En este trabajo se construyeron modelos de predicción de coliformes fecales (CF) para su aplicación a la gestión de calidad de agua en playas recreativas. Se análizó la base de datos histórica del monitoreo de CF en playas realizado por el Laboratorio de Calidad Ambiental de la Intendencia de Montevideo (IM), y se generaron modelos basados en inteligencia artificial (IA) para predecir excesos (CF >2.000). Los datos abarcan 10 años de monitoreo en 21 playas de la capital (N=19359, noviembre 2009 a setiembre 2019) y presentan un amplio rango de salinidad y turbidez, con marcadas diferencias entre playas. Los CF presentaron una distribución asimétrica (min=4, mediana=250, media=1.047 y máx=1.280.000) con excesos a la normativa en todas las playas. Las variables registradas in situ, meteorológicas y oceanográficas fueron utilizadas para entrenar modelos de IA. El mejor modelo fue un bosque aleatorio estratificado con un porcentaje de acierto para los excesos de 86%. La predicción de excesos mejoró un 60% respecto al criterio actual de cierre de playas las 24 hs posteriores a precipitaciones. La generación de datos de calidad por parte de la IM junto con estrategias de modelización inteligente resultan en un insumo relevante para la gestión de playas recreativas.