We Know Women Have to Be More Qualified Than Men to Get Ahead. A New Study Tries to Quantify It

Tooga/Getty Images

Imagine que elige entre dos fondos de inversión similares, uno gestionado por Marcus y otro por Tanya. Sin información diferenciadora adicional, no hay ninguna razón obvia para tener una preferencia fuerte por una u otra.

Sin embargo, en varios contextos, como emprendimiento y contratación, las personas suelen preferir por los hombres antes que por las mujeres cuando la información sobre la calidad de una persona (por ejemplo, su rendimiento esperado) no está disponible o no está clara. Incluso cuando la información de rendimiento esté disponible, investigación en laboratorio ha demostrado que las mujeres todavía tienden a estar en desventaja, en comparación con los hombres de igual calidad. Este doble rasero significa que las mujeres deben superar a los hombres para ser evaluadas de manera similar.

Pero, ¿qué tan generalizado es este problema, exactamente? Queríamos comprobar hasta qué punto el doble rasero de género está presente en un contexto competitivo, en el que los evaluadores tienen acceso a información objetiva sobre el desempeño y se motivan a evaluar a los candidatos basándose únicamente en la calidad. En esto investigación, estudiamos a profesionales de la inversión que podría decirse que no están incentivados a incorporar el género, o cualquier característica que no esté directamente relacionada con la calidad, en sus evaluaciones de las oportunidades de inversión. Como nos dijo un experto del sector: «Me dedico a ganar dinero, no me importa quién sea, siempre y cuando pueda ayudarme a lograr ese objetivo».

Recopilamos datos de una plataforma privada de intercambio de conocimientos en línea en la que los profesionales de la inversión (analistas, gestores de carteras) de la parte compradora (fondos de cobertura, fondos de inversión) comparten sus recomendaciones de inversión para comprar y vender un valor determinado, junto con los análisis que respaldan su posición, con otros miembros de esta plataforma. Analizamos 3520 recomendaciones de 1550 recomendaciones de compra y venta en corto de acciones que cotizan en bolsa de EE. UU. durante un período de seis años (de 2008 a 2013).

En la plataforma, los miembros evalúan las recomendaciones en dos etapas. En la primera fase, la «fase de atención», ven las recomendaciones y hacen clic en las que quieren obtener más información. Solo ven una cantidad limitada de información en este momento: las acciones que se recomiendan, la posición (compra frente a venta en corto), la rentabilidad bursátil de la recomendación, el nombre del recomendante y el nombre del empleador del recomendante. Si quieren acceder al análisis detallado que respalda la recomendación, hacen clic. En esta segunda etapa, la «fase de comentarios», ven el análisis de las recomendaciones en las que han hecho clic. Aquí pueden calificar de forma anónima, en una escala de cinco estrellas, la calidad y el rendimiento futuro de la recomendación y dejar comentarios públicos.

El género del profesional de inversiones que recomienda una acción no se indica explícitamente durante ninguna de las etapas del proceso de evaluación. La única manera de deducir si una recomendación la ha presentado un hombre o una mujer es a partir de su nombre de pila. Como nos dijo un profesional de inversiones: «Cuando veo un nombre como Mary, me llama la atención porque hay muy pocas [mujeres] en este sector». Para hacer paralelamente a esta inferencia de género, utilizamos un algoritmo desarrollado por IBM, el Herramienta de gestión global de nombres IBM InfoSphere — para puntuar el nombre de cada profesional de inversiones y determinar la probabilidad de que un miembro determinado de nuestra muestra sea una mujer. Pudimos recopilar el género autorevelado de aproximadamente la mitad de nuestra muestra, ya que algunos miembros revelaron su género. (Si lo han hecho, está visible en su perfil, aunque no aparece junto a sus recomendaciones.)

Dado el infrarrepresentación general de las mujeres entre los profesionales de la inversión, especialmente en los fondos de cobertura, no era sorprendente que solo alrededor del 4,2% de las recomendaciones las presentara una persona con un nombre más probable que se asociara a una mujer que a un hombre. No encontramos diferencias de género notables en el rendimiento ni en los antecedentes de los inversores (aunque los miembros de nuestra muestra con nombres que suenan más femeninos tenían más probabilidades de haber asistido a una universidad de pregrado de primer nivel).

Primero examinamos si el número de clics que recibía una recomendación durante nuestro estudio estaba correlacionado con el género inferido del recomendante. Controlamos las características observables, siendo la más importante el rendimiento de las recomendaciones, que calculamos como la rentabilidad de la recomendación en relación con el S&P 500, centrándonos en la semana siguiente a la presentación de la recomendación. Descubrimos que una recomendación presentada por alguien con un nombre muy femenino, como «Mary», recibió aproximadamente un 25% menos de clics en total que una recomendación presentada por alguien con un nombre muy masculino, como «Matthew». Además, descubrimos que esta penalización era mayor cuando los evaluadores se enfrentaban a costes de búsqueda altos (en otras palabras, cuando tenían recomendaciones más recientes entre las que elegir).

Lo más sorprendente es que esta diferencia se mantuvo incluso cuando excluimos a las mujeres de la muestra. Centrando nuestra muestra en los miembros que revelaron su género como hombres, descubrimos que los hombres con nombres que suenan más femeninos, como «Kelly», recibían menos clics. Esto ayuda a abordar una importante explicación alternativa de que las características (reales o imaginarias) asociadas con el género, como la personalidad, podrían estar impulsando nuestros resultados. Como los profesionales de la inversión con nombres más propensos a ser considerados mujeres no difieren en términos de rendimiento y otras características observables, nuestro análisis proporciona pruebas sólidas de que los evaluadores están incorporando el género en sus evaluaciones.

Nuestros resultados también demostraron que las mujeres tenían que superar con creces al profesional de inversiones promedio para recibir la misma atención que sus homólogos masculinos. Esta diferencia de género solo desapareció en las recomendaciones con mejor rendimiento (el 10% más alto), donde el género ya no predecía la probabilidad de que se hiciera clic en una recomendación.

Sin embargo, hay un lado positivo: en nuestra muestra, las mujeres no fueron penalizadas en la segunda fase del proceso de evaluación. No hemos encontrado ninguna diferencia de género en las valoraciones ni en el número de comentarios y recomendaciones recibidos. Así que, aunque las recomendaciones de personas con nombres que suenan más femeninos recibían menos clics, más tarde se evaluaban de forma similar a las de los hombres. Esto concuerda con investigaciones anteriores que han demostrado que las personas confían más en señales de estado, como género, cuando hay mayor incertidumbre en torno a la calidad. Cuando los evaluadores tenían más información sobre una recomendación (a partir del análisis detallado), había menos incertidumbre en cuanto a la calidad y era menos probable que mostraran alguna preferencia relacionada con el género.

A menudo se piensa que el rendimiento es el mejor igualador, ya que es el eje de los sistemas meritocráticos. Nuestros hallazgos muestran que la mera disponibilidad de información sobre el desempeño es insuficiente para eliminar los prejuicios de género, incluso en un contexto en el que los responsables de la toma de decisiones tienen una mentalidad extrema por el desempeño. Más bien, nuestro estudio demuestra que solo cuando los evaluadores tienen acceso a información más completa en la que basar sus evaluaciones, se reducen los prejuicios contra las mujeres. Esto sugiere que cuando se evalúa a las mujeres —y probablemente también a otros grupos infrarrepresentados—, por ejemplo para un puesto, es posible que se beneficien de presentar más información sobre su experiencia y desempeño, para minimizar la ambigüedad en cuanto a su calidad.

Además, nuestra investigación sugiere que, si bien las intervenciones políticas, como ofrecer oportunidades a las mujeres y las minorías en la gestión de inversiones, ayudar a corregir las distribuciones sesgadas de la fuerza laboral, las mujeres todavía pueden enfrentarse a evaluaciones injustas una vez sobre el terreno.

Hay algunas consideraciones que los líderes de la organización deben tener en cuenta. Por ejemplo, nuestros resultados sugieren que los costes de búsqueda en las evaluaciones (con muchas opciones que tener en cuenta) intensifican el sesgo de género. Por lo tanto, los gerentes deberían encargarse de evaluar los subconjuntos más pequeños de un grupo de candidatos más grande. Al limitar el número de opciones, los evaluadores pueden dedicar más tiempo a cada candidato, lo que reduce la probabilidad de que se generen sesgos. En los casos en que esto sea difícil, las organizaciones pueden redactar la información de identificación de género de los candidatos, como su nombre. La eficacia de este enfoque es limitada, ya que otra información sobre un candidato puede indicar el género, como una movilidad profesional más lenta para una candidata femenina.

Por último, nuestros resultados sugieren que ofrecer información más pertinente a los evaluadores debería ayudar a reducir los prejuicios de género en el proceso de evaluación. La plataforma en estudio es un buen ejemplo de cómo se permite el acceso abierto a cualquier persona de un sector para presentar sus habilidades. Las organizaciones podrían incorporar plataformas digitales similares a nivel interno que permitieran a los empleados demostrar sus habilidades de manera más amplia.