Este estudio explora las características de los inversores individuales en los mercados de activos criptográficos utilizando métodos de aprendizaje automático e inteligencia artificial explicable (XAI). El objetivo principal fue identificar el modelo más efectivo para predecir la probabilidad de que un individuo invierta en activos criptográficos en el futuro, basándose en factores demográficos, conductuales y financieros. Los datos se recopilaron a través de un cuestionario en línea distribuido a través de redes sociales y redes personales, lo que resultó en una muestra limitada pero informativa. Entre los modelos probados, el SVM Lineal Eficiente y el Naïve Bayes con Kernel surgieron como los más óptimos, equilibrando precisión e interpretabilidad. Las técnicas de XAI, incluyendo SHAP y Gráficos de Dependencia Parcial, revelaron que la comprensión de las criptomonedas, los riesgos percibidos de las criptomonedas y los beneficios percibidos de las criptomonedas fueron los factores más influyentes. Para los individuos con una alta probabilidad de invertir, estos factores tuvieron un fuerte impacto positivo, mientras que influyeron negativamente en aquellos con una baja probabilidad. Sin embargo, para aquellos con una probabilidad de inversión moderada, los efectos fueron mixtos, destacando la naturaleza transicional de este grupo. Los hallazgos del estudio proporcionan información práctica para que las instituciones financieras refinen sus estrategias y mejoren el compromiso de los inversores. Además, subraya la importancia del aprendizaje automático interpretable en el análisis del comportamiento financiero y destaca los factores clave que moldean el compromiso en el mercado de criptomonedas en evolución.