Este trabajo propone la generacion automatica de explicaciones a partir de modelos probabilistas. Cuando se analizan las explicaciones de un experto, se observa que las explicaciones se concentran en la "variable mas relevante," es decir, la variable que en el estado actual del sistema tiene la influencia mas alta sobre la accion optima. Asi, para generar la explicacion, el primer paso es obtener la variable relevante; y en una segunda fase, construir la explicacion. En la primera fase se propone un mecanismo para la seleccion de una variable relevante en un proceso de decision de Markov factorizado basado en la evaluacion del impacto de la variable en la utilidad y la evaluacion del impacto en la accion optima. En una segunda fase, se propone un mecanismo para generacion de explicaciones que combina informacion del MDP, la variable relevante y una base de conocimiento del dominio. El mecanismo de explicaciones fue evaluado al incorporarlo a un asistente inteligente para entrenamiento de operadores.