Desarrollar modelos precisos para sistemas fotovoltaicos (PV) tiene un impacto significativo en la evaluación de la precisión y prueba de sistemas PV. La inteligencia artificial (IA) es la ciencia de desarrollar trabajos de máquinas para que sean más inteligentes, similar al cerebro humano. Involucrar técnicas de IA en la modelización tiene una modificación significativa en la precisión de los modelos desarrollados. En este documento, se propone un novedoso modelo dinámico de PV basado en IA. El modelo dinámico de PV propuesto fue diseñado basado en un sistema de inferencia neurodifuso adaptativo (ANFIS). ANFIS es una combinación de una red neuronal y un sistema difuso; por lo tanto, tiene las ventajas de ambas técnicas. El proceso de diseño está bien discutido. Se prueban varios tipos de funciones de membresía, diferentes números de entrenamiento y diferentes números de funciones de membresía a través de simulaciones de MATLAB hasta que se satisfacen los requisitos de IA del modelo ANFIS. El modelo obtenido se evalúa comparando la precisión del modelo con los modelos dinámicos clásicos propuestos en la literatura. El error cuadrático medio (RMSE) de la corriente de salida real del sistema PV se compara con la corriente de salida del modelo PV propuesto. El modelo ANFIS se entrena basado en datos de entrada-salida capturados de un sistema PV real bajo condiciones de irradiación y temperatura especificadas. El modelo propuesto se compara con modelos dinámicos PV clásicos como el modelo de orden integral (IOM) y el modelo de orden fraccional (FOM), que han sido propuestos en la literatura. El uso de ANFIS para modelar sistemas PV dinámicos logra un modelo de PV dinámico preciso en comparación con los modelos dinámicos clásicos IOM y FOM.