¿Correlaciona la nota de evaluación con la productividad medible?

La nota de desempeño mide al evaluador tanto como al evaluado: la evidencia primaria convergente desmiente el consenso de que la calificación refleja fielmente lo que produce cada empleado.

Bloque Q&A

¿Qué porcentaje de la varianza en notas se debe al propio evaluador y no al rendimiento del empleado?

Hoffman et al. (2010), replicando el marco analítico de Scullen et al. (2000), documentan que el 22 % de la varianza en notas de desempeño se atribuye a efectos sistemáticos del evaluador ("source effects"), cifra que supera la varianza explicada por el rendimiento real del empleado.¹ Esto significa que cambiar de evaluador altera la nota de forma predecible y sistemática, con independencia de lo que el empleado produzca.

¿Cuánto se ponen de acuerdo dos evaluadores distintos del mismo empleado?

Salgado y Moscoso (2019), en un meta-análisis con autores de la Universidad de Santiago de Compostela, sitúan la fiabilidad inter-evaluador para notas supervisoras de desempeño global en r ≈ 0,48–0,55 (correlación observada, sin corrección por atenuación), nivel moderado-bajo que varía además según el propósito de la evaluación (administrativa vs. investigación) y el tipo de escala empleada.² Un coeficiente de fiabilidad en ese rango implica que casi la mitad de la varianza en la nota no es compartida entre dos supervisores que observan al mismo trabajador.

¿Y si comparamos fuentes distintas (supervisor, par, subordinado)?

Viswesvaran et al. (1996), en un meta-análisis publicado en Human Performance, encuentran que la correlación entre notas de supervisores y de pares es solo r = 0,34, y entre subordinados y supervisores apenas r = 0,22.³ Si dos observadores directos del mismo empleado coinciden tan poco, la nota no puede ser un espejo fiel de la productividad subyacente.

¿A qué tipo de empleados perjudica más la distorsión?

Arevalo et al. (2020), en una validación empírica sobre una empresa de diagnóstico genético (N > 1.000 empleados, EE.UU.), muestran que managers y RRHH identifican correctamente a los empleados en los extremos del rendimiento, pero concentran los errores de clasificación en los empleados de rendimiento medio, exactamente donde la nota debería discriminar con mayor precisión.⁷

¿El sesgo es accidental o estructural?

Bol (2011), cuyo trabajo es recogido por Grund y Przemeck (2012) en el Journal of Economic Behavior & Organization, documenta que el sesgo de lenidad (inflación de notas) y el sesgo de centralidad (compresión) tienen base conductual: los managers sesgan las notas hacia arriba cuando perciben incertidumbre sobre el rendimiento real y experimentan mayor malestar por errores desfavorables hacia el empleado.⁵ El resultado, según Grund y Przemeck (2012), es que empleados con alto rendimiento reciben notas similares a empleados de bajo rendimiento, distorsionando los sistemas de pago por rendimiento.⁶

¿Refleja la nota al evaluador o al evaluado?

Cheng et al. (2017), en un estudio con muestras de Hong Kong y EE.UU. en el sector inmobiliario, publicado en Frontiers in Psychology, confirman que el sesgo de lenidad correlaciona con rasgos de personalidad del propio evaluador —extraversión y amabilidad— con independencia del rendimiento del evaluado.⁹ La nota es, en parte, un autorretrato del evaluador.

¿Difieren las notas subjetivas de las medidas objetivas de rendimiento?

Bakker y Demerouti (2017), en una revisión sistemática en Work & Stress, constatan que las asociaciones entre recursos laborales y rendimiento son significativamente más débiles cuando el rendimiento se mide con datos objetivos organizacionales que cuando se mide con notas subjetivas del supervisor o del propio empleado.⁴ La divergencia no es ruido aleatorio: es sistemática y reproduce el mismo patrón en distintos estudios.

Resumen de coeficientes clave

Nota: los coeficientes de Salgado y Moscoso (2019) son correlaciones observadas sin corrección por atenuación, referidas a muestras multi-sector predominantemente internacionales; los de Viswesvaran et al. (1996) proceden de un meta-análisis internacional multi-sector.

Lo que promete el consenso frente a lo que entrega la evidencia

1. El consenso PROMETE que la nota de desempeño es una medida válida y fiable de lo que produce cada empleado, suficiente para diferenciar rendimientos y fundamentar decisiones retributivas o de promoción.
2. La evidencia ENTREGA fiabilidades inter-evaluador de r ≈ 0,48–0,55, correlaciones entre fuentes de r = 0,22 a r = 0,34, un 22 % de varianza explicada por el evaluador en lugar del evaluado, errores de clasificación concentrados en los empleados medios, y sesgos estructurales vinculados a rasgos del evaluador.
3. Murphy y De Shon (2000), citados en Salgado y Moscoso (2019), señalan que el recurso a criterios objetivos —registros de producción, muestras de trabajo, cuotas de ventas— surge precisamente de reconocer que la fiabilidad inter-evaluador de la nota subjetiva es insuficiente para sostener ese uso.⁸

De esa distancia entre lo prometido y lo entregado surge la brecha: el consenso opera como si la nota fuera un indicador robusto del rendimiento individual, cuando la evidencia muestra que es una medida contaminada de forma sistemática por el evaluador.

Por qué persiste

La nota subjetiva persiste porque reduce costes de medición: no requiere sistemas de registro cuantitativo ni diseño de indicadores por rol, y puede aplicarse de forma uniforme a cualquier puesto, incluidos los de naturaleza compleja o colaborativa donde la cuantificación es genuinamente difícil. Arevalo et al. (2020) documentan precisamente que la evaluación subjetiva es la respuesta habitual cuando el trabajo no es fácilmente observable de forma objetiva.⁷

A ello se suma que los sesgos de lenidad y centralidad descritos por Bol (2011) y Grund y Przemeck (2012) generan un equilibrio cómodo para el evaluador: inflar o comprimir notas reduce el conflicto interpersonal a corto plazo.⁵⁶ Los rasgos de personalidad del evaluador identificados por Cheng et al. (2017) —extraversión y amabilidad— son justamente los que facilitan ese acomodo.⁹ El sistema, en suma, se autoperpetúa porque los incentivos del evaluador apuntan en dirección contraria a la precisión de la medida.