Las pequeñas y medianas empresas (PYMEs) enfrentan entornos dinámicos y competitivos donde la resiliencia y la toma de decisiones basada en datos son críticas. A pesar de los posibles beneficios de la inteligencia artificial (IA), el aprendizaje automático (ML) y las técnicas de optimización, las PYMEs a menudo tienen dificultades para adoptar estas herramientas debido a los altos costos, la capacitación limitada y el acceso restringido al hardware. Este estudio revisa cómo las PYMEs pueden emplear heurísticas, metaheurísticas, ML y enfoques híbridos para apoyar decisiones estratégicas bajo incertidumbre y limitaciones de recursos. Utilizando mapeo bibliométrico con UMAP y BERTopic, se identifican 82 trabajos clave y se agrupan en 11 áreas temáticas. A partir de esto, el estudio desarrolla un marco práctico para implementar y evaluar estrategias de optimización adaptadas a las limitaciones de las PYMEs. Los resultados resaltan áreas críticas de aplicación, barreras de adopción y factores de éxito, mostrando que las heurísticas y los métodos híbridos son especialmente efectivos para la optimización multiobjetivo con menores demandas computacionales. El estudio también señala brechas de investigación y propone futuras direcciones para fomentar la transformación digital en las PYMEs. A diferencia de revisiones anteriores centradas en industrias o métodos específicos, este trabajo ofrece una perspectiva transversal, enfatizando cómo estas tecnologías pueden fortalecer la resiliencia y la planificación estratégica de las PYMEs.