Ponderar competencias: hace que sus puntuaciones sean defendibles, no más precisas

Contar cuántos listones supera un candidato oculta cuáles son

La forma más sencilla de resumir a un candidato frente a un puesto es contar: ha cumplido cuatro de las siete competencias que el puesto exige. Se lee con claridad y es fácil de explicar, que es justamente por lo que tantas fichas de evaluación se detienen ahí. El problema es lo que el recuento descarta — trata todas las competencias como intercambiables, de modo que no puede decirle si las cuatro que superó eran las cuatro que importan.

Imagine un puesto de soporte en el que el trabajo es abrumadoramente escrito: atender a clientes por escrito, con empatía, todo el día. El puesto también enumera conocimiento del producto, priorización y documentación, que son reales pero secundarias. Un candidato supera la comunicación escrita y la empatía y falla en las otras tres. Otro supera las tres secundarias y falla en las dos que definen el puesto. Por el recuento, el segundo candidato parece más sólido — tres supera a dos. Por el puesto, el primer candidato es el único que realmente puede hacer el trabajo.

Nada de ese resultado es un fallo de la aritmética; la aritmética hizo exactamente lo que se le indicó. Es un fallo de modelado: al modelo nunca se le dio la información de que algunas partes de este puesto sostienen el trabajo y otras lo apoyan. La ponderación es la manera de aportar esa información.

Lo que la investigación dice realmente sobre los pesos

Aquí es donde la mayoría del material de los proveedores se vuelve incómoda, porque el hallazgo honesto no es el halagador. Una larga línea de investigación muestra que los pesos unitarios — tratar cada componente por igual — ordenan a las personas casi tan bien como pesos obtenidos con mucho más esfuerzo. Wainer tituló su artículo de 1976 sobre la estimación de coeficientes en modelos lineales con la frase que ha acompañado al hallazgo desde entonces: it don't make no nevermind. Dawes planteó el argumento complementario en 1979 sobre lo que llamó modelos lineales impropios, mostrando que los compuestos simples de pesos iguales son notablemente robustos y a menudo superan a esquemas más elaborados con datos nuevos.

Bobko, Roth y Buster volvieron a la cuestión en 2007 específicamente para los compuestos que construimos en selección, revisando la literatura y concluyendo que los pesos unitarios son un enfoque muy apropiado en una amplia gama de condiciones. La razón no es misteriosa. Los componentes de una evaluación bien construida tienden a correlacionarse entre sí y, cuando lo hacen, desplazar peso de uno a otro mueve el orden resultante mucho menos de lo que sugiere la intuición. Los pesos diferenciales también arrastran su propio error de estimación, que puede anular sin ruido la precisión que se suponía que iban a añadir.

Así que, si una plataforma le dice que ponderar sus competencias hará que sus puntuaciones sean más precisas o más predictivas, examine esa afirmación con cuidado. Según la evidencia, no es eso lo que la ponderación aporta de forma fiable. Decirlo con claridad le cuesta a un proveedor una frase que suena bien, y es la única versión de la frase que sobrevive al contacto con la literatura.

Entonces, ¿por qué ponderar? Porque la puntuación tiene que corresponderse con el puesto

El argumento a favor de la ponderación no es la predicción. Es la validez de contenido — la exigencia de que una evaluación, y la puntuación que produce, representen el puesto que dice medir. Un número que afirma que un candidato encaja bien en un puesto con mucha escritura mientras cuenta discretamente la escritura como una sexta parte del resultado no está describiendo ese puesto. Puede que ordene a los candidatos de forma aceptable; sencillamente no se puede explicar sin sonrojo.

Esa explicabilidad es la ganancia práctica. Las decisiones de selección se cuestionan — por un responsable de contratación que discrepa, por un candidato que pregunta por qué, a veces por un abogado. En esos momentos, el artefacto útil es una cadena documentada: este es el análisis del puesto, estas son las competencias que produjo, esto es cuánto cuenta cada una y por qué, y esta es la evidencia de este candidato frente a ellas. Un compuesto ponderado completa esa cadena. Uno sin ponderar deja un hueco donde debería estar el razonamiento sobre la importancia relativa, y «las contamos todas igual porque era lo predeterminado» es una respuesta débil cuando el puesto claramente no funciona así.

Hay un segundo beneficio, más discreto. Fijar los pesos obliga a una conversación que los equipos suelen saltarse. Decidir que la comunicación escrita cuenta tres veces lo que cuenta la documentación exige que el responsable de contratación y el reclutador se pongan de acuerdo sobre qué es el puesto — antes de que lleguen los candidatos, no mientras se discute sobre uno. La mayor parte del valor de un ejercicio de ponderación se obtiene antes de calcular una sola puntuación.

Los pesos responden a una pregunta distinta que los requisitos imprescindibles

La ponderación se confunde a menudo con marcar algo como esencial, y son instrumentos realmente distintos. Un peso dice cuánto cuenta una competencia en un total en el que la fortaleza en un área puede compensar la debilidad en otra — un modelo compensatorio. Un requisito imprescindible dice que ninguna fortaleza en otro sitio compensa una carencia aquí — una barrera. La literatura sobre modelos de selección los trata como diseños complementarios y no como rivales, y las comparaciones entre enfoques compensatorios y de barreras múltiples giran en torno al coste, la secuencia y la utilidad, y no a que uno sea el correcto.

El modo de fallo es usar uno donde se necesita el otro. Si expresa un requisito realmente imprescindible como un peso alto, un candidato puede superar el listón global aun siendo incapaz de hacer la parte innegociable del trabajo. Si expresa una simple prioridad como un requisito imprescindible, empieza a rechazar a personas por carencias que el puesto puede absorber — y en cuanto varias competencias quedan marcadas como esenciales, casi todo el mundo falla alguna y la marca deja de aportar información.

Una regla práctica: recurra a un requisito imprescindible cuando la respuesta honesta a «¿podríamos contratar a alguien flojo en esto?» sea no, y recurra al peso cuando la respuesta sea «sí, pero nos costaría». Mantenga escasos los requisitos imprescindibles. Su fuerza viene de ser raros.

• Peso — cuánto cuenta esto en una puntuación donde las fortalezas pueden compensar las debilidades.
• Requisito imprescindible — una carencia que se informa por separado y que nunca queda diluida en una media por la fortaleza en otro sitio.
• Use ambos: un compuesto ponderado para la visión de conjunto, barreras para lo innegociable.

Lo que una medición ausente nunca debe significar

Los modelos ponderados introducen un modo de fallo que conviene nombrar, porque castiga a los candidatos por algo que no hicieron. Si un puesto enumera una competencia con mucho peso que la evaluación nunca llegó a medir, un compuesto ingenuo trata la ausencia como un cero — y al candidato se le penaliza por una pregunta que nadie le hizo.

El tratamiento correcto es excluir lo no evaluado tanto del numerador como del denominador, de modo que la puntuación describa el terreno realmente cubierto. A un candidato hay que medirlo frente a la evidencia que existe, y el informe debe indicar con claridad qué parte del puesto abarca esa evidencia. Esa transparencia también hace algo útil para el empleador: una competencia que aparece una y otra vez como no medida es un hueco en la evaluación, y verlo escrito es lo que lleva a alguien a añadir la tarea que lo cierra.

Es el mismo principio que rige el resto de un modelo de puntuación defendible. La ausencia de evidencia no es evidencia de ausencia, y un sistema de puntuación que convierte en silencio la una en la otra acabará produciendo una decisión que nadie puede justificar.

Fijar pesos que realmente pueda defender

Empiece por lo igual. Dado lo que la investigación dice sobre los pesos unitarios, la ponderación igual es un valor predeterminado defendible y no uno perezoso, y debería ser lo que haga su perfil de puesto hasta que alguien sepa decir por qué una competencia merece más. Desviarse es la decisión que necesita una razón, no quedarse quieto.

Derive las diferencias del puesto, no de la evaluación. La pregunta es cuán central es una competencia para desempeñar el puesto — cuánta parte del trabajo la toca, cuán visibles son las consecuencias cuando es débil — y esa pregunta la responden las personas que conocen el puesto, idealmente con la misma información del análisis del puesto que produjo la lista de competencias. Los pesos inventados para que un candidato favorito quede mejor no son pesos; son un resultado trabajando hacia atrás.

Mantenga la escala gruesa y el razonamiento por escrito. Los pesos de grano fino implican una precisión que los juicios subyacentes no tienen, y la diferencia entre 1,7 y 1,8 no resistirá el escrutinio — un conjunto pequeño de escalones basta para expresar lo que un equipo realmente cree. Deje constancia de por qué existe cada peso distinto del predeterminado, para que meses después pueda explicar el modelo alguien que no estuvo en la sala.

• Use por defecto pesos iguales; trate cualquier desviación como una decisión que necesita justificación.
• Derive los pesos del análisis del puesto, antes de ver a los candidatos.
• Use una escala gruesa — unos pocos escalones, no decimales que implican una falsa precisión.
• Escriba la razón de cada peso distinto del predeterminado.
• Revise los pesos cuando cambie el puesto; un perfil de puesto desactualizado mide un trabajo que ya no existe.

Cómo lo implementa SkillCort

Un perfil de puesto en SkillCort enumera las competencias que exige un puesto, cada una con un nivel objetivo, un peso y una marca crítica opcional. La evidencia del candidato se agrega desde las tareas que completó hacia esas competencias, y el informe muestra dos números uno al lado del otro: cuántas de las competencias evaluadas alcanzaron su objetivo y — solo cuando el perfil de puesto lleva realmente pesos distintos del predeterminado — qué proporción del peso evaluado del puesto se cumplió. Con pesos iguales, los dos son idénticos por construcción, de modo que no se muestra nada redundante y ningún número existente cambia en silencio cuando llega la función.

Las competencias críticas quedan fuera del compuesto. Una carencia ahí se informa como un hueco propio en lugar de suavizarse dentro de una media, lo que mantiene el resumen compensatorio y lo innegociable en columnas separadas, que es donde corresponde. Las competencias sin evidencia quedan excluidas de ambas cifras, de modo que un requisito no medido nunca puede perjudicar a un candidato.

La afirmación asociada a todo esto es deliberadamente estrecha. SkillCort no le dice que la cifra ponderada prediga el desempeño en el puesto mejor que la no ponderada, porque la evidencia no lo respalda. Le dice que el número refleja el puesto que usted definió — y lo acompaña del perfil de puesto, la evidencia y el rastro de auditoría que le permiten mostrar su razonamiento cuando alguien pregunta.

Fuentes y lecturas adicionales

• Wainer (1976), Estimating coefficients in linear models: It don't make no nevermind — Psychological Bulletin
• Dawes (1979), The robust beauty of improper linear models in decision making — American Psychologist
• Bobko, Roth & Buster (2007), The Usefulness of Unit Weights in Creating Composite Scores — Organizational Research Methods
• Ock (2018), The Utility of Personnel Selection Decisions: Comparing Compensatory and Multiple-Hurdle Selection Models — Journal of Personnel Psychology