Las previsiones de inflación fiables son esenciales tanto para las operaciones comerciales como para la formulación de políticas macroeconómicas. Este estudio explora el potencial de utilizar técnicas de aprendizaje automático (ML) para mejorar la precisión de las previsiones humanas de inflación. Específicamente, desarrollamos y examinamos procedimientos de ajuste de previsiones centrados en ML donde se emplean técnicas avanzadas de ML para predecir y, por lo tanto, mitigar los errores de las previsiones humanas, de manera similar a cómo un corrector ortográfico y gramatical impulsado por IA ayuda a prevenir errores en la escritura humana. Nuestros ejercicios empíricos demuestran los beneficios de varias técnicas populares de ML, como la red elástica, LASSO y regresiones ridge, y proporcionan evidencia de su capacidad para mejorar tanto nuestras propias previsiones de inflación de referencia como las reportadas por los participantes frecuentes en la Encuesta de Pronosticadores Profesionales de EE. UU. Los procedimientos de ajuste de previsiones propuestos en este documento son conceptualmente atractivos, ampliamente aplicables y empíricamente efectivos para reducir el sesgo de las previsiones y mejorar la precisión de las mismas.