Este proyecto abarca por un lado el campo de ingeniería del software, y por otro lado, el campo de la Inteligencia Artificial (IA) dentro de la rama de aprendizaje automático. El objetivo principal de este proyecto ha sido desarrollar un sistema que sea capaz de predecir y calcular la productividad generada por un equipo de trabajo a la hora de desarrollar un proyecto antes de formar el equipo de trabajo y comenzar el desarrollo del proyecto. Además, se predecirá la formación idónea de cada equipo de trabajo en función del proyecto dado. Nuestro sistema lo hemos basado en un algoritmo genético simple cuya función fitness ha sido calculada a partir de una red de neuronas del tipo perceptrón multicapa. La función principal de la red de neuronas es analizar la relación que existe entre las características de los miembros del equipo. Por otro lado, el algoritmo genético se encargará de seleccionar los atributos más válidos de los individuos. El proceso de experimentación demuestra que la solución generada por el algoritmo genético es capaz de proporcionar, ante nuevos patrones de datos y bajo el mínimo error posible, el resultado esperado por el usuario. This project covers on one hand the software engineering field, and on the other hand, the field of Artificial Intelligence (AI) within the branch of automatic learning. The main objective of this project is developing a system that is able to predict the productivity generated by a team when developing a project before forming the team and start the project. Moreover the productivity of each team, the system will combine the employees in order to find the best team composition for a given project. Our system has been based on a simple genetic algorithm whose fitness function has been derived from a neural network based on a multilayer perceptron. The main function of the neural network is to analyze the relationship between the characteristics of team members. Furthermore, the genetic algorithm will select the best attributes of individuals. The process of experimentation demonstrated that the solution generated by the genetic algorithm is capable of providing to new input patterns and under the least possible error, the result expected by the user. Ingeniería Informática