El presente boletín analiza el desempeño de diversos métodos de Machine Learning (ML) en comparación con modelos econométricos tradicionales, como el ARIMA, para pronosticar la inflación en Paraguay. La inflación se mide a través de la variación mensual de los Índices de Precios al Consumidor (IPC) SAE, Libre y Subyacente. Para los modelos univariados, la evaluación se realizó utilizando un enfoque de ventanas recursivas. Los resultados destacan al modelo Random Forest como el más preciso para el IPC SAE, mientras que el ARIMA Boost sobresalió en las series del IPC Libre y Subyacente. En el caso de los modelos multivariados, que incluyeron más de 200 variables predictoras, el método LASSO obtuvo el mejor desempeño en la predicción de las tres medidas de inflación. Estos resultados resaltan el potencial de los enfoques de ML para complementar los modelos tradicionales en el pronóstico de la inflación.