Para planificar y gestionar inversiones bajas en carbono en amplios activos inmobiliarios, en esta investigación se desarrolla un enfoque estratégico para actuar sobre el conjunto de edificios, con el objetivo de superar la perspectiva de un solo edificio e identificar el nivel de renovación energética que conduce al beneficio máximo posible. Se muestra cómo la inteligencia artificial (IA) y la computación de optimización son esenciales para la creación del proceso de toma de decisiones. De hecho, la mejora energética consiste en un problema de optimización en el que se equilibran objetivos y restricciones conflictivos, e se integran varias técnicas para lograr un resultado unificado, incluyendo aprendizaje automático, economía, simulación energética de edificios, programación informática, optimización y análisis de riesgos. Este objetivo se logra mediante Redes Neuronales Artificiales (ANNs) para la evaluación del consumo energético, un Proceso Analítico Jerárquico para la evaluación de la compatibilidad de la renovación energética y un algoritmo de optimización evolutiva para lograr la configuración óptima de intervención en el conjunto de edificios, maximizando el rendimiento energético y económico de la inversión. El procedimiento propuesto se valida en el estudio de caso de un activo inmobiliario ubicado en el norte de Italia. Dado que el modelo desarrollado se basa en algoritmos basados en IA, tiene una limitación consecuente: las ANNs desarrolladas solo pueden funcionar para los tipos de edificios, perfiles de ocupación y áreas climáticas que se utilizaron en la fase de entrenamiento. En el desarrollo futuro de esta investigación, el objetivo será ampliar las propiedades de generalización de la herramienta de pronóstico.