Martín Uriarte

12 min. lectura

Calculadora Erlang C para dimensionar agentes en un call center

Utiliza esta Calculadora Erlang C online para estimar cuántos agentes necesita tu call center según el volumen esperado de llamadas, el tiempo promedio de gestión y el nivel de servicio objetivo.

También puedes incorporar la ocupación máxima, los tiempos auxiliares y el ausentismo para obtener tres resultados: agentes productivos, logueados y planificados.

Calculadora Erlang C online

Ingresa los datos de tu operación y selecciona si deseas calcular agentes productivos, logueados o planificados.

¿Qué calcula la Calculadora Erlang C?

La calculadora convierte la demanda esperada en un requerimiento de personal. Para hacerlo, relaciona la cantidad de contactos, su duración promedio y el nivel de servicio que la operación busca alcanzar.

El resultado puede representar diferentes instancias del staffing:

• Agentes productivos: Es el cálculo básico de cantidad de agentes productivos por intervalo. Arroja como resultado el tiempo requerido al teléfono más el avail o tiempo disponible necesario para alcanzar los niveles de servicio deseados.
• Agentes logueados: Al cálculo anterior se le agregan los reductores dentro de la empresa, como los tiempos auxiliares de descansos, pausas y otras actividades fuera del teléfono.
• Agentes planificados: Al tiempo de logueo se le agregan los reductores fuera de la empresa, como ausentismo, licencias, vacaciones, llegadas tarde y otras ineficiencias no registradas en el tiempo de logueo.

Ejemplo de cálculo de agentes

A modo de ejemplo, si tuviésemos una operación con 100 personas planificadas por nómina, con un 10% de ausentismo esperado (para simplificar solo vamos a tomar ese dato como reductor fuera de la empresa) y un 20% de tiempos auxiliares fuera del teléfono, los números se leerían de la siguiente manera:

• Tendríamos 100 agentes planificados, de los cuales obtendríamos 90 agentes logueados (100 × (1 − 10 %)), que generarían 72 agentes productivos (90 × (1 − 20 %)), con los que deberíamos atender el pronóstico esperado.

El resultado productivo de Erlang C todavía debe convertirse en una dotación que contemple la realidad operativa.

Cómo utilizar la Calculadora Erlang C paso a paso

Paso 1: elegir qué tipo de resultado quieres obtener

A: Requerido de agentes productivos

B: Requerido de agentes logueados

C: Requerido de agentes planificados

Paso 2: ingresar los parámetros de cálculo

A: Si se eligió Productivos, ingresar:

1. Cantidad de contactos: Pronóstico de llamadas para un intervalo de 30 minutos.

2. Tiempo promedio de llamada: TMO o AHT es el tiempo que tarda en promedio la gestión del tipo de llamadas a dimensionar, incluyendo el tiempo administrativo posterior a la llamada (ACW, after call work). Por ejemplo, si la duración promedio total es de 5 minutos, debes ingresar 300.

3. Nivel de servicio: Es el porcentaje que queremos alcanzar como objetivo. Si buscamos atender el 80 % de las llamadas antes de los 20 segundos de espera, debemos ingresar 80.

4. Tiempo de servicio: Es el tiempo máximo de espera asociado al nivel de servicio. Siguiendo el ejemplo anterior, si queremos atender el 80 % de las llamadas antes de los 20 segundos, debemos ingresar 20.

5. Máximo de ocupación telefónica: Cuando los volúmenes son altos, pueden alcanzarse los niveles de servicio con poco margen de tiempo disponible. Sin embargo, niveles elevados de ocupación durante períodos prolongados pueden generar saturación en los agentes y extender los tiempos de llamada por encima del promedio.

En líneas generales, no es recomendable superar un nivel agregado de ocupación del 88 % al 90 %. Esta variable permite definir el límite máximo de ocupación tolerable en el centro de contacto. Por ejemplo, si quieres limitarla al 90 %, debes ingresar 90.

B: Si se eligió Logueados, además debes ingresar:

6. Porcentaje de auxiliares: Es la proporción del tiempo fuera del teléfono sobre el total de tiempo dentro de la empresa. Contempla descansos, pausas, capacitaciones, coachings y otras actividades.

En la industria suele estimarse un valor entre el 10 % y el 20 %, dependiendo del tipo de producto, la capacitación necesaria y las leyes laborales. Por ejemplo, si el total es del 16 %, debes ingresar 16.

C: Si se eligió Planificados, además debes ingresar:

7. Ausentismo: Este campo permite contemplar los reductores fuera de la empresa, como ausentismo, licencias, vacaciones, llegadas tarde y otras diferencias entre las horas planificadas por nómina y las horas realmente trabajadas.

Este porcentaje puede variar considerablemente según el país, la ciudad y las características de la operación. Por ejemplo, si el ausentismo esperado es del 12 %, debes ingresar 12.

Paso 3: calcular

Una vez ingresados los parámetros correspondientes, presiona Calcular para obtener el requerimiento de agentes.

Fórmula Erlang: qué es y para qué sirve

Si pudiésemos asumir que cada transacción (ej: llamadas) ingresa inmediatamente después de que finaliza la anterior, el cálculo para estimar la cantidad de operadores necesarios sería lineal y muy sencillo:

En ese caso, alcanzaría con multiplicar la cantidad de llamadas por su tiempo promedio de gestión (TMO) para obtener la cantidad total de horas de trabajo necesarias. Luego, ese número se dividiría por la cantidad de horas trabajadas por operador.

De esta forma obtendríamos la cantidad total de operadores necesarios para atender esas llamadas.

En la práctica, las llamadas ingresan de forma aleatoria y algunas pueden hacerlo simultáneamente. Por eso, si utilizamos únicamente el cálculo lineal anterior, muchas gestiones podrían quedar sin atender por falta de recursos.

Dentro de este marco, un parámetro importante es el tiempo de servicio, que mide la cantidad de segundos que transcurren entre el ingreso de una llamada y el momento en que es atendida.

El nivel de servicio representa el porcentaje de llamadas atendidas dentro de un tiempo de servicio objetivo.

Un nivel de servicio 80/20 significa que buscamos atender el 80 % de las llamadas antes de que alcancen 20 segundos de espera. Para cumplir este objetivo de forma sostenible y rentable, es necesario hacerlo con la menor cantidad de agentes posible.

La primera persona que estudió este problema fue el matemático danés Agner Krarup Erlang. Durante las primeras décadas del siglo XX, Erlang analizó el tráfico de llamadas y desarrolló un modelo estocástico basado en un proceso de Poisson .

Este modelo permitía calcular la probabilidad de que una llamada tuviera que esperar porque todas las líneas telefónicas estaban ocupadas. Su trabajo dio origen a lo que actualmente conocemos como distribución de Erlang .

Para resolver este problema es necesario comprender cómo se distribuye el ingreso de llamadas y cuál es la probabilidad de que una llamada no encuentre ningún agente disponible y deba esperar para ser atendida.

La fórmula desarrollada por Erlang sigue siendo útil para dimensionar centros de llamadas. En la práctica, permite calcular los recursos necesarios en un sistema de filas mediante Erlang C y en sistemas de tráfico telefónico mediante Erlang B.

Las llamadas abandonadas también tienen un papel importante. Este factor no fue contemplado por Erlang C y puede afectar la estimación de los niveles de servicio y los tiempos promedio de espera. Más adelante explicaremos cómo aborda este problema Erlang A.

Erlang C: su aplicación en call centers

La fórmula Erlang C continúa siendo ampliamente utilizada para calcular la cantidad de operadores requeridos en una operación inbound, aunque no contempla el abandono como una variable dentro de la ecuación.

Al no considerar el abandono, Erlang C supone que la tolerancia a la espera es ilimitada y que todas las llamadas permanecerán en la cola hasta ser atendidas.

Este supuesto puede sobreestimar los tiempos promedio de espera y, como consecuencia, la cantidad total de agentes requeridos. Su efecto es especialmente relevante en operaciones de bajo volumen, donde la aleatoriedad en el ingreso de llamadas tiene un mayor impacto.

Alcanzar los niveles de servicio objetivo con la menor cantidad de recursos posible es fundamental para evitar sobrecostos por exceso de personal.

Al mismo tiempo, planificar menos recursos de los necesarios puede producir bajos niveles de atención, incumplimientos del servicio y pérdida de facturación.

Resolver este problema con la mayor precisión posible es central para la rentabilidad y la sostenibilidad de un contact center. Esta es una de las principales responsabilidades del área de Workforce Management (WFM).

Erlang A: cómo incorpora el abandono

Conrad Palm fue uno de los primeros investigadores en estudiar en profundidad el abandono en las líneas de espera, partiendo del modelo desarrollado por A. K. Erlang.

Palm incorporó el parámetro de paciencia dentro de la ecuación. Este parámetro representa el tiempo que los clientes están dispuestos a esperar antes de abandonar la llamada.

De esta forma, Erlang A establece un límite para la paciencia promedio. En Erlang C, en cambio, la paciencia puede considerarse infinita porque el modelo supone que ninguna llamada abandona la Queue.

Es importante remarcar que el parámetro de paciencia es muy sensible y puede resultar engañoso cuando se estima únicamente a partir de los datos visibles de la operación.

Es importante remarcar que el parámetro de paciencia es muy sensible y un poco engañoso cuando lo estimamos a partir de los datos de nuestra operación, dado que no sabemos cuál es la paciencia promedio de las llamadas que no se abandonan.

Un error muy común es medir el tiempo promedio de abandono real y usar ese dato sin ajustar en la fórmula, lo que generaría una sobreestimación del abandono y por ende un sub-dimensionamiento de la cantidad de recursos necesarios (el problema opuesto a Erlang C).

El dato que debemos incorporar en la fórmula de Erlang A, o con algunas variaciones también conocido como Erlang X, es el tiempo medio de abandono de todas las llamadas esperadas. Ese número será mucho mayor que el tiempo promedio de las llamadas que efectivamente fueron abandonadas, ya que por definición estos últimos serán los “más impacientes”.

Ese valor será mayor que el tiempo promedio correspondiente únicamente a las llamadas que efectivamente abandonaron, ya que estas representan, por definición, a los clientes menos pacientes.

Para profundizar el modelo también habría que estimar qué proporción de las llamadas abandonadas vuelve a comunicarse y cuántos de esos rellamados ingresan dentro del mismo intervalo analizado.

Con la evolución de la tecnología, actualmente resulta más sencillo crear modelos basados en iteraciones y estimar parámetros mediante múltiples simulaciones, como ocurre con los modelos de Monte Carlo. Sin embargo, ese análisis merece un artículo específico.