Métricas de escalado de IA: qué medir y cómo auditarlas

La métrica principal de derivación a una persona en 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 que el agente es excelente o que deja atrapados a clientes que necesitan hablar con una persona. Una medición útil combina la tasa con el motivo de cada transferencia, el tiempo transcurrido, 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 constataron que el 85% de los agentes evaluados no derivan adecuadamente los problemas 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 el resultado por 100. Es una tasa, 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 una fase de despliegue, y establezca objetivos por tema, no globales.
• Las transferencias registradas nunca muestran las derivaciones omitidas. Solo se detectan probando 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 pruebas de derivación en un registro de cumplimiento.

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 las pruebas de derivación son importantes 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 siempre que un agente de IA transfiere una conversación a una persona. Puede desencadenarla un cliente que pide hablar con una persona, la activación de una salvaguarda, una regla de intención que dirige la conversación al personal o una llamada fallida 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, obtenido a partir de un indicador de derivación a nivel de sesión. Una entrada de glosario sobre esta métrica ofrece un ejemplo de cálculo: 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 contabilizan las conversaciones con al menos un mensaje del cliente o todas las sesiones abiertas? Las sesiones en las que nadie escribió nada reducen la tasa artificialmente.
• Las derivaciones repetidas. Si una conversación se transfiere dos veces en un día, decida de antemano si cuenta como una o dos 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 se debieron a la política aplicable a consultas clínicas y 50 se produjeron tras un intento fallido. Ese mismo 15% podría ser adecuado o constituir una señal de alerta, según ese desglose.

Las cinco métricas que dan sentido a la tasa

La tasa de derivación responde a la pregunta de con qué frecuencia ocurre. Las métricas siguientes responden a por qué, con qué rapidez, con qué calidad y con qué resultado.

Este conjunto sigue un enfoque ampliamente utilizado: una guía de derivación en atención al cliente identifica la tasa de derivación, el tiempo hasta la derivación, la tasa de preguntas repetidas, el tiempo de resolución posterior a la derivación y la variación del CSAT como medidas para 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 la política, activadas por el nivel de confianza y provocadas por fallos. Cada una apunta a una corrección distinta:

• Muchas derivaciones solicitadas sugieren que los clientes desconfían del agente o no consiguen respuestas.
• Muchas derivaciones exigidas por la política son esperables 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 que no funcionan, errores de herramientas o vías sin salida.

La misma fuente sostiene que la tasa solo tiene valor diagnóstico cuando se registran el motivo y el resultado, y que el objetivo es una transferencia adecuada y satisfactoria, no la cifra más baja posible.

Tiempo hasta la derivación y los dos relojes

Un cliente que pide hablar con una persona en el tercer mensaje y llega a ella en el decimocuarto sufre 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 transferencia.

Tras la transferencia, controle un segundo reloj. Una guía práctica distingue el tiempo de primera respuesta del tiempo hasta la primera respuesta humana, cuyo cómputo empieza en la transferencia y termina con la primera respuesta de una persona. Recomienda mostrar ambos en paralelo, 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 transferencia falla si el cliente tiene que empezar de nuevo. Una forma de medirla consiste en tomar una muestra de veinte transferencias por semana y marcar sí o no en tres comprobaciones: la persona disponía del resumen de la conversación, el cliente estaba identificado y no se volvió a formular la misma pregunta. La calidad de la transferencia es el número de resultados afirmativos dividido entre el total de transferencias. Es una pequeña rutina manual que detecta pérdidas de contexto que ningún panel 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 a 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. Indica que la tasa de derivación descendió de aproximadamente el 51% al 31%, mientras que el tiempo medio de resolución de los casos derivados disminuyó 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 especificados, nunca como un umbral de aprobación.

• Un informe comparativo 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 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 2025 según los cuales las tasas superiores al 35% después de seis meses indican 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 varían los canales, los sectores y las definiciones. Un banco con muchas transferencias exigidas por la política debería presentar una tasa superior a la de un comercio que responde a consultas sobre el estado de los pedidos. Compare primero su tasa con sus propios periodos anteriores y, después, con los intervalos externos.

Establecer umbrales sin perseguir una cifra baja

Un objetivo único para toda la empresa empuja al agente hacia asuntos que no debería gestionar. Las recomendaciones sobre métricas de atención al cliente con IA aconsejan establecer umbrales por tema en lugar de globalmente: 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 herramientas y los cambios en las reglas de los proveedores modifican lo que se considera una derivación.

Tres tipos de desencadenantes cubren la mayoría de los diseños: basados en la confianza (la certeza del modelo cae por debajo de un nivel establecido, habitualmente entre el 75 y el 80% en el informe comparativo anterior), basados en el sentimiento (el cliente muestra frustración) y basados en el tema (el asunto figura en una lista de temas protegidos). Las recomendaciones 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 por tema.

La frustración merece una regla propia. Stealth Agents cita datos de Forrester 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 2025 que indican que una opción clara y temprana para contactar con una persona aumenta el CSAT de las llamadas derivadas un 12%.

El punto ciego: las derivaciones omitidas

Todas las métricas anteriores parten de una transferencia registrada. Si el agente nunca transfiere 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 pregunta sobre un ámbito regulado que se responde cuando debería haberse derivado.

Los paneles de los proveedores miden aquello para lo que el proveedor ha configurado la recogida de datos. Rara vez comprueban si el agente debería haber derivado la conversación. Cerrar esa brecha requiere dos cosas:

1. 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 sucede.
2. Revisión de conversaciones completas. Tome una muestra de transcripciones en las que el cliente haya repetido una solicitud, mostrado un sentimiento negativo o planteado 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 la revela.

Por qué las pruebas de derivación son importantes en el marco del EU AI Act

Para los equipos que operan o comercializan sus servicios en Europa, la derivación también es un control de gobernanza. El artículo 14 del EU AI Act, aplicable a partir del 2 de agosto de 2026 a los sistemas de IA de alto riesgo enumerados en el anexo III, exige que dichos sistemas se diseñen de modo que las personas encargadas de supervisarlos puedan comprender sus capacidades y limitaciones, vigilar su funcionamiento, interpretar sus resultados, decidir no utilizar el sistema o anular sus resultados, e intervenir o detenerlo. Que un agente concreto de atención al cliente pertenezca a una categoría de alto riesgo depende de su caso de uso, por lo que las empresas estadounidenses que entren en la UE deben confirmar la clasificación con sus asesores jurídicos o de cumplimiento normativo.

Lo que esto implica para las métricas: la supervisión humana debe ser demostrable. Un registro que muestre cuándo se producen las transferencias, por qué, con qué rapidez y con qué resultado contribuye a demostrarla. Un registro que muestre que se ha evaluado al agente para detectar fallos de transferencia aporta aún más respaldo. Conserve las pruebas fechadas y protegidas frente a alteraciones para poder aportarlas posteriormente.

Una rutina de auditoría repetible

1. Fije las definiciones. Documente qué se considera una derivación, el denominador y el tratamiento de las transferencias repetidas. Mantenga un control de versiones.
2. Configure el registro del motivo. Registre un código de motivo para cada transferencia: solicitud, política, confianza o fallo.
3. Controle ambos relojes. Registre por separado el tiempo hasta la derivación y el tiempo hasta la primera respuesta humana.
4. Revise semanalmente una muestra de la calidad de las transferencias. Evalúe una muestra fija conforme a las tres comprobaciones anteriores.
5. Pruebe las omisiones. Ejecute escenarios predefinidos que deberían activar una derivación y registre el resultado.
6. Establezca umbrales por tema. Prevea una transferencia temprana para los temas protegidos y revíselos trimestralmente.
7. Conserve las pruebas. 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 pruebas 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 pruebas y respaldar 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 deseen analizar todas las conversaciones 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 transferencias 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 los problemas a un representante humano. Llegamos a ese hallazgo interactuando con los agentes como lo hacen 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 vigilarse. Una métrica producida por el sistema evaluado es útil para las operaciones. No constituye una garantía independiente. La gobernanza necesita pruebas 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 ambos elementos: métricas operativas para la gestión diaria y auditorías independientes para las preguntas que un panel no puede responder. A medida que los despliegues se amplían a más 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 desde aproximadamente el 18 al 22% para despliegues de voz maduros hasta el 20 al 40% en un primer año habitual, y dependen del sector, el canal y las definiciones. Evalúe su tasa en función de su propia tendencia, la 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 atención humana. 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 la bajada como un avance.

¿Cómo se mide si una derivación ha sido satisfactoria?

Compruebe tres aspectos: la persona recibió el resumen y la identidad del cliente sin tener que volver a preguntar, el cliente contactó rápidamente con una persona y el caso se resolvió con un nivel de satisfacción aceptable. Tomar una muestra de unas veinte transferencias 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 resultados, 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 jurídicos o de cumplimiento normativo.

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: vías adaptadas a la IA
• ¿Qué es la tasa de derivación? (categorías de motivos)
• El reloj del SLA después de que un agente de IA transfiera la conversación a una persona
• Métricas de atención al cliente con IA: contención, resolución y CSAT
• De bots basados en reglas a agentes de IA en SaaS B2B (ICIS 2025 TREO)
• Informe comparativo de atención al cliente con IA, marzo de 2026
• Estadísticas de atención al cliente 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)