La población creciente de la Tierra está aumentando el consumo de recursos, presionando fuertemente a la agricultura, que actualmente utiliza el 70% del agua dulce del mundo de ríos y lagos, que a su vez solo comprenden el 1% de las reservas de agua de la Tierra. Combinado con el cambio climático, la situación es alarmante. Estos desafíos impulsan la Agricultura 4.0, que se centra en procesos agrícolas sostenibles para optimizar el uso del agua. Dado este contexto, este estudio propone un modelo, basado en técnicas de Inteligencia Artificial (IA) para predecir la humedad del suelo en una zona de estudio ubicada en el sur de la Península Ibérica, principalmente una región agrícola que enfrenta sequías recurrentes y escasez de agua. Para desarrollar el modelo, se realizó una comparación entre las Redes Neuronales Artificiales (ANNs) y los Regresores de Impulso del Gradiente (GBRs), y se utilizaron datos de humedad del suelo de siete sondas distribuidas en la zona de estudio, además de varias variables (temperatura, humedad relativa, radiación solar, velocidad del viento, precipitación y evapotranspiración) de una selección de estaciones meteorológicas y pronósticos de conjunto de modelos meteorológicos. El modelo GBR final, con una tasa de aprendizaje de 0.01, una profundidad máxima de 5 y 350 estimadores, predijo la humedad del suelo con un error cuadrático medio (MSE) promedio de 0.027 y una diferencia máxima entre los datos observados y predichos del 20.09% en una serie de dos años (mayo de 2022 a junio de 2024).