El rápido crecimiento del tráfico de red genera la necesidad de desarrollar nuevas tecnologías de red. La inteligencia artificial proporciona herramientas adecuadas para mejorar los métodos de optimización de red actualmente utilizados. En este documento, proponemos un procedimiento para la predicción del tráfico de red. Basándonos en las características de las redes ópticas (y otras tecnologías de red), nos enfocamos en la predicción de niveles de bits fijos llamados niveles de tráfico. Desarrollamos y evaluamos dos enfoques basados en diferentes métodos de aprendizaje automático supervisado (ML): clasificación y regresión. Examinamos cuatro modelos de ML diferentes con diversas características seleccionadas. Los conjuntos de datos probados se basan en patrones de tráfico reales proporcionados por el Punto de Intercambio de Internet de Seattle (SIX). Los resultados obtenidos se analizan utilizando una nueva métrica de calidad, que permite a los investigadores encontrar el mejor algoritmo de pronóstico en términos de uso de recursos de red y costos operativos. Nuestra investigación muestra que la regresión proporciona mejores resultados que la clasificación en el caso de todos los conjuntos de datos analizados. Además, la elección final del algoritmo y modelo de ML más apropiados debería depender de las expectativas del operador de red.