Kostnad per löst ärende, inte kostnad per minut: en metod för att prissätta röstagenter

En köpare av en röstagent sitter mitt emot en leverantör som anger $0.31 per minut. Köparens budget uttrycks i lösta kundärenden, inte i minuter. Leverantörens offert och köparens budget är i olika enheter, och nästan varje publik jämförelse av röstagentstackar rättar sig efter leverantörens enhet, inte köparens. Vi skrev den här artikeln för att vi tröttnade på den asymmetrin under inköpssamtal.

Den empiriska frågan är snäv. Givet en röstagentstack med ett känt minutpris, en känd genomsnittlig hanteringstid, en känd containment-grad och en känd reservkostnad när agenten eskalerar till en människa: vad är det riktiga sättet att beräkna kostnaden för ett löst samtal? Och när det talet väl finns, stämmer de rangordningar det ger över verkliga publika stackar med de rangordningar som minutpriset ger? Om rangordningarna är samstämmiga är enhetsvalet kosmetiskt och inköpsteam kan fortsätta använda den enhet leverantörerna anger. Om rangordningarna avviker är enhetsvalet i sig ett inköpsbeslut, och en köpare som bedömer leverantörer på minutpris är utsatt för ett strukturellt fel som kalkylbladet inte flaggar.

Tre observationer motiverar frågan. För det första anger varje jämförelse av leverantörspriser vi undersökt minutpriser ^{[14, 15, 16, 17]} utan att sätta samman dem till en siffra per löst ärende, trots att samma författare medger att containment är det som driver den faktiska kostnaden ^[15]. För det andra har driftlitteraturen för kontaktcenter i minst ett decennium vetat att kostnad per kontakt döljer kostnaden för omarbete. Belfiore kvantifierade ett gap på 10 procentenheter i first-call resolution som $1.2M i undvikbar årlig kostnad för en verksamhet med 1M samtal ^[2], och utläggning med betalning per löst ärende är redan ett inköpsformat med listpriser på $1–$7 ^[5]. Enheten är meningsfull för köparen. För det tredje rapporterar τ-Voice-benchmarken att röstagenter når en uppgiftslösningsgrad på 31–51% under rena förhållanden och 26–38% med realistiskt brus ^[19], så variabeln som sätter kostnaden per löst ärende rör sig mer än leverantörsbloggar medger. Kompositionsregeln som omvandlar dessa indata till ett jämförbart tal verkar inte vara publicerad.

En läsare kan rimligen fråga varför en metodartikel om en formel med fyra indata behöver existera. Skälet är att de fyra indata kommer från fyra skilda litteraturer (leverantörers prissidor, kontaktcenterdrift, benchmarking av röstagenter och en leverantörsangiven arbetskostnad) och att ingen publicerad källa sätter samman dem. Leverantörers prissidor stannar vid minutpriser ^{[14, 16, 17]}; den akademiska benchmarklitteraturen för röstagenter ^{[18, 19, 20]} rapporterar uppgiftslösning som ett kvalitetsmått utan att översätta det till en kostnad; kontaktcenterlitteraturen definierar kostnad per löst ärende begreppsmässigt ^{[4, 7]} men föregår AI-kostnadsstacken; och bemanningsmodellerna inom verksamhetsstyrning ^{[1, 26]} beskriver den mänskliga sidan av substitutionen men inte AI-sidan. Varje del är publicerad. Sammansättningen är det inte.

Våra bidrag är: (1) en formel på sluten form för kostnad per löst ärende som väger samman minutpris, hanteringstid, containment och kostnad per eskalering; (2) ett genomarbetat exempel över fyra verkliga röstagentstackar (Retell AI, en Vapi-liknande komponentdekomponerad stack, en självhostad best-of-breed-stack och en enterprise-leverantör av röst-AI med golvpris) med publika listpriser och publika benchmarkbaserade containment-intervall; (3) två omkastningar i rangordningen mellan minutbaserad och ärendebaserad ordning som visar att enhetsvalet ändrar inköpsbeslutet; (4) ett tvådimensionellt känslighetsrutnät över containment-förskjutning och eskaleringskostnad som pekar ut eskaleringskostnad snarare än minutpris som den strukturella drivkraften bakom rangordningen; och (5) en härledning ur Erlang C i bilagan som grundar formelns eskaleringsterm i den standardmässiga bemanningsmodellen från verksamhetsstyrningslitteraturen ^{[1, 26]}.

Artikeln är upplagd enligt följande. Avsnitt 2 går igenom de två arvslinjer, kontaktcentrets enhetsekonomi och LLM-inferensens ekonomi, som tangerar problemet utan att lösa det. Avsnitt 3 specificerar formeln, de fyra stackarna, exemplets upplägg och de indata vi höll konstanta. Avsnitt 4 redovisar fyrstacktabellen, de två omkastningarna och det multivariata känslighetsrutnätet. Avsnitt 5 diskuterar vad omkastningarna betyder för inköp, varför eskaleringstermen dominerar och var formeln brister. Avsnitt 6 listar vad metoden inte kan dra slutsatser om. Avsnitt 7 avslutar. Bilaga A härleder eskaleringstermen ur Erlang C.

Sättet röstagenter prissätts på i dag ärver två linjer: kontaktcentrets verksamhetsstyrning, där kontot länge varit kontakten, och LLM-inferensens ekonomi, där enheten är token. Ingen av linjerna producerar den enhet en köpare av röstagenter faktiskt köper; ett löst kundärende. Vi organiserar det tidigare arbetet längs dessa två armar och går sedan igenom den lilla mängd skrivande som börjat röra sig mot kostnadsmodeller förankrade i lösta ärenden utan att nå ända fram.

2.1 Kontaktcentrets enhetsekonomi

Verksamhetsstyrning har behandlat kontaktcentret som ett kösystem bemannat av människor i minst två decennier ^[1]. Akşin, Armony och Mehrotras översikt ^[1] fastställer den kostnadsstruktur som varje argument om AI-substitution måste förhålla sig till: ungefär två tredjedelar av ett kontaktcenters driftkostnad är personal, och personalen skalar linjärt med genomsnittlig hanteringstid genom standardmässiga Erlang C-bemanningsmodeller. Society of Workforce Planning Professionals praktikerreferens ^[26] formaliserar samma linjäritet inom mjukvarustacken för bemanningsplanering. Vi ärver bemanningslinjäriteten i vår metod; när en AI-agent containar ett samtal krediterar vi avlastningen genom att dra av den från samma Erlang-modell. Härledningen finns i Bilaga A.

Ovanpå kölagret har branschen samlats kring kostnad per kontakt som det operativa effektivitetsmåttet ^[3]. Rumburgs ICMI-standard ^[3] definierar det som månatlig driftkostnad delat med inkommande kontaktvolym och kombinerar det med CSAT som grundläggande KPI. Kostnad per kontakt har den analytiska tjusningen av en direkt mätt täljare över en direkt mätt nämnare; dess svaghet, välkänd inom branschen men sällan formaliserad, är att kontakter inte är utfall. Belfiore ^[2] ger den närmaste befintliga kvantifieringen av det gapet genom att översätta brister i first-call resolution till överskjutande årlig kostnad: ett gap på 10 procentenheter i FCR för en verksamhet med 1M samtal ger ungefär $1.2M i undvikbar kostnad vid $8 per samtal och 1.5 uppföljningar per olöst ärende. CallMiner-teamet ^[6] rapporterar den SQM-härledda tumregel som förankrat praktikerdiskussionen sedan slutet av 2000-talets första decennium; en procentenhets förbättring i FCR är värd en procentenhets minskning i driftkostnad.

En nyare strömning hävdar att enheten själv bör ändras. CX Today ^[4] ramar in kostnad per löst ärende som total driftkostnad över lösta ärenden, där "löst" kräver ingen upprepad kontakt inom 7 till 30 dagar och ingen eskalering efter den sista beröringspunkten. Şimşeks branschöverskridande benchmarkrapport ^[7] tabulerar kostnad per ärende från $2.70 (detaljhandel) till $40+ (komplex sjukvård) och hävdar att det operativa måttet för SaaS är kostnad per löst ärende snarare än kostnad per ärende; men stannar innan den publicerar benchmark uttryckta i lösta ärenden. Det tydligaste existensbeviset för att enheten är meningsfull för köparen är inköpet: Mehtas prisguide för utläggning ^[5] dokumenterar BPO-avtal med betalning per löst ärende i aktivt bruk på $1–$7 per löst ärende, med ett branschgenomsnitt som rapporteras kring $4. Enheten finns på marknaden; vad den inte har haft förrän nu är en försvarbar kompositionsregel som talar om för en CFO hur den härleds ur de komponenter leverantörerna faktiskt anger.

2.2 LLM-inferensens ekonomi

Den andra linjen som tangerar vårt problem är litteraturen om kostnaden för att betjäna stora språkmodeller. Erdil ^[22] utvecklar en teoretisk modell av avvägningen mellan kostnad per token och token per sekund under aritmetiska, minnesmässiga och nätverksmässiga begränsningar, och beräknar Pareto-fronter för populära LLM:er (se Figur 2). Frontens form; konvex med avtagande marginalavkastning på genomströmning; är den uppströms liggande kostnadsyta som vår metod väger samman med nedströms containment för att ge en siffra per löst ärende. Zhuang et al. ^[23] generaliserar inramningen till en "LLM Inference Production Frontier" (Figur 3) och identifierar tre principer: avtagande marginalkostnad, avtagande skalavkastning och en optimal kostnadseffektivitetszon. Pan et al. ^[21] tillämpar ett nära besläktat kostnads-nyttoramverk på beslutet mellan lokal och kommersiell driftsättning och klassificerar scenarier i återbetalningsband (0–6 månader, 6–24 månader, bortom 24 månader). Alla tre uttrycks i token; användbart eftersom token är marginalenheten för inferenskostnad, begränsande eftersom token inte är vad en kontaktcenterköpare köper. Vi lånar idén om faser från ^[21] och inramningen av marginalkostnad från ^{[22, 23]} men förankrar om nämnaren i lösta ärenden snarare än token.

2.3 Benchmark och utvärdering av röstagenter

En parallell arbetslinje mäter huruvida röstagenter löser ärenden överhuvudtaget, utan att omvandla det till kostnad. Yao et al.:s τ-bench ^[18] introducerar en benchmark för kundtjänst inom detaljhandel och flyg samt tillförlitlighetsmåttet pass^k, och finner att GPT-4o löser under 50% av uppgifterna och är märkbart inkonsekvent mellan körningar. Ray et al. utvidgar ramverket till röst i τ-Voice ^[19] och rapporterar uppgiftslösningsgrader på 31–51% under rena förhållanden och 26–38% under realistiskt brus och accenter; väsentligt under siffrorna i textläge; vilket direkt informerar känslighetsanalysen vi gör på containment (se Figur 1). Ethiraj et al. ^[20] visar att domänanpassning materiellt förskjuter uppgiftslösning vid konstant beräkning, vilket förstärker argumentet att leverantörsangiven containment är betingad av en arbetsbelastning köparen sällan kontrollerar. Braggaar et al.:s systematiska översikt ^[25] dokumenterar 122 utvärderingsstudier för uppgiftsorienterad dialog och finner heterogena konstrukt med underrapporterade operationaliseringar; en del av skälet till att ett stabilt nedströms ekonomiskt mått inte kristalliserats. Gao et al. ^[24] operationaliserar avvägningar mellan nytta och kostnad inuti agentens förstärkningsinlärningsloop med sitt CMPO-ramverk; vi behandlar samma avvägning på inköpsnivån med en poängregel på sluten form.

2.4 Leverantörs- och praktikerlitteratur

Det mest lästa skrivandet om kostnaden för röstagenter publiceras av leverantörer och praktiker. Retell AI:s prisjämförelse ^[14] tabulerar kostnader per minut och per 10K minuter över Retell, Vapi, Twilio Voice och Euphonia ($0.07–$0.66/min); Lucido-Balestrieris CloudTalk-artikel ^[16] rapporterar CloudTalks hybridprissättning vid sidan av konkurrenters listpriser; Ahmed ^[15] dekomponerar minutprissättning över lagren STT, LLM, TTS, telefoni och plattform och konstaterar att samtalstyp och containment-intervall (45–88%) driver den faktiska kostnaden mer än rubrikpriser. Dograhs TCO-analys ^[17] separerar rörliga, halvrörliga och fasta kostnader över tre användningsnivåer och prissätter ingenjörstid till $150/h; artikeln noterar att "råa minuter inte fångar hela den ekonomiska verkligheten" men stannar innan den ersätter minuter med lösta ärenden som kontoenhet. Sharmas guide till röstagentstacken ^[13] och guide till utvärderingsmått ^[12] publicerar formler för FCR (löst vid första kontakt / totalt) och containment (AI-löst / totalt) med ett containment-mål på >70% för produktionsmognad, men sätter aldrig samman måtten till en enhet per löst ärende. Replicants artikel om automations-ROI ^[8] rapporterar kostnader per samtal på $0.62 (AI) mot $7.40 (människa) och PolyAI:s måttblogg ^[11] räknar upp de åtta KPI:er en köpare av röst-AI bör följa; inklusive en varning för att containment kan dölja återkommande uppringare; utan att nå fram till ett sammansatt mått. Replicant ^[9] och Bucher + Suter ^[10] hävdar oberoende av varandra att eskalering behöver samma ingenjörsmässiga noggrannhet som automation; båda behandlar överlämningskostnaden kvalitativt, ingen prissätter den.

2.5 Syntes och gap

Två saker är klara av litteraturen. För det första finns redan de indata som behövs för att beräkna kostnad per löst samtal i publik form: leverantörers minutpriser ^{[14, 15, 16, 17]}, containment-formler ^[12], uppmätta uppgiftslösningsgrader ^{[18, 19]}, taxonomier för eskaleringsdesign ^{[9, 10]}, bemanningsmodeller ^{[1, 26]} och den historiska översättningen mellan FCR och driftkostnad ^{[2, 6]}. För det andra sätter ingen publicerad källa samman dem. Kontaktcenterlinjen ^{[1, 3, 4, 5, 6, 7]} har rätt nämnare men föregår AI-kostnadsstacken; inferensekonomilinjen ^{[21, 22, 23]} har rätt disciplin för kostnadsmodellering men fel nämnare; benchmarklinjen för röstagenter ^{[18, 19, 20, 25]} mäter lösning som ett kvalitetsutfall snarare än ett prisindata; och leverantörslitteraturen ^{[8, 9, 10, 11, 12, 13, 14, 15, 16, 17]} flaggar gapet upprepade gånger utan att sluta det. Vi känner inte till något tidigare arbete som definierar en formel för kostnad per löst samtal som väger samman minutprissättning, genomsnittlig hanteringstid, containment och eskaleringskostnad, och med ett genomarbetat exempel visar att de resulterande rangordningarna skiljer sig från minutbaserade rangordningar på samma stackar. Det är denna artikels bidrag.

Den här artikeln är en metodartikel i betydelsen paper-research-method: formeln är bidraget, det genomarbetade exemplet finns för att visa att formeln ger användbara och icke-uppenbara rangordningar, och känslighetsanalysen finns för att visa att formeln återskapar en känd empirisk regelbundenhet från tidigare arbete. Vi körde inga nya mätningar. Vi vägde samman indata som finns i publicerad form till en enda regel, tillämpade den regeln på fyra verkliga publika stackar och stresstestade resultatet.

3.1 Formeln

Låt p beteckna listpriset per minut för en röstagentstack i dollar, T den genomsnittliga hanteringstiden för ett containat samtal i minuter, c containment-graden som en andel i [0, 1], och E kostnaden per samtal för mänsklig eskalering i dollar. Vi definierar kostnad per löst ärende som

C_res = (p · T) / c + (1 − c) · E

Den första termen är minutpriset multiplicerat med hanteringstiden, delat med containment. Den besvarar frågan: när vi räknar enbart AI-lösta samtal som lösningar, vad kostar var och en av dem i agentminuter, givet att vi betalade för minuterna i varje samtal som inte löstes också? Den andra termen är den förväntade eskaleringspremien per inkommande samtal: med sannolikhet (1 − c) eskalerar samtalet, och varje eskalering medför kostnaden E. De två termerna summerar till en enda dollarsiffra per löst ärende.

Konstruktionen är medvetet enkel. Den behandlar AI-stacken som en tjänst med fast marginalkostnad som betalas per minut oavsett om samtalet löses, och den behandlar mänsklig eskalering som en platt kostnad per samtal; den standardmässiga kontaktcenterinramningen i ^{[3, 8]}. Den amorterar inte byggkostnad, inkluderar inte licensgolv eller plattformsminimum, och krediterar inte uppströms avlastning (samtal som aldrig når agenten på grund av självbetjäning i IVR). Vart och ett av dessa namnges i §6 som en begränsning.

Formeln väger samman de fyra indata leverantörerna anger inkonsekvent. Minutpriset p publiceras på varje leverantörs prissida ^{[14, 16]}. Hanteringstiden T är en mätning på köparsidan tillgänglig från vilken historisk samtalslogg som helst. Containment c är förhållandet som specificeras i ^[12] och som benchmarkas hela vägen i ^[19]. Eskaleringskostnaden E är kostnaden per samtal för att dirigera samtalet till en mänsklig agent; siffran Replicant uppgav till $7.40 ^[8] och siffran Belfiore använde till $8.00 ^[2]. Vi antar $7.40 som proxy i det genomarbetade exemplet eftersom det är den nyare uppgiften och källan publicerar jämförelsetalet per AI-samtal tillsammans med den. Bilaga A visar att den siffran är förenlig med Erlang C-bemanningsmodellen i ^{[1, 26]} vid en belastad arbetskostnad kring $50/h, beläggning nära 0.85 och en faktor på 1.5× för uppföljningssamtal.

3.2 De fyra stackarna

Vi tillämpade formeln på fyra röstagentstackar valda för att spänna över den publika marknadens form, från den billigaste självhostade konfigurationen till den högst prissatta enterprise-nivån.

Stack A, Retell AI, är en hanterad röstagentplattform hela vägen, prissatt till ett enda minutpris som inkluderar STT, LLM, TTS och telefoni. Vi använde $0.31/minut, det pris Retell publicerar vid sidan av sin konkurrentjämförelse ^[14].

Stack B, Vapi-liknande dekomponerad, är en hanterad orkestrerare som exponerar de underliggande komponenterna och fakturerar dem separat. Med Ahmeds publicerade dekompositionsdisciplin ^[15] vägde vi samman STT på $0.05/min, LLM på $0.06/min för en modell i OpenAI-klass, TTS på $0.07/min för en röst i ElevenLabs-klass, telefoni på $0.013/min för Twilios PSTN-pris och plattform på $0.05/min, summa $0.243/min.

Stack C, självhostad best-of-breed, är den billigaste publika konfigurationen: Pipecat som orkestrerare, Deepgram för strömmande STT, Claude Haiku 4.5 som LLM, ElevenLabs Flash som TTS och Twilio som telefoni. Vi tog överslagsmässiga publika priser per komponent och vägde samman dem till ungefär $0.105/min. Stack C:s minutsiffra är den mest beroende av antaganden; vi behandlar den som en försvarbar övre skattning av den självhostade rörliga kostnaden och redovisar den som sådan.

Stack D, enterprise-leverantör av röst-AI, modellerar golvprisnivån hos en stor kontaktcenterplattform; NICE, Genesys Cloud, Verint eller liknande; sammansatt av röst-AI-minuter plus plattformsavgifter, justering via professionella tjänster och ett utlovat minsta utgiftsåtagande vid hög volym. CloudTalks publicerade röst-AI-prissättning på $0.50/min PAYG och $350/månad för 1 000 minuter ^[16] och Retells leverantörsjämförelse ^[14] rapporterar båda enterprise-priser i intervallet $0.45–$0.66/min med plattformsavgifter inräknade. Vi antar $0.50/min som golv i det genomarbetade exemplet och parar det med ett containment-åtagande på 0.55, nära den övre änden av τ-Voices rena intervall ^[19], på grundval av att enterprise-leverantörer typiskt buntar in ett dedikerat justeringsteam och utlovade SLA:er som lyfter containment över kallstartsintervallet. Stack D stresstestar därmed formeln i den höga änden av pris kombinerad med den höga änden av utlovad containment; det inköpsscenario där köparen betalar uttryckligen för en containment-garanti.

För containment-värdena över stackarna A–C förankrade vi det genomarbetade exemplet i τ-Voices rapporterade intervall för uppgiftslösning ^[19]: 31–51% under rena förhållanden och 26–38% under realistiskt brus. Vi valde en försvarbar mittpunkt per stack med uttrycklig motivering snarare än leverantörspublicerade siffror, eftersom leverantörspublicerad containment är betingad av arbetsbelastningar köparen inte kontrollerar ^[20] och inte är direkt jämförbar mellan leverantörer. Retell fick en containment på 0.45, nära den övre änden av τ-Voices rena intervall, motiverat av plattformens justering mot vanliga kundtjänstflöden. Vapi fick 0.38, på gränsen mellan τ-Voices rena och brusiga intervall, motiverat av att Vapi är ett tunnare orkestreringslager som lägger mer av ansvaret för stackjustering på köparen; i ett kallstartsscenario för inköp ligger den faktiska containment närmare det brusiga intervallet. Självhostad fick 0.42, mellan Retell och Vapi, motiverat av att best-of-breed-komponenter levererar kvalitet i genomsnitt men att avsaknaden av plattformssidig justering trycker ner siffran jämfört med en hanterad stack. Stack D fick 0.55, motiverat av det dedikerade justeringsteamet och det SLA-åtagande som det golvprissatta avtalet vanligen bär med sig.

För genomsnittlig hanteringstid använde vi en sektortypisk baslinje på 4 minuter ^[3], och vi körde känslighet vid 2.5, 4 och 6 minuter för att täcka det realistiska spannet mellan enkla FAQ-liknande samtal och längre flerstegssamtal.

För eskaleringskostnad använde vi $7.40 per samtal ^[8]. Siffran är en leverantörsuppgift och publicerades som jämförelsetal för mänsklig agent mot den AI-stack leverantören säljer; samma artikel behandlar den som den operativa kostnaden per samtal för mänsklig hantering, vilket är den roll vi sätter den i. Vi körde också det multivariata rutnätet i §4.4 över E ∈ {$5, $7.40, $10, $15} för att täcka arbetsmarknader från lågkostnadsutlagda till högkostnadsreglerade branscher där eskaleringar bär straffavgifter för kall överföring ^[10].

3.3 Exemplets upplägg

Vi band oss på förhand till fem analyser innan vi beräknade några tal. Först, fyrstacktabellen vid baslinjeindata: T = 4, containment per §3.2, E = 7.40. För det andra, rangjämförelsen mellan minutbaserad och ärendebaserad ordning av de fyra stackarna. För det tredje, en känslighetsanalys med en variabel i taget på Retell som referensstack: containment vid c ± 0.10, hanteringstid vid T × {0.625, 1.5} (dvs. 2.5 och 6 minuter) och eskaleringskostnad vid 2E. För det fjärde, en containment-känslighet enbart på Vapi för att testa robustheten i omkastningen; närmare bestämt den containment vid vilken Vapis kostnad per löst ärende korsar Retells. För det femte, ett tvådimensionellt rutnät över containment-förskjutning Δc ∈ {−0.10, −0.05, 0, +0.05, +0.10} (applicerat enhetligt på varje stacks baslinje-c) och eskaleringskostnad E ∈ {$5, $7.40, $10, $15}, med rangordning rapporterad i varje cell. Vi band oss på förhand till att rapportera varje omkastning som ett verkligt fynd endast om den överlever en störning på ±0.05 på den relevanta containment, eftersom en omkastning som försvinner under ett antagandefel på en halv procentenhet inte är robust.

3.4 Vad metoden inte inkluderar

Vi uteslöt medvetet fyra saker. Byggkostnad. Självhostade stackar bär en ingenjörsmässig kapitalkostnad som hanterade stackar inte gör ^[17]; att inkludera den kräver en amorteringsregel som beror på samtalsvolym och projektlivslängd, båda köparspecifika. Vi behandlar den som ett separat steg i inköpsbeslutet och diskuterar den kvalitativt i §5. Licensgolv och minimum. Flera leverantörsofferter inkluderar månatliga minimum eller platslicenser ^[16] som böjer minutpriset vid låg volym. Vi modellerade högvolymregimen där dessa amorteras bort. Återkommande uppringare. Containment kan dölja mönster av återkommande uppringare ^[11]; vår c är containment per enskilt samtal, inte netto efter upprepningar. Kvalitetsjusterad lösning. Ett löst samtal med låg CSAT är fortfarande en lösning i formeln; viktning efter nöjdhet är en nedströms justering vi inte gjorde. Vart och ett av dessa namnges igen i §6.

3.5 Reproducerbarhet

Formeln och indata är fullständigt specificerade ovan. En läsare kan köra om det genomarbetade exemplet i ett kalkylblad på under fem minuter. De fyra raderna med leverantörsindata spåras till bibliografiposterna ^[14], ^[15], ^[16] och en överslagsmässig sammansättning av publika komponenter för Stack C; containment-intervallen spåras till ^[19]; eskaleringskostnaden spåras till ^[8]. Vi körde inga nya mätningar, och det finns inga slumpfrön, hårdvaruspecifikationer eller försöksprotokoll att redovisa. Reproducerbarhetsbördan för en metodartikel är formelns specifikation, som ligger i §3.1, och den uttryckliga indatatabellen i §4.1.

3.6 Varför en fjärde stack spelar roll

Det ursprungliga genomarbetade exemplet med tre stackar täckte den publika marknadens form; helt hanterad, dekomponerad-hanterad och självhostad; men stannade innan den regim som inköpsteam stöter på oftast i reglerade branscher: enterprise-leverantören av röst-AI prissatt till ett golv med utlovade minimum. Stack D fyller det gapet. Den testar formeln i den regim där minutpriset är högst och containment också är högst, eftersom golvpriset finansierar det dedikerade justeringsteam som lyfter containment. Detta är det inköpsscenario där en CFO oftast misstänker att de betalar för mycket; minutpriset är två till fem gånger de billigare alternativen, men leverantören hävdar att priset motiveras av ett containment-åtagande som de billigare alternativen inte erbjuder. Formeln är beslutsregeln som låter CFO:n kontrollera om argumentet håller. Utan Stack D täcker det genomarbetade exemplet bara regimen där högre pris kommer med marginellt högre containment; med Stack D täcker exemplet regimen där högre pris kommer med materiellt högre containment, vilket är strukturellt annorlunda. Avsnitt 4.4 visar korsningen: vid varje eskaleringskostnad över $8.80 slår Stack D Retell på kostnad per löst ärende trots att den kostar 1.6× mer per minut; vid varje eskaleringskostnad över $6.34 slår Stack D Vapi trots att den kostar 2.1× mer per minut. Inköpsfrågan slutar vara huruvida den golvprissatta enterprise-leverantören är överprissatt och blir i stället huruvida köparens eskaleringskostnad ligger över eller under korsningen.

4.1 Baslinje för fyra stackar

Tabell 1 redovisar formelns utfall vid baslinjeindata. Den högra kolumnen är siffran för kostnad per löst ärende som artikeln menar bör ersätta minutpriset som inköpsrubrik.

Kostnaden per löst ärende sträckte sig från $5.29 till $7.15 över de fyra stackarna, en spridning på ungefär 35%. Minutprisspridningen på samma stackar var 376% ($0.105 till $0.50). Enhetsvalet komprimerar den skenbara spridningen mellan leverantörer med mer än 10×, vilket i sig är inköpssignalen: minutskillnader smickrar dramatiskt tills de omvandlas till den enhet en köpare betalar för.

Eskaleringstermen (1 − c) · E bar majoriteten av siffran för kostnad per löst ärende för varje stack utom Stack D; 60% för Retell, 64% för Vapi, 81% för självhostad och 48% för enterprise-nivån. Detta är det strukturella resultat som motiverar §5: kostnad per löst ärende är ett eskaleringskostnadsdominerat mått för varje nuvarande röstagentstack med containment under ungefär 0.5, och rangordningen sätts därför av containment snarare än av minutpris. Stack D är den enda stacken i exemplet som korsar under 50% eskaleringsandel, och den gör det eftersom dess utlovade containment på 0.55 minskar andelen samtal som drar eskaleringspremien på $7.40 över varje löst ärende.

4.2 Omkastningar i rangordningen

Tabell 2 ställer den minutbaserade rangordningen mot den ärendebaserade.

Två omkastningar uppträder vid baslinje. Den första, mellan Retell och Vapi, är inversionen som redan finns i versionen med tre stackar: Retells högre containment (0.45 mot 0.38) minskar andelen samtal som drar eskaleringskostnaden på $7.40 tillräckligt för att övervinna prisgapet på $0.067/min på själva agentminuterna. Den andra, mer slående omkastningen är Stack D, som kostar 1.6× Retell per minut och 2.1× Vapi per minut men är billigare per löst ärende än Vapi med $0.18 (2.5%). Mekanismen är densamma som i den första omkastningen men mer uttalad: Stack D:s utlovade containment på 0.55 minskar eskaleringsandelen av kostnaden från 64% (Vapi) till 48%, och den absoluta eskaleringspremien från $4.59 till $3.33. Minskningen på 17% i eskaleringskostnad per samtal köper köparen en stack som kostar mer per minut och mindre per löst ärende, vilket strukturellt är det inköpsargument enterprise-leverantörer av röst-AI framför.

Vapi faller från näst billigast per minut till absolut sist per löst ärende. Detta är den största felrangordning formeln identifierar i det genomarbetade exemplet, och den där ett minutförankrat inköpsbeslut skulle ge det sämsta utfallet.

4.3 Känslighet med en variabel

Vi band oss på förhand till att störa en variabel i taget på Retell-baslinjen och till en containment-störning enbart på Vapi. Tabell 3 redovisar de fyra störningarna.

Tre observationer framträder ur Tabell 3. För det första rörde containment kostnad per löst ärende med ungefär 20% per 10 procentenheter kring baslinjen, en elasticitet nära 1:1 som återskapar SQM-tumregeln som citeras av ^[6]: en procentenhets förbättring i first-call resolution ger en procentenhets minskning i driftkostnad. Vår metod var inte utformad för att reproducera denna regelbundenhet, och att den gör det är ett tecken på att kompositionsregeln inte är patologisk. För det andra var eskaleringskostnaden den variabel som hade störst genomslag: att fördubbla E ökade Retells kostnad per löst ärende med 60%, mer än tre gånger rörelsen från en containment-svängning på 10 procentenheter. För det tredje överlevde omkastningen mellan Retell och Vapi den förregistrerade robusthetskontrollen. En uppåtstörning på 5 procentenheter på Vapis containment (till 0.43) drev dess kostnad per löst ärende till $6.48, under Retells baslinje på $6.83. Omkastningen vänder om Vapis verkliga containment ligger en halv procentenhet över Retells. Vi behandlar omkastningen som ett verkligt fynd under de indata vi använde, inte ett robust fynd över alla rimliga indata; vilket är artikelns poäng. Enhetsvalet ändrar rangen, och rangen är känslig för en variabel leverantörer inte benchmarkar konsekvent.

4.4 Multivariat känslighet: ett (Δc, E)-rutnät

Känsligheten med en variabel i §4.3 håller tre variabler fasta och rör den fjärde. Inköpsteam möter sällan den bilden. Verkliga inköpsbeslut samvarierar containment och eskaleringskostnad: en köpare i högre finansiella tjänster möter både en högre eskaleringskostnad (belastad arbetskraft, reglerad överlämning) och en lägre containment än baslinjen (PII-filtrering, flerspråkig trafik). En detaljhandelsköpare möter det motsatta (låg eskaleringskostnad, hög containment). För att göra formeln användbar på inköpsnivån körde vi ett tvådimensionellt rutnät över containment-förskjutning och eskaleringskostnad, med hanteringstiden fast vid 4 minuter och minutpriset fast vid varje stacks baslinje.

Förskjutningen Δc appliceras enhetligt på varje stacks baslinje-c från §3.2; till exempel, vid Δc = −0.05, är Retells effektiva containment 0.40, Vapis är 0.33, självhostads är 0.37 och Stack D:s är 0.50. Detta behandlar Δc som en modifierare på köparens domän; en återspegling av hur långt köparens samtalsmix ligger från τ-Voice-baslinjen, snarare än en prestandastörning per stack. Tabell 4 redovisar rangordningen i varje cell.

Rutnätet ger ett slående strukturellt resultat: rangordningen sätts nästan helt av E, inte av Δc. Läser man nedåt i någon kolumn är rangordningen identisk vid varje containment-förskjutning. Läser man tvärs över någon rad förskjuts rangordningen i takt med att eskaleringskostnaden stiger. Korsningarna är skarpa:

• Vid E = $5 (lågkostnadsutlagd arbetskraft, enspråkig detaljhandelstrafik) vinner minutpriset fortfarande. Stack D, den dyraste per minut, är den dyraste per löst ärende.
• Vid E = $7.40 (baslinjen från den offentliga uppgiften ^[8]) flyttar Stack D till rang 3; den slår Vapi, den näst billigaste per minut, trots att den kostar 2.1× mer per minut.
• Vid E ≥ $10 (reglerade branscher, belastad arbetskraft i enterprise) flyttar Stack D till rang 2 och slår även Retell. Enterprise-golvet är det näst bästa valet per löst ärende i varje cell med E ≥ $10.

Korsningspunkterna är beräkningsbara direkt ur formeln. Sätt Cres(D) = Cres(Retell) och lös: E = (pD · T / cD − pR · T / cR) / (cD − cR) = ($3.636 − $2.756) / 0.10 = $8.80. Under E = $8.80 är Retell billigare per löst ärende; över är Stack D billigare. Samma algebra sätter korsningen mellan Stack D och Vapi vid E = $6.34, vilket är varför Stack D redan slår Vapi vid den uppgivna baslinjen på $7.40. Dessa korsningströsklar är de operativa tal ett inköpsteam bör räkna mot sin egen belastade eskaleringskostnad, eftersom de reducerar fyrstackjämförelsen till en beslutsregel på en rad.

Robustheten i rangordningen över Δc-störningar återspeglar en strukturell egenskap hos formeln: rangordningen sätts av gapet i containment mellan stackar, inte av den absoluta nivån. Att förskjuta varje stacks containment med samma belopp bevarar gapet, så rangordningen ändras inte. Detta är ett inköpsmeningsfullt fynd eftersom gapet mellan stackar (Stack D:s containment-åtagande minus kallstartscontainment hos billigare stackar) är variabeln en leverantör kontrollerar, medan den absoluta nivån är en funktion av köparens samtalsmix, som leverantören inte kontrollerar. Formeln isolerar den inköpsrelevanta signalen från det köparspecifika bruset.

Resultatet som överraskade oss i det ursprungliga genomarbetade exemplet med tre stackar var inte omkastningen i sig utan hur tunn marginalen var. Versionen med fyra stackar gör överraskningen skarpare. Stack D, den dyraste per minut, är den näst billigaste per löst ärende vid den uppgivna baslinje-eskaleringskostnaden och den näst billigaste per löst ärende vid varje högre eskaleringskostnad. Inköpsargumentet enterprise-leverantörer av röst-AI framför; att golvprissättningen köper ett containment-åtagande som betalar sig vid hög eskaleringskostnad; är, i den här övningen, strukturellt korrekt. Formeln ger inköpsteamet tröskeln vid vilken argumentet blir korrekt (E ≥ $8.80 mot Retell, E ≥ $6.34 mot Vapi), vilket är det samtal inköpsteamet behöver ha med leverantören.

Det strukturella fyndet, att eskaleringstermen (1 − c) · E dominerar kostnad per löst ärende för varje stack med containment under ungefär 0.5, är inte nytt för kontaktcenterlitteraturen ^{[2, 6]} men är till stor del frånvarande från leverantörslitteraturen för röstagenter. Containment dominerar eftersom varje olöst samtal drar kostnaden för ett helt mänskligt hanterat samtal över på AI:ns konto, och mänskligt hanterade samtal är en storleksordning dyrare än AI-hanterade ^[8]. Detta är skälet till att Sharmas produktionsmognadsmål på >70% för containment ^[12] har rätt form, även om den specifika gränsen är konvention snarare än härledning. Under 70% betalar AI-agenten för sig men lämnar fortfarande merparten av driftkostnaden på den mänskliga sidan; över 70% börjar substitutionen dominera. Stack D i vårt genomarbetade exempel ligger på 0.55, vilket är varför dess eskaleringsandel är lägst i Tabell 1 (48%) och ändå nästan halva totalkostnaden.

Vi tror att leverantörer inte anger pris i lösta-ärende-enheter av två skäl. Det första är mekaniskt: containment är inte en egenskap hos enbart leverantörens stack; den beror på köparens samtalsmix, språktäckning och justeringsarbete, allt sådant leverantören inte kan förbinda sig till i förväg. Att ange pris i lösta-ärende-enheter skulle tvinga leverantörer att ta på sig arbetsbelastningsrisk de inte prissätter i dag. Marknaden för utläggning med betalning per löst ärende i ^[5] är existensbeviset på att en leverantör kan ta på sig arbetsbelastningsrisk om prismodellen är utformad för det; leverantörer av röst-AI har inte byggt den prismodellen ännu. Det andra är kommersiellt: minutprissättning dramatiserar marginalen mellan leverantörer. Retell på $0.31 mot Vapi på $0.243 ser ut som en meningsfull skillnad; $6.83 mot $7.15 ser ut som brus. Stack D på $0.50/min mot Retell på $0.31/min ser ut som en premie på 60%; $6.97 mot $6.83 är en premie på 2%. Leverantörer som anger pris per minut håller inköpssamtalet i en spridning som smickrar dem. Översättningen till lösta-ärende-enheter återför samtalet till den spridning köparen faktiskt betalar.

Vad bör inköpsteam göra annorlunda efter att ha läst den här artikeln? Tre saker, i ordning. Först, be varje röstagentleverantör om ett containment-åtagande, eller åtminstone om den containment de observerat på arbetsbelastningar som liknar din, med arbetsbelastningen definierad precist nog för att kunna falsifiera siffran. Marknaden för utläggning med betalning per löst ärende som dokumenteras i ^[5] bevisar att det samtalet är möjligt. För det andra, kör formeln i §3.1 mot din egen hanteringstid och din egen belastade eskaleringskostnad snarare än siffrorna i den här artikeln. Båda är fakta på köparsidan och är vanligen tillgängliga från den historiska samtalsloggen. För det tredje, beräkna korsningströsklarna på det sätt §4.4 visar: vid vilken eskaleringskostnad blir varje par av stackar lika på kostnad per löst ärende? Korsningströskeln reducerar en fyrstackjämförelse till en beslutsregel på en rad mot köparens egen arbetskostnad. Röstagentkalkylatorn på /resources/tools/voice-agent-cost-calculator exponerar denna sammansättning för de tal på köparsidan ett inköpsteam mest sannolikt har till hands.

En anmärkning om självhostade stackar. Stack C gav den lägsta kostnaden per löst ärende i vår baslinje, men metoden uteslöt medvetet byggkostnad. Självhostade stackar bär en ingenjörsmässig kapitalkostnad som Dograhs TCO-analys prissätter till $150/h ^[17] och som författarna noterar återvinns inom månader vid hög volym men inte vid låg volym. Det rätta sättet att inkludera byggkostnad är som en amortering per löst ärende över projektets livslängd, (build_cost) / (expected_total_resolutions), adderad till Cres. Vi lämnade detta som en justering i steg två eftersom den är köparspecifik och artikelns bidrag är kompositionsregeln för rörlig kostnad. En köpare på 1 000 månadsminuter drar en annan slutsats än en köpare på 100 000 månadsminuter, och båda slutsatserna bör följa av samma kompositionsregel tillämpad med varje köpares volym.

5.1 När formeln brister

Formeln väger samman fyra indata till ett enda tal och ger rena rangordningar under ett brett spann av rimliga indata. Det finns tre regimer där den ger missvisande tal, och ett inköpsteam bör känna igen dem innan de tillämpar regeln.

Extremt hög containment (c ≥ 0.85). När c närmar sig 1 närmar sig eskaleringstermen (1 − c) · E noll och AI-kostnadstermen (p · T) / c närmar sig p · T. Kostnad per löst ärende konvergerar mot minututgiften på ett containat samtal. I denna regim reduceras formeln till minutpris skalat med hanteringstid, och rangordningen sammanfaller med den minutbaserade rangordningen. Detta är förenligt med intuitionen; när AI:n hanterar i stort sett varje samtal utan eskalering handlar inköpsbeslutet om agentminutkostnad och inget annat; men det betyder att formeln förlorar sin diskriminerande kraft just i den regim leverantörslitteraturen ^[12] förklarar produktionsmogen. En köpare som jämför två stackar som båda förbinder sig till 90%+ containment bör inte vänta sig att formeln identifierar en strukturell vinnare; skillnaden på den nivån domineras av minutpris och av byggkostnadsjusteringen som §5 lämnar som en övervägning i steg två.

Extremt låg containment (c ≤ 0.20). När c närmar sig noll exploderar AI-kostnadstermen (p · T) / c och eskaleringstermen närmar sig E. Kostnad per löst ärende blir patologisk eftersom nästan varje samtal eskalerar och AI:n betalas för minuter den inte containade. Denna regim är degenererad för varje produktionsstack; en köpare skulle inte driftsätta vid 20% containment i produktion; men den uppträder i utvärdering före justering, när en köpare benchmarkar en leverantör på kallstartstrafik innan det dedikerade justeringsarbetet är gjort. En mätning före justering på c = 0.15 ger en Cres-siffra som dramatiskt överskattar kostnaden, eftersom merparten av kostnaden är agentminuttermen delat med en liten nämnare. Ett inköpsteam som kör formeln mot pilotdata bör justera för detta genom att rapportera siffran för kostnad per löst ärende vid sidan av containment-banan, inte som ett enda tal.

Uppföljningssamtal utanför containment per enskilt samtal. Formeln behandlar det mänskligt hanterade samtalet som den slutgiltiga händelsen i ett olöst förlopp. I praktiken kan ett eskalerat samtal självt ge upphov till uppföljningskontakter inom lösningsfönstret, och ett containat samtal kan ge upphov till uppföljningskontakter om AI:ns lösning inte faktiskt löste det underliggande ärendet. Belfiore ^[2] använder en faktor på 1.5× för att omvandla olösta samtal till uppföljningskostnad, och PolyAI ^[11] varnar specifikt för att containment kan dölja återkommande uppringare. Formelns E bör läsas som den belastade kostnaden för hela det eskalerade förloppet, inte bara det första mänskligt hanterade samtalet; en köpare som använder en proxy för E som enbart bygger på arbetskostnad kommer att underskatta eskaleringspremien med 30–50%. Härledningen ur Erlang C i Bilaga A gör detta explicit: den bemanningskostnadsekvivalent som ger vår baslinjesiffra på $7.40 inkluderar redan faktorn 1.5× för uppföljningsvolym.

Ett fjärde, mindre vanligt felläge är värt att nämna: när köparens prismodell inkluderar plattformsminimum eller platslicenser som böjer minutpriset vid låg volym ^[16]. Vår formel modellerar högvolymregimen där dessa amorteras; vid låg volym är det effektiva minutpriset högre än det publicerade priset och rangordningen kan förskjutas. En köpare på färre än 1 000 månadsminuter bör köra formeln mot köparens effektiva minutpris (total månadsutgift delat med minuter), inte leverantörens minutrubrik.

Metoden är en kompositionsregel, och en kompositionsregel är bara så ärlig som de indata den väger samman. Vi namnger de specifika saker den här artikeln inte kan dra slutsatser om.

Leverantörspriserna är listpriser, inte förhandlade priser. Retell på $0.31, den Vapi-liknande dekompositionen på $0.243 och Stack D-golvet på $0.50 är de priser en köpare skulle betala via självbetjäning eller som ett publicerat golv; enterprise-inköp ger rutinmässigt 30–50% rabatter på volymnivåer över 100 000 månadsminuter, och vi hade inte tillgång till förhandlade offerter. Rangordningen i Tabell 2 kan förskjutas under realistisk enterprise-prissättning.

Stack D:s minutpris är det indata i det genomarbetade exemplet med lägst tillförlitlighet. Enterprise-prissättning av röst-AI är genuint ogenomskinlig: golvpriser, paket av professionella tjänster, rabatter för utlovade utgifter och plattformsavgifter kombineras till en minutmotsvarighet som leverantören sällan publicerar. Vår $0.50/min hämtas från CloudTalks publicerade röst-AI-pris ^[16] och styrks av den övre gränsen i Retells leverantörsjämförelse ^[14], men en köpare som tecknar ett avtal i Stack D-klass förhandlar mot leverantörens faktiska offert, inte mot ett publicerat golv. Omkastningen vi rapporterar vid E ≥ $8.80 (Stack D slår Retell) är robust mot en störning på ±15% på Stack D:s minutpris, men en köpare bör köra om rutnätet i §4.4 mot det förhandlade priset innan en inköpsslutsats dras.

Containment-värdena är benchmark-proxyer, inte mätningar på köparens domän. τ-Voice ^[19] rapporterar uppgiftslösning över grundade uppgifter inom detaljhandel och flyg, vilket ligger närmare en baslinje före justering än den containment efter justering en verklig köpare upplever efter tre till sex månaders iteration. En köpare med ett rent, väl avgränsat användningsfall kan överträffa våra indata med 10 till 20 procentenheter; en köpare med flerspråkig, brusig eller PII-tung trafik kan ligga under dem. Stack D:s containment på 0.55 ligger längst från τ-Voice-ankaret och är det indata som är mest utsatt för bias från leverantörspåståenden; ett inköpsteam bör kräva att leverantören anger ett containment-åtagande mot en definierad arbetsbelastning snarare än att acceptera golvsiffran på god tro.

Eskaleringskostnaden är en uppgift från en enda punkt. $7.40/samtal kommer från en leverantörs publicerade jämförelse ^[8] och är kalibrerad mot en specifik samtalsmix och en specifik arbetsmarknad. Belfiores $8.00 ^[2] ligger inom 8% av den, vilket ger viss triangulering, men ingendera är en metaanalys. En köpare på en marknad där belastad kundtjänstarbetskraft är hälften eller dubbelt så stor som det uppgivna intervallet skulle beräkna andra siffror för kostnad per löst ärende, och rangordningen i Tabell 2 är känslig för detta. Rutnätet i §4.4 täcker det realistiska intervallet $5–$15.

Stack C:s minutpris är en överslagsmässig sammansättning. Självhostad rörlig kostnad beror på Deepgrams volymnivå, på huruvida ElevenLabs Flash betalas månatligt eller löpande, på Twilios regionala pris och på Claude Haikus mix av in- och ut-token per samtal. Vi vägde samman rimliga priser på mellannivå; en noggrann köpare skulle ersätta vår $0.105 med sin egen offertdrivna siffra innan en inköpsslutsats dras.

Det multivariata rutnätet i §4.4 är ett 5×4-urval av en kontinuerlig yta. Ett finare rutnät eller en konturplott skulle avslöja korsningströsklarna mer exakt; vi rapporterar de analytiska korsningströsklarna i §4.4 som de operativa talen och behandlar det diskreta rutnätet som en illustration av rangstabiliteten över köpardomänkontexter. Rutnätet varierar inte hanteringstid eller minutpris, som båda skulle förskjuta korsningarna.

Formeln krediterar inte uppströms avlastning. Samtal som avlastas av IVR eller självbetjäning innan de når röstagenten kommer aldrig in i nämnaren. En stack som integrerar väl med köparens befintliga IVR kan uppvisa en sämre kostnad per löst ärende samtidigt som den minskar den totala driftkostnaden. Måttet är en jämförelse inom röstagenten, inte ett kontaktcenters resultaträkning.

Containment är en definition per enskilt samtal. Vi använde containment som andelen samtal AI:n löste utan eskalering vid ett enskilt samtal. PolyAI ^[11] noterar att detta kan dölja mönster av återkommande uppringare där samma ärende dyker upp igen inom sju dagar. En containment netto efter upprepningar skulle sänka varje värde i Tabell 1; vi modellerade den inte.

Lösning viktas inte efter kvalitet. En lösning som ger en låg CSAT räknas som en lösning. Litteraturen om kvalitetsviktade lösningsmått ^{[4, 7]} stöder en nedströms justering, och en köpare med ett hårt CSAT-golv skulle vilja tillämpa en.

Det genomarbetade exemplet är fyra stackar. Fyra stackar spänner över den publika marknadens form (helt hanterad, dekomponerad-hanterad, självhostad, enterprise-golv) men är inte uttömmande. En egenutvecklad lösning på en stor bank, en vertikalspecialiserad leverantör inom sjukvård, eller en kostnadsledande offshore-BPO med AI-förstärkta agenter skulle var och en förskjuta bilden; vi hade inte publika prisuppgifter för dessa.

Vi definierade en formel på sluten form för kostnad per löst ärende för röstagenter, tillämpade den på fyra verkliga publika stackar vid baslinjeindata hämtade från leverantörers prissidor och en publik benchmark, och rapporterade två omkastningar där de minutbaserade och ärendebaserade ordningarna av dessa stackar avvek. Siffrorna för kostnad per löst ärende sträckte sig från $5.29 till $7.15; en spridning på 35% på stackar vars minutpriser spände över 376%. Ett tvådimensionellt känslighetsrutnät visade att rangordningen sätts av eskaleringskostnad, inte av containment-förskjutning; de analytiska korsningströsklarna (Stack D slår Retell vid E ≥ $8.80, slår Vapi vid E ≥ $6.34) reducerar fyrstackjämförelsen till en beslutsregel på en rad mot köparens egen arbetskostnad. Containment dominerade måttet och återskapade callcenterns 1:1-regel mellan förbättringar i first-call resolution och minskningar i driftkostnad, och Bilaga A visar att formelns eskaleringsterm reduceras till den standardmässiga Erlang C-bemanningsmodellen från verksamhetsstyrningslitteraturen. Kompositionsregeln är bidraget. Inköpsteam som bedömer röstagentleverantörer på den enhet leverantörerna anger optimerar fel tal; formeln i §3.1 ger dem den enhet de faktiskt betalar i.

Eskaleringskostnaden E i §3.1 är kostnaden per samtal för mänsklig hantering. Vi antog $7.40 från en offentlig leverantörsuppgift ^[8] och noterade att Belfiores $8.00 ^[2] ligger inom 8% av den. Den här bilagan visar att den uppgivna siffran är förenlig med den Erlang C-bemanningsmodell som används i mjukvara för bemanningsplanering ^{[1, 26]}, och grundar därmed formelns eskaleringsarm i verksamhetsstyrningslinjen.

A.1 Erlang C-bemanning

I ett kontaktcenter bemannat av människor ger Erlang C-modellen sannolikheten att ett inkommande samtal hamnar i kö snarare än besvaras omedelbart, som en funktion av ankomstintensiteten λ (samtal per timme), genomsnittlig hanteringstid Th (timmar per samtal) och antalet agenter N ^[1]. Bemanningsbeslutet är det minsta N sådant att köannolikheten faller under en målsatt servicenivåtröskel (typiskt P(wait > 20s) ≤ 0.20).

För ett kontaktcenter som körs vid beläggning ρ = λ · Th / N är den belastade arbetskostnaden per besvarat samtal

Cper_call = (Wloaded · Th) / ρ

där Wloaded är den belastade timlönen för en agent (grundlön plus förmåner, ledningsoverhead, lokaler och verktyg, typiskt 1.4–1.6× grundlön ^[1]). Th är den genomsnittliga hanteringstiden inklusive efterarbete. Beläggningen ρ överstiger sällan 0.85 i praktiken eftersom högre beläggning försämrar servicenivån ^[26].

Genomarbetat exempel. Vid Wloaded = $52.50/h (representativt amerikanskt belastat pris för inkommande kundtjänst, mitten av 2020-talet), Th = 4 minuter = 1/15 h och ρ = 0.85:

Cper_call = ($52.50 · (1/15)) / 0.85 = $3.50 / 0.85 = $4.12 per besvarat samtal

A.2 Att lägga till uppföljningsfaktorn

Belfiore ^[2] rapporterar att olösta samtal i genomsnitt ger 1.5 uppföljningskontakter i lösningsfönstret. Varje uppföljningskontakt medför samma Cper_call plus kundupplevelsekostnaden för omarbetet. Om vi behandlar uppföljningar som att de lägger till 1.5× kostnaden per samtal; den konservativa läsningen av Belfiore; blir den belastade kostnaden för ett eskalerat förlopp

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

där f = 0.5 är den fraktionella uppföljningsmultiplikatorn på det inledande mänskligt hanterade samtalet (0.5 eftersom ett inledande samtal plus 0.5 i förväntade uppföljningar är lika med de 1.5 kontakter Belfiore dokumenterar). Siffran $6.18 ligger ungefär 17% under baslinjen på $7.40 som uppges av ^[8]. Att lägga till 15–20% för straffavgift vid kall överföring ^[10]; kostnaden för kontextförlust när samtalet lämnas över från AI:n till människan; sluter gapet till den uppgivna siffran inom avrundning.

De uppgivna $7.40 från ^[8] motsvarar därför en belastad arbetskostnad i intervallet $50–60/h, beläggning nära standardtaket 0.85 och en uppföljningsfaktor i Belfiore-intervallet. Vart och ett av dessa indata är oberoende publicerat, och den uppgivna siffran är förenlig med alla tre.

A.3 Substitutionskrediten

När en AI-agent containar en andel c av inkommande samtal faller det mänskliga bemanningsbehovet i proportion. Med ankomstintensiteten λ totala samtal per timme blir den mänskliga sidans ankomstintensitet (1 − c) · λ, och Erlang C-bemanningsbehovet skalar ungefär linjärt med ankomstintensiteten vid fast servicenivå, så den mänskliga sidans bemanningskostnad per inkommande samtal faller från Cper_call till (1 − c) · Cper_call. Inklusive uppföljningsfaktorn är den mänskliga sidans kostnad per inkommande samtal (1 − c) · E, vilket är exakt den andra termen i formeln i §3.1.

Den första termen (p · T) / c är AI-sidans kostnad lagd på varje löst samtal: köparen betalar p · T i agentminuter per inkommande samtal, och köparens lösningar är c per inkommande samtal, så varje lösning bär (p · T) / c i agentminututgift.

Att addera de två termerna ger kostnaden per löst ärende för ett inkommande samtal hanterat hela vägen: AI-sidans utgift per löst ärende plus den förväntade mänskliga sidans kostnad per inkommande samtal. Detta är formeln. Dess eskaleringsarm är inte en ad hoc-proxy utan en reduktion av Erlang C-bemanningskostnaden under proportionell substitution, vilket är det linjäritetsantagande SWPP-referensen ^[26] dokumenterar och Akşin et al. ^[1] går igenom.

A.4 Var linjäritetsantagandet brister

Två regimer är värda att flagga. För det första är Erlang C-bemanning icke-linjär nära servicenivåtröskeln: ett litet fall i ankomstintensitet behöver inte minska den nödvändiga bemanningen med samma proportion, eftersom tröskeln verkar på det heltaliga antalet agenter. Vid små kontaktcenter (färre än ~30 agenter) överskattas substitutionskrediten av den proportionella regeln; den verkliga besparingen är stegvis. För det andra kräver linjäritetsantagandet att de AI-containade samtalen och de mänskligt hanterade samtalen har liknande hanteringstidsfördelningar. Om AI:n containar övervägande lätta samtal (kort hanteringstid) och eskalerar övervägande svåra samtal (lång hanteringstid); ett vanligt mönster, eftersom AI-agenter kämpar på den svåra svansen; då är den mänskliga sidans hanteringstid på eskalerade samtal längre än den genomsnittliga Th, och den mänskliga sidans kostnad per inkommande samtal är högre än (1 − c) · E. Ett inköpsteam i en domän där AI:ns hanteringstid på containade samtal är tydligt kortare än verksamhetens samlade genomsnitt bör behandla E som en undre gräns och överväga en explicit multiplikator på hanteringstiden för eskaleringar. Begränsningen i §6 om kvalitetsjusterad lösning fångar samma oro från en annan vinkel.