El siguiente proyecto presenta QPredict, una prueba de concepto desarrollada para una empresa especializada en soluciones de gestión y automatización organizacional, con el objetivo de optimizar procesos empresariales ejecutados a través de la plataforma Qflow. El proyecto surge a partir de la detección de una problemática frecuente en las organizaciones: la existencia de validaciones manuales repetitivas y de bajo riesgo que generan demoras innecesarias, cuellos de botella y una disminución de la eficiencia operativa. Como respuesta a esta necesidad, se diseñó e implementó una plataforma de AutoML (Automated Machine Learning) integrada con Qflow, capaz de asistir o automatizar la toma de decisiones operativas basadas en datos históricos. La solución permite a los usuarios obtener información desde Qflow o importar conjuntos de datos externos en formato CSV, entrenar modelos predictivos, evaluar su rendimiento mediante métricas específicas y publicar dichos modelos para su utilización dentro de los procesos empresariales, sin requerir conocimientos avanzados en aprendizaje automático. La aplicación fue desarrollada utilizando Angular 20 para la interfaz de usuario y .NET 9 para los servicios backend y de machine learning, incorporando ML.NET AutoML como tecnología principal para el entrenamiento de modelos predictivos. Además, se adoptó una arquitectura de microservicios desplegada sobre Microsoft Azure, favoreciendo la escalabilidad y el mantenimiento de la solución. Se utilizó una metodología iterativa e incremental, apoyada en prácticas ágiles de desarrollo. Los resultados obtenidos permitieron validar la viabilidad técnica y funcional de integrar capacidades de AutoML en Qflow, demostrando su potencial para mejorar la eficiencia operativa, reducir intervenciones manuales y sentar las bases para futuras iniciativas de automatización inteligente dentro del ecosistema empresarial.