Antecedentes: Las decisiones de inversión en acciones son una de las tareas más complejas debido a la incertidumbre sobre qué acciones aumentarán o disminuirán en valor. Una cartera diversificada reduce estadísticamente el riesgo; sin embargo, la elección de acciones aún influye sustancialmente en la rentabilidad. Métodos: Este trabajo propone una metodología para automatizar recomendaciones de decisiones de inversión con explicaciones claras. Utiliza inteligencia artificial generativa, guiada por ingeniería de indicaciones, para interpretar predicciones de precios derivadas de redes neuronales. La metodología también incluye el modelo de Gestión de Confianza, Riesgo y Seguridad de Inteligencia Artificial (AI TRiSM) para proporcionar recomendaciones de seguridad sólidas para el sistema. El sistema propuesto ofrece recomendaciones de inversión a largo plazo basadas en los fundamentos financieros de las empresas, como la relación precio-ganancias (PER) y el margen neto de beneficios sobre los ingresos totales. El sistema de inteligencia artificial explicativo (XAI) propuesto utiliza DeepSeek para describir recomendaciones y empresas sugeridas, así como varios gráficos basados en los valores de explicación aditiva de Shapley (SHAP) y explicaciones de modelos interpretables a nivel local (LIME) para mostrar la importancia de las características. Resultados: En los experimentos, comparamos la rentabilidad de las carteras propuestas, que van desde 8 hasta 28 valores de acciones, con los aumentos de precio esperados máximos durante 4 años en el NASDAQ-100 y S&P-500, donde se consideraron tanto mercados alcistas como bajistas, respectivamente, antes y después de los aumentos de aranceles en el comercio internacional por parte de EE. UU. en abril de 2025. El sistema propuesto logró una rentabilidad promedio del 56.62% considerando 120 recomendaciones de cartera diferentes. Conclusiones: Una prueba t de Student confirmó que la diferencia en rentabilidad en comparación con el índice fue estadísticamente significativa. Un estudio de usuarios reveló que los participantes estuvieron de acuerdo en que las explicaciones de la cartera eran útiles para confiar en el sistema, con una puntuación promedio de 6.14 en una escala Likert de 7 puntos.