Scovai Scovai
People Analytics 2026-10-27 1 min read

El eje de potencial de su 9-box mide la unidad más que a la persona: la evidencia de 20.199 evaluaciones reales

DSL

Dr. Sarah Liu

El eje de potencial de su 9-box mide la unidad más que a la persona: la evidencia de 20.199 evaluaciones reales

Una empresa multinacional de comercio mayorista abrió a los investigadores 20.199 evaluaciones de desempeño reales y les permitió vincular cada nota con quién fue promovido efectivamente después. La brecha de género que la mayoría de las sesiones de calibración está diseñada para detectar resultó real pero trivialmente pequeña — f de Cohen = 0,02 — y no distorsionó en absoluto el paso de la promoción. El hallazgo que debería cambiar su próxima revisión de talento está en los componentes de varianza: la proporción de varianza de las notas atribuible a la filial en la que trabajaba la persona fue 0,040 para el desempeño y 0,136 para el potencial de desarrollo (Kordsmeyer et al., International Journal of Selection and Assessment, 2026).

Su eje de desempeño mide sobre todo a la persona. La nota de potencial de su 9-box mide a la persona y a la unidad — y carga sobre la unidad con un peso más de tres veces mayor.

Esa asimetría no es una nota al pie sobre equidad. Es un defecto de medición alojado dentro del eje que usan para construir las listas de sucesión, y resulta invisible para cualquier auditoría que revise los resultados de las promociones en lugar de los datos de entrada de las notas.

Qué mostraron realmente 20.199 evaluaciones

Kordsmeyer, Godehardt, Roß, Lanzoni y Speer analizaron los registros de evaluación y promoción de 20.199 empleados de un único empleador multinacional del comercio mayorista. El diseño importa: son notas reales de un instrumento en uso, vinculadas a decisiones de promoción reales, no una viñeta ni autoinformes. Probaron ambas mitades de la evaluación estándar — desempeño y potencial de desarrollo — más los moderadores, y luego siguieron las notas aguas abajo, hasta quién se movió de verdad.

Los resultados se dividen con nitidez en una mitad tranquilizadora y una mitad incómoda.

Qué se probóResultado
Diferencia de género en las notas de desempeñoSignificativa, a favor de los hombres, f = 0,02 (muy pequeña)
Diferencia de género en las notas de potencial de desarrolloSignificativa, a favor de los hombres, f = 0,02 (muy pequeña)
Conversión de las notas en promocionesEfecto de género despreciable — χ²(1, N = 10.772) = 0,34, p = 0,56, φ = −0,006
Predicción diferencial (sesgo predictivo)Ninguna relevante — β sin signo < 0,14, p > 0,059
Varianza de unidad (filial), desempeño0,040
Varianza de unidad (filial), potencial de desarrollo0,136

La mitad tranquilizadora: una vez que existía una nota, se convertía en promoción de forma equivalente para hombres y mujeres. Las diferencias de grupo en las promociones quedaban explicadas en gran medida por las notas mismas, no por una decisión de promoción sesgada superpuesta. Si su revisión de equidad audita el paso de la promoción, este estudio dice que están auditando la parte limpia del proceso.

La mitad incómoda son las dos últimas filas, y casi nadie lee una 9-box de ese modo.

La historia de equidad que todos esperaban, y la que importa

Dos detalles adicionales precisan dónde reside realmente el pequeño efecto de género. Las diferencias estaban moderadas por la composición de género del departamento y, en parte, por el género del responsable, específicamente en el potencial de desarrollo. Es decir, la brecha no es uniforme en la empresa: se concentra en los departamentos con composición desequilibrada. Eso es una instrucción de focalización para el tiempo de calibración, no un problema de toda la compañía.

Pero pongan los dos hallazgos uno al lado del otro. El efecto de género sobre las notas de potencial es f = 0,02. El efecto de la unidad sobre las notas de potencial es 0,136 de varianza. Han construido un proceso de gobernanza en torno a la menor de las dos señales.

Es el tipo de error que sobrevive años porque es procedimentalmente invisible. Una sesión de calibración que revise la distribución por género de las marcas de alto potencial pasará el control. Esa misma sesión nunca preguntará si «alto potencial» significa lo mismo en Logística que en Comercial — porque nadie llevó los componentes de varianza a la sala.

Por qué la nota de potencial de la 9-box es estructuralmente más ruidosa

La razón no es que los responsables sean descuidados en un eje y diligentes en el otro. Es que los dos ejes hacen preguntas fundamentalmente distintas.

El desempeño pregunta por trabajo observado, completado y en su mayoría documentado. El responsable resume un expediente. Dos responsables de unidades distintas que resumen expedientes comparables aterrizarán aproximadamente en el mismo punto, y por eso el término de unidad es pequeño — 0,040.

El potencial de desarrollo le pide a un responsable que pronostique. Y un pronóstico exige una clase de referencia. «Listo en 12–24 meses» significa implícitamente «listo en relación con cómo es este puesto, al ritmo al que se mueve esta unidad, medido contra las personas que he visto hacerlo aquí». Cambien la unidad y cambian los tres anclajes sin cambiar a la persona. El 0,136 es el aspecto que eso adopta cuando se descompone.

De ahí el fallo práctico. Cualquier lista de sucesión construida agrupando notas de potencial de distintas unidades compara juicios calibrados en escalas distintas y luego los ordena como si fueran una sola escala. El empleado «listo ahora» en una unidad lenta y el «a 12–24 meses» en una exigente pueden ser idénticos. Su informe de solidez del banquillo no puede distinguirlos.

Las notas de potencial también miden el criterio equivocado

Hay un segundo problema, independiente, en el eje del potencial, y agrava el primero.

Un metaanálisis a nivel de facetas sobre 203 conjuntos de datos y 4.815 correlaciones separó dos resultados que las organizaciones fusionan habitualmente: la eficacia del líder (notas de eficacia y desempeño de la unidad) y la emergencia del líder — un criterio que incluye explícitamente las notas de potencial de liderazgo (Baker et al., Journal of Applied Psychology, 2026). Las facetas de personalidad que predicen cada una son casi opuestas.

La eficacia se predijo por motivación de logro (ρ = 0,23), orden (ρ = 0,23), autodisciplina (ρ = 0,23) y optimismo (ρ = 0,19). La emergencia se predijo por asertividad (ρ = 0,21) — la faceta más fuerte de Extraversión. La motivación de logro, que predice la eficacia en 0,23, predice la emergencia en 0,01. El altruismo corre en direcciones opuestas: +0,16 en eficacia, −0,12 en emergencia.

Lean eso frente a la 9-box. El eje del potencial es una nota de potencial, es decir, un juicio de emergencia. Los rasgos que hacen que alguien parezca promocionable a ojos de un responsable no son, según esta evidencia, los rasgos que lo hacen eficaz una vez promovido — y en al menos un caso el rasgo que más ayuda después perjudica activamente la nota previa.

Así que el eje del potencial arrastra una contaminación de unidad encima de un problema de criterio. El efecto de unidad les dice que la cifra no es comparable entre áreas del negocio. El metaanálisis les dice que aquello con lo que sí es comparable puede no ser lo que buscan.

El contraargumento, y hasta dónde se sostiene

Los límites, dichos con honestidad. Kordsmeyer es un único empleador multinacional del comercio mayorista con un único instrumento de evaluación; los componentes de varianza son propiedades de una empresa concreta y de un formulario concreto, no constantes que puedan citar como propias. El estudio tampoco tiene un diseño causal: descompone la varianza, no demuestra que los responsables de distintas unidades apliquen estándares distintos en lugar de que en distintas unidades haya distribuciones de talento genuinamente distintas. Parte de ese 0,136 es probablemente clasificación real.

Dos cosas se sostienen. Primero, la brecha entre 0,040 y 0,136 está en los mismos datos, misma empresa, mismos evaluadores, mismo ciclo — cualquier explicación tiene que justificar por qué se aplica al pronóstico y no al expediente. Una clasificación real movería ambos. Segundo, la dirección queda corroborada por una literatura con identificación más limpia, abajo. Traten 0,136 como un estímulo para medir su propia descomposición, no como su cifra.

El contexto mueve los juicios de promoción incluso con el desempeño fijo

La comprobación externa más sólida viene de un diseño que fija lo que Kordsmeyer no podía fijar. En un experimento conjoint de elección forzada por pares realizado en el Reino Unido, 937 responsables evaluaron perfiles en los que la nota de desempeño se mantuvo explícitamente constante y solo variaba la modalidad de trabajo (Kasperska, Matysiak & Cukrowska-Torzewska, PLOS ONE, 2024).

Los trabajadores híbridos recibieron una penalización del 7,7 % en promoción y del 7,1 % en incremento salarial. Los totalmente remotos recibieron 10,7 % en promoción, 9,4 % en salario y 6,6 % en selección para formación. El desempeño era idéntico por construcción. La penalización es enteramente un juicio sobre el contexto en el que trabaja la persona.

La cifra más útil de ese estudio es la que elimina el efecto: donde el 80 % o más del equipo trabajaba desde casa, la penalización desaparecía para todos los grupos. El juicio nunca fue sobre el individuo. Fue sobre cuán lejos se situaba el individuo de la norma local — que es precisamente el mecanismo capaz de producir un término de unidad grande en una descomposición de varianza.

Son dos literaturas independientes apuntando a lo mismo. Los juicios prospectivos sobre personas absorben las propiedades de la unidad en la que esas personas están. Los juicios retrospectivos sobre desempeño absorben mucho menos.

Qué cuesta actuar sobre el eje contaminado

La consecuencia costosa no es una nota injusta. Es una decisión de contratación.

Un banquillo de sucesión que parece escaso — porque la mitad de sus unidades puntúa el potencial de forma conservadora — empuja a la empresa al mercado externo. El mercado externo cobra una prima exactamente por esto: el análisis de Matthew Bidwell encontró que las contrataciones externas cobran un 18–20 % más que los promovidos internamente en puestos comparables, reciben evaluaciones de desempeño significativamente más bajas durante unos dos años y salen a tasas más altas (Knowledge at Wharton sobre Bidwell, Administrative Science Quarterly, 2011).

Esa prima es el precio de un déficit de información. La ironía es que ya tienen la información — está en sus datos de evaluación — pero el eje del potencial la codificó en escalas incoherentes, de modo que el banquillo se lee como vacío cuando solo es ilegible. Y entonces pagan un 18–20 % por comprar fuera una señal menos certera.

Qué cambiar antes de su próxima revisión de talento

Cinco movimientos, ninguno de los cuales exige sustituir su instrumento de evaluación.

  1. Descompongan sus dos ejes antes de que cierre el próximo ciclo. Calculen la varianza por unidad en desempeño y en potencial por separado. Necesitan dos cifras, y la brecha entre ellas es el diagnóstico. Si el potencial arrastra sensiblemente más varianza de unidad que el desempeño, su lista de sucesión no es ordenable tal como está.
  2. Calibren el eje del potencial entre unidades, no dentro de ellas. La mayoría de las sesiones de calibración reúne una unidad y normaliza en su interior — lo que corrige la distribución interna y preserva exactamente el desfase entre unidades. La calibración transversal en el eje del potencial es la única sesión que toca el 0,136.
  3. Definan la readiness frente al puesto de destino, no a la unidad actual. «Listo en 12–24 meses» tiene que significar listo para un puesto con nombre y requisitos con nombre. Anclar la readiness al puesto objetivo elimina la clase de referencia local que crea el efecto de unidad en primer lugar.
  4. Sustituyan la narrativa de potencial por evidencia de competencias. El eje deriva porque los responsables pronostican desde la impresión. Una medición por competencia y por ciclo contra un marco común da a cada unidad la misma escala, y la calibración transversal pasa a ser una comprobación de distribución en lugar de un debate. Es el dato de entrada a partir del cual la capa de desempeño y sucesión de Scovai calcula la 9-box — medición determinista por competencia contra un marco común, con indicadores de distribución para la sesión de calibración.
  5. Auditen la entrada, no solo el resultado. Este estudio encontró un paso de promoción limpio y un paso de calificación contaminado. Una auditoría que muestreara resultados de promoción por dato demográfico habría dado todo en orden en ambos. Añadan la varianza en la fase de calificación a lo que revisa su función de people analytics.

Fíjense en lo que implica el punto 5 para el trabajo de equidad en particular. El efecto de género aquí fue f = 0,02 y no se propagó a las promociones. Dedicar la hora de calibración a eso, mientras el efecto de unidad en el mismo eje corre a 0,136, es dirigir buenas intenciones a la cifra más pequeña.

Una decisión para este trimestre

No están eligiendo si conservar la 9-box. Es un instrumento razonable y en este estudio el eje de desempeño se comportó bien. Están eligiendo si seguir tratando sus dos ejes como igualmente fiables cuando los datos de 20.199 evaluaciones dicen que uno de ellos arrastra más del triple del ruido de unidad que el otro.

Antes de que se reúna su próxima revisión de talento, ejecuten la descomposición de varianza sobre sus propias notas de potencial y lleven una cifra a la sala: cuánto de «alto potencial» se explica por la unidad del responsable al que reporta la persona. Si es grande, todavía no tienen una lista de sucesión. Tienen doce, en divisas distintas, grapadas juntas.

Ready to go beyond the CV?

Scovai's AI-powered Talent Passport reveals what resumes can't: personality, potential, and true job fit.