Investigación: Las métricas de desempeño objetivo no son suficientes para superar el sesgo de género
Imagine que está eligiendo entre dos fondos mutuos similares, uno administrado por Marcus y el otro por Tanya. Sin información diferenciadora adicional, no hay ninguna razón obvia para tener una fuerte preferencia por uno sobre el otro.
Sin embargo, en varios contextos, como espíritu empresarial y contratación, las personas suelen mostrar preferencia por los hombres sobre las mujeres cuando la información sobre la calidad de una persona (por ejemplo, su rendimiento esperado) no está disponible o no está clara. Incluso cuando se disponga de información sobre el rendimiento, investigación basada en laboratorio ha demostrado que las mujeres siguen estando desfavorecidas, en comparación con los hombres de igual calidad. Este doble rasero significa que las mujeres deben superar a los hombres para ser evaluadas de manera similar.
Pero, ¿qué tan generalizado es este problema, exactamente? Queríamos probar hasta qué punto los dobles raseros basados en el género están presentes en un contexto competitivo, donde los evaluadores tienen acceso a información objetiva sobre el desempeño y están motivados para evaluar a los candidatos basándose únicamente en la calidad. En este investigación, estudiamos a profesionales de inversión que se puede argumentar desincentivados a incorporar género, o cualquier característica no ligada directamente a la calidad, en sus evaluaciones de oportunidades de inversión. Como nos dijo un experto de la industria: «Estoy en el negocio de ganar dinero, no me importa quién seas, siempre y cuando puedas ayudarme en ese objetivo».
Recopilamos datos de una plataforma privada de intercambio de conocimientos en línea donde los profesionales de inversión del lado buy-side (fondos de cobertura, fondos mutuos) (analistas, gestores de carteras) comparten sus recomendaciones de inversión para comprar y vender una determinada seguridad, junto con el análisis que apoya su posición, con otros miembros de este plataforma. Se analizaron 3.520 recomendaciones por 1,550 recomendadores de recomendaciones de compra y venta corta para acciones cotizadas en bolsa de Estados Unidos durante un período de seis años (2008 a 2013).
En la plataforma, los miembros evalúan las recomendaciones en dos etapas. En la primera etapa, la «etapa de atención», ven recomendaciones y hacen clic en aquellas sobre las que quieren aprender más. Sólo ven una cantidad limitada de información en esta etapa: la acción recomendada, la posición (comprar frente a corto), el rendimiento en el mercado de la recomendación, el nombre del recomendador y el nombre del empleador del recomendador. Si desean acceder al análisis detallado que admite la recomendación, hacen clic en. En esta segunda etapa, la «etapa de retroalimentación», ven el análisis de las recomendaciones en las que hicieron clic. Aquí, pueden calificar anónimamente, en una escala de cinco estrellas, la calidad y el rendimiento futuro de la recomendación y dejar comentarios públicamente.
El sexo del profesional de inversión que recomienda una acción no se indica explícitamente durante ninguna de las etapas del proceso de evaluación. La única manera de inferir si una recomendación fue presentada por un hombre o una mujer es a partir de su nombre de pila. Como nos dijo un profesional de inversiones: «Cuando veo un nombre como Mary, sobresale porque hay tan pocas [mujeres] en esta industria». Para paralelamente a esta inferencia de género, utilizamos un algoritmo desarrollado por IBM — el IBM InfoSphere Global Name Management Tool — para anotar el nombre de cada profesional de inversión, para determinar la probabilidad de que un miembro determinado de nuestra muestra fuera femenino. Hemos sido capaces de reunir el género autodivulgado para aproximadamente la mitad de nuestra muestra, ya que algunos miembros sí revelaron su género. (Si lo hicieron, es visible en su perfil, aunque no aparece junto con sus recomendaciones).
Dado el representación insuficiente general de la mujer entre los profesionales de la inversión, especialmente en los fondos de cobertura, no era sorprendente que solo alrededor del 4,2% de las recomendaciones fueran presentadas por una persona con un nombre más probable que se asociara con una mujer que con un hombre. No se encontraron diferencias de género notables en el desempeño o en los antecedentes de los inversores (aunque los miembros de nuestra muestra con nombres más femeninos tenían más probabilidades de haber asistido a una universidad de pregrado mejor clasificada).
Primero examinamos si el número de clics que recibió una recomendación durante nuestro estudio se correlacionaba con el sexo inferido del recomendador. Se controlaron las características observables, siendo la más importante el rendimiento de la recomendación, que calculamos como el retorno de la recomendación en relación con el S&P 500, centrándose en la semana siguiente a la presentación de una recomendación. Encontramos que una recomendación presentada por alguien con un nombre muy femenino, como «Mary», recibió aproximadamente un 25% menos de clics en general que una recomendación enviada por alguien con un nombre muy masculino, como «Matthew». Además, encontramos que esta penalización era mayor cuando los evaluadores se enfrentaban a altos costos de búsqueda (en otras palabras, cuando tenían recomendaciones más recientes para elegir).
Lo más sorprendente es que esta diferencia se mantuvo incluso cuando excluimos a las mujeres de la muestra. Centrando nuestra muestra en aquellos miembros que auto-revelaron su género como hombres, descubrimos que los hombres con nombres más femeninos, como «Kelly», recibían menos clics. Esto ayuda a abordar una explicación alternativa importante de que las características (reales o imaginarias) asociadas con el género, como la personalidad, podrían estar impulsando nuestros resultados. Debido a que los profesionales de inversión con nombres más propensos a ser considerados mujeres no difieren en términos de desempeño y otras características observables, nuestro análisis proporciona evidencia sólida de que los evaluadores están incorporando género en sus evaluaciones.
Nuestros resultados también demostraron que las mujeres tuvieron que superar sustancialmente al profesional medio de inversión para recibir la misma atención que sus homólogos masculinos. Esta diferencia de género desapareció solo para las recomendaciones de mayor rendimiento (10% superior), donde el género ya no predijo la probabilidad de que se hiciera clic en una recomendación.
Sin embargo, hay una línea de plata: En nuestra muestra, las mujeres no fueron penalizadas en la segunda etapa del proceso de evaluación. No se encontró diferencia de género en las calificaciones o el número de recomendaciones recibidas. Así, mientras que las recomendaciones de individuos con nombres más femeninos recibieron menos clics, posteriormente fueron evaluadas de manera similar a las de los hombres. Esto es consistente con investigaciones anteriores que han demostrado que las personas muestran una mayor dependencia de señales de estado, como género, cuando hay mayor incertidumbre sobre la calidad. Cuando los evaluadores tenían más información sobre una recomendación (a partir del análisis detallado), había menos incertidumbre sobre la calidad, y era menos probable que mostraran cualquier preferencia relacionada con el género.
A menudo se considera que el rendimiento es el máximo ecualizador, sirviendo como el eje de los sistemas meritocráticos. Nuestros resultados muestran que la mera disponibilidad de información sobre el desempeño es insuficiente para eliminar el sesgo de género, incluso en un contexto en el que los encargados de adoptar decisiones tienen una mentalidad extremadamente centrada en el desempeño. Más bien, nuestro estudio muestra que es sólo cuando los evaluadores tienen acceso a información más completa con la que basar sus evaluaciones que se reduce el sesgo contra las mujeres. Esto sugiere que cuando las mujeres —y probablemente otros grupos subrepresentados también— están siendo evaluadas, como por ejemplo para un puesto de trabajo, pueden beneficiarse de presentar más información sobre su experiencia y desempeño, a fin de minimizar la ambigüedad acerca de su calidad.
Además, nuestra investigación sugiere que mientras que las intervenciones de política, como ofrecer oportunidades a las mujeres y las minorías en la gestión de las inversiones, ayudar a corregir la distribución sesgada de la fuerza de trabajo, las mujeres todavía pueden hacer frente a evaluaciones injustas una vez que se encuentran sobre el terreno.
Hay algunas consideraciones que los líderes organizacionales deben tener en cuenta. Por ejemplo, nuestros resultados sugieren que los costos de búsqueda en las evaluaciones (teniendo muchas opciones que considerar) intensifican el sesgo de género. Por lo tanto, se debe encomendar a los administradores la tarea de evaluar subconjuntos más pequeños de un grupo de candidatos más grande. Al limitar el número de opciones, los evaluadores son más capaces de dedicar más tiempo a cada candidato, reduciendo así la probabilidad de que el sesgo se filtre. En los casos en que esto sea difícil, las organizaciones pueden redactar información de identificación de género sobre los candidatos, como su nombre. La eficacia de este enfoque es limitada, ya que otra información sobre un candidato puede indicar el género, como una movilidad profesional más lenta para una candidata.
Finalmente, nuestros resultados sugieren que ofrecer información más pertinente a los evaluadores debería ayudar a disminuir el sesgo de género en el proceso de evaluación. La plataforma en estudio es un gran ejemplo de permitir el acceso abierto a cualquier persona de una industria para presentar sus habilidades. Las organizaciones podrían incorporar internamente plataformas digitales similares que permitan a los empleados exhibir sus habilidades de manera más amplia.
— Tristan L. Botelho Mabel Abraham Via HBR.org
