El modelado numérico se utiliza cada vez más para analizar problemas prácticos de ingeniería de rocas. El índice de resistencia geológica (GSI) es un insumo crítico para muchos problemas de ingeniería de rocas. Sin embargo, no existe un método disponible que permita la cuantificación de los parámetros de entrada del GSI, y los ingenieros deben considerar un rango de valores. A medida que los proyectos avanzan, estos rangos pueden ser reducidos. Los algoritmos de aprendizaje automático (ML) se han acoplado con el modelado numérico para crear modelos sustitutos. El concepto de modelos sustitutos se alinea bien con la naturaleza deductiva de la disponibilidad de datos en proyectos de ingeniería de rocas. En este artículo, demostramos el uso de modelos sustitutos para analizar dos problemas comunes de estabilidad de taludes de roca: (1) determinar la profundidad máxima estable de una excavación vertical y (2) determinar el ángulo permitido de un talud con una altura fija. En comparación con las máquinas de soporte vectorial y los algoritmos K-vecinos más cercanos, el modelo de bosque aleatorio tiene el mejor rendimiento en un conjunto de datos de 800 modelos numéricos para los problemas discutidos en el artículo. Para todos estos modelos, los modelos de tipo regresión superan a los modelos de clasificación. Una vez que se confirma que el modelo sustituto funciona con precisión, se pueden lograr predicciones instantáneas de la profundidad máxima de excavación y del ángulo del talud de acuerdo con cualquier rango de parámetros de entrada. Esta capacidad se utiliza para investigar el impacto de la reducción de la estimación del rango del GSI.