El Aprendizaje Automático Automatizado (AutoML) se ha convertido en un área importante de la inteligencia artificial moderna, permitiendo a las computadoras automatizar la selección, entrenamiento y ajuste de modelos de aprendizaje automático y ofreciendo oportunidades emocionantes para una mejor toma de decisiones en diversos sectores. A medida que la adopción global de tecnologías de aprendizaje automático crece, se ha observado que también la importancia de comprender el desarrollo y la proliferación de la investigación en AutoML continúa en aumento, como lo destaca el número creciente de artículos científicos publicados cada año. El presente documento explora la literatura científica asociada con AutoML con el objetivo de resaltar tendencias emergentes, temas clave y redes de colaboración que han contribuido al auge de este campo. Utilizando datos de la base de datos Web of Science del Instituto de Información Científica (ISI), analizamos 920 artículos dedicados a la investigación en AutoML, extraídos en base a palabras clave específicas. Un hallazgo clave es la significativa tasa de crecimiento anual del 87.76%, que subraya el creciente interés de la comunidad académica en AutoML. Además, empleamos análisis de n-gramas y revisamos los artículos más citados en la base de datos, proporcionando una visión bibliométrica completa del estado actual de la investigación en AutoML. Adicionalmente, se ha llevado a cabo un descubrimiento de temas mediante el uso de Asignación de Dirichlet Latente (LDA) y BERTopic, mostrando el interés de los investigadores en esta área. El análisis se completa con una revisión de los artículos más citados, así como discusiones sobre los artículos en las áreas de investigación asociadas con este AutoML. Estos hallazgos ofrecen valiosas perspectivas sobre la evolución de AutoML y destacan los principales desafíos y oportunidades que aborda la comunidad académica en este campo de rápido crecimiento.