En la presente investigación se aborda el problema de la predicción de incumplimiento (default) en solicitantes no bancarizados de tarjetas de crédito, población que carece de historial crediticio y representa un desafío para las instituciones financieras. El objetivo fue desarrollar un modelo predictivo basado en el algoritmo CatBoost. La metodología se estructuro en cuatro etapas: recolección y preparación de datos históricos, implementación del modelo CatBoost, evaluación mediante métricas como el coeficiente GINI e interpretación de resultados. Los resultados mostraron un buen desempeño predictivo, con un GINI de 45 % en entrenamiento y 42.8 % en validación, demostrando capacidad para diferenciar entre clientes de alto y bajo riesgo. Se concluye que el modelo propuesto ofrece una herramienta efectiva para la gestión del riesgo crediticio en poblaciones no bancarizadas...