La calidad asegurada (QA) juega un papel crucial en la fabricación para asegurar que los productos cumplan con sus especificaciones. Sin embargo, los procesos manuales de QA son costosos y consumen mucho tiempo, por lo que la inteligencia artificial (IA) se convierte en una solución atractiva para la automatización y el soporte experto. En particular, las redes neuronales convolucionales (CNNs) han despertado mucho interés en la inspección visual. Junto a los métodos de IA, los sistemas de inteligencia artificial explicables (XAI), que logran transparencia e interpretabilidad al proporcionar información sobre el proceso de toma de decisiones de la IA, son métodos interesantes para lograr inspecciones de calidad en los procesos de fabricación. En este estudio, realizamos una revisión sistemática de la literatura (SLR) para explorar enfoques de IA y XAI para QA visual (VQA) en la fabricación. Nuestro objetivo fue evaluar el estado actual del arte e identificar brechas de investigación en este contexto. Nuestros hallazgos revelaron que los sistemas basados en IA se enfocan predominantemente en el control de calidad visual (VQC) para la detección de defectos. La investigación que aborda prácticas de VQA, como la optimización de procesos, el mantenimiento predictivo o el análisis de causas raíz, es más rara. Menos citados son los documentos que utilizan métodos XAI. En conclusión, esta encuesta enfatiza la importancia y el potencial de la IA y el XAI en VQA en diversas industrias. Al integrar XAI, las organizaciones pueden mejorar la transparencia del modelo, la interpretabilidad y la confianza en los sistemas de IA. En general, aprovechar la IA y el XAI mejora las prácticas de VQA y la toma de decisiones en las industrias.