Este estudio investigó si la carga de trabajo del laboratorio de FIV puede optimizarse sin comprometer los resultados clínicos. Mediante simulaciones basadas en 774 ciclos reales de FIV, se probaron varias estrategias de programación ajustando los días de activación. El enfoque de optimización equilibrada redujo la carga de trabajo de fin de semana en un 20%, manteniendo al mismo tiempo un alto rendimiento de ovocitos maduros (M2). A diferencia de la carga de trabajo pura o de las estrategias centradas en M2, este método equilibró eficazmente la eficiencia del personal y el éxito clínico. El modelo demostró que la programación basada en IA puede mejorar la distribución diaria de la carga de trabajo sin afectar a la calidad de los resultados. Estos resultados sugieren que los laboratorios de FIV pueden adoptar este tipo de estrategias para mejorar la eficiencia y el bienestar del personal. Una mayor validación en el mundo real reforzaría la aplicabilidad clínica.