Introducción: Este estudio revisa los desarrollos significativos en el procesamiento del lenguaje natural (PLN) y su impacto en la inteligencia artificial (IA), enfocándose en los avances en modelos de lenguaje, infraestructuras computacionales y la integración de métodos de aprendizaje automático. Metodología: Se realizó una revisión sistemática de la literatura utilizando las directrices PRISMA, centrada en artículos publicados entre 2022 y 2024. Se utilizó Web of Science, con términos de búsqueda como "procesamiento del lenguaje natural", "PLN". Resultados: La revisión destaca el papel crítico de los modelos de lenguaje avanzados como GPT-4, BERT y sus variantes en la mejora de la comprensión y generación del lenguaje natural, la importancia de infraestructuras de computación de alto rendimiento y el uso de técnicas de aprendizaje automático para optimizar tareas de PLN. Discusión: Los hallazgos confirman la relevancia de infraestructuras computacionales robustas y revelan nuevas perspectivas sobre la rápida evolución y adopción más amplia de técnicas de PLN en diversos sectores. Conclusiones: Es esencial continuar invirtiendo en infraestructuras computacionales y el desarrollo de modelos de lenguaje avanzados. La investigación futura debe ampliar el periodo de estudio, diversificar los idiomas, incluir literatura gris, realizar estudios longitudinales y explorar los desafíos de la ética y la privacidad en la implementación de técnicas de PLN.