Las cadenas de suministro circulares (CSC) tienen como objetivo minimizar los desechos, extender los ciclos de vida de los productos y optimizar la eficiencia de los recursos, alineándose con la creciente demanda de prácticas sostenibles. El aprendizaje automático (ML) puede potencialmente mejorar las CSC al mejorar la gestión de recursos, optimizar procesos y abordar las complejidades inherentes a las CSC. El ML puede ser una herramienta poderosa para apoyar las operaciones de las CSC al ofrecer información basada en datos y mejorar las capacidades de toma de decisiones. Este documento realiza una revisión sistemática de la literatura, analizando 66 estudios relevantes para examinar el papel del ML en varias etapas de las CSC, desde el suministro y la fabricación hasta la gestión de residuos. Los hallazgos revelan que el ML contribuye significativamente al rendimiento de las CSC, mejorando la selección de proveedores, la optimización operativa y la reducción de residuos. Los enfoques impulsados por ML en la fabricación, la previsión del comportamiento del consumidor, la logística y la gestión de residuos permiten a las empresas optimizar recursos y minimizar desechos. La integración del ML con tecnologías emergentes como IoT, blockchain y visión por computadora mejora aún más las operaciones de las CSC, fomentando la transparencia y la automatización. Las aplicaciones de ML en las CSC se alinean con objetivos de sostenibilidad más amplios, contribuyendo a la sostenibilidad ambiental, social y económica. La revisión identifica oportunidades para futuras investigaciones, como el desarrollo de estudios de caso del mundo real para mejorar aún más los efectos del ML en la eficiencia de las CSC.