Usa algoritmos para decidir a quién contratar o ascender de puesto

Los algoritmos son una ayuda importante para los gerentes que buscan tomar decisiones sobre contrataciones y ascensos. 

Te sugerimos: Las instituciones financieras con más quejas en 2016

La cuestión es cómo sacarles el mayor provecho. ¿Qué reglas deberían ser usadas para seleccionar al candidato que tenga mayor probabilidad de tener éxito?

Ofrecemos cinco principios para usar algoritmos en la selección de personal: 

- Correcta. Los algoritmos son inflexibles al seguir el objetivo que usted les dé; optimizarán con ese fin y nada más. 

Esto significa que usted necesita aclarar cómo define el éxito. A menudo la métrica correcta será una combinación de características. 

Por ejemplo, un gerente que contrate a un representante de ventas podría desear equilibrar la probabilidad de ventas de un prospecto, su tasa de cierres proyectada y su impacto en las relaciones con los clientes.

- Recolecte las variables correctas. Organizaciones y solicitantes por igual a menudo usan estimaciones para determinar qué características de un currículo importan más (¿calificaciones en la universidad? ¿puesto anterior? ¿otros intereses?). 

Los algoritmos eficaces requieren de la intuición humana, la experimentación y la repetición para decidir qué medir para ayudar a predecir la métrica de desempeño que le importa a usted.

- Reúna muchos puntos de datos. Dé seguimiento al desempeño de los empleados y mantenga registros de los datos de su solicitud. Los algoritmos usarán estos puntos de datos para ayudar a guiar contrataciones futuras. 

Te puede interesar: La llegada de Trump no será tan grave y esta es la razón que lo sustenta

Pero los algoritmos también están hambrientos de datos: entre más puntos de datos tenga, mejor será la predicción. La escala aporta una ventaja competitiva aquí. Las compañías con más empleados pueden aprender más.

- Compare manzanas con manzanas. Un error común cuando se mide el desempeño anterior es pasar por alto las diferencias en la dificultad de las tareas asignadas a diferentes empleados. 

Por ejemplo, si el mejor vendedor se dedicó a los clientes más difíciles, podría tener las tasas de cierre más bajas. La métrica de desempeño correcta debería ajustarse a la tarea.

*Oren Danieli es candidato a doctorado en el programa de economía empresarial en la Escuela de Negocios de Harvard. Andrew Hillis es estudiante de doctorado en economía empresarial, un programa conjunto del departamento de economía y la escuela de negocios de Harvard. 

*Michael Luca es profesor asistente de administración de empresas en la Escuela de Negocios de Harvard.

kgb