En Brasil, el desarrollo de barrancos constituye una degradación del suelo generalizada, especialmente en el estado de Mato Grosso del Sur, donde luchar contra esta degradación se ha convertido en una prioridad para los responsables de políticas. Sin embargo, los factores ambientales y antrópicos que promueven el desarrollo de barrancos son múltiples, interactúan y presentan una complejidad que puede variar según la localidad, lo que dificulta su predicción. En este marco, se construyó una base de datos para la cuenca del río Ivinhema en la parte sur del estado, que incluye 400 barrancos georreferenciados y 13 descriptores geoambientales. Se realizó un análisis estadístico multivariado utilizando el análisis de componentes principales (PCA) para identificar los procesos que controlan la variabilidad en el desarrollo de barrancos. Se crearon mapas de susceptibilidad a través de cuatro modelos de aprendizaje automático: análisis discriminante multivariado (MDA), regresión logística (LR), árbol de clasificación y regresión (CART) y bosque aleatorio (RF). El rendimiento predictivo de los modelos se analizó mediante cinco índices de evaluación: precisión (ACC), sensibilidad (SST), especificidad (SPF), precisión (PRC) y curva de características operativas del receptor (curva ROC). Los resultados muestran la existencia de dos procesos principales que controlan la erosión de barrancos. El primero es el proceso de escorrentía superficial, que está relacionado con condiciones de relieve ligeramente más alto y mayor precipitación. El segundo también refleja condiciones de alta escorrentía superficial, pero más relacionado con una alta densidad de drenaje y en pendiente, cerca de la red fluvial. La actividad humana representada por áreas periurbanas, la construcción de pequeñas represas de tierra y la agricultura rotativa extensiva contribuyen significativamente a la formación de barrancos. Los cuatro modelos de aprendizaje automático produjeron resultados bastante similares y validaron los mapas de susceptibilidad (curva ROC > 0.8). Sin embargo, se observó un mejor rendimiento del modelo de bosque aleatorio (RF) (86% y 89.8% para entrenamiento y prueba, respectivamente, con un valor de curva ROC de 0.931). La evaluación de la contribución de los parámetros muestra que la susceptibilidad a la erosión de barrancos no está gobernada principalmente por un solo factor, sino más bien por la interconexión entre diferentes factores, principalmente elevación, geología, precipitación y uso del suelo.