Esta revisión discute el potencial transformador de integrar datos multi-ómicos e inteligencia artificial (IA) en el avance de la investigación hortícola, específicamente en la fenotipificación de plantas. Los métodos tradicionales de fenotipificación de plantas, aunque valiosos, son limitados en su capacidad para capturar la complejidad de la biología vegetal. La llegada de la (meta-)genómica, (meta-)transcriptómica, proteómica y metabolómica ha proporcionado una oportunidad para un análisis más completo. Las técnicas de IA y aprendizaje automático (ML) pueden manejar eficazmente la complejidad y el volumen de datos multi-ómicos, proporcionando interpretaciones y predicciones significativas. Reflejando la naturaleza multidisciplinaria de esta área de investigación, en esta revisión, los lectores encontrarán una colección de soluciones de vanguardia que son clave para la integración de datos multi-ómicos e IA para experimentos de fenotipificación en horticultura, incluyendo consideraciones de diseño experimental con varios desafíos técnicos y no técnicos, que se discuten junto con posibles soluciones. Las perspectivas futuras de esta integración incluyen la horticultura de precisión, la cría predictiva, la mejora de la gestión de enfermedades y respuestas al estrés, la gestión sostenible de cultivos y la exploración de la biodiversidad vegetal. La integración de multi-ómicos e IA tiene un inmenso potencial para revolucionar la investigación y aplicaciones hortícolas, anunciando una nueva era en la fenotipificación de plantas.