Este artículo presenta los resultados de un estudio que optimiza y perfecciona el modelo DistilBERT basado en Transformer para mejorar la detección de correos electrónicos de phishing ante la creciente amenaza que representan. Utilizamos técnicas de preprocesamiento para abordar el problema del conjunto de datos desequilibrado y demostramos experimentalmente una alta precisión. Además, garantizamos la transparencia al explicar el proceso de predicción del modelo mediante técnicas XAI como LIME y Transformer Interpret.