Safe access to drinking water remains a critical priority for governments and international organizations. The World Health Organization estimates that more than 2.2 billion people lack safely managed water services, which has serious consequences for health and economic development. In this context, different technologies, and especially artificial intelligence (AI), are emerging as innovative tools that can help identify, more accurately and quickly, areas with inadequate drinking water service coverage. (WHO & UNICEF, 2021) This study analyzes the applications of machine learning and statistical techniques to identify sectors of society with a lack of drinking water supply. It also describes methodological approaches that integrate sociodemographic, environmental, and water infrastructure data with predictive models based on neural networks and decision trees. (Mutiara, Andriani, & Rahadi, 2021) Finally, the challenges associated with data quality, the replicability of models in different contexts, and the need for public policies that promote the responsible adoption of these cutting-edge technologies are discussed. (Shahriar, Rahman, & Islam, 2023). Spanish-language metadata / Metadatos en español Título en español: La tecnología aplicada a la identificación de zonas sin acceso al agua potable: retos y oportunidades Resumen: El acceso seguro al agua potable sigue siendo una prioridad fundamental para los gobiernos y las organizaciones internacionales. La Organización Mundial de la Salud calcula que más de 2.200 millones de personas carecen de servicios de agua gestionados de forma segura, lo que tiene graves consecuencias para la salud y el desarrollo económico. En este contexto, diversas tecnologías, y especialmente la inteligencia artificial (IA), se están perfilando como herramientas innovadoras que pueden ayudar a identificar, con mayor precisión y rapidez, las zonas con una cobertura insuficiente del servicio de agua potable. (OMS y UNICEF, 2021). Este estudio analiza las aplicaciones del aprendizaje automático y las técnicas estadísticas para identificar los sectores de la sociedad que carecen de suministro de agua potable. Además, describe enfoques metodológicos que integran datos sociodemográficos, ambientales y de infraestructura hídrica con modelos predictivos basados en redes neuronales y árboles de decisión. (Mutiara, Andriani y Rahadi, 2021). Por último, se analizan los retos relacionados con la calidad de los datos, la replicabilidad de los modelos en diferentes contextos y la necesidad de políticas públicas que promuevan la adopción responsable de estas tecnologías de vanguardia (Shahriar, Rahman e Islam, 2023). Palabras Claves: Zonas sin agua potable, Tecnología aplicada, Componentes principales, Inteligencia artificial, Políticas públicas para el abastecimiento de agua potable Smart citations: https://scite.ai/reports/10.61467/2007.1558.2026.v17i3.1358Dimensions.Open Alex.