Un corredor chino de seguros de salud en línea aplicó la jugada de enrutamiento de leads con IA que recomienda cualquier presentación de operaciones: el agente de voz sobre los leads de baja intención, los leads de alta intención para las personas. En las tres primeras llamadas de la jornada de un teleoperador, la probabilidad de que una llamada fuera un lead de alta intención subió unos 23 puntos porcentuales. La captación de clientes en esas mismas llamadas cayó unos 5 puntos porcentuales (Fu, Luo, Ramasubbu et al., 2026).
Las mismas personas. Mejores insumos. Peor resultado. La caída se concentró exactamente donde la mejora era mayor, y ambos efectos se desvanecieron hasta cero más tarde en la jornada — el detalle que descarta la mayoría de las explicaciones cómodas.
Es esa combinación la que hay que mirar de frente. Dice que el agente no falló. El agente hizo exactamente aquello para lo que se desplegó, y las personas situadas después de él cambiaron su comportamiento de una forma que ningún business case de enrutamiento valora.
Qué midió realmente el estudio
El artículo es "When Better Opportunities Backfire: Service Worker Responses to Parallel AI Deployment in Customer Acquisition", presentado en arXiv el 19 de octubre de 2026 por Xinyu Fu, Shulong Luo, Narayan Ramasubbu y otros tres coautores. Cubre más de medio millón de registros de contacto con clientes alrededor del despliegue de un único agente de voz con IA, identificado con un diseño de regresión discontinua en el tiempo — comparando el comportamiento de los trabajadores inmediatamente antes y después del cambio, no contra un grupo de control autoseleccionado.
La decisión de diseño útil es que los autores rastrean los efectos a lo largo de la jornada laboral en lugar de promediarlos. Eso es lo que produce la firma del fenómeno:
- Probabilidad de alta intención en las tres primeras llamadas: sube unos 23 puntos porcentuales, desvaneciéndose hasta cero más tarde en el día.
- Captación de clientes en las tres primeras llamadas: baja unos 5 puntos porcentuales, aplanándose a lo largo del día.
- Los trabajadores reasignaron sus primeros leads unos 8 puntos porcentuales más a menudo, y acortaron esas llamadas un 13% aproximadamente.
Una descomposición calibrada en el artículo encuentra que la ganancia modesta derivada de un mejor ordenamiento de los leads queda superada por una respuesta conductual negativa mucho mayor. Atención a las cautelas: cada cifra de la fuente aparece como "aproximadamente". No permita que nadie le añada un decimal en su presentación interna.
Por qué el enrutamiento de leads con IA mueve la conversión: valor de reserva, no habilidad
Aquí es donde el hallazgo deja de ser una curiosidad y se convierte en un principio operativo.
Los autores lo enmarcan con la teoría de la búsqueda secuencial. Cuando un trabajador tiene un lead en la mano, la decisión de seguir trabajándolo es una comparación con lo que hay en la cola. Enriquezca la cola y elevará el valor de reserva del trabajador — el umbral de calidad que el lead actual debe superar ahora para merecer otros cinco minutos. El lead en la mano no empeoró. Su competencia mejoró.
Así que el trabajador lo abandona antes. De ahí la subida de 8 puntos en la reasignación y las llamadas un 13% más cortas. El comportamiento es individualmente racional y colectivamente caro: la persistencia es de donde sale una conversión marginal en la venta saliente, y la persistencia es lo primero que grava una cola abundante.
Esto no es pérdida de competencias. No es moral en el sentido vago que usan las encuestas. Es una respuesta específica y predecible a una distribución de oportunidades modificada, y la aportación real del artículo a las operaciones de servicio es nombrar la distribución de oportunidades como variable de estado junto a las dos que cualquier equipo de operaciones ya vigila: la carga de trabajo y la congestión.
Por qué su cuadro de mando no le mostrará esto
Tres instrumentos reportarán el cambio de enrutamiento como un éxito:
- Calidad del lead por llamada atendida por humanos: sube con fuerza.
- Volumen atendido por el agente: capacidad nueva, sin plantilla adicional.
- Tiempo medio de gestión: baja, porque las llamadas abandonadas son cortas.
La tasa de conversión es la única que se mueve en su contra, y en la mayoría de los reportes del mid-market se atribuye a la mezcla de fuentes de leads, a la estacionalidad o al comercial. La cadena causal desde "enrutamos el trabajo fácil a otro sitio" hasta "el equipo dejó de insistir en las llamadas difíciles" cruza dos cuadros de mando propiedad de dos personas distintas.
El desvanecimiento intradía lo empeora. Un efecto que aparece en las llamadas uno a tres y desaparece a primera hora de la tarde sobrevive a casi cualquier agregación diaria o semanal. Promediado sobre un turno, obtiene una caída de conversión pequeña y ruidosa que parece varianza. Promediado sobre un mes, desaparece en el ciclo retributivo. La señal es real y lo que está mal es la granularidad de su reporte.
Es la misma forma que el error del coste de supervisión
El patrón va más allá de los agentes de voz, y la literatura adyacente es lo bastante coherente para tratarla como premisa y no como coincidencia.
Los datos de producción del producto agéntico de Perplexity mostraron que el tiempo de finalización en tareas comparables bajó de 269 minutos a 36 — una reducción del 87% en tiempo y del 94% en coste — mientras el trabajo humano posterior se desplazaba hacia arriba, hacia la verificación, la extensión y tareas que cruzaban fronteras ocupacionales (Perplexity / HBS, 2026). El trabajo no desapareció; se reubicó en una parte del organigrama para la que nadie había previsto personal.
McKinsey QuantumBlack puso cifras al mismo desplazamiento desde el lado del coste: para un agente que ejecuta una tarea de atención al cliente en banca, los costes de tokens representan con frecuencia solo el 20 a 25 por ciento de los costes variables de operación, mientras la supervisión humana supone el 70 a 75 por ciento (McKinsey QuantumBlack, 2026). Los directivos optimizan el cuarto visible de la factura.
Y a nivel de escritorio, el 42% de los trabajadores del conocimiento declara dedicar más tiempo a verificar la salida de la IA que el que ahorra usándola, y el 52% corrige con regularidad trabajo generado por IA producido por colegas (Adaptavist, 2026). El ahorro y el coste caen sobre personas distintas, de modo que una vista de productividad por puesto registra la ganancia y pierde por completo la contrapartida.
Tres tradiciones de investigación distintas, una misma estructura: el despliegue de agentes mueve un coste en lugar de eliminarlo, y el movimiento cruza una frontera contable. El estudio del corredor es la versión en la que el coste cae dentro de la motivación humana en lugar de las horas humanas — lo que lo hace más difícil de ver y más fácil de atribuir mal.
Dónde aparece la misma forma en trabajos que no son ventas
Esta parte es inferencia, no hallazgo — el estudio cubre llamadas salientes de seguros y nada más. Pero las condiciones que producen el efecto están enunciadas con suficiente claridad para contrastarlas con sus propias colas, y no son específicas de ventas. Son: el trabajador sostiene una unidad de trabajo a la vez, tiene discrecionalidad sobre cuándo abandonarla, y puede ver o intuir qué espera detrás.
Eso describe una cantidad sorprendente de operaciones del mid-market. Agentes de soporte trabajando una cola de tickets que pueden repriorizar. Personal financiero despejando excepciones de cuentas a pagar. Tramitadores de siniestros. Analistas de riesgo crediticio. Cualquiera que trabaje una lista de triaje donde los elementos fáciles están a punto de ser absorbidos por un agente y la discrecionalidad sobre la secuencia se queda con la persona.
Donde las condiciones no se cumplen, el hallazgo no debería preocuparle. El trabajo de secuencia fija sin discrecionalidad de abandono, el trabajo donde la cola es invisible para el trabajador y el trabajo genuinamente no sustituible (un caso, un responsable, hasta el cierre) rompen todos el mecanismo. La pregunta diagnóstica es simplemente: tras este cambio de enrutamiento, ¿puede la persona que sostiene el elemento difícil ver algo mejor esperando? Si sí, tiene el escenario. Si no, no lo tiene.
La contralectura honesta
No lo presentaría como cerrado. Importan cuatro límites:
Es una empresa, un país, un tipo de trabajo. La venta saliente de seguros es de alto volumen, con forma de comisión, e inusualmente sensible al valor de reserva porque la cola es el mecanismo retributivo. Un equipo de operaciones asalariado trabajando un backlog de servicios compartidos afronta una versión más débil del mismo incentivo.
Es un preprint. v1, presentado el 19 de octubre de 2026, aún sin revisión por pares.
La regresión discontinua en el tiempo es identificación, no un ensayo controlado. Una discontinuidad temporal es vulnerable a cualquier otra cosa que cambiara en el despliegue — una revisión del guion, un nuevo plan de comisiones, un cambio de proveedor de leads. El patrón de desvanecimiento intradía es la defensa más fuerte, porque un factor de confusión tendría que explicar por qué el efecto aparece solo en las tres primeras llamadas.
El neto es una descomposición, no una cuenta de resultados. La conclusión del artículo de que la respuesta conductual supera la ganancia de ordenamiento viene de un ejercicio de calibración. Es una estimación creíble del signo y el orden de magnitud, no un margen auditado.
Lo que sobrevive a los cuatro: el enrutamiento cambia la distribución de oportunidades, y la retribución y las métricas construidas para una cola escasa valoran mal una cola rica. Esa afirmación es direccionalmente sólida incluso si los 5 puntos no son sus 5 puntos.
Qué inspeccionar antes de su próxima decisión de enrutamiento
La unidad sobre la que actuar no es el modelo. Es la cola y el puesto.
Mida la persistencia, no solo la calidad. Antes de que el agente entre en producción, fije la línea base de intentos por lead, duración de llamada y tasa de reasignación — segmentada por posición en la jornada. Si solo guarda promedios diarios, el efecto de este artículo le resulta invisible por construcción, porque vive en las tres primeras llamadas y muere por la tarde.
Relea el incentivo frente a la nueva cola. Una comisión por conversión sobre una cola abundante paga a la gente por rozar la superficie. Si el agente está a punto de subir la calidad media del lead, la pregunta retributiva es si algo sigue premiando el minuto once en una llamada difícil. Suelos de persistencia, mínimos de intentos, o un objetivo ponderado por calidad en vez de por recuento son las reparaciones habituales.
Decida el modo de ocupación del puesto, no la lista de tareas. Aquí es donde se equivoca la mayoría de los proyectos de enrutamiento del mid-market: delimitan qué tareas absorbe el agente y nunca vuelven a declarar de qué responde ahora el puesto humano. Una decisión de ocupación obliga a escribir qué hace la persona con una cola enriquecida; una decisión de reparto de tareas permite dejarlo sin decir y descubrirlo por la tasa de conversión. La superficie AUGMENT de Scovai toma esa vía de forma explícita — cada puesto del organigrama se puntúa de 0 a 100% según cuánto es aumentable, y el modo se fija por puesto: persona sola, persona más un Digital Employee, o el Digital Employee ejecutando el rol de extremo a extremo bajo un supervisor humano designado, con el techo fijado por la empresa en lugar de un valor por defecto de plena autonomía (Scovai AUGMENT).
Ponga el agente primero en una porción y observe a las personas, no al agente. Las métricas del agente estarán bien. La instrumentación que se gana su coste está sobre los trabajadores cuya cola acaba de cambiar.
La decisión de este trimestre
Una decisión de enrutamiento de leads con IA no es una decisión de capacidad con un efecto secundario sobre la motivación. Es una decisión sobre la motivación disfrazada de capacidad.
Así que deje de preguntar qué trabajo debería tomar su agente. Pregunte por qué se les paga a sus personas una vez que el trabajo que les dejó empieza a parecer abundante — y si verá la respuesta en sus números antes de que aparezca en su pipeline.