Los modelos de machine learning en Python suelen ser potentes pero opacos: predicen bien, pero no sabemos por qué. Esta charla presenta las principales conceptos y técnicas de Explainable AI (XAI) disponibles en Python, entre las que se encuentran SHAP, LIME, feature importance y partial dependence. Se mostrará, con ejemplos de código, cómo usarlas para entender, depurar y comunicar el comportamiento de modelos en distintos dominios, tales en salud, retail, operaciones, riesgo y finanzas.