Mejorar la ecoeficiencia de los servicios de residuos sólidos municipales (RSM) es fundamental para la transición hacia una economía circular. Aunque el método de Análisis de Envoltura de Datos (DEA) se utiliza ampliamente, es susceptible al sobreajuste, lo que puede distorsionar las evaluaciones de ecoeficiencia. Este estudio aplica el método de árbol de análisis de eficiencia (EAT), que sinergiza el aprendizaje automático y la programación lineal, ofreciendo un marco más confiable para la evaluación de ecoeficiencia en el sector de RSM. Este enfoque innovador proporciona una comprensión más profunda de los niveles óptimos de costos operativos y residuos no clasificados. La investigación abarca un estudio de caso de 98 municipios chilenos desde 2015 hasta 2019, descubriendo disparidades significativas en los gastos operativos óptimos y las cantidades de residuos no clasificados, lo que subraya la necesidad de enfoques personalizados para la gestión de residuos. Las puntuaciones promedio de ecoeficiencia para 2015-2019 oscilan entre 0.561 y 0.566. Esto significa que los municipios evaluados pueden reducir los residuos no clasificados en cantidades que van desde 1,632,409 toneladas/año (2016) hasta 1,822,663 toneladas/año (2018). Los ahorros económicos potenciales estimados son de 105,973 USD/año (2019), lo que representa el 44% de los costos totales de gestión de RSM. Además, la investigación sobre los efectos de factores externos en la ecoeficiencia proporciona perspectivas matizadas que pueden guiar a los responsables de políticas y autoridades municipales en el desarrollo de estrategias de gestión de residuos efectivas y específicas para el contexto. Más allá de refinar las evaluaciones de ecoeficiencia, este estudio contribuye a procesos de toma de decisiones más informados, ayudando en el avance hacia prácticas de gestión de residuos sostenibles.