La transmisión de video en vivo se ha convertido en una de las principales tendencias multimedia en las redes en los últimos años. Proporcionar Calidad de Servicio (QoS) durante las transmisiones en vivo es un desafío debido a los estrictos requisitos de baja latencia y mínimas interrupciones. Este escenario ha llevado a una alta dependencia de los servicios en la nube, lo que implica un uso generalizado de las conexiones a Internet, lo que limita los contextos en los que una conexión a Internet no está disponible. Por lo tanto, surgen alternativas como las Redes Ad Hoc Móviles (MANETs) como técnicas de comunicación potenciales. Estas redes operan de forma autónoma con dispositivos móviles que sirven como nodos, sin necesidad de coordinar componentes centralizados. Sin embargo, estas características plantean desafíos para la transmisión de video en vivo, como topologías de nodos dinámicas o períodos de desconexión. Teniendo en cuenta estas limitaciones, este documento investiga la aplicación de técnicas de clasificación basadas en Inteligencia Artificial (IA) para proporcionar transmisión adaptativa en MANETs. Para esto, se propone una arquitectura impulsada por software para enrutar el flujo en MANETs sin conexión, prediciendo la estabilidad de los enlaces individuales y comprimiendo los cuadros de video en consecuencia. La propuesta se implementa y se evalúa en un contexto de laboratorio, en el que se analizan el rendimiento del modelo y las métricas de QoS. Como resultado, el modelo se implementa en un algoritmo de bosque de decisiones, que proporciona una precisión del 95.9%. Además, los valores de latencia obtenidos se vuelven asumibles para la transmisión de video, manifestando una respuesta confiable para el enrutamiento y los movimientos de nodos.