O Exame Nacional do Ensino Médio (ENEM) é um instrumento central para o acesso ao ensino superior no Brasil, mas seus resultados refletem profundas desigualdades. Compreender os fatores que determinam o desempenho, especialmente em nível regional, é fundamental. Contudo, modelos preditivos de Aprendizado de Máquina (ML), embora precisos, são frequentemente “caixas-pretas”, o que limita seu valor para a formulação de políticas. Este estudo aborda essa lacuna ao aplicar técnicas de ML (Random Forest) e de Inteligência Artificial Explicável (XAI), por meio de SHAP, para analisar o desempenho de 51.091 estudantes do Rio Grande do Norte (RN) no ENEM 2022. Os resultados confirmam que os fatores socioeconômicos são os preditores mais influentes. A análise SHAP identificou como variáveis-chave, notadamente a escolaridade dos pais, a renda familiar e o tipo de escola (pública vs. privada), que criam um “abismo de oportunidades” e polarizam os resultados. Ao desvendar o modelo preditivo, este trabalho fornece evidências regionais robustas sobre os determinantes da desigualdade educacional, oferecendo subsídios para o desenvolvimento de políticas de equidade voltadas a mitigar o impacto da origem socioeconômica no desempenho acadêmico futuro dos estudantes.