El mundo digital es muy dinámico. La capacidad de identificar a tiempo posibles tendencias de migración de proveedores o riesgos de pérdida de clientes es muy importante en los servicios basados en la nube. Este trabajo describe un sistema de predicción de riesgo de abandono y cómo se puede aplicar para guiar a los proveedores de servicios en la nube en la recomendación de ajustes en el nivel de suscripción del servicio, tanto para promover un consumo racional de recursos como para evitar la pérdida de clientes de CSP. Se construyó un conjunto de datos de entrenamiento a partir de datos reales sobre el cliente, el servicio suscrito y su historial de uso, y se utilizó en un enfoque de aprendizaje automático supervisado para la predicción. Se construyeron y evaluaron modelos de clasificación basados en redes neuronales multicapa, AdaBoost y algoritmos de bosques aleatorios. A partir de los experimentos con nuestro conjunto de datos, se obtuvieron los mejores resultados para una predicción de abandono con un modelo basado en bosques aleatorios, con 64 estimadores, teniendo una precisión de 0.988 y un valor AUC de 0.997.