Este trabajo propone una inversión basada en un proceso estocástico para estimar la resistividad de hidrocarburos basada en datos electromagnéticos (EM) multifrecuencia. Actualmente, se utilizan algoritmos basados en mallas para procesar las respuestas EM, lo que provoca un alto consumo de tiempo y la imposibilidad de cuantificar la incertidumbre. Se utiliza el proceso gaussiano (GP) como enfoque de modelado directo alternativo para evaluar los perfiles EM con cuantificación de incertidumbre. Para la optimización, se utiliza el descenso de gradientes para encontrar el óptimo minimizando su función de pérdida. Los perfiles EM previos se evalúan utilizando elementos finitos (FE) a través de la tecnología de simulación por computadora (CST). Con fines de validación, se calcula la desviación cuadrática media y su raíz entre los perfiles EM evaluados por el GP y FE en las resistividades no observadas. Se compara el tiempo tomado por el GP y CST para evaluar los perfiles EM, y también se calcula el error absoluto entre la estimación y su entrada de simulación. Todas las desviaciones resultantes fueron significativamente pequeñas, y el GP tardó menos tiempo en evaluar los perfiles EM en comparación con el software. Los conjuntos de datos observacionales también se encontraban dentro del intervalo de confianza del 95% (IC) donde las entradas de resistividad fueron estimadas por la inversión propuesta. Esto indica que la inversión basada en un proceso estocástico puede estimar efectivamente la resistividad de hidrocarburos en el registro del lecho marino.