En proyectos de método observacional en ingeniería geotécnica, el diseño geotécnico final se decide durante la construcción real, dependiendo del comportamiento observado del terreno. Por lo tanto, los ingenieros deben estar preparados para tomar decisiones cruciales de manera rápida, con pocas pautas disponibles. En este artículo, proponemos acoplar el análisis numérico con algoritmos de aprendizaje automático (ML) para mejorar el proceso de decisión en proyectos de método observacional. La metodología propuesta consiste en dos pasos computacionales principales: (1) generación de datos, donde se generan automáticamente múltiples modelos numéricos de acuerdo con el rango anticipado de parámetros de entrada, y (2) análisis de datos, donde se analizan los parámetros de entrada y los resultados del modelo con modelos de ML. Usando el estudio de caso del túnel Semel en Tel Aviv, Israel, demostramos cómo este proceso computacional puede contribuir al éxito de los proyectos de método observacional a través de (1) el cálculo de la importancia de las características, que puede ayudar a identificar mejor las características clave que provocan fallos antes de la ejecución del proyecto, (2) proporcionando información sobre el plan de monitoreo, ya que se pueden probar relaciones correlativas entre varios resultados, y (3) predicciones instantáneas durante la construcción.