La temperatura de inicio de la martensita (Ms) es un parámetro crítico en la producción de piezas y aceros estructurales y desempeña un papel vital en los procesos de tratamiento térmico para lograr las propiedades deseadas. Sin embargo, a menudo es difícil estimarla con precisión solo a través de la experiencia. Este estudio introduce un modelo que predice la temperatura Ms de aceros de medio carbono basándose en sus composiciones químicas utilizando el método de red neuronal artificial (ANN) y compara los resultados con los de fórmulas empíricas anteriores. Los resultados indican que el modelo ANN supera a los métodos convencionales en la predicción de la temperatura Ms del acero de medio carbono, logrando un error absoluto promedio de -0,93 grados y un error porcentual medio de -0,097%. Además, esta investigación proporciona un método o herramienta precisa con la cual presentar el efecto cuantitativo de los elementos de aleación en la temperatura Ms de los aceros de medio carbono. Este enfoque es directo, visualmente interpretable y altamente preciso, lo que lo hace valioso para el diseño de materiales y la predicción de las propiedades de los materiales.