La erosión del suelo debido a la lluvia es un problema ambiental crítico en Corea del Norte, agravado por la deforestación y el cambio climático. Este estudio tiene como objetivo estimar la erosividad de la lluvia (RE) en Corea del Norte utilizando aprendizaje automático automatizado (AutoML), con un enfoque particular en los riesgos de erosión del suelo regional. Los datos de Corea del Norte se obtuvieron del conjunto de datos ReAnalysis 5 del Centro Europeo para Pronósticos Meteorológicos a Medio Plazo (ECMWF), mientras que los datos de Corea del Sur se obtuvieron de la Administración Meteorológica de Corea. Se utilizaron datos de 50 estaciones en Corea del Sur (2013-2019) y 27 estaciones en Corea del Norte (1980-2020). El modelo GradientBoostingRegressor (GBR), optimizado utilizando la Herramienta de Optimización de Pipeline Basada en Árboles (TPOT), se entrenó con datos de Corea del Sur. El rendimiento del modelo se evaluó utilizando métricas como el error cuadrático medio (RMSE), el error absoluto medio (MAE) y el coeficiente de determinación (R2), logrando una alta precisión predictiva en ocho estaciones en Corea del Sur. Utilizando el modelo optimizado, se estimó la RE en Corea del Norte y se analizó la distribución espacial de la RE utilizando la interpolación de Kriging. Los resultados revelan una variabilidad regional significativa, con las áreas del sur y del oeste mostrando la mayor erosividad. Estos hallazgos proporcionan valiosos conocimientos para la gestión de la erosión del suelo y el desarrollo de estrategias agrícolas y ambientales sostenibles en Corea del Norte.