La integridad estructural es un aspecto crucial de los componentes de ingeniería, particularmente en el campo de la fabricación aditiva (AM). La rugosidad de la superficie es un parámetro vital que influye significativamente en la integridad estructural de las piezas fabricadas aditivamente. Este trabajo de investigación se centra en la predicción de la rugosidad de la superficie de especímenes de ácido poliláctico (PLA) fabricados aditivamente utilizando ocho diferentes algoritmos de regresión basados en aprendizaje automático supervisado. Por primera vez, se emplean técnicas de IA explicativa para mejorar la interpretabilidad de los modelos de aprendizaje automático. Los nueve algoritmos utilizados en este estudio son Regresión por Vector de Soporte, Bosque Aleatorio, XGBoost, AdaBoost, CatBoost, Árbol de Decisión, el Regresor Extra Tree, el Modelo de Aumento Explicable (EBM) y el Regresor de Aumento por Gradiente. Este estudio analiza el rendimiento de estos algoritmos para predecir la rugosidad de la superficie de los especímenes de PLA, al tiempo que investiga los impactos de los parámetros de entrada individuales a través de métodos de IA explicativa. Los resultados experimentales indican que el algoritmo XGBoost supera a los otros algoritmos con el mayor valor del coeficiente de determinación de 0.9634. Este valor demuestra que el algoritmo XGBoost proporciona las predicciones más precisas para la rugosidad de la superficie en comparación con otros algoritmos. Este estudio también proporciona un análisis comparativo del rendimiento de todos los algoritmos utilizados en este estudio, junto con información derivada de técnicas de IA explicativa.