En este artículo abordamos la predicción del embarque de aeronaves utilizando un enfoque de aprendizaje automático. Las predicciones fiables del proceso de turnaround de aeronaves son un elemento importante para aumentar aún más la puntualidad de las operaciones aéreas. En este contexto, el turnaround de aeronaves es controlado principalmente por expertos operacionales, pero el crítico embarque de aeronaves está impulsado por la experiencia de los pasajeros y su disposición o capacidad para seguir los procedimientos propuestos. Así, utilizamos una métrica de complejidad desarrollada para evaluar el progreso real del embarque y un enfoque de aprendizaje automático para predecir el tiempo final de embarque durante las operaciones en curso. Se utiliza un modelo de embarque de pasajeros validado para proporcionar datos fiables sobre el estado de la aeronave, ya que hoy no hay datos operacionales disponibles. Estos datos se agregan a un valor de complejidad basado en el tiempo y se utilizan como entrada para nuestro enfoque de red neuronal recurrente para predecir el progreso del embarque. En particular, utilizamos un modelo de Memoria a Largo y Corto Plazo para aprender el comportamiento dinámico de los pasajeros a lo largo del tiempo en relación con la métrica de complejidad dada.