En la era del big data, las metodologías de gestión de salud y pronóstico (PHM) basadas en datos son clave para operar sistemas complejos de forma segura. Este estudio se centra en la predicción de la vida útil remanente (RUL), esencial para decisiones de mantenimiento. Aunque se han logrado avances en hardware y algoritmos de inteligencia artificial (IA), la mayoría de investigaciones se enfocan en técnicas aisladas sin comparar su aplicabilidad en distintos equipos y contextos. Esta investigación presenta aportes relacionados con una clasificación detallada de escenarios de aplicación para la predicción de RUL, una evaluación comparativa de algoritmos de IA adecuados, un análisis de su aplicabilidad según el contexto y una reflexión sobre los retos actuales y perspectivas futuras. Este enfoque integral permite optimizar el uso de la IA en la predicción de RUL, considerando tanto capacidades técnicas como condiciones operativas.