Identificar y anticipar posibles fallas en la nube es un método efectivo para aumentar la fiabilidad de la nube y la gestión proactiva de fallos. Muchos estudios se han realizado para predecir posibles fallas, pero ninguno ha combinado las métricas de SMART (tecnología de auto monitoreo, análisis e informes) de los discos duros con otras métricas del sistema, como la utilización de la unidad central de procesamiento (CPU). Por lo tanto, proponemos un enfoque de métricas del sistema combinadas para la predicción de fallos basado en inteligencia artificial para mejorar la fiabilidad. Probamos los datos de más de 100 servidores en la nube y cuatro algoritmos de inteligencia artificial: bosque aleatorio, aumento de gradiente, memoria a corto plazo a largo plazo y unidad recurrente con compuerta, y también realizamos un análisis de correlación. Nuestro análisis de correlación arroja luz sobre las relaciones que existen entre las métricas del sistema y las fallas, y los resultados experimentales demuestran las ventajas de combinar las métricas del sistema, superando el estado del arte.