RESUMEN En la generacion de los Sistemas de Inferencia Borrosos, la tarea primordial es la extraccion y el ajuste de las funciones de pertenencia y las reglas borrosas. Sin embargo, al usar los metodos tradicionales para realizar esta tarea, los resultados obtenidos no son los esperados y en la mayoria de casos se presentan graves inconvenientes. Este articulo presenta una propuesta metodologica basada en Redes Neuronales Artificiales que permite extraer automaticamente las reglas borrosas y los parametros de las funciones de membresia de un Sistema de Inferencia Borroso tipo Sugeno, partiendo de un conjunto de datos entrada-salida. Se contempla el desarrollo de un software que facilitara la aplicacion en el control de procesos, la prediccion y la estimacion de parametros. PALABRAS CLAVE: Red Neuronal Artificial, Sistema de Inferencia Borroso, Logica Borrosa, Funciones de Membresia, Sistemas Neuro-Borrosos, COBOR 2.0. ABSTRACT In the generation of the Fuzzy Inference Systems, the primordial task is the extraction and the tuning of the memberships functions and the fuzzy rules. However, when using the traditional methods to carry out this task, the obtained results are not the prospective ones and in most of cases serious inconveniences are presented. This article presents a methodological proposal base in Artificial Neural Networks that allows extracting the fuzzy rules and the parameters of the functions of membership of a Fuzzy Inference System type Sugeno automatically, leaving of a group of data input-output. The development of a software is contemplated that will facilitate the application in the control of processes, the prediction and the estimate of parameters. KEYWORDS: Artificial Neuronal Network, Fuzzy Inference Systems, Fuzzy Logic, Membership Functions, Fuzzy-Neural Systems, COBOR 2.0.