La integración de la Inteligencia Artificial (IA) dentro de las tecnologías de Realidad Extendida (XR) tiene el potencial de revolucionar las experiencias de usuario al crear entornos más inmersivos, interactivos y personalizados. Sin embargo, la complejidad y opacidad de los sistemas de IA plantean preocupaciones significativas con respecto a la transparencia en el manejo de datos, procesos de razonamiento y mecanismos de toma de decisiones inherentes a estas tecnologías. Para abordar estos desafíos, la implementación de métodos y técnicas de IA explicables (XAI) se vuelve imperativa, ya que no solo garantizan el cumplimiento de los estándares éticos, sociales y legales vigentes, normas y principios, sino que también fomentan la confianza del usuario y facilitan la adopción más amplia de soluciones de IA en aplicaciones de XR. A pesar del creciente interés tanto de la comunidad de investigación como de la práctica en esta área, existe una brecha importante en la literatura en lo que respecta a una revisión de los métodos de XAI aplicados específicamente y adaptados a los sistemas de XR. En este sentido, esta investigación presenta una revisión sistemática de la literatura que sintetiza la investigación actual sobre enfoques de XAI aplicados dentro del dominio de XR. En consecuencia, esta investigación tiene como objetivo identificar las tendencias predominantes, evaluar la efectividad de varias técnicas de XAI y resaltar posibles vías para futuras investigaciones. Contribuye así a la comprensión fundamental necesaria para el desarrollo de sistemas de IA transparentes y confiables para sistemas de XR utilizando tecnologías de XAI, al tiempo que mejora la experiencia del usuario y promueve la implementación responsable de la IA.