Este artículo presenta un marco modular de enrutamiento basado en inteligencia artificial (IA) para redes de sensores inalámbricos (WSNs), que combina aprendizaje por refuerzo, aprendizaje supervisado e inteligencia de enjambre, como algoritmos genéticos y optimización por enjambre de partículas. A diferencia de métodos estáticos, este enfoque se adapta dinámicamente a cambios en la topología, tráfico y energía en tiempo real. Las simulaciones en MATLAB muestran mejoras en la entrega de paquetes, latencia y eficiencia energética en comparación con protocolos tradicionales. El estudio sienta las bases para futuras implementaciones prácticas y desafíos, destacando que las estrategias híbridas de IA pueden mejorar la fiabilidad y sostenibilidad en entornos dinámicos y limitados.