Caso práctico: ¿Debería un algoritmo decirle a quién ascender?

Aliyah Jones tenía problemas para prestar atención a los brindis de despedida. Aunque le entristeció ver a su colega de mucho tiempo Anne Bank marcharse, estaba más obsesionada con tratar de averiguar quién debía sustituirla.

Como vicepresidenta de ventas y marketing de Becker-Birnbaum International, una empresa global de productos de consumo, Aliyah sabía que necesitaba un director de marketing con talento que respaldara la cartera de 34 productos de su división. Tras trabajar con Recursos Humanos para reducir la lista de candidatos, tuvo dos finalistas, ambos internos: Molly Ashworth, directora de marca de su equipo en la división de limpieza, y Ed Yu, una estrella en ascenso de la división de belleza de BBI.

A Aliyah le gustaba Molly y respetaba su trabajo. Dos años antes, Molly había encabezado un nuevo servicio de suscripción para los productos de limpieza de BBI, que había registrado un fuerte crecimiento en los últimos dos trimestres. A los clientes les encantó la comodidad, y los equipos de I+D, marketing y ejecutivo estaban entusiasmados con el servicio como plataforma para probar nuevas ofertas. Tras haber sido la mentora de Molly en la presentación y el lanzamiento del servicio, Aliyah conocía muy bien los puntos fuertes y débiles de su protegida y estaba segura de que estaba preparada para el siguiente desafío.

Pero poco después de la publicación del puesto, Christine Jenkins, vicepresidenta corporativa de recursos humanos, acudió a Aliyah con el currículum de Ed. Al igual que Molly, Ed se unió a BBI nada más salir de la escuela de negocios y rápidamente lo aprovecharon como un gran potencial. También tuvo su propia historia de éxito en BBI: como director de marca en el grupo de belleza, había reactivado su línea de productos desmaquillantes FreshFace, de 20 años, y aumentó las ventas un 60% en tres años. Quizás lo más importante para Christine, lo habían recomendado como candidato del 96% para el puesto1 mediante el nuevo sistema de análisis de personas de Recursos Humanos, que ella había defendido.

ESTUDIO DE CASO, NOTAS PARA EL AULA

1 Las empresas utilizan los algoritmos en las decisiones relacionadas con las personas por muchos motivos, como la coherencia, la reducción de los sesgos, la ampliación de la red y la eficiencia. ¿En qué se diferencian las recomendaciones que hace un algoritmo de las de un director de contratación que no utiliza el análisis de datos?

(Molly tenía un 83% de coincidencia.) El objetivo de la iniciativa era ampliar el uso del análisis de datos a los recursos humanos, para fundamentar las decisiones de contratación, ascensos y compensación.2 Aliyah se alegró de ver a dos jugadores con información privilegiada en la lucha (ella misma había subido de rango), pero eso dificultó la decisión.

2¿El uso de algoritmos para algún tipo de análisis de personas infringe la privacidad de los empleados? Las nuevas leyes, en particular, el Reglamento General de Protección de Datos (GDPR) de la UE, establecen límites a la información que los empleadores pueden y no pueden recopilar y a la forma en que se debe notificar a los empleados.

Mientras el COO brindaba por Anne, Aliyah consideró sus entrevistas con Ed y Molly.

Reunión con Ed Yu

«Lo siento, llego tan tarde», dijo Ed, con un aspecto un poco desconcertado. «Mi conductor de Uber insistió en que conocía un atajo desde Heathrow, pero se equivocó».

Aliyah no pudo evitar hacer una comparación inmediata con Molly,3 que siempre fue firme y tranquila, pero trató de mantener la mente abierta.

3 Investigación muestra que los directores de contratación suelen formarse opiniones sobre la personalidad y la competencia de un candidato en los primeros 30 segundos de una entrevista.

«No hay problema», dijo. «¿Empezamos?»

«Por supuesto», dijo Ed con entusiasmo.

«¿Qué es lo que le interesa del trabajo?»

Ed explicó que, si bien estaba orgulloso del crecimiento que FreshFace había visto bajo su liderazgo, estaba preparado para un nuevo desafío. Le había gustado sumergirse en un solo producto, pero pensaba que sus habilidades eran más adecuadas para un puesto que le permitiera trabajar en varios programas y dirigir una cartera más amplia.

Respuesta nítida y clara, Pensó Aliyah. «¿Qué ha aprendido en belleza que se aplicaría en la limpieza?» preguntó ella.

Era una pregunta importante. El mejor equipo de BBI había dirigido a las divisiones para que compartieran más prácticas recomendadas y mejoraran la colaboración. De hecho, su jefe quería que trabajara más estrechamente con sus compañeros de otras divisiones.

Ed explicó que pensaba que el enfoque de su división en materia de investigación de clientes sobre el terreno, al que atribuyó el impulso de las ventas de FreshFace, podría funcionar en la limpieza. La asociación con antropólogos era algo de lo que el equipo de Aliyah había hablado, pero aún no lo había probado.

También preguntó por el nuevo programa de suscripciones, haciendo referencia a un libro blanco reciente sobre las tendencias de los modelos de negocio de suscripción. Estaba claro que había hecho sus deberes, era inteligente y ambicioso, conocía bien el negocio de BBI y parecía ansioso por aprender. Pero sus respuestas e incluso sus preguntas parecían un poco rígidas. Aliyah no percibió el dinamismo ni la mentalidad empresarial que sabía que tenía Molly. Tal vez esté nervioso, pensó. O tal vez eso es lo que es.

Aliyah no dudaba de que Ed pudiera hacer ese trabajo. Pero no le entusiasmaba contratarlo.

La «Entrevista» de Molly

Organizar la entrevista de Molly para el mismo día que la de Ed le pareció una buena idea cuando se la sugirió a Christine y, dada la franja horaria del mediodía, era natural reunirse en su lugar habitual para comer cerca de la oficina. Pero tan pronto como Aliyah entró en el café, se dio cuenta de lo injustos que eran estos partidos consecutivos para Ed.4

4 Los gerentes tienden a contratar a personas similares a ellos, según muestran los estudios. Por ejemplo, Lauren Rivera, profesora de la Kellogg School of Management, descubrió que los directivos prefieren a los reclutas que tienen más potencial de hacerse amigos, incluso antes que a los que están más cualificados. ¿Debería preocuparse Aliyah de elegir a Molly porque le gusta?

Era imposible no saludar a Molly con un abrazo y pedirle información rápida sobre sus proyectos y su familia. Incluso pidieron lo mismo: ensalada de huevos al curry. Pero tan pronto como la camarera se fue, Molly se puso manos a la obra: «Sé que enviamos correos electrónicos 10 veces al día, pero me gustaría considerarlo una entrevista formal».

Aliyah sonrió. «Por supuesto».

Como Christine le había aconsejado que hiciera, hizo preguntas iguales o similares a las que le había hecho a Ed.5

5 Las entrevistas no estructuradas son el método por defecto para la mayoría de los directores de contratación, pero numerosos estudios han descubierto que no predicen bien el desempeño real en el trabajo.

«Dígame por qué le interesa este trabajo», empezó. Era incómodo. Aliyah ya sabía la respuesta, pero para crédito de Molly, procedió como si no fueran colegas cercanos. Con cada respuesta, demostró un profundo conocimiento del negocio y tuvo buenas ideas para colaborar en todos los programas y aprovechar el éxito del programa de suscripciones. Era tan pulida y reflexiva como Ed, pero también parecía más cálida y más consciente de sí misma.

Lo tiré del parque, Pensó Aliyah, mientras regresaban a la oficina. Al ver la sonrisa en el rostro de Molly, Aliyah supo que su protegida confiaba en que lo había hecho bien.

El algoritmo

Al día siguiente de la fiesta de despedida de Anne, Aliyah se reunió con Christine y Brad Bibson, un científico de datos del equipo de análisis de personas.

«Sé que se inclinaba por Molly después de que informáramos sobre las entrevistas», dijo Christine, «pero queríamos compartir algunos datos más».

Brad entregó dos diagramas coloridos. «Son análisis de red del historial de correos electrónicos y reuniones de Molly y Ed en el BBI. Con su permiso y sin mirar el contenido de sus correos electrónicos o calendarios, analizamos con quién habían estado en contacto6 en toda la empresa durante los últimos seis meses».

6 Los análisis de la red pueden revelar patrones que, de otro modo, serían difíciles de ver, por ejemplo, al identificar qué empleados ocupan un lugar más importante en los flujos de información informales.

Los diagramas dejaban claro que Ed estaba relacionado no solo con sus colegas de la división de belleza, sino también con personas clave de otros grupos. La red de Molly se centraba principalmente en los productos de limpieza.

«No sabía que hacíamos este tipo de análisis», dijo Aliyah.

«Acabamos de empezar a analizar las redes», dijo Brad, «y creemos que pueden revelarnos información útil».

«Sé que un gráfico no va a influir en su decisión», dijo Christine, «pero es mejor tener los datos, ¿verdad? No lanzaría un nuevo producto o una nueva campaña sin datos. Las decisiones de recursos humanos deben abordarse de la misma manera». Era una propuesta que Christine había hecho innumerables veces mientras buscaba la nueva iniciativa. «Estamos seguros de que las decisiones que se toman con nuestros algoritmos son razonadas, sólidas y están menos sesgadas por los sentimientos personales hacia los empleados», dijo.

Aliyah se volvió hacia Brad. «¿Supongo que está de acuerdo?»

«Por supuesto», dijo, esperando la reacción de Christine. «Pero como científico de datos, también fomento un escepticismo saludable. Nuestro algoritmo es completamente nuevo. Hasta ahora lo hemos utilizado para fundamentar tres decisiones de ascenso, pero es demasiado pronto para saber cómo les va a esas personas. No quiero dar la impresión de que estamos seguros al cien por cien».7

7 Los estudios han revelado un fenómeno llamado «aversión a los algoritmos». Incluso cuando las predicciones basadas en datos arrojan una mayor tasa de éxito que las previsiones humanas intuitivas, la gente suele preferir confiar en estas últimas. Y si aprenden que un algoritmo es imperfecto, simplemente no lo usarán. ¿En qué condiciones basaría su decisión en el análisis de datos?

Christine parecía molesta. «Agradezco su cautela, Brad, pero los directores de contratación nos han dicho que el tipo de recomendaciones que ofrece el algoritmo están cambiando su forma de pensar sobre los puestos y los candidatos. Y llevamos meses probando el sistema».

Aliyah suspiró. «Confiaría más en el algoritmo si lo entendiera mejor». Sabía que no estaba sola en sus dudas:8 El equipo de Christine había recibido muchas preguntas sobre la metodología, a pesar de las sesiones de formación en toda la empresa.

8 Junto con los gerentes, muchos candidatos se muestran escépticos ante los algoritmos, según Pew. La mayoría de los estadounidenses (el 76%) dicen que no querrían solicitar trabajos en los que se utilice un programa de ordenador para tomar decisiones de contratación.

«Me encantaría hablar más sobre el funcionamiento del algoritmo», respondió Christine, «pero ahora mismo debería centrarse en los dos candidatos. El objetivo del sistema no es reemplazar su juicio. El objetivo es encontrar personas cualificadas que de otro modo no conocería para que pueda tomar una decisión más informada».

«También le ayudará a tomar una decisión menos sesgada», intervino Brad, «al confiar más en los datos y menos en el instinto».

Aliyah se preguntó si Brad pensaba que estaba favoreciendo injustamente a Molly. Ella misma se preocupaba por eso y se preocupaba profundamente por tomar una decisión objetiva. ¿Confiar en el nuevo sistema la ayudaría a hacerlo?

«Pero el algoritmo tampoco es completamente neutral, ¿verdad?» dijo ella. «Sigue confiando en la información (reseñas de desempeño, currículums) que es posible que tenga un sesgo incorporado».9

9 La científica de datos Cathy O’Neil advierte en su libro Armas de destrucción matemática que, aunque los algoritmos son bastante fáciles de crear con datos históricos y pueden mejorar la eficiencia de la toma de decisiones, las personas suelen confiar en ellos sin entender los sesgos que pueden estar propagando.

«Es justo», admitió Christine, «y nos hemos esforzado por controlarlo. Pero como empresa basada en los datos, tenemos que extender nuestro enfoque a la parte más importante de nuestro negocio: las personas».10

10¿En qué se diferencia el uso de algoritmos para analizar a los clientes de su uso con los empleados? ¿Deberían las empresas ser más cautelosas a la hora de implementar estas metodologías internamente?

«Parece que está presionando a Ed para que ocupe este puesto», dijo Aliyah.

«Recuerde que tengo que adoptar una visión más amplia», dijo Christine. «Hicimos un análisis para mostrar qué personas con alto potencial corren el riesgo de dejar BBI, y Ed estaba cerca de encabezar la lista. No es probable que haya una vacante en productos de belleza y queremos quedárnosla».

«¿Pero qué hay de Molly?» Dijo Aliyah. «Se sentirá devastada si no consigue este trabajo, y seguro que también empezará a buscarlo».

«Nuestros análisis no la marcaron como riesgo de fuga», dijo Brad. «Pero puede que tenga razón».

Hora de tomar una decisión

Una semana después, Aliyah no estaba más cerca de tomar una decisión. Había estado evitando a Molly y había puesto los análisis de Brad en un cajón. Ed estaba claramente cualificado y la había impresionado. Pero supo por intuición que Molly estaba preparada para el trabajo.

¿Prefería a Molly por su estrecha relación? ¿Molly se quedaría en el BBI aunque la pasaran por alto?

Aliyah tenía que tomar una decisión. ¿Debería confiar en el algoritmo o en sus instintos?

Pregunta: ¿Debería Aliyah contratar a Molly o a Ed? Los expertos responden

Prasad Setty es el director de análisis de personas en Google.

Como entusiasta y practicante del análisis de personas durante muchos años, creo que es mejor aplicarlo como complemento, no como sustituto, del juicio humano. Por ejemplo, se podría utilizar un algoritmo para ampliar el número de candidatos que un director de contratación podría considerar para un puesto. En el caso de BBI, el sistema de análisis de personas parece haber hecho un buen trabajo al descubrir a Ed, un candidato inesperado.

Sin embargo, si el algoritmo va a tomar la decisión de ascenso en nombre de Aliyah, la carga de la prueba es muy alta. El historial de tres decisiones del BBI no basta, en mi opinión, para demostrar la fiabilidad del sistema. En lo que respecta a la contratación y los ascensos, es especialmente importante poder explicar por qué se toma una decisión en particular. Aliyah tiene razón al querer más claridad sobre la metodología del sistema. Necesita saber no solo qué candidato recomienda el algoritmo, sino sobre qué base.

Entonces, ¿qué le sugeriría que hiciera Aliyah? Debería definir exactamente lo que intenta conseguir al ocupar el puesto (algo que el algoritmo probablemente no sepa) y basar su decisión en eso. Si el éxito de Aliyah significa incorporar a un director de marketing con talento lo antes posible y hacer que esa persona opere a la máxima velocidad de inmediato, Molly parece ser la mejor opción. Si Aliyah está más interesada en aumentar la colaboración con otras partes de la empresa, Ed, que tiene una red de relaciones más amplia, parece ser la opción más inteligente. En cualquier caso, es importante que Aliyah sea dueña de la decisión y sea capaz de explicar por qué tomó una decisión en particular.

Si el algoritmo va a tomar la decisión, la carga de la prueba es muy alta.

En un mundo ideal, BBI se esforzaría por tomar decisiones de contratación objetivas e imparciales estableciendo un protocolo de entrevistas y un proceso de evaluación estructurados, predeterminando los criterios y definiendo cómo serían las habilidades deficientes, mediocres y excelentes de los candidatos. La empresa anunciaría todos los puestos para atraer a un amplio grupo de candidatos. Varias personas realizarían la evaluación y las personas que tomarían la decisión final no serían las mismas personas que evaluaron a los candidatos. Los análisis podrían utilizarse para configurar estos protocolos, recomendar posibles candidatos y hacer un seguimiento del impacto de las decisiones en el desempeño laboral. Eso no es lo que ha ocurrido en este caso: Aliyah ahora tiene que seleccionar a uno de los candidatos en función del proceso actual de BBI, la información de la que dispone y sus objetivos.

En Google, nuestros directivos no toman decisiones de contratación y promoción de forma unilateral. Todos los puestos vacantes se hacen públicos en la organización y cualquier persona es libre de postularse. Utilizamos comités independientes para evaluar a los candidatos mediante una rúbrica estructurada que detalla lo que se necesita para tener éxito en el puesto. Analizamos los resultados de estos procesos (por ejemplo, si las personas prosperan en sus nuevas funciones) para asegurarnos de que tomamos decisiones personales de alta calidad.

Cuando creamos el grupo de análisis de personas de Google, nuestro objetivo era tomar todas las decisiones de las personas en función de los datos y los análisis. En la década transcurrida desde entonces, hemos visto algunos de los límites de las decisiones de recursos humanos basadas en datos. Nuestro objetivo ahora es dotar a los líderes de datos y contexto para que tengan más confianza en sus elecciones, pero no para socavar su papel en el proceso. Hoy, el mantra de nuestro equipo es para ayudar a todas las personas a tomar decisiones en función de los datos y los análisis.

Patty McCord es el exdirector de talentos de Netflix y asesor de empresas emergentes y emprendedores.

Aliyah debe confiar sus instintos, no el algoritmo. Solo ella sabe lo que realmente necesita de un director de marketing y está claro que Molly lo tiene.

Antes de dejar Netflix, muchas empresas de análisis de datos me presentaron que prometían ayudarnos a tomar mejores decisiones con las personas mediante sus algoritmos, pero no vi el ROI. En ese momento, empleábamos a unos cuantos miles de personas y la crema ya estaba subiendo a lo más alto, así que era difícil imaginarse cómo un algoritmo mejoraría significativamente nuestras decisiones. BBI es una empresa mucho más grande, por lo que es posible que la IA sea más útil en ese contexto. Pero por ahora, la decisión debe recaer en Aliyah.

Por supuesto, tiene que seguir las mejores prácticas para los directores de contratación y tener en cuenta al equipo en su conjunto en sus análisis. ¿Cuál es su composición actual y cómo encajará el recién ascendido director? ¿Qué resultados esperaría ver Aliyah en seis meses o un año para demostrar que la división funciona bien? Y con el apoyo adecuado, ¿qué candidato tiene más probabilidades de lograr esos resultados?

Aliyah también tiene razón al cuestionar sus propios prejuicios hacia una mujer a la que considera una protegida y con la que ha trabajado en estrecha colaboración durante varios años. Los directores de contratación suelen decir: «Busco a alguien que sea inteligente, sólido y preparado para asumir el puesto», y resulta que la persona que más les gusta se parece a ellos. No siempre se trata de un sesgo manifiesto. A menudo se trata de no querer correr el riesgo.

Christine dice que el algoritmo es imparcial, pero no podemos estar seguros de que tenga razón.

Aunque no veo ninguna evidencia de que Aliyah esté a favor de Molly por ser mujer, creo que el género debería tenerse en cuenta en este caso. Las investigaciones han demostrado en repetidas ocasiones que las mujeres no ascienden al mismo ritmo que los hombres. A lo largo de mi carrera en Recursos Humanos, he visto a hombres considerar a mujeres candidatas, pero en su lugar contratan a un hombre y me dicen: «Sé que está cualificada, pero estoy buscando a alguien que esté dispuesto a dar un paso adelante ahora y no quiero tenderle una trampa para que fracase». Por supuesto, no se le puede preparar para ganar si nadie le da la oportunidad de fallar. Me preocupa que si Molly no tiene esta oportunidad, no tenga otra.

Christine promociona su algoritmo como imparcial, pero sin más información sobre la metodología y los criterios que utiliza, no podemos estar seguros de que tenga razón. De hecho, desconfío especialmente de los datos de red que Brad llevó a la reunión. ¿Podría ser que Ed esté más conectado —que lo inviten a más reuniones, esté en contacto con más personas— porque es un hombre y se le han dado más oportunidades de brillar? Si yo fuera Aliyah, preguntaría qué aspecto tienen esos mapas de red para hombres y mujeres de toda la empresa.

Admito que si los roles de género se invirtieran en este caso, y un director de contratación masculino prefiriera a un candidato masculino que conocía bien antes que a una mujer recomendada por un algoritmo, mi consejo probablemente sería diferente. En este caso, el algoritmo ha hecho su trabajo al recomendar a un hombre inesperado. Pero si Aliyah ha realizado un análisis justo (dejando de lado sus ideas preconcebidas de forma consciente y considerando objetivamente quién es el mejor para el trabajo) y sigue prefiriendo a Molly, debería confiar en sus instintos y promocionarla.

Los estudios de casos ficticios de HBR presentan los problemas a los que se enfrentan los líderes de las empresas reales y ofrecen soluciones de la mano de los expertos. Este está basado en el estudio de caso de HBS «Susan Cassidy en Bertram Gilman International» ( número de caso 417053), de Jeffrey T. Polzer y Michael Norris.