Scovai Scovai
AI & Operations 2026-11-17 1 min read

आपने कम इरादे वाली कॉल एक AI को सौंप दीं। आपकी टीम को बेहतर लीड मिले और उसने लगभग 5 अंक कम क्लोज़ किया।

DSL

Dr. Sarah Liu

आपने कम इरादे वाली कॉल एक AI को सौंप दीं। आपकी टीम को बेहतर लीड मिले और उसने लगभग 5 अंक कम क्लोज़ किया।

एक चीनी ऑनलाइन स्वास्थ्य-बीमा ब्रोकरेज ने वही AI लीड रूटिंग चाल चली जिसकी सिफ़ारिश हर ऑपरेशंस प्रेज़ेंटेशन करता है: कम इरादे वाली लीड पर वॉइस एजेंट, और ऊँचे इरादे वाली लीड इंसानों के लिए। किसी कर्मचारी के दिन की पहली तीन कॉलों में, कॉल के ऊँचे इरादे वाली लीड होने की संभावना लगभग 23 प्रतिशत अंक बढ़ी। उन्हीं कॉलों पर ग्राहक अधिग्रहण लगभग 5 प्रतिशत अंक गिरा (Fu, Luo, Ramasubbu et al., 2026).

वही लोग। बेहतर इनपुट। ख़राब आउटपुट। गिरावट ठीक वहीं आई जहाँ सुधार सबसे बड़ा था, और दोनों प्रभाव दिन बीतने के साथ शून्य हो गए — यही वह ब्योरा है जो अधिकांश आरामदेह व्याख्याओं को ख़ारिज कर देता है।

ठहरकर सोचने लायक़ निष्कर्ष यही जोड़ी है। यह कहती है कि एजेंट विफल नहीं हुआ। एजेंट ने ठीक वही किया जिसके लिए उसे तैनात किया गया था, और उसके आगे खड़े इंसानों ने अपना व्यवहार इस तरह बदला जिसकी क़ीमत कोई रूटिंग बिज़नेस केस नहीं लगाता।

अध्ययन ने वास्तव में क्या मापा

पेपर का शीर्षक है "When Better Opportunities Backfire: Service Worker Responses to Parallel AI Deployment in Customer Acquisition", जिसे 19 अक्टूबर 2026 को Xinyu Fu, Shulong Luo, Narayan Ramasubbu और तीन सह-लेखकों ने arXiv पर प्रस्तुत किया। यह एक अकेले AI वॉइस एजेंट की तैनाती के इर्द-गिर्द पाँच लाख से अधिक ग्राहक-संपर्क रिकॉर्ड को कवर करता है, और पहचान के लिए समय-आधारित प्रतिगमन असांतत्य डिज़ाइन का उपयोग करता है — यानी कर्मचारियों के व्यवहार की तुलना स्विच के ठीक पहले और ठीक बाद से की जाती है, न कि किसी स्व-चयनित नियंत्रण समूह से।

उपयोगी डिज़ाइन निर्णय यह है कि लेखक प्रभावों का औसत निकालने के बजाय उन्हें कार्यदिवस के दौरान ट्रैक करते हैं। यही वह हस्ताक्षर पैदा करता है:

  • पहली तीन कॉलों पर ऊँचे इरादे की संभावना: लगभग 23 प्रतिशत अंक ऊपर, दिन में बाद में शून्य तक घटती हुई।
  • पहली तीन कॉलों पर ग्राहक अधिग्रहण: लगभग 5 प्रतिशत अंक नीचे, दिन भर में समतल होती हुई।
  • कर्मचारियों ने अपनी शुरुआती लीड लगभग 8 प्रतिशत अंक अधिक बार वापस पुनर्वितरण में डालीं, और उन कॉलों को लगभग 13% छोटा कर दिया।

पेपर में एक अंशांकित विघटन पाता है कि बेहतर लीड क्रम से मिला मामूली लाभ, कहीं बड़ी नकारात्मक व्यवहारगत प्रतिक्रिया से दब जाता है। सावधानी पर ध्यान दें: स्रोत में हर आँकड़ा "लगभग" के साथ दर्ज है। अपनी आंतरिक प्रस्तुति में किसी को भी इनमें दशमलव जोड़ने न दें।

AI लीड रूटिंग कन्वर्ज़न को क्यों हिलाती है: रिज़र्वेशन मूल्य, कौशल नहीं

यहीं से यह निष्कर्ष एक दिलचस्प बात रहना छोड़कर एक परिचालन सिद्धांत बन जाता है।

लेखक इसे अनुक्रमिक खोज सिद्धांत के ढाँचे में रखते हैं। जब कोई कर्मचारी एक लीड हाथ में रखता है, तो उस पर काम जारी रखने का निर्णय इस बात से तुलना है कि क़तार में और क्या है। क़तार को समृद्ध कीजिए और आप कर्मचारी का रिज़र्वेशन मूल्य बढ़ा देते हैं — वह गुणवत्ता-सीमा जो मौजूदा लीड को अब पाँच और मिनट के लायक़ होने के लिए पार करनी है। हाथ की लीड ख़राब नहीं हुई। उसकी प्रतिस्पर्धा बेहतर हो गई।

इसलिए कर्मचारी उसे जल्दी छोड़ देता है। यहीं से पुनर्वितरण में 8 अंक की वृद्धि और 13% छोटी कॉलें आती हैं। यह व्यवहार व्यक्तिगत स्तर पर तर्कसंगत और सामूहिक स्तर पर महँगा है: आउटबाउंड बिक्री में सीमांत कन्वर्ज़न दृढ़ता से आता है, और समृद्ध क़तार सबसे पहले दृढ़ता पर ही कर लगाती है।

यह कौशल-ह्रास नहीं है। यह सर्वेक्षण स्लाइडों वाले अस्पष्ट अर्थ में मनोबल भी नहीं है। यह बदली हुई अवसर-वितरण के प्रति एक विशिष्ट, पूर्वानुमेय प्रतिक्रिया है, और सेवा परिचालन में पेपर का असली योगदान अवसर वितरण को एक अवस्था-चर के रूप में नाम देना है — उन दो के साथ जिन्हें हर ऑपरेशंस टीम पहले से देखती है: कार्यभार और भीड़भाड़।

आपका डैशबोर्ड आपको यह क्यों नहीं दिखाएगा

तीन संकेतक रूटिंग बदलाव को सफलता के रूप में दर्ज करेंगे:

  1. मानव-संभाली प्रति कॉल लीड गुणवत्ता: तेज़ी से ऊपर।
  2. एजेंट-संभाला वॉल्यूम: नई क्षमता, कोई अतिरिक्त हेडकाउंट नहीं।
  3. औसत हैंडल समय: नीचे, क्योंकि छोड़ी गई कॉलें छोटी होती हैं।

कन्वर्ज़न दर अकेली है जो आपके विरुद्ध चलती है, और अधिकांश मिड-मार्केट रिपोर्टिंग में इसे लीड-स्रोत मिश्रण, मौसमी प्रभाव या प्रतिनिधि पर डाल दिया जाता है। "हमने आसान काम कहीं और भेज दिया" से "टीम ने कठिन कॉलों पर टिकना बंद कर दिया" तक की कारण-श्रृंखला दो अलग लोगों के दो डैशबोर्ड पार करती है।

दिन के भीतर क्षीण होना इसे और बिगाड़ता है। जो प्रभाव पहली से तीसरी कॉल पर दिखता है और दोपहर तक ग़ायब हो जाता है, वह लगभग हर दैनिक या साप्ताहिक समुच्चयन से बच निकलता है। एक शिफ़्ट पर औसत निकालिए और आपको एक छोटी, शोरभरी कन्वर्ज़न गिरावट मिलेगी जो विचरण जैसी लगती है। महीने भर का औसत निकालिए और वह वेतन-चक्र में विलीन हो जाती है। संकेत असली है; ग़लत आपकी रिपोर्टिंग की सूक्ष्मता है।

यह निगरानी-लागत वाली भूल जैसी ही आकृति है

यह प्रतिरूप वॉइस एजेंटों से आगे जाता है, और निकटवर्ती शोध इतना सुसंगत है कि उसे संयोग नहीं, पूर्वधारणा माना जाए।

Perplexity के एजेंटिक उत्पाद के प्रोडक्शन डेटा ने दिखाया कि समतुल्य कार्यों में पूर्णता समय 269 मिनट से घटकर 36 मिनट रह गया — समय में 87% और लागत में 94% की कटौती — जबकि मानव अनुवर्ती कार्य ऊपर की ओर खिसक गया: सत्यापन, विस्तार, और ऐसे कार्य जो व्यावसायिक सीमाएँ पार करते हैं (Perplexity / HBS, 2026). काम ग़ायब नहीं हुआ; वह संगठन-चार्ट के उस हिस्से में चला गया जिसके लिए किसी ने स्टाफ़ नहीं रखा था।

McKinsey QuantumBlack ने इसी विस्थापन को लागत की तरफ़ से आँका: बैंकिंग में ग्राहक-सेवा कार्य करने वाले एजेंट के लिए टोकन लागत प्रायः परिवर्तनीय परिचालन लागत का केवल 20 से 25 प्रतिशत होती है, जबकि मानव निगरानी 70 से 75 प्रतिशत (McKinsey QuantumBlack, 2026). नेतृत्व बिल के दिखने वाले चौथाई हिस्से को अनुकूलित करता है।

और डेस्क के स्तर पर, 42% ज्ञान-कर्मी कहते हैं कि वे AI आउटपुट की जाँच में उससे अधिक समय लगाते हैं जितना उसके उपयोग से बचाते हैं, और 52% नियमित रूप से सहकर्मियों द्वारा AI से बनाए गए काम को सुधारते हैं (Adaptavist, 2026). बचत और लागत अलग-अलग लोगों पर पड़ती हैं, इसलिए प्रति-सीट उत्पादकता दृष्टि लाभ दर्ज करती है और प्रतिकारी व्यय पूरी तरह चूक जाती है।

तीन अलग शोध परंपराएँ, एक ही संरचना: एजेंट तैनाती लागत हटाती नहीं, उसे खिसकाती है, और यह खिसकाव एक लेखांकन सीमा पार करता है। ब्रोकरेज अध्ययन वह संस्करण है जहाँ लागत मानव घंटों के बजाय मानव प्रेरणा के भीतर गिरती है — जिससे उसे देखना कठिन और ग़लत जगह आरोपित करना आसान हो जाता है।

वही आकृति उन कामों में कहाँ दिखती है जो बिक्री नहीं हैं

यह हिस्सा अनुमान है, निष्कर्ष नहीं — अध्ययन केवल आउटबाउंड बीमा कॉलों को कवर करता है। लेकिन जो परिस्थितियाँ इस प्रभाव को जन्म देती हैं, वे इतनी स्पष्ट रूप से बताई गई हैं कि आप उन्हें अपनी क़तारों पर परख सकें, और वे बिक्री-विशिष्ट नहीं हैं। वे हैं: कर्मचारी एक समय में काम की एक इकाई रखता है, उसे यह तय करने का विवेकाधिकार है कि कब उसे छोड़ना है, और वह देख या भाँप सकता है कि पीछे क्या प्रतीक्षा कर रहा है।

यह मिड-मार्केट ऑपरेशंस के हैरान कर देने वाले हिस्से का वर्णन करता है। टिकट क़तार पर काम करते सपोर्ट एजेंट जो प्राथमिकता बदल सकते हैं। देय खातों के अपवाद निपटाते वित्त कर्मी। दावा निपटाने वाले। ऋण समीक्षक। कोई भी जो ऐसी ट्रायेज सूची पर काम करता है जहाँ आसान मदें एजेंट द्वारा सोख ली जाने वाली हैं और क्रम तय करने का विवेक इंसान के पास ही रहता है।

जहाँ ये शर्तें पूरी नहीं होतीं, वहाँ यह निष्कर्ष आपको चिंतित न करे। निश्चित क्रम वाला काम जिसमें छोड़ने का विवेक नहीं, ऐसा काम जहाँ क़तार कर्मचारी को दिखती ही नहीं, और वास्तव में अप्रतिस्थापनीय काम (एक मामला, एक ज़िम्मेदार, समापन तक) — ये सब इस तंत्र को तोड़ देते हैं। नैदानिक प्रश्न सीधा है: इस रूटिंग बदलाव के बाद, कठिन मद को थामे व्यक्ति क्या कुछ बेहतर प्रतीक्षा करता देख सकता है? हाँ तो परिस्थिति मौजूद है। नहीं तो नहीं।

ईमानदार प्रति-पक्ष

मैं इसे तय बात की तरह प्रस्तुत नहीं करूँगी। चार सीमाएँ मायने रखती हैं:

यह एक कंपनी, एक देश, एक तरह का काम है। आउटबाउंड बीमा बिक्री उच्च-मात्रा वाली, कमीशन-आकार की, और रिज़र्वेशन मूल्य के प्रति असामान्य रूप से संवेदनशील है, क्योंकि क़तार ही पारिश्रमिक तंत्र है। साझा-सेवा बैकलॉग पर काम करती वेतनभोगी ऑपरेशंस टीम उसी प्रोत्साहन का कमज़ोर संस्करण झेलती है।

यह प्रीप्रिंट है। v1, 19 अक्टूबर 2026 को प्रस्तुत, अभी सहकर्मी-समीक्षित नहीं।

समय-आधारित असांतत्य प्रतिगमन पहचान है, नियंत्रित परीक्षण नहीं। समय में असांतत्य उस हर चीज़ के प्रति संवेदनशील है जो तैनाती के समय बदली — स्क्रिप्ट संशोधन, नई कमीशन योजना, लीड-विक्रेता परिवर्तन। दिन के भीतर क्षीण होने का प्रतिरूप इसका सबसे मज़बूत बचाव है, क्योंकि किसी भी भ्रामक कारक को यह समझाना पड़ेगा कि प्रभाव केवल पहली तीन कॉलों पर ही क्यों दिखता है।

शुद्ध परिणाम एक विघटन है, लाभ-हानि विवरण नहीं। पेपर का यह निष्कर्ष कि व्यवहारगत प्रतिक्रिया क्रम-लाभ से बड़ी है, एक अंशांकन अभ्यास से आता है। यह दिशा और परिमाण-कोटि का विश्वसनीय अनुमान है, लेखा-परीक्षित मार्जिन नहीं।

चारों के बाद जो बचता है: रूटिंग अवसरों का वितरण बदलती है, और दुर्लभ क़तार के लिए बने पारिश्रमिक और मापदंड समृद्ध क़तार की ग़लत क़ीमत लगाते हैं। यह दावा दिशा के स्तर पर सुरक्षित है, भले ही वे 5 अंक आपके 5 अंक न हों।

अगली रूटिंग निर्णय से पहले क्या जाँचें

कार्रवाई की इकाई मॉडल नहीं है। वह क़तार और सीट है।

केवल गुणवत्ता नहीं, दृढ़ता मापिए। एजेंट के लाइव होने से पहले प्रति लीड प्रयास, कॉल अवधि और पुनर्वितरण दर का आधार-स्तर तय कीजिए — कार्यदिवस में स्थिति के अनुसार विभाजित। यदि आपके पास केवल दैनिक औसत हैं, तो इस पेपर का प्रभाव आपके लिए संरचनात्मक रूप से अदृश्य है, क्योंकि वह पहली तीन कॉलों में जीता है और दोपहर तक मर जाता है।

प्रोत्साहन को नई क़तार के सामने दोबारा पढ़िए। समृद्ध क़तार पर प्रति-कन्वर्ज़न कमीशन लोगों को ऊपर-ऊपर से निकल जाने के लिए भुगतान करता है। यदि एजेंट औसत लीड गुणवत्ता बढ़ाने वाला है, तो पारिश्रमिक का प्रश्न यह है कि क्या कोई चीज़ अब भी कठिन कॉल के ग्यारहवें मिनट को पुरस्कृत करती है। दृढ़ता की न्यूनतम सीमाएँ, न्यूनतम प्रयास, या गणना-भारित के बजाय गुणवत्ता-भारित लक्ष्य — ये सामान्य मरम्मतें हैं।

सीट का ऑक्यूपेंसी मोड तय कीजिए, कार्य-सूची नहीं। यहीं अधिकांश मिड-मार्केट रूटिंग परियोजनाएँ भटकती हैं: वे तय करती हैं कि एजेंट कौन-से कार्य सोखेगा, और यह कभी दोबारा नहीं लिखतीं कि मानव सीट अब किसके लिए जवाबदेह है। ऑक्यूपेंसी निर्णय आपको लिखने पर मजबूर करता है कि समृद्ध क़तार के साथ इंसान क्या करता है; कार्य-विभाजन निर्णय उसे अनकहा छोड़ने और कन्वर्ज़न दर से पता चलने देने की छूट देता है। Scovai की AUGMENT सतह यही रास्ता स्पष्ट रूप से लेती है — संगठन-चार्ट की हर सीट को इस आधार पर 0 से 100% अंक मिलते हैं कि वह कितनी संवर्धनीय है, और मोड हर सीट के लिए तय होता है: अकेला व्यक्ति, व्यक्ति साथ में एक Digital Employee, या एक नामित मानव पर्यवेक्षक के अधीन भूमिका को आद्योपांत चलाता Digital Employee — जिसकी अधिकतम सीमा कंपनी तय करती है, न कि पूर्ण स्वायत्तता का कोई डिफ़ॉल्ट (Scovai AUGMENT).

एजेंट को पहले एक हिस्से पर चलाइए और एजेंट नहीं, इंसानों को देखिए। एजेंट के अपने मापदंड ठीक ही रहेंगे। जो माप अपनी क़ीमत वसूलता है, वह उन कर्मचारियों पर है जिनकी क़तार अभी-अभी बदली है।

इस तिमाही का निर्णय

AI लीड रूटिंग का निर्णय प्रेरणा पर दुष्प्रभाव वाला क्षमता-निर्णय नहीं है। यह क्षमता की पोशाक पहना हुआ प्रेरणा-निर्णय है।

इसलिए यह पूछना बंद कीजिए कि आपका एजेंट कौन-सा काम ले। पूछिए कि आपके लोगों को किस बात के लिए वेतन मिलता है, जब आपके छोड़े हुए काम बहुतायत में दिखने लगें — और क्या आप उत्तर अपने आँकड़ों में तब देख लेंगे, इससे पहले कि वह आपकी पाइपलाइन में दिखे।

Ready to go beyond the CV?

Scovai's AI-powered Talent Passport reveals what resumes can't: personality, potential, and true job fit.