Comparativa de modelos de IA para un caso de uso de captación universitaria

Recibes un conjunto anonimizado con 30.000 solicitantes y 18 variables (canal, edad, programa de interés, interacciones previas, distancia geográfica, etc.) y la variable objetivo binaria de matrícula. Compara tres enfoques: una regresión logística como base, un árbol de decisión interpretable y un random forest. Reporta accuracy, F1 y curva ROC con división temporal. Cierra con un informe de seis páginas para el equipo de captación que explique qué modelo usarías, por qué, y qué preguntas hacerle a un proveedor que ofrezca un servicio similar.