La inclusión financiera es un asunto fundamental y multidimensional que ha adquirido importancia en la agenda global en los últimos años. Además, sigue siendo una fuente de gran interés y preocupación para los legisladores, organizaciones internacionales, académicos e instituciones financieras en todo el mundo. En este sentido, esta investigación se centra en Perú para evaluar la condición de inclusión financiera del país, que continúa enfrentando obstáculos significativos para proporcionar servicios financieros a toda su población a pesar de la mejora económica. El objetivo de este artículo es doble, basado en datos recientes sobre la demanda de servicios financieros y la cultura financiera en el país: (1) probar empíricamente cómo los métodos de aprendizaje automático, como los árboles de decisión, los bosques aleatorios, las redes neuronales artificiales, XGBoost y las máquinas de soporte vectorial, pueden ser un complemento valioso a los modelos estándar (es decir, modelos lineales generalizados como la regresión logística) para evaluar la inclusión financiera en Perú, y (2) identificar los factores sociodemográficos más influyentes en la evaluación de la inclusión financiera en el país. Los resultados pueden catalizar la integración de técnicas de aprendizaje automático en el sistema financiero peruano, generando el interés de investigadores en finanzas y formuladores de políticas comprometidos con aumentar el acceso y la utilización financiera entre los consumidores peruanos.