La administración de encuestas y registros es fundamental para la administración de tierras, y, en consecuencia, la topografía y el registro de tierras son esenciales para el desarrollo socioeconómico debido a su potencial precisión y eficiencia. Hasta ahora, la topografía y el registro de tierras tradicionales han dependido de la intervención humana, lo que socava la eficiencia y es propenso a errores en el manejo de datos. Durante la última década, el crecimiento exponencial de la inteligencia artificial (IA), en particular, la inteligencia artificial geoespacial (GeoIA), ha proporcionado nuevas metodologías que pueden superar estas deficiencias. Esta revisión examina la IA en la gestión catastral analizando soluciones técnicas y tendencias en tres áreas, incluyendo la recolección de datos, el modelado y las aplicaciones comunes. Esta revisión tiene como objetivo proporcionar una encuesta completa del uso actual de la IA en la gestión catastral hasta el punto de definir una futura vía de investigación. Basado en la revisión exhaustiva de la literatura, este estudio ha llegado a las siguientes tres conclusiones. (1) La extracción automatizada de los límites de las parcelas se ha logrado a través del aprendizaje profundo en la recolección y procesamiento de datos, eliminando los cuellos de botella de la interpretación manual. Modelos como las redes neuronales convolucionales (CNN) y los Transformers se han utilizado para la segmentación semántica a nivel de píxel de imágenes de teledetección de alta resolución, lo que ha llevado a mejoras significativas en eficiencia y precisión. (2) Los datos no espaciales se han procesado con técnicas de procesamiento de lenguaje natural para extraer automáticamente información y construir relaciones, superando así las limitaciones de los archivos en papel y las bases de datos relacionales tradicionales. (3) Se han aplicado modelos de aprendizaje profundo para detectar automáticamente cambios en las parcelas y permitir un análisis integrado de datos espaciales y no espaciales, lo que ha apoyado la transición de la gestión catastral de bidimensional a tridimensional. Sin embargo, persisten varios desafíos, incluyendo diferencias en el procesamiento de datos multitemporales, ambigüedad semántica espacial y la falta de datos anotados de alta calidad a gran escala. La investigación futura puede centrarse en mejorar la generalización del modelo, avanzar en la fusión de datos multimodal y proporcionar recomendaciones para el desarrollo de un sistema catastral inteligente confiable y práctico.