La distribución de claves cuánticas de variable continua (CV-QKD) muestra potencial para el desarrollo rápido de una red de comunicación global segura desde el punto de vista de la teoría de la información; sin embargo, las complejidades de la implementación de CV-QKD siguen siendo un factor restrictivo. El aprendizaje automático (ML) ha mostrado recientemente promesas para aliviar estas complejidades. El ML se ha aplicado en casi todas las etapas de los protocolos de CV-QKD, incluyendo la estimación de errores de fase asistida por ML, la estimación de ruido excesivo, la discriminación de estados, la estimación y optimización de parámetros, la selección de claves, la reconciliación de información y la estimación de la tasa de claves. Esta encuesta proporciona un análisis exhaustivo de la literatura actual sobre CV-QKD asistida por ML. Además, la encuesta compara los algoritmos de ML que asisten a CV-QKD con los algoritmos tradicionales que buscan complementar, así como proporciona recomendaciones para futuras direcciones en la investigación de CV-QKD asistida por ML.