En este estudio, evaluamos técnicas de modelado predictivo dentro de la gestión de proyectos, empleando diversas arquitecturas como los modelos LSTM, CNN, CNN-LSTM, GRU, MLP y RNN. El enfoque principal es evaluar la precisión y consistencia de las predicciones para parámetros cruciales del proyecto, incluyendo el tiempo de finalización, el personal requerido y los costos estimados. Nuestro análisis utiliza un conjunto de datos completo que encapsula las complejidades inherentes en proyectos del mundo real, proporcionando una base sólida para evaluar el rendimiento del modelo. Los hallazgos, presentados a través de tablas detalladas y gráficos comparativos, destacan el éxito colectivo de los modelos. El modelo LSTM se destaca por su rendimiento excepcional en predecir de manera consistente el tiempo de finalización, los requisitos de personal y los costos estimados. Las métricas de evaluación cuantitativa, incluyendo el Error Absoluto Medio (MAE), el Error Cuadrático Medio (MSE) y el Error Porcentual Absoluto Medio (MAPE), corroboran la eficacia de los modelos. Este estudio ofrece ideas sobre el éxito observado, reflejando el potencial para una mayor refinación y exploración continua para mejorar la precisión de los modelos predictivos en el siempre cambiante panorama de la gestión de proyectos.