Este trabajo presenta el diseño, implementación y evaluación de un testbed 5G orientado al estudio de la asignación dinámica de recursos en el dominio de transporte, combinando técnicas de network slicing y software-defined networking. El objetivo es analizar cómo distintos mecanismos de adaptación pueden modificar el ancho de banda de segmentos de red con diferentes requerimientos de servicio, para aprovechar los recursos no utilizados por la red sin dejar de cumplir con los niveles de servicio establecidos. El testbed integra un núcleo 5G, nodos de acceso radio y una población configurable de dispositivos de usuario, junto con un plano de transporte programable y controlado por software. La arquitectura, totalmente basada en herramientas de código abierto, permite escalar el número de nodos de acceso y de segmentos de red, y proporciona un entorno unificado para monitorear, clasificar y manipular flujos en tiempo real. La primera contribución del trabajo es la construcción y documentación de esta plataforma, que reproduce el comportamiento de una red 5G y permite evaluar la asignación de recursos y la respuesta dinámica ante cambios de carga. Sobre esta infraestructura se desarrollan dos mecanismos alternativos de adaptación. El enfoque reactivo, basado en umbrales simples, ajusta los recursos de cada segmento por escalones ante variaciones de consumo. El enfoque predictivo usa modelos de aprendizaje automático, entrenados con datos obtenidos del sistema a partir de tráfico realista, para anticipar el throughput de corto plazo. Se diseñan funciones de pérdida asimétricas para orientar que los eventuales errores por la aleatoriedad se den por sobre-estimación y se analiza su impacto en el ancho de banda reservado (para aprovechar el excedente) y la proporción de sub-predicción (para cumplir las garantías del servicio prioritario). Los modelos desarrollados se integran en un ciclo operativo de medición, predicción y reconfiguración ejecutado cada segundo. Los resultados confirman que el sistema aísla correctamente el tráfico entre segmentos y que los modelos predictivos permiten estimar el throughput de corto plazo en segmentos con demanda variable, respondiendo a los cambios en la carga del transporte sin afectar al resto de la red. Además, el escalamiento a múltiples nodos y a un mayor número de dispositivos muestra que el testbed puede servir para evaluar estrategias de gestión distribuida de recursos.