En los últimos años, el contraste contra el desperdicio de energía y la contaminación se ha vuelto obligatorio y ampliamente respaldado. Entre los muchos actores en juego, la gestión energética del sector de la construcción es uno de los más críticos. De hecho, los edificios son responsables del consumo total de energía solo en Europa, afectando a más de un tercio de la contaminación total producida. Por lo tanto, las políticas de control energético de los edificios (por ejemplo, políticas basadas en pronósticos como la Respuesta a la Demanda y la Gestión del Lado de la Demanda) desempeñan un papel decisivo en la reducción del desperdicio de energía. Con base en estas premisas, este documento presenta una metodología innovadora basada en la tecnología de Internet de las Cosas (IoT) para el pronóstico de la temperatura interior de edificios inteligentes. En detalle, nuestra metodología explota una red neuronal Autorregresiva No Lineal especializada para predicciones a corto y mediano plazo, visualizando dos tipos de explotación diferentes: (i) en datos artificiales realistas y (ii) en datos reales recopilados por dispositivos IoT desplegados en el edificio. Con este propósito, diseñamos y optimizamos cuatro modelos neuronales, centrándonos respectivamente en tres salas caracterizadoras y en todo el edificio. Los resultados experimentales tanto en un conjunto de datos simulados como en un conjunto de datos de sensores reales demuestran la precisión y robustez de predicción de nuestros modelos propuestos.