Uma empresa multinacional de comércio atacadista abriu aos pesquisadores 20.199 avaliações de desempenho reais e permitiu vincular cada nota a quem foi efetivamente promovido depois. A diferença de gênero que a maioria das sessões de calibração é construída para detectar revelou-se real, mas trivialmente pequena — f de Cohen = 0,02 — e não distorceu em nada a etapa da promoção. O achado que deveria mudar a sua próxima revisão de talentos está nos componentes de variância: a parcela da variância das notas atribuível à subsidiária em que a pessoa trabalhava foi de 0,040 para desempenho e de 0,136 para potencial de desenvolvimento (Kordsmeyer et al., International Journal of Selection and Assessment, 2026).
Seu eixo de desempenho mede sobretudo a pessoa. A nota de potencial da sua 9-box mede a pessoa e a unidade — e carrega sobre a unidade com peso mais de três vezes maior.
Essa assimetria não é uma nota de rodapé sobre equidade. É um defeito de medição alojado dentro do eixo que vocês usam para montar listas de sucessão, e permanece invisível a qualquer auditoria que verifique os resultados das promoções em vez dos dados de entrada das notas.
O que 20.199 avaliações mostraram de fato
Kordsmeyer, Godehardt, Roß, Lanzoni e Speer analisaram registros de avaliação e promoção de 20.199 funcionários de um único empregador multinacional do comércio atacadista. O desenho importa: são notas reais de um instrumento em uso, vinculadas a decisões de promoção reais, não uma vinheta nem autorrelato. Testaram as duas metades da avaliação padrão — desempenho e potencial de desenvolvimento — mais os moderadores, e depois seguiram as notas adiante, até quem realmente se moveu.
Os resultados se dividem com nitidez em uma metade tranquilizadora e uma metade incômoda.
| O que foi testado | Resultado |
|---|---|
| Diferença de gênero nas notas de desempenho | Significativa, favorecendo homens, f = 0,02 (muito pequena) |
| Diferença de gênero nas notas de potencial de desenvolvimento | Significativa, favorecendo homens, f = 0,02 (muito pequena) |
| Conversão das notas em promoções | Efeito de gênero desprezível — χ²(1, N = 10.772) = 0,34, p = 0,56, φ = −0,006 |
| Predição diferencial (viés preditivo) | Nenhuma relevante — βs sem sinal < 0,14, ps > 0,059 |
| Variância de unidade (subsidiária), desempenho | 0,040 |
| Variância de unidade (subsidiária), potencial de desenvolvimento | 0,136 |
A metade tranquilizadora: uma vez que a nota existia, ela se convertia em promoção de forma equivalente para homens e mulheres. As diferenças de grupo nas promoções foram em grande parte explicadas pelas próprias notas, não por uma decisão de promoção enviesada sobreposta. Se a sua revisão de equidade audita a etapa da promoção, este estudo diz que vocês estão auditando a parte limpa do processo.
A metade incômoda são as duas últimas linhas, e quase ninguém lê uma 9-box desse jeito.
A história de equidade que todos esperavam, e a que importa
Dois detalhes adicionais precisam onde o pequeno efeito de gênero realmente mora. As diferenças foram moderadas pela composição de gênero do departamento e, em parte, pelo gênero do gestor, especificamente no potencial de desenvolvimento. Ou seja, a lacuna não é uniforme na empresa: ela se concentra nos departamentos com composição desequilibrada. Isso é uma instrução de foco para o tempo de calibração, não um problema de toda a companhia.
Mas coloquem os dois achados lado a lado. O efeito de gênero sobre as notas de potencial é f = 0,02. O efeito da unidade sobre as notas de potencial é 0,136 de variância. Vocês construíram um processo de governança em torno do menor dos dois sinais.
É o tipo de erro que sobrevive por anos porque é processualmente invisível. Uma sessão de calibração que examine a distribuição por gênero das marcações de alto potencial será aprovada. A mesma sessão nunca perguntará se «alto potencial» significa a mesma coisa na Logística e no Comercial — porque ninguém levou os componentes de variância para a sala.
Por que a nota de potencial da 9-box é estruturalmente mais ruidosa
A razão não é que os gestores sejam descuidados em um eixo e diligentes no outro. É que os dois eixos fazem perguntas fundamentalmente diferentes.
Desempenho pergunta sobre trabalho observado, concluído e em grande parte documentado. O gestor está resumindo um histórico. Dois gestores de unidades diferentes resumindo históricos comparáveis chegarão aproximadamente ao mesmo lugar, e é por isso que o termo de unidade é pequeno — 0,040.
Potencial de desenvolvimento pede ao gestor uma previsão. E uma previsão exige uma classe de referência. «Pronto em 12–24 meses» significa implicitamente «pronto em relação ao que este cargo é aqui, ao ritmo em que esta unidade se move, medido contra as pessoas que vi fazendo isso aqui». Troquem a unidade e vocês trocam as três âncoras sem trocar a pessoa. O 0,136 é a aparência disso quando decomposto.
Daí a falha prática. Qualquer lista de sucessão construída agrupando notas de potencial de unidades diferentes compara julgamentos calibrados em escalas diferentes e depois os ordena como se fossem uma única escala. O funcionário «pronto agora» em uma unidade lenta e o «a 12–24 meses» em uma unidade exigente podem ser idênticos. Seu relatório de solidez do banco de talentos não consegue distinguir.
As notas de potencial também medem o critério errado
Há um segundo problema, independente, no eixo do potencial, e ele agrava o primeiro.
Uma meta-análise em nível de facetas sobre 203 conjuntos de dados e 4.815 correlações separou dois desfechos que as organizações rotineiramente misturam: eficácia de liderança (notas de eficácia e desempenho da unidade) e emergência de liderança — um critério que inclui explicitamente notas de potencial de liderança (Baker et al., Journal of Applied Psychology, 2026). As facetas de personalidade que predizem cada uma são quase opostas.
A eficácia foi predita por motivação para realização (ρ = 0,23), ordem (ρ = 0,23), autodisciplina (ρ = 0,23) e otimismo (ρ = 0,19). A emergência foi predita por assertividade (ρ = 0,21) — a faceta mais forte da Extroversão. Motivação para realização, que prediz eficácia em 0,23, prediz emergência em 0,01. O altruísmo corre em direções opostas: +0,16 em eficácia, −0,12 em emergência.
Leiam isso contra a 9-box. O eixo do potencial é uma nota de potencial, isto é, um julgamento de emergência. Os traços que fazem alguém parecer promovível aos olhos de um gestor não são, segundo essa evidência, os traços que o tornam eficaz depois de promovido — e em pelo menos um caso o traço que mais ajuda depois prejudica ativamente a nota anterior.
Então o eixo do potencial carrega uma contaminação de unidade sobre um problema de critério. O efeito de unidade diz que o número não é comparável entre as áreas do negócio. A meta-análise diz que aquilo com que ele é comparável talvez não seja o que vocês querem.
O contra-argumento, e até onde ele se sustenta
Os limites, ditos com honestidade. Kordsmeyer é um único empregador multinacional do comércio atacadista com um único instrumento de avaliação; componentes de variância são propriedades de uma empresa específica e de um formulário específico, não constantes para citar como suas. O estudo também não tem desenho causal: ele decompõe variância, não prova que gestores de unidades diferentes aplicam padrões diferentes em vez de haver distribuições de talento genuinamente diferentes em unidades diferentes. Parte desse 0,136 é provavelmente seleção real.
Duas coisas se sustentam. Primeiro, a diferença entre 0,040 e 0,136 está nos mesmos dados, mesma empresa, mesmos avaliadores, mesmo ciclo — qualquer explicação tem de justificar por que ela se aplica à previsão e não ao histórico. Seleção real moveria ambos. Segundo, a direção é corroborada por uma literatura com identificação mais limpa, abaixo. Tratem 0,136 como um estímulo para medir a sua própria decomposição, não como o seu número.
O contexto move julgamentos de promoção mesmo com desempenho fixo
A verificação externa mais sólida vem de um desenho que fixa o que Kordsmeyer não podia fixar. Em um experimento conjoint de escolha forçada emparelhada no Reino Unido, 937 gestores avaliaram perfis nos quais a nota de desempenho foi explicitamente mantida constante, variando apenas o regime de trabalho (Kasperska, Matysiak & Cukrowska-Torzewska, PLOS ONE, 2024).
Trabalhadores híbridos sofreram penalidade de 7,7% na promoção e 7,1% no aumento salarial. Trabalhadores totalmente remotos sofreram 10,7% na promoção, 9,4% no salário e 6,6% na seleção para treinamento. O desempenho era idêntico por construção. A penalidade é inteiramente um julgamento sobre o contexto em que a pessoa trabalha.
O número mais útil desse estudo é o que anula o efeito: onde 80% ou mais da equipe trabalhava de casa, a penalidade desaparecia para todos os grupos. O julgamento nunca foi sobre o indivíduo. Foi sobre quão longe o indivíduo estava da norma local — que é precisamente o mecanismo capaz de produzir um termo de unidade grande em uma decomposição de variância.
São duas literaturas independentes apontando para a mesma coisa. Julgamentos prospectivos sobre pessoas absorvem as propriedades da unidade em que essas pessoas estão. Julgamentos retrospectivos de desempenho absorvem muito menos.
O que custa agir sobre o eixo contaminado
A consequência caríssima não é uma nota injusta. É uma decisão de contratação.
Um banco de sucessão que parece raso — porque metade das suas unidades avalia potencial de modo conservador — empurra a empresa para o mercado externo. O mercado externo cobra um prêmio exatamente por isso: a análise de Matthew Bidwell encontrou que contratados externos recebem 18–20% mais do que promovidos internamente em cargos comparáveis, obtêm avaliações de desempenho significativamente mais baixas por cerca de dois anos e saem em taxas mais altas (Knowledge at Wharton sobre Bidwell, Administrative Science Quarterly, 2011).
Esse prêmio é o preço de um déficit de informação. A ironia é que vocês já possuem a informação — ela está nos seus dados de avaliação — mas o eixo do potencial a codificou em escalas inconsistentes, então o banco se lê como vazio quando está apenas ilegível. E então vocês pagam 18–20% para comprar de fora um sinal menos certo.
O que mudar antes da próxima revisão de talentos
Cinco movimentos, nenhum dos quais exige substituir o instrumento de avaliação.
- Decomponham os seus dois eixos antes do fechamento do próximo ciclo. Calculem a variância por unidade em desempenho e em potencial separadamente. Vocês precisam de dois números, e a diferença entre eles é o diagnóstico. Se potencial carrega sensivelmente mais variância de unidade que desempenho, a sua lista de sucessão não é ordenável como está.
- Calibrem o eixo do potencial entre unidades, não dentro delas. A maioria das sessões de calibração reúne uma unidade e normaliza internamente — o que corrige a distribuição interna e preserva exatamente o desvio entre unidades. A calibração transversal no eixo do potencial é a única sessão que toca o 0,136.
- Definam readiness contra o cargo de destino, não contra a unidade atual. «Pronto em 12–24 meses» tem de significar pronto para uma posição nomeada com requisitos nomeados. Ancorar readiness ao cargo-alvo remove a classe de referência local que cria o efeito de unidade em primeiro lugar.
- Substituam a narrativa de potencial por evidência de competências. O eixo deriva porque gestores preveem a partir de impressão. Medição por competência e por ciclo contra um framework comum dá a cada unidade a mesma escala, e a calibração transversal passa a ser uma verificação de distribuição em vez de um debate. É o dado de entrada a partir do qual a camada de desempenho e sucessão da Scovai calcula a 9-box — medição determinística por competência contra um framework comum, com sinalizadores de distribuição para a sessão de calibração.
- Auditem a entrada, não só o resultado. Este estudo encontrou uma etapa de promoção limpa e uma etapa de atribuição de notas contaminada. Uma auditoria que amostrasse resultados de promoção por dado demográfico teria dado tudo em ordem nas duas. Acrescentem a variância na fase de notas ao que a sua função de people analytics revisa.
Notem o que o item 5 implica para o trabalho de equidade em particular. O efeito de gênero aqui foi f = 0,02 e não se propagou para as promoções. Gastar a hora de calibração nisso, enquanto o efeito de unidade no mesmo eixo corre a 0,136, é direcionar boas intenções para o número menor.
Uma decisão para este trimestre
Vocês não estão escolhendo se mantêm a 9-box. É um instrumento razoável e, neste estudo, o eixo de desempenho se comportou bem. Vocês estão escolhendo se continuam tratando os seus dois eixos como igualmente confiáveis quando os dados de 20.199 avaliações dizem que um deles carrega mais do que o triplo do ruído de unidade do outro.
Antes de a próxima revisão de talentos se reunir, rodem a decomposição de variância nas suas próprias notas de potencial e levem um número para a sala: quanto de «alto potencial» é explicado pela unidade do gestor a quem a pessoa se reporta. Se for grande, vocês ainda não têm uma lista de sucessão. Têm doze, em moedas diferentes, grampeadas juntas.