Critical Success Factors (CSF) identify key areas for a company to succeed. This study creates a model to analyze CSF in civil construction project management, using Artificial Neural Networks (ANNs). For that, a literature review was performed to identify CSF emphasizing project management. Once the CSF were identified, a questionnaire was sent to educational institutions to evaluate the effect of each factor. Response analysis was made by the Relative Importance Index, using ANN coupled with the resilient propagation algorithm to evaluate the CSF. A total of 37,822 articles were found in 2,328 journals. Of 874 e-mails sent, 191 were answered. The respondents were distributed in 26 Brazilian states, with 70% of them being professors/researchers, 26% coordinators, 2% Rector, and 1% Director/Manager. Weights were determined using the Garson algorithm. The most critical factor in project management was ‘Unrealistic inspection and test methods in the contract’. Artificial Neural Networks produce subsidies to know the relevance of the input variables adopted and constitute an effective means for modeling nonlinear variables. Resumo: Os Fatores Críticos de Sucesso (FCS) identificam o conjunto de áreas chave que se mostram essenciais para a empresa alcance êxito em sua missão. O objetivo do presente artigo é criar um modelo para analisar os FCS que afetam o gerenciamento de projetos na indústria da construção civil (ICC), utilizando Redes Neurais Artificiais (RNAs). Para tal, parte-se de uma revisão de literatura sobre identificaçao de FCS com enfase no gerenciamento de projetos, abrangendo 37.822 artigos em 2.328 revistas. Após a identificação dos FCS, busca-se a avaliação de professores e pesquisadores voltados à ICC, sobre efeito de cada fator, utilizando-se um questionário encaminhado às instituições de ensino superior com cursos de Engenharia Civil e Arquitetura. De 874 e-mails enviados, onde 191 respondidos distribuídos em 26 estados, onde 70% ocupa o cargo de professor/pesquisador, 26% coordenadores, 2% Reitor e 1% de Direção/Gerência. A análise das resposta é feita pelo Índice de Importância Relativa, utilizando-se a RNA para avaliar os FCS com o uso do algoritmo Resilient propagation. Os pesos são determinados com uso do algoritmo de Garson. Os fatores: Inspeção irrealista e os métodos de ensaio propostos no contrato mostram-se os mais crítico no gerenciamento de projetos segundo as respostas ao questionário. As RNAs produzem subsídios para se conhecer a relevância das variáveis de entrada adotadas e constituem um meio preciso para modelagem de variáveis não lineares.