La base de la ciencia y la ingeniería de materiales es el establecimiento de vínculos entre proceso, microestructura y propiedades, que a su vez forman la base para el desarrollo y la optimización de materiales y procesos. En el corazón de esto está la caracterización y cuantificación de la microestructura del material. Hasta la fecha, la cuantificación de la microestructura ha implicado tradicionalmente que un humano decida qué medir e incluya una evaluación manual que consume mucho tiempo. Los recientes avances en inteligencia artificial (IA) y aprendizaje automático (AA) ofrecen nuevos enfoques emocionantes para la cuantificación microestructural, especialmente la clasificación y la segmentación semántica. Esto promete muchos beneficios, sobre todo un análisis objetivo, reproducible y automatizado, pero también la cuantificación de microestructuras complejas que no ha sido posible con enfoques anteriores. Esta revisión proporciona una visión general de las aplicaciones de AA para el análisis de microestructuras, utilizando microestructuras de acero complejas como ejemplos. Se hace especial hincapié en la cantidad, calidad y variabilidad de los datos de entrenamiento, así como en la procedencia de la verdad fundamental necesaria para el AA, que generalmente no se discute suficientemente en la literatura. En este contexto, la microscopía correlativa juega un papel clave, ya que permite una caracterización integral y que abarca diferentes escalas de microestructuras complejas, lo cual es necesario para proporcionar una verdad fundamental objetiva y bien fundamentada y, en última instancia, implementar enfoques basados en AA.