Este artigo apresenta uma solução com aprendizado de máquina para otimizar a alocação de docentes na Universidade do Distrito Federal. Utilizando o algoritmo RandomForestClassifier, o sistema automatiza a distribuição com base em competências, habilitações e histórico. Técnicas como GridSearchCV foram aplicadas para ajuste fino do modelo, garantindo conformidade com normas institucionais e com a LGPD. A solução alcançou mais de 90% de precisão, reduziu o tempo de alocação e promoveu maior justiça na distribuição da carga horária. O modelo mostrou-se eficaz, com desafios mapeados e propostas de melhorias futuras.