O propósito deste estudo é propor novos modelos para a classificação de maciços rochosos de minas a céu aberto localizadas no Brasil, fundamentados no sistema RMR. Os modelos propostos são baseados em técnicas de inteligência artificial. A utilização destes métodos quantitativos reduz a subjetividade dos sistemas propostos. As variáveis utilizadas foram a resistência e a alteração da rocha, condição e presença de água no maciço, e o grau de fraturamento do maciço rochoso. Assim, um número menor de variáveis foi utilizado, o que difere do sistema de classificação RMR. Os modelos foram treinados de modo supervisionado, de tal forma que as classes reais do RMR são utilizadas no treinamento, assim as técnicas identificam padrões para identificar estas classes; na fase de teste as classes são preditas e comparadas às reais, obtendo assim as acurácias dos modelos. Os valores médios de acurácia dos modelos treinados foram de 0,81; 0,89; 0,87 e 0,89 para naïve Bayes, random forest, redes neurais artificiais e máquinas de vetores de suporte, respectivamente. Estes resultados mostraram a possibilidade de definir as classes do RMR com um número menor de variáveis. O trabalho apresenta uma nova abordagem para lidar com sistemas de classificação de maciços rochosos, diminuindo a subjetividade, aumentando a seletividade dos parâmetros, reduzindo a dimensionalidade de bancos de dados geotécnicos e otimizando a aplicação de sistemas de classificação.