La adopción de modelos basados en indicadores clave de rendimiento para diagnosticar y evaluar la competitividad de las empresas se ha presentado como una tendencia en la gestión de operaciones. Estos modelos están estructurados con diferentes variables en complejas interrelaciones, lo que dificulta el diagnóstico y el seguimiento debido al número de variables involucradas, que es uno de los principales desafíos de gestión de las Pequeñas y Medianas Empresas. En este sentido, este artículo propone el método de Red Neuronal Artificial de Ganancia de Información (GIANN). GIANN es un método para optimizar el número de variables de los modelos de evaluación para la competitividad y el rendimiento operativo de las Pequeñas y Medianas Empresas. GIANN es una metodología híbrida que combina la Teoría de Utilidad Multiatributo con conceptos de Entropía y Ganancia de Información y modelado computacional a través de Redes Neuronales Artificiales de Perceptrón Multicapa. El modelo utilizado en este artículo integra variables como puntos de vista fundamentales, factores críticos de éxito e indicadores clave de rendimiento. GIANN fue validado a través de una encuesta a gerentes de Pequeñas y Medianas Empresas en el sur de Brasil. El modelo inicial fue ajustado, reduciendo el número de indicadores clave de rendimiento en un 39% mientras se mantenía la precisión de los resultados de la medición de competitividad. Con GIANN, el número de variables a monitorear disminuye considerablemente, facilitando la gestión de las Pequeñas y Medianas Empresas.