Las condiciones climáticas representan un factor primordial en el desarrollo de los cultivos, fenómenos climáticos como lluvias intensas y sequias simbolizan una amenaza a la producción agrícola. La dificultad para estimar los niveles de lluvias de los próximos meses representa una limitante a fin de evaluar si una zona es apropiada para la agricultura, además de aumentar el riesgo de pérdida parcial o total de los cultivos como consecuencia de sequias o inundaciones. En el presente trabajo se plantea la construcción de un modelo predictivo capaz de estimar los niveles de precipitación para los próximos doce meses utilizando el historial climático de la región de Cundinamarca, en Colombia. Posteriormente, analizando las predicciones del modelo se propone la identificación de las zonas y meses propicios para la agricultura. El modelo predictivo utiliza técnicas de aprendizaje automatizado (machine learning) que permitirán al modelo aprender de los datos climáticos históricos con el fin de generar predicciones. Los resultados generados por el modelo preservan la tendencia de los niveles de lluvia registrados en los históricos de las zonas examinadas. Finalmente, analizando las predicciones se identificaron las zonas y meses adecuados para actividades agrícolas.