La floración es un rasgo agronómico importante que presenta una acción génica no aditiva. La predicción habilitada por el genoma permite incorporar información molecular en la predicción del mérito genético individual. Las redes neuronales artificiales (ANN) reconocen patrones de datos y representan una alternativa como una aproximación universal de funciones complejas. En un contexto de Selección Genómica (GS), la ANN permite capturar automáticamente factores complicados como la epistasis y la dominancia. Los objetivos de este estudio fueron predecir los méritos genéticos individuales de los rasgos asociados con el tiempo de floración en el frijol común utilizando el enfoque de ANN, y comparar las habilidades predictivas obtenidas para ANN y el Mejor Predictor Lineal No Sesgado de Regresión de Cresta (RR-BLUP). Utilizamos un conjunto de 80 cultivares de frijol y el genotipado se realizó con un conjunto de 384 SNPs. La mayor precisión del proceso selectivo de valores fenotípicos basados en los valores de salida de ANN resultó en una mayor eficacia del valor genético estimado genómico (GEBV). A través del error cuadrático medio, los enfoques de inteligencia computacional a través de ANN, se demostró que los GEBV tienen una mayor eficacia que GS a través de RR-BLUP.