Optimizando la negociación:
Herramientas cuantitativas para medir eficiencia y resultados
DOI:
https://doi.org/10.51896/rilcods.v7i74.1067Palabras clave:
negociación, evaluación de eficiencia, análisis envolvente de datos, lógica difusa, inteligencia artificialResumen
La evaluación de la eficiencia de los negociadores comerciales es clave para optimizar resultados y garantizar el éxito en los acuerdos. Medir su desempeño permite identificar fortalezas, áreas de mejora y asignar recursos de manera estratégica. Entre las variables críticas a considerar están los inputs, como el tiempo invertido, los costes asociados y las habilidades del negociador (como persuasión y adaptabilidad), así como los outputs, que incluyen el número de acuerdos cerrados, su valor económico, y el nivel de satisfacción de las partes involucradas. Para cuantificar estos aspectos, se utilizan indicadores como la tasa de éxito en negociaciones, la eficiencia en el uso del tiempo, el retorno sobre la inversión (ROI) y la percepción de los clientes. Para un análisis riguroso, metodologías como el Análisis Envolvente de Datos (DEA), como el uso de la Lógica Difusa, que son herramentales que permiten comparar el rendimiento entre profesionales, identificar brechas y proponer recomendaciones. Hoy la Inteligencia Artificial (IA), se suma al grupo de herramientas que no solo mejora la evaluación, sino que también impulsa la capacitación y el desarrollo de estrategias más efectivas en la negociación comercial.
Citas
Cooper, W. W., Seiford, L. M., & Tone, K. (2007). Data envelopment analysis: A comprehensive text with models, applications, references and DEA-solver software (2nd ed.). Springer.
Dyson, R. G., Allen, R., Camanho, A. S., Podinovski, V. V., Sarrico, C. S., & Shale, E. A. (2001). Pitfalls and protocols in DEA. European Journal of Operational Research, 132(2), 245–259. https://doi.org/10.1016/S0377-2217(00)00149-1.
Figini, S., & Uberti, P. (2009). A statistical framework for measuring the efficiency of negotiations. Journal of Applied Statistics, 36(11), 1243–1258. https://doi.org/10.1080/02664760802661809.
Kersten, G. E., & Noronha, S. J. (1999). WWW-based negotiation support: Design, implementation, and use. Decision Support Systems, 25(2), 135–154. https://doi.org/10.1016/S0167-9236(99)00012-3.
Lewicki, R. J., Saunders, D. M., & Barry, B. (2020). Negociación (7ª ed.). McGraw-Hill Education.
Oosterlaken, I. (2015). Applying value sensitive design (VSD) to AI in negotiation. In Proceedings of the 2015 AAAI Spring Symposium Series. Stanford University, CA.
Yager, R. R. (1988). On ordered weighted averaging aggregation operators in multicriteria decisionmaking. IEEE Transactions on Systems, Man, and Cybernetics, 18(1), 183–190. https://doi.org/10.1109/21.87068.
Yager, R. R., & Kacprzyk, J. (Eds.). (2012). The ordered weighted averaging operators: Theory and applications. Springer Science & Business Media.
Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3), 338–353. https://doi.org/10.1016/S0019-9958(65)90241-X.
Zheng, N., Liu, Z., Ren, P., Ma, Y., Chen, S., Yu, S., Xue, J., Chen, B., & Wang, F. (2017). Hybrid-augmented intelligence: Collaboration and cognition. Frontiers of Information Technology & Electronic Engineering, 18(2), 153–179. https://doi.org/10.1631/FITEE.1700053.
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Usted es libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y construir a partir del material
Bajo los siguientes términos:
- Atribución — Usted debe dar crédito de manera adecuada, brindar un enlace a la licencia, e indicar si se han realizado cambios. Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
- NoComercial — Usted no puede hacer uso del material con propósitos comerciales.
