El desarrollo de nuevos diseños de turbomáquinas requiere numerosos cálculos de dinámica de fluidos computacional (CFD) que son intensivos en tiempo y recursos computacionales. Sin embargo, la mayoría de los datos generados de alta resolución espacial permanecen sin utilizar en etapas posteriores del desarrollo. Este también es el caso de los procesos de optimización automatizados que utilizan solo unos pocos valores integrales para determinar objetivos y restricciones. Para hacer un uso adicional de esta gran cantidad de datos de CFD, se desarrolla y entrena un modelo de IA basado en datos, utilizando la arquitectura Transformer y los datos de CFD disponibles. El método presentado proporciona posteriormente una aproximación rápida del flujo 3D para nuevos diseños. En este artículo, se presenta la estructura del modelo de IA desarrollado y se analiza la calidad de la aproximación utilizando un caso de prueba complejo y de última generación de compresores. Se demuestra que el modelo de IA puede reproducir muchas características del flujo 3D de nuevos diseños, y se pueden derivar medidas de rendimiento como la eficiencia a partir de estas predicciones de flujo. Además, el caso de prueba complejo reveló que una mayor variación en el diseño reduce la calidad de la aproximación de la IA, lo que puede llevar a un comportamiento exploratorio indeseable en un entorno de optimización. En general, el caso de prueba ha mostrado resultados prometedores y ha proporcionado indicios para futuras mejoras en el modelo de IA.