¿Son fiables las evaluaciones de desempeño? Lo que mide de verdad una nota
En resumen: una sola nota de desempeño dice más del evaluador que del evaluado. En el estudio más conocido, 4492 directivos fueron evaluados cada uno por dos jefes, dos compañeros y dos subordinados; alrededor del 62% de la variación de las notas se debía a las manías de cada evaluador y alrededor del 21% al rendimiento real. En nuestra simulación de un equipo de diez, la persona mejor valorada es de verdad la mejor solo el 27% de las veces, viene de la mitad de abajo el 22% de las veces, y dos evaluadores independientes eligen a la misma estrella solo en uno de cada seis equipos.
Temporada de evaluaciones. Al cuñado le han puesto un 3 sobre 5: «cumple expectativas». A Dani, que se sienta a su lado, un 4. El cuñado sabe perfectamente lo que hace Dani todo el día, y es sobre todo reenviar los correos del cuñado con un «ver abajo».
La jefa de Dani es generosa y pone un 4 a todo el mundo. El jefe del cuñado cree que el 5 es para Dios y el 4 para quien ha salvado una vida. Los dos creen que sus notas son precisas.
De qué está hecha una nota
Una nota mezcla varias cosas: lo bien que trabaja de verdad la persona, cómo ve el mundo el evaluador (estricto o generoso, en qué se fija, a quién aprecia), la posición del evaluador (un jefe ve cosas distintas que un compañero) y simple ruido aleatorio. La pregunta es cuánto pesa cada parte.
La respuesta más conocida viene de un estudio de 2000 con 4492 directivos. A cada uno lo evaluaron en las mismas habilidades dos jefes, dos compañeros y dos subordinados, lo que permitió separar aquello en lo que coincidían todos los evaluadores de lo que era propio de cada uno.
| Parte de la nota | Peso en las diferencias entre notas |
|---|---|
| Las manías de cada evaluador | alrededor del 62% |
| El rendimiento real de la persona | alrededor del 21% |
| La posición del evaluador y el ruido aleatorio | el resto |
Dicho sencillo: cuando dos personas reciben notas distintas, lo más probable es que las evaluaran personas distintas. Una nota mide al evaluador unas tres veces más que al evaluado.
De qué está hecha una nota de desempeño
Qué le hace eso a un equipo de diez
Simulamos 400.000 equipos de diez personas, en los que cada nota es un 21% rendimiento real y el resto ruido, y quien saca la nota más alta recibe el «supera expectativas».
| Resultado | Con notas así | Puro azar |
|---|---|---|
| La persona mejor valorada es de verdad la mejor | 27% | 10% |
| La persona mejor valorada viene de la mitad de abajo | 22% | 50% |
| Dos evaluadores independientes eligen a la misma estrella | 17% | 10% |
Las notas son claramente mejores que sacar nombres de un sombrero, y claramente peores de lo que sugieren los formularios cuando piden un número con un decimal.
Estadística para principiantes: el error de medida
Toda medición es el valor verdadero más algún error. Una báscula de baño que suma un kilo al azar sigue siendo útil a lo largo de un mes, e inútil para saber si has adelgazado 200 gramos desde ayer. El error de medida es la razón por la que un solo número con ruido no debería decidir nada importante.
Los remedios son los mismos en todas partes: medir más de una vez, tener más de un evaluador, promediar y puntuar cosas concretas («cerró 30 incidencias sin reaperturas») en vez de impresiones («gran comunicador»).
Dónde te cuesta dinero
Las calificaciones de fondos, las recomendaciones de analistas y las «estrellas» son mediciones con sus propios errores y las costumbres de sus evaluadores. El «compra fuerte» de un analista mide en parte al analista. Varias opiniones independientes, o mejor, un historial largo y comparable, dicen más de lo que se evalúa.
La moraleja
La empresa del cuñado decidió arreglar el problema haciendo que todos los jefes calibraran sus notas en una reunión larga. En la reunión, el jefe que hablaba más alto consiguió subir las notas de su equipo. La empresa tiene ahora una segunda capa de efecto evaluador encima de la primera. Dani ha sacado un 4 de los dos, lo que, según el sistema, demuestra que la nota es fiable.
Lo que esto no puede decirte
- Un tipo de nota. El estudio usó valoraciones de las habilidades de directivos desde varias fuentes, recogidas para su desarrollo, no para fijar el sueldo. Las notas ligadas a primas pueden estar aún más distorsionadas, o menos.
- Nuestra simulación es un modelo. Trata todo lo que no es rendimiento como ruido que cambia de un evaluador a otro; en la realidad algunos sesgos son compartidos, por ejemplo por todos los de la misma oficina.
- Las medidas concretas ayudan. Los trabajos con resultados claros (ventas, unidades producidas) se pueden evaluar con mucha más precisión que los que se juzgan por impresiones.
El cuñado, Dani y sus jefes son una ilustración. Las cifras del 62% y el 21% salen de un estudio de 2000 en el Journal of Applied Psychology, tal como se citan habitualmente, entre otros en la Harvard Business Review en 2015. Los porcentajes del equipo de diez salen de nuestra propia simulación de 400.000 equipos. Contenido educativo, no asesoramiento profesional, legal ni financiero.