Kostnad per løsning, ikke kostnad per minutt: en metode for prising av voice agents

En kjøper av en voice agent sitter over bordet fra en leverandør som oppgir $0.31 per minutt. Kjøperens budsjett er målt i løste kundehenvendelser, ikke i minutter. Leverandørens tilbud og kjøperens budsjett er i ulike enheter, og nesten hver eneste offentlige sammenligning av voice-agent-stacker retter seg etter leverandørens enhet, ikke kjøperens. Vi skrev denne artikkelen fordi vi gikk tom for tålmodighet med den asymmetrien på innkjøpsmøter.

Det empiriske spørsmålet er snevert. Gitt en voice-agent-stack med kjent pris per minutt, kjent gjennomsnittlig håndteringstid, kjent containment-rate og kjent fallback-kostnad når agenten eskalerer til et menneske, hva er den riktige måten å beregne kostnaden for én løst samtale på? Og når det tallet først finnes, samsvarer rangeringene det produserer over reelle offentlige stacker med rangeringene som pris per minutt produserer? Hvis rangeringene stemmer overens, er valget av enhet kosmetisk, og innkjøpsteam kan fortsette å bruke enheten leverandørene oppgir. Hvis rangeringene avviker, er valget av enhet en innkjøpsbeslutning i seg selv, og en kjøper som vurderer leverandører på pris per minutt er eksponert for en strukturell feil regnearket ikke flagger.

Tre observasjoner motiverer spørsmålet. For det første oppgir hver leverandørprissammenligning vi gjennomgikk priser per minutt ^{[14, 15, 16, 17]} uten å sette dem sammen til et tall per løsning, selv om de samme forfatterne erkjenner at containment er det som driver realisert kostnad ^[15]. For det andre har driftslitteraturen for kontaktsentre visst i minst et tiår at kostnad per kontakt skjuler kostnaden ved omarbeid. Belfiore tallfestet et gap på 10 poeng i first-call resolution som $1.2M i unngåelig årlig kostnad på en drift med 1M samtaler ^[2], og pay-per-resolution-outsourcing er allerede et innkjøpsformat med listepriser på $1–$7 ^[5]. Enheten er meningsfull for kjøperen. For det tredje rapporterer τ-Voice-benchmarken at voice agents fullfører oppgaver i 31–51 % av tilfellene under rene forhold og 26–38 % med realistisk støy ^[19], så variabelen som setter kostnad per løsning beveger seg mer enn leverandørbloggene innrømmer. Sammensetningsregelen som gjør disse inputene om til et sammenlignbart tall ser ikke ut til å være publisert.

En leser kunne med rimelighet spørre hvorfor en metodeartikkel om en formel med fire input behøver å eksistere. Grunnen er at de fire inputene kommer fra fire separate fagfelt (leverandørenes prissider, kontaktsenterdrift, benchmarking av voice agents og en leverandørredegjort arbeidskostnad), og at ingen publisert kilde setter dem sammen. Leverandørenes prissider stopper ved priser per minutt ^{[14, 16, 17]}; den akademiske benchmark-litteraturen for voice agents ^{[18, 19, 20]} rapporterer oppgavefullføring som et kvalitetsmål uten å oversette det til en kostnad; kontaktsenterlitteraturen definerer kostnad per løsning konseptuelt ^{[4, 7]}, men er eldre enn AI-kostnadsstacken; og bemanningsmodellene fra driftsledelse ^{[1, 26]} beskriver den menneskelige siden av substitusjonen, men ikke AI-siden. Hver brikke er publisert. Sammensetningen er det ikke.

Våre bidrag er: (1) en lukket formel for kostnad per løsning som setter sammen pris per minutt, håndteringstid, containment og kostnad per eskalering; (2) et gjennomarbeidet eksempel over fire reelle voice-agent-stacker (Retell AI, en Vapi-aktig komponent-dekomponert stack, en selvhostet best-of-breed-stack og en enterprise voice-AI-leverandør med gulvpris) ved bruk av offentlige listepriser og offentlige benchmark-containment-spenn; (3) to rangeringsskift mellom rangeringene per minutt og per løsning som viser at valget av enhet endrer innkjøpsbeslutningen; (4) et todimensjonalt følsomhetsrutenett over containment-skift og eskaleringskostnad som identifiserer eskaleringskostnad, snarere enn pris per minutt, som den strukturelle driveren av rangeringen; og (5) en Erlang C-utledning i vedlegget som forankrer formelens eskaleringsledd i den standard bemanningsmodellen fra driftsledelseslitteraturen ^{[1, 26]}.

Artikkelen er bygget opp som følger. Avsnitt 2 gjennomgår de to slektslinjene, enhetsøkonomien i kontaktsentre og inferensøkonomien for LLM-er, som berører problemet uten å løse det. Avsnitt 3 spesifiserer formelen, de fire stackene, utformingen av det gjennomarbeidede eksempelet og inputene vi holdt konstante. Avsnitt 4 rapporterer firestack-tabellen, de to rangeringsskiftene og det flerdimensjonale følsomhetsrutenettet. Avsnitt 5 drøfter hva rangeringsskiftene betyr for innkjøp, hvorfor eskaleringsleddet dominerer, og hvor formelen bryter sammen. Avsnitt 6 lister opp hva metoden ikke kan konkludere med. Avsnitt 7 avslutter. Vedlegg A utleder eskaleringsleddet fra Erlang C.

Måten voice agents prises på i dag arver to slektslinjer: driftsledelse for kontaktsentre, der regningsenheten lenge har vært kontakten, og inferensøkonomi for LLM-er, der enheten er tokenet. Ingen av slektslinjene produserer enheten en kjøper av voice agents faktisk anskaffer; en løst kundehenvendelse. Vi organiserer det tidligere arbeidet langs disse to armene, og gjennomgår deretter den lille mengden skriverier som har begynt å bevege seg mot kostnadsmodeller forankret i løsninger uten å komme helt fram.

2.1 Enhetsøkonomi i kontaktsentre

Driftsledelse har behandlet kontaktsenteret som et køsystem bemannet av mennesker i minst to tiår ^[1]. Akşin, Armony og Mehrotras oversikt ^[1] etablerer kostnadsstrukturen ethvert argument om AI-substitusjon må forholde seg til: omtrent to tredjedeler av et kontaktsenters driftskostnad er personell, og personell skalerer lineært med gjennomsnittlig håndteringstid gjennom standard Erlang C-bemanningsmodeller. Praktikerreferansen til Society of Workforce Planning Professionals ^[26] formaliserer den samme lineariteten inne i programvarestacken for workforce management. Vi arver bemanningslineariteten i vår metode; når en AI-agent containerer en samtale, krediterer vi avlastningen ved å trekke den fra den samme Erlang-modellen. Utledningen finnes i Vedlegg A.

Oppå kølaget har bransjen samlet seg om kostnad per kontakt som det operative effektivitetsmålet ^[3]. Rumburgs ICMI-standard ^[3] definerer den som månedlig driftskostnad delt på innkommende kontaktvolum og parer den med CSAT som en grunnleggende KPI. Kostnad per kontakt har den analytiske tiltrekningen til en direkte målt teller over en direkte målt nevner; svakheten, godt kjent i bransjen, men sjelden formalisert, er at kontakter ikke er utfall. Belfiore ^[2] gir den nærmeste eksisterende tallfestingen av det gapet ved å oversette underskudd i first-call resolution til overskytende årlig kostnad: et gap på 10 poeng i FCR på en drift med 1M samtaler produserer omtrent $1.2M i unngåelig kostnad ved $8 per samtale og 1,5 oppfølginger per uløst henvendelse. CallMiner-teamet ^[6] rapporterer den SQM-avledede tommelfingerregelen som har forankret praktikerdiskusjonen siden slutten av 2000-tallet; ett poengs gevinst i FCR er verdt ett poengs fall i driftskostnad.

En nyere tråd argumenterer for at selve enheten bør endres. CX Today ^[4] rammer kostnad per løsning inn som samlet driftskostnad over løste henvendelser, der «løst» krever ingen gjentatt kontakt innen 7 til 30 dager og ingen eskalering etter siste berøring. Şimşeks tverrbransjelige benchmark-rapport ^[7] tabellfester kostnad per sak fra $2.70 (varehandel) til $40+ (kompleks helse) og hevder at for SaaS er det operative målet kostnad per løsning snarere enn kostnad per sak; men stopper kort av å publisere løsningsdenominerte benchmarker. Det klareste eksistensbeviset på at enheten er meningsfull for kjøperen er innkjøp: Mehtas prisguide for outsourcing ^[5] dokumenterer pay-per-resolution-BPO-kontrakter i aktiv bruk til $1–$7 per løst henvendelse, med et bransjegjennomsnitt rapportert rundt $4. Enheten finnes i markedet; det den ikke har hatt før nå er en forsvarbar sammensetningsregel som forteller en CFO hvordan den utledes fra komponentene leverandørene faktisk oppgir.

2.2 Inferensøkonomi for LLM-er

Den andre slektslinjen som berører vårt problem er litteraturen om driftskostnad for store språkmodeller. Erdil ^[22] utvikler en teoretisk modell av avveiingen mellom kostnad per token og token per sekund under aritmetiske, minnemessige og nettverksmessige begrensninger, og beregner Pareto-fronter for populære LLM-er (se Figur 2). Frontens form; konveks med avtakende marginalavkastning på gjennomstrømning; er den oppstrøms kostnadsflaten vår metode setter sammen med nedstrøms containment for å gi et tall per løsning. Zhuang et al. ^[23] generaliserer rammeverket til en «LLM Inference Production Frontier» (Figur 3) og identifiserer tre prinsipper: avtakende marginalkostnad, avtakende skalaavkastning og en optimal kostnadseffektivitetssone. Pan et al. ^[21] anvender et nært beslektet kost-nytte-rammeverk på beslutningen mellom on-premise og kommersiell utrulling, og klassifiserer scenarioer i tilbakebetalingsbånd (0–6 måneder, 6–24 måneder, utover 24 måneder). Alle tre er denominert i tokens; nyttig fordi tokens er den marginale enheten for inferenskostnad, begrensende fordi tokens ikke er det en kontaktsenterkjøper anskaffer. Vi låner stadietanken fra ^[21] og marginalkostnadsrammeverket fra ^{[22, 23]}, men reforankrer nevneren på løste henvendelser snarere enn tokens.

2.3 Benchmarker og evaluering av voice agents

En parallell mengde arbeid måler om voice agents løser henvendelser i det hele tatt, uten å gjøre det om til kostnad. Yao et al.s τ-bench ^[18] introduserer en benchmark for kundeservice innen varehandel og flytrafikk og pålitelighetsmålet pass^k, og finner at GPT-4o løser under 50 % av oppgavene og er merkbart inkonsistent på tvers av kjøringer. Ray et al. utvider rammeverket til stemme i τ-Voice ^[19] og rapporterer oppgavefullføringsrater på 31–51 % under rene forhold og 26–38 % under realistisk støy og aksenter; vesentlig under tallene i tekstmodus; noe som direkte informerer følsomhetsanalysen vi kjører på containment (se Figur 1). Ethiraj et al. ^[20] viser at domenetilpasning vesentlig forskyver oppgavefullføring ved konstant compute, og forsterker poenget om at leverandøroppgitt containment er betinget av en arbeidsmengde kjøperen sjelden kontrollerer. Braggaar et al.s systematiske oversikt ^[25] dokumenterer 122 evalueringsstudier for oppgaveorientert dialog og finner heterogene konstrukter med underrapporterte operasjonaliseringer; en del av hvorfor et stabilt nedstrøms økonomisk mål ikke har krystallisert seg. Gao et al. ^[24] operasjonaliserer avveiingen mellom nytte og kostnad inne i agentens reinforcement-learning-løkke med sitt CMPO-rammeverk; vi behandler den samme avveiingen på innkjøpslaget med en lukket vurderingsregel.

2.4 Leverandør- og praktikerlitteratur

De mest leste skriveriene om kostnaden ved voice agents publiseres av leverandører og praktikere. Retell AIs prissammenligning ^[14] tabellfester kostnader per minutt og per 10K minutter på tvers av Retell, Vapi, Twilio Voice og Euphonia ($0.07–$0.66/min); Lucido-Balestrieris CloudTalk-artikkel ^[16] rapporterer CloudTalks hybride prising sammen med konkurrenters listepriser; Ahmed ^[15] dekomponerer pris per minutt på tvers av STT, LLM, TTS, telefoni og plattformlag og observerer at samtaletype og containment-spenn (45–88 %) driver realisert kostnad mer enn overskriftsratene. Dograhs TCO-analyse ^[17] skiller variable, halvvariable og faste kostnader på tvers av tre brukstrinn og priser ingeniørtid til $150/time; artikkelen merker at «rene minutter fanger ikke den fulle finansielle virkeligheten», men stopper kort av å erstatte minutter med løsninger som regningsenhet. Sharmas guide til voice-agent-stacken ^[13] og guide til evalueringsmål ^[12] publiserer formler for FCR (løst-først / totalt) og containment (AI-løst / totalt) med et containment-mål på >70 % for produksjonsmodenhet, men setter aldri målene sammen til en enhet per løsning. Replicants artikkel om automatiserings-ROI ^[8] rapporterer kostnader per samtale på $0.62 (AI) mot $7.40 (menneske), og PolyAIs målblogg ^[11] lister opp de åtte KPI-ene en voice-AI-kjøper bør spore; deriblant en advarsel om at containment kan skjule gjentatte oppringere; uten å komme fram til et sammensatt mål. Replicant ^[9] og Bucher + Suter ^[10] argumenterer uavhengig for at eskalering trenger samme ingeniørmessige grundighet som automatisering; begge behandler overleveringskostnaden kvalitativt, ingen av dem priser den.

2.5 Syntese og gap

To ting er klare fra litteraturen. For det første finnes allerede inputene som trengs for å beregne kostnad per løst samtale i offentlig form: leverandørenes priser per minutt ^{[14, 15, 16, 17]}, containment-formler ^[12], målte oppgavefullføringsrater ^{[18, 19]}, taksonomier for eskaleringsdesign ^{[9, 10]}, bemanningsmodeller ^{[1, 26]} og den historiske oversettelsen mellom FCR og driftskostnad ^{[2, 6]}. For det andre er det ingen publisert kilde som setter dem sammen. Kontaktsenter-slektslinjen ^{[1, 3, 4, 5, 6, 7]} har riktig nevner, men er eldre enn AI-kostnadsstacken; inferensøkonomi-slektslinjen ^{[21, 22, 23]} har riktig kostnadsmodelleringsdisiplin, men feil nevner; benchmark-slektslinjen for voice agents ^{[18, 19, 20, 25]} måler løsning som et kvalitetsutfall snarere enn et prisinput; og leverandørlitteraturen ^{[8, 9, 10, 11, 12, 13, 14, 15, 16, 17]} flagger gapet gjentatte ganger uten å lukke det. Vi er ikke kjent med tidligere arbeid som definerer en formel for kostnad per løst samtale som setter sammen pris per minutt, gjennomsnittlig håndteringstid, containment og eskaleringskostnad, og som med et gjennomarbeidet eksempel viser at de resulterende rangeringene avviker fra rangeringene per minutt på de samme stackene. Det er denne artikkelens bidrag.

Denne artikkelen er en metodeartikkel i betydningen paper-research-method: formelen er bidraget, det gjennomarbeidede eksempelet finnes for å vise at formelen produserer nyttige og ikke-opplagte rangeringer, og følsomhetsanalysen finnes for å vise at formelen gjenfinner en kjent empirisk regelmessighet fra tidligere arbeid. Vi gjorde ingen nye målinger. Vi satte sammen input som finnes i publisert form til én regel, anvendte den regelen på fire reelle offentlige stacker og stresstestet resultatet.

3.1 Formelen

La p betegne listeprisen per minutt for en voice-agent-stack i dollar, T den gjennomsnittlige håndteringstiden for en containert samtale i minutter, c containment-raten som en brøk i [0, 1], og E kostnaden per samtale ved menneskelig eskalering i dollar. Vi definerer kostnad per løsning som

C_res = (p · T) / c + (1 − c) · E

Det første leddet er prisen per minutt multiplisert med håndteringstid, delt på containment. Det besvarer spørsmålet: når vi bare teller AI-løste samtaler som løsninger, hva koster hver av dem i agent-minutt-utgift, gitt at vi betalte for minuttene i hver samtale som ikke løste seg også? Det andre leddet er den forventede eskaleringspremien per innkommende samtale: med sannsynlighet (1 − c) eskalerer samtalen, og hver eskalering pådrar seg kostnad E. De to leddene legges sammen til ett enkelt dollartall per løsning.

Konstruksjonen er bevisst enkel. Den behandler AI-stacken som en tjeneste med fast marginalkostnad som betales per minutt uavhengig av om samtalen løser seg, og den behandler menneskelig eskalering som en flat kostnad per samtale; standardrammeverket for kontaktsentre i ^{[3, 8]}. Den amortiserer ikke byggekostnad, inkluderer ikke lisensgulv eller plattformsminimum, og krediterer ikke oppstrøms avlastning (samtaler som aldri når agenten på grunn av selvbetjening i IVR). Hver av disse er nevnt i §6 som en begrensning.

Formelen setter sammen de fire inputene leverandørene oppgir inkonsekvent. Pris per minutt p er publisert på hver eneste leverandørprisside ^{[14, 16]}. Håndteringstid T er en måling på kjøpersiden tilgjengelig fra enhver historisk samtalelogg. Containment c er forholdstallet spesifisert i ^[12] og benchmarket ende-til-ende i ^[19]. Eskaleringskostnad E er kostnaden per samtale ved å rute samtalen til en menneskelig agent; tallet Replicant redegjorde for til $7.40 ^[8] og tallet Belfiore brukte til $8.00 ^[2]. Vi velger $7.40 som proxy i det gjennomarbeidede eksempelet fordi det er den nyeste redegjørelsen og kilden publiserer sammenligningstallet per AI-samtale ved siden av det. Vedlegg A viser at dette tallet er forenlig med Erlang C-bemanningsmodellen i ^{[1, 26]} under ladet arbeidskostnad i området $50/time, belegg nær 0,85 og en faktor på 1,5× for oppfølgingssamtaler.

3.2 De fire stackene

Vi anvendte formelen på fire voice-agent-stacker valgt for å spenne over formen på det offentlige markedet fra den billigste selvhostede konfigurasjonen til det høyest prisede enterprise-trinnet.

Stack A, Retell AI, er en administrert ende-til-ende voice-agent-plattform priset til én enkelt rate per minutt som inkluderer STT, LLM, TTS og telefoni. Vi brukte $0.31/minutt, raten Retell publiserer ved siden av sin konkurrentsammenligning ^[14].

Stack B, Vapi-aktig dekomponert, er en administrert orkestrator som eksponerer de underliggende komponentene og fakturerer dem separat. Etter Ahmeds publiserte dekomponeringsdisiplin ^[15] satte vi sammen STT til $0.05/min, LLM til $0.06/min for en OpenAI-klasse modell, TTS til $0.07/min for en ElevenLabs-klasse stemme, telefoni til $0.013/min for Twilios PSTN-rate og plattform til $0.05/min, totalt $0.243/min.

Stack C, selvhostet best-of-breed, er den offentlige konfigurasjonen med lavest kostnad: Pipecat som orkestrator, Deepgram for streaming-STT, Claude Haiku 4.5 som LLM, ElevenLabs Flash som TTS og Twilio som telefoni. Vi tok grove offentlige rater per komponent og satte dem sammen til omtrent $0.105/min. Stack C-tallet per minutt er det mest utsatt for antakelser; vi behandler det som et forsvarbart øvre estimat på selvhostet variabel kostnad og redegjør for det som sådan.

Stack D, enterprise voice-AI-leverandør, modellerer gulvprisnivået til en stor kontaktsenterplattform; NICE, Genesys Cloud, Verint eller lignende; satt sammen av voice-AI-minutter pluss plattformsavgifter, profesjonell tjenestetilpasning og et forpliktet minimumsforbruk ved høyt volum. CloudTalks publiserte voice-AI-prising på $0.50/min PAYG og $350/måned for 1 000 minutter ^[16] og Retells leverandørsammenligning ^[14] rapporterer begge enterprise-rater i området $0.45–$0.66/min med plattformsavgifter amortisert inn. Vi velger $0.50/min som gulv i det gjennomarbeidede eksempelet og parer det med en containment-forpliktelse på 0,55, nær den øvre enden av τ-Voice sitt rene spenn ^[19], på grunnlag av at enterprise-leverandører typisk bundler et dedikert tilpasningsteam og forpliktede SLA-er som løfter containment over kaldstartsspennet. Stack D stresstester derfor formelen i den høye enden av pris koblet med den høye enden av forpliktet containment; innkjøpsscenariet der kjøperen betaler eksplisitt for en containment-garanti.

For containment-verdier på tvers av stack A–C forankret vi det gjennomarbeidede eksempelet på τ-Voice sine rapporterte spenn for oppgavefullføring ^[19]: 31–51 % under rene forhold og 26–38 % under realistisk støy. Vi valgte et forsvarbart midtpunkt per stack med eksplisitt begrunnelse snarere enn leverandørpubliserte tall, fordi leverandørpublisert containment er betinget av arbeidsmengder kjøperen ikke kontrollerer ^[20] og ikke er direkte sammenlignbar på tvers av leverandører. Retell fikk en containment på 0,45, nær den øvre enden av τ-Voice sitt rene spenn, begrunnet med plattformens tilpasning mot vanlige kundeserviceflyter. Vapi fikk 0,38, på grensen mellom τ-Voice sitt rene og støyfylte spenn, begrunnet med at Vapi er et tynnere orkestreringslag som legger mer ansvar for stack-tilpasning over på kjøperen; i et kaldstartsscenario for innkjøp ligger den realiserte containment-en nærmere det støyfylte spennet. Selvhostet fikk 0,42, mellom Retell og Vapi, begrunnet med at best-of-breed-komponenter leverer kvalitet i snitt, men at fraværet av plattformsside-tilpasning trekker tallet ned i forhold til en administrert stack. Stack D fikk 0,55, begrunnet med det dedikerte tilpasningsteamet og SLA-forpliktelsen som den gulvprisede kontrakten vanligvis bærer.

For gjennomsnittlig håndteringstid brukte vi sektor-typiske 4 minutter som grunnlinje ^[3], og vi kjørte følsomhet ved 2,5, 4 og 6 minutter for å dekke det realistiske spennet over enkle FAQ-aktige samtaler og lengre flertrinns servicesamtaler.

For eskaleringskostnad brukte vi $7.40 per samtale ^[8]. Tallet er en leverandørredegjørelse og ble publisert som sammenligningstallet for menneskelig agent for AI-stacken leverandøren selger; den samme artikkelen behandler det som den operative kostnaden per samtale for menneskelig håndtering, som er rollen vi setter det i. Vi kjørte også det flervariable rutenettet i §4.4 over E ∈ {$5, $7.40, $10, $15} for å dekke arbeidsmarkeder fra rimelig outsourcet til kostbare regulerte bransjer der eskaleringer bærer overføringsstraffer ved kald overlevering ^[10].

3.3 Utformingen av det gjennomarbeidede eksempelet

Vi forpliktet oss på forhånd til fem analyser før vi beregnet noen tall. For det første firestack-tabellen ved grunnlinjeinputene: T = 4, containment per §3.2, E = 7.40. For det andre rangeringssammenligningen mellom rangeringene per minutt og per løsning av de fire stackene. For det tredje en følsomhetsanalyse med én variabel om gangen på Retell som referansestack: containment ved c ± 0.10, håndteringstid ved T × {0.625, 1.5} (dvs. 2,5 og 6 minutter) og eskaleringskostnad ved 2E. For det fjerde en containment-bare-følsomhet på Vapi for å teste robustheten i rangeringsskiftet; spesifikt den containment-en der Vapis kostnad per løsning krysser Retells. For det femte et todimensjonalt rutenett over containment-skift Δc ∈ {−0.10, −0.05, 0, +0.05, +0.10} (anvendt uniformt på hver stacks grunnlinje-c) og eskaleringskostnad E ∈ {$5, $7.40, $10, $15}, som rapporterer rangeringen i hver celle. Vi forpliktet oss på forhånd til å rapportere ethvert rangeringsskift som et reelt funn bare hvis det overlever en ±0.05-perturbasjon på den relevante containment-en, fordi et rangeringsskift som forsvinner under en antakelsesfeil på et halvt prosentpoeng ikke er robust.

3.4 Hva metoden ikke inkluderer

Vi utelot bevisst fire ting. Byggekostnad. Selvhostede stacker bærer en ingeniørmessig capex som administrerte stacker ikke gjør ^[17]; å inkludere den krever en amortiseringsregel som avhenger av samtalevolum og prosjektlevetid, begge kjøperspesifikke. Vi behandler den som et separat stadium i innkjøpsbeslutningen og drøfter den kvalitativt i §5. Lisensgulv og minimum. Flere leverandørtilbud inkluderer månedlige minimum eller sete-lisenser ^[16] som bøyer raten per minutt ved lavt volum. Vi modellerte høyvolumregimet der disse er amortisert bort. Gjentatte oppringere. Containment kan skjule mønstre med gjentatte oppringere ^[11]; vår c er containment for enkeltsamtaler, ikke netto-for-gjentakelse. Kvalitetsjustert løsning. En løst samtale med lav CSAT er fortsatt en løsning i formelen; vekting etter tilfredshet er en nedstrøms justering vi ikke gjorde. Hver av disse er nevnt igjen i §6.

3.5 Reproduserbarhet

Formelen og inputene er fullt spesifisert ovenfor. En leser kan kjøre det gjennomarbeidede eksempelet på nytt i et regneark på under fem minutter. De fire leverandørinputradene sporer til bibliografioppføringene ^[14], ^[15], ^[16] og en grov sammensetning av offentlige komponenter for Stack C; containment-spennene sporer til ^[19]; eskaleringskostnaden sporer til ^[8]. Vi gjorde ingen nye målinger, og det finnes ingen tilfeldige frø, maskinvarespesifikasjoner eller forsøksprotokoller å redegjøre for. Reproduserbarhetsbyrden til en metodeartikkel er spesifikasjonen av formelen, som ligger i §3.1, og den eksplisitte input-tabellen i §4.1.

3.6 Hvorfor en fjerde stack betyr noe

Det opprinnelige gjennomarbeidede eksempelet med tre stacker dekket formen på det offentlige markedet; fullt administrert, dekomponert-administrert og selvhostet; men stoppet kort av regimet innkjøpsteam møter oftest i regulerte bransjer: enterprise voice-AI-leverandøren priset til et gulv med forpliktede minimum. Stack D fyller det gapet. Den tester formelen i regimet der pris per minutt er høyest og containment også er høyest, fordi gulvprisen finansierer det dedikerte tilpasningsteamet som løfter containment. Dette er innkjøpsscenariet der en CFO oftest mistenker at de betaler for mye; raten per minutt er to til fem ganger de billigere alternativene, men leverandøren argumenterer for at prisen rettferdiggjøres av en containment-forpliktelse de billigere alternativene ikke tilbyr. Formelen er beslutningsregelen som lar CFO-en sjekke om argumentet holder. Uten Stack D dekker det gjennomarbeidede eksempelet bare regimet der høyere pris kommer med marginalt høyere containment; med Stack D dekker det gjennomarbeidede eksempelet regimet der høyere pris kommer med vesentlig høyere containment, som er strukturelt forskjellig. Avsnitt 4.4 viser krysningspunktet: ved hver eskaleringskostnad over $8.80 slår Stack D Retell på kostnad per løsning til tross for at den koster 1,6× mer per minutt; ved hver eskaleringskostnad over $6.34 slår Stack D Vapi til tross for at den koster 2,1× mer per minutt. Innkjøpsspørsmålet slutter å være om den gulvprisede enterprise-leverandøren er overpriset og blir om kjøperens eskaleringskostnad ligger over eller under krysningspunktet.

4.1 Firestack-grunnlinje

Tabell 1 rapporterer formelens utdata ved grunnlinjeinput. Kolonnen lengst til høyre er tallet for kostnad per løsning som artikkelen argumenterer for bør erstatte pris per minutt som innkjøpsoverskrift.

Kostnad per løsning lå mellom $5.29 og $7.15 på tvers av de fire stackene, et spenn på omtrent 35 %. Spennet per minutt på de samme stackene var 376 % ($0.105 til $0.50). Valget av enhet komprimerer det tilsynelatende spennet mellom leverandører med mer enn 10×, noe som i seg selv er innkjøpssignalet: forskjeller per minutt smigrer dramatisk når de først er omregnet til enheten en kjøper betaler for.

Eskaleringsleddet (1 − c) · E bar majoriteten av tallet for kostnad per løsning for hver stack unntatt Stack D; 60 % for Retell, 64 % for Vapi, 81 % for selvhostet og 48 % for enterprise-trinnet. Dette er det strukturelle resultatet som motiverer §5: kostnad per løsning er et eskaleringskostnad-dominert mål for enhver nåværende voice-agent-stack med containment under omtrent 0,5, og rangeringen settes derfor av containment snarere enn av pris per minutt. Stack D er den eneste stacken i eksempelet som krysser under 50 % eskaleringsandel, og den gjør det fordi dens forpliktede containment på 0,55 reduserer andelen samtaler som drar $7.40-eskaleringspremien over på hver løsning.

4.2 Rangeringsskift

Tabell 2 stiller rangeringen per minutt opp mot rangeringen per løsning.

To rangeringsskift oppstår ved grunnlinje. Det første, mellom Retell og Vapi, er inversjonen som allerede er til stede i trestack-versjonen av analysen: Retells høyere containment (0,45 mot 0,38) reduserer andelen samtaler som pådrar seg $7.40-eskaleringskostnaden nok til å overvinne prisgapet på $0.067/min på selve agent-minuttene. Det andre, mer slående skiftet er Stack D, som koster 1,6× Retell per minutt og 2,1× Vapi per minutt, men er billigere per løsning enn Vapi med $0.18 (2,5 %). Mekanismen er den samme som det første skiftet, men mer uttalt: Stack D sin forpliktede containment på 0,55 reduserer eskaleringsandelen av kostnaden fra 64 % (Vapi) til 48 %, og den absolutte eskaleringspremien fra $4.59 til $3.33. Reduksjonen på 17 % i eskaleringskostnad per samtale kjøper kjøperen en stack som koster mer per minutt og mindre per løsning, som strukturelt er innkjøpsargumentet enterprise voice-AI-leverandører fremfører.

Vapi faller fra nest billigst per minutt til helt sist per løsning. Dette er den største feilrangeringen formelen identifiserer i det gjennomarbeidede eksempelet, og den der en innkjøpsbeslutning forankret i pris per minutt ville produsert det verste utfallet.

4.3 Følsomhet med én variabel

Vi forpliktet oss på forhånd til å perturbere én variabel om gangen på Retell-grunnlinjen og til en containment-bare-perturbasjon på Vapi. Tabell 3 rapporterer de fire perturbasjonene.

Tre observasjoner kommer fram av Tabell 3. For det første beveget containment kostnad per løsning med omtrent 20 % per 10 prosentpoeng rundt grunnlinjen, en nær-1:1-elastisitet som gjenfinner SQM-tommelfingerregelen sitert av ^[6]: ett poengs gevinst i first-call resolution produserer ett poengs fall i driftskostnad. Vår metode var ikke utformet for å reprodusere denne regelmessigheten, og at den gjør det er et tegn på at sammensetningsregelen ikke er patologisk. For det andre var eskaleringskostnad variabelen med høyest påvirkning: en dobling av E økte Retells kostnad per løsning med 60 %, mer enn tre ganger bevegelsen fra et containment-skift på 10 poeng. For det tredje overlevde rangeringsskiftet mellom Retell og Vapi den forhåndsregistrerte robusthetskontrollen. En oppadgående perturbasjon på 5 poeng i Vapis containment (til 0,43) drev kostnaden per løsning til $6.48, under Retells grunnlinje på $6.83. Skiftet reverseres hvis Vapis sanne containment er ett halvt poeng over Retells. Vi behandler rangeringsskiftet som et reelt funn under inputene vi brukte, ikke som et robust funn på tvers av alle plausible input; som er poenget med artikkelen. Valget av enhet endrer rangeringen, og rangeringen er følsom for en variabel leverandørene ikke benchmarker konsekvent.

4.4 Flervariabel følsomhet: et (Δc, E)-rutenett

Følsomheten med én variabel i §4.3 holder tre variabler faste og beveger den fjerde. Innkjøpsteam møter sjelden det bildet. Reelle innkjøpsbeslutninger samvarierer containment og eskaleringskostnad: en kjøper i finanssektorens øvre sjikt møter både en høyere eskaleringskostnad (ladet arbeidskraft, regulert overlevering) og en lavere-enn-grunnlinje containment (PII-filtrering, flerspråklig trafikk). En kjøper i varehandel møter det motsatte (lav eskaleringskostnad, høy containment). For å gjøre formelen nyttig på innkjøpslaget kjørte vi et todimensjonalt rutenett over containment-skift og eskaleringskostnad, med håndteringstid holdt fast på 4 minutter og pris per minutt holdt fast på hver stacks grunnlinje.

Skiftet Δc anvendes uniformt på hver stacks grunnlinje-c fra §3.2; for eksempel, ved Δc = −0.05 er Retells effektive containment 0,40, Vapis er 0,33, selvhostets er 0,37 og Stack D-s er 0,50. Dette behandler Δc som en kjøperdomenemodifikator; et uttrykk for hvor langt kjøperens samtalemiks ligger fra τ-Voice-grunnlinjen, snarere enn en ytelsesperturbasjon per stack. Tabell 4 rapporterer rangeringen i hver celle.

Rutenettet produserer et slående strukturelt resultat: rangeringen settes nesten utelukkende av E, ikke av Δc. Leser man nedover en kolonne, er rangeringen identisk ved hvert containment-skift. Leser man bortover en rad, skifter rangeringen etter hvert som eskaleringskostnaden stiger. Krysningspunktene er skarpe:

• Ved E = $5 (rimelig outsourcet arbeidskraft, ettspråklig varehandelstrafikk) vinner pris per minutt fortsatt. Stack D, dyrest per minutt, er dyrest per løsning.
• Ved E = $7.40 (den offentlig redegjorte grunnlinjen ^[8]) flytter Stack D seg til rang 3; den slår Vapi, nest billigst per minutt, til tross for at den koster 2,1× mer per minutt.
• Ved E ≥ $10 (regulerte bransjer, ladet enterprise-arbeidskraft) flytter Stack D seg til rang 2, og slår Retell også. Enterprise-gulvet er det nest beste valget per løsning i hver celle med E ≥ $10.

Krysningspunktene kan beregnes direkte fra formelen. Setter man Cres(D) = Cres(Retell) og løser: E = (pD · T / cD − pR · T / cR) / (cD − cR) = ($3.636 − $2.756) / 0.10 = $8.80. Under E = $8.80 er Retell billigere per løsning; over er Stack D billigere. Den samme algebraen setter krysningspunktet mellom Stack D og Vapi til E = $6.34, som er grunnen til at Stack D allerede slår Vapi ved den redegjorte grunnlinjen på $7.40. Disse krysningsterskelene er de operative tallene et innkjøpsteam bør beregne mot sin egen ladede eskaleringskostnad, fordi de reduserer firestack-sammenligningen til en beslutningsregel på én linje.

Robustheten i rangeringen på tvers av Δc-perturbasjoner gjenspeiler en strukturell egenskap ved formelen: rangeringen settes av gapet i containment mellom stacker, ikke av det absolutte nivået. Å forskyve hver stacks containment med samme mengde bevarer gapet, så rangeringen endrer seg ikke. Dette er et innkjøpsmeningsfullt funn fordi gapet mellom stacker (Stack D-s containment-forpliktelse minus kaldstarts-containment-en til billigere stacker) er variabelen en leverandør kontrollerer, mens det absolutte nivået er en funksjon av kjøperens samtalemiks, som leverandøren ikke kontrollerer. Formelen isolerer det innkjøpsrelevante signalet fra den kjøperspesifikke støyen.

Resultatet som overrasket oss i det opprinnelige gjennomarbeidede eksempelet med tre stacker var ikke rangeringsskiftet i seg selv, men hvor tynn marginen var. Versjonen med fire stacker gjør overraskelsen skarpere. Stack D, dyrest per minutt, er nest billigst per løsning ved den redegjorte grunnlinjens eskaleringskostnad og nest billigst per løsning ved hver høyere eskaleringskostnad. Innkjøpsargumentet enterprise voice-AI-leverandører fremfører; at gulvprisen kjøper en containment-forpliktelse som betaler for seg selv ved høy eskaleringskostnad; er, i denne øvelsen, strukturelt korrekt. Formelen gir innkjøpsteamet terskelen der argumentet blir korrekt (E ≥ $8.80 mot Retell, E ≥ $6.34 mot Vapi), som er samtalen innkjøpsteamet trenger å ha med leverandøren.

Det strukturelle funnet, at eskaleringsleddet (1 − c) · E dominerer kostnad per løsning for enhver stack med containment under omtrent 0,5, er ikke nytt for kontaktsenterlitteraturen ^{[2, 6]}, men er stort sett fraværende fra leverandørlitteraturen for voice agents. Containment dominerer fordi hver uløst samtale drar kostnaden ved en hel menneskelig håndtert samtale over på AI-ens regnskap, og menneskelig håndterte samtaler er en størrelsesorden dyrere enn AI-håndterte ^[8]. Dette er grunnen til at Sharmas mål om >70 % containment for produksjonsmodenhet ^[12] har riktig form, selv om det spesifikke kuttpunktet er konvensjon snarere enn utledning. Under 70 % betaler AI-agenten for seg selv, men lar fortsatt mesteparten av driftskostnaden ligge på den menneskelige siden; over 70 % begynner substitusjonen å dominere. Stack D i vårt gjennomarbeidede eksempel ligger på 0,55, som er grunnen til at dens eskaleringsandel er lavest i Tabell 1 (48 %) og likevel fortsatt nesten halvparten av totalkostnaden.

Vi tror leverandører ikke oppgir i løsningsenheter av to grunner. Den første er mekanisk: containment er ikke en egenskap ved leverandørens stack alene; den avhenger av kjøperens samtalemiks, språkdekning og tilpasningsinnsats, som leverandøren ikke kan forplikte seg til på forhånd. Å oppgi i løsningsenheter ville tvinge leverandører til å ta på seg arbeidsmengderisiko de ikke priser i dag. Pay-per-resolution-outsourcing-markedet i ^[5] er eksistensbeviset på at en leverandør kan ta på seg arbeidsmengderisiko hvis prismodellen er utformet for det; voice-AI-leverandører har ikke bygget den prismodellen ennå. Den andre er kommersiell: prising per minutt dramatiserer marginen mellom leverandører. Retell til $0.31 mot Vapi til $0.243 ser ut som en meningsfull forskjell; $6.83 mot $7.15 ser ut som støy. Stack D til $0.50/min mot Retell til $0.31/min ser ut som en premie på 60 %; $6.97 mot $6.83 er en premie på 2 %. Leverandører som oppgir per minutt holder innkjøpssamtalen i et spenn som smigrer dem. Oversettelsen til løsningsenheter returnerer samtalen til spennet kjøperen faktisk betaler i.

Hva bør innkjøpsteam gjøre annerledes etter å ha lest denne artikkelen? Tre ting, i rekkefølge. For det første, be hver voice-agent-leverandør om en containment-forpliktelse, eller i det minste om containment-en de har observert på arbeidsmengder som ligner dine, med arbeidsmengden definert presist nok til å kunne falsifisere tallet. Pay-per-resolution-outsourcing-markedet dokumentert i ^[5] beviser at denne samtalen er mulig. For det andre, kjør formelen i §3.1 mot din egen håndteringstid og din egen ladede eskaleringskostnad snarere enn tallene i denne artikkelen. Begge er fakta på kjøpersiden og er vanligvis tilgjengelige fra den historiske samtaleloggen. For det tredje, beregn krysningsterskelene på formen i §4.4: ved hvilken eskaleringskostnad blir hvert par av stacker likt på kostnad per løsning? Krysningsterskelen reduserer en firestack-sammenligning til en beslutningsregel på én linje mot kjøperens egen arbeidskostnad. Voice-agent-kalkulatoren på /resources/tools/voice-agent-cost-calculator eksponerer denne sammensetningen for tallene på kjøpersiden et innkjøpsteam mest sannsynlig har for hånden.

En merknad om selvhostede stacker. Stack C produserte den laveste kostnaden per løsning i vår grunnlinje, men metoden utelot bevisst byggekostnad. Selvhostede stacker bærer en ingeniørmessig capex som Dograhs TCO-analyse priser til $150/time ^[17], og som forfatterne merker at gjenvinnes innen måneder ved høyt volum, men ikke ved lavt volum. Den riktige måten å innlemme byggekostnad på er som en amortisering per løsning over prosjektets levetid, (byggekostnad) / (forventet totalt antall løsninger), lagt til Cres. Vi lot dette stå som en justering på trinn to fordi den er kjøperspesifikk og artikkelens bidrag er sammensetningsregelen for variabel kostnad. En kjøper på 1 000 månedlige minutter vil konkludere annerledes enn en kjøper på 100 000 månedlige minutter, og begge konklusjoner bør følge av den samme sammensetningsregelen anvendt med hver kjøpers volum.

5.1 Når formelen bryter sammen

Formelen setter sammen fire input til ett enkelt tall og produserer rene rangeringer under et bredt spenn av plausible input. Det finnes tre regimer der den produserer villedende tall, og et innkjøpsteam bør gjenkjenne dem før det anvender regelen.

Ekstremt høy containment (c ≥ 0.85). Når c nærmer seg 1, nærmer eskaleringsleddet (1 − c) · E seg null og AI-kostnadsleddet (p · T) / c nærmer seg p · T. Kostnad per løsning konvergerer mot utgiften per minutt på en containert samtale. I dette regimet reduseres formelen til pris per minutt skalert med håndteringstid, og rangeringen samsvarer med rangeringen per minutt. Dette er forenlig med intuisjonen; så snart AI-en håndterer i praksis hver samtale uten eskalering, handler innkjøpsbeslutningen om agent-minutt-kostnad og ingenting annet; men det betyr at formelen mister sin diskriminerende kraft akkurat i regimet leverandørlitteraturen ^[12] erklærer produksjonsklart. En kjøper som sammenligner to stacker som begge forplikter seg til 90 %+ containment bør ikke forvente at formelen identifiserer en strukturell vinner; forskjellen på det nivået domineres av pris per minutt og av byggekostnadsjusteringen som §5 lar stå som en betraktning på trinn to.

Ekstremt lav containment (c ≤ 0.20). Når c nærmer seg null, eksploderer AI-kostnadsleddet (p · T) / c og eskaleringsleddet nærmer seg E. Kostnad per løsning blir patologisk fordi nesten hver samtale eskalerer og AI-en betales for minutter den ikke containert. Dette regimet er degenerert for enhver produksjonsstack; en kjøper ville ikke rulle ut ved 20 % containment i produksjon; men det dukker opp i evaluering før tilpasning, når en kjøper benchmarker en leverandør på kaldstartstrafikk før det dedikerte tilpasningsarbeidet er gjort. En måling før tilpasning på c = 0.15 produserer et Cres-tall som overdriver kostnaden dramatisk, fordi mesteparten av kostnaden er agent-minutt-leddet delt på en liten nevner. Et innkjøpsteam som kjører formelen mot pilotdata bør justere for dette ved å rapportere tallet for kostnad per løsning sammen med containment-banen, ikke som ett enkelt tall.

Oppfølgingssamtaler utenfor enkeltsamtale-containment. Formelen behandler den menneskelig håndterte samtalen som den avsluttende hendelsen i en uløst bane. I praksis kan en eskalert samtale selv produsere oppfølgingskontakter innen løsningsvinduet, og en containert samtale kan produsere oppfølgingskontakter hvis AI-ens løsning ikke faktisk løste den underliggende henvendelsen. Belfiore ^[2] bruker en faktor på 1,5× for å konvertere uløste samtaler til oppfølgingskostnad, og PolyAI ^[11] advarer spesifikt om at containment kan skjule gjentatte oppringere. Formelens E bør leses som den ladede kostnaden ved hele den eskalerte banen, ikke bare den første menneskelig håndterte samtalen; en kjøper som bruker en proxy basert bare på arbeidskostnad for E vil undervurdere eskaleringspremien med 30–50 %. Erlang C-utledningen i Vedlegg A gjør dette eksplisitt: det bemanningskostnadsekvivalente som produserer vårt grunnlinjetall på $7.40 inkluderer allerede faktoren på 1,5× for oppfølgingsvolum.

En fjerde, mindre vanlig svikt er verdt å nevne: når kjøperens prismodell inkluderer plattformsminimum eller sete-lisenser som bøyer raten per minutt ved lavt volum ^[16]. Vår formel modellerer høyvolumregimet der disse er amortisert; ved lavt volum er den effektive raten per minutt høyere enn den publiserte raten, og rangeringen kan skifte. En kjøper på færre enn 1 000 månedlige minutter bør kjøre formelen mot kjøperens effektive rate per minutt (samlet månedlig forbruk delt på minutter), ikke leverandørens overskriftsrate per minutt.

Metoden er en sammensetningsregel, og en sammensetningsregel er bare så ærlig som inputene den setter sammen. Vi navngir de spesifikke tingene denne artikkelen ikke kan konkludere med.

Leverandørprisene er listepriser, ikke forhandlede rater. Retell til $0.31, den Vapi-aktige $0.243-dekomponeringen og Stack D-gulvet på $0.50 er ratene en kjøper ville betale gjennom selvbetjening eller som et publisert gulv; enterprise-innkjøp produserer rutinemessig rabatter på 30–50 % ved volumtrinn over 100 000 månedlige minutter, og vi hadde ikke tilgang til forhandlede tilbud. Rangeringen i Tabell 2 kan skifte under realistisk enterprise-prising.

Stack D-s pris per minutt er inputet med lavest tillit i det gjennomarbeidede eksempelet. Enterprise voice-AI-prising er genuint ugjennomsiktig: gulvprising, profesjonelle tjenestepakker, rabatter ved forpliktet forbruk og plattformsavgifter kombineres til en ekvivalent per minutt som leverandøren sjelden publiserer. Vår $0.50/min er hentet fra CloudTalks publiserte voice-AI-rate ^[16] og bekreftet av Retells leverandørsammenlignings øvre grense ^[14], men en kjøper som signerer en Stack-D-klasse-kontrakt vil forhandle mot leverandørens faktiske tilbud, ikke mot et publisert gulv. Rangeringsskiftet vi rapporterer ved E ≥ $8.80 (Stack D slår Retell) er robust mot ±15 % perturbasjon på Stack D-s rate per minutt, men en kjøper bør kjøre §4.4-rutenettet på nytt mot den forhandlede raten før det trekkes en innkjøpskonklusjon.

Containment-verdiene er benchmark-proxyer, ikke kjøperdomenemålinger. τ-Voice ^[19] rapporterer oppgavefullføring på tvers av forankrede oppgaver innen varehandel og flytrafikk, som er nærmere en grunnlinje før tilpasning enn den containment-en etter tilpasning en reell kjøper opplever etter tre til seks måneder med iterasjon. En kjøper med en ren, godt avgrenset bruk kan overgå våre input med 10 til 20 poeng; en kjøper med flerspråklig, støyfylt eller PII-tung trafikk kan ligge under dem. Stack D-s containment på 0,55 er lengst fra τ-Voice-forankringen og er inputet mest utsatt for skjevhet i leverandørpåstander; et innkjøpsteam bør kreve at leverandøren oppgir en containment-forpliktelse mot en definert arbeidsmengde snarere enn å akseptere gulvtallet på tro.

Eskaleringskostnaden er en enkeltpunktsredegjørelse. $7.40/samtale kommer fra én leverandørs publiserte sammenligning ^[8] og er kalibrert til en spesifikk samtalemiks og et spesifikt arbeidsmarked. Belfiores $8.00 ^[2] ligger innenfor 8 % av det, noe som er en viss triangulering, men ingen av dem er en metaanalyse. En kjøper i et marked der ladet kundeservicearbeidskraft er halvparten eller dobbelt så høy som det redegjorte spennet ville beregne andre tall for kostnad per løsning, og rangeringen i Tabell 2 er følsom for dette. §4.4-rutenettet dekker det realistiske spennet $5–$15.

Stack C-s pris per minutt er en grov sammensetning. Selvhostet variabel kostnad avhenger av Deepgrams volumtrinn, av om ElevenLabs Flash forpliktes månedlig eller betales etter forbruk, av Twilios regionale rate og av Claude Haikus miks av input/output-tokens per samtale. Vi satte sammen plausible mellomtrinnsrater; en grundig kjøper ville erstatte vår $0.105 med sitt eget tilbudsdrevne tall før det trekkes en innkjøpskonklusjon.

Det flervariable rutenettet i §4.4 er et 5×4-utvalg av en kontinuerlig flate. Et finere rutenett eller et konturplott ville avdekke krysningsterskelene mer presist; vi rapporterer de analytiske krysningsterskelene i §4.4 som de operative tallene og behandler det diskrete rutenettet som en illustrasjon av rangeringsstabiliteten på tvers av kjøperdomenekontekster. Rutenettet varierer ikke håndteringstid eller pris per minutt, som begge ville forskyve krysningspunktene.

Formelen krediterer ikke oppstrøms avlastning. Samtaler avledet av IVR eller selvbetjening før de når voice-agenten kommer aldri inn i nevneren. En stack som integrerer godt med kjøperens eksisterende IVR kan vise en dårligere kostnad per løsning samtidig som den reduserer samlet driftskostnad. Målet er en sammenligning innenfor voice-agenten, ikke et kontaktsenter-P&L.

Containment er en enkeltsamtale-definisjon. Vi brukte containment som forholdstallet av samtaler AI-en løste uten eskalering på en enkelt samtale. PolyAI ^[11] merker at dette kan skjule mønstre med gjentatte oppringere der samme henvendelse dukker opp igjen innen sju dager. En containment netto-for-gjentakelse ville senke hver verdi i Tabell 1; vi modellerte den ikke.

Løsning er ikke vektet etter kvalitet. En løsning som produserer en lav CSAT telles som en løsning. Litteraturen om kvalitetsvektede løsningsmål ^{[4, 7]} støtter en nedstrøms justering, og en kjøper med et hardt CSAT-gulv ville ønske å anvende en.

Det gjennomarbeidede eksempelet er fire stacker. Fire stacker spenner over formen på det offentlige markedet (fullt administrert, dekomponert-administrert, selvhostet, enterprise-gulv), men er ikke uttømmende. En intern bygging i en stor bank, en vertikal-spesialistleverandør innen helse eller en kostnadsledende offshore-BPO med AI-forsterkede agenter ville hver forskyve bildet; vi hadde ikke offentlige prisredegjørelser for disse.

Vi definerte en lukket formel for kostnad per løsning for voice agents, anvendte den på fire reelle offentlige stacker ved grunnlinjeinput hentet fra leverandørenes prissider og en offentlig benchmark, og rapporterte to rangeringsskift der rangeringene per minutt og per løsning av de stackene avvek. Tallene for kostnad per løsning lå mellom $5.29 og $7.15; et spenn på 35 % på stacker hvis rater per minutt spente over 376 %. Et todimensjonalt følsomhetsrutenett viste at rangeringen settes av eskaleringskostnad, ikke av containment-skift; de analytiske krysningsterskelene (Stack D slår Retell ved E ≥ $8.80, slår Vapi ved E ≥ $6.34) reduserer firestack-sammenligningen til en beslutningsregel på én linje mot kjøperens egen arbeidskostnad. Containment dominerte målet og gjenfant kontaktsenterets 1:1-regel mellom gevinster i first-call resolution og reduksjoner i driftskostnad, og Vedlegg A viser at formelens eskaleringsledd reduseres til den standard Erlang C-bemanningsmodellen fra driftsledelseslitteraturen. Sammensetningsregelen er bidraget. Innkjøpsteam som vurderer voice-agent-leverandører på enheten leverandørene oppgir optimaliserer feil tall; formelen i §3.1 gir dem enheten de faktisk betaler i.

Eskaleringskostnaden E i §3.1 er kostnaden per samtale ved menneskelig håndtering. Vi valgte $7.40 fra en offentlig leverandørredegjørelse ^[8] og merket at Belfiores $8.00 ^[2] ligger innenfor 8 % av det. Dette vedlegget viser at det redegjorte tallet er forenlig med Erlang C-bemanningsmodellen brukt i programvare for workforce management ^{[1, 26]}, og forankrer formelens eskaleringsarm i slektslinjen fra driftsledelse.

A.1 Erlang C-bemanning

I et kontaktsenter bemannet av mennesker gir Erlang C-modellen sannsynligheten for at en ankommende samtale køer snarere enn å bli besvart umiddelbart, som en funksjon av ankomstrate λ (samtaler per time), gjennomsnittlig håndteringstid Th (timer per samtale) og antall agenter N ^[1]. Bemanningsbeslutningen er den minste N slik at køsannsynligheten faller under en mål-tjenestenivåterskel (typisk P(vent > 20s) ≤ 0.20).

For et kontaktsenter som kjører ved belegg ρ = λ · Th / N, er den ladede arbeidskostnaden per betjent samtale

Cper_call = (Wloaded · Th) / ρ

der Wloaded er den ladede timelønnen til én agent (grunnlønn pluss goder, overhead for ledelse, lokaler og verktøy, typisk 1,4–1,6× grunnlønn ^[1]). Th er den gjennomsnittlige håndteringstiden inkludert etterarbeid. Belegg ρ overstiger sjelden 0,85 i praksis fordi høyere belegg forringer tjenestenivået ^[26].

Gjennomarbeidet eksempel. Ved Wloaded = $52.50/time (representativ amerikansk ladet rate for innkommende kundeservice, midten av 2020-tallet), Th = 4 minutter = 1/15 time og ρ = 0.85:

Cper_call = ($52.50 · (1/15)) / 0.85 = $3.50 / 0.85 = $4.12 per betjent samtale

A.2 Å legge til oppfølgingsfaktoren

Belfiore ^[2] rapporterer at uløste samtaler produserer i snitt 1,5 oppfølgingskontakter i løsningsvinduet. Hver oppfølgingskontakt pådrar seg den samme Cper_call pluss kundeopplevelseskostnaden ved omarbeidet. Behandler man oppfølginger som å legge til 1,5× kostnaden per samtale; den konservative lesningen av Belfiore; blir den ladede kostnaden ved en eskalert bane

E = Cper_call · (1 + f) = $4.12 · 1.5 = $6.18

der f = 0.5 er den fraksjonelle oppfølgingsmultiplikatoren på den første menneskelig håndterte samtalen (0,5 fordi én første samtale pluss 0,5 i forventede oppfølginger er lik de 1,5 kontaktene Belfiore dokumenterer). $6.18-tallet er omtrent 17 % under grunnlinjen på $7.40 redegjort av ^[8]. Å legge til 15–20 % for straff ved kald overlevering ^[10]; kostnaden ved konteksttap når samtalen overleveres fra AI-en til mennesket; lukker gapet til det redegjorte tallet innenfor avrunding.

Den redegjorte $7.40 fra ^[8] svarer derfor til en ladet arbeidskostnad i området $50–60/time, belegg nær standardtaket på 0,85, og en oppfølgingsfaktor i Belfiore-spennet. Hver av disse inputene er uavhengig publisert, og det redegjorte tallet er forenlig med alle tre.

A.3 Substitusjonskreditten

Når en AI-agent containerer en brøkdel c av innkommende samtaler, faller bemanningsbehovet på den menneskelige siden proporsjonalt. Med ankomstrate λ totale samtaler per time blir ankomstraten på den menneskelige siden (1 − c) · λ, og Erlang C-bemanningsbehovet skalerer omtrent lineært med ankomstrate ved fast tjenestenivå, så bemanningskostnaden på den menneskelige siden per innkommende samtale faller fra Cper_call til (1 − c) · Cper_call. Inkludert oppfølgingsfaktoren er kostnaden på den menneskelige siden per innkommende samtale (1 − c) · E, som er nøyaktig det andre leddet i formelen i §3.1.

Det første leddet (p · T) / c er AI-sidens kostnad lagt over på hver løst samtale: kjøperen betaler for p · T i agent-minutter per innkommende samtale, og kjøperens løsninger er c per innkommende samtale, så hver løsning bærer (p · T) / c av agent-minutt-utgift.

Å legge sammen de to leddene gir kostnaden per løsning for én innkommende samtale behandlet ende-til-ende: AI-sidens utgift per løsning pluss den forventede kostnaden på den menneskelige siden per innkommende samtale. Dette er formelen. Eskaleringsarmen er ikke en ad-hoc-proxy, men en reduksjon av Erlang C-bemanningskostnaden under proporsjonal substitusjon, som er lineritetsantakelsen SWPP-referansen ^[26] dokumenterer og Akşin et al. ^[1] gjennomgår.

A.4 Hvor lineritetsantakelsen bryter sammen

To regimer er verdt å flagge. For det første er Erlang C-bemanning ikke-lineær nær tjenestenivåterskelen: et lite fall i ankomstrate reduserer kanskje ikke det nødvendige bemanningsnivået med samme andel, fordi terskelen opererer på heltallsantallet av agenter. Ved små kontaktsentre (færre enn ~30 agenter) overvurderes substitusjonskreditten av den proporsjonale regelen; den reelle besparelsen er trinnvis. For det andre krever lineritetsantakelsen at de AI-containerte samtalene og de menneskelig håndterte samtalene har lignende fordelinger av håndteringstid. Hvis AI-en containerer overveiende enkle samtaler (kort håndteringstid) og eskalerer overveiende vanskelige samtaler (lang håndteringstid); et vanlig mønster, ettersom AI-agenter sliter på den vanskelige halen; da er håndteringstiden på den menneskelige siden på eskalerte samtaler lengre enn gjennomsnittlig Th, og kostnaden på den menneskelige siden per innkommende samtale er høyere enn (1 − c) · E. Et innkjøpsteam i et domene der AI-ens håndteringstid for containerte samtaler tydelig er kortere enn driftens samlede gjennomsnitt bør behandle E som en nedre grense og vurdere en eksplisitt håndteringstidsmultiplikator på eskaleringer. §6-begrensningen om kvalitetsjustert løsning fanger den samme bekymringen fra en annen vinkel.