Con el paradigma emergente de Internet de las Cosas, la Comunicación Masiva entre Máquinas (mMTC) ha sido identificada como uno de los servicios prominentes que permite una amplia gama de aplicaciones con diversos requisitos de Calidad de Servicio (QoS) para las redes 5G y posteriores. Sin embargo, es muy difícil emplear una red física monolítica para soportar diversas aplicaciones mMTC con requisitos de QoS diferenciados. Además, en redes móviles ultra densas, la escasez del preámbulo y de los recursos del Canal de Control en Bajada Físico (PDCCH) puede llevar fácilmente a colisiones de recursos cuando un gran número de dispositivos acceden a la red simultáneamente. Para abordar estos problemas, en este documento, proponemos un marco de acceso aleatorio inteligente habilitado para el slicing de red para mMTC. En primer lugar, al adaptar una red física gigante en múltiples rebanadas de red livianas, se puede lograr una provisión de QoS detallada y se puede reducir efectivamente el dominio de colisión del Acceso Aleatorio (RA). Además, proponemos un concepto novedoso de preámbulos rebanados (sPreambles), sobre la base del cual se optimiza el procedimiento RA transicional y se alivia efectivamente el problema de escasez de preámbulos. Además, con el objetivo de aliviar la escasez de recursos de PDCCH y mejorar la eficiencia de transmisión, proponemos un esquema de uso de recursos basado en aprendizaje que puede multiplexar inteligentemente los recursos de PDCCH en un entorno naturalmente dinámico. Los resultados de la simulación muestran que el marco propuesto puede asignar eficientemente recursos a dispositivos individuales de mMTC garantizando sus requisitos de QoS en procesos de acceso aleatorio.