Para una gestión de riesgos efectiva de edificios complejos, es necesario estimar dinámicamente el riesgo en el servicio y tomar las medidas adecuadas para contrarrestarlo. Esto implica poder estimar las probabilidades evolutivas de fallos a lo largo del tiempo y la forma en que su ocurrencia afecta la confianza en el servicio. Esto es ahora posible gracias a la llegada de nuevas tecnologías de sensores y modelos basados en datos para estimar las probabilidades de fallo, así como metodologías sólidas de gestión de riesgos para estimar su efecto en el servicio. Sin embargo, se debe considerar que la implementación de una gestión de riesgos dinámica en la operación estándar de edificios debe tener en cuenta la reconfiguración de algunos procesos para incluir el uso de tecnologías habilitadoras. En este documento se propone una nueva metodología de gestión de riesgos dinámica para modelar consistentemente (i) el servicio, estimar el riesgo, primero (ii) de manera estática, utilizando análisis de árboles de fallos, y luego (iii) de manera dinámica, utilizando tecnologías de sensores para la recopilación de datos y modelos basados en datos para la estimación dinámica de probabilidades, y finalmente (iv) implementar las medidas de intervención necesarias para minimizar el riesgo. Luego se presenta una aplicación de la metodología para la gestión de riesgos de una unidad de tratamiento de aire, utilizando una red neuronal convolucional, y se discuten sus resultados. También se extraen conclusiones sobre las implicaciones de integrar tal metodología en el proceso actual de gestión de riesgos de edificios completos y se proponen varias perspectivas.