Muchos problemas de análisis de datos pueden ser modelados como un problema de optimización restringida caracterizado por funcionales no suaves, a menudo debido a la presencia de términos de regularización. Una de las formas más efectivas de resolver tales problemas es a través del Método de los Multiplicadores de Dirección Alternativa (ADMM), que ha demostrado tener buenas propiedades de convergencia teórica incluso si los subproblemas resultantes se resuelven de manera inexacta. Sin embargo, la experiencia muestra que la elección del parámetro que penaliza la violación de la restricción en la Lagrangiana Aumentada subyacente a ADMM afecta el rendimiento del método. Con este fin, las estrategias para la selección adaptativa de dicho parámetro han sido analizadas en la literatura y siguen siendo de gran interés. En este documento, partiendo de una estrategia espectral adaptativa recientemente propuesta en la literatura, investigamos el uso de diferentes estrategias basadas en reglas de tamaño de paso tipo Barzilai-Borwein. Probamos la efectividad de las estrategias propuestas en la solución de problemas de regresión logística de consenso y optimización de carteras de la vida real.