Con el objetivo de mejorar la automatización en la detección y resolución de conflictos (CD&R) en el ámbito de la gestión del tráfico aéreo (ATM), este artículo estudia el uso de métodos de inteligencia artificial y aprendizaje automático (IA/AA) para aprender la política de los controladores de tráfico aéreo (ATCOs) en la resolución de conflictos entre aeronaves que se evalúan como violaciones de las restricciones mínimas de separación durante la fase en ruta de los vuelos, en la fase táctica de las operaciones. El objetivo es modelar cómo los conflictos son resueltos por los ATCOs. Con este fin, el artículo formula el problema de aprendizaje de la política de los ATCOs para la resolución de conflictos, aborda el desafiante problema de la falta inherente de información en los datos del mundo real y presenta métodos de IA/AA que aprenden modelos del comportamiento de los ATCOs. Los métodos se evalúan utilizando conjuntos de datos del mundo real. Los resultados muestran que los métodos de IA/AA pueden lograr una buena precisión en la predicción de las acciones de los ATCOs dadas situaciones de conflicto específicas, revelando las preferencias de los ATCOs para acciones de resolución en circunstancias específicas. Sin embargo, la alta precisión de las predicciones se ve obstaculizada por las limitaciones inherentes a los datos del mundo real.