Este documento presenta una revisión exhaustiva de los modelos de aprendizaje automático (ML) y aprendizaje profundo (DL) utilizados para la previsión de la demanda en la gestión de la cadena de suministro. Al analizar 119 artículos de la base de datos Scopus que abarcan el período de 2015 a 2024, este estudio proporciona ideas tanto a nivel macro como micro sobre la efectividad de las metodologías basadas en inteligencia artificial. El análisis a nivel macro ilustra la trayectoria y tendencias generales en las aplicaciones de ML y DL, mientras que el análisis a nivel micro explora las distinciones específicas y ventajas de estos modelos. Esta revisión tiene como objetivo servir como un recurso valioso para mejorar la previsión de la demanda en la gestión de la cadena de suministro utilizando técnicas de ML y DL.