Vol. 10, Núm. 2, mayo-agosto 2026  
Intención de uso de TIC en MYPES moderada por  
expectativas de esfuerzo e influencia social.  
ICT usage intention in MSEs moderated by effort  
expectancy and social influence.  
Arturo López Saldiña 1  
Resumen  
Tania Beatriz Quintero Bastos 2  
El objetivo de la presente investigación consistió en  
Marisol Pérez Mugica 3  
determinar el impacto de la expectativa de esfuer-  
zo y la influencia social en la intensión de uso de las  
tecnologías de información y comunicación en las  
microsypequeñasempresasdeVeracruz–Bocadel  
Río.Seadoptóunenfoquecuantitativo,conalcance  
explicativo. El análisis se realizó mediante ecuacio-  
nes estructurales con SEM-PLS, complementada  
con regresión lineal múltiple para el refinamiento  
del modelo. Los resultados confirman que la inten-  
cióndeusoestádeterminadaprincipalmenteporla  
facilidadpercibidaensuutilizaciónyporlapresión  
socialdelentorno.  
Rosendo Orduña Hernández 4  
Recibido: 27/10/2025  
Revisado: 03/12/2025  
Aceptado: 26/01/2026  
Revista RELAYN, Administración y Negocios en  
Latinoamérica.  
Disponible en:  
https://iquatroeditores.org/revista/index.php/  
relayn/index  
Palabras Clave  
Expectativa de esfuerzo, influencia social, intención de  
uso,UTAUT,SEM-PLS  
https://doi.org/10.46990/relayn.2026.10.2.2784  
Abstract  
e objective of this investigation consisted of determi-  
ningtheimpactofeffortexpectancyandsocialinfluence  
on the intention of using information and communica-  
tiontechnologies(ICT)inmicroandsmallenterprisesin  
Veracruz-BocadelRío. Aquantitativeapproachwithan  
explanatory scope was adapted. e analysis was deve-  
loped using structural equations with SEM-PL, comple-  
mented by a multiple lineal regression for model refine-  
ment. eresultsconfirmthattheintentiontouseICTis  
determined mainly by the perceived easiness by which it  
isappliedandbythesocialpressureexertedbythe  
surrounding environment.  
Keywords  
Effortexpectancy,socialinfluence,intentionofuse,  
UTAUT,SSEM-PLSA  
22  
REVISTA RELAYN, 2026, 10 (2), Mayo-Agosto, ISSN: 2594-1674  
Introducción  
En México, las micros, pequeñas y medianas empresas (mipymes), re-  
presentan el 99.8 % de los establecimientos del país (INEGI, 2023). Su  
contribución al empleo nacional se estima entre el 68 % y 72 % (Ángeles,  
Perez-Encinas & Villanueva, 2022), por lo que constituyen un elemento  
fundamental para la economía local, estatal y nacional. No obstante, este  
tipo de entidades económicas suelen enfrentar limitaciones financieras y  
estructurales que generan condiciones de inestabilidad y afectan su de-  
sarrollo y permanencia; en consecuencia, su esperanza de vida es de 7.8  
años (INEGI, 2020, p. 2). En este contexto, el uso de las tecnologías de la  
información y la comunicación (TIC) puede representar un factor posi-  
tivo para fortalecer su desarrollo, competitividad y permanencia. La in-  
tención de uso de las TIC no se distribuye de manera equitativa entre las  
distintas regiones. Factores como la escasa cultura de innovación, el des-  
conocimiento de los beneficios tangibles de la digitalización, la resistencia  
al cambio derivada de la percepción de complejidad y los altos costos aso-  
ciados a la tecnología pueden influir en la intención de uso de las TIC. En  
el Estado de Veracruz de Ignacio de la Llave, durante 2024 existían 486 mil  
establecimientos, de los cuales el 96.7 % correspondía a micronegocios;  
aproximadamente, el 22.2 % utilizó internet para sus actividades en 2023,  
en relación con el uso de tecnologías digitales, según datos de los Censos  
Económicos del INEGI (2025).  
En el ámbito nacional, apenas el 21.2 % de las mipymes declaró  
que su personal recibió capacitación en los últimos dos años para realizar  
actividades en línea o utilizar algún programa o soſtware. Esto evidencia  
un rezago importante tanto en el uso de tecnologías digitales como en el  
desarrollo de estrategias formales de transformación digital. No obstante,  
las mipymes reconocen que la capacitación puede generar mayores bene-  
ficios cuando todo el personal desarrolla habilidades digitales (IFT, 2024,  
pp. 34 –35).  
En este contexto, el Modelo Unificado de Aceptación y Uso de  
la Tecnología (UTAUT), propuesto por Venkatesh, Morris, Davis y Davis  
(2003), ha demostrado ser eficaz para explicar la aceptación y el uso de  
la tecnología en diversos contextos organizacionales, incluyendo aquellos  
caracteriza dos por recursos económicos limitados o condiciones de vul-  
nerabilidad. El modelo integra cuatro constructos principales: expectativa  
de desempeño (ED), expectativa de esfuerzo (EE), influencia social (IS) y  
condiciones de facilidad (CF). Estas variables predictoras afectan directa  
e indirectamente la aceptación y el uso de la tecnología (Madera, Torres,  
& Quevedo, 2012).  
El vacío de conocimiento radica en que la intención de uso (IU)  
de las TIC en las mypes continúa representando un desafío. La falta de  
conocimiento sobre modelos de integración tecnológica y sobre procesos  
de adaptación a contextos específicos constituye un obstáculo que requie-  
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es  
23  
López, et al. Intención de uso de TIC en MYPES moderada por expectativas de esfuerzo e influencia social.  
re atención desde la investigación aplicada. En este sentido, el objetivo de  
la presente investigación consiste en determinar el impacto de los cons-  
tructos que conforman el modelo UTAUT, con el propósito de obtener un  
modelo de integración digital adaptado al contexto de las mypes de la zona  
conurbada Veracruz –Boca del Río y aportar bases teóricas y prácticas que  
favorezcan su desarrollo y competitividad.  
Revisióndelaliteratura  
A través de una revisión sistemática de la literatura centrada en la trans-  
formación digital de las pequeñas y medianas empresas (pymes), diversos  
autores concluyen que, a pesar de la relevancia económica de este tipo  
de organizaciones, el proceso de digitalización aún carece de un conoci-  
miento estratégico y práctico integral. En este contexto, se planteó analizar  
cuáles son los factores de éxito y los aspectos empresariales más relevantes  
para la transformación digital. Entre los principales hallazgos, se sugie-  
ren que las pymes deben desarrollar estrategias de digitalización alinea-  
das con sus limitaciones inherentes, adoptando enfoques de innovación  
incremental e invirtiendo en aprendizaje y capacitación para favorecer un  
crecimiento económico (Sagala & Őri, 2024).  
El incremento en la adopción de tecnologías por parte de las  
pymes a partir de la pandemia de COVID-19 también despertó interés  
académico. En este sentido, se analizó el contenido generado por usuarios  
en X (antes Twitter) mediante la etiqueta #SMEs, lo que permitió iden-  
tificar innovaciones y estrategias de adopción tecnológica. A través de  
técnicas de minería de datos, se identificaron 15 temas relacionados con  
las percepciones y sentimientos hacia las tecnologías utilizadas. Los resul-  
tados evidencian que las pymes fueron proactivas en la adopción de he-  
rramientas digitales para mantener sus operaciones (Saura, Palacios-Mar-  
qués, & Ribeiro-Soriano , 2023).  
Si bien las TIC son fundamentales para mejorar la competitivi-  
dad de las pymes, su adopción, especialmente enpaíses en desarrollo, pue-  
de verse afectada por diversos patrones, obstáculos e influencias, como las  
limitaciones financieras y la falta de conocimientos tecnológicos. En con-  
secuencia, surge la necesidad de construir marcos analíticos que permitan  
abordar estos desafíos. Diversos autores han revisado y analizado un am-  
plio marco teórico, resaltando la importancia del Modelo UTAUT, el cual  
propone que la adopción y utilización de la tecnología puede predecirse a  
partir de sus variables explicativas (Yuwono, Suroso, & Novandari, 2024).  
El Modelo UTAUT surge a partir de una revisión y compara-  
ción de ocho modelos prominentes en la literatura, con el propósito de  
identificar los factores clave que determinan la intención de uso (IU) y el  
comportamiento real de la utilización de la tecnología: 1) t eoría de la di-  
fusión de la innovación (IDT, 1962); 2) teoría de la acción razonada (TRA  
, 1967); 3)teoría del comportamiento planeado (TPB, 1985); 4) modelo  
de aceptación de tecnología (TAM, 1986); 5) teoría cognitiva social (SCT,  
24  
Código JEL: M1 Administración de empresas  
REVISTA RELAYN, 2026, 10 (2), Mayo-Agosto, ISSN: 2594-1674  
1986) ; 6) modelo de la utilización de la PC (MPCU, 1991); 7) combi-  
nación del TAM y TPB (1995); y 8) modelo de motivación (MM, 1997)  
(Venkatesh et al., 2003, pp. 428–432).  
A partir de este soporte teórico, Venkatesh et al. (2003) formu-  
laron un modelo unificado compuesto por cuatro factores principales:  
expectativa de desempeño (ED), expectativa de esfuerzo (EE), influen-  
cia social (IS) y condiciones de facilidad (CF). Estas variables predictoras  
afectan directa o indirectamente la intención de uso y el uso real de la tec-  
nología (Madera et al., 2012). El modelo UTAUT ha demostrado explicar  
un porcentaje significativamente mayor de la varianza en la intención de  
uso en comparación con los modelos individuales preexistentes.  
Un estudio sobre la adopción de sistemas de comercio electró-  
nico en las pymes de Ghana utilizó un marco integrado que combinó la  
UTAUT y el modelo Tecnología-Organización-Entorno (TOE). Mediante  
el modelado de ecuaciones estructurales, los hallazgos indicaron que la  
ED y la EE influyen significativamente en la IU del comercio electrónico  
por parte de las pymes (Mensah, & Xu, 2025).  
Asimismo, investigaciones recientes destacanla relevancia de la  
adopción del comercio electrónico en pymes de mercados emergentes;su-  
brayando la brecha existente entre la rápida expansión digital de los con-  
sumidores y la lenta digitalización empresarial. Bajo un marco integral que  
incorpora la UTAUT, se identificó que la EE y las CF tienen un impacto  
positivo y significativo en la intención de adopción del comercio electróni-  
co. Además, se enfatiza la necesidad de fortalecer la infraestructura digital  
y atender las preocupaciones de valor para impulsar la participación de las  
pymes en entornos digitales (Indiani, Keshminder, Wiratama, & Amerth,  
2025).  
Por otro lado, la UTAUT ha sido aplicada en distintos contextos  
con extensiones orientadas a determinar qué factores influyen en la inten-  
ción conductual de los jóvenes (estudiantes calificados) para utilizar pla-  
taformas de crowdfunding como una fuente alternativa de financiamiento  
para pequeñas empresas. Dentro de los hallazgos, basados en un análisis  
de 270 respuestas, se reveló que la ED y la IS son predictores significati-  
vos de esta intención conductual, por lo que el autor concluye que dichas  
variables permiten predecir el uso real de las plataformas, sugiriendo im-  
plicaciones importantes para los responsables políticos y las instituciones  
educativas en el contexto de visión hacia 2030 (Alshebami, 2022).  
El Modelo UTAUT también ha sido aplicada en el contexto de  
la Automatización Inteligente de Procesos (IPA) por parte de los emplea-  
dos. En este estudio se identificaron trece determinantes, dentro de los  
cuales se encuentran ED, EE, IS y CF. Mediante el modelado de ecuacio-  
nes estructurales por mínimos cuadrados parciales, los autores subrayan  
la importancia de factores ajenos a las variables tradicionales del modelo,  
las fomentan la actitud positiva hacia la IPA. Los hallazgos resaltan la rele-  
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es  
25  
López, et al. Intención de uso de TIC en MYPES moderada por expectativas de esfuerzo e influencia social.  
vancia de las CF, ofreciendo implicaciones prácticas y teóricas para mejor  
la tasa de implementación de la IPA (Mayr, Stahmann, Nebel, & Janiesch  
, 2024).  
En otro estudio, a través de la UTAUT se exploró cómo las per-  
cepciones de los usuarios y el apoyo organizacional influyen en la adop-  
ción de las TIC. Se evidencio que la ED y la EE son importantes para el  
éxito de la implementación de las TIC, al funcionar como mecanismos cla-  
ve de adopción a nivel de usuario. Sin embargo, también se identificaron  
factores externos que inciden en la decisión al momento de la adopción de  
TIC, por lo que el éxito depende de alinear las capacidades organizacio-  
nales y las estrategias con las condiciones ambientales externas (Oyetade,  
& Zuva, 2025).  
Además, existe evidencia de estudios que utilizaron el Modelo  
UTAUT para analizar la IU de un sistema estandarizado de pago digital  
que utiliza códigos QR, desarrollado por el Banco de Indonesia para unifi-  
car los pagos digitales y denominado QRIS. Entre los principales hallazgos  
se describen que, si bien todas las expectativas influyen en la IU, única-  
mente la IS y las CF afectan directamente el comportamiento de uso de  
esta herramienta de pago digital (Ciptowati, & Setiawan, 2024).  
Asimismo, existe evidencia de investigaciones centradas en  
comprender los factores que influyen en la adopción de la innovación ver-  
de (GIA) dentro de empresas manufactureras, utilizando Pakistán como  
contexto de estudio. Los autores desarrollaron un modelo GIA basado en  
el Modelo UTAUT y, a partir de una muestra de 516 encuestados, realiza-  
ron un análisis mediante PLS-SEM y redes neuronales artificiales (ANN).  
Los resultados del modelo estructural demostraron que todas las variables  
integradas del Modelo UTAUT en el contexto de la innovación verde tie-  
nen un impacto positivo y significativo en la Intención Conductual Verde  
(GBI) equivalente en este estudio a la IU (Shahzad, Qu, Rehman, & Zafar  
, 2022).  
La adopción sostenida del comercio electrónico por parte de  
los consumidores en Ghana también fue objeto de estudio para evaluar y  
determinar qué factores influyen en la IU. La investigación se centró en el  
Modelo UTAUT, utilizando variables moderadoras como el rol mediador  
de la confianza y el rol moderador del método de pago. Los hallazgos prin-  
cipales, basados en un modelo de ecuaciones estructurales (PLS-SEM)  
aplicado a 535 encuestados, confirman una relación directa y positiva en-  
tre todas las todas las variables predictoras del Modelo UTAUT y la adop-  
ción del comercio electrónico, siendo la ED y la EE con mayor influencia  
(Amofah, & Chai, 2022).  
En síntesis, la literatura reciente muestra consenso en que la  
adopción tecnológica en las pymes depende principalmente de factores  
individuales y organizacionales explicados por el Modelo UTAUT, siendo  
26  
Código JEL: M1 Administración de empresas  
REVISTA RELAYN, 2026, 10 (2), Mayo-Agosto, ISSN: 2594-1674  
la ED y la EE los predictores más consistentes de la IU en diversos contex-  
tos productivos. No obstante, persiste un vacío en los estudios aplicados  
a economías emergentes a nivel local, donde la infraestructura, la cultura  
digital y las capacidades internas de las empresas pueden modificar el peso  
relativo de los constructos del modelo. A partir de ello, se identifica la  
necesidad de profundizar en investigaciones contextualizadas que validen  
empíricamente el Modelo UTAUT en pymes mexicanas, particularmente  
en regiones con rezago digital, con el propósito de comprender los factores  
que realmente impulsan la integración tecnológica. Esta brecha sustenta la  
pertinencia del presente estudio y fundamenta el análisis causal planteado.  
A partir de lo anterior, el siguiente apartado describe el método utilizado  
para comprobar empíricamente las relaciones planteadas en el modelo  
Metodología  
Este estudio se desarrolló bajo un enfoque cuantitativo, al emplear la me-  
dición numérica de variables y el análisis estadístico para explicar el fe-  
nómeno observable, con base en el razonamiento hipotético-deductivo  
(Creswell, & Creswell, 2023). El alcance es explicativo-causal, debido a  
que se buscó determinar el efecto de las variables predictoras sobre la IU  
de las TIC en las  
mypes. Esta orientación resulta pertinente cuando se  
pretende estimar relaciones de dependencia entre constructos latentes y  
cuantificar su magnitud mediante modelos causales.  
El estudio adopto un diseño no experimental, transversal y cau-  
sal-correlacional. Se considera no experimental porque no se manipula-  
ron deliberadamente las variables; transversal porque la información se  
recolectó en un único momento; y causal-correlacional porque se analiza-  
ron las relaciones directas entre los constructos considerados en el modelo  
teórico final (Creswell & Creswell, 2023). Asimismo, se emplearon ecua-  
ciones estructurales mediante SEM-PLS, técnica adecuada para investi-  
gaciones explicativas con modelos teóricos y muestras moderadas, cuyo  
uso es consistente con los lineamientos recomendados para publicaciones  
científicas en estudios causales (Hair, Hult, Ringle, & Sarstedt, 2019).  
Hipótesis. Si bien el Modelo UTAUT original contempla cuatro  
predictores, el refinamiento estadístico mediante regresión lineal múlti-  
ple evidenció que únicamente dos constructos mostraron una influencia  
significativa sobre la IU. Por ello, el modelo final se estimó con tres cons-  
tructos (ED, IS e IU), conservando únicamente aquellos predictores con  
soporte empírico. Las hipótesis específicas fueron las siguientes:  
H1a. La ED influye significativamente en la IU.  
H1b. La IS influye significativamente en la IU.  
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es  
27  
López, et al. Intención de uso de TIC en MYPES moderada por expectativas de esfuerzo e influencia social.  
Contexto y muestra. La población de estudio estuvo conforma-  
da por mypes ubicadas en la zona conurbada Veracruz–Boca del Río, en  
el estado de Veracruz de Ignacio de la Llave, México. Se empleó un mues-  
treo no probabilístico por conveniencia, dadas las facilidades de acceso a  
los participantes. Se obtuvo una muestra de 100 casos, número adecuado  
para modelos SEM-PLS, ya que supera el criterio de la regla de 10x, el cual  
establece que se debe contar con al menos diez veces el número de rutas  
dirigidas hacia el constructo dependiente (Hair, Hult, Ringle, & Sarstedt,  
2021). Al existir dos rutas dirigidas hacia la IU, el mínimo requerido era  
de 20 observaciones; por lo tanto, la muestra resulta suficiente y metodo-  
lógicamente válida.  
Instrumento. Se utilizó un cuestionario estructurado basado en  
el modelo UTAUT de Venkatesh et al. (2003), adaptado al contexto de las  
mypes. El instrumento original estuvo compuesto por 20 ítems distribui-  
dos en cinco constructos reflectivos (ED, EE, IS, CF e IU).  
La ED se define como el grado en que un individuo cree que el  
uso del sistema le ayudará a obtener mejoras en su desempeño laboral; este  
constructo captura conceptos como la utilidad percibida, la motivación  
extrínseca, el ajuste al trabajo y la ventaja relativa (p. 447). La EE se define  
como el grado de facilidad asociado con el uso del sistema; este construc-  
to abarca conceptos como la facilidad de uso percibida y la complejidad  
(p. 450). La IS se define como el grado en que un individuo percibe que  
otras personas importantes creen que él o ella deberían utilizar el nuevo  
sistema; este constructo incluye la norma subjetiva, los factores sociales y  
la imagen (p. 451).  
La CF se define como el grado en que un individuo cree que  
existe una infraestructura organizacional y técnica que apoya el uso del  
sistema (este constructo se relaciona con el control conductual percibido  
y la compatibilidad) (p. 453). Finalmente, la IU, consistente con la teoría  
subyacente a los modelos de intención, se espera que la intención conduc-  
tual tenga una influencia positiva significativa en el uso de la tecnología (p.  
456) (Venkatesh et al., 2003, pp. 447–456).  
Posteriormente, mediante un proceso de depuración empírica,  
se aplicó un análisis de regresión lineal múltiple, el cual evidenció que  
solo EE e IS contribuían significativamente a explicar la IU. Asimismo, en  
el modelo de medición con SEM-PLS se eliminó el ítem IS4 por presen-  
tar una carga externa inferior al criterio recomendado (λ < 0.40). Como  
resultado, el modelo final quedó conformado por 11 ítems agrupados en  
tres constructos reflectivos (EE, IS e IU), donde EE e IS actúan como pre-  
dictores y la IU como variable dependiente. Todos los ítems se midieron  
mediante una escala ordinal tipo Likert de 5 puntos, donde 1 respondió a  
“totalmente en desacuerdo” y 5 a “totalmente de acuerdo” en los construc-  
tos EE, IS e IU.  
28  
Código JEL: M1 Administración de empresas  
REVISTA RELAYN, 2026, 10 (2), Mayo-Agosto, ISSN: 2594-1674  
Procedimiento de recolección. El cuestionario fue distribuido  
mediante un formulario electrónico dirigido a propietarios y administra-  
dores de las mypes. Asimismo, se contó con el apoyo de dos estudiantes  
que acudieron directamente a los establecimientos con el fin de facilitar  
y garantizar la aplicación del instrumento. Durante el proceso se aseguró  
el consentimiento informado de los participantes, así como el anonimato  
y el uso exclusivamente académico de los datos recabados. La recolección  
de la información se realizó en un único corte temporal, del 20 de junio al  
16 de julio de 2025.  
Validez y confiabilidad del instrumento. La evaluación del ins-  
trumento se realizó en dos etapas. En primer lugar, se aplicó un Análisis  
Factorial Exploratorio (AFE) mediante el método de Componentes Prin-  
cipales y rotación Varimax, lo que permitió confirmar la estructura con-  
ceptual del instrumento. Posteriormente, en el modelo final se evaluó la  
calidad del modelo de medición mediante los siguientes criterios: fiabili-  
dad interna (α y rho_a), consistencia compuesta (CR), validez convergente  
(AVE) y validez discriminante (HTMT), establecidos para escalas reflecti-  
vas en SEM-PLS (Hair et al., 2019; Dijkstra, & Henseler, 2015). Los resul-  
tados confirmaron valores adecuados en todos los indicadores analizados,  
por lo que el instrumento se consideró estadísticamente confiable y válido,  
apto para la estimación del modelo estructural.  
Resultados  
Resultados del modelo completo mediante regresión lineal múltiple. Con  
el propósito de identificar los factores que explican la IU de las TIC en las  
mypes, se probó inicialmente el modelo completo basado en los cuatro  
constructos de la UTAUT (ED, EE IS y CF). Posteriormente, se aplicó una  
regresión lineal múltiple mediante el método por pasos (stepwise), a fin de  
determinar el aporte predictivo real de cada predictor del modelo.  
Los resultados indicaron que el Modelo 1, integrando única-  
mente por la IS, explicó el 27 % de la varianza de la IU (R2 = 0.272, p  
< 0.001). Al incorporar EE en el Modelo 2, el ajuste mejoró significati-  
vamente a R2 = 0.376, lo que representó un incremento de ΔR² = 0.104,  
con un cambio estadísticamente significativo (p < 0.001). Sin embargo,  
los constructos ED y CF no aportaron varianza adicional al modelo, por  
lo que fueron excluidos con el propósito de favorecer la parsimonia esta-  
dística.  
Previo a la interpretación de los resultados, se verificó el cum-  
plimiento de los supuestos de una regresión lineal. El estadístico de Dur-  
bin-Watson = 1.488 indicó independencia aceptable de los residuos. Asi-  
mismo, los valores de VIF = 1.235 y Tolerancia = 0.810 confirmaron la  
ausencia de multicolinealidad. El análisis de residuos mostró homocedas-  
ticidad y una distribución aproximadamente normal, lo que respalda la  
validez del modelo lineal estimado. En conjunto, estos hallazgos justifican  
la reducción del modelo a una estructura compuesta únicamente por la EE  
y la IS como predictores de la IU.  
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es  
29  
López, et al. Intención de uso de TIC en MYPES moderada por expectativas de esfuerzo e influencia social.  
Resultados del modelo reducido del Modelo UTAUT mediante  
SEM-PLS. A partir de los resultados previos, se estimó un modelo redu-  
cido mediante ecuaciones estructurales por mínimos cuadrados parciales  
(SEM-PLS), conservando únicamente los predictores que demostraron  
significancia estadística: EE e IS.  
Fiabilidad y validez del modelo reducido. Antes de estimar el  
modelo estructural, se evaluó la calidad del modelo de medición mediante  
los criterios de fiabilidad interna, validez convergente y validez discrimi-  
nante. Para este análisis se consideraron los constructos EE, IS e IU, de  
acuerdo con la estructura del modelo reducido. Siguiendo los umbrales  
sugeridos para PLS-SEM (Hair et al., 2019), se estableció como criterio  
a priori retener cargas externas λ ≥ 0.708; en aquellos casos con valores  
entre 0.40 y 0.70, se evaluó su permanencia siempre que la CR y el AVE  
permanecieran dentro de rangos aceptables.  
Durante el proceso de depuración, el ítem IS4 presentó una car-  
ga baja (λ = 0.394), inferior a los valores recomendados para escalas re-  
flectivas (véase Tabla 2.3). Su eliminación se justificó con base en criterios  
psicométricos y de parsimonia, preservando la validez de contenido del  
constructo IS, ya que IS1, IS2 e IS3 cubren adecuadamente su dominio  
conceptual. Tras su eliminación, los indicadores de fiabilidad y convergen-  
cia del modelo mejoraron significativamente.  
Los resultados finales muestran valores satisfactorios de fiabili-  
dad interna, con α, rho_a y CR superiores a 0.70 en los tres constructos,  
lo que confirma la consistencia interna del instrumento ( véase Tabla 2.1).  
Asimismo, todos los constructos cumplieron con el criterio de validez  
convergente al presentar valores de AVE ≥ 0.50. En cuanto a la validez  
discriminante, los valores del criterio HTMT (véase Tabla 2.2) se mantu-  
vieron por debajo del umbral 0.90 (Henseler, Ringle, & Sarstedt, 2015), lo  
que indica que los constructos son empíricamente distinguibles entre sí.  
Con base en estos resultados, se concluye que el modelo de medición pre-  
senta solidez suficiente, por lo que se considera adecuado avanzar hacia la  
evaluación del modelo estructural y el contraste de hipótesis.  
Tabla 2.1  
Fiabilidad interna y validez convergente del modelo reducido  
Constructo  
α
(rho_a)  
0.755  
0.785  
CR  
AVE  
0.424  
0.518  
0.558  
EE  
IS  
IU  
0.750  
0.745  
0.827  
0.744  
0.745  
0.833  
0.845  
Nota. Se reportan los indicadores de fiabilidad interna y validez convergente d  
el modelo reducido. Se adoptaron los siguientes criterios: α ≥ 0.70,  
rho_a ≥ 0.70, CR ≥ 0.70 y AVE ≥ 0.50 (Hair et al., 2019; Dijkstra & Henseler, 2015).  
Fuente: Elaboración propia a partir de los resultados obtenidos  
en PLS-SEM (SmartPLS v. 4); n = 100.  
30  
Código JEL: M1 Administración de empresas  
REVISTA RELAYN, 2026, 10 (2), Mayo-Agosto, ISSN: 2594-1674  
Tabla 2.2  
Validez discriminante mediante HTMT  
Pareja de Constructos  
EE – IS  
(HTMT)  
0.466  
EE – IU  
IS – IU  
0.602  
0.668  
Nota. Todos los valores HTMT fueron inferiores al umbral recomendado de 0.90,  
lo que confirma la validez discriminante entre los constructos (Henseler et al., 2015).  
Fuente: Elaboración propia a partir de los resultados obtenidos  
en PLS-SEM (SmartPLS v. 4); n = 100.  
Tabla 2.3  
Cargas por ítem (λ)  
Ítem  
EE1  
EE2  
EE3  
EE4  
IS1  
IS2  
IS3  
IU1  
IU2  
IU3  
IU4  
Constructo  
λ
EE  
EE  
EE  
EE  
IS  
IS  
IS  
IU  
IU  
IU  
IU  
0.773  
0.602  
0.584  
0.630  
0.780  
0.782  
0.611  
0.878  
0.705  
0.747  
0.637  
Nota. Se presentan las cargas estandarizadas del modelo reducido. Todas son significativas  
y superiores al umbral mínimo recomendado de 0.50, cumpliendo con el criterio  
de validez convergente de los ítems (Hair et al., 2019).  
Fuente: Elaboración propia a partir de los resultados obtenidos en PLS-SEM  
(SmartPLS v. 4); n = 100.  
Modelo estructural. Posteriormente, se evaluó el modelo es-  
tructural, el cual confirmó efectos directos y significativos de la IS y la EE  
sobre la IU. En particular, la relación IS → IU mostró β = 0.399, t = 3.162,  
p = 0.002, mientras que la relación EE → IU presentó β = 0.379, t = 3.445,  
p = 0.001. En conjunto, los predictores explican el 57.1 % de la varianza de  
la IU (R² = 0.571), lo que representa un poder explicativo moderado, en  
línea con los criterios por Hair et al. (2019, 2021).  
La Figura 2.1 muestra el diagrama del modelo estructural redu-  
cido, mientras que la Tabla 2.4 resume los coeficientes estandarizados del  
modelo.  
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es  
31  
López, et al. Intención de uso de TIC en MYPES moderada por expectativas de esfuerzo e influencia social.  
Tabla 2.4  
Coeficientes del modelo estructural  
Predictor  
IS → IU  
EE → IU  
β
t
p
0.399  
0.379  
3.162  
3.445  
0.000  
0.000  
Nota. La tabla presenta los coeficientes estandarizados (β), valores t y niveles de significancia (p)  
correspondientes al modelo reducido con la variable dependiente IU. El modelo explicó el  
57.1 % de la varianza total (R² = 0.571). Se adoptó un criterio de significancia de p < 0.05.  
Fuente. Elaboración propia a partir de los resultados obtenidos en  
PLS-SEM (SmartPLS v.4), n = 100.  
Figura 2.1  
Modelo estructural final del SEM-PLS para la IU de TIC en mypes  
Nota. El modelo estructural fue evaluado mediante SEM-PLS, siguiendo los criterios  
propuestos por Hair et al. (2021). Los coeficientes (β) representan los efectos directos entre  
constructos, mientras que el valor de R² indica la varianza explicada de la variable endógena IU.  
Fuente: Elaboración propia a partir de los resultados obtenidos en  
PLS-SEM (SmartPLS v. 4); n = 100.  
Contraste de hipótesis. Con base en los resultados del modelo  
estructural estimado mediante SEM-PLS, se procedió al contraste de las  
hipótesis específicas planteadas. Ambas relaciones propuestas en el mode-  
lo reducido resultaron estadísticamente significativas, lo que confirma que  
la EE y la IS influyen de manera directa en la IU de las TIC por parte de las  
mypes (véase Tabla 2.5).  
32  
Código JEL: M1 Administración de empresas  
REVISTA RELAYN, 2026, 10 (2), Mayo-Agosto, ISSN: 2594-1674  
Tabla 2.5  
Contraste de hipótesis del modelo reducido  
Hipótesis  
Relación  
β
p
Resultado  
H1a  
EE → IU  
0.399  
< .001  
Aceptada  
H1b  
IS → IU  
0.379  
< .001  
Aceptada  
Nota. Ambos coeficientes β son positivos y significativos (p < .01), lo que confirma  
su efecto sobre la IU.  
Fuente: Elaboración propia a partir de los resultados obtenidos en  
PLS-SEM (SmartPLS v. 4); n = 100.  
El coeficiente de determinación obtenido para la IU fue R²=  
0.571 (R² ajustado = 0.562), lo cual indica que el 57.1 % de la varianza de  
la IU es explicada por la EE y la IS. De acuerdo con los criterios propuestos  
por Hair et al. (2019, 2021), este resultado representa un nivel explicativo  
moderado, adecuado para modelos de comportamiento tecnológico en  
contextos organizacionales (véase Tabla 2.6).  
Tabla 2.6  
Coeficientes R2 y R2 ajustada  
R²  
R² ajustada  
IU  
0.571  
0.562  
Nota. El coeficiente R² indica la varianza explicada de la variable endógena en el  
modelo estructural. El R² ajustado ofrece una estimación más conservadora al penalizar  
el número de predictores.  
Fuente: Elaboración propia a partir de los resultados obtenidos en  
PLS-SEM (SmartPLS v. 4); n = 100.  
A partir de estos resultados, se confirma que la IU de las TIC  
en las mypes está determinada principalmente por la facilidad percibida  
en su utilización (EE) y por la presión o influencia social del entorno (IS).  
En el siguiente apartado se discuten las implicaciones teóricas, prácticas y  
contextuales de estos hallazgos a la luz de la literatura reciente.  
Discusión  
Los resultados permiten responder al vacío de conocimiento identificado en la  
introducción, el cual señalaba la falta de evidencia empírica sobre la adopción tec-  
nológica en mypes mexicanas desde el Modelo de la UTAUT . Si bien la literatura  
reciente coincide en que la adopción tecnológica en pequeñas empresas depende  
de factores individuales y organizacionales (Yuwono et al., 2024; Sagala, & Őri,  
2024), la mayoría de estos estudios se ha desarrollado en contextos internaciona-  
les, con poca atención a las condiciones de regiones emergentes como Veracruz.  
En este sentido, el presente estudio confirma parcialmente los postulados teóricos  
del Modelo UTAUT y aporta evidencia localizada que contribuye a comprender  
qué factores impulsan la intensión de uso (IU) de las Tecnologías de la Informa-  
ción y la Comunicación (TIC) en las mypes frente a escenarios de rezago digital.  
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es  
33  
López, et al. Intención de uso de TIC en MYPES moderada por expectativas de esfuerzo e influencia social.  
Los hallazgos muestran que la expectativa de esfuerzo (EE) y la  
influencia social (IS) influyen de manera directa y significativa en la IU, lo  
que coincide con investigaciones que subrayan el papel de estos factores  
como impulsores del comportamiento tecnológico en pequeñas organiza-  
ciones (Mensah, & Xu, 2025; Alshebami, 2022). En particular, la relevan-  
cia de la EE sugiere que los microempresarios están dispuestos a adoptar  
herramientas digitales cuando perciben que su uso es claro, accesible y  
no requiere esfuerzos excesivos. Esto resulta coherente con estudios que  
identifican la facilidad percibida como un determinante clave para la inte-  
gración tecnológica en entornos con recursos limitados.  
Por su parte, la significancia de la IS también coincide con ten-  
dencias observadas en mercados emergentes, donde la presión del entorno  
–clientes, negocios similares o redes cercanas– puede impulsar de manera  
importante el comportamiento tecnológico (Saura et al., 2023; Ciptowa-  
ti, & Setiawan, 2024). Estos resultados sugieren que, en el contexto vera-  
cruzano, la adopción tecnológica conserva un componente sociocultural  
relevante, lo que refuerza la necesidad de estrategias públicas y privadas  
orientadas a fomentar comunidades digitales y programas de acompaña-  
miento entre pares.  
En contraste, la expectativa de desempeño (ED) y condiciones  
de facilidad (CF) no mostraron influencia significativa sobre la IU, lo que  
se aparta parcialmente del patrón dominante reportado en la literatura  
(Amofah, & Chai, 2022; Indiani et al., 2025). Una posible explicación es  
que las mypes locales reconocen los beneficios potenciales de la tecno-  
logía, pero sus decisiones no se activan por la promesa de resultados fu-  
turos, sino por factores inmediatos como la facilidad de uso o la presión  
del entorno. Asimismo, la falta de peso de las CF puede reflejar barreras  
estructurales ya normalizadas, como infraestructura limitada o escasa ca-  
pacitación, lo que reduce su capacidad para explicar diferencias en el com-  
portamiento tecnológico.  
En conjunto, este estudio aporta un modelo empírico que con-  
tribuye a comprender los factores que realmente impulsan la IU de las TIC  
en las mypes del sur de México y reafirma la pertinencia de contextualizar  
el Modelo UTAUT en economías emergentes. Futuras investigaciones po-  
drían incorporar el uso real como variable dependiente, integrar modera-  
dores o comparar distintas regiones, con el propósito de obtener un mayor  
poder explicativo.  
Conclusiones  
El presente estudio tuvo como propósito determinar los factores que in-  
fluyen en la intención de uso (IU) de las Tecnologías de la Información  
y la Comunicación (TIC) en las micros y pequeñas empresas (mypes)  
de la zona conurbada Veracruz–Boca del Río, a partir del modelo de la  
Teoría de la Aceptación y Uso de la Tecnología (UTAUT). Los resultados  
obtenidos confirman parcialmente dicho modelo y atienden el vacío de  
34  
Código JEL: M1 Administración de empresas  
REVISTA RELAYN, 2026, 10 (2), Mayo-Agosto, ISSN: 2594-1674  
conocimiento identificado en la literatura: la falta de evidencia empírica  
contextualizada en economías emergentes, particularmente en unidades  
productivas de pequeña escala en México.  
El modelo reducido, validado mediante SEM-PLS, demos-  
tró que la expectativa de esfuerzo (EE) y la influencia social (IS) son los  
factores que tuvieron un impacto estadísticamente significativo sobre la  
intensión de uso, mientras que la expectativa de desempeño (ED) y las  
condiciones de facilidad (CF) no aportaron influencia significativa en este  
contexto. Se comprobaron las dos hipótesis del modelo reducido, confir-  
mando que los constructos retenidos (EE e IS) ejercen un efecto significa-  
tivo sobre la IU, lo que valida empíricamente la estructura final propuesta.  
Los hallazgos muestran que la adopción tecnológica en las  
mypes responde principalmente a dos dimensiones: 1) la percepción de  
facilidad en el uso de las herramientas digitales y 2) la presión o influencia  
del entorno. Esto sugiere que, cuando los propietarios o administradores  
consideran que la tecnología no representa una carga operativa y, además,  
observan que clientes, negocios similares o actores cercanos demandan o  
reconocen su uso, la disposición para implementar TIC aumenta conside-  
rablemente. En este sentido, la IU de las TIC en las mypes parece surgir  
más de la comodidad percibida y de la influencia social que de la promesa  
de beneficios o de la existencia de infraestructura tecnológica.  
El principal aporte teórico central radica en evidenciar que, en  
regiones con rezago digital, el Modelo UTAUT opera con pesos estructu-  
rales distintos a los documentados en otros países, donde la ED suele ser  
dominante. En este caso, los beneficios esperados no son suficientes por  
sí solos para detonar decisiones tecnológicas, lo que resalta la importancia  
de factores socioculturales y de percepción del esfuerzo.  
En términos prácticos, los resultados sugieren que las estra-  
tegias públicas y privadas orientadas a impulsar la digitalización de las  
mypes deben priorizar la capacitación funcional, el acompañamiento y la  
demostración práctica de herramientas tecnológicas, más que la promo-  
ción abstracta de sus beneficios. Asimismo, se identifica la necesidad de  
fortalecer redes empresariales locales para aprovechar el efecto multiplica-  
dor de la IS. La evidencia obtenida señala que, si el entorno cercano valida,  
adopta o recomienda la tecnología, la probabilidad de uso se incrementa,  
lo cual representa un elemento valioso para el diseño de programas guber-  
namentales, cámaras empresariales y universidades.  
Desde la dimensión metodológica, el empleo combinado de la  
regresión lineal múltiple y SEM-PLS permitió construir un modelo parsi-  
monioso, estadísticamente sólidO y con capacidad explicativa moderada  
para la IU. Como limitación, el modelo se centró únicamente en los cons-  
tructos que mostraron significancia estadística. Finalmente, se sugiere que  
futuras investigaciones integren variables contextuales incluyendo factores  
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es  
35  
López, et al. Intención de uso de TIC en MYPES moderada por expectativas de esfuerzo e influencia social.  
del entorno o de la organización –como capacidades digitales, percepción  
de riesgo tecnológico, apoyo institucional o gubernamental– y amplíen el  
análisis a otras regiones del país, con el fin de robustecer la comprensión  
del fenómeno y avanzar hacia modelos predictivos de mayor alcance.  
Referencias  
Alshebami, A. (2022). Crowdfunding  
platforms as a  
substitute  
fi-  
nancing  
rical  
source for  
young Saudi entrepreneurs: Empi-  
evidence. SAGE Open, 12(3). https://doi.org/10.1177/2  
1582440221126511  
Amofah, D., & Chai, J. (2022). Sustaining  
consumer  
e-  
trust and  
matter? Sustainability, 14(14), 8466. https://  
commer-  
ce  
adoption in Sub-Saharan Africa: Do  
pay-  
ment  
method  
doi.org/10.3390/su14148466  
Ángeles, A., Perez-Encinas, A., & Villanueva, C. (2022). Characterizing  
organizational  
ral  
lifecycle through  
strategic and  
structu-  
flexibility: Insights from MSMEs in Mexico. Global Jour-  
nal Flexible Systems Management, 23, 271–290.  
org/10.1007/s40171-022-00301-4  
https://doi.  
Creswell, J. W, & Creswell, J. D. (2023). Research design: Qualitative, quan-  
titative, and mixed methods approaches (6th ed.). SAGE.  
Ciptowati, L., & Setiawan, D. (2024). An analysis of QRIS  
approach. APMBA (Asia Pacific  
usage  
behavior using UTAUT  
Management and Business Application), 13(1), pp. 19  
https://doi.org/10.21776/ub.apmba.2024.013.01.2  
–36.  
Dijkstra, T. K., & Henseler, J. (2015). Consistent partial least squares path  
modeling. MIS Quarterly, 39(2), 297–316.  
Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2019). A primer on  
partial least squares structural equation modeling (PLS-SEM)  
(2nd ed.). SAGE.  
Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2021). A primer on  
partial least squares structural equation modeling (PLS-SEM)  
(3rd ed.). SAGE.  
Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for as-  
sessing discriminant validity in variance-based SEM. Journal of  
the Academy of Marketing Science, 43(1), 115–135.  
Indiani, N., Keshminder, J., Wiratama, N., & Amertha, G. (2025). Unloc-  
king e-commerce potential in SMEs: an integrative framework  
for adoption in emerging markets. Humanities & Social Scien-  
ces  
Communications, 12, 766. https://doi.org/10.1057/  
s41599-025-04952-3  
Instituto Federal de Telecomunicaciones (IFT). (2024). Percepción so-  
bre las necesidades y el desarrollo de habilidades digitales en-  
tre las micro, pequeñas y medianas empresas (MiPymes). IFT.  
https://www.ift.org.mx/sites/default/files/contenidogeneral/  
usuarios-y-audiencias/percepcionsobrelasnecesidadesdeldesa-  
rrollodehabilidadesdigitalesentrelasmipymes.pdf  
36  
Código JEL: M1 Administración de empresas  
REVISTA RELAYN, 2026, 10 (2), Mayo-Agosto, ISSN: 2594-1674  
Instituto Nacional de Estadística y Geografía (INEGI). (2020). Caracte-  
rísticas de los establecimientos. Censos Económicos 2019  
:
Resultados definitivos,  
demografía de los establecimien-  
tos). INEGI. https://www.inegi.org.mx/contenidos/programas/  
ce/2019/doc/frrdf_ce19.pdf  
Instituto Nacional de Estadística y Geografía (INEGI). (2023). Estadísti-  
cas de demografía de los negocios (EDN 2023). INEGI. https://  
www.inegi.org.mx/  
Instituto Nacional de Estadística y Geografía (INEGI). (2023). Censos  
Económicos 2023. https://www.inegi.org.mx  
Instituto Nacional de Estadística y Geografía. (2025). Comunicado de  
prensa: Censos Económicos 2024. Resultados Oportunos  
–
Veracruz. INEGI. https://www.inegi.org.mx/contenidos/sala-  
deprensa/boletines/2025/ce/CE2024_RO_VER.pdf  
Madera, M., Torres, L., & Quevedo, L. (2012). Estudio de traducción y  
confiabilidad del instrumento de la  
teoría  
unificada de la  
aceptación y  
(2), 96 –105.  
Mayr, A., Stahmann, P., Nebel, M.,  
uso de la  
tecnología (UTAUT). Apertura, 4  
& Janiesch, C. (2024). Still doing it  
yourself? Investigating determinants for the adoption of intelli-  
gent process automation. Electronic Markets, 34, 56. https://doi.  
org/10.1007/s12525-024-00737-9  
Mensah, J., & Xu, Y. (2025). Adoption of  
e-commerce technologies  
among SMEs in Ghana under the influence of integrated  
UTAUT and TOE frameworks. Information Development, 0(0).  
https://doi.org/10.1177/02666669251325479  
Oyetade, K., & Zuva, T. (2025). External organizational drivers of ICT  
adoption for sustainable growth. Discover G lo bal  
ty, 3, 116. https://doi.org/10.1007/s44282-025-00273-7  
Socie-  
Sagala, G., & Őri, D. (2024). Toward SMEs digital transformation suc-  
cess: a systematic literature review. Information System and  
e
-Business Management, 22, 667–719. https://doi.org/10.1007/  
s10257-024-00682-2  
Saura, J., Palacios-Marqués, D. & Ribeiro-Soriano, D. (2023). Levera-  
ging SMEs technologies adoption in the  
COVID-19 pande-  
mic:  
e  
A case study on Twitter-based user-generated content.  
Journal Technology Transfer, 48, 1696–1722. https://doi.  
org/10.1007/s10961-023-10023-z  
Shahzad, M., Qu, Y., Rehman, S., & Zafar, A. (2022). Adoption of green  
innovation technology to accelerate sustainable development  
among manufacturing industry.  
Journal of Innovation &  
https://doi.org/10.1016/j.  
Knowledge,  
7,  
(4), 100231,  
jik.2022.100231  
Venkatesh, V., Morris, M., Davis, G. B., & Davis, F. D. (2003). User Accep-  
tance of Information Technology: Toward a Unified View. MIS  
Quarterly, 27(3), 425–478. https://doi.org/10.2307/30036540  
https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es  
37  
López, et al. Intención de uso de TIC en MYPES moderada por expectativas de esfuerzo e influencia social.  
Yuwono, T., Suroso, A. & Novandari, W. (2024). Information and com-  
munication technology in SMEs: a systematic literature review.  
Journal of Innovation Entrepreneurship, 13, 31. https://doi.  
org/10.1186/s13731-024-00392-6  
Sobre losautores  
1Profesor investigador de la Universidad Veracruzana, México.  
ORCID: https://orcid.org/0009-0000-3398-8260  
2Profesora investigadora de la Universidad Veracruzana, México.  
ORCID: https://orcid.org/0009-0004-9255-6520  
3Profesora investigadora de la Universidad Veracruzana, México.  
ORCID: https://orcid.org/0009-0004-8873-1250  
4Profesor investigador de la Universidad Veracruzana, México.  
ORCID: https://orcid.org/0000-0001-8465-3962  
38  
Código JEL: M1 Administración de empresas