En los negocios modernos, la Inteligencia Artificial (IA) y el Aprendizaje Automático (AA) han afectado positivamente la estrategia y la toma de decisiones en forma de modelado predictivo. Este estudio tiene como objetivo utilizar AA e IA para predecir retrasos en la llegada de vuelos en la red de aeropuertos de Estados Unidos. Los retrasos en los vuelos tienen graves impactos sociales, ambientales y económicos. Implementar modelos de AA durante el proceso de toma de decisiones operativas puede ayudar a reducir el impacto de estos retrasos. Se llevó a cabo una revisión de la literatura y una evaluación crítica de estudios e investigaciones anteriores relacionadas con la predicción de retrasos en vuelos. En la revisión de la literatura, se analizaron los conjuntos de datos utilizados, las características seleccionadas, los algoritmos seleccionados y las herramientas de evaluación utilizadas en estudios anteriores, lo que influyó en las decisiones tomadas en la metodología de este estudio. Los datos para este estudio provienen de dos conjuntos públicos de datos de vuelos nacionales y datos meteorológicos de 2017. Los datos se procesan y se dividen en datos de entrenamiento, validación y prueba. Posteriormente, estos modelos de AA se evalúan y comparan en función de las métricas de rendimiento obtenidas utilizando los datos de prueba. El modelo predictivo con el mejor rendimiento (al elegir entre regresión logística, bosque aleatorio, máquina de refuerzo de gradiente y redes neuronales de avance) es la máquina de refuerzo de gradiente.