Este estudio presenta un nuevo análisis comparativo de los métodos de control cognitivo de sistemas HVAC que evalúan el aprendizaje por refuerzo (RL) y el control proporcional-integral-derivativo (PID) tradicional. A través de extensas simulaciones en diversos entornos de edificios, hemos demostrado que, si bien el controlador PID proporciona estabilidad bajo condiciones predecibles, el control basado en RL puede mejorar la eficiencia energética y el confort térmico en entornos dinámicos al adaptarse constantemente a los cambios ambientales. Nuestro marco integra datos de sensores en tiempo real con una arquitectura RL escalable, lo que permite la optimización autónoma sin necesidad de un modelo preciso del sistema. Los hallazgos clave muestran que RL supera en gran medida a PID durante perturbaciones como aumentos de ocupación y fluctuaciones climáticas, y que la solución óptima preferiblemente equilibra ahorros energéticos y confort. El estudio proporciona una visión práctica sobre la implementación de control adaptativo de HVAC y destaca el potencial de RL para transformar la gestión energética de edificios a pesar de sus mayores requisitos computacionales.