La calidad del aire interior juega un papel crucial en la salud y el bienestar humano, siendo la humedad relativa (HR) un factor clave que influye en la salud respiratoria, el confort interior y la vida útil de los edificios. Un mal control de la HR puede agravar la contaminación del aire interior, lo que lleva a efectos adversos en la salud y a un aumento de los riesgos de crecimiento microbiano. Este estudio creó un enfoque predictivo para la gestión de la HR interior mediante el desarrollo de un sistema electrónico inteligente que regula proactivamente un humidificador y un deshumidificador para mantener niveles óptimos de humedad. El sistema integra un algoritmo de pronóstico basado en el modelo ARIMA, que permite predicciones de HR a corto plazo y ajustes dinámicos antes de que ocurran condiciones extremas. El modelo ARIMA fue seleccionado por su robustez en la predicción de series temporales, asegurando predicciones precisas y una mejor regulación del clima interior. Los resultados demuestran que esta estrategia de control predictivo reduce significativamente las fluctuaciones en la HR, previniendo los efectos de la contaminación del aire interior asociados con extremos de humedad, al tiempo que mejora la eficiencia energética. Además, el proceso de validación iterativa confirma la fiabilidad y adaptabilidad del modelo a las condiciones ambientales cambiantes. Este estudio sugiere la importancia del control predictivo de la HR para mitigar la amenaza de una mala calidad del aire interior, mejorar el confort interior y promover entornos de vida energéticamente eficientes y sostenibles.