El clustering es una técnica computacional muy popular que, debido a datos imperfectos, a menudo se aplica en presencia de algún tipo de incertidumbre. Teniendo en cuenta tal incertidumbre (y modelo), la salida computacional contribuye en consecuencia a aumentar la precisión de los cálculos y su efectividad en contexto. Sin embargo, hay desafíos. Este artículo presenta una revisión de la literatura sobre el tema. Su objetivo es identificar y discutir el cuerpo de conocimiento asociado desde una perspectiva interdisciplinaria. Una metodología semi-sistemática ha permitido la selección de 68 artículos, priorizando las contribuciones más recientes y un enfoque intrínsecamente orientado a la aplicación. El análisis ha subrayado la relevancia del tema en las últimas dos décadas, en las que la computación se ha vuelto algo omnipresente en el contexto de la complejidad inherente de los datos. Además, ha identificado una tendencia hacia soluciones específicas de dominio en lugar de enfoques de propósito genérico. Por un lado, esta tendencia permite un conjunto de soluciones más específico dentro de comunidades específicas; por otro lado, el enfoque distribuido resultante no siempre está bien integrado con la corriente principal. Este último aspecto puede generar una mayor fragmentación del cuerpo de conocimiento, principalmente debido a cierta falta de abstracción en la definición de problemas específicos. Si bien en términos generales estas lagunas son en gran medida comprensibles dentro de la comunidad de investigación, la falta de implementaciones para proporcionar recursos listos para usar es crítica en general. En términos más técnicos, las soluciones en la literatura presentan una cierta inclinación hacia métodos mixtos, además de la aplicación clásica de la Lógica Difusa y otros enfoques probabilísticos. Por último, pero no menos importante, la propagación de la incertidumbre en el contexto tecnológico actual, caracterizado por soluciones intensivas en datos y computación, no se analiza ni se discute críticamente en la literatura. El análisis realizado sugiere intrínsecamente la consolidación y la mejora de la operacionalización a través de Software Abierto, lo cual es crucial para establecer marcos computacionales científicamente sólidos.