Análisis de riesgos financieros y empresariales derivados de la escasez hídrica, producto de la sequía hidrológica prolongada, en Ecuador desde el año 2023: Un enfoque basado en la sostenibilidad empresarial y predicción de amenazas mediante la aplicación de Inteligencia Artificial y Machine Learning en sectores estratégicos directamente afectados
No Thumbnail Available
Date
2026-05-21
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad de Cuenca. Facultad de Ciencias Económicas y Administrativas
Abstract
The 2023-2024 water crisis in Ecuador imposed critical financial risks on productive sectors. This study develops a predictive and prescriptive Early Warning System to assess corporate vulnerability in Azuay through a hybrid methodology integrating Data Envelopment Analysis, Natural Language Processing, and Machine Learning. Salience analysis identified the Government as the entity of maximum urgency, with a score of 3.0000, evidencing absolute institutional dependence. Using the DEA model applied to a longitudinal panel of 460 DecisionMaking Units from the agricultural, manufacturing, and energy sectors, a critical disparity in technical efficiency was detected. Industries with high asset rigidity showed a systemic setback, reflected in a 58.7% decline in the Malmquist Productivity Index. For the predictive phase, an Extreme Gradient Boosting algorithm was trained that achieved excellent accuracy in cross-validation. The analysis showed that the Environmental Exposure Factor and dynamic productivity account for over 71% of predictive power, outperforming traditional ratios such as static liquidity. Finally, generative artificial intelligence integration via document retrieval allowed processing the regulatory environment to prescribe mitigation tactics. The study concludes that corporate sustainability in the face of extreme climate shocks requires abandoning static accounting and adopting dynamic models that measure technological efficiency and exogenous exposure.
Resumen
La crisis hídrica de 2023 y 2024 en Ecuador impuso riesgos financieros críticos sobre los sectores productivos. Este estudio desarrolla un Sistema de Alerta Temprana predictivo y prescriptivo para evaluar la vulnerabilidad corporativa en el Azuay mediante una metodología híbrida que integra el Análisis Envolvente de Datos, Procesamiento de Lenguaje Natural y Machine Learning. El análisis de saliencia identificó al Gobierno como el ente de urgencia máxima, con un puntaje de 3.0000, evidenciando una dependencia institucional absoluta. Mediante el modelo DEA aplicado a un panel longitudinal de 460 Unidades de Toma de Decisión de los sectores agrícola, manufacturero y energético, se detectó una disparidad crítica en la eficiencia técnica. Las industrias con alta rigidez de activos mostraron un retroceso sistémico, reflejado en una caída del 58.7% en el Índice de Productividad de Malmquist. Para la fase predictiva, se entrenó un algoritmo Extreme Gradient Boosting que alcanzó una excelente precisión en validación cruzada. El análisis demostró que el Factor de Exposición Ambiental y la productividad dinámica absorben más del 71% del poder predictivo, superando a ratios tradicionales como la liquidez estática. Finalmente, la integración de inteligencia artificial generativa mediante recuperación documental permitió procesar el entorno normativo para recetar tácticas de mitigación. El estudio concluye que la sostenibilidad empresarial ante choques climáticos extremos exige abandonar la contabilidad estática y adoptar modelos dinámicos que midan la eficiencia tecnológica y la exposición exógena.
Keywords
Administración de Empresas, Riesgo climático, Sistema alerta temprana
Citation
Código de tesis
TAD; 1506
Código de tesis
Grado Académico
Ingeniero Comercial