Un broker cinese di assicurazioni sanitarie online ha applicato la strategia di instradamento AI dei lead che ogni presentazione operativa raccomanda: l'agente vocale sui lead a bassa intenzione, i lead ad alta intenzione agli esseri umani. Nelle prime tre chiamate della giornata di un operatore, la probabilità che una chiamata fosse un lead ad alta intenzione è salita di circa 23 punti percentuali. L'acquisizione clienti su quelle stesse chiamate è scesa di circa 5 punti percentuali (Fu, Luo, Ramasubbu et al., 2026).
Le stesse persone. Input migliori. Output peggiore. Il calo si è concentrato esattamente dove il miglioramento era maggiore, e entrambi gli effetti si sono azzerati nel corso della giornata lavorativa — il dettaglio che esclude la maggior parte delle spiegazioni rassicuranti.
È questo accoppiamento il risultato su cui fermarsi. Dice che l'agente non ha fallito. L'agente ha fatto esattamente ciò per cui era stato messo in produzione, e gli esseri umani a valle hanno cambiato comportamento in un modo che nessun business case di instradamento mette a bilancio.
Che cosa ha misurato davvero lo studio
Il paper è "When Better Opportunities Backfire: Service Worker Responses to Parallel AI Deployment in Customer Acquisition", depositato su arXiv il 19 ottobre 2026 da Xinyu Fu, Shulong Luo, Narayan Ramasubbu e altri tre coautori. Copre più di mezzo milione di record di contatto clienti intorno al lancio di un singolo agente vocale AI, con identificazione tramite un disegno di regressione discontinua nel tempo — confrontando il comportamento degli operatori immediatamente prima e dopo il cambio, non contro un gruppo di controllo auto-selezionato.
La scelta di disegno utile è che gli autori tracciano gli effetti nel corso della giornata lavorativa invece di mediarli. È questo che produce la firma del fenomeno:
- Probabilità di alta intenzione sulle prime tre chiamate: in aumento di circa 23 punti percentuali, azzerata più tardi nella giornata.
- Acquisizione clienti sulle prime tre chiamate: in calo di circa 5 punti percentuali, appiattita nel corso della giornata.
- Gli operatori hanno riallocato i primi lead circa 8 punti percentuali più spesso, accorciando quelle chiamate di circa il 13%.
Una decomposizione calibrata nel paper rileva che il modesto guadagno derivante dal miglior ordinamento dei lead è superato da una risposta comportamentale negativa molto più ampia. Attenzione alle cautele: ogni cifra nella fonte è indicata come "circa". Non lasciare che nessuno aggiunga un decimale a questi numeri nella presentazione interna.
Perché l'instradamento AI dei lead muove la conversione: valore di riserva, non competenza
Qui il risultato smette di essere una curiosità e diventa un principio operativo.
Gli autori lo inquadrano con la teoria della ricerca sequenziale. Quando un operatore ha un lead in mano, la decisione di continuare a lavorarlo è un confronto con ciò che c'è in coda. Arricchisci la coda e alzi il valore di riserva dell'operatore — l'asticella di qualità che il lead attuale deve ora superare per valere altri cinque minuti. Il lead in mano non è peggiorato. È migliorata la sua concorrenza.
Così l'operatore lo abbandona prima. Da qui l'aumento di 8 punti nella riallocazione e le chiamate più corte del 13%. Il comportamento è individualmente razionale e collettivamente costoso: la perseveranza è da dove arriva una conversione marginale nelle vendite outbound, e la perseveranza è la prima cosa che una coda abbondante tassa.
Non è perdita di competenze. Non è morale nel senso vago che usano le indagini. È una risposta specifica e prevedibile a una distribuzione delle opportunità cambiata, e il vero contributo del paper alle operations di servizio è nominare la distribuzione delle opportunità come variabile di stato accanto alle due che ogni team operativo già osserva: carico di lavoro e congestione.
Perché la tua dashboard non te lo mostrerà
Tre strumenti riporteranno il cambio di instradamento come un successo:
- Qualità del lead per chiamata gestita da umani: in netto aumento.
- Volume gestito dall'agente: nuova capacità, nessun organico aggiuntivo.
- Tempo medio di gestione: in calo, perché le chiamate abbandonate sono brevi.
Il tasso di conversione è il solo che si muove contro di te, e nella maggior parte della reportistica mid-market viene attribuito al mix di fonti dei lead, alla stagionalità o al venditore. La catena causale da "abbiamo instradato altrove il lavoro facile" a "il team ha smesso di insistere sulle chiamate difficili" attraversa due dashboard di due persone diverse.
L'affievolimento intragiornata peggiora le cose. Un effetto che appare sulle chiamate da uno a tre e svanisce entro il primo pomeriggio sopravvive a qualsiasi aggregazione giornaliera o settimanale. Mediato su un turno, ottieni un piccolo calo rumoroso di conversione che sembra varianza. Mediato su un mese, scompare nel ciclo retributivo. Il segnale è reale ed è la granularità della tua reportistica a essere sbagliata.
È la stessa forma dell'errore sul costo di supervisione
Il pattern va oltre gli agenti vocali, e la letteratura adiacente è abbastanza coerente da essere trattata come premessa e non come coincidenza.
I dati di produzione del prodotto agentico di Perplexity hanno mostrato il tempo di completamento su task comparabili scendere da 269 minuti a 36 — una riduzione dell'87% del tempo e del 94% del costo — mentre il lavoro umano successivo si è spostato verso l'alto, su verifica, estensione e compiti che attraversavano confini professionali (Perplexity / HBS, 2026). Il lavoro non è scomparso; si è trasferito in una parte dell'organigramma per cui nessuno aveva previsto personale.
McKinsey QuantumBlack ha messo numeri sullo stesso spostamento dal lato dei costi: per un agente che svolge un compito di assistenza clienti nel settore bancario, i costi dei token rappresentano spesso solo il 20-25% dei costi variabili di esercizio, mentre la supervisione umana pesa per il 70-75% (McKinsey QuantumBlack, 2026). I dirigenti ottimizzano il quarto visibile della fattura.
E a livello di scrivania, il 42% dei knowledge worker dichiara di impiegare più tempo a verificare l'output dell'AI di quanto ne risparmi usandola, con il 52% che corregge regolarmente lavoro generato dall'AI prodotto dai colleghi (Adaptavist, 2026). Il risparmio e il costo cadono su persone diverse, quindi una visione di produttività per postazione registra il guadagno e manca completamente la compensazione negativa.
Tre tradizioni di ricerca diverse, una struttura: il dispiegamento di agenti sposta un costo invece di rimuoverlo, e lo spostamento attraversa un confine contabile. Lo studio sul broker è la versione in cui il costo cade dentro la motivazione umana invece che dentro le ore umane — il che lo rende più difficile da vedere e più facile da attribuire male.
Dove la stessa forma compare in lavori che non sono vendite
Questa parte è inferenza, non risultato — lo studio copre chiamate assicurative outbound e nient'altro. Ma le condizioni che producono l'effetto sono enunciate con abbastanza chiarezza per essere verificate contro le tue code, e non sono specifiche delle vendite. Sono: l'operatore tiene una unità di lavoro alla volta, ha discrezionalità su quando abbandonarla, e può vedere o percepire cosa c'è dietro in attesa.
Questo descrive una quantità sorprendente di operations mid-market. Addetti al supporto su una coda di ticket che possono ri-prioritizzare. Personale amministrativo che smaltisce eccezioni di ciclo passivo. Liquidatori sinistri. Analisti del credito. Chiunque lavori una lista di triage dove gli elementi facili stanno per essere assorbiti da un agente e la discrezionalità sulla sequenza resta all'essere umano.
Dove le condizioni non valgono, il risultato non deve preoccuparti. Lavoro a sequenza fissa senza discrezionalità di abbandono, lavoro in cui la coda è invisibile all'operatore, e lavoro genuinamente non sostituibile (un caso, un titolare, fino alla chiusura) rompono tutti il meccanismo. La domanda diagnostica è semplicemente: dopo questo cambio di instradamento, la persona che ha in mano l'elemento difficile può vedere qualcosa di meglio in attesa? Se sì, hai le condizioni. Se no, non le hai.
La contro-lettura onesta
Non lo presenterei come acquisito. Quattro limiti contano:
È una sola azienda, un solo paese, un solo tipo di lavoro. La vendita assicurativa outbound è ad alto volume, a forma di provvigione, e insolitamente sensibile al valore di riserva perché la coda è il meccanismo retributivo. Un team operativo a stipendio fisso che lavora un backlog di servizi condivisi affronta una versione più debole dello stesso incentivo.
È un preprint. v1, depositato il 19 ottobre 2026, non ancora sottoposto a revisione tra pari.
La regressione discontinua nel tempo è identificazione, non un trial controllato. Una discontinuità temporale è vulnerabile a qualsiasi altra cosa cambiata al lancio — una revisione dello script, un nuovo piano provvigionale, un cambio di fornitore di lead. Il pattern di affievolimento intragiornata è la difesa più forte, perché un fattore confondente dovrebbe spiegare perché l'effetto appare solo sulle prime tre chiamate.
Il netto è una decomposizione, non un conto economico. La conclusione del paper, che la risposta comportamentale supera il guadagno di ordinamento, viene da un esercizio di calibrazione. È una stima credibile di segno e ordine di grandezza, non un margine verificato.
Ciò che sopravvive a tutti e quattro: l'instradamento cambia la distribuzione delle opportunità, e retribuzione e metriche costruite per una coda scarsa valutano male una coda ricca. Quell'affermazione è direzionalmente solida anche se i 5 punti non sono i tuoi 5 punti.
Cosa ispezionare prima della prossima decisione di instradamento
L'unità su cui agire non è il modello. È la coda e la postazione.
Misura la perseveranza, non solo la qualità. Prima che l'agente vada in produzione, fissa la baseline di tentativi per lead, durata della chiamata e tasso di riallocazione — segmentati per posizione nella giornata lavorativa. Se tieni solo medie giornaliere, l'effetto di questo paper è invisibile per costruzione, perché vive nelle prime tre chiamate e muore nel pomeriggio.
Rileggi l'incentivo contro la nuova coda. Una provvigione per conversione su una coda abbondante paga le persone per sfiorare. Se l'agente sta per alzare la qualità media dei lead, la domanda retributiva è se qualcosa premi ancora l'undicesimo minuto su una chiamata difficile. Soglie minime di perseveranza, numeri minimi di tentativi, o un obiettivo pesato sulla qualità invece che sul conteggio sono le riparazioni usuali.
Decidi la modalità di occupazione della postazione, non l'elenco dei compiti. È qui che la maggior parte dei progetti di instradamento mid-market sbaglia: definiscono quali compiti l'agente assorbe e non ridichiarano mai di cosa risponde ora la postazione umana. Una decisione di occupazione obbliga a scrivere cosa fa l'essere umano con una coda arricchita; una decisione di spartizione dei compiti permette di lasciarlo non detto e di scoprirlo dal tasso di conversione. La superficie AUGMENT di Scovai segue quella strada in modo esplicito — ogni postazione dell'organigramma riceve un punteggio da 0 a 100% su quanto è aumentabile, e la modalità è impostata per postazione: persona sola, persona più un Digital Employee, o il Digital Employee che gestisce il ruolo end-to-end sotto un supervisore umano nominato, con il tetto deciso dall'azienda invece di un default di piena autonomia (Scovai AUGMENT).
Fai girare l'agente prima su una fetta e osserva gli esseri umani, non l'agente. Le metriche dell'agente andranno bene. La strumentazione che vale il suo costo è sugli operatori la cui coda è appena cambiata.
La decisione di questo trimestre
Una decisione di instradamento AI dei lead non è una decisione di capacità con un effetto collaterale sulla motivazione. È una decisione sulla motivazione travestita da capacità.
Quindi smetti di chiedere quale lavoro dovrebbe prendere il tuo agente. Chiedi per cosa sono pagate le tue persone quando il lavoro che hai lasciato loro inizia a sembrare abbondante — e se vedrai la risposta nei tuoi numeri prima che compaia nella tua pipeline.