La métrica principal de derivación de la IA es la tasa de derivación: la proporción de conversaciones que un agente de IA transfiere a una persona. Por sí sola, dice poco. Una tasa del 5% puede indicar un agente excelente o uno que deja atrapados a los clientes que necesitan hablar con una persona. Una medición útil combina la tasa con el motivo de cada derivación, el tiempo que ha llevado, la calidad de la transferencia y el resultado posterior. También examina los casos que la tasa no permite ver: conversaciones que deberían haberse derivado y no se derivaron. Las auditorías de Lexic detectaron que el 85% de los agentes evaluados no derivan adecuadamente las incidencias a un representante humano, por lo que la verificación independiente debe acompañar al panel de control.
Resumen
- La tasa de derivación se calcula dividiendo las conversaciones derivadas entre el total de conversaciones y multiplicando por 100. Es una métrica de frecuencia, no una puntuación de calidad.
- Añada cuatro métricas complementarias: motivo de la derivación, tiempo hasta la derivación, calidad de la transferencia y resultado posterior.
- Interprete los valores de referencia como intervalos vinculados a un periodo y a una fase de despliegue, y establezca objetivos por tema, no de forma global.
- Las derivaciones registradas nunca muestran las derivaciones omitidas. Solo se detectan al evaluar al agente como lo haría un usuario real.
- Para los sistemas de alto riesgo en la UE, el artículo 14 del Reglamento de IA exige una supervisión humana efectiva, lo que convierte las evidencias de derivación en un registro de cumplimiento normativo.
Índice
- Qué se considera una derivación y cómo se calcula la tasa
- Las cinco métricas que dan sentido a la tasa
- Cómo interpretar los valores de referencia
- Establecer umbrales sin perseguir una cifra baja
- El punto ciego: las derivaciones omitidas
- Por qué importan las evidencias de derivación en el marco del EU AI Act
- Una rutina de auditoría repetible
- Auditoría independiente del comportamiento de derivación
- Nuestra perspectiva sobre las métricas de derivación
- Preguntas frecuentes
- Fuentes
Qué se considera una derivación y cómo se calcula la tasa
Una derivación se produce cada vez que un agente de IA transfiere una conversación a una persona. Puede activarse porque un cliente solicita hablar con una persona, se activa una salvaguarda, una regla de intención dirige la conversación al personal o falla una llamada a una herramienta. Las definiciones importan porque la tasa cambia según lo que se contabilice.
La fórmula básica es sencilla. La documentación de Customer Experience Insights de Google Cloud define la tasa de derivación como el porcentaje de conversaciones derivadas a un agente humano, calculado a partir de un indicador de derivación a nivel de sesión. Una entrada de glosario sobre esta métrica ofrece un ejemplo práctico: 120 derivaciones de 3,000 contactos equivalen a una tasa del 4%. La misma entrada señala que la tasa varía de forma inversa a la contención y a la resolución en el primer contacto.
Dos decisiones sobre la definición modifican la cifra más de lo que la mayoría de los equipos espera:
- El denominador. ¿Se cuentan las conversaciones con al menos un mensaje del cliente o todas las sesiones abiertas? Las sesiones en las que nadie escribe nada reducen artificialmente la tasa.
- Las derivaciones repetidas. Si una conversación se deriva dos veces en un día, decida de antemano si cuenta como una o dos derivaciones y mantenga la regla fija.
Un ejemplo de voz muestra por qué importan los componentes. En una semana ilustrativa de una línea telefónica de una clínica, el agente recibió 1,200 llamadas y se transfirieron 180, una tasa del 15%. De esas transferencias, 70 fueron solicitudes para hablar con una persona, 60 fueron transferencias exigidas por las políticas para cuestiones clínicas y 50 se produjeron tras un intento fallido. Ese mismo 15% podría ser un dato positivo o una señal de alerta, según ese desglose.
Las cinco métricas que dan sentido a la tasa
La tasa de derivación indica con qué frecuencia ocurre. Las métricas siguientes indican por qué, con qué rapidez, con qué calidad y con qué resultado.
| Métrica | Qué mide | Cómo se calcula | Qué revela |
|---|---|---|---|
| Tasa de derivación | Proporción de conversaciones transferidas a una persona | Derivaciones ÷ conversaciones × 100 | Carga total sobre los equipos humanos |
| Distribución de motivos de derivación | Por qué se produjo cada derivación | Proporción de derivaciones solicitadas, exigidas por las políticas, activadas por el nivel de confianza y provocadas por fallos | Si la causa es una elección del cliente, una regla o un fallo del agente |
| Tiempo hasta la derivación | Cuánto tiempo permaneció el cliente interactuando con la IA antes de que se activara la derivación | Tiempo desde el primer indicio de necesidad hasta la derivación | Clientes atrapados en bucles |
| Calidad de la transferencia | Si la persona recibió una transferencia con información útil | Derivaciones con resumen, cliente identificado y sin repetir la pregunta ÷ total de derivaciones | Pérdida de contexto en la transición |
| Resultado posterior a la derivación | Tiempo de resolución y satisfacción tras la derivación | Tiempo de resolución y variación de CSAT en los casos derivados | Si la derivación realmente ayudó |
Este conjunto sigue un planteamiento ampliamente utilizado: una guía de derivación en atención al cliente identifica la tasa de derivación, el tiempo hasta la derivación, la tasa de repetición de preguntas, el tiempo de resolución posterior a la derivación y la variación de CSAT como las medidas que permiten determinar si la derivación funciona.
Distribución de motivos: la métrica que permite actuar sobre la tasa
Un glosario sobre la tasa de derivación recomienda separar las derivaciones solicitadas, exigidas por las políticas, activadas por el nivel de confianza y provocadas por fallos. Cada una apunta a una medida correctora distinta:
- Muchas derivaciones solicitadas sugieren que los clientes desconfían del agente o no consiguen obtener respuestas.
- Muchas derivaciones exigidas por las políticas son previsibles en temas regulados y no constituyen un defecto.
- Muchas derivaciones activadas por el nivel de confianza apuntan a carencias en la cobertura de intenciones o conocimientos.
- Muchas derivaciones provocadas por fallos apuntan a integraciones defectuosas, errores de herramientas o callejones sin salida.
La misma fuente sostiene que la tasa solo sirve para el diagnóstico cuando se registran el motivo y el resultado, y que el objetivo es una transferencia adecuada y satisfactoria, no la cifra más baja.
El tiempo hasta la derivación y los dos cronómetros
Un cliente que solicita hablar con una persona en el tercer mensaje y llega a ella en el decimocuarto tiene un problema de tiempo hasta la derivación que la tasa oculta. Mida los turnos y los minutos entre la primera solicitud explícita o señal de malestar y la derivación.
Tras la derivación, controle un segundo cronómetro. Una guía práctica distingue el tiempo de primera respuesta del tiempo hasta la primera respuesta humana, cuyo cómputo comienza con la derivación y termina con la primera respuesta de una persona. Recomienda mostrar ambos uno junto al otro, porque combinar un turno rápido de IA con un turno humano lento no describe bien ninguna de las dos etapas.
Calidad de la transferencia
Una derivación falla si el cliente tiene que empezar de nuevo. Una forma de medirlo consiste en tomar una muestra de veinte derivaciones por semana y marcar cada una con un sí o un no según tres comprobaciones: la persona disponía del resumen de la conversación, el cliente estaba identificado y no se volvió a formular la pregunta. La calidad de la transferencia es el número de síes dividido entre el total de derivaciones. Es una pequeña rutina manual que detecta pérdidas de contexto que ningún panel de control muestra.
Resultado posterior a la derivación
Compare el tiempo de resolución y la satisfacción de los casos derivados antes y después de modificar la IA. Una ponencia académica (un trabajo de investigación en curso presentado en ICIS 2025, sin revisión por pares) estudió a un proveedor global de SaaS B2B que sustituyó un bot basado en reglas por un agente de IA. Informa de que la tasa de derivación descendió de aproximadamente el 51% al 31%, mientras que el tiempo medio de resolución de los tickets derivados se redujo un 65%, de unas 933 horas a unas 327 horas. La lección para la medición es que un solo cambio puede mover la tasa, el volumen y el tiempo de resolución en direcciones distintas, por lo que ninguno debe interpretarse de forma aislada.
Cómo interpretar los valores de referencia
Los valores de referencia circulan ampliamente y, en su mayoría, los comunican los proveedores. Utilícelos como intervalos con un periodo y una fase de despliegue indicados, nunca como un umbral de aprobación.
- Un informe de referencia de marzo de 2026 situó la tasa de derivación del sector en el 32%, frente al 39% de enero de 2026, con una precisión de derivación del 91%.
- Una recopilación de estadísticas de IA de voz de 2026 cita datos de Metrigy de 2025 de entre el 18 y el 22% en despliegues maduros y del 45% en los primeros 90 días, así como datos de CCW Digital de 2025 que indican que las tasas superiores al 35% después de seis meses señalan carencias en los datos de entrenamiento o en la cobertura de intenciones.
- Una tabla de métricas de 2026 sitúa entre el 20 y el 40% el intervalo habitual del primer año, y señala que una cifra demasiado baja puede indicar respuestas forzadas y una demasiado alta, carencias de cobertura.
Las cifras difieren porque los canales, los sectores y las definiciones son distintos. Un banco con muchas derivaciones exigidas por las políticas debería tener una tasa más alta que un minorista que responde a consultas sobre el estado de los pedidos. Compare primero su tasa con sus propios periodos anteriores y, después, con intervalos externos.
Establecer umbrales sin perseguir una cifra baja
Un objetivo único para toda la empresa empuja al agente a abordar asuntos que no debería gestionar. Las orientaciones sobre métricas de atención al cliente con IA aconsejan establecer umbrales por tema, en lugar de hacerlo de forma global: los reembolsos, las cuestiones jurídicas y los problemas de seguridad deben derivarse pronto, mientras que las consultas rutinarias de estado pueden seguir automatizadas. También sugieren revisar las definiciones trimestralmente, ya que los nuevos canales, las nuevas acciones de las herramientas y los cambios en las reglas de los proveedores modifican lo que se considera una derivación.
Tres tipos de activadores cubren la mayoría de los diseños: basados en la confianza (la certeza del modelo cae por debajo de un nivel establecido, habitualmente en el intervalo del 75 al 80% en el informe de referencia anterior), basados en el sentimiento (el cliente muestra frustración) y basados en el tema (el asunto figura en una lista de temas protegidos). Las orientaciones prácticas sobre cuándo deben los agentes de IA transferir la conversación a personas explican con más detalle los umbrales de confianza, el sentimiento del cliente y las reglas temáticas.
La frustración merece una regla propia. Stealth Agents cita datos de Forrester de 2025 según los cuales las llamadas derivadas por frustración del cliente, y no por la complejidad de la consulta, representan el 30% de todas las derivaciones. También cita datos de Gartner CX de 2025 según los cuales una opción clara y temprana para contactar con una persona eleva el CSAT de las llamadas derivadas un 12%.
El punto ciego: las derivaciones omitidas
Todas las métricas anteriores parten de una derivación registrada. Si el agente nunca deriva la conversación, no se registra nada y la tasa parece excelente. Los fallos son los casos que el cliente vive como una trampa: solicitudes reiteradas para hablar con una persona que se ignoran, una reclamación respondida con mensajes tranquilizadores predefinidos o una cuestión regulada que se responde cuando debería haberse derivado.
Los paneles de los proveedores miden aquello para lo que el proveedor ha habilitado registros. Rara vez comprueban si el agente debería haber derivado la conversación. Cerrar esa brecha exige dos cosas:
- Pruebas de escenarios desde fuera. Interactúe con el agente como lo haría un cliente, con solicitudes explícitas para hablar con una persona, clientes angustiados, peticiones ambiguas y temas fuera de su ámbito, y registre lo que ocurre.
- Revisión de conversaciones completas. Tome muestras de transcripciones en las que el cliente repitió una solicitud, mostró un sentimiento negativo o formuló una pregunta sobre un tema protegido, y compruebe si se produjo la derivación.
El resultado es una tasa de omisión: de las conversaciones en las que estaba justificada la derivación, la proporción en la que no se produjo. Combínela con la tasa de derivación para obtener una visión completa. Una tasa de derivación baja con una tasa de omisión alta es la peor combinación, y solo esta medición permite detectarla.
Por qué importan las evidencias de derivación en el marco del EU AI Act
Para los equipos que operan en Europa o venden en ese mercado, la derivación también es un control de gobernanza. El artículo 14 del EU AI Act, aplicable desde el 2 de agosto de 2026 a los sistemas de IA de alto riesgo enumerados en el anexo III, exige que esos sistemas se diseñen de forma que las personas encargadas de la supervisión puedan comprender sus capacidades y limitaciones, supervisar su funcionamiento, interpretar sus resultados, decidir no utilizar el sistema o anular sus decisiones, e intervenir o detenerlo. Que un agente concreto de atención al cliente entre en una categoría de alto riesgo depende de su caso de uso, por lo que las empresas estadounidenses que accedan a la UE deben confirmar su clasificación con sus asesores jurídicos o de cumplimiento normativo.
Esto tiene una implicación para las métricas: la supervisión humana debe poder demostrarse. Un registro que muestre cuándo se producen las derivaciones, por qué, con qué rapidez y con qué resultado contribuye a demostrarla. Un registro que muestre que se ha evaluado al agente para detectar omisiones de derivación refuerza esa demostración. Conserve las evidencias con fecha y protegidas frente a manipulaciones para poder presentarlas posteriormente.
Una rutina de auditoría repetible
- Fije las definiciones. Documente qué se considera una derivación, el denominador y el tratamiento de las derivaciones repetidas. Mantenga un control de versiones.
- Configure el registro del motivo. Registre un código de motivo para cada derivación: solicitud, política, confianza o fallo.
- Controle ambos cronómetros. Registre por separado el tiempo hasta la derivación y el tiempo hasta la primera respuesta humana.
- Muestree semanalmente la calidad de la transferencia. Evalúe una muestra fija según las tres comprobaciones anteriores.
- Busque omisiones mediante pruebas. Ejecute escenarios predefinidos que deberían activar la derivación y registre el resultado.
- Establezca umbrales por tema. Prevea una derivación temprana para los temas protegidos y revíselos trimestralmente.
- Conserve las evidencias. Almacene transcripciones, puntuaciones y hallazgos con marcas de tiempo para la gobernanza y la revisión de proveedores.
Auditoría independiente del comportamiento de derivación
Lexic Compass es la plataforma de auditoría de agentes de IA de Lexic. Evalúa agentes de IA conversacional de cualquier proveedor interactuando con ellos como lo harían usuarios reales, en los ámbitos de experiencia del cliente, seguridad, fiabilidad técnica y cumplimiento normativo, e incluye la gestión de derivaciones y la información facilitada al cliente. Los hallazgos proporcionan a las organizaciones evidencias para gobernar los agentes en producción y exigir responsabilidades a los proveedores, y Lexic utiliza funciones hash criptográficas de terceros para verificar la integridad de las evidencias y facilitar la trazabilidad.
Los equipos que deseen una primera evaluación del comportamiento de derivación pueden empezar por las opciones de la página de auditoría de Compass, que incluye Flash Preview, Audit Sprint y Enterprise Continuous Trust. La presentación de Lexic Compass explica el enfoque de auditoría. Los equipos que también quieran analizar cada conversación con clientes para detectar señales de sentimiento, abandono y oportunidades pueden consultar Lexic Pulse.
Nuestra perspectiva sobre las métricas de derivación
La tasa de derivación es la cifra que todos comunican y la que menos explica. Cuenta las derivaciones que se produjeron. El riesgo reside en las que no se produjeron.
Nuestras auditorías han revelado que el 85% de los agentes evaluados no derivan adecuadamente las incidencias a un representante humano. Llegamos a esa conclusión interactuando con los agentes como lo hacen los usuarios reales, no leyendo el informe del propio proveedor.
Por eso tratamos la derivación como un comportamiento que debe verificarse, no como una estadística que debe supervisarse. Una métrica generada por el sistema evaluado es útil para las operaciones. No constituye una garantía independiente. La gobernanza necesita evidencias ajenas al proveedor, conservadas en un formato que permita rastrearlas y presentarlas ante un regulador o un consejo de administración.
Los programas más sólidos combinan ambas cosas: métricas operativas para la gestión diaria y auditorías independientes para las preguntas que un panel de control no puede responder. A medida que los despliegues se amplían a distintos canales y proveedores, esa combinación mantiene el control en manos de la organización que responde ante sus clientes.
Sergio Llorens
Preguntas frecuentes
¿Cuál es una buena tasa de derivación para un agente de IA?
No existe una cifra universal. Los intervalos publicados van de aproximadamente el 18 al 22% para despliegues de voz maduros al 20 al 40% en un primer año típico, y dependen del sector, el canal y las definiciones. Evalúe su tasa en relación con su propia tendencia, su distribución de temas y el desglose de motivos. Una tasa baja solo es buena si los clientes que necesitan hablar con una persona consiguen hacerlo.
¿Una tasa de derivación más baja es siempre mejor?
No. Una tasa descendente puede significar que el agente resuelve más casos o que bloquea a los clientes que necesitan una persona. Contrástela con el tiempo hasta la derivación, la calidad de la transferencia, la satisfacción posterior y una tasa de omisión obtenida mediante pruebas de escenarios antes de considerar el descenso como un avance.
¿Cómo se mide si una derivación ha sido satisfactoria?
Compruebe tres cosas: la persona recibió el resumen y la identidad del cliente sin volver a preguntar, el cliente llegó rápidamente a una persona y el caso se resolvió con un nivel de satisfacción aceptable. Tomar una muestra de unas veinte derivaciones por semana y evaluarlas con un sí o un no proporciona una cifra sencilla y repetible de calidad de la transferencia.
¿Exige el EU AI Act la derivación a una persona?
Para los sistemas de alto riesgo del anexo III, el artículo 14 exige supervisión humana, incluida la capacidad de anular decisiones, intervenir o detener el sistema. No prescribe una tasa de derivación concreta. Que su agente sea de alto riesgo depende de su uso, por lo que debe confirmar la clasificación con sus asesores de cumplimiento normativo o jurídicos.
Fuentes
- Plataforma de agentes virtuales, Customer Experience Insights (Google Cloud)
- Entrada de glosario sobre la tasa de derivación
- ¿Qué es la tasa de derivación? (ejemplo de agente de voz)
- Gestión de derivaciones en atención al cliente: rutas adaptadas a la IA
- ¿Qué es la tasa de derivación? (categorías de motivos)
- El cronómetro del SLA tras la derivación de un agente de IA a una persona
- Métricas de atención al cliente con IA: contención, resolución y CSAT
- De los bots basados en reglas a los agentes de IA en SaaS B2B (ICIS 2025 TREO)
- Informe de referencia sobre atención al cliente con IA, marzo de 2026
- Estadísticas de atención con IA de voz de 2026
- Métricas de atención al cliente con IA: KPI y valores de referencia
- Atención al cliente con IA: lo que las empresas deben saber sobre las transferencias
- Reglamento (UE) 2024/1689, texto consolidado (EUR-Lex)