Curvas de tensão de fluxo de metais com ligas em condições de trabalho a quente são primordiais nos processos de conformação de metais. O aço inoxidável super duplex com matriz de ferrita e partículas de austenita dispersa foram deformadas por testes de torção a quente. Simulou-se o comportamento plástico deste material usando dados apenas da região da deformação plástica e construí-se uma planilha com quatro colunas. Os atributos de entrada foram temperatura, taxa de deformação, deformação e tensão imposta pelo material durante a deformação. Estes foram submetidos a algoritmos de aprendizado de máquina em uma rede neural artificial com uma camada oculta (RNA) e depois em uma rede neural com um sistema especialista (ANFIS), resultando em curvas de fluxo plástico as quais foram comparamos com as obtidas experimentalmente. A capacidade de ambos os algoritmos de reconstruir as curvas de fluxo foram associadas às mudanças nas formas das curvas de fluxo e evolução da microestrutura. Observou-se que as curvas de tensão de escoamento previstas pelas duas técnicas foram muito semelhantes às experimentais. O ajuste das curvas experimentais e previstas é melhor quando utilizado pelo algoritmo RNA. A IA foi capaz de funcionar sem conhecer totalmente os mecanismos que representam a deformação.