Un dimensionamiento adecuado de infraestructura tecnológica puede redundar en servicios disponibles y ahorros de costos. Las investigaciones actuales en inteligencia artificial, contemplan proveedores en la nube y otros sectores. No se identifican soluciones para usuarios de infraestructura de centro de cómputo. La contribución de este trabajo es una herramienta inteligente que facilita la gestión de capacidad de infraestructura tecnológica. Se construyó la solución utilizando la metodología CRISP-DM y un caso de aplicación. El sistema contempla la gestión de datos de demanda y capacidad, y la generación de pronósticos con los modelos de aprendizaje supervisado: Regresión Lineal, Random Forest, Máquinas de Vector de Soporte y Redes Neuronales Artificiales. De acuerdo al error cuadrático medio, el mejor modelo fue Random Forest, con un error inferior al 20% respecto al máximo valor de la métrica analizada. De cara al futuro, se plantea el uso y afinamiento de esta herramienta en entornos reales.