En las últimas dos décadas, la tecnología de Identificación por Radiofrecuencia (RFID) ha logrado un notable mejoramiento en su rendimiento y ha sido reconocida como uno de los habilitadores clave de los conceptos de Internet de las Cosas (IoT). De manera paralela, el extenso empleo de algoritmos de Aprendizaje Automático (ML) en diversas áreas de IoT ha llevado a numerosas ventajas que incrementan la utilización exitosa en diferentes escenarios. El trabajo presentado en este documento proporciona un análisis de viabilidad de caso de uso de la implementación de algoritmos de ML para la estimación del tamaño del marco basado en ALOHA en el sistema RIFD Gen2. Los hallazgos presentados en esta investigación indican que los algoritmos de ML examinados pueden ser implementados en microcontroladores modernos de última generación con recursos limitados, mejorando el rendimiento del sistema. Además, tal utilización puede hacer frente a la latencia dado que el tiempo de ejecución es suficiente para cumplir con las necesidades del protocolo.