Con el crecimiento de las redes inteligentes, los consumidores ahora tienen acceso a nuevas tecnologías que permiten mejoras en la calidad del servicio proporcionado y permiten nuevos niveles de eficiencia energética. Gran parte de este aumento en la eficiencia energética está directamente relacionado con los cambios en los hábitos de consumo debido a la cantidad y calidad de la información disponible gracias a las nuevas tecnologías. En este punto, la predicción a corto plazo del consumo puede considerarse una herramienta de información efectiva en la búsqueda de mejores patrones de consumo y eficiencia energética. Este documento presenta pruebas de predicción que combinan el resultado obtenido de una red neuronal artificial y métodos de regresión. La red neuronal artificial utilizada fue el Perceptrón Multicapa (MLP), y sus resultados se compararon con técnicas de regresión polinomial (de primer, segundo y tercer grado), demostrando la superioridad de la red. La red neuronal ha demostrado ser una herramienta altamente efectiva para predecir datos futuros, demostrando su capacidad para capturar patrones complejos en los datos de entrada y producir estimaciones precisas. Además, la flexibilidad de las redes neuronales para manejar grandes volúmenes de datos y su capacidad de ajuste continuo mejoran aún más su idoneidad como una herramienta sólida para predicciones futuras. Los resultados corroboran la capacidad de la metodología presentada para la predicción a corto plazo del consumo.