¿Detecta la evaluación a los mejores?

El consenso asume que las mejores calificaciones marcan a quienes más rinden; la evidencia peer-reviewed muestra que la principal fuente de varianza en esas calificaciones no es el rendimiento real del empleado, sino la idiosincrasia del evaluador.

Preguntas y respuestas clave

¿Qué tan fiable es la calificación de un supervisor sobre el rendimiento de un empleado?

Viswesvaran, Ones y Schmidt estimaron la fiabilidad inter-evaluador de las calificaciones de supervisores en r = 0,52, nivel que los propios autores consideran claramente por debajo del umbral psicométrico aceptable; esto implica que dos supervisores que califican al mismo empleado discrepan sustancialmente.⁶

¿De dónde viene la varianza en las puntuaciones si no es del rendimiento real?

La principal fuente de error en las calificaciones de supervisores son las percepciones idiosincrásicas del evaluador, no la varianza real de rendimiento del evaluado.⁵ Scullen, Mount y Goff documentaron que la varianza idiosincrásica del evaluador —la porción no relacionada con el rendimiento real— es la fuente dominante de varianza en las puntuaciones de desempeño de supervisores.⁸ Revisiones posteriores en contextos organizacionales y sanitarios sitúan los efectos idiosincrásicos del evaluador individual entre el 29 % y más del 50 % de la varianza en calificaciones de rendimiento en múltiples dominios.⁷

¿Funcionan mejor los sistemas de distribución forzada (ranking)?

No según la evidencia disponible. Un preprint de 2025 que revisa literatura de gestión del rendimiento cifra en más del 50 % la varianza en sistemas de distribución forzada atribuible a sesgos del evaluador, no a diferencias reales de desempeño.⁴ El mismo preprint referencia un estudio de campo longitudinal en una empresa farmacéutica global que documentó entre un 34 % y un 206 % más de rotación voluntaria en empleados con alto rendimiento objetivo que recibieron puntuaciones rebajadas por el sistema,⁹ lo que sugiere que el error no es aleatorio sino sistemáticamente perjudicial para quienes más rinden.

¿Y las notas académicas como proxy del "mejor"?

El meta-análisis de Roth y Clarke (1998, EE. UU., multisectorial) cifra la correlación no corregida entre GPA y salario inicial en r = 0,13 y con salario actual en r = 0,18: predictores estadísticamente reales pero débiles del éxito laboral.¹⁰ En el ámbito sanitario (médicos, farmacéuticos, enfermería), una revisión sistemática publicada en 2025 —que cubre estudios de 2000 a 2023— encuentra correlaciones que varían de débiles a moderadas según el grupo profesional y el indicador medido (r = 0,229–0,665), cuestionando el valor predictivo universal de las notas para el desempeño real en el trabajo.¹¹

¿Saben los propios profesionales de RRHH qué herramientas predicen mejor?

Un estudio realizado en Nueva Zelanda con profesionales de RRHH y selección de personal encontró que sus creencias sobre qué herramientas predicen mejor el rendimiento laboral no guardan correlación con las valideces empíricamente demostradas: el coeficiente de Spearman fue de rho = -0,06.¹²

¿Qué dicen los directivos sobre el proceso en la práctica?

Aquí la evidencia disponible procede de fuentes vendor (CEB/SHRM), no de investigación peer-reviewed, por lo que opera como ilustración contextual, no como ancla de la tesis. Con esa advertencia: casi nueve de cada diez líderes de RRHH encuestados afirmaron que el proceso estándar de evaluación anual no produce información precisa sobre quién rinde más,¹ y más del 90 % de los directivos declararon estar insatisfechos con cómo sus empresas realizan esas evaluaciones.² El dato más citado en debates prácticos proviene de estas consultoras; la evidencia académica sobre las percepciones de directivos es más limitada.

Síntesis de la evidencia

Brecha explícita: El consenso PROMETE que las mejores notas y calificaciones identifican a quienes más rinden; la evidencia ENTREGA una fiabilidad inter-evaluador de r = 0,52 y una varianza explicada por idiosincrasia del evaluador de entre el 29 % y más del 50 %, con correlaciones GPA-rendimiento que no superan r = 0,18 en contextos multisectoriales.

Por qué persiste la práctica

1. Eficiencia percibida de bajo coste. Asignar una calificación numérica anual es administrativamente sencillo. Los enfoques estándar de gestión del rendimiento solo logran mejorar el desempeño entre un 3 % y un 5 % según datos CEB citados en HBR (2015),³ pero su bajo coste operativo los hace persistir aunque su retorno sea marginal. Este dato procede de fuente vendor y se incluye como ilustración, no como ancla de la tesis.

2. Confianza no calibrada de los expertos. Las creencias de los profesionales de RRHH sobre qué herramientas predicen mejor el rendimiento no correlacionan con las valideces empíricamente demostradas (rho = -0,06).¹² La formación en psicometría aplicada no es un requisito generalizado en la función de personas, lo que deja intacta la ilusión de objetividad del número.

3. El error no se distribuye al azar, pero tampoco resulta visible de inmediato. La fiabilidad inter-evaluador de r = 0,52 implica que dos supervisores que califican al mismo empleado discrepan sustancialmente.⁶ Que esa discrepancia raramente se audite de forma sistemática es una inferencia plausible desde la estructura del error, pero no un hecho afirmado por Viswesvaran et al. (1996): la fuente documenta el nivel de fiabilidad y la fuente de error; no describe las prácticas de auditoría organizacional.

4. Los sistemas de ranking mantienen la apariencia de meritocracia. Cuando más del 50 % de la varianza en los resultados de un sistema de distribución forzada proviene de sesgos del evaluador,⁴ la etiqueta de "alto rendimiento" o "bajo rendimiento" refleja en parte quién evalúa, no solo quién trabaja. Sin métricas de contraste, la clasificación parece legítima desde dentro.