Este trabajo tiene como objetivo mejorar la caracterización y el proceso de manufactura de antenas fabricadas con filamento PLA-BaTiO3, utilizando la impresora 3D desarrollada por el laboratorio de materiales de la Escuela de Ingeniería Química de la PUCV. Se busca optimizar el acabado de las impresiones 3D para lograr una fabricación más rentable, sin comprometer las propiedades dieléctricas ni la calidad estructural de las antenas. Para ello, se emplearán algoritmos de aprendizaje automático en forma de clasificación, junto con técnicas de selección de características para identificar los parámetros de mayor impacto. Por otro lado, este trabajo aborda una problemática crítica en proyectos de arquitectura, ingeniería y construcción (AEC): la calidad de la comunicación y colaboración entre equipos multidisciplinarios. Estos equipos suelen estar altamente fragmentados, lo que genera problemas como cuellos de botella en la información, baja cohesión y pérdida de eficiencia, impactando negativamente en plazos, costos y resultados del proyecto. Para enfrentar esta situación, se propone el uso de algoritmos de aprendizaje automático en conjunto con análisis de redes sociales (SNA), con el fin de predecir métricas estructurales clave como número de comunidades, personas aisladas, cuellos de botella, grado medio, longitud media de caminos y grado de jerarquización de la red. Estas métricas permiten identificar dinámicas ineficientes y proponer estrategias de mejora en la gestión y comunicación de los equipos. En resumen, este trabajo busca aportar significativamente a la optimización de procesos tanto en entornos materiales como organizacionales dentro de la ingeniería, utilizando aprendizaje automático, análisis de datos y selección de características como herramientas transversales de mejora.