PLS-SEM se ha utilizado cada vez más recientemente en estudios que investigan los factores críticos que influyen en la aceptación y uso de sistemas de información, especialmente cuando se implementa el modelo de aceptación de tecnología (TAM). TAM ha demostrado ser el modelo más prometedor para investigar diferentes puntos de vista sobre tecnologías de la información, herramientas/aplicaciones y la aceptación y uso de sistemas de información por parte de los empleados que actúan como usuarios finales en las empresas. Sin embargo, el uso de técnicas avanzadas de PLS-SEM para probar los modelos de investigación extendidos de TAM para la aceptación de sistemas de planificación de recursos empresariales (ERP) es escaso. La presente investigación tiene como objetivo llenar este vacío y pretende mostrar cómo los resultados de PLS-SEM pueden mejorarse mediante técnicas avanzadas: análisis de redes neuronales artificiales (ANN) y Análisis de Matriz de Importancia-Rendimiento (IPMA). ANN se utilizó en este estudio de investigación para superar las limitaciones de PLS-SEM con respecto a las relaciones lineales en el modelo. IPMA se utilizó para evaluar la importancia y el rendimiento de factores/controladores en el SEM. Desde el punto de vista metodológico, los resultados muestran que el enfoque de investigación con inteligencia artificial ANN complementa los resultados de PLS-SEM al permitir la captura de relaciones no lineales entre las variables del modelo y la determinación de la importancia relativa de cada factor estudiado. Por otro lado, IPMA permite la identificación de factores con un rendimiento relativamente bajo pero una importancia relativamente alta en la formación de variables dependientes.