Estudio de caso: ¿Debería un algoritmo decirte a quién promocionar?

Resumen.

En este caso ficticio, un vicepresidente de marketing y ventas de la división de limpieza de una empresa global de productos de consumo está luchando por tomar una decisión de promoción. Tiene dos fuertes candidatos internos. Una es gerente de marca de su equipo con el que ha trabajado estrechamente durante los últimos años. La otra es una estrella en ascenso de otra división que fue recomendada por el nuevo programa de análisis de personas de la compañía. Ambos parecen igualmente calificados, aunque la vicepresidenta conoce mucho mejor a un candidato y por lo tanto le preocupa que pueda estar sesgada, en parte porque la candidata también es mujer. Con la decisión que se avecina, ella tiene que decidir si confiar en su intuición o en el algoritmo de la firma.

Aliyah Jones tenía problemas para prestar atención a los brindis de despedida. Aunque estaba triste al ver ir a su colega de mucho tiempo Anne Bank, estaba más consumida con tratar de averiguar quién debería reemplazarla.

Como vicepresidente de ventas y marketing de Becker-Birnbaum International, una empresa global de productos de consumo, Aliyah sabía que necesitaba un talentoso director de marketing para respaldar la cartera de 34 productos de su división. Después de trabajar con RRHH para reducir la lista de candidatos, tuvo dos finalistas, ambas internas: Molly Ashworth, gerente de marca en su equipo en la división de limpieza, y Ed Yu, una estrella en ascenso de la división de belleza de BBI.

A Aliyah le gustaba Molly y respetaba su trabajo. Dos años antes, Molly había encabezado un nuevo servicio de suscripción para productos de limpieza BBI, que había mostrado un fuerte crecimiento en los últimos dos trimestres. A los clientes les encantaba la conveniencia y los equipos de I+D, marketing y ejecutivos se habían entusiasmado con el servicio como plataforma para probar nuevas ofertas. Después de haber sido mentora de Molly a través del lanzamiento y el lanzamiento del servicio, Aliyah estaba íntimamente familiarizada con las fortalezas y debilidades de su protegida y estaba segura de que estaba lista para el siguiente desafío.

Pero poco después de que se publicara el puesto, Christine Jenkins, vicepresidente corporativo de RRHH, había llegado a Aliyah con el currículum de Ed. Al igual que Molly, Ed se había unido a BBI al salir de la escuela de negocios y había sido aprovechado rápidamente como un alto potencial. También tuvo su propia historia de éxito de BBI: como gerente de marca en el grupo de belleza, había revivido su línea de productos de desmaquillado FreshFace, de 20 años, aumentando las ventas en un 60% en tres años. Quizá más importante para Christine, lo habían recomendado como un 96% de coincidencia para el trabajo¹ por el nuevo sistema de análisis de personas de RRHH, que ella había defendido.

NOTAS DEL AULA DE ESTUDIO DE CASO1 Las empresas utilizan algoritmos en las decisiones relacionadas con las personas por muchas razones, como la coherencia, la reducción del sesgo, el lanzamiento de una red más amplia y la eficiencia. ¿En qué se diferencian las recomendaciones de un algoritmo de las de un gerente de contratación que no utiliza el análisis de datos?

(Molly había coincidido en un 83%). El objetivo de la iniciativa era ampliar el uso del análisis de datos a los recursos humanos, para informar las decisiones de contratación, ascenso y compensación.² Aliyah se alegró de ver a dos personas con información privilegiada en disputa —ella misma había subido de rango—, pero eso dificultó la decisión.

2¿El uso de algoritmos para cualquier tipo de análisis de personas viola la privacidad de los empleados? Las nuevas leyes, en particular, el Reglamento General de Protección de Datos (RGPD) de la UE, establecen límites a la información que los empleadores pueden y no pueden recopilar y cómo se debe notificar a los empleados.

Mientras el COO brindis por Anne, Aliyah consideró sus entrevistas con Ed y Molly.

Reunión con Ed Yu

«Siento llegar tan tarde», dijo Ed, un poco desconsolado. «Mi conductor de Uber insistió en que conocía un atajo de Heathrow, pero se equivocó».

Aliyah no pudo evitar hacer una comparación inmediata con Molly,³ que siempre estaba estable y tranquila, pero trató de mantener la mente abierta.

3 Investigación muestra que los gerentes de contratación suelen formarse opiniones sobre la personalidad y la competencia de un candidato en los primeros 30 segundos de una entrevista.

«No hay problema», dijo. «¿Empezamos?»

«Absolutamente», dijo Ed con entusiasmo.

«¿Qué te interesa del trabajo?»

Ed explicó que, si bien estaba orgulloso del crecimiento que FreshFace había visto bajo su liderazgo, estaba listo para un nuevo desafío. Había disfrutado profundizando en un producto, pero sentía que sus habilidades eran más adecuadas para un puesto que le permitiría trabajar en todos los programas y dirigir una cartera más grande.

Respuesta clara y nítida, Pensó Aliyah. «¿Qué has aprendido en belleza que se aplicaría en la limpieza?» preguntó ella.

Era una pregunta importante. El equipo principal de BBI había dirigido a las divisiones para que compartieran más prácticas recomendadas y mejoraran la colaboración. De hecho, su jefe quería que trabajara más estrechamente con sus compañeros en otras divisiones.

Ed explicó cómo pensaba que el enfoque de su división para la investigación de clientes en el campo, al que atribuía el aumento de las ventas de FreshFace, podría funcionar en la limpieza. Asociarse con antropólogos era algo de lo que el equipo de Aliyah había hablado pero aún no lo había probado.

También preguntó sobre el nuevo programa de suscripción, haciendo referencia a un reciente libro blanco sobre las tendencias en los modelos de negocio de suscripción. Claramente había hecho sus deberes, era inteligente y ambicioso, conocía bien el negocio de BBI y parecía ansioso por aprender. Pero sus respuestas e incluso sus preguntas parecían un poco rígidas. Aliyah no sintió el dinamismo o la mentalidad emprendedora que sabía que tenía Molly. Quizá esté nervioso. pensó. O tal vez eso es lo que es.

Aliyah no dudaba que Ed pudiera hacer el trabajo. Pero no se sentía entusiasmada por contratarlo.

«Entrevista» de Molly

Preparar la entrevista de Molly para el mismo día que la de Ed había parecido una gran idea cuando ella se lo había sugerido a Christine, y dado el horario del mediodía, había sido natural reunirse en su lugar habitual para comer cerca de la oficina. Pero tan pronto como Aliyah entró en el café, se dio cuenta de lo injustos que eran estos seguidos para Ed.⁴

4 Los gerentes tienden a contratar a personas similares a ellos mismos, según muestran los estudios. Por ejemplo, Lauren Rivera, profesora de Kellogg School of Management, descubrió que los gerentes prefieren a los reclutas que tienen el mayor potencial para hacerse amigos, incluso a los que están más calificados. ¿Debería preocuparse Aliyah de que está eligiendo a Molly porque le gusta?

Era imposible no abrazar a Molly hola y pedirle una actualización rápida sobre sus proyectos y su familia. Incluso pidieron lo mismo: ensalada de huevo al curry. Pero tan pronto como la camarera se fue, Molly se puso manos a la cabeza: «Sé que enviamos correos electrónicos 10 veces al día, pero me gustaría tratar esto como una entrevista formal».

Aliyah sonrió. «Por supuesto».

Como Christine le había aconsejado que hiciera, hizo preguntas que eran iguales o similares a las que le había hecho a Ed.⁵

5 Las entrevistas no estructuradas son el método predeterminado para la mayoría de los gerentes de contratación, pero numerosos estudios han encontrado que son predecidores deficientes del desempeño real en el trabajo.

«Dime por qué estás interesada en este trabajo», empezó. Fue incómodo. Aliyah ya sabía la respuesta, pero para crédito de Molly, procedió como si no fueran colegas cercanos. Con cada respuesta, demostró un profundo conocimiento del negocio y tenía buenas ideas para colaborar entre programas y desarrollar el éxito del programa de suscripción. Era tan pulida y reflexiva como Ed, pero también parecía más cálida y más consciente de sí misma.

Lo dejé fuera del parque, Pensó Aliyah, mientras regresaban a la oficina. Al mirar la sonrisa en el rostro de Molly, Aliyah sabía que su protegida se sentía segura de que lo había hecho bien.

El algoritmo

Al día siguiente de la fiesta de despedida de Anne, Aliyah se reunió con Christine y Brad Bibson, un científico de datos del equipo de análisis de personas.

«Sé que te inclinabas por Molly después de que informamos sobre las entrevistas», dijo Christine, «pero queríamos compartir más datos».

Brad entregó dos diagramas coloridos. «Estos son análisis de red del correo electrónico y el historial de reuniones de Molly y Ed en BBI. Con su permiso y sin mirar el contenido de sus correos electrónicos o calendarios, analizamos con quién habían estado en contacto⁶ en toda la empresa durante los últimos seis meses».

6 Los análisis de red pueden revelar patrones que de otro modo resultarían difíciles de ver; por ejemplo, identificando qué empleados son los más importantes para los flujos informales de información.

De los diagramas se desprendía claramente que Ed estaba conectado no solo con sus colegas de la división de belleza, sino también con personas clave en otros grupos. La red de Molly se centraba principalmente en productos de limpieza.

«No sabía que estábamos haciendo este tipo de análisis», dijo Aliyah.

«Acabamos de empezar a analizar las redes», dijo Brad, «y creemos que pueden revelar información útil».

«Sé que un gráfico no va a perjudicar tu decisión», dijo Christine, «pero es mejor tener los datos, ¿verdad? No lanzarías un nuevo producto ni una nueva campaña sin datos. Las decisiones de RRHH deben abordarse de la misma manera». Fue un discurso que Christine había hecho innumerables veces mientras se perdía la nueva iniciativa. «Confiamos en que las decisiones que se toman con nuestros algoritmos son razonadas, sólidas y menos sesgadas por los sentimientos personales hacia los empleados», dijo.

Aliyah se volvió hacia Brad. «¿Supongo que estás de acuerdo?»

«Por supuesto», dijo, observando la reacción de Christine. «Pero como científico de datos, también fomento un escepticismo saludable. Nuestro algoritmo es totalmente nuevo. Hasta el momento lo hemos usado para fundamentar tres decisiones de promoción, pero es demasiado pronto para saber cómo les va a esas personas. No quiero dar la impresión de que estamos 100% seguros».⁷

7 Los estudios han revelado un fenómeno llamado «aversión al algoritmo». Incluso cuando las predicciones basadas en datos producen una tasa de éxito más alta que las previsiones humanas intuitivas, la gente suele preferir confiar en estas últimas. Y si aprenden que un algoritmo es imperfecto, simplemente no lo usarán. ¿En qué condiciones basaría su decisión en el análisis de datos?

Christine parecía molesta. «Agradezco tu cautela, Brad, pero los gerentes de contratación nos han dicho que el tipo de recomendaciones que proporciona el algoritmo está cambiando su forma de pensar sobre los puestos y los candidatos. Y llevamos meses probando el sistema».

Aliyah suspiró. «Confiaría más en el algoritmo si lo entendiera mejor». Sabía que no estaba sola en su vacilación:⁸ El equipo de Christine había recibido muchas preguntas sobre la metodología, a pesar de las sesiones de formación en toda la empresa.

8 Junto con los gerentes, muchos solicitantes se muestran escépticos con respecto a los algoritmos, según Pew. La mayoría de los estadounidenses (76%) dice que no querría solicitar empleos que utilizan un programa informático para tomar decisiones de contratación.

«Me encantaría hablar más sobre cómo funciona el algoritmo», respondió Christine, «pero ahora mismo deberías centrarte en los dos candidatos. El objetivo del sistema no es reemplazar tu juicio. El objetivo es sacar a la superficie a personas cualificadas que de otro modo no conocerías para que puedas tomar una decisión más informada».

«También te ayudará a tomar una decisión menos sesgada», dijo Brad, «confiando más en los datos y menos en el instinto».

Aliyah se preguntó si Brad pensaba que estaba favoreciendo injustamente a Molly. Ella misma se preocupó por eso y se preocupó profundamente por tomar una decisión objetiva. ¿Confiar en el nuevo sistema la ayudaría a hacer eso?

«Pero el algoritmo tampoco es completamente neutral, ¿verdad?» dijo ella. «Todavía confías en la información (revisiones de rendimiento, currículums) que es posible que haya sesgado en él».⁹

9 La científica de datos Cathy O'Neil advierte en su libro Armas de destrucción matemática que aunque los algoritmos son bastante fáciles de crear utilizando datos históricos y pueden mejorar la eficiencia de la toma de decisiones, la gente suele confiar en ellos sin comprender los sesgos que pueden estar propagando.

«Un punto justo», concedió Christine, «y hemos trabajado duro para controlarlo. Pero como empresa basada en datos, tenemos que ampliar nuestro enfoque a la parte más importante de nuestro negocio: las personas».¹⁰

10¿En qué se diferencia el uso de algoritmos para analizar a los clientes del uso de los mismos en los empleados? ¿Deberían las empresas ser más cautelosas a la hora de implementar estas metodologías internamente?

«Parece que estás presionando a Ed para este puesto», dijo Aliyah.

«Recuerda, tengo que tener una visión más amplia», dijo Christine. «Realizamos un análisis para mostrar qué potenciales están en riesgo de abandonar BBI, y Ed estaba cerca del primer lugar de la lista. No es probable que haya una apertura en productos de belleza y queremos mantenerlo».

«Pero, ¿qué pasa con Molly?» Dijo Aliyah. «Estará devastada si no consigue este trabajo, y estoy seguro de que empezará a buscar también».

«Nuestro análisis no la marcó como un riesgo de fuga», dijo Brad. «Pero podrías tener razón».

Tiempo de decisión

Una semana después, Aliyah no estaba más cerca de tomar una decisión. Había estado evitando a Molly y había puesto los análisis de Brad en un cajón. Ed estaba claramente calificado, y la había impresionado. Pero ella sabía intuitivamente que Molly estaba lista para el trabajo.

¿Prefirió a Molly por su estrecha relación? ¿Molly se quedaría en BBI aunque la pasaran por alto?

Aliyah necesitaba tomar una decisión. ¿Debería confiar en el algoritmo o en sus instintos?

Pregunta: ¿Debería Aliyah contratar a Molly o a Ed? Los expertos responden

Prasad Setty es el director de análisis de personas de Google.

Como entusiasta y practicante de la analítica de personas durante muchos años, creo que es mejor aplicarla como complemento y no como sustituto del juicio humano. Por ejemplo, se podría utilizar un algoritmo para ampliar el conjunto de candidatos que un director de contratación podría considerar para un puesto. En el caso de BBI, el sistema de análisis de personas parece haber hecho un buen trabajo al dar a conocer a Ed, un candidato inesperado.

Sin embargo, si el algoritmo va a tomar la decisión de promoción en nombre de Aliyah, la carga de la prueba es muy alta. El historial de tres decisiones de BBI no es suficiente, en mi opinión, para demostrar la fiabilidad del sistema. Cuando se trata de contratación y ascensos, es especialmente importante poder explicar por qué se hace una elección en particular. Aliyah tiene razón al querer más claridad sobre la metodología del sistema. Necesita saber no solo qué candidato recomienda el algoritmo, sino sobre qué base.

Entonces, ¿qué sugiero que haga Aliyah? Debe definir exactamente lo que está tratando de lograr para desempeñar el papel, algo que el algoritmo probablemente no sepa, y basar su decisión en eso. Si el éxito de Aliyah significa incorporar a un talentoso director de marketing lo antes posible y hacer que esa persona opere a la mayor velocidad de inmediato, entonces Molly parece ser la mejor opción. Si Aliyah está más interesada en aumentar la colaboración con otras partes de la empresa, entonces Ed, que tiene una red más amplia de relaciones, parece ser la opción más inteligente. En cualquier caso, es importante que Aliyah sea dueña de la decisión y sea capaz de articular por qué tomó una decisión en particular.

Si el algoritmo va a tomar la decisión, la carga de la prueba es muy alta.

En un mundo ideal, BBI se esforzaría por tomar decisiones de contratación objetivas e imparciales estableciendo un protocolo de entrevista estructurado y un proceso de evaluación, predeterminando criterios y definiendo cómo serían las habilidades deficientes, mediocres y excelentes de los candidatos. La empresa anunciaría todos los roles para atraer a un amplio grupo de solicitantes. Varias personas realizarían la evaluación y las personas que tomarían la decisión final no serían las mismas personas que evaluaron a los candidatos. La analítica podría utilizarse para establecer estos protocolos, recomendar candidatos potenciales y hacer un seguimiento del impacto de las decisiones en el desempeño en el trabajo. Eso no es lo que ha pasado en este caso: Aliyah ahora tiene que seleccionar a uno de los candidatos en función del proceso existente de BBI, la información que tiene y cuáles son sus objetivos.

En Google, nuestros gestores no toman decisiones de contratación y ascenso de forma unilateral. Todos los puestos vacantes se hacen públicos dentro de la organización y cualquier persona puede postularse libremente. Utilizamos comités independientes para evaluar a los solicitantes utilizando una rúbrica estructurada que detalla lo que se necesita para tener éxito en el trabajo. Analizamos los resultados de estos procesos (por ejemplo, si las personas prosperan en sus nuevos roles) para asegurarnos de que tomamos decisiones de alta calidad en el personal.

Cuando creamos el grupo de análisis de personas de Google, nuestro objetivo era para tomar decisiones de todas las personas basadas en datos y análisis. En la década transcurrida desde entonces, hemos visto algunos de los límites de la decisión de recursos humanos basada en datos. Nuestro objetivo ahora es dotar a los líderes de datos y contexto para que se sientan más seguros en sus elecciones, pero no menoscabar su papel en el proceso. Hoy, el mantra de nuestro equipo es para ayudar a todas las personas a tomar decisiones basadas en datos y análisis.

Patty McCord es el ex director de talentos de Netflix y asesor de start-ups y emprendedores.

Aliyah debería confiar sus instintos, no el algoritmo. Sólo ella sabe lo que realmente necesita de un director de marketing, y está claro que Molly lo tiene.

Antes de dejar Netflix, muchas empresas de análisis de datos me prometieron ayudarnos a tomar mejores decisiones sobre las personas utilizando sus algoritmos, pero no veía el retorno de la inversión. En ese momento, empleamos a unos cuantos miles de personas, y la crema ya estaba subiendo a la cima, por lo que era difícil imaginar cómo un algoritmo mejoraría significativamente nuestras decisiones. BBI es una empresa mucho más grande, por lo que es posible que la IA pueda ser más útil en ese contexto. Pero por ahora, la decisión debe ser de Aliyah.

Por supuesto, necesita seguir las mejores prácticas para los gerentes de contratación y considerar al equipo como un todo en su análisis. ¿Cuál es su composición actual y cómo encajará el director recién ascendido? ¿Qué resultados esperaría ver Aliyah en seis meses o un año para demostrar que la división está funcionando bien? Y con el apoyo adecuado, ¿qué candidato tiene más probabilidades de lograr esos resultados?

Aliyah también tiene razón al cuestionar su propio prejuicio hacia una mujer que considera protegida y con la que ha trabajado estrechamente durante varios años. Los gerentes de contratación suelen decir: «Estoy buscando a alguien que sea inteligente, sólido en sus pies y listo para asumir el puesto», y da la casualidad de que la persona que más les gusta se parece a ellos. Esto no siempre es un sesgo exagerado. A menudo se trata de no querer arriesgarse.

Christine dice que el algoritmo es imparcial, pero no podemos estar seguros de que tenga razón.

Aunque no veo ninguna evidencia de que Aliyah esté favoreciendo a Molly porque es mujer, creo que el género debería ser una consideración en este caso. Las investigaciones han demostrado en repetidas ocasiones que las mujeres no son ascendidas al mismo ritmo que los hombres. A lo largo de mi carrera en RRHH, he visto a hombres considerar candidatas femeninas, pero en cambio contratan a un hombre, diciéndome: «Sé que está calificada, pero estoy buscando a alguien que esté listo para dar un paso adelante y no quiero tenerla en la trama para que fracase». Por supuesto, no puedes estar preparado para ganar si nadie te da la oportunidad de fracasar. Me preocupa que si Molly no tiene esta oportunidad, podría no tener otra.

Christine promociona su algoritmo como imparcial, pero sin más información sobre la metodología y los criterios que utiliza, no podemos estar seguros de que tenga razón. De hecho, sospecho especialmente de los datos de red que Brad trajo a la reunión. ¿Podría ser que Ed esté más conectado, que lo inviten a más reuniones, en contacto con más personas, porque es un hombre y se le han dado más oportunidades de brillar? Si fuera Aliyah, preguntaría cómo son esos mapas de red para hombres y mujeres de toda la empresa.

Admito que si los roles de género se invirtieran en este caso, con un gerente de contratación masculino favoreciendo a un candidato masculino que conocía bien sobre una mujer recomendada por un algoritmo, mi consejo probablemente sería diferente. En este caso, el algoritmo ha hecho su trabajo recomendando a un hombre inesperado. Pero si Aliyah ha realizado un análisis justo —dejando a un lado conscientemente sus ideas preconcebidas y considerando objetivamente quién es el mejor para el trabajo— y sigue prefiriendo a Molly, debería confiar en su instinto y promocionarla.

Los estudios de casos ficticios de HBR presentan problemas a los que se enfrentan los líderes de empresas reales y ofrecen soluciones de expertos. Este se basa en el estudio de caso de HBS «Susan Cassidy en Bertram Gilman International» ( caso núm. 417053), de Jeffrey T. Polzer y Michael Norris.— Escrito por Jeffrey T. Polzer