6G tiene como objetivo una amplia y ambiciosa gama de escenarios de redes con requisitos estrictos y diversos. Tales demandas desafiantes requieren una multitud de recursos computacionales y de comunicación, así como medios para su gestión eficiente y coordinada de extremo a extremo a través de diversos dominios. Los enfoques convencionales no pueden manejar la complejidad, la dinámica y el alcance de extremo a extremo del problema, y las soluciones basadas en inteligencia artificial (IA) se vuelven necesarias. Sin embargo, las aplicaciones actuales de la IA a las tareas de gestión de recursos (RM) proporcionan soluciones parciales ad hoc que carecen en gran medida de compatibilidad con las nociones de habilitadores de IA nativos, como se prevé en 6G, y tienen un enfoque estrecho, sin tener en cuenta un alcance de extremo a extremo, o emplean representaciones/aprendizaje no escalables. Este artículo de encuesta contribuye con una demostración sistemática de que la visión de 6G promueve el empleo de marcos de aprendizaje automático distribuido apropiados que interactúan a través de habilitadores de IA nativos de manera componible hacia un marco de RM de extremo a extremo versátil y efectivo.