La gestión eficiente del inventario es crucial para las empresas, ya que influye directamente en la rentabilidad y en la satisfacción del cliente. El equilibrio entre evitar faltantes y reducir los costos asociados al exceso de stock es un desafío constante en este sector. Esta tesis se enfoca en la implementación de un modelo de optimización del safety stock utilizando técnicas de aprendizaje automático supervisado en una cadena de supermercado en Ecuador. El objetivo principal es predecir el safety stock de productos para reducir faltantes y maximizar la rotación de mercadería. Se identificaron productos perecibles de alta importancia, se seleccionaron algoritmos de aprendizaje automático adecuados y se integró el modelo en una plataforma para su uso práctico. Los resultados indican que el modelo Random Forest Regressor es la opción más robusta. Las conclusiones sugieren continuar utilizando este modelo, realizar actualizaciones periódicas, fomentar la colaboración entre usuarios y el sistema de predicción, y monitorear de cerca las condiciones cambiantes en el mercado minorista. Palabras Clave: Safety stock, Supermercado, Aprendizaje Automático Supervisado, Predicción