En la actividad económica, las recesiones representan un período de disminución en el Producto Interno Bruto (PIB) y generalmente se presentan como episódicas y no lineales. Por esta razón, son difíciles de predecir y aparecen como uno de los principales problemas en las previsiones macroeconómicas. Un ejemplo clásico resulta ser la gran recesión que ocurrió entre 2008 y 2009 que no fue predicha. En este documento, el objetivo es ofrecer un enfoque diferente, aunque complementario, en relación con las técnicas econométricas clásicas, y mostrar cómo las técnicas de Aprendizaje Automático (ML) pueden mejorar la precisión de las previsiones a corto plazo. Como estudio de caso, utilizamos datos italianos sobre el PIB y algunas variables relacionadas. En particular, evaluamos la bondad de ajuste del modelo de previsión propuesto en un estudio de caso del PIB italiano. El algoritmo se entrena con variables macroeconómicas italianas en el período 1995:T1-2019:T2. También comparamos los resultados utilizando el mismo conjunto de datos a través del Modelo de Regresión Lineal Clásico. Como resultado, tanto los enfoques estadísticos como de ML son capaces de predecir las recesiones económicas, pero se obtiene una mayor precisión utilizando el modelo No Lineal Autoregresivo con variables exógenas (NARX).