La modelización basada en agentes es una técnica exitosa en muchos campos diferentes de la ciencia. Como un método de abajo hacia arriba, es capaz de simular comportamientos complejos basados en reglas simples y mostrar resultados tanto a escalas micro como macro. Sin embargo, desarrollar modelos basados en agentes no siempre es sencillo. El paso más difícil es definir las reglas para el comportamiento de los agentes, ya que a menudo se tiene que depender de muchas simplificaciones y suposiciones para describir los complicados procesos de toma de decisiones. En este artículo, investigamos la idea de construir un marco para la modelización basada en agentes que se basa en una red neuronal artificial para representar el proceso de decisión de los agentes. Como prueba de principio, utilizamos este marco para reproducir el modelo de segregación de Schelling. Mostramos que es posible utilizar el marco presentado para derivar un modelo basado en agentes sin necesidad de definir manualmente las reglas para el comportamiento de los agentes. Más allá de reproducir el modelo de Schelling, mostramos expansiones que son posibles debido al marco, como entrenar a los agentes en un entorno diferente, lo que conduce a un comportamiento de agente diferente.