Hoy en día, el porcentaje de tiempo que la población pasa sentada ha aumentado sustancialmente debido al uso de computadoras como la principal herramienta para el trabajo o el ocio y al aumento de trabajos con una carga laboral de oficina elevada. Como consecuencia, es común sufrir dolores musculoesqueléticos, principalmente en la espalda, que pueden llevar a daños temporales y crónicos. Este dolor está relacionado con mantener una postura durante un período prolongado de estar sentado, generalmente frente a una computadora. Este trabajo presenta un sistema de monitoreo de postura IoT mientras se está sentado. El sistema consta de un dispositivo equipado con Resistencias Sensibles a la Fuerza (FSR) que, colocado en el asiento de una silla, detecta los puntos donde el usuario ejerce presión al sentarse. El sistema se complementa con un modelo de Aprendizaje Automático basado en Redes Neuronales Artificiales, que fue entrenado para reconocer la postura neutral correcta, así como las seis posturas más frecuentes que implican riesgo de daño al sistema locomotor. En este estudio, se recopilaron datos de 12 participantes para cada una de las siete posiciones consideradas, utilizando el dispositivo sensorial desarrollado. Se entrenaron y evaluaron varios modelos de redes neuronales para mejorar la efectividad de la clasificación. La técnica Hold-Out se utilizó para guiar el proceso de entrenamiento y evaluación. Los resultados lograron una precisión media del 81% mediante un modelo que consta de dos capas ocultas de 128 neuronas cada una. Estos resultados demuestran que es factible distinguir diferentes posturas al sentarse utilizando unos pocos sensores ubicados en la superficie de un asiento, lo que implica menores costos y menos complejidad del sistema.