La Inteligencia Artificial (IA) y el Aprendizaje Automático (ML) se proyectan para desempeñar roles clave en las redes 5G. La gestión eficiente de los recursos radioeléctricos es de suma importancia para los operadores de red. Con la llegada de nuevas tecnologías, infraestructuras y planes, dedicar recursos radioeléctricos significativos a estimar las condiciones del canal en las redes móviles plantea un desafío. Automatizar el proceso de predicción de las condiciones del canal puede utilizar eficientemente los recursos. Hasta este punto, proponemos una técnica basada en ML, es decir, una Red Neuronal Artificial (ANN) para predecir SINR (Relación Señal-Ruido e Interferencia) con el fin de mitigar el uso de recursos radioeléctricos en las redes móviles. La programación de recursos radioeléctricos se logra generalmente en función de las condiciones del canal estimadas, es decir, SINR con la ayuda de las Señales de Referencia Sonoras (SRS). La ANN propuesta basada en Auto Regresión No Lineal Externa/Exógena (NARX) tiene como objetivo minimizar la tasa de envío de SRS y logra una precisión de R = 0.87. Esto puede llevar a liberar hasta el 4% del espectro, mejorando la eficiencia del ancho de banda y disminuyendo el consumo de energía ascendente.