Introducción

Ciudad Juárez, ubicada en la frontera México-Estados Unidos, se ha destacado como un importante núcleo comercial e industrial desde el último cuarto del siglo XX. Sin embargo, esta posición estratégica también ha desembocado en importantes desafíos socioeconómicos que han constreñido el desarrollo sostenible (^{Payan, 2014}). Su extenso sector industrial, se caracteriza por ser un importante generador de empleo, que atrae inmigrantes de todo México que se establecen como residentes permanentes, enriqueciendo la diversidad cultural de la ciudad con influencias nacionales y norteamericanas por su cercanía con Estados Unidos (^{Rojas y Lara-Rodríguez, 2023}). No obstante, a pesar de ser uno de los enclaves industriales más productivos del país, Ciudad Juárez enfrenta graves problemas como altos niveles de inseguridad ligada al narcotráfico, una notable inequidad social y un crecimiento urbano desordenado, que han limitado la modernización de su infraestructura y la mejora de los indicadores de desigualdad, destacando la imperante necesidad de soluciones innovadoras para aprovechar su potencial y garantizar prosperidad para todos (^{Moreno-Toledano y Moreno-González, 2021}).

Entre los principales problemas de la ciudad se encuentran las desigualdades derivadas de la industrialización, los efectos negativos de los procesos de globalización y los altos niveles de vulnerabilidad social en diversas áreas de la ciudad (^{Carrillo y Pérez, 2024}; ^{Esparza et al., 2004}). Además, factores como infraestructura deficiente agravan las condiciones en las comunidades más marginadas (^{Grineski y Collins, 2008}; ^{Moreno-Toledano y Moreno-González, 2021}). A pesar de los beneficios que la industria maquiladora ha traído a Juárez, como la generación de empleo masivo, el impulso a la economía local y la integración de la región en Cadenas Globales de Valor (CGV), estos logros han venido acompañados de importantes desafíos estructurales. Las maquiladoras de exportación, aunque fundamentales para el desarrollo económico de la ciudad, han fomentado la precarización laboral y perpetuado las disparidades salariales y sociales al concentrar las inversiones en áreas específicas, dejando a las comunidades marginadas en condiciones de pobreza y vulnerabilidad (^{Carrillo y Pérez, 2024}: ^{Esparza et al., 2004}). Por su parte, en la ciudad de El Paso, Texas, se ha identificado como uno de los principales problemas la exclusión social, particularmente evidente en colonias ubicadas en zonas caracterizadas por altos niveles de precariedad y marginación (^{Botello, 2023}). A esto se suma la notable concentración de empresas de servicios que, según estudios, podrían ser fácilmente sustituidas por procesos de computarización e Inteligencia Artificial (IA), lo que plantea un riesgo adicional para la estabilidad económica y social de la región (Smith y Browne, 2021).

En este contexto, han surgido diversas iniciativas tanto gubernamentales como empresariales para transformar el panorama económico y social de Ciudad Juárez y El Paso. Tal es el caso de la Estrategia Todos Somos Juárez que implicó una amplia inversión económica federal y el involucramiento de actores de las cuatro hélices con la finalidad de transformar la realidad social de la ciudad afectada ampliamente por la violencia (^{Arraita, 2017}). Empero, pocas iniciativas han sido impulsadas desde un verdadero enfoque regional y binacional. Este último es el caso del proyecto TechSpark-Microsoft, un programa que tiene entre sus objetivos fortalecer a las organizaciones de la sociedad civil, potenciar las capacidades de la ciudadanía y fomentar el escalamiento de las pequeñas y medianas empresas (PyMEs) locales mediante estrategias que incorporan, según nuestro análisis, principios de Cultura Lean (CL) y promueven características de Innovación Social Corporativa (ISC). Las estrategias de TechSpark están diseñadas para responder a las necesidades específicas de la región y fomentar un desarrollo dinámico, escalable y sostenible. Como detallan Brad Smith, presidente de Microsoft y Carole Ann

Browne, directora de staff y comunicación ejecutiva, TechSpark y su programa insignia, The Bridge Acelerator, para el caso específico de Juárez-El Paso, representan un esfuerzo moral por promover la inclusión social en comunidades que de una u otra manera fueron marginadas de la promesa digital, al no contar con infraestructura tecnológica suficiente, cobertura de banda ancha, literacidad digital, etc. (Smith y Browne, 2021). Para el caso específico de Juárez-El Paso, este compromiso, según el presidente de Microsoft (^{Smith, 2016}), se originó tras una visita a la región fronteriza, donde se reconoció la urgente necesidad de transformar la economía local para evitar el colapso de múltiples negocios, la pérdida de empleo y fomentar la resiliencia económica frente a la automatización y la IA. Por ello, decidió ampliar el programa TechSpark a El Paso e incluir a Ciudad Juárez, la única ciudad fuera de Estados Unidos beneficiada por dicha iniciativa, que tradicionalmente se enfocaba al desarrollo de capacidades digitales ciudadanas e institucionales en áreas rurales de Estados Unidos.

Para el caso específico de Juárez-El Paso, TechSpark impulsó un programa binacional coordinado por dos personas que recibieron el título de managers comunitarios, uno en cada ciudad. Además, hicieron alianzas con Empresas Multinacionales (EMN) y PyMEs, organizaciones locales y gobierno para impulsar diferentes estrategias que promovieran literacidad digital a múltiples niveles; desde la ciudadanía hasta las empresas. Es así como nace The Bridge Accelerator, uno de los ejes de la iniciativa encargado exclusivamente de ayudar a las PyMEs locales a mejorar sus modelos de negocio y fortalecer las cadenas binacionales de valor a partir de la incorporación de tecnologías digitales y técnicas de gerencia esbelta.

El caso del proyecto TechSpark-Microsoft de Ciudad Juárez fue estudiado con anterioridad como parte del proyecto internacional de la Plataforma transatlántica para las Ciencias Sociales y Humanidades (T-AP-Social Innovation), donde investigadores de cinco países realizaron más de 50 casos de estudios de EMN⁴. En una primera etapa, el equipo de investigación en México examinó cinco casos de EMN. Uno de ellos se refirió a Microsoft, para evaluar si el proyecto TechSpark podía ser catalogado dentro de los principios de Innovación Social Corporativa (ISC) o si por el contrario se acercaban más a la Responsabilidad Social Corporativa (RSC). Para ello se utilizó el programa ATLAS.ti donde junto con el equipo internacional se crearon más de una centena de códigos derivados de la literatura y un número similar de códigos generados en NVivo de acuerdo con la característica de cada uno de los países y sus casos de estudio, para después generar un índice de ISC, o en su defecto de RSC. Conviene destacar que la IS se diferencia de la RSC por su carácter transformador e innovador, centrado en el bienestar colectivo sin priorizar fines comerciales. En contraste, de acuerdo con diferentes definiciones proporcionadas por ^{De Dios-Hernández y Madera-Pacheco (2023)} la RSC, aunque pretende beneficiar a la sociedad, está vinculada a intereses empresariales y tiende a ser superficial o reactiva, enfocándose más en la imagen y las expectativas externas que en un cambio social profundo. Mientras la ISC impulsa soluciones innovadoras, la RSC se orienta a equilibrar responsabilidad y lucro. No obstante, la efectividad de las iniciativas de RSC puede incrementarse cuando estas se alinean con los valores de los clientes, fomentando una coherencia con los principios de la ISC y resaltando su relevancia para generar un impacto social más profundo y sostenible (^{Homburg et al., 2013}).

En el caso mexicano, los resultados arrojaron que el proyecto TechSpark no podía catalogarse dentro del área de la ISC al no tener su modelo de negocio alineado de forma plena con la misión de la EMN impulsora, elemento central en la ponderación para caer dentro de esta categoría. Sin embargo, tampoco podía ser catalogada dentro de la categoría de RSC como la mayoría de las EMN analizadas en el caso mexicano. A partir de estos resultados, y con la finalidad de hacer una revisión más profunda para entender la particularidad del caso, este estudio propone una segunda etapa de análisis diseñada específicamente para el proyecto TechSpark, en la cual se empleó el modelo de lenguaje ChatGPT-4o. Esto permitió volver a revisar a fondo 11 entrevistas no estructuradas realizadas exclusivamente a miembros del eje The Bridge Accelerator y a los representantes del proyecto TechSpark en Juárez-El Paso. Este análisis iterativo con el desarrollo de prompts únicos y precisos de acuerdo con las particularidades del caso, permitió evaluar con mayor detalle las intervenciones de la organización para fortalecer el ecosistema de negocios binacional, su capacidad para abordar las barreras estructurales, su alineación con el modelo de negocio empresarial, y su impacto en el desarrollo económico sostenible del Borderplex. Los resultados comparados entre el primer y el segundo análisis arrojaron que estamos frente a un modelo de ISC diferente al registrado por la literatura más tradicional, ya que incorpora de forma sistemática los principios de la producción esbelta. En este tenor proponemos que nos encontramos frente a un modelo emergente de Innovación Social Corporativa Esbelta (ISCE). Este concepto describe un marco teórico que combina características de Innovación Social Corporativa (ISC) y Cultura Lean (CL), sin pretender establecer una metodología operativa específica, sino un enfoque para analizar iniciativas empresariales con impacto social y eficiencia operativa. De acuerdo con ^{Wirotthitiyawong et al. (2025)}, la integración de teorías de emprendimiento social e innovación proporciona un marco comprehensivo para economías en desarrollo, extendiendo la teoría de capacidades dinámicas al demostrar cómo las capacidades de innovación transforman competencias en resultados sostenibles, lo que refuerza la relevancia de ISCE para iniciativas como TechSpark en contextos como el de Ciudad Juárez.

para entender la particularidad del caso, este estudio propone una segunda etapa de análisis diseñada específicamente para el proyecto TechSpark, en la cual se empleó el modelo de lenguaje ChatGPT-4o. Esto permitió volver a revisar a fondo 11 entrevistas no estructuradas realizadas exclusivamente a miembros del eje The Bridge Accelerator y a los representantes del proyecto TechSpark en Juárez-El Paso. Este análisis iterativo con el desarrollo de prompts únicos y precisos de acuerdo con las particularidades del caso, permitió evaluar con mayor detalle las intervenciones de la organización para fortalecer el ecosistema de negocios binacional, su capacidad para abordar las barreras estructurales, su alineación con el modelo de negocio empresarial, y su impacto en el desarrollo económico sostenible del Borderplex. Los resultados comparados entre el primer y el segundo análisis arrojaron que estamos frente a un modelo de ISC diferente al registrado por la literatura más tradicional, ya que incorpora de forma sistemática los principios de la producción esbelta. En este tenor proponemos que nos encontramos frente a un modelo emergente de Innovación Social Corporativa Esbelta (ISCE). Este concepto describe un marco teórico que combina características de Innovación Social Corporativa (ISC) y Cultura Lean (CL), sin pretender establecer una metodología operativa específica, sino un enfoque para analizar iniciativas empresariales con impacto social y eficiencia operativa. De acuerdo con ^{Wirotthitiyawong et al. (2025)}, la integración de teorías de emprendimiento social e innovación proporciona un marco comprehensivo para economías en desarrollo, extendiendo la teoría de capacidades dinámicas al demostrar cómo las capacidades de innovación transforman competencias en resultados sostenibles, lo que refuerza la relevancia de ISCE para iniciativas como TechSpark en contextos como el de Ciudad Juárez.

1. TechSpark: Un motor de desarrollo regional

TechSpark es un programa de Microsoft Philanthropies, que inició como una iniciativa con el objetivo de promover el desarrollo digital y económico en diversas comunidades rurales de Estados Unidos. Se lanzó en El Paso, Texas en 2017 (^{Insight on Business, 2017}) y en Ciudad Juárez en 2019. Su enfoque refleja el compromiso de Microsoft Philanthropies y Microsoft’s Rural America Initiatives, de promover la inclusión digital en comunidades marginadas, urbanas y rurales, así como contribuir a un crecimiento económico inclusivo. Uno de sus principales objetivos es impulsar inversiones en manufactura y operaciones. Así, el programa promueve la cooperación interinstitucional, busca integrar a las PyMEs locales en cadenas de valor globales y potencia las competencias digitales de los estudiantes. Sus esfuerzos se enfocan en cinco áreas clave: (1) transformación digital, (2) educación en ciencias de la computación, (3) desarrollo de trayectorias profesionales, (4) conectividad en zonas rurales y (5) apoyo a organizaciones sin fines de lucro (^{Matus-Ruiz, Carrillo, y Prudencio, 2023}).

El nacimiento de TechSpark en Ciudad Juárez se generó tras un recorrido de Brad Smith por la región fronteriza. Durante su visita, Smith percibió la apremiante necesidad de darle un giro a la economía industrial tradicional del área, hacia un modelo centrado en la digitalización. En virtud de lo anterior, TechSpark se concibió no solo como una iniciativa para estimular la inclusión digital, sino también como una herramienta clave para fortalecer la estabilidad económica de la región a largo plazo (^{Smith y Browne, 2019}).

En Ciudad Juárez TechSpark se aloja en el Technology HUB, una incubadora de empresas binacional fundada en 2015 que fomenta la inventiva, el espíritu emprendedor y el crecimiento industrial en la zona. Este centro alberga proyectos destacados como The Bridge Accelerator, una pieza fundamental del proyecto TechSpark. El presidente de Microsoft ha destacado este último como un ejemplo sobresaliente de éxito. The Bridge Accelerator busca incrementar la presencia de las PyMEs locales en las cadenas de suministro de grandes corporaciones, donde actualmente solo representan apenas un 2% (^{Microsoft, s.f.}). Con Ricardo Mora al frente, The Bridge Accelerator ha promovido la integración de herramientas digitales de punta en negocios a ambos lados de la frontera. En su etapa inicial, el proyecto sumó cinco empresas de El Paso y cinco de Juárez, abarcando áreas clave como la producción, la logística y el transporte.

Los resultados fueron significativos: la adopción de nuevas tecnologías derivó en 52 órdenes de compra, la generación de aproximadamente 1.5 millones de dólares en nuevos negocios, la creación de 33 empleos y la atracción de 250,000 dólares en capital de riesgo adicional (^{The Bridge Accelerator, 2021}). Contruyendo sobre estos logros, The Bridge Accelerator actualmente utiliza la plataforma de IA PyMAIs, con el propósito de capacitar en un periodo de 3 años a 30,000 PyMEs en la actualización de sus modelos de negocio para mejorar su competitividad, exposición a potenciales clientes e integración a cadenas de suministro transfronterizas (^{Microsoft, 2024}).

Desde su lanzamiento en 2019 en Ciudad Juárez, The Bridge Accelerator, ha extendido su impacto a emprendedores de Juárez, otras ciudades de Chihuahua y El Paso. Financiado inicialmente por TechSpark para un programa piloto, sus notables resultados llevaron al presidente de Microsoft a invertir 1.5 millones de dólares, garantizando su continuidad por seis generaciones adicionales (^{El Economista, 2019}). Para su quinta edición, había capacitado a 52 PyMEs, creado cerca de 300 empleos y atraído un millón de dólares en inversión, potenciando habilidades digitales mediante el programa TEALS (Tecnología Educativa y Apoyo al Aprendizaje, por sus siglas en inglés) y fortaleciendo el ecosistema tecnológico regional (^{Matus-Ruiz et al., 2023}).

TechSpark colabora estrechamente con el Centro de Inteligencia Artificial (CIA) en Juárez, donde también establece una segunda sede, siendo este uno de los tres laboratorios de innovación en México anunciados en 2019 por el CEO de Microsoft, lo que refuerza el desarrollo tecnológico binacional. A través de estas iniciativas, TechSpark promueve el uso de tecnologías de Microsoft entre emprendedores y PyMEs, formando talento y empresas que adoptan sus herramientas, lenguajes de programación y soluciones, consolidando así su ecosistema en sectores clave (^{Matus-Ruiz et al., 2023}).

En el ecosistema de innovación de TechSpark convergen actores de diversos sectores de México y Estados Unidos, respaldados por una amplia red de colaboradores que incluye gobiernos locales y estatales, PyMEs, grandes empresas, universidades, centros de investigación, asociaciones civiles y ONGs, tanto emergentes como consolidadas (^{Matus-Ruiz et al., 2023}). Este modelo colaborativo fomenta dinámicas de innovación abierta, promoviendo la creatividad y el emprendimiento en un contexto de economía emergente, donde las PyMEs y el sector informal son fundamentales, como señalan ^{Suanpong et al. (2025)}. TechSpark trabaja en alianza con el Gobierno del Estado de Chihuahua a través del Centro de Innovación e Integración de Tecnología Avanzada (CIITA) y el Centro de Inteligencia Artificial (CIA), donde se implementa un programa STEM para estudiantes de secundaria, y colabora con FUNAX⁵ en la formación de talento avanzado en áreas estratégicas, beneficiando a cientos de participantes. Este ecosistema, ilustrado en la figura 1, muestra la interacción entre sus actores clave y colaboradores, operando con una estructura mínima: un solo empleado de Microsoft en Juárez y otro en El Paso, sin oficinas propias, lo que refleja la eficiencia operativa característica de la Cultura Lean integrada en el marco de la Innovación Social Corporativa Esbelta (ISCE).

Fuente: Elaboración de los autores.

Figura 1 Ecosistema de innovación digital y desarrollo de PyMEs de TechSpark 

2. Innovación social, innovación social corporativa y cultura lean: Una revisión conceptual

De acuerdo con ^{Dotterweich et al. (2016)}, aunque no existe una definición precisa de Innovación Social (IS), es posible identificar algunas características comunes en las distintas definiciones presentes en la literatura. En términos generales, la mayoría de estas definiciones concuerdan en que la IS abarca respuestas a desafíos sociales, las cuales pueden manifestarse en forma de ideas innovadoras, planteamientos originales o prácticas novedosas.

En este sentido, ^{Sinclair y Baglioni (2024)} describen la IS como una serie de ideas innovadoras y empoderadoras que producen un impacto social duradero. La IS se refiere a una forma de innovación dirigida claramente hacia el beneficio social y el bienestar público, con el objetivo de satisfacer necesidades sociales. Según los autores, lo que distingue a la IS frente a otros tipos de innovación es su compromiso con el progreso colectivo y la atención a problemas sociales o ambientales, más allá de buscar únicamente intereses económicos.

Por su parte, ^{Satar et al. (2024)} caracterizan la IS como un enfoque creativo para enfrentar desafíos sociales de manera más sostenible, eficiente y/o efectiva que las soluciones existentes, generando un impacto positivo que se transmite principalmente a la sociedad en general, en vez de limitarse a un pequeño círculo de personas. En este contexto, ^{Claudio (2023)} expone que la IS se refiere a actividades, servicios y soluciones innovadoras cuyo propósito es responder a necesidades sociales, desarrollándose y difundiendo predominantemente en organizaciones con un objetivo social. Este concepto abarca la creación de nuevas ideas, productos, servicios o modelos diseñados para mejorar las relaciones sociales y fomentar la colaboración dentro de una comunidad.

Por otra parte, la Innovación Social Corporativa (ISC) se define como un enfoque estratégico que impulsa un cambio sistémico en el modelo de negocio de las empresas, integrando la IS en todos los procesos organizativos para abordar de manera efectiva las necesidades sociales emergentes de la comunidad (^{Bitencourt et al., 2024}). Este enfoque genera valor interdependiente en múltiples niveles -usuarios, organización, ecosistema y sociedad-, superando las tensiones entre rentabilidad y beneficio social mediante el desarrollo de capacidades colaborativas, como la comunicación y el aprendizaje colectivo, que legitiman las iniciativas de ISC y las hacen replicables, especialmente en países emergentes (^{Bitencourt et al., 2024}). Asimismo, la ISC promueve un desarrollo sostenible al incorporar criterios ambientales, sociales y de gobernanza, generando beneficios en estos rubros, como la creación de empleo local y la reducción de la huella de carbono (^{Chatchoua y Neme-Castillo, 2025}). A diferencia del enfoque filantrópico de la Responsabilidad Social Corporativa (RSC), la ISC transforma sistemas de innovación, motiva a los empleados y redefine estrategias corporativas para generar simultáneamente valor económico y social (^{Saka-Helmhot et al., 2022}).

En el ámbito corporativo, la ISC emerge como un concepto que, a diferencia de la RSC, trasciende las iniciativas filantrópicas tradicionales que suelen carecer de alineación con el modelo de negocio de las EMN (^{Matus, 2023}). Mientras la RSC se ha caracterizado por impulsar acciones con un enfoque más reactivo y poco integrado a las estrategias empresariales, la ISC, según ^{Dionisio y Vargas (2020)}, se define por proyectos que generan beneficios simultáneos para los accionistas y la comunidad. Estos proyectos transforman las dinámicas de los sistemas de innovación, redefinen las identidades y estrategias corporativas para fortalecer la ventaja competitiva de las EMN y, al mismo tiempo, responden de manera efectiva a las demandas sociales. La ISC se distingue por su capacidad de integrarse estratégicamente al modelo de negocio, alineando los objetivos de rentabilidad con el impacto social, lo que permite a las EMN generar valor sostenible y diferenciador en un contexto competitivo (^{Dionisio y Vargas, 2020}).

Diversos autores han planteado interpretaciones sobre la Cultura Lean (CL). Según ^{Srinivasan (2010)}, ^{Nepal et al. (2011)} y ^{Welo et al. (2013)}, la CL consiste en llevar los principios Lean al ámbito de las empresas, con una visión que va más allá de la eliminación de desperdicios para enfocarse en la creación de valor integral dentro de la organización. Este enfoque pretende sincronizar todas las tareas y al equipo humano hacia una meta compartida: ofrecer el mayor beneficio posible al cliente, lo que eleva tanto la agilidad como el desempeño organizacional y, a su vez, recorta significativamente los plazos de desarrollo.

Por otro lado, ^{Welo et al. (2013)} argumentan que la CL fomenta un ambiente laboral sustentado en la confianza mutua, la solución de problemas y la mejora continua, aspectos esenciales para detonar prácticas innovadoras efectivas en las empresas. De manera similar, ^{Shah y Ward (2007)} expresan que el enfoque Lean, que ha dominado el ámbito manufacturero en Estados Unidos durante los últimos cuarenta años, tiene sus raíces en el Toyota Production System (TPS).

Tras una revisión exhaustiva de la literatura sobre IS, ISC y CL, se identificaron ocho rasgos fundamentales que definen la intención, el alcance y la aplicación de la IS. Asimismo, se determinó una característica distintiva que diferencia a la ISC de la IS (véase tabla 1). Además, se reconocieron seis componentes esenciales de la CL que reflejan sus principios de eficiencia, mejora continua y eliminación de desperdicios en los procesos organizativos y productivos. Estos hallazgos proporcionan una base conceptual sólida para evaluar si iniciativas como el proyecto TechSpark de Microsoft incorporan elementos de ISC y CL en sus estrategias y operaciones, examinando la presencia de estas características en sus procesos.

A partir de este análisis, proponemos un nuevo marco teórico denominado Innovación Social Corporativa Esbelta (ISCE), que integra de manera innovadora los principios transformadores y socialmente orientados de la ISC con los fundamentos de eficiencia y optimización de la CL. La tabla 1 sintetiza las características de IS, ISC y CL junto con los autores que las señalan como esenciales.

3. Metodología

Con el objetivo de determinar si el proyecto TechSpark puede ser catalogado dentro de la ISCE, se desarrolló una metodología en dos etapas. En la primera etapa, llevada a cabo entre los años 2021 y 2023, se realizaron dos visitas de campo, durante las cuales se llevaron a cabo 21 entrevistas a profundidad no estructuradas con actores de las cuatro hélices. Como se mencionó anteriormente, estas entrevistas fueron sistematizadas inicialmente como parte de un corpus internacional de más de 50 casos en ATLAS.ti, a partir de códigos e índices creados explícitamente para analizar prácticas y condiciones que distinguen a la Responsabilidad Social (RS) de la ISC⁶. Los resultados de esta primera etapa arrojaron que el proyecto TechSpark–Microsoft no cumplía con todas las características de la ISC al no tener su modelo de negocio plenamente alineado con la misión de la EMN impulsora.

En la segunda etapa de la investigación, se llevó a cabo una selección de 11 entrevistas en profundidad, nueve de las cuales se realizaron exclusivamente con gerentes de empresas beneficiarias del programa The Bridge Accelerator y dos con los responsables del proyecto TechSpark en Ciudad Juárez y El Paso. Esta selección permitió un análisis más centrado en el ámbito empresarial de la iniciativa TechSpark, al excluir los demás ejes con enfoques predominantemente educativos y de infraestructura tecnológica. La hipótesis inicial que guio esta segunda etapa planteaba que, al considerar únicamente el eje empresarial, TechSpark lograría una alineación plena con el modelo de negocio de Microsoft. Así, a partir de esta selección acotada del corpus, se realizó un nuevo análisis de contenido en profundidad, asistido por el modelo de inteligencia artificial ChatGPT-4o, con el objetivo de determinar si, más allá de los resultados obtenidos en la primera codificación comparada en ATLAS.ti, el eje The Bridge Accelerator de TechSpark integraba todas las características clave de una iniciativa de Innovación Social Corporativa (ISC) o si, por el contrario, mantenía elementos de Responsabilidad Social Corporativa (RSC). El resultado reveló de forma notable, que el proyecto TechSpark reúne todas las características de la ISC. Además, se identificaron patrones distintivos de producción esbelta, lo que condujo a la formulación de una nueva hipótesis: TechSpark representa un caso innovador de Innovación Social Corporativa Esbelta (ISCE).

El empleo de modelos de lenguaje (LLMs) en la investigación cualitativa ha sido objeto de amplio estudio en los últimos años. Diversos autores han sugerido formas de incorporarlos al análisis de entrevistas a través de software de IA y herramientas de análisis cualitativo asistido por computadora (CAQDAS) (^{Lopezosa y Codina, 2023}). Asimismo, se ha investigado la aplicabilidad de LLMs, como ChatGPT y BARD (ahora Google Gemini), en la generación y análisis de datos de naturaleza cualitativa, destacando su habilidad para ofrecer perspectivas sobre opiniones colectivas y su utilidad en la enseñanza en ciencias computacionales (^{Dengel et al., 2023}). En el contexto de la ingeniería de software, estos modelos han sido examinados por su potencial para enfrentar retos metodológicos en la investigación cualitativa (^{Bano et al. 2024}). Tomando esto en cuenta, el presente estudio emplea herramientas de IA para el análisis de contenido cualitativo, con el propósito de evaluar el grado en que TechSpark refleja los principios de la ISC y la CL.

El análisis de contenido asistido por IA se llevó a cabo atendiendo cuidadosamente los siguientes aspectos:

Como punto de partida, se llevó a cabo un análisis minucioso de la literatura con el objetivo de identificar las características clave vinculadas a los conceptos de ISC y CL. Este proceso facilitó la construcción de un marco teórico robusto que sirvió como base para elaborar las instrucciones (prompts) empleadas en el análisis asistido por IA, garantizando que los resultados estuvieran alineados con las definiciones y parámetros establecidos en la literatura académica.

Tras identificar las características clave de los conceptos ISC y CL, se avanzó en la creación de un grupo de instrucciones (prompts) específicas. Estas se diseñaron con el objetivo de utilizar un LLM, en este caso GPT-4o, para automatizar el análisis de las entrevistas. Las instrucciones se redactaron cuidadosamente para orientar al modelo en la detección de las características clave previamente definidas, asegurando un enfoque preciso y consistente en la búsqueda de evidencia dentro del material de las entrevistas. Las instrucciones empleadas, así como las estrategias para garantizar la veracidad y reducir sesgos, se encuentran detalladas en los apéndices A y B.

Cabe destacar que el contenido de las entrevistas fue revisado cuidadosamente con antelación y utilizado en la generación de códigos en ATLAS.ti como parte de un análisis previo. Este punto es importante, ya que el entendimiento profundo del material de interés permite al revisor emitir un juicio bien fundamentado sobre la veracidad del análisis generado por la IA.

Además, es importante reconocer que los modelos LLMs presentan una serie de restricciones y sesgos que deben considerarse en el diseño del análisis. En primer lugar, resulta esencial entender que los LLMs no crean conocimiento original. Aunque son capaces de interpretar, resumir, generar y predecir nuevo contenido textual (^{Kerner, 2023}), sus respuestas se basan en los datos con los que fueron entrenados, escogiendo la información más pertinente en función de la pregunta o instrucción recibida.

Una limitación relevante es la contaminación cruzada de información, que ocurre cuando se proporciona más de un documento a la vez al LLM. En estos casos, al plantear preguntas o crear instrucciones sobre un texto en particular, la IA podría integrar datos de otros escritos, lo que compromete la precisión y consistencia de las respuestas, derivando en análisis incorrectos o descontextualizados. Para contrarrestar esto, se decidió trabajar con un solo documento a la vez, evitando así que el LLM recurriera a referencias de otras fuentes al responder o realizar tareas sobre el contenido suministrado.

Otra limitación identificada es que, si bien algunos LLMs tienen la capacidad de examinar imágenes y figuras, suelen tener dificultades para interpretar aquellos incluidos dentro de archivos. En consecuencia, sus análisis se restringen exclusivamente al texto del documento. Asimismo, cuando se trata de archivos o documentos protegidos, la IA no siempre logra acceder a su contenido y, en su lugar, elabora respuestas basadas en los metadatos disponibles. Se ha notado que, en ciertas ocasiones, el modelo se basa únicamente en el título del documento para contestar preguntas sobre el contenido del mismo, incluso sin haber accedido realmente a este. Esto puede derivar en respuestas vagas que no reflejan fielmente la información del documento.

Comprender estas limitaciones es fundamental, ya que pueden derivar en resultados parcializados que comprometan la objetividad del análisis. Por ello, la revisión humana de las respuestas generadas constituye un paso esencial, ya que no solo orienta el análisis, sino que también le otorga validez y rigor.

4. Resultados

A partir del análisis de las 11 entrevistas revisadas, los resultados se organizaron en función de las características evaluadas: Innovación Social Corporativa (ISC) y Cultura Lean (CL). Además, se consideró si la entrevista correspondía a miembros de TechSpark o a representantes de las empresas beneficiarias del programa The Bridge Accelerator. La Tabla 2 presenta un extracto de los resultados obtenidos mediante el análisis asistido por IA. En este se incluye el identificador de cada entrevista, la característica analizada, la cita textual extraída y el análisis derivado de dicha cita, el cual explica por qué la característica evaluada está presente en TechSpark o en las empresas beneficiarias, según corresponda.

Los resultados que se presentan en esta sección sintetizan los hallazgos obtenidos a partir del análisis asistido por IA. Se construyeron tablas de resultados que indican si cada característica analizada fue identificada en TechSpark o en sus empresas beneficiarias, según corresponda. Asimismo, se calculó la proporción de ocurrencia para expresar, en términos relativos, la frecuencia con la que cada característica se manifestó a lo largo de las entrevistas. En este contexto, la proporción de ocurrencia se define como la fracción de entrevistas en las que se identificó la presencia de la característica respecto al total de entrevistas analizadas. Una proporción de ocurrencia igual a 1 indica que la característica fue identificada en todas las entrevistas; una proporción igual a 0 significa que la característica no fue identificada o no se mencionó en ninguna entrevista; y un valor entre 0 y 1 representa la proporción de entrevistas en las que se logró identificar la característica en cuestión. Estos valores permiten evaluar la prevalencia de las características de Innovación Social Corporativa (ISC) y Cultura Lean (CL) dentro del ecosistema de TechSpark y sus beneficiarios.

Discusión y conclusiones

Tras la revisión de los resultados obtenidos a través del análisis de contenido asistido por IA, se puede afirmar que TechSpark encarna el concepto emergente de ISCE, un marco teórico que integra características de ISC y CL para describir iniciativas empresariales que generan valor social y económico sostenible con eficiencia operativa. En este sentido, se lograron identificar en el proyecto TechSpark todos los elementos identificados de ISC -como satisfacción de necesidades sociales, colaboración, sostenibilidad, empoderamiento, impacto económico y social, cambio sistémico, transformación institucional, adaptación local y alineación con el modelo de negocios de la EMN impulsoray las seis características de la CL: eliminación de desperdicios, maximización del valor, mejora continua, alineación organizacional, aplicación multisectorial, y eficiencia y efectividad.

Este enfoque se ve reflejado tanto en TechSpark como en sus colaboradores y beneficiarios del programa The Bridge Accelerator, quienes adoptan estas características en distintos grados. En este contexto, se logró identificar que solo dos colaboradores (PIMA y CIA), cumplen con la totalidad de dichas características, mientras que FUNAX, TEALS, INSIGHT y THUB presentan una integración sólida, aunque parcial, de los principios de CL. Además, TechSpark y sus beneficiarios se alinean directamente con el modelo de negocio de Microsoft, la multinacional que lo respalda. Este hallazgo cobra relevancia al compararlo con el análisis previo del proyecto T-AP-Social Innovation, que determinó que TechSpark no podía clasificarse dentro del marco de la ISC, debido a que su modelo de negocio no estaba plenamente alineado con la misión de la empresa impulsora.

Dicha alineación, un rasgo clave de la ISC según ^{Matus-Ruiz et al. (2023)}, significa que proyectos de Innovación Social Corporativa Esbelta (ISCE) como TechSpark no solo buscan generar un beneficio social, sino que se entrelazan con la estrategia principal de la multinacional -en este caso, Microsoft-, alineándose a su visión, misión y metas de expansión. Resultando en un valor económico sostenible y la generación de ventajas competitivas. De esta forma, Microsoft utiliza iniciativas como TechSpark y The Bridge Accelerator para avanzar su visión de transformación digital con un enfoque filantrópico-estratégico.

En su totalidad, The Bridge Accelerator ayuda a fortalecer un esquema de ISCE que impulsa cambios sistémicos y sostenibles, potenciando, en la región fronteriza, la eficiencia operativa y el impacto social, consolidando a Microsoft como un referente de ISC que logra alinear sus iniciativas filantrópicas con su estrategia de negocios global.

Las entrevistas realizadas revelan cómo este proyecto ha estimulado la innovación tecnológica, el desarrollo económico y la movilidad social, mientras ha encarado desafíos que reflejan las particularidades del contexto local.

The Bridge Accelerator ha respaldado a PyMEs como PIMA, que incrementó sus ventas de 1.5 a 3 millones de dólares desde 2019 y generó 50 puestos de trabajo al ampliar y diversificar su cartera de clientes. Por su parte, Insight y Grupo AGA optimizaron sus flujos de producción con el soporte de TechSpark, aunque enfrentaron obstáculos para evaluar resultados a corto plazo. En la comunidad, TEALS expandió la educación en programación de 4 a 6 escuelas, superando metas de alcance, y el Centro de Inteligencia Artificial formó jóvenes durante la pandemia. FUNAX impactó a 2,000 estudiantes con su FabLab móvil, reduciendo deserción y mejorando percepciones laborales, mientras Youtake y My Dream Machine promovieron habilidades STEM y movilidad social. A pesar de retos como financiamiento y voluntariado, estas iniciativas han fortalecido la innovación, la economía y la educación tecnológica en Ciudad Juárez.

La importancia de estos resultados radica en la alternativa que se presenta ante el fracaso de las políticas públicas y empresariales por elevar el 2% de integración regional en la industria maquiladora en Juárez. A pesar de múltiples estrategias, programas e instrumentos a lo largo de varias décadas de industrialización para la exportación, no se ha conseguido fomentar los eslabones productivos hacia atrás. En este contexto, iniciativas corporativas como la de ISCE aquí analizada, permiten observar cómo se van elevando las capacidades locales productivas y gerenciales en forma paulatina y colectiva, así como el fomento al talento digital desde temprana edad. Estas iniciativas de CL, con limitados recursos financieros y humanos, y sin infraestructura física, muestran que hay otras maneras para lograr elevar el desarrollo regional, particularmente en contextos de tanta violencia y precarización, como es el caso de Ciudad Juárez.

Consideraciones

Para la elaboración de este artículo, se emplearon modelos de lenguaje de gran escala (LLMs) como ChatGPT-4o y Grok 3, desarrollado por XAI, con el propósito de realizar una auditoría de la redacción, asegurando claridad y coherencia en el texto. Asimismo, se utilizaron herramientas de IA para asistir en la revisión de literatura, destacando el uso de Connected Papers y Elicit, las cuales facilitaron la identificación y análisis de fuentes relevantes. En cuanto al diseño metodológico, este se fundamentó en un análisis de contenido asistido por IA, empleando específicamente ChatGPT-4o.