En el contexto actual de creciente competitividad y complejidad en los mercados, la previsión precisa de la demanda se ha convertido en un elemento clave para una planificación de producción eficiente. Este estudio implementa redes neuronales recurrentes (RNN) para predecir la demanda de materias primas utilizando datos históricos de ventas, aprovechando su capacidad para identificar patrones temporales complejos al analizar 156 registros históricos. Los hallazgos revelan que el modelo basado en RNN supera significativamente a los métodos tradicionales en precisión predictiva cuando hay suficientes datos disponibles. Aunque no se explora la integración con sistemas MRP, los resultados demuestran el potencial de este enfoque de aprendizaje profundo para mejorar la toma de decisiones en la gestión de la producción, ofreciendo una solución innovadora para entornos industriales cada vez más dinámicos y exigentes.