La mejora en la eficiencia energética es reconocida como uno de los parámetros significativos para alcanzar nuestro objetivo de emisiones netas cero para 2050. Un área emocionante para el desarrollo son las tecnologías convencionales de captura de carbono. Los sistemas actuales basados en la absorción de aminas para la captura de carbono operan en condiciones subóptimas, lo que resulta en una pérdida de eficiencia y un alto gasto operativo. El conocimiento de la especiación cualitativa y cuantitativa de los sistemas de alkanolamina cargados de CO y sus interacciones puede mejorar el diseño del equipo y definir condiciones operativas óptimas. Este trabajo investiga el potencial de la espectroscopia Raman como una herramienta de monitoreo in situ para determinar la concentración de especies químicas en soluciones acuosas de monoetanolamina (MEA) cargadas de CO. Se recopiló información experimental sobre la especiación química y el equilibrio vapor-líquido en una variedad de parámetros de proceso. Luego, se aplicaron por separado la regresión de mínimos cuadrados parciales (PLS) y una red neuronal artificial (ANN) para desarrollar dos modelos de calibración de especies Raman donde el modelo de Kent-Eisenberg correlacionó las concentraciones de especies. Los datos se emparejaron y distribuyeron aleatoriamente en conjuntos de datos de calibración y prueba. Se realizó un análisis cuantitativo basado en el coeficiente de determinación (R) y el error cuadrático medio (RMSE) para seleccionar los parámetros óptimos del modelo para el enfoque PLS y ANN. Se observaron valores de R superiores a 0.90 en ambos casos, lo que indica que ambas técnicas de regresión pueden predecir satisfactoriamente la concentración de especies. Los modelos ANN son ligeramente más precisos que PLS. Sin embargo, PLS (siendo un modelo de caja blanca) permite el análisis de variables espectrales utilizando un gráfico de pesos.