El presente trabajo analiza los algoritmos de Machine Learning empleados para la detección del burnout en profesionales tecnológicos, problemática que constituye uno de los principales retos para el sector de tecnología en la actualidad. El estudio identifica las técnicas de aprendizaje automático que han adquirido mayor relevancia debido a su capacidad de generar resultados confiables y eficaces en contextos donde la incorporación de tecnologías avanzadas resulta cada vez más importante, así como identifica patrones de burnout que se vienes manifestando en el sector La investigación adopta una metodología basada en los lineamientos establecidos por la declaración PRISMA y considera fuentes bibliográficas especializadas como Scopus, IEEE Xplore, Science Direct y Web Of Science. Después de aplicar los criterios de selección definidos, se incluyeron 18 estudios para el análisis. Los resultados evidenciaron que las investigaciones seleccionadas realizan diversas comparaciones entre algoritmos, destacando principalmente máquinas de vectores de soporte (SVM), algoritmos basados en árboles, Random Forest, métodos de boosting/XGBoost, modelos difusos y técnicas de aprendizaje profundo, así como los factores que muestran mayor consistencia entre los estudios incluyen la sobrecarga laboral, las exigencias temporales, la fatiga, el desequilibrio entre esfuerzo y recompensa, la insuficiencia de apoyo o reconocimiento y las dificultades para conciliar las responsabilidades laborales y personales