Este trabajo presenta el desarrollo de un modelo predictivo orientado a la identificación temprana de estudiantes en situación de pre-riesgo y riesgo académico en la Facultad de Ingeniería de la Universidad de Atacama. El objetivo es anticipar situaciones que puedan derivar en deserción o bajo rendimiento académico, permitiendo la implementación de medidas de apoyo oportunas y focalizadas. Para ello, se trabajó con una muestra de 130 estudiantes de primer año de la carrera de Ingeniería Civil en Computación e Informática. La metodología se basó en la recopilación e integración de datos académicos extraídos de sistemas institucionales, considerando variables como asignaturas reprobadas, asignaturas eliminadas, nivel académico y avance curricular. Posteriormente, se aplicaron técnicas de aprendizaje automático para identificar patrones que permitieran predecir el riesgo académico. Los resultados del modelo permitieron detectar con antelación a estudiantes en situación de pre-riesgo, lo que facilitó la implementación de intervenciones específicas, tales como la reducción de carga académica, tutorías personalizadas y seguimiento activo. Estas acciones contribuyeron a mejorar el rendimiento académico, aumentar el compromiso estudiantil y reducir los niveles de deserción. La relevancia de este estudio radica en evidenciar cómo la aplicación de tecnologías de análisis predictivo, combinadas con estrategias de acompañamiento docente, puede fortalecer los procesos de retención y éxito académico desde las etapas iniciales de la formación universitaria.