Una tarjeta de puntuación para tomar mejores decisiones al contratar

texto alt

Una tarjeta de puntuación es una herramienta que le ayudará a mejorar sus entrevistas y por lo tanto sus contrataciones.
Aquí le presentamos algunas ideas de cómo hacerlo.

TIEMPO DE LECTURA

texto alt

¿Cómo se calcula?

You must be logged into the site to download the file.

Las organizaciones gastan aproximadamente 70% de sus presupuestos operativos en gastos relacionados con la fuerza de trabajo, pero es inusual que midan el éxito de los gerentes de contratación en cuanto a su habilidad de seleccionar a los candidatos correctos. También es raro que los individuos se consideren a sí mismos como responsables de volverse mejores entrevistadores a lo largo del tiempo.

Sin embargo, al usar en la entrevista una tarjeta de puntuación cuantitativa para evaluar a los candidatos a un trabajo, y comparar las predicciones basadas en dicha entrevista con el subsecuente desempeño laboral, con el paso del tiempo es posible aumentar su tasa de éxitos en las entrevistas y los réditos respecto a la inversión de su organización en capital humano.

Comencemos evaluando por qué la mayoría de las compañías e individuos hacen inversiones no muy brillantes en capital humano, particularmente cuando usan entrevistas para evaluar a los candidatos. Las personas son prejuiciosas, emocionales e inconsistentes al entrevistar. Como resultado, la validez o el poder predictivo de una típica entrevista laboral sin estructura es de alrededor del 20%. Esto significa que sólo una de cada cinco entrevistas incrementa las probabilidades de que un candidato contratado sea exitoso.

Las asociaciones subconscientes e implícitas, o estereotipos, crean un campo de juego problemático y desequilibrado para quienes buscan trabajo. La solución, de acuerdo a algunos practicantes y académicos, consiste en hacer que las personas sean conscientes de sus sesgos, de forma que sean capaces de tomar determinaciones más objetivas respecto a la conveniencia de un candidato. Hacerles a todos los candidatos una serie estándar de buenas preguntas también puede elevar la precisión del proceso de contratación.

Sin embargo, cuando se trata de entrevistar, muchos de nosotros tenemos prejuicios que nos llevan a que ni siquiera nos demos cuenta de qué tan sesgados estamos.

Cuando un candidato resulta ser exitoso, muchas personas de la organización creen y proclaman que ellos descubrieron su talento desde el principio y, cuando un candidato no triunfa, de repente pareciera que fue contratado a pesar de amplias dudas. La memoria selectiva nos dificulta recordar correctamente nuestras impresiones de los candidatos al momento en que los entrevistamos, lo que a su vez nos dificulta aprender acerca de nuestros prejuicios y tener una evaluación correcta de qué tan hábiles somos como entrevistadores.

Usando el modelo de la teoría de detección, hay cuatro escenarios básicos para entrevistar y contratar. El primero es que un buen candidato sea contratado, lo que constituye un éxito. Si un buen candidato no es contratado, es un fallo. En el caso de que un “mal” candidato no sea contratado, se trata de un rechazo correcto y si un mal candidato es contratado, esto es un falso positivo.

Los entrevistadores tienden a preocuparse más tratando de evitar “falsos positivos,” ya que contratar un candidato que no funciona puede ser muy problemático. Es raro que un entrevistador se de cuenta acerca de un “fallo” -por ejemplo, un candidato que no fue contratado pero se volvió muy exitoso en algún otro lugar (un notable ejemplo de esto fue Jan Koum, quien no recibió una oferta de trabajo en Facebook y luego terminó vendiendo su empresa emergente, WhatsApp, a Facebook en $19 mil millones de dólares). Su tasa de éxito puede ser calculada a partir de la proporción de éxitos y rechazos correctos, en comparación con sus fallos y falsos positivos.

¿Cómo puede mejorar su tasa de éxitos en contrataciones? Una tarjeta de puntuación para las entrevistas puede ofrecer una base cuantitativa a partir de la cual comparar entre entrevistadores, permitiéndole a usted validar sus percepciones con sus colegas y aprender en dónde sus calificaciones pudieran estar fuera de la norma. Al correlacionar sus predicciones con el desempeño real de los candidatos en el trabajo, también puede obtener retroalimentación cuantitativa respecto a su precisión al evaluar diferentes criterios. Sólo desarrollando una conciencia de nuestros propios prejuicios al evaluar las entrevistas, es posible corregirlos.

Para crear una tarjeta de puntuación de entrevistas, escriba una clasificación con aproximadamente cinco criterios aplicables y después revisítelos periódicamente. Discuta y debata sus clasificaciones con los colegas, para evaluar y mejorar su precisiónindividual y colectiva. Usted pudiera descubrir que es bueno para evaluar habilidades técnicas, pero menos preciso en su evaluación de las habilidades de liderazgo, o que un colega es muy indulgente en algunos criterios y demasiado estricto en otros.

Esta técnica de validación es análoga a la inteligencia artificial, donde una red neural aprende a reconocer patrones con el tiempo, por ejemplo, para leer textos escritos a mano. Para que exista aprendizaje a lo largo de los repetidos intentos, debe haber retroalimentación en el sistema, ya sea que la computadora haga algún cálculo acerca de qué letra está representada y luego reciba retroalimentación respecto a si está correcta o no. Si no hay criterios para la corrección, se hace difícil e incluso imposible que la computadora aprenda cómo leer diferentes caligrafías. Análogamente, si usted no revisita su lectura predictiva respecto a los candidatos y la valida en comparación de su desempeño subsecuente, no será capaz de aprender cómo evaluar de mejor forma a los diferentes candidatos.

Cuando se usan apropiada y consistentemente, las tarjetas de puntuación para entrevistas ayudan a equilibrar el campo de juego de los candidatos, crean una base cuantitativa para la comparación y la validación y, con el paso del tiempo, le permiten a usted y a su organización tomar mejores decisiones al contratar.

Es raro que los individuos se consideren a sí mismos como responsables de volverse mejores entrevistadores a lo largo del tiempo.

Al correlacionar sus predicciones con el desempeño real de los candidatos, también puede obtener retroalimentación cuantitativa respecto a su precisión al evaluar diferentes criterios.

Sólo desarrollando una conciencia de nuestros propios prejuicios al evaluar las entrevistas, es posible corregirlos.

Es inusual que midan el éxito de los gerentes de contratación en cuanto a su habilidad de seleccionar a los candidatos correctos. Y es raro, también, que los individuos se consideren a sí mismos como responsables de volverse mejores entrevistadores a lo largo del tiempo.

Usar en la entrevista una tarjeta de puntuación cuantitativa para evaluar a los candidatos a un trabajo, y luego, comparar las predicciones basadas en dicha entrevista con el subsecuente desempeño laboral, permite tener un punto de referencia medible y elevar los éxitos.

Las personas son prejuiciosas, emocionales e inconsistentes al entrevistar. Como resultado, el poder predictivo de una típica entrevista laboral sin estructura es de alrededor del 20%. La solución consiste en hacer que las personas sean conscientes de sus sesgos, de forma que sean capaces de tomar determinaciones más objetivas.

Hay cuatro escenarios básicos para entrevistar y contratar:

  • Un buen candidato es contratado = éxito.
  • Un buen candidato no es contratado = fallo.
  • Un “mal” candidato no es contratado = rechazo correcto.
  • Un mal candidato es contratado = falso positivo.

Para la tarjeta de puntuación de entrevistas, se recomienda tener cinco criterios aplicables, una vez elaborados, revíselos periódicamente. Discuta, debata y valide sus clasificaciones con los colegas para aprender cómo evaluar de mejor forma a los diferentes candidatos.

Las tarjetas de puntuación para entrevistas ayudan a equilibrar el campo de juego de los candidatos, crean una base cuantitativa para la comparación y la validación.

© 2015Harvard Business School Publishing Corp.

De: hbr.org

Distribuido por: The New York Times Syndicate.

A Scorecard for Making Better Hiring Decisions

Organizations spend roughly 70% of their operating budgets on workforce expenses, but it’s unusual for them to measure the success of hiring managers in their ability to select the right candidates. It is also rare for individuals to hold themselves accountable for becoming better interviewers over time.

But by using a quantitative interview scorecard to evaluate job candidates, and by comparing interview-based predictions with subsequent performance on the job, it’s possible to boost your interview hit rate and your organization’s return on human capital investment over time.

Let’s start by evaluating why most companies and individuals make less-than-stellar investments in human capital, particularly when using interviews to evaluate candidates. People are biased, emotional and inconsistent when interviewing, and as a result, the validity or predictive power of a typical unstructured job interview is around 20%. This means that only 1 in 5 interviews increases the baseline odds that a hired candidate will be successful.

Unconscious, implicit associations, or stereotypes, create a problematic, nonlevel playing field for job seekers. The solution, according to some academics and practitioners, is to make people aware of their biases so that they are able to make more objective determinations about job applicant suitability. Asking all candidates a standard set of good interview questions can also boost the accuracy of the hiring process.

However, when it comes to interviewing, many of us have biases that cause us to not even realize how biased we are. When a candidate ends up being successful, many people in the organization believe and claim that they spotted her or his talent early on. And when a candidate does not succeed, suddenly it seems that the candidate was hired despite widespread doubts. Selective memory makes it hard for us to accurately recall our impressions of candidates at the time we interviewed them, which in turn makes it hard for us to learn about our biases and to have an accurate assessment of how skilled we are as interviewers.

Using the model of detection theory, there are four basic scenarios for interviewing and hiring. The first is that a good candidate is hired, constituting a hit. If the good candidate is not hired, this is a miss. In the event that a “bad” candidate is not hired, this is a correct rejection, and if a bad candidate is hired, this is a false positive.

Interviewers tend to be most concerned with trying to avoid “false positives,” as hiring a candidate who doesn’t work out can be highly problematic. It’s rare that an interviewer ever finds out about a “miss”- for instance, a candidate who was not hired but became very successful somewhere else (a notable example of this being Jan Koum, who did not get a job offer at Facebook and then ended up selling his startup WhatsApp to Facebook for $19 billion). Your hit rate can be calculated by the ratio of your hits and correct rejections to your misses and false positives.

How can you improve your hiring hit rate? An interview scorecard can provide a quantitative basis for comparison between interviewers, enabling you to validate your perceptions with your colleagues and learn where your ratings may be outside of the norm. By correlating your predictions with candidates’ actual performance on the job, you can also get quantitative feedback about your accuracy at assessing different criteria. Only by developing awareness of our own evaluative interview biases is it possible to correct them.

To create an interview scorecard, write down ratings along five or so applicable criteria, and then periodically revisit them. Discuss and debate your candidate ratings with colleagues in order to assess and improve your individual and collective accuracy. You might learn that you are good at assessing technical ability, but less accurate in your evaluation of leadership skills. Or that a colleague is too lenient on some criteria and too stringent on others.

This validation technique is analogous to artificial intelligence in which a neural network learns pattern recognition over time, for example, to read handwriting. For learning to occur over repeated trials, there has to be feedback in the system, wherein the computer makes a guess about what letter is represented and then gets feedback about whether it is right or wrong. If there are no criteria for correctness, it makes it difficult if not impossible for the computer to learn how to read different handwriting. Analogously, if you don’t revisit your predictive read on candidates and validate it against their subsequent performance, you won’t be able to learn how to better evaluate different candidates.

When used properly and consistently, interview scorecards help level the playing field for candidates, create a quantitative basis for comparison and validation, and enable you and your organization to make better hiring decisions over time.

¿Qué te ha parecido?

Si encontró algún error gramatical en este artículo, por favor notifíquelo a nuestros editores seleccionando el texto y presionando:“Ctrl + Enter”.

print