La conformación en caliente es una parte esencial de la fabricación de la mayoría de los productos de acero. El comportamiento de deformación en caliente está determinado por la temperatura, la tasa de deformación, la deformación y la composición química del acero. Hasta la fecha, se han construido modelos constitutivos para muchos aceros; sin embargo, su composición química específica limita su aplicación. En este artículo, se construyó un nuevo modelo de red neuronal artificial (ANN) para determinar el estrés de flujo del acero con alta precisión en un amplio rango de concentración de los elementos en aceros de alta aleación y resistencia a la corrosión. Se llevaron a cabo pruebas de compresión adicionales para el acero inoxidable Cr12Ni3Cu a tasas de deformación de 0.1-10 s-1 y temperaturas de 900-1200 grados C utilizando el simulador termomecánico Gleeble 3800. El modelo basado en ANN mostró una alta precisión tanto para los conjuntos de datos de entrenamiento (el error fue del 6.6%) como para los de validación (11.5%). Los valores de la energía de activación efectiva para los valores de estrés pico experimentales (410 +/- 16 kJ/mol) y predichos (380 +/- 29 kJ/mol) están en buen acuerdo. La implementación del modelo basado en ANN construido mostró una influencia significativa de la variación de la composición química de Cr12Ni3Cu dentro de la categoría sobre el estrés de flujo en un estado estacionario de la deformación en caliente.