El éxito sin precedentes de las redes neuronales clásicas y los recientes avances en computación cuántica han motivado a la comunidad investigadora a explorar la interacción entre estas dos tecnologías, lo que ha llevado a los llamados redes neuronales cuánticas. De hecho, se espera que las computadoras cuánticas universales aceleren y mejoren la precisión de las redes neuronales. Sin embargo, aún no está claro si dichas redes neuronales cuánticas resultarán en una ventaja clara en dispositivos cuánticos de escala intermedia ruidosos (NISQ). En este artículo, proponemos una metodología sistemática para diseñar capas cuánticas en arquitecturas de redes neuronales híbridas cuántico-clásicas (HQCNN). Siguiendo nuestra metodología propuesta, desarrollamos diferentes variantes de redes neuronales híbridas y las comparamos con arquitecturas clásicas puras de tamaño equivalente. Finalmente, evaluamos empíricamente nuestras variantes híbridas propuestas y demostramos que la adición de capas cuánticas proporciona una ventaja computacional notable.