Китайский онлайн-брокер медицинского страхования разыграл ровно тот сценарий маршрутизации лидов с ИИ, который рекомендует любая операционная презентация: голосовой агент — на лиды с низким намерением, лиды с высоким намерением — людям. На первых трёх звонках рабочего дня вероятность того, что звонок окажется лидом с высоким намерением, выросла примерно на 23 процентных пункта. Привлечение клиентов на тех же звонках упало примерно на 5 процентных пунктов (Fu, Luo, Ramasubbu et al., 2026).
Те же люди. Лучше вход. Хуже выход. Спад пришёлся ровно туда, где улучшение было наибольшим, и оба эффекта сошли на нет к концу рабочего дня — деталь, которая отсекает большинство удобных объяснений.
Именно эта связка и есть результат, над которым стоит задержаться. Она говорит, что агент не подвёл. Агент сделал ровно то, ради чего его развернули, а люди ниже по потоку изменили поведение так, как не закладывает ни один бизнес-кейс маршрутизации.
Что именно измерило исследование
Статья называется «When Better Opportunities Backfire: Service Worker Responses to Parallel AI Deployment in Customer Acquisition», подана в arXiv 19 октября 2026 года авторами Xinyu Fu, Shulong Luo, Narayan Ramasubbu и ещё тремя соавторами. Она охватывает более полумиллиона записей о контактах с клиентами вокруг запуска одного голосового ИИ-агента, с идентификацией через дизайн регрессионного разрыва во времени — сравнивается поведение сотрудников непосредственно до и после переключения, а не против самоотобранной контрольной группы.
Полезное решение в дизайне: авторы прослеживают эффекты на протяжении рабочего дня, а не усредняют их. Именно это даёт характерную сигнатуру:
- Вероятность высокого намерения на первых трёх звонках: рост примерно на 23 процентных пункта, затухающий до нуля позже в течение дня.
- Привлечение клиентов на первых трёх звонках: падение примерно на 5 процентных пунктов, выравнивающееся к концу дня.
- Сотрудники возвращали свои первые лиды в распределение примерно на 8 процентных пунктов чаще и сокращали такие звонки примерно на 13%.
Калиброванная декомпозиция в статье показывает, что скромный выигрыш от лучшего упорядочивания лидов перекрывается существенно большей отрицательной поведенческой реакцией. Обратите внимание на оговорку: каждая цифра в источнике дана со словом «примерно». Не позволяйте никому приписывать к ним десятичный знак во внутренней презентации.
Почему маршрутизация лидов с ИИ двигает конверсию: резервная ценность, а не навык
Здесь находка перестаёт быть курьёзом и становится операционным принципом.
Авторы объясняют это теорией последовательного поиска. Когда у сотрудника в работе лид, решение продолжать — это сравнение с тем, что стоит в очереди. Обогатите очередь, и вы поднимете резервную ценность сотрудника: планку качества, которую текущий лид теперь должен преодолеть, чтобы стоить ещё пяти минут. Лид в руках не стал хуже. Стали лучше его конкуренты.
Поэтому сотрудник бросает его раньше. Отсюда рост возвратов на 8 пунктов и звонки короче на 13%. Поведение индивидуально рационально и коллективно дорого: в исходящих продажах предельная конверсия берётся из упорства, а упорство — первое, что облагает налогом обильная очередь.
Это не утрата навыка. Это не «моральный дух» в расплывчатом смысле опросных слайдов. Это конкретная, предсказуемая реакция на изменившееся распределение возможностей, и реальный вклад статьи в операции сервиса — назвать распределение возможностей переменной состояния наряду с двумя, которые любая операционная команда и так отслеживает: загрузкой и заторами.
Почему ваш дашборд этого не покажет
Три показателя отчитаются об изменении маршрутизации как об успехе:
- Качество лида на звонок, обработанный человеком: резко вверх.
- Объём, обработанный агентом: новая мощность без прироста штата.
- Среднее время обработки: вниз, потому что брошенные звонки короткие.
Конверсия — единственное, что движется против вас, и в большинстве отчётов среднего бизнеса её списывают на микс источников лидов, сезонность или менеджера. Причинная цепочка от «мы увели лёгкую работу» до «команда перестала дожимать трудные звонки» пересекает два дашборда, принадлежащих двум разным людям.
Внутридневное затухание усугубляет это. Эффект, который виден на звонках с первого по третий и исчезает к началу дня, переживает почти любую дневную или недельную агрегацию. В среднем по смене вы получите маленький шумный провал конверсии, похожий на дисперсию. В среднем по месяцу он растворится в цикле оплаты. Сигнал реален — неверна гранулярность вашей отчётности.
Это та же форма, что и ошибка со стоимостью надзора
Паттерн выходит за пределы голосовых агентов, а смежная литература достаточно согласована, чтобы считать её априорной, а не совпадением.
Производственные данные агентного продукта Perplexity показали, что время выполнения сопоставимых задач упало с 269 минут до 36 — минус 87% времени и 94% стоимости, — тогда как человеческая работа после этого сместилась вверх: к проверке, расширению и задачам, пересекающим профессиональные границы (Perplexity / HBS, 2026). Работа не исчезла; она переехала в ту часть оргструктуры, под которую никто не выделял людей.
McKinsey QuantumBlack оценила то же смещение со стороны затрат: для агента, выполняющего задачу клиентского обслуживания в банке, стоимость токенов часто составляет лишь 20–25 процентов переменных затрат на эксплуатацию, тогда как человеческий надзор — 70–75 процентов (McKinsey QuantumBlack, 2026). Руководители оптимизируют видимую четверть счёта.
А на уровне рабочего места 42% работников умственного труда сообщают, что тратят на проверку результатов ИИ больше времени, чем экономят на его использовании, а 52% регулярно исправляют сгенерированную ИИ работу коллег (Adaptavist, 2026). Экономия и издержки ложатся на разных людей, поэтому взгляд на производительность в расчёте на рабочее место фиксирует выигрыш и полностью упускает встречный расход.
Три разные исследовательские традиции, одна структура: развёртывание агентов перемещает издержки, а не устраняет их, и перемещение пересекает учётную границу. Исследование брокера — это версия, где издержки падают внутрь человеческой мотивации, а не в человеко-часы, что делает их труднее заметными и легче неправильно атрибутируемыми.
Где та же форма проявляется в работе, которая не продажи
Эта часть — вывод по аналогии, а не находка: исследование охватывает исходящие страховые звонки и ничего больше. Но условия, порождающие эффект, сформулированы достаточно ясно, чтобы сверить их с вашими очередями, и они не специфичны для продаж. Они таковы: сотрудник держит одну единицу работы за раз, у него есть право решать, когда её бросить, и он видит или чувствует, что стоит за ней.
Это описывает удивительно большую часть операций среднего бизнеса. Поддержка на очереди тикетов, которую можно переприоритизировать. Финансисты, разбирающие исключения кредиторской задолженности. Урегулировщики убытков. Кредитные аналитики. Любой, кто работает со списком сортировки, где лёгкие позиции вот-вот заберёт агент, а право выбирать порядок останется у человека.
Там, где условия не выполняются, находка вас не касается. Работа с фиксированной последовательностью без права бросить, работа, где очередь не видна сотруднику, и действительно незаменяемая работа (одно дело, один ответственный, до закрытия) — всё это ломает механизм. Диагностический вопрос прост: после смены маршрутизации видит ли человек, держащий трудную позицию, что-то лучшее в ожидании? Если да — конфигурация у вас есть. Если нет — нет.
Честный контраргумент
Я бы не подавала это как решённое. Важны четыре ограничения:
Это одна компания, одна страна, один вид работы. Исходящие продажи страховок — высокообъёмные, комиссионные по форме и необычно чувствительные к резервной ценности, потому что очередь и есть механизм вознаграждения. Операционная команда на окладе, разбирающая бэклог общего центра обслуживания, сталкивается с более слабой версией того же стимула.
Это препринт. v1, подан 19 октября 2026 года, рецензирования ещё не прошёл.
Регрессионный разрыв во времени — это идентификация, а не контролируемый эксперимент. Разрыв во времени уязвим ко всему остальному, что изменилось при запуске: правке скрипта, новому плану комиссий, смене поставщика лидов. Паттерн внутридневного затухания — сильнейшая защита, потому что смешивающему фактору пришлось бы объяснить, почему эффект виден только на первых трёх звонках.
Итог — декомпозиция, а не отчёт о прибылях. Вывод статьи о том, что поведенческая реакция перевешивает выигрыш от упорядочивания, получен калибровочным упражнением. Это правдоподобная оценка знака и порядка величины, а не аудированная маржа.
Что переживает все четыре: маршрутизация меняет распределение возможностей, а оплата и метрики, построенные под скудную очередь, неверно оценивают обильную. Это утверждение надёжно по направлению, даже если 5 пунктов — не ваши 5 пунктов.
Что проверить перед следующим решением о маршрутизации
Единица действия — не модель. Это очередь и рабочее место.
Измеряйте упорство, а не только качество. До запуска агента зафиксируйте базовые значения попыток на лид, длительности звонка и частоты возврата — в разрезе позиции в рабочем дне. Если вы храните только дневные средние, эффект из этой статьи невидим для вас по построению: он живёт в первых трёх звонках и умирает к полудню.
Перечитайте стимул применительно к новой очереди. Комиссия за конверсию на обильной очереди платит людям за то, чтобы снимать сливки. Если агент вот-вот поднимет среднее качество лида, вопрос вознаграждения в том, награждает ли хоть что-то одиннадцатую минуту на трудном звонке. Нижние пороги упорства, минимумы по попыткам или цель, взвешенная по качеству, а не по количеству, — обычные способы починки.
Решайте режим занятости рабочего места, а не список задач. Именно здесь ошибается большинство проектов маршрутизации в среднем бизнесе: они описывают, какие задачи забирает агент, и ни разу не переписывают, за что теперь отвечает человеческое рабочее место. Решение о занятости заставляет записать, что человек делает с обогащённой очередью; решение о разделении задач позволяет оставить это невысказанным и узнать из конверсии. Поверхность AUGMENT у Scovai идёт этим путём явно: каждое место в оргструктуре получает оценку от 0 до 100% по степени augmentability, а режим задаётся для каждого места — человек один, человек плюс Digital Employee, либо Digital Employee, ведущий роль сквозным образом под поимённо назначенным человеческим супервизором, причём потолок устанавливает компания, а не умолчание о полной автономии (Scovai AUGMENT).
Запустите агента сначала на срезе и смотрите на людей, а не на агента. Собственные метрики агента будут в порядке. Окупается та телеметрия, которая стоит на сотрудниках, чья очередь только что изменилась.
Решение этого квартала
Решение о маршрутизации лидов с ИИ — это не решение о мощности с побочным эффектом на мотивацию. Это решение о мотивации в костюме мощности.
Поэтому перестаньте спрашивать, какую работу должен забрать ваш агент. Спросите, за что платят вашим людям, когда работа, оставленная им, начинает выглядеть обильной, — и увидите ли вы ответ в своих цифрах раньше, чем он проявится в воронке.