Este estudo investigou se a carga de trabalho do laboratório de FIV pode ser optimizada sem comprometer os resultados clínicos. Utilizando simulações baseadas em 774 ciclos reais de FIV, foram testadas várias estratégias de programação através do ajuste dos dias de ativação. A abordagem de otimização equilibrada reduziu a carga de trabalho ao fim de semana em 20%, mantendo um elevado rendimento de oócitos maduros (M2). Ao contrário das estratégias centradas na carga de trabalho pura ou na M2, este método equilibrou eficazmente a eficiência do pessoal e o sucesso clínico. O modelo demonstrou que a programação baseada em IA pode melhorar a distribuição da carga de trabalho diária sem afetar a qualidade dos resultados. Estes resultados sugerem que os laboratórios de fertilização in vitro podem adotar estas estratégias para aumentar a eficiência e o bem-estar do pessoal. Uma validação adicional no mundo real reforçaria a aplicabilidade clínica.