La pérdida de clientes es uno de los problemas más desafiantes para las empresas de telecomunicaciones. De hecho, esto se debe a que los clientes son considerados como el verdadero activo de las empresas. Por lo tanto, más empresas están aumentando sus inversiones en el desarrollo de soluciones prácticas que tienen como objetivo predecir la pérdida de clientes antes de que ocurra. Identificar qué cliente está a punto de abandonar será de gran ayuda para las empresas en la provisión de soluciones para mantener a sus clientes y optimizar sus campañas de marketing. En este trabajo, se propone un modelo híbrido inteligente basado en Optimización por Enjambre de Partículas y una red neuronal de avance para la predicción de la pérdida de clientes. Se utiliza PSO para ajustar los pesos de las características de entrada y optimizar la estructura de la red neuronal simultáneamente para aumentar el poder de predicción. Además, el modelo propuesto maneja la distribución de clases desbalanceada de los datos utilizando una técnica avanzada de sobremuestreo. Los resultados de la evaluación muestran que el modelo propuesto puede mejorar significativamente la tasa de cobertura de clientes que abandonan en comparación con otros clasificadores de última generación. Además, el modelo tiene una alta interpretabilidad, donde los pesos de las características asignados pueden dar un indicador sobre la importancia de sus características correspondientes en el proceso de clasificación.