El gran número de nuevos servicios y aplicaciones y, en general, todas nuestras actividades cotidianas resultan en una producción masiva de datos: todos estos datos pueden convertirse en una fuente valiosa de información que podría utilizarse para mejorar nuestras vidas, bienestar y jornadas laborales. Los enfoques de Aprendizaje Automático (Interpretable), cuyo uso es cada vez más ubicuo en diversos entornos, son definitivamente una de las herramientas más efectivas para recuperar y obtener información esencial de los datos. Sin embargo, surgen muchos desafíos para explotarlos de manera efectiva. En este artículo, analizamos escenarios clave en los que grandes cantidades de datos y técnicas de aprendizaje automático pueden utilizarse para el bien social: análisis de redes sociales para mejorar la difusión del patrimonio cultural; análisis de juegos para fomentar el Pensamiento Computacional en la educación; análisis médico para mejorar la calidad de vida de los ancianos y reducir los gastos de atención médica; exploración del potencial de la datificación del trabajo para mejorar la gestión de recursos humanos (HRM). Para los dos primeros de los escenarios mencionados anteriormente, presentamos nuevos resultados relacionados con investigaciones previamente publicadas, enmarcando estos resultados en una discusión más general sobre los desafíos que surgen al adoptar técnicas de aprendizaje automático para el bien social.