14.000 llamadas: humanos convierten 4 veces más que la IA

Qué encontró el estudio de 14.000 llamadas

Bold Agent Kit, una plataforma para construir recepcionistas y agentes de comunicación con IA, analizó junto a sus clientes aproximadamente 14.000 llamadas entrantes. De ese total, 6.343 fueron atendidas por agentes de IA y alrededor de 7.657 por recepcionistas humanos.

El hallazgo central: los recepcionistas humanos lograron un desempeño de conversión de consultas entrantes aproximadamente 4 veces superior al de la IA. En términos simples, convirtieron más llamadas en resultados de negocio concretos, no solo en conversaciones atendidas.

El segundo dato es el que debería preocupar a quien ya desplegó voz automatizada: las llamadas gestionadas por IA registraron un 700% más de cuelgues sin progreso, es decir, personas que cortaron antes de completar el proceso de registro de su consulta.

El tercero juega a favor de la automatización: los recepcionistas humanos perdieron cerca de un 15% más de llamadas que los agentes de IA.

Los tres números, leídos juntos, describen un trade-off y no un ganador. La IA gana en disponibilidad; el humano gana en resultado.

¿Por qué la IA contesta más llamadas pero convierte menos?

La explicación más probable no es que los modelos de voz sean malos, sino que la métrica que se optimiza está mal elegida. Un agente de IA puede contestar al primer timbrazo, saludar con un guion impecable y aun así perder al interlocutor en el segundo minuto.

El propio estudio enumera posibles causas —fricción conversacional, demoras en la respuesta, dificultad para manejar preguntas inesperadas y preferencia del llamante por hablar con una persona— y aclara que no aisló cuál de ellas explica la diferencia.

Ese detalle metodológico importa. El análisis es observacional, no un experimento controlado con asignación aleatoria, y las poblaciones de llamadas atendidas por humanos y por IA pueden no ser comparables. Los propios autores advierten que las comparaciones deben leerse como resultados observados en ese conjunto de datos, no como benchmarks universales ni como efectos causales establecidos.

Aun así, la pregunta de fondo es válida para cualquier founder: ¿estás midiendo cuánto trabajo elimina la IA o cuánto valor crea?

El empleo en call centers ya está cayendo

El 9 de octubre de 2026, Andreessen Horowitz (a16z) publicó un reporte que, citando datos de empleo de Revelio, documentó una caída significativa en el crecimiento del empleo global en call centers. Tras más de una década de expansión sostenida, ese crecimiento se volvió negativo en países de distintos niveles de ingreso.

El reporte plantea que la IA podría estar contribuyendo ya al desplazamiento de trabajadores del sector, aunque las estadísticas de empleo por sí solas no permiten establecer cuánto de esa caída se debe a la automatización y cuánto a factores económicos más amplios.

Ahí está la trampa lógica que el estudio de Bold Agent Kit intenta desarmar: una reducción de plantilla no prueba una mejora en el servicio. Una empresa puede bajar costos, procesar más llamadas con IA y, al mismo tiempo, ver caer su tasa de conversión y crecer la frustración de sus clientes. Eficiencia y efectividad son dos mediciones distintas.

El costo por llamada no es el costo por resultado

La mayoría de los casos de negocio para reemplazar recepcionistas humanos se construyen sobre ahorro laboral: comparar el costo mensual de una persona contra un servicio de IA que atiende 24/7 por una fracción del precio. Visto solo como gasto de personal, la IA gana fácil.

El cálculo está incompleto. Para muchos negocios de servicios —estudios jurídicos, consultorios médicos, contratistas, inmobiliarias— el recepcionista no es solo un costo operativo: es parte del motor de ingresos. Si cambiar a IA reduce de forma material el porcentaje de consultas que se convierten en clientes, el ingreso perdido puede superar el ahorro.

La formulación que propone el estudio es directa: evalúa el costo por resultado exitoso, no el costo por llamada contestada. Un sistema que cuesta 80% menos no es más rentable si convierte sustancialmente menos oportunidades. Los propios autores aclaran que se trata de economía ilustrativa y no de un retorno de inversión calculado a partir de su estudio.

Qué dicen los datos del mercado sobre llamadas perdidas

El problema que la IA resuelve bien —disponibilidad— no es menor. Según Telecoms Tech News, cuando BT Business lanzó su servicio AI Receptionist citó una encuesta propia según la cual 67% de las pequeñas empresas dijo haber perdido al menos una llamada en un día promedio que creía había significado negocio perdido. BT estimó en 3.700 millones de libras el ingreso anual perdido por llamadas sin responder en el Reino Unido.

La misma encuesta encontró que 58% de las pymes dedicaba entre 30 minutos y dos horas diarias a atender llamadas de clientes, y que 85% afirmó que esas llamadas interrumpían otro trabajo.

Del lado del volumen de atención, la firma Moneypenny reportó que casi 45% de las llamadas entrantes que gestiona son consultas nuevas, según recoge B2B Marketing. Para un negocio B2B, donde una sola consulta puede representar una oportunidad comercial relevante, el costo de una llamada perdida es alto.

Y hay una señal sobre cómo se están repartiendo las tareas: en un taller de la comunidad Propolis citado por B2B Marketing, 52% de los roles se esperaba que combinaran IA e intervención humana, frente a solo 17% considerados aptos para automatización total. El 31% restante seguía siendo liderado por personas, sobre todo donde pesan el criterio, las relaciones y la responsabilidad estratégica.

El movimiento del mercado acompaña esa lógica. Intermedia anunció el 10 de septiembre de 2026 el lanzamiento de su AI Receptionist, un agente de voz nativo integrado a su plataforma, con escalado a un humano cuando la conversación lo requiere y un resumen generado por IA para dar contexto al empleado que recibe la llamada.

¿Qué significa esto para tu startup?

Si estás evaluando o ya desplegaste agentes de voz, hay tres decisiones que cambian el resultado:

• Cambia la métrica principal. Deja de reportar "llamadas contestadas" y empieza a reportar "consultas convertidas". Si tu panel no distingue entre una llamada atendida y una llamada que avanzó, no tienes forma de saber si la automatización está creando o destruyendo valor.
• Instrumenta el cuelgue sin progreso. El 700% más de abandonos que encontró el estudio es una señal de fricción, no de volumen. Mide en qué punto del flujo cuelga la gente y revisa ahí primero: demoras de respuesta, preguntas fuera del guion, cambios de tema.
• Diseña el traspaso a humano antes de automatizar. Define qué conversaciones requieren criterio, empatía o negociación y asegúrate de que el agente sepa cuándo escalar. Un handoff con contexto —lo que ya se habló, quién llama, qué necesita— es lo que evita que el cliente repita todo desde cero.

Cómo se ve un piloto híbrido de 90 días

Moneypenny, que desarrolló su propio recepcionista de voz con IA, describe en B2B Marketing una estructura de piloto que se puede copiar casi tal cual:

• Días 1 a 30: identificar las consultas más frecuentes, establecer los benchmarks actuales de desempeño y definir cómo se medirá el éxito.
• Días 31 a 60: desplegar el agente de voz junto a los canales existentes y monitorear el desempeño en paralelo, sin apagar todavía el canal humano.
• Días 61 a 90: analizar resultados, detectar mejoras y evaluar el impacto comercial.

La advertencia de esa firma es la misma que sugiere el estudio de las 14.000 llamadas: el éxito no se mide por cuántas conversaciones manejó la IA, sino por qué cambió para el cliente y para el negocio.

Conclusión

La conclusión más útil de este estudio no es "la IA no sirve para atender el teléfono". Es más incómoda: la IA ya es suficientemente buena para reemplazar la parte de la tarea que se mide fácilmente —contestar— y todavía no para la parte que genera el negocio —convertir.

Eso deja a los founders con una decisión de diseño, no de tecnología. El modelo híbrido que emerge de los datos —IA para cobertura fuera de horario, consultas simples y captura de información; humanos para criterio, persuasión y relaciones— no es una concesión nostálgica al empleo. Es la configuración que hoy maximiza el resultado por llamada.

Y hay una razón de timing para actuar ahora: si el empleo en call centers ya está cayendo, según los datos de Revelio que cita a16z, la ventana para decidir cómo se reparte el trabajo entre personas y agentes se está cerrando más rápido de lo que la mayoría de los equipos planea.

Fuentes

• Bold Agent Kit — Call Center Jobs Are Declining, but 14,000 Calls Show Humans Still Outperform AI (fuente original)
• Telecoms Tech News — BT Business launches AI Receptionist for customer calls
• B2B Marketing — What B2B Businesses Need to Know Before Adopting an AI Voice Agent
• Intermedia — Intermedia Launches AI Receptionist