Diferencias Individuales y Selección
Big Five, inteligencia general y validez predictiva: qué se puede saber de alguien antes de contratarlo, y con cuánto margen de error.
Cincuenta y tres contrataciones al año, a ojo
Ritmo pierde el 38% de su plantilla cada año: 53 personas que hay que reponer, a un coste de 4.200 € cada una entre selección, formación y los meses de rendimiento bajo. Son 222.600 € anuales que no aparecen en ninguna línea de la cuenta de resultados. Y el proceso con el que se decide quién entra es, en los nueve centros, exactamente el mismo: una conversación de veinte minutos con el encargado, sin guion, y una decisión que en su propia estimación toma "en los tres primeros minutos".
Esa frase, dicha con orgullo, describe el método de selección con peor evidencia que existe. No porque los encargados sean malos jueces: porque la entrevista libre es un instrumento con propiedades psicométricas malas y una capacidad extraordinaria para generar confianza en quien la usa. Dana, Dawes y Peterson lo demostraron de una manera brutal en 2013: sus sujetos predecían peor las notas de un estudiante tras entrevistarlo que solo con su expediente. E incluso entrevistas con respuestas aleatorias generaban la sensación de haber conocido a la persona.
Este módulo va de lo que sí se puede predecir. La respuesta honesta es: menos de lo que promete la industria de la selección y mucho más de lo que se consigue con el método de Ritmo. Y va también de por qué el test de personalidad más usado en las empresas del mundo no debería usarse para esto.
📋 Guía docente del módulo
Objetivos
- Comprender el modelo de los cinco grandes factores de personalidad y su base empírica léxica y factorial.
- Definir la inteligencia general (g) y el manifold positivo, y situar su papel en la predicción del desempeño.
- Manejar los conceptos psicométricos de fiabilidad, validez de constructo, validez predictiva y validez incremental.
- Interpretar las estimaciones metaanalíticas de validez de los métodos de selección y su revisión reciente.
- Identificar los sesgos del evaluador (halo, contraste, similitud, primera impresión) y las técnicas que los reducen.
Resultados de aprendizaje
- RA1. Traducir un coeficiente de validez a varianza explicada y a consecuencias prácticas sobre un número dado de contrataciones.
- RA2. Diseñar una entrevista estructurada con preguntas conductuales y rúbrica de puntuación anclada.
- RA3. Justificar por qué un instrumento con baja fiabilidad no puede tener alta validez predictiva.
- RA4. Estimar la proporción de aciertos de un proceso de selección dados validez, ratio de selección y tasa base.
- RA5. Argumentar de forma fundamentada por qué el MBTI no es un instrumento adecuado para decisiones de personal.
Bibliografía de referencia
- Sackett, P. R., Zhang, C., Berry, C. M. y Lievens, F.: "Revisiting meta-analytic estimates of validity in personnel selection", Journal of Applied Psychology, 2022. La corrección de las estimaciones clásicas por sobrecorrección de restricción de rango.
- Schmidt, F. L. y Hunter, J. E.: "The validity and utility of selection methods in personnel psychology", Psychological Bulletin, 1998. El metaanálisis clásico; imprescindible leerlo junto con la revisión anterior.
- Barrick, M. R. y Mount, M. K.: "The Big Five personality dimensions and job performance", Personnel Psychology, 1991. El estudio que consolidó la responsabilidad como predictor general.
- Highhouse, S.: "Stubborn reliance on intuition and subjectivity in employee selection", Industrial and Organizational Psychology, 2008. Por qué los profesionales rechazan los métodos que funcionan.
- Pittenger, D. J.: "Cautionary comments regarding the Myers-Briggs Type Indicator", Consulting Psychology Journal, 2005. La revisión de las propiedades psicométricas del MBTI.
Carga de trabajo estimada
| Actividad | Horas |
|---|---|
| Lectura y estudio del material | 6 |
| Experimentación con el simulador | 2 |
| Ejercicios (resueltos y por cuenta propia) | 4 |
| Evaluación (quiz de módulo y repaso) | 2 |
| Total | 14 |
Los cinco grandes
La estructura de la personalidad que hoy tiene consenso no salió de una teoría, sino de un procedimiento: la hipótesis léxica. Si una diferencia individual importa socialmente, los idiomas acaban teniendo palabras para ella. Se recogieron miles de adjetivos, se pidió a mucha gente que se describiera y se factorizaron las respuestas. En estudio tras estudio, y en idiomas y culturas distintas, salían cinco factores. De ahí el nombre.
| Factor | Polo alto | Polo bajo | Qué predice mejor |
|---|---|---|---|
| Apertura | Curioso, poco convencional | Práctico, convencional | Creatividad, aprendizaje de cosas nuevas |
| Responsabilidad | Organizado, persistente | Espontáneo, flexible | Desempeño en casi cualquier puesto |
| Extraversión | Sociable, activo | Reservado, tranquilo | Puestos comerciales y de liderazgo |
| Amabilidad | Cooperativo, confiado | Competitivo, escéptico | Trabajo en equipo y atención al cliente |
| Estabilidad emocional | Sereno bajo presión | Reactivo, se preocupa | Tolerancia al estrés, desempeño general |
Tres propiedades del modelo que cambian cómo hay que usarlo. Primero: son dimensiones continuas, no tipos. Casi todo el mundo está en el medio de casi todo, y hablar de "los extravertidos" como categoría es un error de medida. Segundo: son razonablemente estables en la adultez, aunque no inmóviles: hay un patrón de maduración bien documentado por el que la responsabilidad y la amabilidad suben con la edad. Tercero: predicen conducta agregada a lo largo del tiempo, no actos concretos. Saber que un candidato puntúa alto en responsabilidad no dice si llegará tarde el martes; dice algo sobre su tasa de retrasos en un año.
Y el que no está: el MBTI
El instrumento de personalidad más usado en las empresas del mundo tiene problemas serios y bien documentados. Uno: convierte dimensiones continuas en dicotomías cortando por la mitad, lo que descarta información y hace que dos personas casi idénticas reciban etiquetas opuestas. Dos: su fiabilidad test-retest es baja. Una proporción considerable de personas obtiene un tipo distinto al repetirlo con semanas de diferencia, y un instrumento que no da el mismo resultado dos veces no puede predecir nada, porque la fiabilidad pone el techo a la validez. Tres: no ha demostrado validez predictiva sobre el desempeño laboral, que es exactamente para lo que se usa. Cuatro: su atractivo se explica en buena parte por el efecto Barnum. Descripciones lo bastante generales y halagadoras como para que cualquiera se reconozca en ellas.
Con matiz justo: como dinámica de equipo para abrir una conversación sobre diferencias de estilo, es inofensivo y a la gente le gusta. Como base para decidir a quién se contrata, a quién se asciende o quién encaja en un equipo, no está justificado. La diferencia entre esos dos usos es la diferencia entre un juego y una decisión sobre la vida laboral de alguien.
Inteligencia general: el constructo incómodo
Spearman observó en 1904 algo que se ha repetido desde entonces en miles de muestras: cuando se administran pruebas cognitivas muy distintas —vocabulario, series numéricas, rotación mental, memoria— las puntuaciones correlacionan positivamente entre sí. A ese hecho se le llama manifold positivo, y al factor común que se extrae de él, g o inteligencia general.
Conviene ser preciso sobre qué es y qué no es. Es una regularidad estadística extraordinariamente replicada y uno de los mejores predictores individuales de rendimiento académico y laboral, especialmente en puestos complejos. No es una medida del valor de una persona, ni algo fijo e inmutable —hay efectos de escolarización y el efecto Flynn de subida generacional de puntuaciones—, ni algo que capture la mayor parte de lo que hace bueno a un trabajador. Y las pruebas cognitivas presentan impacto adverso sobre algunos grupos, lo que plantea problemas legales y éticos reales que no se resuelven ignorándolos.
La corrección de 2022, que casi nadie ha incorporado
Durante veinticinco años, la referencia obligada fue el metaanálisis de Schmidt y Hunter (1998), que situaba la validez de las pruebas de capacidad cognitiva en torno a 0,51 y la convirtió en "el mejor predictor del desempeño laboral". Esa cifra está en todos los manuales y en todas las presentaciones de consultoría.
En 2022, Sackett, Zhang, Berry y Lievens publicaron una revisión que cambió el cuadro. Su argumento es técnico y contundente: las correcciones por restricción de rango que se aplicaban —el ajuste por el hecho de que en una empresa solo se observa a los que fueron contratados— estaban sistemáticamente infladas, porque se usaban artefactos de corrección que no correspondían a los estudios concretos. Al rehacer las estimaciones con criterios más conservadores, la validez de las pruebas cognitivas baja a alrededor de 0,31, y la entrevista estructurada pasa a encabezar la tabla con aproximadamente 0,42.
| Método | Validez aproximada (estimación revisada) | Nota |
|---|---|---|
| Entrevista estructurada | ~0,42 | El mejor predictor individual, y además barato |
| Prueba de conocimientos del puesto | ~0,40 | Solo sirve si el conocimiento se exige ya de entrada |
| Muestra de trabajo | ~0,33 | Alta aceptación por los candidatos |
| Capacidad cognitiva general | ~0,31 | Antes 0,51; ojo al impacto adverso |
| Pruebas de integridad | ~0,31 | Predicen conductas contraproducentes |
| Responsabilidad (Big Five) | ~0,19 | Modesta pero incremental sobre las anteriores |
| Entrevista no estructurada | ~0,19 | La que usa Ritmo en sus nueve centros |
| Años de experiencia | ~0,18 | De los pocos que Sackett no revisó a la baja; aun así, un 3% de varianza |
Dos lecturas de esta tabla. La primera es humildad: la mejor validez disponible, 0,42, elevada al cuadrado es un 18% de varianza explicada. Nadie puede predecir a quién está contratando con precisión; se puede mejorar la apuesta, no acertarla. Y hay un matiz que la tabla esconde: el 0,42 es una media, y su intervalo de credibilidad del 80% va de 0,18 a 0,66. Es decir, "entrevista estructurada" no es un método, es una familia de métodos que se hacen mejor o peor; el número que te llevas depende de cuánto estructures de verdad. La segunda es que la mejora disponible para Ritmo es enorme y gratis: pasar de 0,19 a 0,42 no requiere comprar ningún test, solo escribir las preguntas antes y puntuar con una rúbrica.
Un concepto que evita el error de comprar de todo: la validez incremental. Dos métodos que miden lo mismo no suman. Añadir una segunda entrevista libre a la primera no aporta nada; añadir una muestra de trabajo a una entrevista estructurada sí, porque captan cosas distintas. La combinación de dos o tres métodos complementarios es lo que mejor funciona, y a partir de ahí los rendimientos decrecen rápido.
Simulador: qué compra la validez
Arranca en el proceso actual de Ritmo: entrevista libre (validez 0,19), 4 candidatos por plaza y una tasa base del 50% de contrataciones que funcionan. Sube la validez a 0,42 —lo que cuesta escribir un guion— y mira la proporción de aciertos. Después baja la ratio de selección: verás que ser más exigente multiplica el valor de tener un método bueno, y que con un método malo da casi igual cuánta gente se presente.
Modelo juguete, con avisos. Es una aproximación de las tablas de Taylor-Russell: supone que la puntuación del método y el desempeño posterior siguen una normal bivariante con correlación r, y cuenta qué proporción de los que superan el corte queda por encima del umbral de éxito. La nube de puntos es una simulación con semilla fija, así que no salta al mover los mandos. Los supuestos son fuertes —normalidad, un solo criterio de éxito, corte estricto por puntuación— y la realidad tiene candidatos que rechazan la oferta y desempeños que no se dejan reducir a un número. Sirve para ver dos cosas ciertas: que la validez importa mucho más cuando puedes permitirte ser selectivo, y que ninguna validez realista te da un proceso sin errores.
Por qué la entrevista libre falla, y qué hacer
La entrevista sin guion tiene todas las papeletas para salir mal, y merece la pena enumerarlas porque cada una tiene su antídoto.
- Efecto halo. Una impresión global positiva contamina la valoración de todas las dimensiones. Si el candidato cae bien, se le puntúa alto también en organización, aunque no haya ninguna evidencia sobre eso.
- Primera impresión y confirmación. La decisión se forma en los primeros minutos y el resto de la entrevista se dedica, sin mala fe, a buscar información que la confirme. Las preguntas se vuelven distintas según lo que se quiera encontrar.
- Efecto de contraste. El candidato se juzga contra el anterior, no contra el puesto. Un candidato mediano después de tres malos parece bueno.
- Similitud. Se puntúa mejor a quien se parece a uno en trayectoria, aficiones o forma de hablar. Es la vía principal por la que un proceso informal reproduce la plantilla que ya se tiene.
- Preguntas distintas a cada uno. Sin guion, cada candidato responde a un examen diferente, con lo cual las puntuaciones no son comparables, que es la definición de un instrumento sin fiabilidad.
- Y la peor: la confianza aumenta. Dana, Dawes y Peterson (2013) encontraron que los entrevistadores se sentían mejor informados incluso cuando las respuestas eran aleatorias. La entrevista libre no solo predice poco: produce la sensación de haber predicho bien, que es lo que hace tan difícil abandonarla. Highhouse (2008) documentó esta resistencia entre profesionales de recursos humanos que conocían la evidencia.
La entrevista estructurada: cuatro reglas
No hace falta comprar nada. Estructurar significa exactamente cuatro cosas:
- Las mismas preguntas, en el mismo orden, a todos los candidatos, definidas a partir de un análisis del puesto.
- Preguntas conductuales ("cuéntame la última vez que un socio te montó un escándalo en recepción: qué hiciste exactamente") o situacionales ("qué harías si..."). Nunca preguntas de opinión sobre uno mismo, que solo miden capacidad de venderse.
- Rúbrica anclada: escrita antes, con ejemplos de qué respuesta merece un 1, un 3 y un 5. Sin rúbrica, la puntuación es una impresión con número.
- Puntuar pregunta a pregunta, y en solitario antes de reunirse. Si dos entrevistadores comentan sobre la marcha, sus juicios dejan de ser independientes y se pierde la mitad de la ventaja de tener dos.
Esa última regla merece énfasis por lo que se vio en Decisiones: promediar juicios independientes cancela buena parte del ruido; promediar juicios que se han contaminado entre sí, no. Es el mismo principio que hace que una reunión donde el jefe habla primero produzca peores decisiones que una donde todos escriben su valoración antes de entrar.
✍️ Ejercicios resueltos
Ejercicio 1. Rehacer la selección de monitores. Ritmo contrata 53 personas al año con entrevista libre (validez ≈ 0,19). Recibe unas 4 candidaturas por plaza y estima que el 50% de sus contrataciones "funcionan". Una mala contratación cuesta 4.200 €. Calcula qué ganaría estructurando la entrevista y añadiendo una muestra de trabajo, y valora el coste del cambio.
Ver solución paso a paso
Paso 1: Situación actual. Con validez 0,19, ratio de selección del 25% (4 candidatos por plaza) y tasa base del 50%, la proporción de aciertos entre los contratados sube muy poco por encima del 50%: en las tablas de Taylor-Russell queda alrededor del 60%. De 53 contrataciones, unas 21 fallan. Coste: 21 × 4.200 = 88.200 € al año, dentro de los 222.600 € totales de rotación.
Paso 2: Solo estructurando. Pasar de entrevista libre a estructurada lleva la validez de 0,19 a en torno a 0,42. Con la misma ratio de selección y la misma tasa base, la proporción de aciertos sube a aproximadamente el 72%. Fallos: 53 × 0,28 = 15, seis menos. Ahorro: 6,3 × 4.200 = 26.500 € al año.
Paso 3. Añadiendo muestra de trabajo. Una muestra de trabajo (validez ≈ 0,33) mide algo distinto de la entrevista, así que aporta validez incremental; una combinación razonable de ambas se sitúa en torno a 0,50. Los aciertos suben a alrededor del 76%: unos 13 fallos, 8,6 menos que ahora. Ahorro: 36.100 € al año. Y en este puesto la muestra es trivial de montar: que el candidato dé quince minutos de clase real, o atienda una queja simulada en el mostrador.
Paso 4. El coste del cambio. Redactar el guion y la rúbrica: un día de trabajo de una persona de oficina, unos 150 €. Formar a los 9 encargados en usarlo: media jornada, unos 400 €. La entrevista estructurada dura lo mismo que la libre; la muestra de trabajo añade veinte minutos por candidato finalista, unas 70 horas al año en total repartidas entre nueve centros. Coste total del primer año: por debajo de 3.000 € siendo generosos, frente a un ahorro de 36.100 €.
Paso 5, Y la palanca que nadie mira: la ratio de selección. Todo lo anterior supone 4 candidatos por plaza. Si Ritmo consiguiera 8 —mejorando el anuncio, pagando algo por encima del convenio, o simplemente adelantando el proceso al final del curso, cuando hay más gente buscando— la ratio pasa del 25% al 12,5% y, con validez 0,50, los aciertos superan el 82%. La conclusión es importante y contraintuitiva: un buen método de selección solo rinde si hay entre quién elegir. Con un solo candidato por plaza, la validez del método es literalmente irrelevante, porque no hay decisión que tomar. Muchas empresas invierten en el instrumento y no en llenar el embudo, y es el orden equivocado.
La lección de gestión: lo más rentable en selección casi nunca es comprar un test. Es escribir las preguntas antes, puntuar con una rúbrica y conseguir más candidatos. Las tres cosas son gratis o casi, y las tres van contra el instinto del que lleva veinte años fiándose de su ojo.
Ejercicio 2. "El MBTI dice que Paula no es líder". Un consultor propone a Nuria hacer el MBTI a los 9 encargados para decidir ascensos y reorganizar equipos, por 3.400 €. Paula, la encargada de Benimaclet, sale INFP y el consultor sugiere que "no encaja en un rol de dirección". Responde de forma técnica y propón la alternativa.
Ver solución paso a paso
Paso 1. El problema de fiabilidad, que ya lo cierra. Un instrumento no puede predecir mejor de lo que se mide a sí mismo: la fiabilidad pone el techo a la validez. El MBTI presenta una fiabilidad test-retest baja, con una proporción sustancial de personas cambiando de tipo al repetirlo semanas después. Si Paula pudiera salir ENFP en marzo, cualquier decisión tomada sobre su INFP de enero es una decisión tomada sobre ruido.
Paso 2. El problema de la dicotomía. Las puntuaciones subyacentes se distribuyen de forma continua y aproximadamente normal, con la mayoría de la gente en el centro. Cortar por la mitad convierte a dos personas casi idénticas en tipos opuestos, y a dos personas muy distintas del mismo lado en el mismo tipo. Es una pérdida de información deliberada y no recuperable.
Paso 3: El problema de la validez predictiva. No hay evidencia de que el tipo prediga desempeño laboral ni eficacia directiva. Y si se quisiera predecir "capacidad de liderar", el módulo de Liderazgo muestra que los correlatos disposicionales conocidos son extraversión y estabilidad emocional, con correlaciones modestas, no una tipología de cuatro letras.
Paso 4. Por qué a todo el mundo le encanta igualmente. Por el efecto Barnum: los perfiles están redactados con rasgos generales y favorables en los que casi cualquiera se reconoce, y ninguno dice nada desagradable. Eso genera una sensación de precisión que es lo que se está comprando por 3.400 €. Es un juicio sobre el instrumento, no sobre la buena fe de quien lo vende.
Paso 5. La alternativa, con el mismo dinero. Si la pregunta real es "¿a quién ascendemos?", lo que tiene evidencia es otra cosa: (a) definir por escrito qué hace un encargado que funciona en Ritmo, con conductas observables; (b) evaluar a los candidatos contra eso con una entrevista estructurada de promoción y una muestra de trabajo directiva —presentar un plan real para su centro, resolver un conflicto simulado de cuadrante—; (c) si se quiere un instrumento estandarizado, usar uno de cinco factores con propiedades psicométricas publicadas, sabiendo que aporta poco y que aporta algo, en vez de uno sin ellas; y (d) mirar los datos que Ritmo ya tiene sobre el desempeño de Paula: la rotación de su centro, la asistencia de sus socios, la ocupación de sus clases. Cuesta cero y tiene más validez que cualquier test.
La lección de gestión: ante cualquier instrumento de evaluación de personas, tres preguntas por orden: ¿da el mismo resultado si lo repito?; ¿predice algo que me importe, y con qué correlación?; ¿lo hace mejor que la información que ya tengo? Si las tres no tienen respuesta con números publicados, lo que se está comprando es una conversación agradable.
Quiz. Diferencias Individuales y Selección
12 preguntas. Se supera con 70% o más.
Se cruza con
Este módulo se entiende mejor —o se vuelve otra cosa— junto a este otro. Cruzar dos disciplinas abre cosas que ninguna de las dos abre por su cuenta.
- Recursos Humanos y Liderazgo · Máster de NegociosAquí está la validez predictiva de cada método de selección; allí lo que cuesta equivocarse y qué se hace con la persona una vez dentro.