La evaluación del riesgo volcánico se basa generalmente en el comportamiento eruptivo pasado, asumiendo que la actividad anterior es representativa de la actividad futura. La evaluación del riesgo puede ser respaldada por técnicas de Inteligencia Artificial (IA), como el aprendizaje automático, que se utilizan para la exploración de datos para identificar características de interés en los datos. Aquí, aplicamos una técnica de aprendizaje automático para automatizar el análisis de estos conjuntos de datos, manejando patrones intrincados que no son fácilmente capturados por comandos explícitos. Utilizando el algoritmo de agrupamiento k-means, clasificamos las erupciones efusivas del Monte Etna durante los últimos 400 años en función de parámetros clave, incluyendo el volumen de lava, la Tasa Media de Salida (MOR) y la duración de la erupción. Nuestro análisis identificó seis clústeres de erupción distintos, cada uno caracterizado por dinámicas eruptivas únicas. Además, el análisis espacial reveló variaciones sectoriales significativas en la actividad eruptiva a lo largo de los flancos del Etna. Estos hallazgos, derivados a través del aprendizaje no supervisado, ofrecen nuevas perspectivas sobre el comportamiento eruptivo del Etna y contribuyen al desarrollo de mapas de riesgo que son esenciales para la planificación espacial a largo plazo y la mitigación de riesgos.