El objetivo fundamental de un proyecto de construcción es completar la fase de construcción dentro del presupuesto, pero en la práctica, las estimaciones de costos planificadas a menudo se superan. Las causas de los sobrecostos pueden deberse a una preparación y planificación insuficientes del proyecto, cambios durante la construcción, activación de eventos de riesgo, etc. Además, los costos de construcción a menudo se calculan en función de la experiencia en lugar de enfoques basados en la ciencia. Debido a los desafíos, este documento investiga el potencial de varios métodos diferentes de aprendizaje automático (regresión lineal, bosque de árboles de decisión, máquina de soporte vectorial y red neuronal de regresión general) para estimar los costos de construcción. Los métodos se implementaron en una base de datos de proyectos de construcción de edificios altos recientes en la República de Croacia. Los resultados confirmaron el potencial de los métodos de evaluación seleccionados; en particular, la máquina de soporte vectorial se destaca en términos de métricas de precisión. Los modelos de aprendizaje automático establecidos contribuyen a una comprensión más profunda de los costos reales de construcción, su optimización y una gestión de costos más efectiva durante la fase de construcción.