Dimensionamiento de plantilla en un call center: las matemáticas de Erlang C, el shrinkage que nadie presupuesta y cuántos agentes elimina de verdad la contención con IA
Dimensionar la plantilla de un call center se reduce a tres cifras: los agentes que, según Erlang C, necesitas atendiendo contactos, la plantilla adicional que se come el shrinkage y los agentes que la automatización elimina realmente. A continuación tienes las fórmulas, dos ejemplos resueltos con todos los datos de entrada, una tabla de shrinkage con fuentes y el recálculo que casi todas las guías omiten.
Elaborado por M.W. Publicado el 13 de octubre de 2026 · Última actualización: 13 de octubre de 2026.
En resumen: en el modelo Erlang C de Aissist.io, una tasa de contención con IA del 40% eliminó entre el 13–38% de los agentes programados, no el 40%; así que planifica la plantilla según la resolución verificada y el mayor tiempo de gestión de lo que queda.
Metodología y fuentes
- Modelo Erlang C escrito por Aissist.io en Python y contrastado con el ejemplo resuelto publicado por Call Centre Helper (ambos dan 14 agentes con un nivel de servicio del 88.8%).
- Benchmarks de shrinkage de Call Centre Helper, Dimension Data (según recoge Call Centre Helper) y una encuesta de KnowlAgent; las fechas y los tamaños de muestra figuran en la tabla.
- Contexto sobre contención y resolución de Gartner (5,728 clientes, diciembre de 2023) y de Forrester a través de No Jitter.
- El aumento del 15% del tiempo de gestión y la resolución del 28% en los escenarios con IA son supuestos declarados, no mediciones. Todas las fuentes se verificaron en octubre de 2026.
- Aviso: este es el blog de Aissist.io, y Aissist vende agentes de IA con precios por resolución.
¿Cómo se calcula la plantilla de un call center con Erlang C?
Erlang C calcula la probabilidad de que un contacto tenga que esperar con un número determinado de agentes; aumentas el número de agentes hasta cumplir a la vez los objetivos de nivel de servicio y de ocupación. Necesita cuatro datos de entrada: contactos por hora, tiempo medio de gestión (AHT), el nivel de servicio objetivo y el tiempo de respuesta objetivo. El ingeniero danés A. K. Erlang la desarrolló para las centralitas telefónicas; se aplica a cualquier cola en la que los contactos esperan al siguiente agente libre.
Primero, convierte el volumen en carga de trabajo. La intensidad de tráfico A, medida en Erlangs, es contactos por hora × AHT en segundos ÷ 3,600. Después, para N agentes:
P(wait) = [ A^N / N! × N/(N−A) ] ÷ [ Σ(i=0..N−1) A^i / i! + A^N / N! × N/(N−A) ]
Service level = 1 − P(wait) × e^( −(N − A) × target answer time ÷ AHT )
Average speed of answer = P(wait) × AHT ÷ (N − A)
Son las fórmulas que usa Call Centre Helper en su ejemplo paso a paso. Empieza con N justo por encima de A y añade un agente cada vez hasta que el nivel de servicio supere el objetivo y la ocupación (A ÷ N) quede por debajo de tu límite.
Ejemplo resuelto 1: 120 contactos por hora con un AHT de 6 minutos (360 segundos) suponen 12 Erlangs de trabajo. Con un objetivo 80/20 (el 80% respondido en 20 segundos) y un límite de ocupación del 85%, Erlang C da 16 agentes atendiendo contactos: nivel de servicio del 83.6%, ocupación del 75% y velocidad media de respuesta de 18 segundos.
Antes de fiarnos de nuestro propio modelo, le pasamos los datos publicados por Call Centre Helper: 200 contactos por hora, AHT de 180 segundos, 80/20. Devolvió exactamente su resultado: 14 agentes, nivel de servicio del 88.8%. Las cuentas de una hoja de cálculo también merecen una auditoría.
Fíjate en la diferencia: 12 Erlangs de trabajo necesitan 16 personas, porque una cola necesita holgura para absorber llegadas aleatorias. En esa holgura es donde el dimensionamiento se pone interesante.
¿Qué datos necesita una calculadora Erlang y dónde encontrarlos?
Una calculadora Erlang necesita cuatro cifras del help desk más dos supuestos de planificación (shrinkage y límite de ocupación), y la mayoría de los errores de dimensionamiento vienen de alimentarla con la versión equivocada de alguno de ellos. Toma una hora punta, no una media diaria: un modelo Erlang alimentado con una media diaria cubrirá la tarde tranquila y dejará desatendido el lunes por la mañana.
| Dato de entrada | Qué significa | Dónde encontrarlo en tu help desk | Qué pasa si te equivocas |
|---|---|---|---|
| Contactos por hora | Contactos que llegan en el intervalo que estás cubriendo | Informe de volumen por intervalo, por canal y hora | Usar una media diaria deja corto de personal cada pico |
| AHT (segundos) | Tiempo de conversación o de respuesta más el trabajo posterior al contacto | Informe de tiempo de gestión; incluye el cierre | Omitir el cierre infravalora la carga de trabajo en toda su duración |
| Nivel de servicio objetivo | Porcentaje de contactos respondidos dentro del tiempo objetivo | Tu SLA o tu política de soporte | Un objetivo que nadie ha fijado acaba siendo el que sugiera la calculadora |
| Tiempo de respuesta objetivo | Segundos que puede esperar un contacto | SLA; el chat y el email necesitan márgenes más largos que la voz | Aplicar un objetivo de voz al email sobredimensiona la plantilla |
| Shrinkage % | Tiempo pagado no disponible para atender contactos | WFM o nóminas: ausencias, formación, reuniones, descansos | Sumarlo en lugar de dividir por él (siguiente sección) |
| Resolución de la IA % | Contactos que la IA resuelve por completo, sin que vuelvan | Informes de la IA: resueltos, no solo contenidos | Usar la contención sobrestima los agentes ahorrados |
El chat rompe uno de los supuestos de Erlang: un agente que atiende tres chats a la vez no equivale a tres agentes. Divide el AHT del chat por una concurrencia realista antes de modelizar, o la calculadora contratará para una cola telefónica que no tienes.
¿Cuánto shrinkage deberías presupuestar?
Presupuesta un shrinkage del 30–35% en el call center salvo que hayas medido el tuyo; los benchmarks publicados van del 24% al 35%, y la cifra divide el número de agentes, no se suma a él. El shrinkage es el tiempo pagado en el que los agentes no pueden atender contactos: vacaciones, bajas por enfermedad, formación, coaching, reuniones, descansos.
| Fuente | Cifra | Muestra y fecha |
|---|---|---|
| Call Centre Helper | Rango típico del 30–35% | Consenso de profesionales; actualizado en julio de 2026 |
| Dimension Data Global Benchmarking Report, a través de Call Centre Helper | Media del 35% | Según recoge el mismo artículo |
| Encuesta de un webinar de Call Centre Helper | En torno al 30%; el 38% de los centros entre el 21–30% | 113 encuestados, septiembre de 2013 |
| Encuesta de KnowlAgent | Media del 24%; respuesta más habitual, 26–30% | 100+ encuestados, publicada en 2011 |
La aritmética es donde fallan los presupuestos. El ejemplo de Call Centre Helper: si necesitas 70 agentes con un shrinkage del 30%, debes programar 70 ÷ 0.7 = 100, no 70 + 30% = 91. El atajo deja nueve puestos vacíos en cada intervalo, algo que descubrirás hacia la segunda semana de la temporada de gripe.
Aplicado al ejemplo resuelto 1, 16 agentes atendiendo contactos se convierten en 16 ÷ 0.7 = 23 agentes programados.
La ocupación es el otro techo. Call Centre Helper recomienda mantenerse en el 85% o por debajo, porque una ocupación alta sostenida dispara la rotación.
«No deberías pensar en la ocupación como lo ocupado que estás…» — Penny Reynolds, Founding Partner, The Call Center School, a través de Call Centre Helper
¿Cuántos agentes elimina realmente la contención con IA?
En nuestro modelo Erlang C, una contención con IA del 40% eliminó el 30% de los agentes programados en el mejor caso y el 13% en uno realista, porque tres efectos recuperan cada uno parte del ahorro. Este es el ejemplo resuelto 1 recalculado manteniendo constante todo lo demás.
| Escenario (120 contactos/h, 80/20, shrinkage del 30%) | Contactos/h a agentes | AHT | Agentes atendiendo contactos | Agentes programados | Eliminados |
|---|---|---|---|---|---|
| Hoy | 120 | 360s | 16 | 23 | — |
| 40% contenido, AHT sin cambios | 72 | 360s | 11 | 16 | 7 (30%) |
| 40% contenido, AHT residual +15% | 72 | 414s | 12 | 18 | 5 (22%) |
| 40% contenido, 28% realmente resuelto, AHT +15% | 86 | 414s | 14 | 20 | 3 (13%) |
La escala juega en tu contra. Las colas pequeñas necesitan proporcionalmente más holgura, así que un 40% menos de contactos da solo un 30% menos de agentes antes de que cambie nada más.
Los contactos residuales duran más. La IA se queda con los fáciles.
«Si contienes los fáciles y rápidos, tu tiempo medio de gestión subirá». — Christina McAllister, Senior Analyst, Forrester, a través de No Jitter
Contenido no es resuelto. Un contacto que termina en el bot pero vuelve por otro canal sigue necesitando a un agente. Gartner descubrió que solo el 14% de las incidencias de servicio se resolvían por completo en el autoservicio, y solo el 36% incluso en las incidencias que los clientes calificaban de muy sencillas. Nuestra guía sobre la tasa de contención muestra cuánto se separan ambas cifras.
El tamaño cambia la respuesta. Ejemplo resuelto 2: 400 contactos por hora con un AHT de 7 minutos necesitan 55 agentes atendiendo contactos y 79 programados. Los mismos tres escenarios eliminan el 38%, el 30% y el 16%: los centros más grandes conservan más eficiencia de agrupación.
¿Cómo deberías planificar la plantilla con la IA?
Planifica la plantilla según la tasa de resolución verificada de la IA y el nuevo AHT de lo que queda, y deja que la rotación natural, y no los despidos, absorba la diferencia. McAllister, de Forrester, señala lo mismo en el artículo de No Jitter: una rotación alta permite que la plantilla se reduzca de forma natural, lo que además deja margen para corregir una previsión equivocada.
- Si tu IA informa de contención y no de resolución, modeliza con la cifra de resolución, porque solo los contactos resueltos salen de la cola definitivamente. Nuestra guía sobre la tasa de resolución de la IA la define; el comprobador de benchmarks de resolución muestra rangos realistas por sector.
- Si tu equipo tiene menos de 20 agentes, espera el menor ahorro por punto de contención, porque las colas pequeñas son las que más rápido pierden eficiencia de agrupación.
- Si no has medido el AHT residual, recalcula tu modelo con +10% y +20% y dimensiona según el resultado más alto durante el primer trimestre.
- Si estás haciendo el presupuesto, convierte los agentes eliminados en coste con tu coste por ticket totalmente cargado y después descuenta lo que cuesta la IA por resolución.
«La resolución es la única cifra que paga las facturas, y merece una medición honesta». — Lifan, Co-Founder, Aissist.io, anuncio del benchmark (julio de 2026)
Los agentes que se quedan gestionan trabajo más difícil, así que los puestos también cambian; nuestro artículo sobre el diseño de la organización de CX tras la IA explica quién debería ser responsable de la resolución.
Planifica la plantilla según la resolución, no la contención
Erlang C, el shrinkage y la ocupación no han cambiado en décadas. Lo que ha cambiado es cuánto volumen llega a la cola, y la cifra peligrosa es la tasa de contención de la diapositiva de un proveedor. Ejecuta el modelo tres veces: hoy, sin el volumen resuelto y con el AHT residual aumentado. La diferencia entre la primera y la tercera ejecución es tu ahorro real de plantilla, y en nuestros escenarios realistas fue de entre un tercio y dos quintos de lo que sugería la tasa de contención. Después, sigue los KPI que te dicen si se ha mantenido.
Haz tus propios números. Introduce tu volumen, tiempo de gestión, shrinkage y tasa de resolución de la IA y comprueba los agentes ahorrados. Abre la calculadora de plantilla →
Preguntas frecuentes
¿Cuál es una buena tasa de ocupación para un call center?
La mayoría de los planificadores limitan la ocupación al 85%, el techo que recomienda Call Centre Helper, porque una ocupación más alta y sostenida aumenta el agotamiento y la rotación. Los equipos pequeños funcionan con cifras más bajas porque Erlang C obliga a dejar más holgura en las colas pequeñas; un equipo de 16 agentes con 80/20 se sitúa cerca del 75%.
¿Es Erlang C preciso para el chat y el email?
Erlang C supone un contacto por agente y clientes que esperan indefinidamente, así que sobredimensiona el chat concurrente e ignora los abandonos. Ajusta el AHT del chat a la concurrencia, usa objetivos de respuesta más largos para el email y trata el resultado como una base de planificación.
¿Cuál es la diferencia entre Erlang B y Erlang C?
Erlang B modeliza los contactos bloqueados que se pierden, como las llamadas que reciben señal de ocupado, y sirve para dimensionar líneas troncales. Erlang C modeliza los contactos que hacen cola hasta ser atendidos, y por eso los contact centers lo usan para dimensionar agentes.
¿Cómo se calcula el shrinkage de un call center?
Divide las horas que los agentes cobran pero en las que no están disponibles para atender contactos entre el total de horas pagadas. Cualquier calculadora de shrinkage divide después los agentes necesarios entre (1 − shrinkage): 16 agentes con un shrinkage del 30% significa programar 23, no 21.
¿Cuántos agentes necesito para 100 llamadas por hora?
Con un AHT de 5 minutos y un objetivo 80/20, 100 llamadas por hora son 8.3 Erlangs y requieren 12 agentes al teléfono, según Erlang C. Con un shrinkage del 30%, programa 18.
¿Necesito software de gestión de personal para dimensionar un call center?
Un equipo con una sola especialidad puede dimensionarse con una calculadora Erlang y una hoja de cálculo. El software de gestión de personal para call centers compensa su coste cuando necesitas enrutamiento multiespecialidad, seguimiento del cumplimiento de horarios y reprevisión intradía en muchos turnos.
