In this paper contains a comparative approach between artificial intelligence techniques called neural networks, specifically Neural Networks autoregressive (ARNN) versus the Box-Jenkins methodology (ARIMA), in modeling macroeconomic series Gross Domestic Product (GDP) in quarterly periods of our country. We worked with a total of 74 data GDP quarterly national real based on prices in 1994, including from the 1st quarter of 1994 to the 2nd quarter of 2012 which were obtained from the official website of the National Institute of Statistics and Information. This will build the best model for quarterly GDP forecast both the Box- Jenkins methodology with neural networks as autoregressive and performed the comparison between these two models. The best model with autoregressive neural networks was the AR-NN model 5, whose structure is given by the second and fourth lags as input variables and two nodes in the hidden layer, and the best model with the Box-Jenkins methodology is the model SARIMA (2,1,2) x (2,1,2) 4 with constant. The comparison between these models was performed using the model selection criteria such as: the adjusted determination coefficient ( ̅ ) for the calibration period, the Akaike Information Criterion (AIC) and the Schwarz Information Criterion (SIC), both for the calibration period as predictors. It was found that the model obtained by the Box-Jenkins methodology has better fit both the calibration period as in the prediction, thus gives best quarterly GDP predictions that the model obtained by autoregressive neural networksEn el presente trabajo se contiene un abordaje comparativo entre la técnica de inteligencia artificial, denominada redes neuronales, específicamente las Redes Neuronales Autorregresivas (AR-NN); frente a la metodología de Box-Jenkins (ARIMA), en el modelamiento de la serie macroeconómica Producto Bruto Interno (PBI) en periodos trimestrales de nuestro país. Se trabajó con un total de 74 datos de PBI real nacional trimestral en base a precios del año 1994, comprendidos desde el 1º trimestre del año 1994 hasta el 2º trimestre del 2012 los cuales fueron obtenidos de la página oficial del instituto nacional de estadística e informática. Para ello se construyo el mejor modelo para el pronóstico del PBI trimestral tanto con la metodología de Box-Jenkins como con la Redes Neuronales Autorregresivas y se realizó la comparación entre estos dos modelos. El mejor modelo con las Redes Neuronales Autorregresivas fue el modelo AR-NN 5, cuya estructura esta dada por el segundo y cuarto rezago como variables de entrada y dos nodos en la capa oculta; y el mejor modelo con la metodología de Box-Jenkins es el modelo SARIMA (2,1,2)x(2,1,2)4 con constante. La comparación entre estos modelos se realizo mediante los criterios de selección de modelos como: el Coeficiente de Determinación Ajustado ( ̅ ), para el periodo de Calibración; el Criterio de Información de Akaike (CIA) y el Criterio de Información de Schwarz (CIS), tanto para el periodo de calibración como el de evaluación. Se obtuvo que el modelo obtenido mediante la metodología de Box-Jenkins posee mejor ajuste tanto en el periodo de calibración como en el de evaluación, por tanto brinda mejores predicciones del PBI trimestral que el modelo obtenido mediante las Redes Neuronales AutorregresivasTesis