Cómo mejorar tu tiempo medio de atención (con casos reales)

¿Qué es el tiempo medio de atención?

El tiempo medio de atención (AHT, por Average Handle Time) es una métrica de rendimiento de los contact centers que representa la duración media de una interacción con un cliente. Se divide en tres partes: el tiempo de conversación (el tiempo que se pasa realmente hablando con el cliente), el tiempo en espera (el tiempo que el cliente pasa en espera) y el trabajo posterior a la llamada o ACW (las tareas administrativas que se hacen al terminar la llamada, como actualizar registros, anotar observaciones o completar acciones de seguimiento).

El AHT es una de las métricas de eficiencia más vigiladas en los contact centers. Influye directamente en las necesidades de personal, en el coste por contacto y en el cumplimiento del nivel de servicio. Un AHT más alto significa que cada agente puede atender menos contactos por hora y, en consecuencia, o bien los clientes tienen que esperar más en la cola hasta hablar con un agente, o bien hay que contratar más agentes, y las dos cosas encarecen la operativa.

Sin embargo, el AHT también es una de las métricas que peor se usan. Cuando los contact centers persiguen objetivos de AHT agresivos sin tener en cuenta la calidad de la resolución ni la satisfacción del cliente, los agentes empiezan a acelerar las conversaciones, a saltarse algunos pasos de diagnóstico o a cerrar casos sin estar del todo seguros. Todo esto aumenta el número de contactos repetidos y reduce la FCR y el CSAT.

Cómo calcular el tiempo medio de atención

AHT = (tiempo total de conversación + tiempo total en espera + tiempo total de trabajo posterior a la llamada) ÷ total de contactos atendidos

Por ejemplo, si un agente atiende 50 llamadas en un día con un tiempo de conversación total de 200 minutos, 25 minutos en espera y 25 minutos de trabajo posterior a la llamada, el AHT es (200 + 25 + 25) ÷ 50 = 5 minutos.

La mayoría de las plataformas de contact center calculan el AHT automáticamente a partir de los datos de las llamadas, pero conviene revisar los datos de partida de vez en cuando. El trabajo posterior a la llamada no suele registrarse del todo, porque algunos agentes pasan a la siguiente llamada antes de anotar el seguimiento o de cerrar el ticket, lo que reduce artificialmente el AHT y oculta problemas de calidad que aparecen más adelante.

Benchmarks del sector para el tiempo medio de atención

Según el análisis del AHT de Talkdesk, un objetivo de unos 6 minutos por contacto es un benchmark general razonable, aunque puede subir o bajar según el tipo de consultas de los clientes y la complejidad del servicio que se ofrece. Los datos de benchmarking de 2024 de SQM Group, que abarcan todos los sectores, incluidos los más complejos y con un AHT más alto, sitúan el AHT medio (conversación + trabajo posterior a la llamada) en 697 segundos, es decir, unos 11,6 minutos.

Aun así, el AHT medio siempre variará según el sector y el tipo de contacto. Sectores como la sanidad o los seguros tienen un tiempo medio de atención más alto (de 8 a 10 minutos o más), porque implican procesos de verificación complejos y requisitos normativos estrictos. El comercio electrónico y el comercio minorista tienen un AHT más bajo (de 3 a 5 minutos), ya que sobre todo atienden consultas transaccionales sencillas.

Los benchmarks del sector sirven para orientarse, pero no deben usarse como objetivos absolutos. Una empresa con una mayor proporción de llamadas complejas, técnicas o delicadas siempre tendrá un tiempo medio de atención más alto que otra que atiende consultas transaccionales sencillas. Forzar el AHT hasta la media del sector puede reducir la satisfacción de los clientes.

Cómo mejorar el tiempo medio de atención

Facilita a los agentes el acceso a la información

Es habitual que un agente pierda una parte importante de su tiempo de contacto, si no la mayor parte, buscando información que ya debería tener a mano: notas de interacciones anteriores, el motivo de la llamada, el historial del cliente. Cuando los agentes tienen que pedir a los clientes que repitan información o buscar contexto en varios sistemas, el tiempo de atención aumenta y, a la vez, la satisfacción del cliente baja. Unos datos de clientes unificados y unas interfaces para agentes bien diseñadas reducen el AHT sin restar calidad a la conversación.

Reduce el trabajo posterior a la llamada

El trabajo posterior a la llamada puede ser a veces una parte “oculta” del AHT. Cuando los agentes registran a mano el resultado de cada llamada, actualizan el CRM y redactan un resumen de la conversación después de cada llamada, dedican mucho tiempo a tareas administrativas que se podrían automatizar. Los resúmenes de llamadas generados por IA y las actualizaciones automáticas del CRM pueden reducir mucho el ACW, de modo que los agentes vuelven antes a la cola.

Deriva bien desde el primer contacto

Cuando los clientes llegan al equipo equivocado, hay que transferirlos. Cada transferencia suma tiempo: el que se tarda en explicarla, el que el cliente pasa en espera y el que necesita el agente que la recibe para recuperar el contexto. Con árboles de IVR bien definidos, la detección del motivo de la llamada asistida por IA o la cualificación previa a la llamada, esta fuente de AHT inflado desaparece por completo. telli lo resuelve con transferencias a un humano con todo el contexto.

Usa la IA para cualificar y recoger los datos de antemano

Una de las formas más eficaces de reducir el AHT en los contactos que atienden personas es asegurarse de que, cuando el cliente llega a un agente humano, ya se ha recogido la información básica. Los agentes de voz con IA de telli recogen el motivo de la llamada, verifican la identidad, recuperan los datos de la cuenta y derivan la llamada al equipo adecuado antes de que la coja una persona. Así, la fase de recogida de información pasa de varios minutos a casi cero.

Cómo ayudan los agentes de voz con IA de telli a reducir el tiempo medio de atención

Los agentes de voz con IA de telli contribuyen a reducir el AHT de dos formas: gestionando por completo ciertos contactos (que así quedan fuera del cálculo del AHT de las personas) y acortando la fase de recogida de información en los contactos en los que sí intervienen agentes humanos.

Los contactos que la IA gestiona por completo no cuentan para el AHT en absoluto, porque no ocupan a ningún agente humano. El agente de IA los lleva de principio a fin, y su coste y su tiempo quedan totalmente desvinculados de la capacidad del equipo humano.

En los contactos que acaban llegando a agentes humanos, la capa de cualificación previa con IA hace que los agentes reciban cada llamada con el contexto ya establecido. Saben quién llama, por qué llama y qué ha tratado ya la IA. Así desaparece la recogida de información inicial que suele ocupar los dos o tres primeros minutos de muchas llamadas.

Cliente destacado: Zenjob

Zenjob, la plataforma de empleo basada en IA con sede en Berlín, tenía en el proceso de selección de Zenjob Pro, su producto de contratación de personal a largo plazo, un problema clásico de AHT. No ocurría en un contact center tradicional, sino en un proceso de selección con la misma dinámica.

Cada preselección de candidatos exigía una llamada preliminar de diez minutos para recoger la información clave antes de que un recruiter pudiera decidir si el candidato pasaba a una entrevista completa. A medida que crecía el volumen de candidaturas, esto se convirtió en un cuello de botella importante.

Después de implantar los agentes de voz con IA de telli para hacer las primeras llamadas de preselección, Zenjob automatizó el 90 % de las llamadas de recogida de información y redujo un 75 % el tiempo dedicado a hacer avanzar a los candidatos. Los agentes de IA llaman a quienes han presentado su candidatura, repasan los requisitos del puesto, recogen su experiencia laboral y preparan transcripciones y resúmenes generados por IA. Así, cuando un recruiter revisa a un candidato, ya tiene el contexto.

Y, lo que es fundamental, la satisfacción de los candidatos no se resintió. Zenjob encuestó a los candidatos después de las llamadas atendidas por la IA y obtuvo un CSAT estable de 9 sobre 10, lo que demuestra que reducir el AHT con automatización no tiene por qué ir en detrimento de la experiencia.