Este trabajo presenta el diseño, modelado e implementación de un controlador de modelo inverso de red neuronal para rastrear el punto de máxima potencia de un módulo fotovoltaico (PV). Se implementó una red autoregresiva no lineal con entradas exógenas (NARX) en una arquitectura serie-paralelo. El modelado matemático del módulo PV fue desarrollado, se diseñó un convertidor buck para operar en modo de conducción continua con una frecuencia de conmutación de 20 KHz, y el controlador neural dinámico fue diseñado utilizando la Neural Network Toolbox de Matlab/Simulink (MathWorks, Natick, MA, USA), y se implementó en una placa Arduino Mega de hardware abierto. Para obtener las señales de referencia para el NARX y determinar el comportamiento del módulo PV de 65 W, se utilizó un sistema compuesto por una celda PV de 0.8 W, un sensor de temperatura, un sensor de voltaje y una red neural estática. Para evaluar el rendimiento se realizó una comparación con el algoritmo tradicional P&O en términos de tiempo de respuesta y oscilaciones alrededor del punto de operación. Los resultados de la simulación demostraron la superioridad del controlador neural sobre el P&O. Los resultados de la implementación mostraron que aproximadamente se obtiene la misma potencia con ambos controladores, pero el controlador P&O presenta oscilaciones entre 7 W y 10 W, en contraste con el controlador inverso, que tenía oscilaciones entre 1 W y 2 W.