Los métodos numéricos basados en el método de elementos finitos (FE) han demostrado su eficiencia durante muchos años en la simulación termomecánica de procesos de conformado. Sin embargo, la aplicación de estos métodos a nuevos materiales requiere la identificación e implementación de leyes constitutivas y de flujo dentro de los códigos de FE, lo que a veces plantea problemas, especialmente debido al carácter fuertemente no lineal del comportamiento de estos materiales. Las técnicas computacionales basadas en aprendizaje automático y redes neuronales artificiales están cobrando cada vez más importancia en el desarrollo de estos modelos y ayudan a los códigos de FE a integrar comportamientos más complejos. En este documento, presentamos el desarrollo, implementación y uso de una ley de flujo basada en una red neuronal artificial (ANN) para una aleación GrC15 bajo solicitaciones termomecánicas a alta temperatura. El modelado de la ley de flujo mediante ANN muestra una superioridad significativa en términos de calidad de predicción del modelo en comparación con enfoques clásicos basados en modelos ampliamente utilizados de Johnson-Cook o Arrhenius. Una vez que los parámetros de ANN han sido identificados sobre la base de experimentos, la implementación de esta ley de flujo en un código de elementos finitos muestra resultados prometedores en términos de calidad de la solución y respeto del comportamiento del material.