Seleccionar el método de minería más apropiado para recuperar recursos minerales es una tarea crítica de toma de decisiones en el desarrollo de proyectos mineros. Este estudio presenta un sistema de recomendación de métodos de minería basado en inteligencia artificial (AI-MMRS) para la preselección de métodos de minería subterránea. El estudio integra y evalúa la capacidad de dos enfoques para la selección de métodos de minería (MMS): el enfoque de filtrado colaborativo basado en memoria (CF) asistido por el sistema UBC-MMS para predecir los 3 métodos de minería más relevantes y algoritmos de clasificación de aprendizaje automático (ML) supervisados para mejorar la efectividad y novedad del AI-MMRS, abordando las limitaciones del enfoque CF. Los resultados revelan que el enfoque CF basado en memoria logra una precisión que varía del 81.8% al 87.9%. Entre los algoritmos de clasificación, los clasificadores de red neuronal artificial (ANN) y de k-vecinos más cercanos (KNN) tienen el mejor rendimiento, con niveles de precisión del 66.7% y 63.6%, respectivamente. Estos hallazgos demuestran la efectividad y viabilidad de ambos enfoques en MMS, reconociendo sus limitaciones y la necesidad de formación y optimización continuas. El AI-MMRS propuesto para la etapa de preselección, complementado por la participación directa de profesionales de la minería en etapas posteriores de MMS, tiene el potencial de ayudar significativamente en la toma de decisiones de MMS, proporcionando recomendaciones basadas en datos y experiencias, siguiendo la evolución continua de las prácticas mineras.