Los gerentes de recursos humanos, posiblemente a causa de un exceso de confianza o por prejuicio, suelen no prestar atención al algoritmo, lo que ha derivado en peores contrataciones.
La gente quiere creer que tiene buen instinto, pero cuando se trata de contratar empleados, no les es posible superar a una computadora. Según una nueva investigación de la Oficina Nacional de Investigación Económica de Estados Unidos (NBER), los gerentes de contratación seleccionan peores candidatos que aquellos recomendados por un algoritmo.
A través del análisis de 15 empresas y más de 300.000 candidatos para trabajos que no requerían habilidades específicas, en el sector de servicios, como por ejemplo ingresar datos y hacer llamados desde un centro de llamados, los investigadores de la NBER compararon la permanencia en el puesto de aquellos empleados que habían sido contratados en base a las recomendaciones algorítmicas de una prueba de trabajo con quienes habían sido elegidos por una persona física. En la prueba se les hacía una serie de preguntas acerca de sus habilidades técnicas, cognitivas, su personalidad y aptitud para el trabajo. Las respuestas de los aspirantes al puesto pasaron a través de un algoritmo, que luego despachó una recomendación: color verde para los candidatos de alto potencial, color amarillo para los de potencial moderado y color rojo para los de baja calificación.
En primer lugar, los investigadores demostraron que el algoritmo funciona, confirmando así lo determinado por estudios anteriores. En promedio, los verdes permanecieron en sus puestos 12 días más que los amarillos, quienes a su vez permanecieron 17 más que los rojos. La duración promedio de los empleados que cubren estos puestos no es muy larga, para empezar, unos tres meses.
“De todos modos, es un tiempo significativo”, dijo el investigador Mitchell Hoffman, profesor asistente de gestión estratégica, que definió las pocas semanas extras como “una mejoría modesta o sgnificativa”.
Confianza o prejuicio
Los gerentes de recursos humanos, posiblemente a causa de un exceso de confianza o por prejuicio, suelen no prestar atención al algoritmo, lo que ha derivado en peores contrataciones. Por ejemplo, en una instancia, los reclutadores contrataron a un candidato amarillo en vez de alguno de los verdes disponibles, que fueron contratados en una fecha posterior para ocupar otros puestos vacantes. Esos verdes permanecieron en sus trabajos aproximadamente un 8 por ciento más, según los investigadores. Cuanto más se apartaban los gerentes de contratación de las recomendaciones del sistema, menores las probabilidades de los candidatos de conservar por más tiempo sus puestos.
Los reclutadores podrían argumentar que hacen estas excepciones a fin de contratar personas más productivas, a pesar de que no perduren en sus empleos. Las cifras sugieren lo contrario. En 6 de las 15 empresas, los investigadores midieron la productividad, por ejemplo, la cantidad de llamadas realizadas por hora o de datos ingresados por hora. “No existe evidencia estadística de que las excepciones se hayan desempeñado mejor en esta otra dimensión”, dijo la investigadora Danielle Li, profesora adjunta de iniciativa empresarial en la Facultad de Negocios de Harvard. En algunos casos, dijo, las excepciones tuvieron un peor desempeño.
Mientras que los algoritmos de contratación han comenzado a ganar popularidad como forma de reducir los costos de contratación y rotación de empleados, la tendencia sigue siendo la de confiar en el criterio de las personas y no de una máquina, a la hora de determinar qué empleado se ajusta mejor dentro de una empresa. Un estudio apoda a este fenómeno como la “aversión al algoritmo”. Sin embargo, los prejuicios pueden cegar a las personas, especialmente cuando se trata de contratar. Algunos gerentes de recursos humanos se ven atraídos por gente como ellos; otros confían por demás en su habilidad para predecir el éxito. “Está en la naturaleza humana pensar que la información obtenida en una entrevista tiene valor”, agregó Lee. “¿Es más valiosa que la información que surge de una prueba mecánica? En muchos casos, la respuesta es no.”
