Factores Que Influyen en La Intención de Uso de Tecnología Móvil para Realizar Transacciones de Dinero - LOPEZ

1
PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ
ESCUELA DE POSGRADO
Factores que Influyen en la Intención de Uso de Tecnología Móvil para
Realizar Transacciones de Dinero
TESIS PARA OBTENER EL GRADO DE MAGÍSTER EN GERENCIA DE
TECNOLOGÍAS DE INFORMACIÓN
OTORGADO POR LA
PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ
PRESENTADA POR
Arturo Arnaldo López Chacaliaza, DNI: 45811846
Joel Alexander Palomino Ramos, DNI: 44839152
ASESOR
Luis Alfredo Negrón Naldos, DNI: 10788917
ORCID: 0000-0003-1328-0323
JURADO
Percy Samoel Marquina Feldman
Yván Jesús García López
Luis Alfredo Negrón Naldos
Surco, octubre 2021

2
DEDICATORIA
A mi madre y padre por sus deseos de bienestar y preocupación hacia mí en todo momento.
A mi familia por el apoyo constante que me vienen demostrando ante cada reto que me planteo.
Y a todos quienes aportaron con esta investigación.
Arturo Arnaldo López Chacaliaza
A mi esposa, hijos, madre y familiares que me apoyan constantemente en mi desarrollo personal y
profesional.
Y a todos quienes aportaron con esta investigación.
Joel Alexander Palomino Ramos

3
Resumen
La presente investigación busca identificar las relaciones entre los factores actitud, utilidad
percibida, facilidad percibida, confianza percibida y riesgo percibido con la intención de uso de
las aplicaciones móviles para realizar transacciones de dinero Yape y Plin; los participantes de
este estudio son mayores de 18 años de Lima Metropolitana que utilizan estas aplicaciones en su
vida cotidiana. El objetivo general es proponer un nuevo modelo de aceptación tecnológica,
basado en el Modelo de Aceptación Tecnológica (TAM) propuesto por Davis et al. (1989), que
permita analizar factores involucrados en aceptación del uso de las aplicaciones móviles para las
transacciones de dinero utilizando el celular. La investigación fue no experimental de tipo
correlacional y de corte transversal; la recolección de la información se realizó entre marzo y
julio del 2021 (en pandemia a nivel mundial); se utilizó la técnica de encuestas, mediante un
cuestionario de 21 preguntas, aplicadas a una muestra de 385 personas mayores de 18 años de
Lima Metropolitana que utilicen Yape o Plin para sus transacciones de dinero. De las hipótesis
planteadas en relación con los factores actitud, utilidad percibida, facilidad de uso, riesgo
percibido, confianza percibida e intención de uso; cuatro de las ocho hipótesis planteadas no
fueron significativamente confirmadas. El factor que mayor efecto tuvo sobre la intención de uso
fue la utilidad percibida. Se discuten algunas razones sobre las hipótesis rechazadas donde se
involucran aspectos como la pandemia y la idiosincrasia.
Palabras clave: TAM, actitud, confianza, riesgo, utilidad, intención de uso, facilidad, pandemia,
idiosincrasia, aplicación móvil.

4
Abstract
The present research seeks to identify the relationships between the factors attitude, perceived
usefulness, perceived ease of use, perceived trust and perceived risk with the intention to use
mobile applications for money transactions Yape and Plin; the participants in this study are over
18 years old and live in Metropolitan Lima who uses these applications in their daily lives. The
general objective is to propose a new Technological Acceptance Model, based on the
Technological Acceptance Model (TAM) proposed by Davis et al. (1989), which allows
analyzing the factors involved in the acceptance of the use of mobile applications for money
transactions using cell phones. The research was non-experimental, correlational and transversal,
data collection was conducted from March to July 2021 in a global pandemic, a survey technique
was used, a 21-items questionnaire was designed, applied to a sample of 385 people over 18
years old in Metropolitan Lima who uses Yape or Plin for their money transactions. With regard
to the hypotheses proposed in relation to the factors attitude, perceived usefulness, perceived
ease of use, perceived risk, perceived trust and intention to use, four of the eight hypotheses
proposed were not significantly confirmed. The factor that had the greatest effect on the intention
to use was perceived usefulness. Some reasons for the rejected hypotheses involving aspects
such as pandemic and idiosyncrasy are discussed.
Keywords: TAM, attitude, confidence, risk, utility, intention to use, ease, pandemic, idiosyncrasy,
mobile, application.
5
Tabla de Contenido
Capítulo I. Introducción ............................................................................................................... 7

Presentación ................................................................................................................................ 9
Antecedentes ............................................................................................................................. 11
Problema de Investigación ........................................................................................................ 13
Propósito de la Investigación .................................................................................................... 15
Objetivo de investigación ...................................................................................................... 15
Objetivos específicos ............................................................................................................. 15
Preguntas de investigación .................................................................................................... 16
Justificación de la Investigación ............................................................................................... 17
Limitaciones .............................................................................................................................. 17
Delimitaciones ........................................................................................................................... 18
Resumen del Capítulo ............................................................................................................... 18
Capítulo II. Revisión De La Literatura..................................................................................... 19
Modelo Teórico ......................................................................................................................... 21
Modelo de Aceptación Tecnológica - Technology Acceptance Model (TAM) .................... 21
Factores del modelo TAM utilizados en la investigación ..................................................... 23
Factores externos utilizados en la investigación.................................................................... 27
Las telecomunicaciones en el Perú............................................................................................ 31
Desarrollo del Internet en el Perú .......................................................................................... 32
Desarrollo de la telefonía móvil en el Perú ........................................................................... 35
La bancarización en el Perú ...................................................................................................... 40
Banca Móvil y principales aplicaciones de transferencia de dinero en el Perú ..................... 45
Condiciones en pandemia que dinamizaron el uso de tecnología móvil para transacciones de
dinero en el Perú ........................................................................................................................ 52
El covid y el cambio de paradigma tecnológico .................................................................... 53
El covid y el incremento de la bancarización en el Perú ....................................................... 56
Capítulo III. Metodología........................................................................................................... 59
Diseño de la Investigación ........................................................................................................ 59
Consentimiento Informado ........................................................................................................ 60
Participantes de la Investigación ............................................................................................... 60
6
Confidencialidad ....................................................................................................................... 61
Instrumentos de medición ......................................................................................................... 61
Métodos para recopilar datos .................................................................................................... 65
Análisis e Interpretación de Datos ............................................................................................ 65
Capítulo IV: Resultados ............................................................................................................. 71
Diagnóstico................................................................................................................................ 71
Análisis de Confiabilidad - Constructos ................................................................................ 73
Validez del constructo: .......................................................................................................... 74
Pruebas estadísticas: .............................................................................................................. 77
Oportunidades de mejora .......................................................................................................... 79
Sugerencias para la implementación de mejoras....................................................................... 80
Conclusiones ............................................................................................................................. 81
Conclusiones según los objetivos de la investigación ........................................................... 83
Comparación entre las conclusiones y la revisión de la literatura ......................................... 83
Recomendaciones ...................................................................................................................... 85
Recomendaciones prácticas ................................................................................................... 85
Recomendaciones para futuras investigaciones .................................................................... 85
Contribuciones .......................................................................................................................... 86
Contribuciones teóricas ......................................................................................................... 86
Contribuciones prácticas........................................................................................................ 86
Apéndices ..................................................................................................................................... 87
Referencias................................................................................................................................... 92
7
Lista de Figuras
Figura 1: Mapa de la Literatura………………………………………………..…….………...…. 20
Figura 2: Modelo de Aceptación Tecnológica – TAM……………………...………..………..… 21
Figura 3: Nuevo modelo de aceptación tecnológica propuesto………….………..…...…….….. 30
Figura 4: Perú: PBI según actividad económica, 2019……………………….………..…….….. 31
Figura 5: Perú: Telecomunicaciones y otros servicios valor agregado bruto, 2019………….…. 32
Figura 6: Lima Metropolitana: Hogares con acceso a Internet (% de hogares) …………...…..… 33
Figura 7: Cantidad de computadoras en países de Latinoamérica (1999)…….………..…….…. 34
Figura 8: Líneas móviles en servicio y penetración a nivel nacional………….………..….….... 35
Figura 9: Líneas móviles en servicio en el Perú……………………………..……….….…..….. 37
Figura 10: Telefonía móvil vs Telefonía fija……………………………..……….…….……….. 37
Figura 11: Líneas que accedieron al servicio de internet en el Perú…………………….……….. 40
Figura 12: Componentes del sistema financiero……………………..…………….…….…....…. 41
Figura 13: Evolución de la morosidad y la cartera de alto riesgo 2020………….………….…… 43
Figura 14: Crecimiento de colocaciones en el sistema financiero peruano 2020…………..……. 44
Figura 15: Crecimiento de colocaciones a empresas en Perú Set 2019 – Set 2020…………...… 45
Figura 16: Proceso de banca celular del BCP………………………………….………….…….. 47
Figura 17: Grupos de edad de usuarios de Yape………………………………………………… 54
Figura 18: Datos para el cálculo de la muestra………………………………………………….. 61
Figura 19: Distritos de Lima Metropolitana, con mayor número de encuestados……...………. 71
Figura 20: Rangos de edad de los encuestados…………………………………………………. 72
Figura 21: Aplicaciones de transacciones de dinero que utilizan los encuestados………………73
Figura 22: Esquema Modelo Final……………………………………………………..………. 76

8
Lista de Tablas
Tabla 1: Factores del modelo TAM de la investigación…………….………...….………….…… 24
Tabla 2: Constructos/Variables del nuevo modelo TAM propuesto…………..………….……… 29
Tabla 3: Relación de hipótesis con variables exógenas y endógenas…..…………………..……. 30
Tabla 4: Peru: Participación de mercado de empresas de telecomunicaciones………...………… 32
Tabla 5: Perú: Entidades Financieras………………………………….…………………………. 42
Tabla 6: Peru: PBI en los último 6 años (Variación Porcentual)…………….………………….. 53
Tabla 7: Perú: Desempleo en Lima Metropolitana………………………….…………………... 53
Tabla 8: Preguntas del Factor – Actitud…………………………………………………………. 63
Tabla 9: Preguntas del Factor – Utilidad percibida……………………….……….…………….. 63
Tabla 10: Preguntas del Factor – Facilidad percibida……………………………….…………… 63
Tabla 11: Preguntas del Factor – Riesgo percibido………………………………………………. 64
Tabla 12: Preguntas del Factor – Confianza percibida……………………….………………….. 64
Tabla 13: Preguntas del Factor – Intención de uso………………………………………………. 64
Tabla 14: Grados de libertad de modelo…………………………………….…………………… 68
Tabla 15: p valor y su significado……………………………………………...………………… 69
Tabla 16: Interpretación del coeficiente Alfa de Cronbach……………………………………… 73
Tabla 17: Alfa de Cronbach de los factores de la investigación…………………….…………… 74
Tabla 18: AVE de los constructos para esta investigación…………………...…………………. 74
Tabla 19: Validez discriminante de los constructos para esta investigación………………...…...74
Tabla 20: Resultados del Modelo Inicial………………………………………...……………… 75
Tabla 21: Resultados del final del modelo con ajuste…………………………………..………. 76
Tabla 22: Resultados para la validez de las hipótesis…………………………...……………… 79

9
Capítulo I. Introducción
Presentación
En el Perú de los años 90 la introducción de tecnologías de información y comunicación
(TIC) daban sus luces, con la aparición de herramientas tecnológicas para el uso público y en las
labores cotidianas. Es así como, se introdujo en la vida de las personas las computadoras, el
internet, los teléfonos celulares; cuya evolución estaba en marcha.
De esta forma Marín et al. (2014) señaló que el sector de las TIC y de telecomunicaciones de
Perú ha experimentado un proceso de cambio, que trae un nuevo ecosistema digital con
un exponencial crecimiento de la telefonía móvil, que obliga a una acelerada transición
digital, el impulso del gobierno electrónico, la universalización del acceso a los servicios
de banda ancha, al despliegue de infraestructura de fibra óptica, una nueva gestión del
espectro radioeléctrico y la ampliación del acceso a Internet. (p.505)
Para los años 2000, se masificó el uso del celular, el cual no contenía muchas
funcionalidades, solo servía para realizar, recibir llamadas y mensajes de texto. También
contenía aplicaciones preinstaladas para jugar, escuchar música o radio, visualizar la hora y
calendario, entre otras opciones básicas. Por otro lado, en lo que concierne a las transacciones de
dinero, aún era imposible pensar que a través de esta herramienta se podría realizar, dado que en
ese momento eran de manera presencial, por lo que las personas tenían que ir a una agencia del
banco y realizar sus operaciones personalmente o utilizar alguna empresa de transportes para el
envío de dinero a personas en otras ciudades.
En el 2010 aproximadamente, el celular paso a ser una herramienta indispensable en la
vida personal y profesional de las personas. De este modo se introdujo en el mercado de
telecomunicaciones los smartphones, que contenían más características y funcionalidades como:

10
la conexión a internet, lo que a la vez dio paso, a que la mayoría de las empresas desarrollarán
tecnologías (aplicaciones, páginas web, anuncios, etc.) dirigidos a personas conectadas al celular.
Como mencionó Flores-Cueto et al. (2020) “las tecnologías digitales tienen significado siempre
y cuando los individuos puedan hacer uso de estas de manera interconectada, es decir cuando
accede a internet y con ello aprovechar dicho recurso en función de su realidad y
requerimientos”. Es así como, algunos bancos desarrollaron aplicaciones móviles, para que
puedan ser usadas por sus clientes, estas incluían la transferencia de dinero, pero utilizando el
número de cuenta de la otra persona.
En la última década, la evolución de estas aplicaciones ha ido creciendo de manera
acelerada, creando productos como Yape, que salió al mercado el 2017, brindando la posibilidad
a los clientes del BCP de realizar transacciones de dinero utilizando solo el número de celular de
sus contactos, así también, apareció en el mercado aplicaciones que simulaban una billetera
móvil como Tunki de Interbank y Lukita de BBVA; los cuales se han unificado para trabajar a
través del aplicativo Plin, que lo pueden usar clientes de BBVA, Interbank, Scotiabank y Banbif.
La introducción de estas herramientas trajo muchos beneficios para los clientes de estas
entidades bancarias.
Analizando este panorama y considerando su importancia, más aún en estos tiempos de
pandemia, donde el uso de estos aplicativos se han masificado para realizar transacciones sin
contacto, se propone con este estudio crear un nuevo modelo de aceptación tecnológica, que
tiene como objetivo analizar los factores por los que actualmente un cliente opta por usar las
aplicaciones móviles Yape y Plin para realizar transacciones de dinero, utilizando como base los
factores propuestos por Davis et al. (1986) en el Modelo de Aceptación Tecnológica TAM (por
sus siglas en inglés Technology Acceptance Model).

11
Antecedentes
Diferentes estudios en el Perú han intentado analizar los factores que determinan el uso y
aceptación de diferentes tecnologías. El modelo más utilizado para el análisis es el Modelo de
Aceptación Tecnológica – TAM, que incluye factores como: utilidad percibida, facilidad de uso
percibida, actitud e intención de uso; también se analiza otros factores desde otras metodologías
como la Teoría Unificada de la Aceptación y Uso de la Tecnología (UTAUT) que agrega
factores como: expectativa de esfuerzo, influencia social, riesgo y costo percibidos y el Modelo
de Aceptación y Preparación Tecnológica (TRAM). A continuación, mencionamos los estudios
que tomaron de referencia estas teorías.
Yamakawa et al. (2013) en su investigación sobre los “Factores que influyen en la
utilización de los servicios de banca móvil en el Perú”, planteó como objetivo identificar los
principales factores que impulsan a los consumidores de Lima Metropolitana a utilizar este tipo
de servicios; para el análisis utilizaron la metodología del modelo TAM. El estudio estuvo
enfocado a hombres y mujeres de 18 a 55 años que contaban con un teléfono móvil y al menos
una cuenta personal en una entidad financiera a su nombre. Los resultados obtenidos por los
investigadores demostraron que la compatibilidad con el estilo de vida, utilidad percibida,
facilidad de uso percibida e innovación personal en TI contribuyeron a aumentar la intención de
uso de los servicios de banca móvil.
Por otro lado, en el estudio sobre los factores que influyen en la intención de uso de
tecnología de medios de pago móvil en negocios minoristas en Lima Metropolitana que fue
desarrollada el 2019 se busca proponer y validar un modelo conceptual que permita identificar y
determinar cuáles son los principales factores que influyen en la intención de uso de tecnología
de medios de pago móvil en negocios minoristas en Lima Metropolitana, con una muestra a 200
12
comercios minoristas del distrito de Santiago de Surco principalmente del sector de restaurantes.
Este estudio se basó en las siguientes teorías y modelos: Teoría de la Acción Razonada (TRA),
Teoría del comportamiento planificado (TPB), Modelo de Aceptación de la Tecnología (TAM),
Teoría Unificada de la Aceptación y Uso de la Tecnología (UTAUT) y el Modelo de Aceptación
y Preparación Tecnológica (TRAM). Encontrando como principal conclusión que “el modelo
predictivo de la intención de uso de tecnología de medios de pago móvil es consistente al afirmar
que las variables influyentes son: la actitud, las condiciones facilitadoras, el control y el riesgo
percibidos” (Chavez et al., 2019).
El 2019 también se realizó un estudio de los determinantes de la adopción y la intención
de uso de las tecnologías de los pagos móviles por los consumidores con el propósito de
investigar los factores activos para la adopción y la intención de uso de las tecnologías en pagos
móviles integrando el Modelo de la Propensión a la Adopción Tecnológica y el Modelo de
Aceptación de la Tecnología (Rueda, 2019). Este estudio concluyo que la confianza es la
variable más significativa que se debe considerar para la implementación de un aplicativo móvil.
El 2020 se utilizó el modelo TAM, para identificar qué factor del modelo influye en la
intención de uso del aplicativo móvil Yape. Se encuestó a 408 clientes del BCP que no tenían
descargado el aplicativo YAPE y se evidenció que el factor más compatible con la intención de
uso del aplicativo Yape es el estilo de vida (Devotto et al., 2020).
Finalmente, el 2021 se analizó la relación entre la expectativa de rendimiento, expectativa
de esfuerzo, influencia social, costo percibido y riesgo percibido con la intención de uso de la
banca móvil en usuarios que están en proceso de desarrollo y transformación digital. Este estudio
utiliza como base el modelo UTAUT, se realizó 200 encuestas, de las cuales se concluyeron que
13
todas las variables son altamente significativas. Cabe resaltar que las variables,
expectativa de rendimiento, expectativa de esfuerzo e influencia social son altamente
significativas de forma directa; a diferencia de las variables costo percibido y riesgo
percibido que guardan una relación inversa, ya que a mayor costo y riesgo percibido
menor será la intención de uso (Campos & Menacho, 2021).
En las tres primeras investigaciones señaladas se utiliza el modelo TAM base con las
variables: Utilidad percibida, facilidad de uso, actitud por el uso e intención de uso para analizar
la introducción de tecnología móvil en diferentes sectores. Las últimas investigaciones brindan
luces de incluir nuevas variables, pero se basa en otros modelos como “UTAUT”, y se analizan
factores como “influencia social” y “costos percibidos”, pero a la vez analizan nuevas variables
como el riesgo y la confianza que este estudio pretende analizar para plantear un nuevo modelo
de adecuación tecnológica para los aplicativos móviles de transferencia de dinero.
Por este motivo, esta investigación propone un nuevo modelo donde se agregan las
variables riesgo percibido y confianza percibida al modelo TAM base, para las cuales es
necesario realizar un análisis en la actualidad (2021) debido a que la pandemia ha obligado a las
personas a optar, en mayor porcentaje, por el uso de tecnología móvil para las transacciones de
dinero, dando la posibilidad de un nuevo escenario, que haría que lo investigado previo a la
pandemia varíe.
Problema de Investigación
Las condiciones de inamovilidad, cuarentena y política de no contacto, que ha provocado
desde marzo del 2020 el COVID 19 ha acelerado el uso de tecnología móvil y la bancarización
en el Perú. Ya en la investigación realizada el 2019 por Ipsos “Hábitos, usos y actitudes hacia la
telefonía móvil” se estimaba que 16 millones de peruanos en el área urbana de 12 a 70 años

14
utilizaban un teléfono móvil, siendo “Claro” el operador más usado (34%). Por otro lado, el
informe técnico “Condiciones de Vida en el Perú” elaborado por el Instituto Nacional de
Estadística e Informática (INEI, 2020) revela que el 44.8 % de peruanos de 18 años a más- tienen
acceso a una cuenta en el sistema financiero. Se considera que estas cifras se han incrementado,
dado que el confinamiento ha hecho que la adquisición de un teléfono móvil para establecer
comunicación ya sea en el trabajo o con familiares y amigos, sea indispensable. Por otro lado, la
política peruana de entrega de bonos ha logrado bancarizar a la mayoría de los peruanos que no
tenían relación alguna con el sistema financiero.
Es evidente que estamos frente a un nuevo contexto de aceleración tecnológica,
masificación de uso de tecnología móvil para transacciones de dinero y de incremento de la
bancarización en el país; pero, el problema es que no se ha encontrado evidencia científica del
uso de algún modelo comprobado de aceptación tecnológica basado en el entendimiento de los
usuarios que utilizan las aplicaciones móviles de transacción de dinero como Yape o Plin en
pandemia, para poder comprender cómo mejorar estas aplicaciones o sacar nuevas aplicaciones
orientadas al cliente, sus percepciones y necesidades a raíz de esta nueva normalidad que acarreó
el COVID 19 en la vida de todos los peruanos. Por tal motivo, se hace necesario analizar un
modelo de aceptación tecnológica que incluya variables como la confianza y riesgo percibido
que no se encuentran planteadas en la versión original del Modelo de Aceptación de la
Tecnología (TAM), que diferentes estudios han abordado para analizar la aceptación tecnológica
de diferentes herramientas y/o aplicaciones tecnológicas.
Por lo tanto, este estudio pretende analizar los principales factores del modelo de
aceptación tecnológica TAM como: facilidad de uso percibida, utilidad percibida, actitud e
intención de uso, y a la vez el análisis de nuevas variables como el riesgo y la confianza

15
percibida; así como, sus relaciones para predecir la intención de uso de los aplicativos móviles de
transferencia de dinero Yape y Plin.
Propósito de la Investigación
El propósito de la investigación es analizar los factores que influyen en la intención de
uso de tecnología móvil para realizar transacciones de dinero, sin la necesidad de contar con la
cuenta bancaria del receptor en Lima Metropolitana. Con el fin de ampliar el modelo de
aceptación tecnológica TAM.
Objetivo de investigación
Proponer un nuevo modelo de aceptación tecnológica, que tome en cuenta los factores de
utilidad percibida, facilidad de uso percibida, actitud, intención de uso (cuatro factores del
modelo TAM original), confianza percibida y riesgo percibido (dos nuevos factores), que
permita analizar los factores que más influyen en la aceptación tecnológica de las aplicaciones
móviles Yape y Plin para transacciones de dinero utilizando el celular.
Objetivos específicos
• Identificar la relación de las variables del modelo de aceptación tecnológica TAM para la
aceptación tecnológica de los aplicativos móviles Plin y Yape.
• Determinar la relación o influencia de las variables externas confianza y riesgo percibido con
la aceptación tecnológica de los aplicativos Plin y Yape.
• Proponer un nuevo modelo de aceptación tecnológica para los aplicativos móviles Plin y
Yape.
Por lo tanto, las hipótesis planteadas son las siguientes:
H1: Existe relación significativa positiva entre la facilidad de uso percibida y la utilidad
percibida en el uso de la aplicación móvil.

16
H2: Existe relación significativa positiva entre la facilidad de uso percibida y la actitud en
el uso de la aplicación móvil.
H3: Existe relación significativa positiva entre la utilidad percibida y la actitud en el uso
de la aplicación móvil.
H4: Existe relación significativa positiva entre la utilidad percibida y la intención de uso
en el uso de la aplicación móvil.
H5: Existe relación significativa positiva entre la actitud y la intención de uso en el uso de
la aplicación móvil.
H6: Existe relación significativa negativa entre el riesgo percibido y la intención de uso
H7: Existe relación significativa positiva entre la confianza percibida y la facilidad de uso
H8: Existe relación significativa positiva entre la confianza percibida y la actitud en el
uso de la aplicación móvil.
Preguntas de investigación
Pregunta general. ¿Cómo un nuevo modelo de aceptación tecnológica que incluya las
variables de confianza y riesgo percibido se relaciona con la aceptación del uso de las
aplicaciones móviles para realizar transacciones de dinero sin contar con la cuenta bancaria del
receptor?
Preguntas específicas:
• ¿Existe una relación significativa positiva entre la facilidad de uso percibida sobre la
utilidad percibida en el uso de la aplicación móvil?

17
• ¿Existe una relación significativa positiva entre la facilidad de uso percibida, utilidad
percibida, la confianza percibida sobre la actitud en el uso de la aplicación móvil?
• ¿Existe una relación significativa positiva entre la utilidad percibida y la actitud sobre
la intención de uso en el uso de la aplicación móvil?
• ¿Existe una relación significativa negativa entre el riesgo percibido con la intención
de uso en el uso de la aplicación móvil?
• ¿Existe una relación significativa positiva entre la confianza percibida sobre la
facilidad de uso en el uso de la aplicación móvil?
Justificación de la Investigación
El estudio pretende analizar los factores que influyen en la intención de uso de tecnología
móvil para realizar transacciones de dinero, a través de un nuevo modelo de adecuación
tecnológica que mida las variables externas, utilidad percibida, facilidad de uso percibida, actitud
por el uso, intención de uso y uso actual de sistema (modelo actual), confianza percibida y riesgo
percibido (variables propuestas para ser agregadas al nuevo modelo); para permitir determinar
las principales razones por la que las personas utilizan una aplicación móvil como Plin o Yape;
que puede ser aplicable a las diferentes innovaciones tecnológicas que tengan el mismo fin. Así
mismo, servirá como punto de referencia para realizar otras investigaciones que tengan que ver
con aplicaciones móviles que se puedan generar en el sistema financiero.
Limitaciones
Se han identificado las siguientes limitaciones para el presente estudio: (i) no se cuenta
con la trazabilidad de clientes que utilizan Yape o Plin, dado que pueden existir clientes que
tengan los dos aplicativos a la vez y no es posible solo sumar los clientes que reportan cada una
18
de las entidades financieras; (ii) la aplicación del instrumento de investigación se realizará de
manera virtual.
Delimitaciones
Las delimitaciones de este estudio fueron: (i) el estudio solo analiza a los usuarios que
utilizan Yape y Plin, (ii) el estudio solo considera a usuarios de 18 años a más de Lima
Metropolitana, dado que es la zona donde se ubica la mayoría de los usuarios de estas
aplicaciones (iii) el estudio se desarrolló de marzo a julio del 2021 y la recolección de datos se
realizó de mayo a julio del 2021.
Resumen del Capítulo
El presente capítulo se desarrolla los antecedentes sobre las investigaciones realizadas en
el Perú sobre la aplicación del modelo de aceptación tecnológica - TAM en el uso de
herramientas tecnológicas en el sistema financiero utilizando tecnología móvil.
Así mismo, se especifica el problema de investigación donde se evidencia un uso más masificado
de los aplicativos móviles para realizar las transacciones de dinero y la importancia de tener un
nuevo modelo de aceptación tecnológica que incluyan los constructos de confianza y riesgo
percibido, a los constructos ya establecidos por el modelo TAM como la utilidad percibida,
facilidad de uso percibida, actitud e intención de uso. Las nuevas variables permitirán la
construcción de un nuevo modelo analizando la relación o correlación entre las variables
propuestas.
19
Capítulo II. Revisión De La Literatura
En este capítulo se desarrolla la literatura: teorías y estudios existentes que permitan
entender a profundidad el problema de investigación. Se tomó como modelo de la aceptación de
tecnología el Technology Acceptance Model – TAM, teoría principal que guía esta investigación.
A la vez, se analizó los principales temas que giran alrededor de las aplicaciones móviles Yape y
Plin. En el mapa conceptual de autores de la literatura (Ver Figura 1) se delimita cuatro temas
importantes: (a) marco teórico – Modelo de Aceptación Tecnológica TAM, donde se revisa los
principales autores de Latinoamérica y el exterior que analizan la aceptación tecnológica
utilizando el modelo en diferentes herramientas y/o aplicaciones tecnológicas; (b) las
telecomunicaciones en el Perú, donde se plantea el contexto del desarrollo de las
telecomunicaciones en el país, así como su situación actual; (c) la bancarización en el Perú,
donde se profundiza en el desarrollo de aplicaciones móviles para transacciones de dinero en el
Perú; y (d) las condiciones en pandemia que han permitido la dinamización del uso de
aplicaciones móviles de transferencia de dinero.
Figura 1
Mapa de la Literatura
20
Modelo de Aceptación Tecnologica TAM

(Fishbein & Ajzen, 1975); (Bahmani & Sanayei, 2012); (Venkatesh & Davis,
2000); (Pavlou, 2003); (Liébana, 2012); (Guerra, 2011); (Teo, 2011);
(Valencia et al., 2014); (Tapia et al., 2015); (Sánchez et al., 2015);
(Venkatesh & Bala, 2008); (Leyton, 2013), (Pulido, 2020); (Hu et al.,
1999);(Pavlou & Fygenson, 2006); (Ruiz et al., 2008); (Tavera & Londoño,
2014); (Lorenzo et al., 2011); (Muñoz, 2008)
Factores del modelo TAM para la investigación

Modelo Teórico (Davis et al., 1989) (Kim et al., 2010) (Liébana-Cabanillas, 2012) (Kim &
Forsythe, 2008) (Schierz et al., 2010) (Chitungo y Munongo, 2013) (Liu et
al., 2010) (Chattiwat et al., 2010)
Factores externos a utilizar en esta investigación

(Mayer et al., 1995) (Lopez y Gonzalez 2008) (Chandra et al., 2010)
(Zhou,2011) (Pavlou & Fygenson, 2006) (Alsajjan & Dennis, 2010) (Peltier,
2001) (Peter y Ryan, 1976) (Featherman & Pavlou, 2003) (Ahmad et al.,
2015) (Sanayei & Bahmani, 2012).
Desarrollo del Internet en el Perú

(INEI, 2019)(Presidencia del Consejo de Ministros, 2013)(PSQ, 2017)
(OSIPTEL,2000)
Factores que determinan el Las Telecomunicaciones en el
uso de tecnologia movil Perú Desarrollo de la telefonía móvil en el Perú
para las transacciones de (OSIPTEL, 2004, 2011, 2015,2017)(García et al., 2011) (Erestel, 2014,2019)
dinero (Chahuara, 2012)(Woyke, 2014)(King, 2018)
El sistema financiero en el Perú

(Maza,2012)(Beraza et al., 2015) (King,2018) (Ugarte,2019)(Lizarzaburu y Del
Brio, 2016)
La bancarización en el Perú
El desarrollo de la Banca móvil en el Perú
(Rodriguez,2018) (Beraza et al., 2015) (Lopez y Gonzalez, 2008) (Skinner,
2014) (Bendezú, 2012) (Trujillo,2010) (Grupo BBVA, 2012) (Au y Kauffman,
2006) (Andina, 2020)
El COVID y el cambio de paradigma tecnologico

Condiciones en pandemia que (Instituto Peruano de Economía – IPE, 2020) (Borja,2012)
dinamizaron el uso de
tecnología móvil para
transacciones de dinero El COVID y la dinamización de la bancarización en el Perú
(Begazo,2015) (Arellano Marketing,2017) (Clarin,2020)
(Gestión,2020)(Ipsos, 2020)
21
Modelo Teórico
Con el objetivo de plantear un nuevo modelo de aceptación tecnológica que permita
analizar los factores posibles que generen su uso, se tomó como base el modelo ya existente de
aceptación tecnológica – TAM, propuesto por Davis et al. (1989), el cual ha sido aplicado en
diversas investigaciones sobre el uso y aceptación de tecnología por parte de los usuarios. Del
mismo modo analizaremos las variables externas “riesgo percibido” y “confianza percibida”,
para la construcción de un nuevo modelo, que tome en cuenta la correlación de estos dos nuevos
constructos, con los ya establecidos en TAM que generen la incidencia de uso de los aplicativos
móviles que se han dinamizado debido a la nueva normalidad que origino el COVID 19.
Modelo de Aceptación Tecnológica - Technology Acceptance Model (TAM)
Al analizar el comportamiento del usuario, se encontró que muchas teorías y modelos
relacionan diferentes variables o constructos con la adopción de una tecnología, por la que
muchas de ellas, han sido desarrollados por diferentes científicos y en diferentes ramas de la
ciencia en las últimas décadas. Para esta investigación se consideró el análisis, del modelo de
aceptación tecnológica TAM (Technology Acceptance Model) una teoría basada en la Psicología
Social (Davis et al., 1989), como puede observarse en la Figura 2.
Figura 2
Modelo de Aceptación Tecnológica - TAM
Nota: Tomado de Davis et al., 1989.

22
El modelo TAM se basa en la Teoría de Acción Razonada (TRA -Theory of Reasoned
Action) de Fishbein y Ajzen (1975) y su extensión (1980) intentó identificar las características
que conllevan al éxito a compañías de sistemas de información y la adaptabilidad de sus
necesidades laborales. El modelo TAM propuesto por Davis et al. (1989) se utilizó para predecir
la adopción y el uso de las tecnologías de la información por parte de los individuos, este modelo
“argumenta que las personas adoptan una aplicación principalmente por las funciones que realiza
y en segundo lugar por la facilidad o dificultad asociado con hacer que el sistema realice estas
funciones” (Davis et al., 1989, como se citó en Sanayei & Bahmani, 2012).
Cabe señalar que Venkatesh & Davis (2000) ampliaron el modelo TAM original creando
el TAM2, que incluía factores adicionales como: los procesos de influencia social (norma
subjetiva, voluntariedad e imagen) y los procesos cognitivos instrumentales (relevancia del
trabajo, calidad de los resultados, demostrabilidad de los resultados y facilidad de uso percibida).
Dentro de los modelos de aceptación tecnológica, TAM es el modelo más destacado, con
alta posibilidad de implementación en cualquier contexto y realidad, como mencionaron Lorenzo
et al. (2011) TAM es “un modelo efectivo altamente probado en predecir el uso de cualquier
tecnología y con gran posibilidad de ampliarlo mediante la introducción o modificación de algún
constructo” (pp. 195-196); del mismo modo TAM es considerado como un modelo robusto,
parsimonioso e influencial para medir el comportamiento de aceptación (Davis et al., 1989;
Pavlou 2003; Liébana, 2012).
Por estos motivos, este modelo ha sido utilizado en diferentes estudios de intención de
uso de tecnología como: en TIC educativa (Guerra, 2011; Teo, 2011; Valencia et al., 2014; Tapia
et al., 2015; Sánchez et al., 2015), pagos en entornos electrónicos (Shih & Fang 2004; Sanayei &
Bahmani, 2012; Liébana, 2012), en tecnología móvil (Yamakawa et al., 2013; Cabanillas &
23
Mori, 2018; Chitungo & Monungo, 2013; Ballesteros et al., 2014; Ibrahim, 2015; Muñoz et al.,
2017; Arteaga & Choquehuanca, 2017, Chavez et al., 2019; Devotto et al., 2020), en tecnología
médica (Hu et al., 1999) y tecnología para las empresas (Venkatesh & Bala, 2008; Leyton, 2013,
Pulido, 2020), e-commerce (Pavlou & Fygenson, 2006; Ruiz et al., 2008; Tavera & Londoño,
2014), redes sociales (Lorenzo et al., 2011), innovaciones TI (Muñoz, 2008) entre otras
herramientas tecnológicas y en diferentes campos de esta nueva era digital.
Por su comprobada y alta validez al medir la intención de uso de TI, hemos elegido este
modelo como teoría para este estudio. Cabe resaltar que, aunque sea un modelo muy utilizado,
también presenta algunas limitaciones que las mencionó Cataldo (2012) en su investigación:
(i) no existe necesariamente una relación positiva entre uso y rendimiento, (ii) su
incapacidad de predecir el real uso de una tecnología, dado que diferentes investigaciones
encontraron que la percepción de facilidad de uso y de la percepción de utilidad no fueron
buenos predictores de uso real, (iii) la mayoría de investigaciones de aplicación del
modelo se han realizado en grupos homogéneos, lo que imposibilita la posibilidad de
generalizar, (iv) la última limitación se basa en su uso predominante para estudios
cuantitativos, por lo que el autor manifiesta que existe sesgo y cierto sentido
reduccionista.
Factores del modelo TAM utilizados en la investigación
En esta investigación se usó los factores del modelo TAM para analizar los que influyen
en el uso de las aplicaciones móviles Plin y Yape para las transacciones de dinero. Como se
muestra en la Tabla 1, se tomó en cuenta los siguientes factores: utilidad percibida (UP), la
facilidad de uso percibida (FUP), actitud (ACT) e intención de uso (IU). Los cuales se han
24
analizado en diferentes estudios de forma independiente y también la correlación entre ellos para
evaluar la intención de uso.
Tabla 1
Factores del modelo TAM de la investigación
Factor del modelo TAM Nombre para la Siglas

investigación
Perceived Usefulness Utilidad Percibida UP
Perceived Ease of Use Facilidad de uso percibida FUP
Attitude Toward Using Actitud ACT
Behavioural Intention To Intención de uso IU
Use
Nota: Elaboración propia
El modelo define la utilidad percibida, como el grado en que una persona cree que el uso
de un sistema particular mejoraría su rendimiento. La facilidad de uso percibida, como el grado
en que una persona cree que el uso de un determinado sistema no supondría ningún esfuerzo. La
actitud, como un juicio evaluativo del individuo sobre el comportamiento objetivo en alguna
dimensión; es así como la actitud es la variable que se construye a partir de la percepción de dos
variables: utilidad percibida y facilidad de uso percibida. Finalmente, a la intención de uso, como
una medida de la fuerza de la intención del individuo para realizar un comportamiento específico
o utilizar la tecnología de la información y la comunicación. (Davis et al., 1989)
Sobre la relación de facilidad de uso percibida sobre la utilidad percibida. El modelo
principal propone que estas dos variables validan la intención de uso de una tecnología de
información (TI); además, existen investigaciones donde se ha planteado esta relación, como el
estudio sobre los factores que influyen en la intención de utilizar el pago móvil, donde se
concluyó que “los fuertes predictores de la intención de utilizar el pago móvil son la facilidad de
uso percibida y la utilidad percibida” (Kim et al., 2010). Para Yamakawa et al. (2012) lo que más
valoraron los consumidores peruanos de la banca móvil es la adecuación a su estilo de vida,

25
seguido de la utilidad y facilidad de uso. Por su parte, en la investigación de Guerra (2011)
concluyó que utilidad es el factor más importante a la hora de elegir un curso virtual, pero que no
está relacionado con la facilidad de uso, dado que este factor no era determinante para la
intención de uso, el investigador atribuyó esta no correlación a las características de la población
joven y urbana que son “quienes han crecido con la tecnología a su alcance, lo cual influye en su
capacidad para el manejo de la misma.” (p. 9)
Sobre la relación de facilidad de uso percibida sobre la actitud. Ha sido analizado en
ciertos estudios como el de Liébana (2012) donde se afirmó que “la facilidad de uso del sistema
de pago propuesto tiene un efecto positivo sobre la actitud hacia el mismo, por lo tanto, la falta
de esfuerzo que el usuario realiza para aceptar el sistema de pago influirá significativamente en
su actitud” (pp. 273 - 274). Del mismo modo Reyes y Castañeda (2020) sostienen también la
influencia de la facilidad de uso de sistemas de administración pública sobre la actitud. Por otro
lado, el estudio realizado por Lorenzo et al. (2011) sobre la intención de uso de redes sociales
virtuales concluyó a que la facilidad de uso no influye en la actitud, ni en la intención de uso de
la TI, este hallazgo se podría explicar debido a la simplicidad de uso de la red por personas que
ya usan internet y las redes sociales. Es así, que otros estudios también han evidenciado que la
facilidad de uso no influye en la intención de uso (Karahanna et al., 1999; Hernández et al.,
2007).
Sobre la relación de la utilidad percibida sobre actitud. Se encontró una relación
directa positiva entre utilidad percibida y actitud en los estudios sobre compras virtuales Kim &
Forsythe (2008) y el estudio sobre sistemas de pago móvil de Schierz et al. (2010); a su vez,
estos autores concluyeron en que “existía una falta de aceptación de los servicios de pago móvil
entre los consumidores”. Por su parte Muñoz et al. (2017) concluyeron en que la utilidad
26
percibida tiene un efecto significativo sobre la actitud, además en su estudio se evidencia que la
actitud es el constructo más significativo que determina la predisposición para utilizar la banca
móvil. Lo mismo afirma Liébana (2012) en su estudio sobre los sistemas de pago en los nuevos
entornos electrónicos. Por otro lado, esta relación propuesta no fue confirmada en el trabajo
sobre la exploración de la aceptación del e-learning por parte de los estudiantes, dónde no se
logró confirmar influencia significativa de utilidad percibida sobre la actitud (Al-Adwan et al.,
2013).
Sobre la relación entre utilidad percibida y la intención de uso. Chitungo & Munongo
(2013) en la investigación sobre la adopción de la banca móvil en las zonas rurales de Zimbabue,
llegaron a encontrar en sus resultados que la “utilidad percibida” tiene una relación positiva con
la “intención de uso”. Así mismo, Liu et al. (2010) concluyeron en que la “intención de uso” de
una herramienta de aprendizaje en línea se ve muy afectada directamente por la “utilidad
percibida”. Por otro lado, en la investigación de Muñoz et al. (2017) se concluyó en que no se
puede comprobar esta relación, la que se sustentó en que se pierde el valor de la utilidad de las
aplicaciones cuando existe un reemplazo para estas, como las versiones web o en línea.
Sobre la relación de la actitud y la intención de uso. Se evidencia la relación positiva
de estos constructos en estudios realizados por Teo et al. (2010) sobre la aceptación del e-
learning, Liébana (2012) sobre el papel de los sistemas de pago en nuevos entornos electrónicos,
Londoño & Tavera (2012) sobre el e-commerce en países emergentes. Finalmente, para Muñoz
et al. (2017) la actitud de los usuarios hacia el uso de las aplicaciones de banca móvil tiene un
efecto positivo en su intención de uso.

27
Factores externos utilizados en la investigación
Para la construcción del nuevo modelo propuesto se utilizó dos variables externas
adicionales, relacionadas con la seguridad, que es un factor clave en este nuevo escenario del uso
de tecnología digital, estos factores son el riesgo y la confianza. Bounagui & Nel (2009) y Eid
(2011) señalaron que mientras un usuario perciba un mayor riesgo en el uso de la herramienta
propuesta, disminuirá la confianza que pueda percibir hacia ella.
El factor externo riesgo fue definido por Peltier (2001) como “la probabilidad de que una
amenaza pueda explotar una vulnerabilidad en particular” al no saber dónde irá a parar nuestros
datos personales, de la tarjeta, claves, contraseñas entre otros. Peter & Ryan (1976) definieron el
riesgo percibido como una especie de pérdida subjetiva esperada, mientras Featherman & Pavlou
(2003) lo definieron como la posible pérdida al buscar un resultado deseado. Por otro lado, el
factor externo confianza se definió como "la voluntad de una parte de ser vulnerable a las
acciones de otra parte, basado en la expectativa de que el otro realizará una acción particular
importante para el que confía, independiente de la capacidad de controlar o monitorear a esa otra
parte" (Mayer et al., 1995). Una de las deficiencias en el Perú para inicios de siglo, era que se
evidenciaba la falta de una cultura de Internet, de TI, de comercio electrónico y de un sistema de
seguridad que genere confianza. López & Gonzalez (2008) señalaron que la seguridad de los
medios de pago electrónicos se relaciona con la confianza necesaria para utilizar los canales
tecnológicos, infiriendo una relación entre la confianza y la seguridad en las operaciones
electrónicas.
Relación entre el riesgo percibido y la intención de uso. Ibrahim et al. (2015)
concluyeron en su trabajo de investigación que los riesgos de seguridad desanimaban a los
usuarios de Pakistán a adoptar las aplicaciones de la banca móvil y en un análisis de regresión

28
realizado en esa investigación se demostró que el modelo (donde incluían el factor riesgo) es
apropiado y adecuado para la investigación. Del mismo modo, Sanayei & Bahmani (2012) en su
trabajo de investigación concluyeron que el riesgo de seguridad parecía ser el principal inhibidor
(que impide) de la aceptación de la banca por Internet. Por otro lado, Rouibah et al. (2016)
concluyeron que no es significativo el vínculo entre riesgo percibido y la intención de utilizar
sistemas. En la misma línea, Muñoz et al. (2017) explicaron esta no vinculación, debido a la
experiencia del usuario en el manejo de las herramientas, que haría que este las perciba con baja
exposición al riesgo. A su vez, Yang et al. (2016) también concluyó en que existe otras variables
más relevantes que el riesgo percibido. Por lo tanto, mientras las aplicaciones sean fáciles de usar
el riesgo percibido será menor “ya que normalmente las personas asocian las actividades que no
conocen muy bien como arriesgadas” (Lorenzo et al., 2011).
Relación entre confianza percibida y la facilidad de uso. Se realizaron trabajos sobre
los sistemas de pago móvil donde evalúan la relación entre la confianza percibida y la facilidad
de uso. Chandra et al. (2010) realizaron una investigación donde propusieron y probaron un
“modelo de adopción de pago móvil basado en la teoría de la confianza” y la investigación
realizada por Zhou (2011) que indicó que la confianza inicial afecta la utilidad percibida y ambos
factores predicen la intención de uso de la banca móvil. Rueda (2019) concluyó que “la
confianza que existe en el sistema es lo que impulsaría el éxito de la implementación” de
tecnologías de pagos móviles y apoya significativamente la utilidad y facilidad de uso.
Relación entre confianza percibida y la actitud. Según los estudios desarrollados por
Pavlou & Fygenson (2006) y Alsajjan & Dennis (2010) la “confianza” que un usuario percibe
del sistema de pago propuesto, mejorará la “actitud” que pueda tener. La mayoría de los estudios
que han agregado a la confianza como constructo nuevo en TAM señalan que la relación directa
29
se da entre confianza percibida e intención de uso (Londoño & Tavera, 2014; Ballesteros et al.,
2014). Por su parte Reyes y Castañeda (2020) concluyeron que “que cuanta más confianza
genere el Sistema de Gestión Documental se tendrá una actitud positiva” lo que permitirá que el
usuario se adapte positivamente. En la misma línea, Lorenzo et al. (2011) concluyeron que a más
confianza que generen los sitios web, los usuarios tendrán una actitud positiva que contribuirá en
su intención de uso.
Debido a lo señalado, esta investigación planteó la relación de los constructos propuestos
por TAM, más dos constructos nuevos como riesgo y confianza percibida, y a la vez, intenta
analizar su relación; con la intención de construir un nuevo modelo, que sea aplicable a todas las
aplicaciones de transferencia de dinero y ayude a las empresas a tomar en cuenta los factores más
determinantes en la percepción de los usuarios. A continuación, en la Tabla 2 y 3 se muestra
estos constructos, sus siglas, la fuente y las relaciones que se ha propuesto en las hipótesis de
esta investigación. Finalmente, para cerrar este capítulo, se presenta, en la Figura 3 el nuevo
modelo de relación propuesto para esta investigación.
Tabla 2
Constructos/Variables del nuevo modelo TAM propuesto
Constructo /
Siglas Fuente
Variable latente
Facilidad de uso percibida FUP Modelo TAM
Utilidad percibida UP Modelo TAM
Actitud ACT Modelo TAM
Riesgo percibido RSG Agregado
Confianza percibida CFZ Agregado
Intención de uso IU Modelo TAM
30
Tabla 3
Hipótesis y las relaciones de los constructos (factores)
Hipótesis Constructos
H1 FUP → UP
H2 FUP → ACT
H3 UP → ACT
H4 UP → IU
H5 ACT → IU
H6 RSG → IU
H7 CFZ → FUP
H8 CFZ → ACT
Figura 3
Nuevo modelo de aceptación tecnológica propuesto
Variables Externas
Confianza
Riesgo percibido
H7 percibida
H6
H8
Facilidad de uso
percibida
H2
H5
H1 Actitud Intención de uso
H3
H4
Utilidad percibida

31
Las telecomunicaciones en el Perú
Como parte de la comprensión del contexto, se analiza el tema de las telecomunicaciones,
la evolución del internet y telefonía móvil en el Perú; para que sirva de ayuda en la comprensión
del problema de investigación y permita entender la importancia de esta investigación en el
contexto actual. El sector de telecomunicaciones en el Perú abarca la telefonía móvil, la telefonía
fija, el internet y la televisión por cable. Se evidencia que desde 1990 se introdujo los servicios
de telefonía móvil y en 1994 que llego el internet al Perú, el sector ha estado en constante
crecimiento; es así como, en el 2019 según el Instituto Nacional de Estadística e Informática –
INEI, representaba el 5.6% del PBI como podemos apreciar en la Figura 4 y 5. Incluso el 2020
cuando el PBI resulto negativo, el sector de telecomunicaciones ha crecido de 5% – 6% según
indicó el Ministerio de Transportes y Comunicaciones (Gestión, 2021).
Figura 4
Perú: PBI según actividad económica, 2019
Telecomunicaciones y otros servicios de

5.6
información
Administración pública y defensa 4.9
Alojamiento y restaurantes 4.7
Servicios financieros, seguros y pensiones 4.5
Electricidad, gas y agua 3.9
Otros servicios 3.8
0 1 2 3 4 5 6
Nota: Tomado del Instituto Nacional de Estadística e Informática – INEI, en Informe “Panorama
de la Economía Peruana 1950 - 2019”.

32
Figura 5
Perú: Telecomunicaciones y otros servicios de información valor agregado bruto, 2019
Telecomunicaciones 7.0
Telecomunicaciones y otros servicios de

5.6
información
Otros servicios de información

-0.5
-1 0 1 2 3 4 5 6 7 8
Nota: Tomado del Instituto Nacional de Estadística e Informática – INEI, en Informe “Panorama
de la Economía Peruana 1950 - 2019”.
En la actualidad las principales empresas que operan en el Perú en el área de
Telecomunicaciones son: Telefónica del Perú, América Móvil del Perú (Claro), Entel Perú y
Viettel Perú (Bitel). Siendo Claro y Telefónica las empresas con mayor participación de
mercado, como se puede observar en la Tabla 4.
Tabla 4
Perú: Participación de mercado de empresas de telecomunicaciones
Empresa Participación de mercado

Claro 29.6%
Telefónica del Perú 29.8%
Entel 22.5%
Bitel 17.8%
Nota: Tomado de Osiptel – Nota de Prensa No. 064 – 2020.
Desarrollo del Internet en el Perú
En 1992 se constituyó la asociación denominada Red Científica Peruana (RCP), antes
llamada Red Académica Nacional (RAN), que estuvo conformada por diferentes universidades,
33
instituciones y personas naturales tanto de Lima como del interior del país (Presidencia del
Consejo de Ministros, 2013). Esta asociación hizo posible instalar la primera cabina pública, la
cual estuvo ubicada en el Centro Cultural Ricardo Palma en 1994 con alrededor de 40
computadoras. Luego, en 1995 se le otorga a la RCP una salida satelital a los servidores
informáticos de EE. UU, permitiendo al país acceder a la red mundial informática (www), al
chat, a velocidades nunca conocidas y en tiempo real (PSQ, 2017). Desde entonces la tendencia
de acceso a Internet en el Perú ha ido en crecimiento (como se observa en la Figura 6). En 1999
en Lima Metropolitana, el 5% de los hogares contaban con el servicio de Internet, para el 2009 el
23.4%, el 2014 el 39.5% y el 2017 tuvo un crecimiento excepcional, llegando a un 75.4% de
hogares con acceso a Internet (OSIPTEL, 2017).
Figura 6
Lima Metropolitana: Hogares con acceso a Internet (% de hogares)
80%
75.40%
70%
60%
50%
40% 39.50%
30%
23.43%
20%
10%
5%
0% 0%
1990 1995 2000 2005 2010 2015 2020
Nota: Elaboración propia, datos tomados de Osiptel.
Por su parte, OSIPTEL (2014) reportó que para febrero de 1999 el número de cabinas
públicas eran 580 a nivel nacional y que, por cada 10,000 habitantes, se contaban con un poco
34
más de 10 computadoras, se evidenciaba una baja cantidad de este dispositivo a comparación de
lo demás países de la región, como se puede observar en la Figura 7. Ya en el año 2000, las
cabinas públicas en el país se instalaron masivamente. Así se evidenciaba visitas diarias de
cientos de miles de jóvenes para desarrollar algún tipo de comunicación vía Internet.
Figura 7
Cantidad de computadoras en países de Latinoamérica (por mil habitantes – 1999)
60
50
40
30
20
10
Nota: Tomado de Osiptel de la fuente del Banco Mundial.
Así mismo, ese reporte señaló algunos enfoques necesarios para masificar el internet
como: (i) progresos en la elaboración del marco normativo adecuado: aprobación por el
Congreso de la ley de Firmas y Certificados Digitales y de la ley de Delitos Informáticos. (ii)
Falta de recursos para contar con medios adecuados para acceder a Internet y a las Tecnologías
de Información. (iii) Falta de una cultura de Internet, de TI y de comercio electrónico y de un
sistema de seguridad que genere confianza.
Cabe resaltar que, en la investigación realizada por García et al. (2011) se concluyó que
la principal restricción para la demanda del servicio de Internet era la existencia de grupos
importantes de población de bajos ingresos, particularmente porque dichos hogares enfrentan

35
serias dificultades para adquirir bienes durables como las computadoras. Así mismo, las
variaciones en los ingresos están relacionadas con los cambios en el acceso a PC y, sobre todo,
con la demanda de servicios de Internet.
Finalmente, en el año 2019 el porcentaje de hogares con acceso a internet se incrementó a
92.4% (Erestel, 2019). Es importante precisar, que sin la llegada del internet y todos sus
beneficios, no hubiera sido posible la interacción de aplicaciones móviles para realizar
transacciones de dinero; por ese motivo, su uso en la banca es investigado por diferentes autores.
En la actualidad existen alrededor de 40 millones de líneas móviles en servicio; de los cuales, en
el 2020 alrededor de 26 millones de líneas móviles accedieron a Internet como se puede observar
en la Figura 8.
Figura 8
Líneas móviles en servicio y penetración a nivel nacional
Nota: Tomado de Osiptel – PUNKU (portal de información de telecomunicaciones).
Desarrollo de la telefonía móvil en el Perú
El primer móvil llegó al Perú en la década de los 90, con la empresa Telemovil, en ese
entonces ENTEL Perú (Empresa Nacional de Telecomunicaciones del Perú) era la encargada de
36
las telecomunicaciones y la CPT (Compañía de Teléfonos del Perú) era la encargada de la
telefonía. En 1992 Telemovil cambió de nombre a Tele2000, y justo cuando estaba
consolidándose, construyendo nuevas antenas que le permitían tener una cobertura de alcance
cada vez mayor en Lima, el Estado peruano subastó ENTEL Perú, con la CPT incluida, a la
empresa Telefónica de España, dándole el monopolio de toda la red de telecomunicaciones del
país. En 1999 Tele2000 se convierte en Bellsouth Perú y en la década siguiente todas sus líneas
fueron absorbidas por Movistar. Según OSIPTEL (2000, 2004) las ciudades con teléfono celular
en 1993 eran siete y para el año 2000 ya eran 117 las ciudades con este dispositivo. Para
noviembre del 2000, se contaban con 1’244.414 usuarios registrados en una de las tres
operadoras del momento. El 2004 existió un incremento del número de líneas móviles
contratados por los ciudadanos, obteniéndose un total de 3’769.608 de líneas de servicio en
telefonía móvil. También, se observó que en el año 2011 hubo un pico en la tendencia de las
líneas de servicio y bajó para 2012, este cambio puede haber sido provocado por una
modificación en los requisitos para obtener una línea en el país.
La encuesta nacional residencial de servicios de telecomunicaciones (ERESTEL, 2014)
evaluó que los años 2012, 2013 y 2014 se evidenció una reducción del uso de internet desde una
cabina pública (60.5%, 44.9% y 40.2%), en cada año respectivamente, y se incrementó el de
acceso a internet (1.9%, 17.7% y 25.1%), en cada año respectivamente, por medio de conexiones
móviles pagadas, marcando una tendencia de lo que continuaría en los próximos años. Por su
parte OSIPTEL (2017) reportó que el 2017 las líneas de telefonía móvil existentes en el país
demostraban un incremento desde 2007 al 2017, llegando desde 15’417,368 a 37’361,175
repartidas entre los operadores (Movistar, Claro, Entel, Bitel, Virgin Mobile), el número pudo ser
283,049 más, pero en el 2017 se realizó un apagón telefónico para quienes no validaron la
37
titularidad de las líneas; a pesar de esta acción la tendencia de adquisición de líneas móviles en
Lima y el Perú fueron incrementándose cada año, como se puede observar en la Figura 9.
Figura 9
Líneas móviles en servicio en el Perú
50
Lineas de servicios
40
(Millones)
30
20
10
0
1998
2015
1994
1995
1996
1997
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2016
2017
2018
2019
2020
2021-I
Años
Nota: Tomado de Osiptel
En el trabajo de investigación elaborado por Bendezú & Chahuara (2012) se resaltó la
alta penetración de las comunicaciones móviles frente a las líneas fijas, revelándose un primer
indicio a favor de preferir el servicio de telefonía móvil que el servicio de telefonía fija.
Tendencia que se confirmó en esta última década, como se puede visualizar en la Figura 10.
Figura 10
Telefonía móvil vs Telefonía fija
50
Líneas en servicio (millones)
40
30
20
10
Años
Telefonía móvil Telefonia fija
38
Nota: Tomado de Osiptel – Encuesta de Servicios de Telecomunicaciones y caracterización de
usuarios 2012.
Adicionalmente, OSIPTEL (2015) reportó que el 61% de las líneas con acceso a Internet,
al tercer trimestre de 2014, eran prepago, es decir más de 7.2 millones de celulares a nivel
nacional. Mientras, las líneas pospago y control superaron los 4.5 millones, respectivamente.
También, señaló que el impacto del servicio de telefonía móvil también implica riesgos cuando
el servicio es mal utilizado por los delincuentes, poniendo en riesgo a la sociedad, para lo cual
deben tomarse en cuenta diversas medidas de precaución. Según la Normativa Peruana, una de
las primeras medidas adoptadas por el Gobierno Peruano para combatir la mala utilización de los
servicios de telecomunicaciones a través de los equipos sustraídos, fue la expedición de normas y
resoluciones que aprueban el procedimiento para el Intercambio de terminales móviles
reportados como extraviados, sustraídos o recuperados, así como de la Ley Nro. 28774, que crea
el Registro Nacional de Terminales de Telefonía Celular, establece prohibiciones y sanciones
penalmente a quienes alteren y comercialicen celulares de procedencia dudosa y el Decreto
Supremo No. 023-2007-MTC, que aprueba el Reglamento de la Ley No. 28774. Estas normas
van de la mano porque en la XVII Reunión Extraordinaria del Comité Andino de Autoridades de
Telecomunicaciones – CAATEL (Bogotá, 2003), donde se reconoció que, en la Comunidad
Andina de Naciones, que se utilizan los equipos terminales móviles sustraídos, para realizar
delitos callejeros y otros delitos conexos como el secuestro y la extorsión.
Por otro lado, se cree que el smartphone nació en el 2007, pero ya existían teléfonos con
características típicas de un smartphone. Algunos expertos piensan que el smartphone nació
cuando se agregó a los celulares algunos programas sofisticados y navegación web, de los PDA y
BlackBerrys como los dispositivos que podrían ser los primeros smartphones. Así, Woyke
39
(2014) señaló que un smartphone se distingue de un teléfono móvil, por funcionar con un
sistema operativo abierto que puede albergar aplicaciones (apps) escritas por desarrolladores
externos. La introducción de los smartphones conjuntamente con el internet son factores claves
para la interacción digital de las personas, como comentó Cameron, director general de Suncorp
Bank, “hemos visto descensos de entre el 30% y el 40% en algunos años, y en algunas de
nuestras sucursales bancarias tradicionales en Australia, en algunas zonas vemos tan solo cinco o
diez personas al día, y la economía es muy difícil. Pero lo que está ocurriendo es que el
crecimiento de las interacciones digitales es fenomenal. Hemos pasado de cero a 11.5 millones
de transacciones al mes en un smartphone” (The Courier Mail, 2016).
Para King (2018), los consumidores utilizan más que nunca sus smartphones y
aplicaciones digitales, los ganadores del futuro serán las organizaciones que puedan crear
experiencias digitales integradas y contextuales que no dependan de los canales físicos, también
señaló que el 2015 fue el primer año en el que más personas utilizaron su smartphone para
realizar operaciones bancarias. Este investigador concluyó en que parece bastante simple crear
una aplicación para smartphone, hasta que se da cuenta de que tienes que lidiar con el backend
bancario principal y un modelo de negocio que requiere cumplimiento basado en las firmas de
los clientes en un papel físico (King, 2018).
Debido a la alta importancia de estar interconectados en cualquier momento y lugar, en el
Perú se ha observado el crecimiento de líneas móviles con acceso a Internet, pasando de
aproximadamente 14 millones el 2014 a más de 27 millones a inicios del primer trimestre del
2021, como se observa en la Figura 11. Es importante esta tendencia dado que los usuarios están
considerando cada vez más necesario contar con internet en su teléfono móvil para realizar
diferentes operaciones, dentro de las cuales se encuentran las bancarias; si se tiene en cuenta que
40
el smartphone es portátil y se puede llevar a todas partes, resulta más fácil interactuar con esta
herramienta en cualquier momento y lugar.
Figura 11
Líneas que accedieron al servicio de internet en el Perú
30
27.072167
26.176373
24.97904
23.978299
25
Lineas móviles (millones)
22.335504
19.5688
20
17.149267
14.525932
15
10
0
2014-IV 2015-IV 2016-IV 2017-IV 2018-IV 2019-IV 2020-IV 2021-I
Años
Nota: Tomado de Osiptel – Encuesta de servicios de telecomunicaciones y caracterización de
usuarios.
La bancarización en el Perú
Se entiende por bancarización a la cantidad de personas que acceden a un servicio
financiero, como cuentas de ahorros, préstamos, tarjetas de crédito, billeteras móviles, etc. Según
Maza (2012) se puede considerar el nivel de bancarización de un mercado a “la utilización y
difusión de ciertos servicios bancarios en la población”. Para comprender este tema a
continuación presentaremos los temas sobre el sistema financiero peruano y la banca móvil.
El sistema financiero peruano
Se define al sistema financiero como el conjunto de instituciones, medios y mercados
cuyo fin primordial es el de canalizar el ahorro generado por las Unidades de Gasto con
41
Superávit (UGS) hacia las Unidades de Gasto Deficitarias (UGD). En la Figura 12 se puede
observar los componentes del sistema financiero (Beraza et al., 2015).
Figura 12
Componentes del sistema financiero
Nota: Tomado de Beraza et al. (2015).
Como se puede observar en la Figura 11, se ubica a los bancos como parte de los
intermediarios, definiéndolos como: instituciones cuya finalidad es facilitar el contacto entre
ahorradores e inversores. Para King (2018) los bancos han proporcionado tradicionalmente tres
piezas clave de utilidad: un almacén de valores, que es la capacidad de almacenar dinero de
forma segura (las inversiones entran en esta categoría); movimiento de dinero, que es la
capacidad de mover su dinero de forma segura y acceso al crédito, que es la capacidad de prestar
dinero cuando lo necesita.
Según Ugarte (2019) en 1863 se fundó el primer banco en el Perú, denominado “Banco
del Perú” y con el aumento de las exportaciones del guano y del volumen del comercio exterior e
interior. En Lima se creó el Banco Nacional del Perú, Banco de Lima, Banco de Crédito
Hipotecario, Banco Territorial Hipotecario y Banco Garantizador, y en provincia los Bancos de

42
Trujillo, Arequipa y Tacna. Así también en 1921, se elaboró el proyecto de Banco de Reserva del
Perú, que fue después aprobado como ley bajo los auspicios del gobierno.
Por su parte, el Banco de Crédito del Perú (BCP) se constituyó como sociedad anónima,
con el nombre de Banco Italiano, el 3 de abril de 1889, obteniendo su nombre actual el 21 de
enero de 1942 (BCP, 2016). Mientras que, el Banco Continental inició sus operaciones un 9 de
octubre de 1951 con su sede ubicada en Lima; en 1982, instala el primer cajero automático del
Perú y en 1995 fue adquirido por el Banco Bilbao Vizcaya (BBV) y el grupo peruano Brescia
para el 2019 pasa a llamarse BBVA Perú. En la actualidad el Perú tiene alrededor de 60
entidades bancarias, distribuidas entre bancos, cajas de ahorro, financieras, Edpymes, entre otros,
como se observa en la Tabla 5.
Tabla 5
Perú: Entidades Financieras
Entidades Cajas Municipales

Empresas
Empresas Bancarias Financieras de Ahorro y Edpymes
Financieras
Estatales Crédito (Cmac)
Banco de Comercio Agrobanco Amérika Arequipa Acceso Crediticio
Banco de Crédito del Perú Banco de la Nación Crediscotia Cusco Alternativa
BBVA COFIDE Confianza Del Santa BBVA Consumer
Finance
Banco Pichincha Fondo MiVivienda Compartamos Trujillo Credivisión
Banco Interamericano de Cajas Municipales Credinka Huancayo Inversiones La Cruz
Finanzas (BanBif) de Crédito y
Popular (Cmcp)
Citibank Perú Caja Metropolitana Efectiva Ica Mi Casita
de Lima
Banco Santander Perú Cajas Rurales De Proempresa Maynas Edpyme Progreso
Ahorro Y Crédito
(Crac)
MiBanco Incasur Mitsui Auto Finance Paita GMG Servicios
Perú
Scotiabank Perú Los Andes Oh! Piura Santander
Consumer Perú
Banco GNB Perú Prymera Qapaq Sullana Bancos De
Inversión
Banco Falabella Sipán TFC Tacna J.P. Morgan Banco
de Inversión
Banco Ripley Del Centro
Interbank Raíz
Banco Azteca
43
Bank of China
Cencosud Scotia
ICBC PERU BANK
Nota: Tomado de https://www.bcrp.gob.pe/sitios-de-interes/entidades-financieras.html
Como se puede observar, se cuenta con gran variedad de instituciones financieras, para
diferentes fines y algunas especializadas en ciertos sectores. Teniendo en cuenta que el 2020 en
relación con el 2019 fue un año atípico para la banca, debido a la pandemia originada por el
COVID 19, dado que hubo una variación en los principales indicadores de la gestión bancaria:
• Índice de morosidad: es el “ratio obtenido de la cartera de crédito vencida o en cobranza
judicial, es decir, en calidad de incumplimiento, sobre el total de la cartera que mantiene
la entidad financiera” (Lizarzaburu & Del Brio, 2016). Durante el último año (2020) el
índice de morosidad se incrementó con respecto a años anteriores en todas las carteras,
pasando de un 3.5% sostenido durante los últimos tres años a un 4.2 %, como se puede
observar en la Figura 13.
Figura 13
Evolución de la morosidad y la cartera de alto riesgo 2020
7.0%
6.1%
6.0%
5.0%
5.0%
4.2%
4.0% 3.5%
3.0%
2.0%
1.0%
0.0%
May-yy
Set-yy
Nov-yy
May-yy
Set-yy
Nov-yy
May-yy
Set-yy
Nov-yy
Mar-yy
Mar-yy
Mar-yy
Ene-yy
Jul-yy
Ene-yy
Jul-yy
Ene-yy
Jul-yy
Cartera de alto riesgo Cartera atrasada
Nota: Tomado de la Superintendencia de Banca y Seguros – SBS.

44
• Captaciones: es la “cantidad de dinero que tienen las personas, tanto naturales como
jurídicas, como depósitos/ahorros en la institución financiera” (Lizarzaburu & Del Brío,
2016). Durante el 2020 según la Asociación de Bancos (Asbanc) los ahorros crecieron en
un 47% respecto al 2019. Este nuevo escenario fue posible dado que las personas han
reducido su capacidad de gasto debido al confinamiento social y a los retiros de AFP y
CTS que propicio el Gobierno, para reactivar la economía.
• Colocaciones: son “los préstamos/créditos otorgados a los diferentes participantes del
mercado” (Lizarzaburu & Del Brío, 2016). En referencia a este indicador las colocaciones
crecieron en el sistema financiero, principalmente por el programa Reactiva Perú, que
apoyo a la mediana y pequeña empresa, lo que si cayó fueron las colocaciones en hogares
y empresas sin Reactiva Perú como se puede visualizar en la Figura 14.
Figura 14
Crecimiento de colocaciones en el sistema financiero peruano 2020
Nota: Tomado de la Superintendencia de Banca y Seguros – SBS de la fuente de Balances de
comprobación y registro crediticio consolidado.
Cabe resaltar que, un factor importante en el crecimiento de las colocaciones en el
sistema bancario es el crédito ofrecido por el Estado Peruano a las empresas por Reactiva Perú,
45
para dinamizar la economía y puedan soportar los efectos negativos que trajo la pandemia a este
sector empresarial, como se puede observar en la Figura 15:
Figura 15
Crecimiento de colocaciones a empresas en Perú Set 2019 – Set 2020
Nota: Tomado de la Superintendencia de Banca y Seguros – SBS de la fuente de Balances de
comprobación y registro crediticio consolidado.
Banca Móvil y principales aplicaciones de transferencia de dinero en el Perú
Según Rodríguez (2018) las aplicaciones móviles tienen el objetivo de “hacerle la vida
más fácil al usuario final, estas aplicaciones están construidas para poder ser ejecutadas en
teléfonos inteligentes, tablets o cualquier otro dispositivo móvil, independiente del sistema
operativo que estos utilicen”. A lo largo de la historia, los bancos optaron por usar el internet
para llegar a más clientes, por lo que buscan reorientarse e introducir tecnología en sus
estrategias de posicionamiento y penetración de mercado. Para Beraza et al. (2015) las entidades
bancarias deben realizar fuertes inversiones en tecnologías de la información, lo que afecta a sus
márgenes; cambiar las redes de distribución, dotar de mayor seguridad y confidencialidad a los
flujos de datos e información al cliente a través de Internet, lo que también conlleva un aumento
de gastos. También rescata que las nuevas tecnologías son un arma de doble filo: son una
amenaza al aumentar la competitividad dentro del sector y, por otro lado, una oportunidad para
46
toda entidad que sea capaz de transformarlas en un factor crítico para lograr una mayor
eficiencia.
Por su parte, López y Gonzalez (2008) la banca electrónica nació en algún momento en la
historia, en el que el costo medio de una transacción bancaria realizada en la oficina fue el doble
de lo que costaría si fuera por teléfono, 5.3 veces por cajero y 80 veces su costo por internet.
Teniendo un motivo principal por lo cual promover la banca por internet, ya que resulta rentable
tanto para el banco como para el usuario. Skinner (2014) señaló que el impacto de mobile en la
banca, ha traído una situación muy compleja en los procesos, como en la relación que antes era
entre banco y cliente, ahora se abre cuando se realiza un pago y ya no se sabe si la relación es
con el minorista en línea, la compañía de tarjetas, la institución financiera o el móvil; lo que la
gente desea es un pago. Las aplicaciones móviles ofrecen una serie de funciones como: (i)
consultar el estado del ahorro personal usando el smartphone, (ii) transferencias nacionales
rápidas (también transferencias instantáneas) a través del móvil, (iii) uso de redes sociales como
Facebook para transferir dinero y (iv) transferencias de dinero con el uso de la cámara del
smartphone (simplemente tomando una foto de una factura). Una buena forma de
contextualizarlo es observar cómo la adopción del móvil se ha producido en cinco oleadas y para
el 2014 el mundo se encontraba en la cuarta ola, donde cualquier persona con un móvil puede
“gestionar todo”, 24/7, 365 días al año. Una quinta ola llegará en un futuro muy cercano, cuando
todo se comunique en el Internet de las cosas (Skinner, 2014).
Para hablar de las aplicaciones móviles en el Perú, se tomó de referencia inicial a la
investigación de Bendezú (2012) donde mencionó que “en el Perú el Banco de Crédito del Perú
(BCP) en alianza con los operadores de telefonía móvil, Telefónica móviles (Movistar) y
América Móvil (Claro) había implementado un sistema de banca móvil que permite hacer
47
operaciones como consulta de saldo, consulta de movimientos bancarios, transferencia de
efectivo a otra cuenta BCP, y recargas de celulares Movistar”. Lo que era posible mediante
mensajes de texto (SMS) estructurados cuyo proceso puede verse en la Figura 16.
Figura 16
Proceso de banca celular del BCP
Nota: Tomado de Osiptel a partir de la información del Banco de Crédito del Perú.
Bendezú (2012) señaló que existían aplicaciones que podían ser usados por iPhone y
Blackberry, destacando que las herramientas que contengan estas aplicaciones eran amplias, y
dependían de las características particulares del teléfono, las características del servicio
contratado, y las variantes de acceso que posea el proveedor de servicios de banca móvil. Para
esa fecha significaba ya un avance, pero un tanto limitado acerca de las operaciones permitidas.
También analizó la existencia del servicio de banca móvil de Scotiabank por medio del operador
América Móvil (Claro). La tecnología utilizada fue Sim Tool Kit (STK), la cual consistió en
instalar una aplicación en el chip del teléfono móvil que habilita la comunicación entre el usuario
y la entidad bancaria. Es importante destacar que las SIM card debieron poseer instalados esta
aplicación, si un usuario nuevo solicita este servicio debía acercarse a las oficinas del operador
móvil para que le haga el cambio de SIM card con la aplicación de banca móvil. De modo
similar, Interbank ofrecía el servicio de banca móvil a través de los operadores América Móvil
48
(Claro) y Telefónica Móviles (Movistar). Para utilizar el servicio era necesario afiliarse en la
página web de Interbank.
Por otra parte, en la memoria del BBVA (2012) se refleja el incremento del número de
transacciones de banca móvil en bancos a nivel nacional. Por su lado, el BCP (2009, 2012)
señaló a 1999 como el año cuando lanzan ViaBCP, su banca por internet, con la intención de sus
clientes realicen consultas y transacciones desde la oficina o la comodidad de su hogar y el 2012
implementan el aplicativo para Android sumándose a los ya existentes para iPhone y Blackberry,
complementando la oferta en las tres plataformas móviles más utilizadas en el país. Al cierre del
año, ya contaban con 140 mil afiliados.
Cabe señalar que, como indicó Trujillo (2010), el BCP lanza su primer aplicativo para
banca celular en BlackBerry, considerando que el teléfono celular se ha convertido en un nuevo y
poderoso canal para la banca. Comparando que, en el periodo de agosto 2009 a agosto 2010, las
transacciones del BCP vía canal móvil se incrementaron en un 180%, mientras que su número de
clientes lo hizo en 165%, destacando entre sus operaciones la de realizar consultas de saldos,
recargas telefónicas (Movistar), transferencias (entre cuentas del BCP), y consulta de
movimientos. Los pasos para usar ese aplicativo eran pocos, así, por ejemplo: solo para poder
descargar el aplicativo, el usuario debe afiliarse primero a la Banca Celular por Internet
registrando sus datos y creando un “alias” para este servicio. Luego, desde el BlackBerry, debe
enviar un SMS y descargar la aplicación del enlace de descarga que recibirá. Finalmente, se
debía activar la aplicación y se podía comenzar a realizar las operaciones antes mencionadas
tardando un aproximado de unos cinco a seis segundos.
Para el 2010, Arturo Johnson, gerente del área de Canales del Banco de Crédito del Perú,
señaló que “Banca celular es una alternativa accesible e inmediata para que un cliente del BCP
49
pueda realizar sus transacciones. Con este aplicativo para BlackBerry se quería brindar mayores
facilidades al usuario y que, de manera gratuita, pueda realizar una operación rápida y confiable
desde su teléfono móvil” (BCP, 2010). Existían ciertos límites, por ejemplo: solo se podrían
realizar recargas o transferencias hacia celulares y cuentas que el cliente ha afiliado previamente,
topes diarios por operación y por día, las transferencias entre cuentas del BCP, tenían un monto
máximo de 500 nuevos soles por operación y de mil soles por día. Además, cuenta con la misma
seguridad que las transacciones por Internet, es decir, se requería del uso de un token físico.
Mientras tanto, el BBVA seguía apostando por el desarrollo de aplicaciones que potencian el uso
de su banca móvil. Este canal contaba ya con más de 675,000 usuarios (Grupo BBVA, 2012).
De ese modo se inició la creación de aplicaciones móviles de transacciones de dinero en el
Perú y en febrero del 2016 gracias al esfuerzo de diferentes entidades bancarias y empresas de
telecomunicaciones se crea la billetera móvil (BIM), para lograr mejorar los indicadores de
inclusión financiera en el Perú, un sistema para realizar transacciones de dinero sin necesidad de
contar con una cuenta bancaria o de tener acceso a internet. Luego, aparecieron en el mercado,
aplicaciones ligadas a cada institución financiera como Yape del Banco de Crédito del Perú
(BCP), Tunki de Interbank, Lukita de BBVA y últimamente Plin que se puede usar en diferentes
instituciones bancarias.
Como parte de este estudio, analizaremos las aplicaciones móviles para transacciones de
dinero entre usuarios de las entidades financieras utilizando el número de celular, sin la
necesidad de contar con el número de cuenta del receptor; Yape y Plin que se puede utilizar entre
los usuarios de BBVA, Interbank, Scotiabank, BanBif, este tipo de aplicaciones llamadas
también billeteras móviles, se utilizan entre los peruanos para realizar sus llamados pagos
móviles, que según Au & Kauffman (2008), son cualquier tipo de pago en el que se utiliza un
50
dispositivo móvil para iniciar, autorizar y confirmar una transferencia de dinero a cambio de
bienes o servicios.
Yape. Es una aplicación para realizar pagos entre personas, comercios u otros servicios, se
creó a finales del 2016 y fue lanzada por el BCP el 2017, teniendo un crecimiento exponencial
dado que para el 2019 ya contaba con más de 2 millones de usuarios y el 2020 llegó a 5 millones
de usuarios. Según la memoria 2019 del BCP, su propósito es “reemplazar el uso de efectivo en
las transacciones diarias, recurrentes y de montos menores por transferencias y pagos digitales”.
Los pagos a través de esta aplicación se realizan utilizando el número celular del destinatario
(P2P – persona a persona) y en los comercios y servicios utilizando el código QR (P2M –
persona a mercader o comercio). Hasta el 2020 las transacciones se podían hacer entre personas
que tenían una cuenta en el BCP, pero en la actualidad un usuario puede afiliarse a YapeCard y
realizar sus transacciones inscribiéndose con su DNI y contando con un smartphone. Durante el
tiempo de pandemia ha contribuido a la inclusión financiera de 650,000 peruanos que han
accedido a servicios financieros por primera vez; y más de 700,000 micro y pequeños negocios
han podido ofrecer sus productos y servicios a través de este medio fácil y evitando el contacto.
Plin. El 2020 un consorcio de bancos en el que participa activamente el BBVA lanza Plin,
en el caso del BBVA reemplazará su aplicación de pagos móviles “Luquita” y “Tunki” de
Interbank, con este sistema el cliente puede realizar transacciones entre las siguientes entidades
financieras: BBVA, Interbank, BanBif y Scotiabank, BanBif y Caja Arequipa. A diferencia de
Yape, Plin no es una aplicación en sí, sino que está integrado en las aplicaciones de Banca Móvil
de cada banco; con el propósito de realizar transferencias sin costo entre estas entidades
financieras solo contando con el número celular del afiliado. Este sistema también cuenta con la
opción QR para realizar pagos en comercios y entre personas. Según la memoria anual del
51
BBVA, el 2020 ante su lanzamiento se realizaron “2.7 millones de transferencias por Plin desde
BBVA, y 9.5 millones de transferencias entre todos los bancos del consorcio” (Grupo BBVA,
2020). Cabe resaltar que más allá del uso de tecnología en la banca móvil y aplicaciones de
transferencia de dinero, es importante también centrarse en la experiencia del cliente y si siente
seguridad al navegar a través de las aplicaciones creadas por los bancos. Como manifiesta
Shamir Karkal CFO y cofundador de SIMPLE (EE. UU.), en una entrevista “la aplicación móvil
está muy por encima de cualquier otra del mercado, y no lo digo yo, sino nuestros clientes
(Skinner, 2014). A la vez profundiza en más allá de colocar la aplicación en un celular, se debe
invertir en averiguar como esta mejora la vida de las personas.
Del mismo modo, es importante conocer los riegos que implican el uso de la tecnología
móvil en las transacciones de dinero, dado que existe nuevas iniciativas de app que han sido
lanzadas el 2020 como Ligo, Agora y Rappibank y que se lanzarán el 2021 como Máximo,
Kontigo y 89. Según Bendezú (2012) el riesgo en el transporte de la información financiera sobre
la red de telefonía móvil se sustenta en el número de paradas que debe realizar la comunicación
hasta alcanzar a la entidad proveedora de servicios de banca móvil. Estas múltiples paradas en el
camino de comunicación representan puntos vulnerables donde puede ser alterado algunos
mecanismos de seguridad. López y Gonzalez (2008) señalan que la seguridad de los medios de
pago electrónicos se relaciona con la confianza necesaria para utilizar los canales tecnológicos,
indicando la posibilidad no solo de interceptación de los datos de carácter sensible, sino también
de que la otra parte no sea quien dice ser, destacando así dos tipos de problemas:
• Problemas de seguridad en redes, relacionada con virus, interceptaciones, acceso a
información confidencial.
52
• Problemas de desconfianza de la contraparte, el impacto de la operación, la edad
mínima para realizar transacciones. Para lograr este objetivo se hace necesario de un
sistema a través del cual se garantice el canal de transmisión como la confianza en la
contraparte (Beraza et al., 2015).
Finalmente, la importancia de analizar estos productos en este estudio radica en su
crecimiento de uso a raíz de la pandemia. Según Andina (2020), el 2020 el uso de billeteras
móviles creció en un 500% a este indicador se les suma que también se lanzaron al mercado
nuevas billeteras móviles, por lo que es indispensable el analizar los factores que influyen en su
uso, para que de este modo las nuevas aplicaciones las puedan adecuar en su funcionalidad o las
ya existentes puedan tomar en cuenta la investigación para mejorar su interacción con sus
clientes.
Condiciones en pandemia que dinamizaron el uso de tecnología móvil para transacciones
de dinero en el Perú
En el Perú se han generado ciertas condiciones que han logrado que la mayoría de los
peruanos se introduzcan al mundo digital, por tal motivo primero analizaremos los indicadores
macroeconómicos en los últimos cinco años, que han creado el escenario propicio para la
masificación de la tecnología móvil y su aplicación en el sistema financiero.
En los últimos cinco años antes del 2020 (año de inicio de la pandemia) el Perú ha
registrado un crecimiento progresivo del PBI promedio de 3.2% (Ver Tabla 6). Mientras que en
el 2020 la economía peruana cayó en 11.1% debido a la pandemia, pero sin embargo uno de los
sectores que más crecimiento presentó es el sector de telecomunicaciones. Del mismo modo, el
2020 la tasa de desempleo en Lima Metropolitana se duplicó con respecto al año 2019, pasando
53
de 6.1% a 13.8%. Según el Instituto Peruano de Economía – IPE (2020) el 2020 se han perdido
1.1 millones de empleos en Lima Metropolitana (Ver Tabla 7).
Tabla 6
Perú: PBI en los último 6 años (Variación Porcentual)
2015 2016 2017 2018 2019 2020

3.3 4 2.5 4 2.2 -11.1
Nota: Tomado del Banco Central de Reserva de Perú.
Tabla 7
Perú: Desempleo en Lima Metropolitana
2020
Indicador 2019
I Trim II Trim III Trim IV Trim Año
Desempleo en Lima
Metropolitana (%) 6.1 7.8 16.3 16.5 13.8 13.8
Nota: Tomado del Banco Central de Reserva de Perú.
Si bien la pandemia originada por el COVID 19 ha traído un escenario no favorable para
la economía peruana, el sector telecomunicaciones fue el más dinámico, teniendo gran
crecimiento, dado que las personas gastaron su dinero y ahorros en adquirir tecnología (internet,
smartphone, computadoras, etc.) para poder estar conectadas en la nueva normalidad de la
virtualidad, tanto para continuar con sus relaciones personales y para el trabajo. Entre los
principales cambios se encuentra el incremento de la bancarización y el uso de tecnología para
estar conectado.
El covid y el cambio de paradigma tecnológico
Para comprender el paradigma tecnológico pre y post COVID, debemos resaltar la
idiosincrasia del principal público objetivo que usan estas aplicaciones. La idiosincrasia de
acuerdo con Borja (2012) es la manera de ser de las personas y de los pueblos. Es el
temperamento y carácter de ellos. Es el conjunto de rasgos espirituales y físicos de los individuos

54
y de las colectividades. Se considera a la idiosincrasia (factor cultural) como un elemento
esencial para la transferencia tecnológica.
Este público objetivo es principalmente los millennials y pobladores urbanos y urbano
marginales, dado que nuestra investigación se desarrolla en Lima Metropolitana. El 2019 el
diario Gestión entrevistó a Rubino Arribas, Gerente de Yape, en la que mencionó que el 69% de
usuarios de la aplicación eran millennials de 18 a 35 años, el 54% varones y el 46% mujeres (Ver
Figura 17). De igual modo podemos tomar este dato para los usuarios de Plin. Si se está frente a
esta generación millennials, que son el grupo etario que han nacido entre 1980 a 2000, estas
personas han nacido y crecido con la tecnología; por lo tanto, está interiorizado en su sistema
cultural el uso de esta y familiarizado con su uso y beneficio. A la vez ocupa un papel
fundamental en sus vidas y relaciones. Según Begazo y Fernández (2015) la cosmovisión de los
millennials, está fuertemente influenciada por la tecnología y la era digital. “Los millennials
peruanos son grandes seguidores de las tecnologías, y uno de sus símbolos, incluso mayor que el
portátil o la televisión, es su Smartphone” (Begazo y Fernández, 2015), teniendo en cuenta esta
descripción, consideramos que el uso de aplicaciones por parte de los millennials es parte de su
cultura.
Figura 17
Grupos de edad de usuarios de Yape
50+ 18-21
9% 14%
36-50
22% 22-25
22%
26-35
33%
Nota: Tomado de Diario Gestión 2019.

55
Por otro lado, el 31% representa a personas de 36 años a más, estos son considerados
dentro de la generación “Baby Bomers” (antes de 1960) y “Generación X” (1960-1984), estas
generaciones adoptaron las computadoras, internet y smartphone como parte de sus herramientas
culturales, pero aún tienen desconfianza, temor al usarlas y hasta resistencia. Como mencionó
Begazo y Fernández (2015) “A esta generación le tocó vivir el nacimiento de Internet y la
burbuja del .com en la década de los 90 ́s, por eso actualmente parte de esta generación se resiste
a utilizar estas tecnologías”.
Según el INEI aproximadamente el 30% de peruanos son millennials, (alrededor de 10
millones de peruanos) de los cuales según Arellano Marketing (2017) el 16% compra o ha
comprado por internet y vive en Lima Metropolitana (1.6 millones), de los niveles
socioeconómicos A y B, en su mayoría mujeres. El mismo estudio revela que los principales
motivos del 84% de millennials que no compra en línea es debido a los siguientes factores: temor
a pagar y que no le envíen el producto, temor a los hackers o robo de información y finalmente
porque prefieren ver y tocar lo que van a comprar. Creemos que estos miedos se han reducido
por la pandemia y el porcentaje de millennials que no compra en línea se ha disminuido.
Del mismo modo, Lima Metropolitana cuenta con 8’574,974 de personas de las cuales,
según el Boletín Socioeconómico Laboral de Lima Metropolitana (2020), la Población
Económicamente Activa (PEA) registró un total de 2 millones 625 mil 300 personas, de las
cuales el 83.7% (2 millones 197 mil 900 personas) estaba representado por la población ocupada,
con un ingreso promedio alrededor de 1900 soles (INEI 2017). De esta población la mayoría son
pobladores urbanos, alrededor de 55%, y el 45% pertenece a la zona urbano marginal.

56
Dado que estos ciudadanos tienen más acceso a las tecnologías y usan los beneficios de
esta, se han introducido con mayor éxito a la era digital y utilizan todas las herramientas
tecnologías en su vida cotidiana en el ámbito personal, social y laboral.
El covid y el incremento de la bancarización en el Perú
La bancarización en el Perú ha estado en continuo crecimiento, el 2010 la tasa de
bancarización se encontraba en 28% (Maza, 2012 y para el 2020 la tasa creció al 44.8% (INEI –
Condiciones de Vida, primer trimestre 2020), aún con este continuo crecimiento es una de las
tasas más bajas en Latinoamérica, por la que el Estado Peruano ha propiciado su incremento con
la Política Nacional de Inclusión Financiera. Cabe resaltar que debido al COVID 19 esta
bancarización se ha dinamizado, debido a los bonos del estado, que permitió la bancarización de
los sectores más pobres del Perú.
Según el Clarin (2020) millones de nuevas cuentas bancarias y un crecimiento exponencial en el
uso de dispositivos móviles y canales digitales para operaciones son las secuelas
positivas que está dejando la pandemia de coronavirus en el país, donde las medidas de
distanciamiento para mitigar contagios impulsaron una bancarización sin precedentes.
A este panorama se le suma la dinamización de los comercios para utilizar los
dispositivos para pagos móviles, que se han dinamizado en la capital. Según Chávez
(ConexionEsan, 2020) antes de la pandemia, los bancos y otras entidades financieras ya contaban
con herramientas digitales como apps, banca por internet y billeteras móviles en su portafolio.
Con la llegada de la COVID-19, su uso se multiplicó y se incorporaron algunas funcionalidades
adicionales. Ahora ya es común pagar bienes a través de transferencias bancarias o pagar un taxi
con algún aplicativo asociado a un banco.

57
Para Ipsos (2020), al mes de junio del 2020 el 51% (8.6 millones) en el Perú urbano son
bancarizados, es decir, cuentan con algún producto bancario y los canales más usados por este
grupo son: cajero automático (79%), banca móvil (57%), banca por internet (52 %), ventanilla
(46%) y apps de transferencia de dinero (44%). Dentro de las principales razones de las personas
no bancarizadas, a no utilizar estos servicios son: el costo o la creencia del costo que implica, la
falta de fondos, la falta de confianza y la falta de documentación necesaria y trámites (Gestión,
2020).
En este capítulo se analizó la literatura existente para cuatro temas que se consideró
vitales para fundamentar el problema de la presente investigación. Como primer punto se
consideró la información sobre la base teórica a utilizar en esta investigación, como el Modelo de
Adaptación Tecnológica – TAM, que es un modelo muy utilizado para analizar la intención de
uso de herramientas tecnológicas. Las variables de este modelo que se usarán en este estudio son:
actitud, utilidad percibida, facilidad de uso percibida e intención de uso. Del mismo modo se
profundizó en dos variables externas que se propone para adicionar al modelo como son la
confianza percibida y riesgo percibido, factores ligados a la seguridad de las aplicaciones
utilizadas para las transacciones de dinero.
Como segundo punto se analizó el desarrollo del sector de telecomunicaciones, que ha
estado en constante crecimiento y aún en pandemia, fue el sector con mayor crecimiento en el
Perú. Del mismo modo consideramos importante el análisis de la introducción y desarrollo del
Internet y a telefonía móvil, como herramientas tecnológicas importantes que crean el escenario
propicio para la creación y funcionamiento de las aplicaciones de transferencia de dinero.

58
Como tercer punto se desarrolló el tema de bancarización en el Perú, siendo la banca un
sector que también se dinamizó en los últimos años incluso en pandemia. El sistema financiero
en el Perú se inició en 1863 con la creación del Banco del Perú hasta contar en la actualidad con
más de 60 instituciones financieras, que brindan diferentes servicios, entre los cuales, el más
dinámico es la banca móvil, que incluye las aplicaciones Yape y Plin, que son motivo de este
estudio y han alcanzado su máxima difusión y descarga en los dos últimos años de
confinamiento y han servido para incrementar la bancarización de la mayoría de peruanos, a
pesar de que muchos tengan desconocimiento en el uso, miedos y desconfianzas.
Finamente, se analizó como a raíz del COVID 19, en el país hubo un cambio de
paradigma tecnológico, al dejar de temer a la tecnología e introducirla como parte de las
herramientas culturales en la vida cotidiana de todas las generaciones millennials y babyboomers
y que se desarrolla sin problemas en las poblaciones urbanas de forma exitosa y en la población
urbano marginal de forma más precaria, pero en mejora continua. Del mismo modo, las
condiciones de confinamiento y no contacto del COVID 19 han generado un escenario
espectacular para la masificación de las aplicaciones de transacciones de dinero como Yape y
Plin.
59
Capítulo III. Metodología
El presente capítulo se desarrolla el diseño de la metodología de investigación utilizada
en este estudio. Así como, el desarrollo de los documentos relacionados con el instrumento de
recolección de datos utilizado; el consentimiento informado, con el fin de que el encuestado
tenga conocimiento de que la información tratada será resguardada confidencialmente; detalles
acerca de los datos recopilados; los instrumentos de medición para la recopilación de datos y
detalles sobre qué consideraciones se desarrollaron para el análisis e interpretación de los datos.
Diseño de la Investigación
Esta investigación es catalogada como no experimental de tipo correlacional y de corte
transversal; es de tipo no experimental, ya que no se manipulan las variables de estudio; de tipo
correlacional, ya que se miden dos variables y se establece una relación estadística entre las
mismas; así mismo, la recolección de la información se realizó en un determinado tiempo, en un
momento específico, por ello es de corte transversal. Por otro lado, es de tipo cuantitativo, ya que
se recopilan los datos del público objetivo mediante una encuesta, técnica respaldada por Sierra
(1994) y García et al. (1993) que señalaron que este instrumento permite explorar, describir,
predecir y/o explicar una serie de características; así como, la obtención de datos de interés
sociológico mediante la interrogación a los miembros de la sociedad. Se considera estas
afirmaciones como adecuadas, dado que en la presente investigación se buscó analizar la relación
entre los factores incluidos en el nuevo modelo de aceptación tecnológica propuesto con el fin de
obtener conclusiones acerca de la intención de uso de una aplicación móvil para las transacciones
de dinero.
60
Consentimiento Informado
Como mencionamos anteriormente, para esta investigación se hizo uso de la técnica de la
encuesta para la recolección de datos del público objetivo, según la muestra calculada. En la
estructura de la encuesta, antes de que se inicie con las preguntas propias de la investigación se
especificó un mensaje para que el encuestado conozca el objetivo de la investigación, los
investigadores y confirme que ha expresado voluntariamente su intención de participar en la
investigación, así como el resguardo de sus datos (Ver Apéndice A).
Participantes de la Investigación
El público objetivo de esta investigación fueron los ciudadanos de Lima Metropolitana,
mayores de 18 años que utilicen las aplicaciones móviles Yape o Plin para realizar transacciones
de dinero. Se consideró este público, dado que Lima Metropolitana es el área que cuenta con una
cantidad mayoritaria de usuarios de las aplicaciones móviles analizadas, además que cuenten con
el requisito de ser mayor de edad para poder usar este producto bancario.
Para hallar la muestra de esta investigación se consideró la aplicación de la fórmula para
poblaciones infinitas por las siguientes razones: (i) no se conoce la cantidad exacta de usuarios
de las aplicaciones; (ii) se podría validar por el número de descargas, pero no es un dato exacto,
dado que existe personas que pueden descargar dos o tres veces la aplicación en distintos
dispositivos, incluso pudiendo tener la base de datos de usuarios que utilizan las aplicaciones que
reporta cada entidad; (ii) no se podría hacer una trazabilidad de los usuarios que utilizan las dos
aplicaciones a la vez, por la ley de protección de datos personales. Por lo tanto, se utilizó la
fórmula para hallar la muestra en poblaciones infinitas (Ver Figura 18), con un nivel de
confianza de 95%, margen de error de 5%. Al realizar el cálculo, se obtuvo que el tamaño de
muestra es de 385 personas.

61
Figura 18
Datos para el cálculo de la muestra
Confidencialidad
La información de los encuestados participantes de esta investigación y sus respectivas
respuestas fueron protegidas, resguardando la confidencialidad e integridad de las mismas. Así,
los datos personales registrados por el encuestado en la investigación fueron: edad, distrito y
nombre de la app móvil que utiliza para sus transacciones de dinero; no se consideró necesario
relacionar datos personales como el nombre (este dato se encuentra en la encuesta, pero fue
válido que el encuestado registre únicamente sus iniciales), DNI, u otros datos sensibles. De esta
manera se descarta la posibilidad de que, al ser publicada esta investigación, se pueda identificar
al encuestado.
Instrumentos de medición
Con la finalidad de analizar el modelo propuesto en esta investigación que permite
analizar los factores en la intención de uso de la app móvil, se utilizó como instrumento un
cuestionario, que como lo señalaron Casas et al. (2003) definieron al cuestionario como un
instrumento utilizado para recoger de manera organizada la información que permite dar cuenta
de las variables que son de interés en cierto estudio, investigación, sondeo o encuesta. Es por esta
razón que se consideró como instrumento idóneo para esta investigación, el cual fue aplicado de
62
manera virtual a través de la plataforma de Google Forms. El cuestionario estuvo dividido en dos
partes: la primera recogió información demográfica, de la cual se obtuvo algunos datos
estadísticos descriptivos y en la segunda parte se aplicó las preguntas relacionadas con los
factores del modelo propuesto a evaluar (Ver Apéndice B). Las preguntas demográficas
estuvieron enfocadas a la edad y distrito; adicionalmente de la pregunta ¿cuál es la aplicación
que utilizan para realizar sus transacciones de dinero con su celular? Mientras que, en las
preguntas para recoger la percepción de los diferentes constructos a evaluar se utilizó una escala
Likert de cinco puntos donde (1) representa estar totalmente en desacuerdo con la afirmación,
mientras que (5) indica estar totalmente de acuerdo; para el constructo actitud se realizó un
diferencial semántico en escala Likert de 5 puntos. Según Hernández et al. (2001) se hace uso de
este tipo de escala (Likert) en tests de actitudes y de personalidad, motivo por el cual se utilizó
esta escala en el instrumento de investigación, y además por la fácil comprensión y familiaridad
de los encuestados con este tipo de mediciones.
El desarrollo del instrumento se realizó basándose en la revisión de la literatura del
capítulo previo, inicialmente el instrumento fue aplicado en un piloto de 51 personas
encuestadas, para validar la fiabilidad de las preguntas propuestas, las cuales se fundamentan en
investigaciones anteriores que han analizado la aceptación tecnológica de diferentes herramientas
o aplicaciones de TI teniendo como base el modelo TAM y sus derivados. Se realizó
posteriormente el análisis de confiabilidad correspondiente para re-especificar las preguntas en
caso sea necesario. Los factores (constructos) analizados en esta investigación y los ítems
(variables observables) relacionados con cada uno de ellos que se han plasmados en el
cuestionario se señalan a mayor detalle en las Tablas 8, 9, 10, 11, 12 y 13.

63
Tabla 8
Preguntas del Factor – Actitud
Autor o fuente Pregunta Código

Me disgusta (1)
ACT1
Que me gusta (5)
Absurda (1)
(Shih & Fang, ACT2
Inteligente (5)
2004)
Aburrida (1)
(Muñoz, 2008) ACT3
Interesante (5)
Desagradable (1)
ACT4
Agradable (5)
Me disgusta (1)
ACT5
Que me gusta (5)
Tabla 9
Preguntas del Factor – Utilidad percibida

El uso de la app móvil me permitirá realizar
UP1
mis transacciones de dinero más rápido.
Usar la app móvil aumenta mi
productividad, es decir: puedo culminar mis
(Venkatesh &
transacciones de dinero planeadas en el UP2
Davis, 2000)
tiempo y esfuerzo planificado, que si optara
por otro medio.
Usar la app móvil aumenta mi efectividad,
UP3
es decir: logro el resultado esperado.
Considero que la app móvil es útil para
UP4
realizar mis transacciones bancarias.
Tabla 10
Preguntas del Factor – Facilidad percibida

Mi interacción con la app móvil que utilizo
FP1
es clara y entendible
Interactuar con la app móvil no requiere de
(Venkatesh & FP2
una concentración elevada
Davis, 2000)
Es fácil el acceso y navegación en la app
FP3
móvil.
Considero que es fácil realizar una
FP4
transacción de dinero con la app móvil.
64
Tabla 11
Preguntas del Factor – Riesgo percibido

Considero que otras personas pueden
obtener información confidencial sobre mis RSG1
transacciones si uso la app móvil
(Muñoz et al., Considero que existe un riesgo de pérdida de
RSG2
2017) dinero si utilizó la app móvil
Considero que existe un riesgo importante a
la hora de realizar mis transacciones de RSG3
dinero empleando la app móvil
Tabla 12
Preguntas del Factor – Confianza percibida

Creo que, la app móvil, mantendrá las
promesas y compromisos involucrados CFZ1
de ámbito contractual
(Pavlou &
La app móvil es confiable para realizar
Fygenson, 2006) CFZ2
mis transacciones de dinero.
Considero que la entidad financiera
(Muñoz, 2008)
que soporta la app móvil se hará
CFZ3
responsable por si algún incidente
sucediera.
Tabla 13
Preguntas del Factor – Intención de uso

Prefiero hacer mis transacciones de
dinero con la app móvil que hacerlo
IU1
mediante otra modalidad
(Venkatesh &
Bala, 2008)
Tengo la idea o intención de usar la
(Davis et al.,
app móvil en los siguientes 9 meses. IU2
1989) (Yang et
al., 2016)
Recomendaría a otros usar la app
móvil para transacciones de dinero. IU3
65
Métodos para recopilar datos
La metodología de esta investigación fue de naturaleza cuantitativa, por tal motivo se
eligió el método de recolección de datos a través de la encuesta virtual. Según García et al.
(1993) señalaron a las encuestas como una técnica que utiliza un conjunto de procedimientos
estandarizados de investigación, mediante los cuales se recoge y analiza una serie de datos de
una muestra de casos representativa de una población o universo más amplio, del cual se
pretende explorar, describir, predecir y/o explicar una serie de características. Por otro lado,
Sierra (1994) indicó que la técnica de encuesta consiste igualmente en la obtención de datos de
interés sociológico mediante la interrogación a los miembros de la sociedad, es el procedimiento
sociológico de investigación más importante y el más empleado. Debido a este respaldo teórico
se eligió la técnica de encuesta para la recolección de datos para luego realizar el análisis e
interpretación de los datos y finalmente validar las hipótesis planteadas.
Análisis e Interpretación de Datos
Para realizar el análisis y la interpretación de los datos obtenidos de la encuesta aplicada,
se definió una serie de etapas por las que los datos pasaron para así lograr verificar, si las
hipótesis planteadas son aceptadas o rechazadas y determinar en qué medida existen relaciones
entre los factores propuestos, estas etapas definidas fueron:
(a) Traslado de datos de la encuesta con escala de Likert en software SPSS.
Para este paso se utilizó el programa estadístico Statistical Package for the Social
Sciences (SPSS) para poder procesar los resultados conseguidos en el cuestionario de
las encuestas; por otra parte, también se realizó un análisis descriptivo donde se
usaron tablas, cuadros, gráficos para analizar las variables descriptivas de distrito de
residencia, edad y aplicación móvil que utilizan y sus respectivos hallazgos para
66
interpretarlos, mediante la herramienta Microsoft Excel. También, se realizó un
traslado de lo obtenido en la plataforma Google Forms hacia el software SPSS, se
procedió a eliminar las columnas innecesarias y luego se definió los datos según
corresponde al tipo de dato por cada columna para que el software SPSS realice el
análisis adecuadamente.
(b) Verificación de datos incompletos para su retiro. En esta etapa se depuraron los
registros que no fueron completados en la encuesta, por lo cual se verificó que cada
fila esté debidamente completada y que los valores correspondientes a la puntuación
varíen entre uno y cinco. De observar algún dato incompleto, se eliminó de la
muestra.
(c) Evaluación de confiabilidad y validez (convergencia, discriminante). Según Coller
(2020), el análisis de fiabilidad permite evaluar qué tan bien los indicadores (variables
observables) predicen y permiten evaluar a un constructo específico. Para realizar el
análisis de confiabilidad, se usó el valor de Alpha de Cronbach, siendo teóricamente
aceptable la confiabilidad solo si el cálculo indica un valor mayor a 0.7. Por el lado de
la validez, se analizó la convergencia y la discriminante de los constructos estudiados.
La diferencia básica entre la validez convergente y discriminante es que la validez
convergente comprueba si los indicadores convergen para medir un único concepto,
mientras que la validez discriminante comprueba si un constructo no está relacionado
o se distingue de otros constructos (Collier, 2020). Para evaluar la validez
convergente, Fornell & Larcker (1981) afirmaron que se debe calcular la varianza
media extraída (AVE) de cada constructo. El AVE se calculó obteniendo el valor 𝑅 2
(coeficiente de determinación) para cada indicador (variable observable) de un

67
constructo, sumándolos y dividiéndolos por el número total de indicadores. El número
de AVE debe ser superior a 0.50 para concluir que sus indicadores tuvieran validez
convergente en su constructo (Collier, 2020). Para calcular el valor 𝑅 2 se utilizó el
software IBM AMOS. Para la validez discriminante se usó el software AMOS, donde
se realizó un análisis de correlación entre los constructos planteados. Se examinó cada
correlación y se realizó la comparación de la varianza compartida con la raíz cuadrada
del valor AVE de cada constructo. Como indicó Collier (2020), todos los valores de
raíz cuadrada del valor AVE deben superar a la varianza compartida entre los
constructos, lo que apoya la validez discriminante de nuestros constructos en el
modelo.
(d) Análisis factorial confirmatorio (CFA) y modelo de ecuaciones estructurales (SEM).
Como lo señaló Collier (2020), a una variable latente también se le denomina variable
no observable, es decir que no puede ser medida directamente, en el caso de la
investigación vendrían a ser los factores (constructos) a analizar; para medirlos y
analizarlos se necesitan de otras variables que midan a la variable no observable. El
análisis factorial es el método más aplicado para obtener evidencias sobre validez de
constructo, dado que informa sobre la estructura interna de los instrumentos de
medida (Zumbo, 2006). El CFA es un subtipo de SEM, que como lo señaló Bollen
(1989), SEM es considerado una herramienta estadística multivariada, también
conocida como análisis de estructura de covarianzas, que permiten probar la relación
(no causalidad) que existe entre variables observadas y latentes. Para poder realizar
este análisis factorial confirmatorio inicialmente se procedió a especificar e identificar
el modelo. Tras recoger los datos, se estimaron los parámetros y se evaluó el ajuste
68
del modelo. Si el modelo presenta un ajuste adecuado, se podrá utilizar para evaluar e
interpretar los parámetros; en caso contrario, se modificará el modelo y nuevamente
se iniciará el proceso, (Batista & Coenders, 2000).
De acuerdo a estos pasos previos y tomando en consideración que un “buen ajuste”, como
lo señaló Collier (2020) significa que los datos cargados, en este caso de la encuesta aplicada,
están representados correctamente en el modelo diseñado, para permitir posteriormente analizar
las hipótesis planteadas, se realizaron los pasos propuestos por Batista & Coenders, (2000) y en
cuanto, a la especificación del modelo, se especificó el diseño del modelo inicial en el software
AMOS. Para verificar la condición de identificación del modelo, se validó si se cumple que se
tiene un número de ecuaciones mayor al número de incógnitas; para determinar ello, se verificó
que los grados de libertad del modelo sean mayores a cero, condición que sustentó Collier (2020)
y se resume en la Tabla 14.
Tabla 14
Grados de libertad de modelo
Grados de libertad
Modelo Significado
(degrees of freedom)
Existe sólo una solución, no
Saturado 0
generalizable
No identificado Existen más incógnitas que ecuaciones <0
Optimo, ya que se cuentan con más
Sobre identificado >0
ecuaciones que incógnitas
Nota: Elaboración Propia
El proceso de estimación de los parámetros fue realizado bajo la técnica de Máxima
Verosimilitud (MLE) especificada en el software AMOS, esta técnica es conocida por
proporcionar resultados precisos y estables (Hair et al., 2009). Mediante el software AMOS, se
hizo uso de la opción llamada “modificación de índices”, la que sugiere un listado de covarianzas
69
entre los elementos de nuestro modelo, al dibujar una covarianza mediante esta opción, se puede
lograr mejorar los índices presentes en el ajuste del modelo.
Para analizar el ajuste del modelo, se revisó el índice RMSEA (Root Mean Square Error
Approximation), este índice hace referencia a la cantidad de varianza no explicada en el modelo
por grado de libertad, si fuera igual a cero representaría el “mejor ajuste ideal”; sin embargo, en
la práctica se considera que un valor menor a .08 representará un buen ajuste, (Collier, 2020).
Así también, se analizaron los siguientes índices para poder “ajustar el modelo”: CFI, TLI, NFI e
IFI que según Bentler & Bonn (1980) los valores mayores a .90 sustentan un buen ajuste del
modelo; en cuanto a otro índice, Collier (2020) señaló que el valor de chi-cuadrado (contribuye a
tener un ajuste aceptable) debe ser considerado, pero dividiéndolo entre los grados de libertad, y
el resultado debe ser menor a cinco, lo mismo sugiere Schumacker & Lomax (2004).
Finalmente, para verificar si en una relación entre dos variables latentes se confirma la
hipótesis planteada, se procedió a revisar el p-valor mediante el software AMOS y según el valor
identificado en la Tabla 15, se aceptó o rechazó las hipótesis planteadas según corresponda; y
para medir la relación que existe entre dos variables latentes (carga factorial), se utilizó el
coeficiente estandarizado de regresión (β) que fue obtenido con el software AMOS.
Tabla 15
p-valor (p) y su significado
p-valor (p) Significado

p < .001 P-valor altamente significativo y se acepta la hipótesis planteada.
.001 <= p < .01 P-valor muy significativo y se acepta la hipótesis planteada.
.01 <= p < .05 P-valor significativo y se acepta la hipótesis planteada.
p >= .05 P-valor no significativo, no se puede aceptar la hipótesis planteada.
70
En este capítulo se definieron: el instrumento utilizado en la investigación, el cálculo de
la muestra; así como, la especificación del análisis e interpretación de los resultados con ayuda
del software SPSS y AMOS. Así también, las consideraciones necesarias para poder realizar el
ajuste del modelo adecuado, lo que permitió confirmar si se aceptaban o rechazaban las hipótesis
planteadas, así como medir el nivel de influencia o fuerza existente entre dos variables latentes,
para luego señalar las conclusiones de la investigación en los siguientes capítulos.

71
Capítulo IV: Resultados
Diagnóstico
Utilizando la técnica de encuestas, se recolectaron respuestas de un total de 385 usuarios
de las aplicaciones Yape o Plin en Lima Metropolitana, tal como se calculó la muestra en el
capítulo previo. En la Figura 19, se observa que los distritos donde mayor número de
encuestados respondió el cuestionario fueron: Cercado de Lima con 11% de los encuestados,
seguido de Jesús María (9%), la Molina (6%) y Breña (6%). De lo que se puede inferir que la
mayoría de los encuestados son del área urbana y de clase media alta por las características de
los distritos predominantes.
Figura 19
Distritos de Lima Metropolitana, con mayor número de encuestados
Rímac Los Olivos

Pueblo Libre 3% 3%
3%
Breña
Magdalena del 6%
Mar
3% San Miguel
Jesús María
3% 9%
Miraflores La Molina
4% 6%
Lince
4% Cercado de Lima
11%
La Victoria
4%
Chorrillos Comas
4% 4%
Nota: Elaboración propia a partir de la encuesta realizada para esta investigación.
Así también, se evidenció que el rango de la edad de los encuestados en su mayoría
fueron personas de 26 a 35 años (40%), seguidos de los que tienen de 36 a 45 años (29%) como
se puede observar en la Figura 20. Corroborando lo que se manifestaba en la literatura, que la

72
mayoría de los usuarios de estas aplicaciones son millennials, los cuales están a la par con la
tecnología, sus herramientas y recursos.
Figura 20
Rangos de edad de los encuestados
31 31
8% 8%
58
15%
152
40%
113
29%
18 - 25 años 26 - 35 años 36 - 45 años 46 - 55 años 56 años a más
Es importante también resaltar que, la mayor cantidad de los encuestados utiliza Yape
(61%); se esperaba este resultado, dado que esta aplicación tiene mayor penetración de mercado
y más años en circulación; seguidos por los que utilizan Plin (21%), esta aplicación recién lleva
alrededor de un año en el mercado. Además, se evidencia que un 18% utiliza ambas aplicaciones
(Ver Figura 21), La principal razón para utilizar ambas aplicaciones, es porque existe una
cantidad de personas que son clientes del BCP y otra entidad financiera (Interbank, BBVA,
Scotiabank o Banbif) a la vez, por lo que optan por descargar Yape para interactuar
monetariamente con las personas y establecimientos que trabajan con esta aplicación y asocian
Plin a una cuenta de otro banco afiliado, para interactuar con los clientes de estas entidades
bancarias.
73
Figura 21
Aplicaciones de transacciones de dinero que utilizan los encuestados
250 235
200
150
100 80
70
50
0
Plin Yape Yape y Plin
Análisis de Confiabilidad - Constructos
Al realizar el análisis de confiabilidad de los constructos (variables latentes) involucrados
en la investigación, tomando en cuenta la interpretación que se tiene del valor Alpha de
Cronbach (α) que se puede observar en la Tabla 16, se constató que se cumple con el valor
mínimo, resultando cuatro constructos interpretados como “Bueno” y los otros dos como
“Excelente”; como se puede observar en la Tabla 17.
Tabla 16
Interpretación del coeficiente Alfa de Cronbach
Alpha de Cronbach Interpretación

> .9 Excelente
> .8 Bueno
> .7 Aceptable
> .6 Cuestionable
> .5 Malo
<= .5 Inaceptable
Nota: Tomado de George & Mallery (2003).
74
Tabla 17
Alfa de Cronbach de los factores de la investigación
Factor Alfa de Cronbach Interpretación

Facilidad de uso percibida .92 Excelente
Utilidad percibida .86 Bueno
Actitud .89 Bueno
Confianza Percibida .80 Bueno
Riesgo Percibido .85 Bueno
Intención de uso .91 Excelente
Validez del constructo:
Se calculó el valor AVE para cada constructo, verificando que cumplan el criterio de
convergencia. Para realizar esta verificación, se debe obtener un valor mayor a 0.5 (α >.5). en
cada constructo, lo cual fue consistente con los resultados obtenidos para cada constructo de
nuestra investigación, como se puede revisar en la Tabla 18. A su vez, para determinar la validez
discriminante se realizaron los pasos señalados en el capítulo III y se obtuvieron los resultados
de relación de los diferentes constructos, lo que se puede observar en la Tabla 19.
Tabla 18
AVE de los constructos para esta investigación
Constructo (Variable latente) 𝐀𝐕𝐄 Interpretación (> 0.5)

Intención de uso .77 Se cumple convergencia
Riesgo Percibido .67 Se cumple convergencia
Actitud .68 Se cumple convergencia
Utilidad percibida .62 Se cumple convergencia
Facilidad de uso percibida .74 Se cumple convergencia
Confianza Percibida .58 Se cumple convergencia
Tabla 19
Validez discriminante de los constructos para esta investigación
RSG CFZ FACUP IU UTILP ACT

RSG .82 -.43 .040 -.010 .050 -.36
75
CFZ -.43 .76 -.04 -.030 .13 .43

FACUP .040 -.040 .86 .45 .22 .25
IU -.010 -.030 .45 .88 .16 .10
UTILP .050 .13 .22 .16 .79 .19
ACT -.36 .43 .25 .10 .19 .82
Nota: FACUP: Facilidad de uso; UTILP: Utilidad percibida; ACT: Actitud; CFZ: Confianza
percibida; RSG: Riesgo percibido; IU: Intención de uso.
Luego de realizar el análisis factorial confirmatorio (CFA) y el modelo de ecuaciones
estructural (SEM), se especificó e identifico el modelo. Como se muestra en la Tabla 20 algunos
índices fueron catalogados como no válidos (NFI y RMSEA), por lo que se debía realizar los
ajustes necesarios al modelo planteado, otros índices (grados de libertad y chi-cuadrado/grados
de libertad) que cumplían la condición podían ser mejorados.
Tabla 20
Resultados del Modelo Inicial
Índice Recomendado Obtenido Observación

Grados de libertad >0 182 Se identifica
Chi-cuadrado entre los grados de <5 3.48 Válido
libertad (𝒙𝟐 /𝑑𝑓)
CFI > .90 .96 Válido
TLI > .90 .90 Válido
NFI > .90 .87 No Válido
IFI > .90 .92 Válido
RMSEA < .080 .080 No V+
álido
En vista de que algunos parámetros no cumplían los rangos mínimos, se utilizó la opción
“modificación de índices”, señalado en el capítulo III como parte del tratamiento de los datos a
analizar, hasta lograr ajustar el modelo. Se establecieron cinco covarianzas, las cuales se pueden
observar al lado izquierdo de la Figura 22 (flechas curvas de dos sentidos). Con el software
AMOS se creó un modelo de ecuación estructural nuevo que satisfaga la característica “fit the
76
model” con el cumplimiento de los rangos en los índices anteriormente señalados. Los nuevos
índices obtenidos en este modelo se presentan en la Tabla 21, que presentamos a continuación:
Tabla 21
Resultados del final del modelo con ajuste
Índice Recomendado Obtenido Observación

Grados de libertad >0 176 Se identifica
Chi-cuadrado entre los <5 2.87 Válido
grados de libertad (𝒙𝟐 /𝑑𝑓)
CFI > .90 .94 Válido
TLI > .90 .93 Válido
NFI > .90 .91 Válido
IFI > .90 .94 Válido
RMSEA < .080 .070 Válido
Figura 22
Esquema Modelo Final

77
Nota: Diagrama del modelo. Ítems medibles están ilustrados en rectángulo (p. ej. FAC_U_Item1);
las variables latentes están ilustradas en óvalos (p. ej. RSG); los círculos más pequeños ilustran el
error de medida (p. ej. e13); las asociaciones están ilustrados por flechas que indica la dirección
de la predicción en el estudio. Las cargas factoriales (efecto directo de la variable latente sobre los
ítems de la misma) están señaladas a lado de los ítems. Los coeficientes están señalados en las
flechas de cada asociación. FACUP: Facilidad de uso; UTILP: Utilidad percibida; ACT: Actitud;
CFZ: Confianza percibida; RSG: Riesgo percibido; IU: Intención de uso.
Pruebas estadísticas:
Se procedió a obtener los p-valor de cada hipótesis para determinar el grado de relación
entre constructos, los resultados del test indicaron que la mitad de las hipótesis fueron
estadísticamente significativas a excepción de las hipótesis H3, H5, H6 y H7. A continuación, se
detalla los hallazgos para cada hipótesis:
• La relación entre la facilidad de uso percibida mantuvo una influencia positiva (β =
.24; p < .001) sobre la utilidad percibida, lo que permitió verificar la hipótesis H1.
Por lo tanto, existe una relación significativa positiva entre la facilidad de uso
percibida y la utilidad percibida en el uso de la aplicación móvil.
• La relación entre la facilidad de uso percibida mantuvo una influencia positiva (β =
.26; p < .001) sobre la actitud, lo que permitió verificar la hipótesis H2. Por lo tanto,
existe una relación significativa positiva entre la facilidad de uso percibida y la
actitud en el uso de la aplicación móvil.
• La relación entre la utilidad percibida mantuvo una influencia positiva, pero no
significante (β = .080; p = .13) sobre la actitud, lo que no permitió verificar la

78
hipótesis H3. Por lo tanto, no se puede confirmar que exista una relación significativa
positiva entre la utilidad percibida y la actitud en el uso de la aplicación móvil.
• La relación entre la utilidad percibida mantuvo una influencia positiva (β = .17; p <
.010) sobre la intención de uso, lo que permitió verificar la hipótesis H4. Por lo tanto,
existe una relación significativa positiva entre la utilidad percibida y la intención de
uso en el uso de la Aplicación Móvil.
• La relación entre la actitud mantuvo una influencia positiva, pero no significante (β =
.083; p = .14) sobre la intención de uso, lo que no permitió verificar la hipótesis H5.
Por lo tanto, no se puede confirmar que exista una relación significativa positiva
entre la actitud y la intención de uso en el uso de la aplicación móvil.
• La relación entre el riesgo percibido mantuvo una influencia positiva, pero no
significante (β = .021; p = .71) sobre la intención de uso, lo que no permitió verificar
la hipótesis H6. Por lo tanto, no podemos confirmar que exista una relación
significativa negativa entre el riesgo percibido y la intención de uso en el uso de la
aplicación móvil.
• La relación entre la confianza percibida no mantuvo una influencia positiva (β = -
.052; p = .36) sobre la facilidad de uso, lo que no permitió verificar la hipótesis H7.
Por lo tanto, no se puede confirmar que existe una relación significativa positiva
entre la confianza percibida y la facilidad de uso en el uso de la aplicación móvil.
• La relación entre la confianza percibida mantuvo una influencia positiva (β = .46; p <
0.001) sobre la actitud, lo que permitió verificar la hipótesis H8. Por lo tanto, existe
una relación significativa positiva entre la confianza percibida y la actitud en el uso
de la aplicación móvil.
79
Tabla 22
Efectos directos, indirectos y totales de los constructos
CFZ RSG FACUP UTILP ACT IU

Efecto directo -.052 - - - - -
FACUP Efecto indirecto - - - - - -
Efecto total -.052 - - - - -
Efecto directo - - .24 - - -
UTILP Efecto indirecto -.013 - - - - -
Efecto total -.013 - .24 - - -
Efecto directo .46 - .26 .080 - -
ACT Efecto indirecto -.015 - .019 - - -
Efecto total .45 - .28 .080 - -
Efecto directo - .021 - .18 .083 -
IU Efecto indirecto .035 - .065 .007 - -
Efecto total .035 .021 .065 .18 .083 -
Nota: Tomado de los resultados de AMOS – SPSS.
De acuerdo a la Tabla 22, los resultados de la tabla sobre efectos directos e indirectos
entre los constructos, se observó que el constructo que tuvo mayor efecto directo sobre la
intención de uso fue utilidad percibida (.18). Por otro lado, se observó que los constructos que
tienen mayor efecto indirecto sobre la intención de uso fueron facilidad de uso percibida (.065)
seguido de confianza percibida (.035).
Oportunidades de mejora
Esta investigación puede ser mejorada al agregar otros constructos, es necesario señalar
que los constructos propuestos en este trabajo tienen como base el modelo TAM y a este se le
agregó otros constructos que nacen de temáticas de seguridad donde se presentaron temas de
confianza percibida y riesgo percibido; y en vista de que la situación pandémica por la que pasa
el mundo ha hecho cambiar las acciones habituales de la población, se recomienda volver a
realizar los estudios donde se incluyan a otros constructos para analizar los factores involucrados
en la población para analizar la intención de uso de apps móviles para realizar transacciones de
80
dinero. Por otro lado, el constructo que obtuvo menor índice de convergencia (confianza
percibida: AVE = 0.58) en la muestra estudiada puede ser mejorada agregando ítems adicionales.
Sugerencias para la implementación de mejoras
Para la implementación de las mejoras se propone, analizar la población a dónde se
aplicará la investigación previamente, para que se agreguen los constructos según estas
características. Así mismo, seguir realizando pruebas piloto, como se realizó en esta
investigación, para determinar si se va mejorando los índices al agregar ciertos ítems a un
constructo. Así también, se sugiere analizar adecuadamente la traducción que se pueda dar a una
pregunta en caso sea referenciada de un idioma diferente del español para que sea entendible al
entorno a evaluar y no se perciban ambigüedades o dudas con el significado de una pregunta.
En este capítulo se realizó el análisis de fiabilidad y comprobación de la validez de los
datos usados en el modelo. También se realizó el ajuste del modelo para plantear un modelo final
y poder analizar la aceptación o rechazo de las hipótesis que eran objetivos de la presente
investigación. Así mismo, se obtuvieron los valores que señalan el nivel de correlación en las
relaciones analizadas entre cada constructo involucrado en el estudio, para evaluar la intención
de uso de la app móvil para transacciones de dinero, lo que dio pie a comprobar cuatro hipótesis
planteadas (H1, H2, H4 y H8) y rechazar cuatro (H3, H5, H6 y H7). Siendo el constructo utilidad
percibida el más determinante para la intención de uso de las aplicaciones móviles.

81
Capítulo V: Conclusiones y Recomendaciones
Conclusiones
El estudio se realizó en Lima Metropolitana, contando con la participación
principalmente del grupo etario comprendido como millennials, de la zona urbana, siendo Yape
la aplicación móvil de transacción de dinero más utilizada. Al realizar el análisis de las hipótesis
planteadas se confirmó cuatro hipótesis, H1(facilidad de uso sobre utilidad percibida), H2
(facilidad de uso sobre actitud), H4 (utilidad percibida sobre intención de uso) y H8 (confianza
percibida y actitud) y sus respectivos valores de correlación fueron: (β = .24), (β = 0.26), (β =
0.18) y (β = 0.46). Siendo la utilidad percibida el constructo más determinante en la intención de
uso de las aplicaciones móviles, lo cual concuerda con muchas investigaciones realizadas
(Chitungo & Munongo, 2013; Liu et al., 2010) utilizando el modelo TAM.
Por otro lado, cuatro hipótesis no fueron confirmadas: H3, H5, H6 y H7. Para la hipótesis
H3 rechazada, que proponía que existía una relación significativa positiva entre la utilidad
percibida (UP) sobre la actitud (ACT) y H5 rechazada, que proponía que existe relación
significativa positiva entre la actitud (ACT) y la intención de uso (IU), no se encontró
estadísticamente una relación. Se considera que este hallazgo, tendría su explicación en dos
motivos: (i) a que la idea de tener una actitud positiva para usar la app móvil no necesariamente
sea debido a que el usuario percibe una utilidad en ella, sino, principalmente porque es una
tecnología novedosa y existe la curiosidad por usarla, (ii) otro motivo sería que el usuario utiliza
la app móvil por obligación o necesidad, debido a que sus contactos o entorno la utiliza,
inclusive el usuario puede usar la app móvil teniendo una predisposición negativa o no favorable,
debido a la necesidad de esta para establecer contacto financiero en diferentes lugares y con
diferentes contactos.
82
Sobre la hipótesis H6 rechazada, donde se señaló que existe relación significativa
negativa entre el riesgo percibido (RSG) y la intención de uso (IU); tampoco se encontró
evidencia estadística de relación. Este hallazgo sería el resultado de que en nuestra población de
estudio predominan los millennials urbanos, los cuales han crecido con la tecnología y es parte
de su ADN cultural el uso de app móviles, por lo cual no son conscientes de los riesgos que
puedan acarrear; si bien en la literatura podemos observar que una de las condiciones por lo que
los millennials no compran en internet era por el miedo a los hackers y robo de información;
consideramos que este miedo, debido a las condiciones que generó la pandemia, se redujo. A este
factor se suma la confianza que tienen los usuarios en las instituciones financieras que respaldan
estas aplicaciones, dado que el estudio de Chandra et al. (2010) afirmó que la "reputación del
proveedor de servicios móviles" es un factor importante para generar confianza en el contexto de
la adopción de pagos móviles.
Por último, la hipótesis H7 rechazada, donde se señalaba que existe relación significativa
positiva entre la confianza percibida (CFZ) y la facilidad de uso (FU), se podría explicar este
hallazgo debido a que el usuario no necesariamente por la confianza que percibe en estas
aplicaciones móviles, siente que le será de fácil uso; por lo tanto, el usuario puede percibir que es
fácil de usar, pero sin relacionar esta percepción a la confianza que le genera.
Debido a que no todas las hipótesis de este estudio se validaron, se puede demostrar que
una teoría señalada no necesariamente va a cumplirse en todos los contextos y con todos los
grupos de investigación. Es así como, en un contexto tan diverso como es la capital, donde
confluyen diferentes culturas y de idiosincrasia muy variada, las personas valoran principalmente
la utilidad antes que otros factores. Así mismo, estos resultados permiten inferir que la situación
pandémica puede estar “obligando” a utilizar estos aplicativos móviles, ya que no

83
necesariamente el ciudadano descubrió la aplicación, sino porque el escenario o la realidad se
dispuso de esta manera (optar por servicios digitales y no físicos).
Conclusiones según los objetivos de la investigación
Sobre las variables del modelo base TAM se confirmaron las hipótesis H1, H2, H4 y
sobre las variables externas agregadas al modelo se confirmó la hipótesis H8 donde se constata
que la confianza percibida influye en la actitud para el uso de la app móvil. Sobre el nuevo
modelo aceptación tecnológica propuesto, se concluye que este ha podido contribuir para
confirmar la existencia o no de una correlación entre los factores propuestos y que pueden servir
de insumo para que los especialistas en otras materias, como por ejemplo, de marketing de una
entidad bancaria en conjunto con los especialistas de seguridad informática puedan evaluar
alguna mejora o campaña enfocada en la confianza percibida para poder aumentar el índice de
intención de uso de la app móvil.
Comparación entre las conclusiones y la revisión de la literatura
• Se validó la hipótesis propuesta H1(facilidad de uso sobre utilidad percibida) en la misma
línea de la investigación de Kim et al. (2010) que manifiesta que estos dos constructos
son fuertes predictores de la intención de uso, y Yamakawa et al. (2012) que fundamentó
que la utilidad y facilidad de uso son los constructos más valorados por los peruanos.
También se validó la hipótesis H2 (facilidad de uso sobre actitud) que va en la misma
línea de la investigación realizada por Liébana (2012) y Reyes y Castañeda (2010). Así
mismo, se validó la hipótesis H4 (utilidad percibida sobre intención de uso) en la misma
línea de la investigación realizada por Chitungo y Munongo (2013) y Liu et al., (2010).
Del mismo modo se validó la hipótesis H8 (confianza percibida y actitud) que

84
concuerdan con las investigaciones propuestas en la literatura Pavlou & Fygenson (2006),
Alsajjan & Dennis (2010), Reyes y Castañeda (2020) y Lorenzo et al. (2011).
• Según las conclusiones no se validó la hipótesis 3 (H3) que establece relación
significativa positiva entre la utilidad percibida y la actitud, que contradice lo encontrado
en la literatura, donde autores como Kim & Forsythe (2008), Schierz et al. (2010),
Liébana (2012) y Muñoz et al. (2017) concluyen en que existe relación significativa entre
estos dos constructos. A la vez concuerda con la investigación de Al-Adwan & Smedly
(2013).
• De igual modo, no se validó la hipótesis 5 (H5) donde se planteó que existía una relación
significativa positiva entre la actitud y la intención de uso, que contradice lo concluido
por autores de nuestra literatura como Teo et al. (2010), Liébana (2012) cuyo resultado de
su investigación fue que “la actitud de uso hacia el sistema de pago propuesto tiene un
efecto positivo sobre la intención de uso del mismo”; Londoño & Tavera (2012) y Muñoz
et al. (2017).
• Dado que según las conclusiones no se validó la hipótesis 6 (H6) en la que se planteó que
existía una relación significativa negativa entre el riesgo percibido y la intención de uso,
esta contradice a los estudios de la literatura que evidenciaban que la relación era
significativa y que los usuarios no utilizaban banca móvil o banca por Internet por los
riesgos que podrían implicar como en las investigaciones de Ibrahim et al., (2015) y
Sanayei & Bahmani (2012). A la vez concuerda con los hallazgos encontrados en las
investigaciones de Rouibah et al. (2016), Muñoz et al. (2017) y Yang et al. (2016).
• Finalmente, según las conclusiones no se validó nuestra hipótesis 7 (H7) en la que se
planteó que existía relación positiva significativa confianza percibida y la facilidad de

85
uso, concuerda con la investigación realizada Chandra et al. (2010) en Singapur donde
concuerdan en que la facilidad de uso no tiene relación significativa con la confianza, la
principal conclusión se debe a que cuando uno ya está usando la aplicación, no tiene
mucha importancia su facilidad de uso para generar confianza, pero sí sería esencial si la
intención de uso se diera entre usuarios nuevos que no han usado aún la aplicación. Por
otro lado, contradice lo propuesto por de Zhou (2011) que señaló que la confianza inicial
afecta la utilidad percibida y por Rueda (2019).
Recomendaciones
Recomendaciones prácticas
En caso de realizar un estudio similar en Perú, se recomienda realizarlo en al menos una
región por cada sector del país, para poder generalizar los hallazgos a todo el Perú, con el fin de
poder evaluar las hipótesis planteadas y tal vez se obtengan diferencias notables en algunas
regiones a comparación de otras, ello debido a la diversidad cultural, así como de la idiosincrasia
existente en el país.
Para las entidades bancarias, se recomienda considerar los factores validados en esta
investigación, para realizar adecuaciones, según lo que el público objetivo valora. Si bien la
consideración de riesgo percibido no es un factor determinante, este nunca debe ser dejado de
lado, debido también a las políticas de seguridad existentes en las organizaciones.
Recomendaciones para futuras investigaciones
Para investigaciones futuras se recomienda agregar o proponer variables externas, al
modelo base o modelo propuesto en esta tesis, a aquellos constructos que permitan analizar si un
usuario utiliza la app móvil debido a la influencia social o debido a la necesidad por el entorno
donde se encuentra.
86
Contribuciones
Contribuciones teóricas
La contribución teórica de esta investigación es la especificación o mejora de preguntas
señaladas en el cuestionario, las mismas que fueron basadas en estudios de décadas previas en
idioma inglés, pero que al traducirlas literalmente pueden resultar confusas o ambiguas para los
ciudadanos comunes. Así mismo, sobre el nuevo modelo propuesto, donde se agregan los
factores de confianza y riesgo, se presentaron conclusiones que permiten inferir relaciones sobre
la idiosincrasia, la cultura nacional y la pandemia, lo que sugiere que teóricamente estas
variables o factores pueden ser el punto de partida para profundizar más acerca de las mismas o
relacionarlas con otros nuevos factores propuestos por otros investigadores.
Contribuciones prácticas
Las contribuciones prácticas son los resultados obtenidos y las conclusiones donde se
determinan qué hipótesis fueron aceptadas, no encontrándose otras investigaciones sobre
aceptación de uso de una app móvil para transacciones de dinero, que tomen en cuenta los
aspectos de seguridad realizados en plena pandemia, situación que ha obligado o incrementado
los porcentajes de uso de una app móvil y de las tecnologías digitales a nivel mundial.
87
Apéndices
Apéndice A: Consentimiento Informado
Por medio de la presente, se le solicita una autorización para su participación en esta
encuesta acerca de los factores que influyen en la intención de uso de tecnología móvil para
transferencia de dinero, que servirá para una investigación que será desarrollada en una tesis
cuyo fin es la obtención de grado de magíster en Tecnologías de Información en CENTRUM de
la Pontificia Universidad Católica del Perú. La realización de la investigación está a cargo de los
estudiantes Arturo López Chacaliaza ([email protected]) y Joel Palomino Ramos
([email protected]) y cuenta con la asesoría y supervisión del Doctor Luis Negrón
Naldos.
El propósito de la investigación es proponer un nuevo “Modelo de Aceptación
Tecnológica” que sea usado para poder analizar los factores que influyen en la intención de uso
de una aplicación móvil para realizar transacciones de dinero. Si acepta participar en la
investigación, se le solicitará marcar en el recuadro “He sido informado del propósito de la
investigación y mi rol en la misma” y responder preguntas de investigación con una duración
aproximada de 5 minutos a través de un formulario de Google.
La información proporcionada por los participantes será utilizada únicamente para fines
estadísticos en la investigación y los datos personales que registren serán tratados
confidencialmente.
Al concluir la investigación, los resultados de la misma podrán estar a disposición del
público en la biblioteca de la universidad, así como en el repositorio virtual. Muchas gracias por
su apoyo y atención.
88
Apéndice B: Instrumento
Datos Generales
• Escriba sus iniciales o su nombre:
• Seleccione el distrito donde reside actualmente:
• Señale el rango de su edad:
18 - 25 años
○
26 - 35 años
○
36 - 45 años
○
46 - 55 años
○
56 años a más
○
Califique según la siguiente escala:
(1): Totalmente en desacuerdo
(2): Desacuerdo
(3): Ni acuerdo ni desacuerdo
(4): De acuerdo
(5): Totalmente de acuerdo
Mi interacción con la app móvil que utilizo es clara y entendible.
1 2 3 4 5
Totalmente en desacuerdo ○ ○ ○ ○ ○ Totalmente de acuerdo
89
Interactuar con la app móvil no requiere de una concentración elevada.

1 2 3 4 5
Es fácil el acceso y navegación en la app móvil.

1 2 3 4 5
Considero que es fácil realizar una transacción de dinero con la app móvil.
1 2 3 4 5
El uso de la app móvil me permitirá realizar mis transacciones de dinero más rápido.
1 2 3 4 5
Usar la app móvil aumenta mi productividad, es decir: puedo culminar mis transacciones de
dinero planeadas en el tiempo y esfuerzo planificado, que si optara por otro medio.
1 2 3 4 5
Usar la app móvil aumenta mi efectividad, es decir: logro el resultado esperado.

1 2 3 4 5
Considero que la app móvil es útil para realizar mis transacciones bancarias.
1 2 3 4 5
Utilizar la app móvil para mis transacciones de dinero es una idea que:
1 2 3 4 5
Me disgusta ○ ○ ○ ○ ○ Me gusta
90
Utilizar la app móvil para mis transacciones de dinero es una idea:

1 2 3 4 5
Absurda ○ ○ ○ ○ ○ Inteligente

1 2 3 4 5
Aburrida ○ ○ ○ ○ ○ Interesante

1 2 3 4 5
Desagradable ○ ○ ○ ○ ○ Agradable
Creo que la app móvil mantendrá las condiciones de uso que he aceptado al descargarla, sin
afectar mis transacciones.
1 2 3 4 5
La app móvil es confiable para realizar mis transacciones de dinero.

1 2 3 4 5
Considero que la entidad financiera que soporta la app móvil se hará responsable por si algún
incidente sucediera.
1 2 3 4 5
Considero que otras personas pueden obtener información confidencial sobre mis transacciones
si uso la app móvil.
1 2 3 4 5
Considero que existe un riesgo de pérdida de dinero si utilizó la app móvil.

1 2 3 4 5
Considero que existe un riesgo importante a la hora de realizar mis transacciones de dinero
empleando la app móvil.
1 2 3 4 5
91
Prefiero hacer mis transacciones de dinero con la app móvil que hacerlo mediante otra
modalidad.
1 2 3 4 5
Tengo la intención de usar la app móvil durante los siguientes 9 meses.

1 2 3 4 5
Recomendaría a otros usar la app móvil para transacciones de dinero.

1 2 3 4 5
92
Referencias
Al-Adwan, A., & Jo S. (2013). Exploring students acceptance of e-learning using Technology
Acceptance Model in Jordanian universities. International Journal of Education and
Development using Information and Communication Technology.
https://files.eric.ed.gov/fulltext/EJ1071365.pdf
Alsajjan, B., & Dennis, Ch. (2010). Internet banking acceptance model: Cross-market
examination. Journal of Business Research, 63(9), 957-963.
https://doi.org/10.1016/j.jbusres.2008.12.014
Andina – Agencia Peruana de Noticias (29 de noviembre, 2020). Billeteras digitales: su uso
registró crecimiento de 500% por pandemia. Andina. https://andina.pe/agencia/noticia-
billeteras-digitales-su-uso-registro-crecimiento-500-pandemia-823281.aspx
Arellano Marketing. (2017). Comercio Electrónico 2017.
Arteaga, V. y Choquehuanca, N. (2017). Los factores perceptuales y su relación con la
utilización del servicio de banca móvil en Arequipa Metropolitana – 2016 [Tesis
licenciatura, Universidad Nacional de San Agustín de Arequipa]. Repositorio de la
UNSA http://repositorio.unsa.edu.pe/handle/UNSA/2574
Au, Y. y Kauffman, R. (2008). The Economics of Mobile Payments: Understanding Stakeholder
Issues for an Emerging Financial Technology. Electronic Commerce Research and
Applications. 7, (2), 141-164. http://dx.doi.org/10.1016/j.elerap.2006.12.004
Ballesteros, B., Tavera, J. & Castaño, D. (2014). Aceptación Tecnológica de la Publicidad en
Dispositivos Móviles en Colombia. Semestre Económico, 17(36), 133-153.
https://doi.org/10.22395/seec.v17n36a6
93
Banco de Crédito del Perú - BCP. (2009). Memoria Anual 2009.
https://www.viabcp.com/wcm/connect/ee999e4e-3021-4eb6-b8ca-
0b5bc334096a/2009+memoria2009.pdf?MOD=AJPERES&CVID=niSDrFV&attachme
nt=true&id=1600795057782
https://www.bcp.com.bo/Content/descargas/MemoriaAnual/memoria_2010.pdf
https://www.viabcp.com/wcm/connect/922c52a0-fbe9-4e8f-ae5d-
01bbbaa8255d/2012+Memoria2012.pdf?MOD=AJPERES&CVID=niSImOS&attachme
nt=true&id=1600795117694
https://www.viabcp.com/wcm/connect/cc5cd852-2d62-4d9e-876b-
8a0e4bd783da/2016+Memoria+BCP+2016+Final.pdf?MOD=AJPERES&CVID=niSS1
V5&attachment=true&id=1600795567766
https://www.viabcp.com/wcm/connect/5658e828-267e-4ef5-b8ba-
f553a9e4cd88/2019+Memoria+BCP+2019.PDF?MOD=AJPERES&CVID=niSSkvx&at
tachment=true&id=1600795593060
https://www.viabcp.com/wcm/connect/c45ed29f-031d-4748-87ea-
1027aafc1016/Memoria+Integrada+BCP+2020.pdf?MOD=AJPERES&CVID=nyIHDG
j&attachment=false&id=1617804852779
Banco Central de Reserva – BCR (s.f). Entidades Financieras

94
https://www.bcrp.gob.pe/sitios-de-interes/entidades-financieras.html
Batista-Foguet, J. y Coenders, G. (2000). Modelos de ecuaciones estructurales. La Muralla.
Begazo, J., y Fernandez, W. (2015). Los Millennials Peruanos: Características y Proyecciones de
Vida. Gestión En El Tercer Milenio, 18(36), 9–15.
https://doi.org/10.15381/gtm.v18i36.11699
Bendezú, L. y Chahuara, P. (2012). Caracterización de la Demanda de Telefonía Fija y Móvil en
el Perú.
https://repositorio.osiptel.gob.pe/bitstream/handle/20.500.12630/329/Caracterizaci%C3
%B3n_Demanda_de_Telefon%C3%ADa-w.pdf
Bendezú, L., Pacheco, L., Argandoña, D. y Espinoza, R. (2012). Banca Móvil: Aspectos
tecnológicos y retos regulatorios.
https://repositorio.osiptel.gob.pe/bitstream/handle/20.500.12630/361/Inv_Banca-
Movil_11May2012.pdf
Bentler, P., & Bonett, D. (1980). Significance tests and goodness of fit in the analysis of
covariance structures. Psychological Bulletin, 88(3), 588–606.
https://doi.org/10.1037/0033-2909.88.3.588
Beraza, A., Gilsanz López, A., Ahumada, R., Hoyos, J., Peña, M., Ibáñez, F. y San Martín, N.
(2015). Gestión de Entidades Financieras: Un enfoque práctico de la gestión bancaria
actual. ESIC EDITORIAL.
Bollen, K. (1989). Structural equations with latent variables. Wiley-Interscience.
Borja, R. (2012). Enciclopedia de la política (t. 2). México: Fondo de Cultura Económica.
https://www.enciclopediadelapolitica.org/?s=idiosincrasia
95
Bounagui, M., & Nel, J. (2009). Towards Understanding Intention to Purchase Online Music
Downloads: A South African Survey. Management Dynamics, 18(1), 15-26.
https://doi.org/10.1007/978-3-319-10963-3_34
Hardy, H. (1993). The History of the Net. [Tesis Doctoral, University of Michigan].
http://www.cs.kent.edu/~javed/internetbook/nethistory/nethist.html
Cabanillas, E. & Mori, R. (2018). Nuevo Modelo de Aceptación Tecnológica (TAM) y su
relación con el grado de Aceptación del APP USMP Mobile [Tesis de maestría,
Universidad San Martin de Porres]. Repositorio de la USMP
https://repositorio.usmp.edu.pe/handle/20.500.12727/4927
Campos, J. & Menacho, N. (2021). Relación de la expectativa de rendimiento, expectativa de
esfuerzo, influencia social, riesgo percibido y costo percibido con la intención de uso de
aplicaciones móviles para transacciones bancarias [Tesis de licenciatura, Universidad
de Ciencias Aplicadas]. Repositorio de Universidad de Ciencias Aplicadas – UPC
https://repositorioacademico.upc.edu.pe/handle/10757/654667
Casas, J., Repullo, J., y Donado, J. (2003). La encuesta como técnica de investigación.
Elaboración de cuestionarios y tratamiento estadístico de los datos (II). Atención
Primaria, 31(9), 527-538. https://doi.org/10.1016/S0212-6567(03)79222-1
Cataldo, A. (2012) Limitaciones y oportunidades del Modelo de Aceptación Tecnológica (TAM)
[Conference Paper]. Infonor. Arica, Chile. https://doi.org/10.13140/2.1.4971.2644
Clarin. (12 de julio de 2020). Operaciones online - Coronavirus: la pandemia provocó una
bancarización sin precedentes en el país. Clarin.com Economia.
https://www.clarin.com/economia/coronavirus-pandemia-provoco-bancarizacion-
precedentes-pais_0_EZihnOWoX.html
96
Collier, J. (2020). Applied Structural Equation Modeling Using AMOS. Routledge.
Chandra, S., Srivastava, S., & Theng, Y. (2010). Evaluating the Role of Trust in Consumer
Adoption of Mobile Payment Systems: An Empirical Analysis. Communications of the
Association for Information Systems, 27(29), 561-589.
https://doi.org/10.17705/1CAIS.02729
Chavez, J., Miranda, E., Quispe, N., & Robles, S. (2019). Factores que influyen en la intención
de uso de tecnología de medios de pago móvil en negocios minoristas en Lima
Metropolitana [Tesis de Maestría, ESAN Graduate School of Business]. Repositorio de
Universidad ESAN https://repositorio.esan.edu.pe/handle/20.500.12640/1742
Chavez, L. (7 de octubre de 2020). La bancarización digital se acelera en el Perú durante la
pandemia. ConexiónEsan. https://www.esan.edu.pe/conexion/actualidad/2020/10/07/la-
bancarizacion-digital-se-acelera-en-el-peru-durante-la-pandemia/
Chitungo, S., y Munongo, S. (2013). Extending the Technology Acceptance Model to Mobile
Banking Adoption in Rural Zimbabwe. Journal of Business Administration and
Education, 3(1), 57-79. https://core.ac.uk/download/pdf/229605084.pdf
Davis, F., Bagozzi, R., & Warshaw, P. (1989). Acceptance of Computer Technology: A
Comparison of Two Theoretical Models. Management Science, 35(8), 982-1003.
https://doi.org/10.1287/mnsc.35.8.982
Devotto, V., Olivas, J., Seminario, G., & Sifuentes, C. (2020). Influencia de los factores del
Modelo TAM en la intención de uso del YAPE [Tesis de Maestría, Centrum PUCP
Business School]. Repositorio de la Pontificia Universidad Católica del Perú
https://tesis.pucp.edu.pe/repositorio/handle/20.500.12404/17606
97
Eid, M. (2011). Determinants of e-commerce customer satisfaction, trust, and loyalty in Saudi
Arabia. Journal of Electronic Commerce Research, 12(1), 78-93.
http://www.jecr.org/sites/default/files/12_1_p05.pdf
Featherman, M., & Pavlou P. (2003). Predicting e-services adoption: a perceived risk facets
perspective. International Journal of Human-Computer Studies, 59(4), 451-474.
https://doi.org/10.1016/S1071-5819(03)00111-3
Fishbein, M., & Ajzen, I. (1975). Belief, attitude, intention and behaviour: An introduction to
theory and research. Addison-Wesley.
Flores-Cueto, J., Hernández, R., & Garay-Argandoña, R. (2020). Tecnologías de información:
Acceso a internet y brecha digital en Perú. Revista Venezolana de Gerencia, vol. 25,
núm. 90, pp. 504-527. https://www.redalyc.org/journal/290/29063559007/html/
Fornell, C., & Larcker, D. (1981). Structural Equation Models with Unobservable Variables and
Measurement Error: Algebra and Statistics.
https://doi.org/10.1177/002224378101800313
García, J., Medina, P., & Bendezú, L. (2011). Determinantes de la Demanda del Servicio de
Internet en la Vivienda y el Rol de la Adquisición de PC´s como Limitante del Acceso.
https://repositorio.osiptel.gob.pe/bitstream/handle/20.500.12630/358/Demanda%20de%
20Internet%20y%20PCs%20vf%20abr11.pdf
García, M., Ibáñez, J., & Alvira, F. (1993). El análisis de la realidad social. Métodos y técnicas
de Investigación. Alianza Universidad Textos.
Gestión (17 de mayo 2021). Telecomunicaciones, los cambios y ajustes tras la crisis por el
COVID-19. Diario Gestión. https://gestion.pe/economia/empresas/telecomunicaciones-
los-cambios-y-ajustes-tras-la-crisis-por-el-covid-19-noticia/
98
George, D., & Mallery, P. (2003). SPSS for Windows step by step: A simple guide and reference
- 11.0 update. Allyn & Bacon.
Guerra, L. (2011). Aceptación de un curso virtual para estudiantes de ingeniería. Revista
Educación En Ingeniería, 6(12), 1-11. https://doi.org/10.26507/rei.v6n12.132
Grupo BBVA (2012). Memoria Anual.
https://accionistaseinversores.bbva.com/TLBB/fbinir/mult/Cuentasanualesconsolidadas
BBVA_tcm926-385233.pdf
Grupo BBVA (2020). Memoria Anual 2020. https://extranetperu.grupobbva.pe/memoria2020/
Hair, J., Black, W., Babin, B., & Anderson, R. (2009). Multivariate Data Analysis. Pearson.
Hernández, A., Espejo B., Gómez, J., y González V. (2001). Escalas de respuesta tipo likert: ¿Es
relevante la alternativa “INDIFERENTE”? Metodología de Encuestas, 3(2), 135-150.
https://core.ac.uk/download/pdf/71031448.pdf
Hernández, B., Jiménez, J & Martin de Hoyos, J. (2007). Influencia de las TIC en la Gesitón de
la Información Empresarial. Ayala Calvo, J. C. y Grupo de Investigación FEDRA.
https://dialnet.unirioja.es/servlet/articulo?codigo=2232713
Hu, P., Chau, P., Liu, O., & Yan, K. (1999). Examining the Technology Acceptance Model
Using Physician Acceptance of Telemedicine Technology. Journal of Management
Information Systems, 16(2). https://doi.org/10.1080/07421222.1999.11518247
Ibrahim, M., Fayaz, S., Khalil, M., & Akbar, S. (2015). Impact of Risk and Ethics on Adoption
of Mobile Banking in Pakistan. Journal of Economics and Sustainable
Development,6(7),175-188.
https://www.iiste.org/Journals/index.php/JEDS/article/view/21479/22235
99
Instituto Nacional de Estadística e Informática – INEI (2020). Condiciones de Vida en el Perú.
http://m.inei.gob.pe/media/MenuRecursivo/boletines/informe_condiciones-de-vida.pdf
Instituto Peruano de Economía - IPE. (2020). Mercado Laboral Peruano: Impacto por Covid-19
y recomendaciones de Política.
https://www.ilo.org/lima/publicaciones/WCMS_774977/lang--es/index.htm
IPSOS. (2020). Bancarización del peruano 2020. https://www.ipsos.com/es-pe/bancarizacion-
del-peruano-2020
Karahanna, E., Staub, D. & Chervany, N. (1999). Information Technology Adoption Across
Time: A Cross- Sectional Comparison of Pre-Adoption and Post-Adoption Beliefs. MIS
Quarterly, 23(2), 183-213. https://doi.org/10.2307/249751
Kim, Ch., Mirusmonov, M., & Lee, I. (2010). An Empirical Examination of Factors Influencing
the Intention to Use Mobile Payment. Computers in Human Behavior, 26(3), 310-322.
https://doi.org/10.1016/j.chb.2009.10.013
Kim, J., & Forsythe, S. (2008). Adoption of Virtual Try-on technology for online apparel
shopping. Journal of Interactive Marketing, 22(2), 45-59.
https://doi.org/10.1002/dir.20113
King, B. (2018). Bank 4.0 : banking everywhere, never at a bank. Marshall Cavendish Business
Leyton D. (2013). Extensión al modelo de aceptación de tecnología TAM, para ser aplicado a
sistemas colaborativos, en el contexto de pequeñas y medianas empresas [Tesis de
Maestría, Universidad de Chile]. Repositorio de la Universidad de Chile
http://repositorio.uchile.cl/handle/2250/115509
Liébana, F. (2012). El papel de los medios de pago en los nuevos entornos electrónicos. [Tesis
Doctoral, Universidad de Granada]. DIGIBUG.

100
Lizarzaburu, E. & Del Brío, J. (2016). Evolución del sistema financiero peruano y su reputación
bajo el índice Merco. Período: 2010-2014. Suma de Negocios, 7(16), 94 - 112.
https://doi.org/10.1016/j.sumneg.2016.06.001
Liu, I-F., Chang, M., Sun, Y., Wible, D.,& Kuo, Ch. (2010). Extending the TAM model to
explore the factors that affect Intention to Use an Online Learning Community.
Computers & Education, 54(2), 600-610.
https://doi.org/10.1016/j.compedu.2009.09.009
López, J., & Gonzalez, A. (2008). Gestión bancaria - Factores claves en un entorno competitivo.
McGraw-Hill.
Lorenzo, C., Alarcón de Amoy, M. & Gómez, M. (2011). Adopción de redes sociales virtuales:
ampliación del modelo de aceptación tecnológica integrando confianza y riesgo
percibido. Cuadernos de Economía y Dirección de la Empresa, 14 (3), 194-205.
https://doi.org/10.1016/j.cede.2010.12.003
Marín, J., Barragán, X. & García, A. (2014). Informe sobre la situación de conectividad de
Internet y banda ancha en Perú. (Documento para Discusión # IDB-DP 357). Banco
Interamericano de Desarrollo.
https://publications.iadb.org/es/publicacion/13774/informe-sobre-la-situacion-de-
conectividad-de-internet-y-banda-ancha-en-peru
Mayer, R., Davis, J., & Schoorman, F. (1995). An Integrative Model of Organizational Trust.
The Academy of Management Review, 20(3), 709-734. https://doi.org/10.2307/258792
Maza, J. (2012). Efectos de la Bancarización en el Perú: Una Contrastación Empírica. Revista
Horizonte Económico, 2, 9-26. https://fce.unac.edu.pe/images/investigacion/unidad-
investigacion/revista/he-n2/a21.pdf
101
Muñoz, F., Climent, S., & Liébana, F. (2017). Determinants of intention to use the mobile
banking apps: An extension of the classic TAM model. Spanish Journal of Marketing –
ESIC, 27(1), 25-38. https://doi.org/10.1016/j.sjme.2016.12.001
Muñoz, F. (2008). La adopción innovación basada en la Web [Tesis doctoral, Universidad de
Granada]. https://digibug.ugr.es/bitstream/handle/10481/1825/17346770.pdf
Observatorio Socio Económico Laboral (OSEL) de Lima Metropolitana. (2020). Empleo
vulnerable en el mercado laboral de Lima Metropolitana.
https://www.gob.pe/institucion/mtpe/informes-publicaciones/826983-boletin-socio-
economico-laboral-de-lima-metropolitana-ano-ii-n-1-marzo-2020
OSIPTEL (2000). Estrategia para Masificar el Acceso y Uso de Internet y de las Tecnologías de
Información.
https://repositorio.osiptel.gob.pe/bitstream/handle/20.500.12630/634/ull08ventiochoJKu
nigami_Congr30-05-2000.pdf?sequence=1&isAllowed=y
OSIPTEL (2014). Encuesta Residencial de Servicios de Telecomunicaciones (ERESTEL) 2014.
https://repositorio.osiptel.gob.pe/handle/20.500.12630/333
OSIPTEL (2015). Reporte Estadístico.
https://repositorio.osiptel.gob.pe/bitstream/handle/20.500.12630/490/Reporte%20Estad
%2012.pdf
OSIPTEL (2017). Reporte Estadístico.
https://repositorio.osiptel.gob.pe/bitstream/handle/20.500.12630/470/Reporte%20Estad
%20%282%29.pdf
OSIPTEL (2019). Encuesta Residencial de Servicios de Telecomunicaciones (ERESTEL) 2019.
https://repositorio.osiptel.gob.pe/handle/20.500.12630/736
102
OSIPTEL. (2021). Reporte Estadístico Mayo 2021 N°2.
ttps://repositorio.osiptel.gob.pe/handle/20.500.12630/753
Pavlou, P. (2003). Consumer acceptance of electronic commerce: Integrating trust and risk with
the technology acceptance model. International Journal Electronic Commerce, 7(3), 69-
103. https://doi.org/10.1080/10864415.2003.11044275
Pavlou, P., & Fygenson, M. (2006). Understanding and Predicting Electronic Commerce
Adoption: An Extension of the Theory of Planned Behavior. MIS Quarterly, 30(1), 115-
143. https://doi.org/10.2307/25148720
Peltier, T. (2001). Information Security Risk Analysis. Auerbach.
Peter, J., & Ryan, M. (1976). An Investigation of Perceived Risk at the Brand Level. Journal of
Marketing Research, 13(2), 184-188. https://doi.org/10.2307/3150856
Presidencia del Consejo de Ministros (2013). Una mirada al Gobierno Electrónico en el Perú
https://www2.congreso.gob.pe/sicr/cendocbib/con4_uibd.nsf/0D6D8CA5D7810703052
57E9200775428/$FILE/3_pdfsam_libro_ongei.pdf
PSQ. (17 de mayo de 2017). ¿En qué año llegó el Internet al Perú?
https://pqs.pe/actualidad/tecnologia/en-que-ano-llego-el-internet-al-peru/
Orellana, L. (2001). Estadística Descriptiva.
http://www.dm.uba.ar/materias/estadistica_Q/2011/1/modulo%20descriptiva.pdf
Pulido, S. (2020). Factores que influyen en la adopción de machine learning en empresas
colombianas [Tesis de Maestría, Universidad Nacional de Colombia]. Repositorio
Universidad Nacional de Colombia https://repositorio.unal.edu.co/handle/unal/79251

103
Reyes, M., y Castañeda, P. (2020). Aplicación del Modelo de Aceptación Tecnológica en
Sistemas
de Información de la Administración Pública del Perú. Revista Peruana de Computación y
Sistemas, 3(1), 15-22. http://dx.doi.org/10.15381/rpcs.v3i1.18350
Rios, M. (11 de junio 2019). Un millón de usuarios transfieren S/ 51 en promedio solo con
número de celular. Diario Gestión. https://gestion.pe/tu-dinero/yape-bcp-millon-
usuarios-transfieren-dinero-numero-celular-269827-noticia/
Rodríguez, A. (2018). Seguridad aplicada en los procesos transaccionales de las aplicaciones
móviles. Carrera, 9(45).
http://repository.unipiloto.edu.co/bitstream/handle/20.500.12277/8605/Seguridad%20ap
licada%20en%20los%20procesos%20transaccionales%20de%20las%20aplicaciones%2
0moviles.pdf?sequence=1&isAllowed=y
Rouibah, K., Lowry, P. & Hwang, Y. (2016). The effects of perceived enjoyment and perceived
risks on trust formation and intentions to use online payment systems: New perspectives
from an Arab country. Electronic Commerce Research and Applications, 19 (3), 33–43.
http://dx.doi.org/10.2139/ssrn.2810637
Rueda, Y. (2019). Estudio de los determinantes de la adopción y la intención de uso de las
tecnologías de los pagos móviles por los consumidores[Tesis de Maestría, ESAN
Graduate School of Business]. Repositorio de Universidad ESAN
https://repositorio.esan.edu.pe/handle/20.500.12640/1651
Ruiz, C., Aldás-Manzano, J., & Sanz, S. (2008). La influencia de la dependencia del medio en el
comercio electrónico B2C. Propuesta de un modelo integrador aplicado a la intención

104
de compra futura en Internet. Cuadernos de Economía y Dirección de la
Empresa, 11(36), 45-75
Sanayei, A., & Bahmani, E. (2012). Integrating TAM and TPB with perceived risk to measure
customers' acceptance of internet banking. International Journal of Information Science
and Management, Special Issue, 25-37. https://core.ac.uk/download/pdf/228530193.pdf
Sánchez, J., Olmos, S. & García, F. (2015). Intención de Uso de Tecnologías Mobiles Entre los
Profesores en Formación Aplicación de un modelo de adopción tecnológica basado en
TAM con los constructos Compatibilidad y Resistencia al Cambio. Atas do XVII
Simposio Internacional de Informática Educativa, Setúbal, Portugal.
http://repositorio.grial.eu/handle/grial/488
Schierz, P., Schilke, O., & Wirtz, B. (2010). Understanding consumer acceptance of mobile
payment services: An empirical analysis. Electronic Commerce Research and
Applications, 9(3), 209-216. https://doi.org/10.1016/j.elerap.2009.07.005
Schumacker, R., & Lomax, R. (2004). A beginner's guide to structural equation modeling.
Lawrence Erlbaum Associates.
Shih, Y., & Fang, K. (2004), The use of a decomposed theory of planned behavior to study
Internet banking in Taiwan. Internet Research, 14(3), 213-223.
https://doi.org/10.1108/10662240410542643
Sierra, R. (1994). Técnicas de Investigación social. Paraninfo.
Skinner, Ch. (2014). Digital bank: strategies to launch or become a digital bank. Cavendish
Business.
105
Tapia, M., Peñaherrera, F. & Cedillo, M. (2015). Comparación de los LMS Moodle y
CourseSites de Blackboard usando el modelo de aceptación tecnológica TAM. Revista
Ciencia Unemi, 8(16), 78-85. https://www.redalyc.org/articulo.oa?id=582663856010
Tavera, J. & Londoño, B. (2014). Factores determinantes de la Aceptación Tecnológica del E-
Commerce en Países Emergentes. Revista Ciencias Estratégicas, 22(31). 101-119.
https://www.redalyc.org/articulo.oa?id=151332653007
Teo, T. (Ed.). (2011) Technology Acceptance in Education. Sense Publisher.
Teo, T., Luan, W., Thammetar, T., & Chattiwat, W. (2010). Assessing e-learning acceptance by
university students in Thailand. Australasian Journal of Educational Technology, 27(8),
1356-1368. https://doi.org/10.14742/ajet.898
The Courier Mail (16 de noviembre 2016). Suncorp bank branches: CEO says few as 5
customers go to. The Courier Mail.
Trujillo, J. (4 de octubre de 2010). BCP lanza aplicativo de banca celular en BlackBerry. CIO
PERU. https://cioperu.pe/articulo/5384/bcp-lanza-aplicativo-de-banca-celular-en-
blackberry/>.
Ugarte, C. (2019). Bosquejo de la historia económica del Perú. Banco Central de Reserva del
Perú. https://www.bcrp.gob.pe/docs/Publicaciones/libros/bosquejo-de-la-historia-
economica-del-peru/bosquejo-historia.pdf
Valencia, A., Benjumea, M., & Rodriguez, V. (2014). Intención de uso del e-learning en el
programa de Administración Tecnológica desde la perspectiva del modelo de aceptación
tecnológica. Revista Electrónica Educare, 18(2), 247-264.
http://www.scielo.sa.cr/scielo.php?script=sci_arttext&pid=S1409-
42582014000200013&lng=en&tlng=es.
106
Venkatesh, V., & Bala, H. (2008). Technology Acceptance Model 3 and a Research Agenda on
Interventions. Decision Sciences, 39(2), 273-315. https://doi.org/10.1111/j.1540-
5915.2008.00192.x
Venkatesh, V., & Davis, F. (2000). A Theoretical Extension of the Technology Acceptance
Model: Four Longitudinal Field Studies. Management Science, 46(2), 186-204.
https://doi.org/10.1287/mnsc.46.2.186.11926
Woyke, E. (2014). The Smartphone: Anatomy of an Industry. New Press.
Yamakawa, P., Guerrero, C., y Rees, G. (2013). Factores que influyen en la utilización de los
servicios de banca móvil en el Perú. Revista Universidad y Empresa, 15(25), 131-149.
https://revistas.urosario.edu.co/index.php/empresa/article/view/2877
Yang, H., Yu, J., Zo, H., & Choi, M. (2016). User acceptance of wearable devices: An extended
perspective of perceived value. Telematics Informatics, 33(2), 256-269.
https://doi.org/10.1016/j.tele.2015.08.007
Zhou, T. (2011). An empirical examination of initial trust in mobile banking. Internet Research,
21(5), 527-540. https://doi.org/10.1108/10662241111176353
Zumbo, B. (2006). Validity: Foundational Issues and Statistical Methodology. Handbook of
Statistics, 26, 45-79. https://doi.org/10.1016/S0169-7161(06)26003-6

Factores Que Influyen en La Intención de Uso de Tecnología Móvil para Realizar Transacciones de Dinero - LOPEZ

Cargado por

Copyright:

Formatos disponibles

Factores Que Influyen en La Intención de Uso de Tecnología Móvil para Realizar Transacciones de Dinero - LOPEZ

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Factores Que Influyen en La Intención de Uso de Tecnología Móvil para Realizar Transacciones de Dinero - LOPEZ

Cargado por

Copyright:

Formatos disponibles

1

PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ

Factores que Influyen en la Intención de Uso de Tecnología Móvil para

Realizar Transacciones de Dinero

TESIS PARA OBTENER EL GRADO DE MAGÍSTER EN GERENCIA DE

PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ

Surco, octubre 2021

Y a todos quienes aportaron con esta investigación.

Arturo Arnaldo López Chacaliaza

A mi esposa, hijos, madre y familiares que me apoyan constantemente en mi desarrollo personal y

Y a todos quienes aportaron con esta investigación.

Joel Alexander Palomino Ramos

vida cotidiana. El objetivo general es proponer un nuevo modelo de aceptación tecnológica,

transacciones de dinero utilizando el celular. La investigación fue no experimental de tipo

correlacional y de corte transversal; la recolección de la información se realizó entre marzo y

cuestionario de 21 preguntas, aplicadas a una muestra de 385 personas mayores de 18 años de

involucran aspectos como la pandemia y la idiosincrasia.

idiosincrasia, aplicación móvil.

general objective is to propose a new Technological Acceptance Model, based on the

such as pandemic and idiosyncrasy are discussed.

Capítulo I. Introducción ............................................................................................................... 7

Figura 1: Mapa de la Literatura………………………………………………..…….………...…. 20

Figura 2: Modelo de Aceptación Tecnológica – TAM……………………...………..………..… 21

Figura 3: Nuevo modelo de aceptación tecnológica propuesto………….………..…...…….….. 30

Figura 4: Perú: PBI según actividad económica, 2019……………………….………..…….….. 31

Figura 5: Perú: Telecomunicaciones y otros servicios valor agregado bruto, 2019………….…. 32

Figura 6: Lima Metropolitana: Hogares con acceso a Internet (% de hogares) …………...…..… 33

Figura 7: Cantidad de computadoras en países de Latinoamérica (1999)…….………..…….…. 34

Figura 8: Líneas móviles en servicio y penetración a nivel nacional………….………..….….... 35

Figura 9: Líneas móviles en servicio en el Perú……………………………..……….….…..….. 37

Figura 10: Telefonía móvil vs Telefonía fija……………………………..……….…….……….. 37

Figura 11: Líneas que accedieron al servicio de internet en el Perú…………………….……….. 40

Figura 12: Componentes del sistema financiero……………………..…………….…….…....…. 41

Figura 13: Evolución de la morosidad y la cartera de alto riesgo 2020………….………….…… 43

Figura 14: Crecimiento de colocaciones en el sistema financiero peruano 2020…………..……. 44

Figura 16: Proceso de banca celular del BCP………………………………….………….…….. 47

Figura 17: Grupos de edad de usuarios de Yape………………………………………………… 54

Figura 18: Datos para el cálculo de la muestra………………………………………………….. 61

Figura 19: Distritos de Lima Metropolitana, con mayor número de encuestados……...………. 71

Figura 20: Rangos de edad de los encuestados…………………………………………………. 72

Figura 21: Aplicaciones de transacciones de dinero que utilizan los encuestados………………73

Figura 22: Esquema Modelo Final……………………………………………………..………. 76

Tabla 1: Factores del modelo TAM de la investigación…………….………...….………….…… 24

Tabla 2: Constructos/Variables del nuevo modelo TAM propuesto…………..………….……… 29

Tabla 3: Relación de hipótesis con variables exógenas y endógenas…..…………………..……. 30

Tabla 4: Peru: Participación de mercado de empresas de telecomunicaciones………...………… 32

Tabla 5: Perú: Entidades Financieras………………………………….…………………………. 42

Tabla 6: Peru: PBI en los último 6 años (Variación Porcentual)…………….………………….. 53

Tabla 7: Perú: Desempleo en Lima Metropolitana………………………….…………………... 53

Tabla 8: Preguntas del Factor – Actitud…………………………………………………………. 63

Tabla 9: Preguntas del Factor – Utilidad percibida……………………….……….…………….. 63

Tabla 10: Preguntas del Factor – Facilidad percibida……………………………….…………… 63

Tabla 11: Preguntas del Factor – Riesgo percibido………………………………………………. 64

Tabla 12: Preguntas del Factor – Confianza percibida……………………….………………….. 64

Tabla 13: Preguntas del Factor – Intención de uso………………………………………………. 64

Tabla 14: Grados de libertad de modelo…………………………………….…………………… 68

Tabla 15: p valor y su significado……………………………………………...………………… 69

Tabla 16: Interpretación del coeficiente Alfa de Cronbach……………………………………… 73