Las aplicaciones de resolución de problemas requieren que los usuarios ejerzan precaución en sus prácticas de uso de datos. Antes de instalar estas aplicaciones, se anima a los usuarios a leer y comprender los términos de servicio, que abordan aspectos importantes como la privacidad de los datos, procesos y políticas (denominados elementos de información). Sin embargo, estos términos suelen ser extensos y complejos, lo que dificulta que los usuarios comprendan completamente su contenido. Además, las herramientas existentes de análisis de transparencia suelen depender de la extracción manual de elementos de información, lo que resulta en un proceso que consume mucho tiempo. Para abordar estos desafíos, este documento propone un enfoque novedoso que combina la visualización de información y análisis de aprendizaje automático para automatizar la recuperación de elementos de información. La metodología implica la creación y etiquetado de un conjunto de datos derivado de múltiples términos de uso de software. Se utilizan modelos de aprendizaje automático, incluidos Naïve Bayes, BART y LSTM, para la clasificación de elementos de información y la resumen de texto. Además, el enfoque propuesto se integra en nuestra herramienta de visualización existente para permitir la detección automática y visualización de elementos de información de software. El sistema se evalúa exhaustivamente utilizando una herramienta conectada a una base de datos, incorporando varios indicadores y opiniones de expertos. Los resultados de nuestro estudio demuestran el potencial prometedor de nuestro enfoque, sirviendo como un paso inicial en este campo. Nuestra solución no solo aborda el desafío de extraer elementos de información de términos de servicio complejos, sino que también sienta las bases para futuras investigaciones en esta área.