La energía es un recurso precioso en el Internet de las Cosas (IoT) habilitado para sensores. La carga desigual en los sensores agota rápidamente su energía, lo que puede interrumpir las operaciones en la red. Además, una única técnica de inteligencia artificial no es suficiente para resolver el problema del equilibrio de carga y minimizar el consumo de energía, debido a la integración de IoT habilitado para sensores inteligentes ubicuos. En este documento, presentamos un algoritmo de agrupamiento neuro difuso adaptativo (ANFCA) para equilibrar la carga de manera uniforme entre los sensores. Sintetizamos lógica difusa y una red neuronal para contrarrestar la selección del número óptimo de jefes de clúster y la distribución uniforme de la carga entre los sensores. Desarrollamos reglas difusas, conjuntos y funciones de pertenencia de un sistema de inferencia neuro difuso adaptativo para decidir si un sensor puede desempeñar el papel de jefe de clúster basado en los parámetros de energía residual, distancia del nodo a la estación base y densidad del nodo. El ANFCA propuesto superó a los algoritmos de vanguardia en términos de porcentaje de tasa de muerte del nodo, número de nodos funcionales restantes, consumo de energía promedio y desviación estándar de energía residual.