Abordar las complejidades de desmantelar redes en sistemas complejos plantea desafíos significativos. Esta tarea tiene relevancia en diversos dominios prácticos, sin embargo, los enfoques tradicionales se centran principalmente en métricas singulares, como el número de nodos en el Componente Conectado Gigante (GCC, por sus siglas en inglés) o la conectividad promedio por pares. En contraste, proponemos una métrica única que apunta simultáneamente a los nodos con el grado más alto y reduce el tamaño del GCC. Dada la naturaleza NP-difícil de optimizar esta métrica, presentamos MaxShot, una solución innovadora de extremo a extremo que aprovecha el aprendizaje de representación de grafos y el aprendizaje por refuerzo. A través de evaluaciones exhaustivas en conjuntos de datos sintéticos y del mundo real, nuestro método supera consistentemente a los principales puntos de referencia en precisión y eficiencia. Estos resultados resaltan el potencial de MaxShot como un enfoque superior para abordar de manera efectiva el problema de desmantelamiento de redes.