Este estudio explora la efectividad de un modelo CNN-Attention utilizando datos de posición de embarcaciones AIS y datos de bitácora de pesca para predecir áreas de pesca para el calamar argentino en alta mar del Atlántico suroeste. Las previsiones tradicionales se basan principalmente en datos de bitácora de pesca, que sufren de retrasos y una resolución espacial limitada, no satisfaciendo las necesidades reales de pesca. Esta investigación utiliza datos de posición de embarcaciones con una resolución espacial de 0.1 grados x 0.1 grados y una resolución temporal mensual, creando un conjunto de datos más refinado. En comparación con los conjuntos de datos de bitácora de pesca que incluyen factores ambientales marinos (como SST, SSH y MLD), este nuevo conjunto de datos ofrece mayor puntualidad y precisión. El análisis reveló que, de enero a abril, ambos conjuntos de datos produjeron buenas predicciones, pero el modelo basado en datos de posición de embarcaciones tuvo un rendimiento deficiente en diciembre, mayo y junio en comparación con el modelo de bitácora de pesca. Esta investigación no solo proporciona un método de pronóstico confiable para las áreas de pesca del calamar argentino, sino que también ofrece información para futuras predicciones de hábitats marinos y protección ecológica. Al integrar datos de embarcaciones AIS y bitácoras de pesca, el estudio propone una estrategia efectiva para mejorar la precisión de las previsiones, apoyando los esfuerzos contra el cambio climático y la pesca ilegal.