La creciente complejidad de los sistemas de aeronaves modernas requiere soluciones de monitoreo avanzadas para garantizar la seguridad y eficiencia operativa. Los sistemas tradicionales de monitoreo de la salud de las aeronaves (AHMS) a menudo se basan en estrategias de mantenimiento reactivo, detectando solo fallas visibles y dejando problemas subyacentes sin abordar. Esta brecha puede conducir a fallas críticas y tiempos de inactividad no planificados, lo que resulta en costos operativos significativos. Para abordar este problema, este documento propone la integración de inteligencia artificial (IA) y tecnologías de blockchain dentro de un AHMS mejorado, utilizando el modelo del iceberg como un marco conceptual para ilustrar defectos visibles y ocultos. El modelo destaca la importancia de detectar y abordar problemas en las etapas más tempranas posibles, asegurando que los defectos ocultos sean identificados y mitigados antes de que evolucionen hacia fallas significativas. La justificación detrás de este enfoque radica en la necesidad de un sistema de mantenimiento predictivo capaz de identificar y mitigar riesgos ocultos antes de que se agraven. Las tareas clave completadas en este estudio incluyen: un análisis comparativo del sistema propuesto con las soluciones de monitoreo existentes, la selección de algoritmos de IA para la predicción de fallas y el desarrollo de una infraestructura basada en blockchain para compartir datos de manera segura y transparente. Se discute la evolución de AHMS, enfatizando el cambio de un monitoreo tradicional a enfoques avanzados, predictivos y prescriptivos de mantenimiento. Este enfoque integrado demuestra el potencial para mejorar significativamente la detección de fallas, optimizar los horarios de mantenimiento y mejorar la seguridad de datos en la industria de la aviación.