Com o crescimento do setor da construção civil, foi observado um aumento considerável dos níveis de geração de resíduos da construção e demolição (RCD), que causam grandes impactos ambientais, ficando evidente a necessidade de soluções para modificação desse cenário. Assim, o emprego de agregados reciclados (AR) provenientes dos RCDs que apresentem aspectos técnicos para sua utilização, de forma a garantir resistência ao novo concreto produzido, vem se destacando por ser considerado um meio sustentável para conservação dos recursos naturais. Entretanto, por se tratar da incorporação de agregados com características distintas do natural, e grande variabilidade, faz-se necessário adequar os modelos para previsão de resistência do concreto curado. Neste sentido, a utilização de Redes Neurais Artificiais (RNAs), que são modelos matemáticos capazes de reconhecer padrões através do treinamento numérico, se colocam como valiosa alternativa para um método de previsão da resistência à compressão de espécimes de concretos com agregados reciclados. Entretanto, em função da variabilidade dos materiais o desafio de se obter resultados satisfatórios com um banco de dados reduzido se impõe. Portanto, para alcançar tal objetivo, foi necessário o levantamento de uma base de dados plural com concretos reciclados de diferentes origens de modo a conduzir a rede neural ao grau de generalização desejado. Por fim, foi proposta uma arquitetura de RNA capaz de prever a resistência final do concreto com precisão aceitável. Os resultados obtidos foram promissores, de modo que a arquitetura proposta, treinada com o banco de dados selecionado, apresentou resultados com um desvio médio de aproximadamente 3 MPa quando comparada ao conjunto de amostras de validação.