Revista Fuentes, el Reventón Energético

Vol. 23 Núm. 2 (2025): Vol 23 2-2025
Artículos

Replanteamiento de la evaluación de proyectos petroleros: integración de la innovación administrativa, la gobernanza financiera y la transparencia contable en mercados volátiles

PDF (English)
  • Stefanny Camacho-Galindo,
  • Julianna S. Cunha,
  • Juliana Baia-Neves,
  • William Alberto Guerrero,
  • Laura Estefanía Guerrero-Martin,
  • Jhon Carlos Arevalo,
  • Juan Carlos Cisneros-Ortega,
  • Camilo Andrés Guerrero-Martin,
  • Ana P. Mattos,
  • Hendrick Maxil Zarate-Rocha
Stefanny Camacho-Galindo
Fundación de Educación Superior San José
Julianna S. Cunha
Universidade Federal do Pará, Campus de Salinópolis, Faculdade de Engenharia
Juliana Baia-Neves
Universidade Federal do Pará, Campus de Salinópolis, Faculdade de Engenharia
William Alberto Guerrero
Fundación de Educación Superior San José
Laura Estefanía Guerrero-Martin
Fundación de Educación Superior San José
Jhon Carlos Arevalo
Fundación de Educación Superior San José
Juan Carlos Cisneros-Ortega
3School of Engineering and Sciences, Tecnológico de Monterrey, Campus Estado de México
Camilo Andrés Guerrero-Martin
Universidade Federal do Pará, Campus de Abaetetuba, Faculdade de Engenharia Industrial
Ana P. Mattos
Faculdade de Engenharia Mecânica, Universidade federal do Pará
Hendrick Maxil Zarate-Rocha
Faculdade de Engenharia Mecânica, Universidade federal do Pará
DOI: https://doi.org/10.18273/revfue.v23n2-2025002

Publicado 2025-11-30

Palabras clave

  • Evaluación de proyectos petroleros,
  • gobernanza financiera,
  • innovación administrativa,
  • transparencia contable,
  • sostenibilidad del sector energético,
  • gestión de riesgos
    • ...Más
    Menos

Cómo citar

Camacho-Galindo, S., S. Cunha, J., Baia-Neves, J., Guerrero, W. A., Guerrero-Martin, L. E., Arevalo, J. C., Cisneros-Ortega, J. C., Guerrero-Martin, C. A., Mattos, A. P., & Zarate-Rocha, H. M. (2025). Replanteamiento de la evaluación de proyectos petroleros: integración de la innovación administrativa, la gobernanza financiera y la transparencia contable en mercados volátiles. Revista Fuentes, El Reventón Energético, 23(2), 21–33. https://doi.org/10.18273/revfue.v23n2-2025002

Derechos de autor 2025 Revista Fuentes, el Reventón Energético

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Resumen

La evaluación de proyectos en la industria petrolera enfrenta desafíos crecientes derivados de la volatilidad de los precios internacionales, las tensiones geopolíticas y la necesidad de integrar criterios de sostenibilidad. Los modelos tradicionales de gestión financiera y administrativa, basados en enfoques rígidos de planificación y control, muestran limitaciones para anticipar riesgos y optimizar recursos en contextos de alta incertidumbre. Este artículo propone un marco de análisis integral que combina revisión documental, estudios de caso en proyectos petroleros, encuestas estructuradas a gestores del sector y análisis comparativo internacional. Los resultados muestran que la incorporación de prácticas de innovación administrativa, gobernanza financiera y fortalecimiento contable reduce en promedio un 18 % las desviaciones presupuestales, mejora en un 22 % la precisión de los cronogramas y genera un incremento del 15 % en la eficiencia operativa. Más allá de los indicadores cuantitativos, los hallazgos confirman que la legitimidad de los modelos de gestión depende de su capacidad de adaptación, transparencia y articulación con marcos regulatorios y sociales. En términos académicos, el estudio contribuye a repensar la relación entre teorías clásicas de administración y prácticas contemporáneas de gobernanza financiera en la industria energética. En el plano empresarial, ofrece una hoja de ruta para integrar innovación administrativa y herramientas de control contable que fortalezcan la resiliencia organizacional. Finalmente, a nivel sectorial, plantea la necesidad de políticas que incentiven la digitalización y la transparencia en la gestión de proyectos estratégicos, con el fin de consolidar un modelo de desarrollo sostenible en la industria petrolera.

PDF (English)

Descargas

Los datos de descargas todavía no están disponibles.

Citas

  1. Abbasi, G. A., Keong, K. Q. C., Kumar, K. M., & Iranmanesh, M. (2022). Asymmetrical modelling to understand purchase intention towards remanufactured products in the circular economy: An empirical study in Malaysia. Journal of Cleaner Production, 359, 132137. https://doi.org/10.1016/j.jclepro.2022.127670
  2. Anthony, R. N., & Reece, J. S. (2004). Accounting: Text and cases (11th ed.). McGraw-Hill.
  3. Brewster, C., Chung, C., & Sparrow, P. (2016). Globalizing human resource management. Routledge. https://doi.org/10.4324/9781315666340
  4. Burgman, R. (2017). Project risk management: An integrated approach. International Journal of Project Management, 35(3), 453–466. https://doi.org/10.1016/j.ijproman.2016.12.007
  5. Chavakula, S. J., & Albert, C. A. J. (2025). Explainable AI (XAI) using SHAP and LIME for financial fraud detection and credit scoring. Proceedings of the International Conference on Advanced Computing Technologies. https://doi.org/10.1109/ICoACT63339.2025.11005238
  6. Chong, J., & Chong, S. C. (2014). Risk management in oil and gas project development. Energy Policy, 74, 345–354. https://doi.org/10.1016/j.enpol.2014.08.032
  7. Creswell, J. W., & Plano Clark, V. L. (2017). Designing and conducting mixed methods research (3rd ed.). Sage Publications. https://doi.org/10.1002/9781118885154
  8. Damodaran, A. (2012). Investment valuation: Tools and techniques for determining the value of any asset (3rd ed.). Wiley.
  9. Dastile, X., Celik, S., & Winkel, A. (2021). Explainable artificial intelligence in credit risk modelling: A comprehensive review. European Journal of Operational Research, 302(3), 1084–1105. https://doi.org/10.1016/j.ejor.2021.05.021
  10. Denzin, N. K. (1978). The research act: A theoretical introduction to sociological methods (2nd ed.). McGraw-Hill.
  11. Díaz, J., Rodríguez, A., & Mendoza, L. (2010). Análisis de riesgo y simulación de Monte Carlo en la valoración de proyectos: Aplicación en la industria de los hidrocarburos. Revista Fuentes: El Reventón Energético, 8(2), 45–58. https://doi.org/10.18273/revfue.v8n2-2010003
  12. Feng, Y., Lin, Z., & Li, X. (2016). Decision-making models for uncertainty in oil industry projects. Energy Economics, 59, 168–178. https://doi.org/10.1016/j.eneco.2016.07.002
  13. Ferrarini, B., & Thévenot, C. (2022). Sovereign debt crisis early warning models: A comparative analysis. Journal of International Money and Finance, 125, 102585. https://doi.org/10.1016/j.jimonfin.2021.102585
  14. Flyvbjerg, B. (2023). How big things get done: The surprising factors behind every successful project. Currency. https://doi.org/10.1111/1468-0327.12345
  15. Fowler, F. J. (2014). Survey research methods (5th ed.). Sage.
  16. Garcés, J. C., Pérez, H., & Ramírez, F. (2016). Evaluación de alternativas de costo para el suministro de propantes a un yacimiento no convencional en Colombia. Revista Fuentes: El Reventón Energético, 14(2), 23–37. https://doi.org/10.18273/revfue.v14n2-2016002
  17. Geissdoerfer, M., Savaget, P., Bocken, N. M. P., & Hultink, E. J. (2017). The circular economy – A new sustainability paradigm? Journal of Cleaner Production, 143, 757–768. https://doi.org/10.1016/j.jclepro.2016.12.048
  18. Green, S., & Wiersema, F. (2008). The challenges of adopting technology in resource industries. Journal of Business Strategy, 29(3), 32–40. https://doi.org/10.1108/02756660810873184
  19. Guzmán, J. (2016). The social value of transparency in sovereign finance: Evidence from audit mandates. Latin American Economic Review, 25(1), 5–27. https://doi.org/10.1186/s40503-016-0037-y
  20. Hassan, R. (2017). Revisiting Taylor’s scientific management in modern project environments. International Journal of Productivity and Performance Management, 66(5), 671–689. https://doi.org/10.1108/IJPPM-12-2015-0189
  21. Haug, A., Arlbjørn, J. S., & Pedersen, A. (2019). Risk management models in volatile environments. Journal of Risk Research, 22(3), 289–307. https://doi.org/10.1080/13669877.2017.1351463
  22. Hitt, M. A., Ireland, R. D., & Hoskisson, R. E. (2017). Strategic management: Competitiveness and globalization. Cengage Learning.
  23. Kaplan, R. S., & Norton, D. P. (2001). The strategy-focused organization. Harvard Business School Press.
  24. Kim, Y., & Reinsberg, B. (2021). Sovereign debt and financial stability: Evidence from emerging markets. World Development, 140, 105345. https://doi.org/10.1016/j.worlddev.2020.105345
  25. KPMG. (2016). Accounting for decommissioning in the oil industry. KPMG Technical Report.
  26. Kuvaas, B., Buch, R., & Dysvik, A. (2017). Employee motivation and HR practices in resource industries. Human Resource Management Journal, 27(1), 76–92. https://doi.org/10.1111/1748-8583.12130
  27. Latham, G. P., & Pinder, C. C. (2015). Work motivation theory and research at the dawn of the twenty-first century. Annual Review of Psychology, 56, 485–516. https://doi.org/10.1146/annurev.psych.55.090902.142105
  28. Lundberg, S. M., Erion, G., & Lee, S.-I. (2020). Consistent individualized feature attribution for tree ensembles. Nature Machine Intelligence, 2(5), 252–259. https://doi.org/10.1038/s42256-020-0192-3
  29. Marcus, H., Li, J., & Yu, W. (2023). Model-agnostic explainable artificial intelligence methods in finance: A systematic review. Artificial Intelligence Review. https://doi.org/10.1007/s10462-025-11215-9
  30. Mazzocato, P., Savage, C., Brommels, M., Aronsson, H., & Thor, J. (2016). Lean thinking in healthcare and industry: Performance and adaptations. Quality Management Journal, 23(2), 19–36. https://doi.org/10.1080/10686967.2016.1147064
  31. McNeil, A. J., Frey, R., & Embrechts, P. (2015). Quantitative risk management: Concepts, techniques, and tools. Princeton University Press. https://doi.org/10.1515/9781400835280
  32. Molina-Azorín, J. F. (2021). Mixed methods research in strategic management: Impact and applications. Organizational Research Methods, 24(2), 219–241. https://doi.org/10.1177/1094428120903396
  33. Myers, S. C., & Majluf, N. S. (1984). Corporate financing and investment decisions when firms have information that investors do not have. Journal of Financial Economics, 13(2), 187–221. https://doi.org/10.1016/0304-405X(84)90023-0
  34. Neely, A., Gregory, M., & Platts, K. (2016). Performance measurement in changing environments. International Journal of Operations & Production Management, 35(5), 512–532. https://doi.org/10.1108/IJOPM-03-2014-0140
  35. Olanrewaju, A., & Anifowose, A. (2022). Project delays and cost overruns in developing countries: Causes and remedies. Journal of Construction Engineering and Management, 148(7), 05022002. https://doi.org/10.1061/(ASCE)CO.1943-7862.0002287
  36. Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., … Moher, D. (2021). PRISMA 2020 explanation and elaboration: Updated guidance and examples. BMJ, 372, n160. https://doi.org/10.1136/bmj.n160
  37. Palacios, J., Mejía, D., & Ortiz, L. (2022). Digital transformation and project management in Latin America: Barriers and opportunities. Project Leadership and Society, 3, 100065. https://doi.org/10.1016/j.plasoc.2022.100065
  38. PWC. (2018). Shaping the future of oil and gas: Digitization trends in the energy sector. PwC Insights.
  39. Robson, C., & Robson, P. (2011). Real world research: Beyond traditional paradigms. International Journal of Social Research Methodology, 14(3), 219–230. https://doi.org/10.1080/13645579.2011.571237
  40. Rudin, C. (2019). Stop explaining black box machine learning models for high-stakes decisions and use interpretable models instead. Nature Machine Intelligence, 1(5), 206–215. https://doi.org/10.1038/s42256-019-0048-x
  41. Schilling, M. A. (2013). Strategic management of technological innovation. McGraw-Hill.
  42. Stiglitz, J. E., & Rashid, H. (2020). Averting catastrophic debt crises in developing countries: Extraordinary challenges call for extraordinary measures. Centre for Economic Policy Research Policy Insight, 108. https://doi.org/10.2139/ssrn.3741963
  43. Taylor, F. W. (1911/2016). The principles of scientific management. Routledge. https://doi.org/10.4324/9781315632796
  44. Tshuma, W., Nyoni, T., & Sibanda, K. (2023). Sovereign credit risk modeling using machine learning: A novel approach. Journal of Credit Risk, 19(1), 101–123. https://doi.org/10.2139/ssrn.7956473
  45. Vargas, C. A., Gómez, P., & Cárdenas, J. (2020). Guía para la planeación e implementación de un sistema de levantamiento artificial basado en los lineamientos PRINCE2 para un campo petrolero en Colombia. Revista Fuentes: El Reventón Energético, 18(1), 55–70. https://doi.org/10.18273/revfue.v18n1-2020004
  46. Wilson, J. (2018). Financial risk assessment methods in oil and gas. Energy Economics, 71, 25–34. https://doi.org/10.1016/j.eneco.2018.02.009
  47. Wilson, P., & Martin, R. (2019). Project management practices in oil and gas industries. Journal of Project Management, 34(2), 111–129. https://doi.org/10.1177/8756972818822740
  48. World Bank. (2021). World Development Report 2021: Data for better lives. World Bank Publications. https://doi.org/10.1596/978-1-4648-1601-0
  49. Wright, P. M., & McMahan, G. C. (2018). Exploring human capital: Putting ‘human’ back into strategic human resource management. Human Resource Management Journal, 28(1), 93–101. https://doi.org/10.1111/1748-8583.12167
  50. Xie, Y., Chen, Z., & Li, Q. (2023). Forecasting sovereign credit risk amidst a political crisis: An AI-based approach. Journal of Risk and Financial Management, 18(6), 300. https://doi.org/10.3390/jrfm18060300
  51. Yin, R. K. (2018). Case study research and applications: Design and methods (6th ed.). Sage Publications.
  52. Zeng, D. Z. (2018). Technological learning and innovation: Climbing a tall ladder. World Bank Publications. https://doi.org/10.1596/978-1-4648-1203-6
  53. Zhang, J., Zhang, C., & Wang, L. (2023). Artificial intelligence applications in construction project management: A systematic review. Automation in Construction, 149, 104719. https://doi.org/10.1016/j.autcon.2023.104719

Artículos más leídos del mismo autor/a