasificación en dos campos: el ecológico es el daño que se hace a la naturaleza; los eventos naturales son fortuitos. Los riesgos pueden incluir, pero no limitarse a: DN y CMA.

Derivado de lo anterior, es posible incrustar las tipologías dentro de los niveles de la CS de la IA, e incidir tal vez en cada uno de ellos. Los niveles son planteados por ^{Petravatzi y Gunn (2022)}.

El estudio de ^{Rangel, de Oliveira y Leite (2015)} presenta una clasificación de tipos de riesgos, basada en definiciones similares encontradas en distintas investigaciones. Luego, vincula estos con el proceso general de una CS. Por consiguiente, la Tabla 5 se enfoca en los niveles de la CS de la IA y cada una de las tipologías propuestas. Precisar que, el nivel II y III enmarcan dos; esto por la similitud en su operatividad.

Conclusiones

La GR es una herramienta de gestión que probablemente mejora el desempeño de la CS de la IA. El objetivo llevó a identificar los riesgos revisando la literatura existente, para generar el inventario, analizar los que tienen mayor incidencia y proponer las tipologías. En la actualidad, llena de eventos sorpresivos, es preponderante que se tomen los riesgos como oportunidades y no solo como amenazas. Sin embargo, existen riesgos no contemplados, lo que habla de la complejidad que enmarca el sector y la debilidad en la implementación de la GR. Se puede deber a la falta de preparación o de un conocimiento parcial. La IA y su CS, como eje principal en el traslado de personas para la producción y generación de riqueza en las naciones, debe minimizar riesgos.

Las tipologías ayudarán a profesionales del sector y de la academia a tener una visión sistemática, que servirá para tomar mejores decisiones con respecto a estrategias de gestión organizacional efectivas. Los criterios que soportan las tipologías inclusivas deben homologarse, por lo tanto, se hace un acercamiento a integrar dentro de la CS de la IA en los cuatro niveles.

El progreso en la industria resalta la importancia de estar a la vanguardia en el desarrollo de soluciones de gestión, por lo que organizaciones deben adoptar enfoques proactivos que involucren a las partes interesadas. Para tal propósito, la GR permite enfrentar desafíos emergentes y garantizar una cadena resiliente, sostenible y con fluidez. Comprender a profundidad los riesgos, desde su causa y efecto es un gran reto en la CS de la IA, pero una vez encontrada la causa raíz, las estrategias tienden a ser más acertadas.

La principal limitación de la investigación fue la subjetividad que pudo existir para evaluar los riesgos bajo la percepción de los investigadores. Además, los estudios no cuentan con un marco de referencia de GR formal.

Finalmente, las futuras líneas de investigación que emergen son la continuación de la sistematización de criterios para formar tipologías. Avanzar en esta área del conocimiento alentará a los profesionales a robustecer la fase de identificación de riesgos, y motivar a investigadores hispanohablantes a realizar estudios empíricos, dada la importancia del sector.