Este estudio explora el ámbito de los marcos de Inteligencia Artificial Explicable (XAI), con el objetivo de capacitar a investigadores y profesionales con una comprensión más profunda de estas herramientas. Establecemos una base de conocimiento integral clasificando y analizando soluciones XAI prominentes según atributos clave como tipo de explicación, dependencia del modelo y casos de uso. Este recurso capacita a los usuarios para navegar por el diverso panorama de XAI y seleccionar el marco más adecuado para sus necesidades específicas. Además, el estudio propone un marco novedoso llamado XAIE (Evaluador de IA Explicable) para la toma de decisiones informada en la adopción de XAI. Este marco capacita a los usuarios para evaluar diferentes opciones de XAI basadas en su contexto de aplicación de manera objetiva. Esto conducirá a un desarrollo de IA más responsable al fomentar la transparencia y la confianza. Finalmente, la investigación identifica las limitaciones y desafíos asociados con los marcos de XAI existentes, allanando el camino para futuros avances. Al resaltar estas áreas, el estudio guía a investigadores y desarrolladores en la mejora de las capacidades de la Inteligencia Artificial Explicable.