La falta de monitoreo e información de los niveles de piezométricos de pozos es uno de los diversos problemas en el manejo y gestión de cuencas. En este trabajo se desarrolló una herramienta usando Machine Learning, imágenes Sentinel, variables de las condiciones fisiográficas del territorio y datos de piezometría de CONAGUA del año 1999 y 2020 para generar un modelo predictivo de la profundidad de los niveles piezométricos y un mapa de error que permite conocer en que zonas de la cuenca de la Laguna de Bustillos se necesita más muestreo. La predicción del mapa obtuvo una certidumbre de R2 = 0.88 y un error promedio de RMSE = 12 m. Se llegó a la conclusión de que la herramienta desarrollada puede ser una herramienta más eficiente y económica para predecir el nivel piezométrico del acuífero y da información de las áreas donde se necesita más muestreo puntual.