Cómo utilizar la economía del comportamiento para alcanzar un lugar de trabajo más equitativo

Somos prejuiciosos. Vamos por el mundo clasificando rápida, emocional y a menudo automáticamente a las personas basándonos  en factores como el género, la raza y la condición socioeconómica. A la hora de contratar empleados, estos factores pueden generar no solo decisiones injustas que penalizan a candidatos de mérito, sino grupos de empleados más homogéneos y menos creativos y productivos.

A medida que nos acercamos a la celebración del Día Internacional de la Mujer el 8 de marzo, vale la pena considerar cómo estos prejuicios y sesgos afectan a las mujeres y a los lugares de trabajo. En el índice S&P 500, únicamente el 4,8% de las mujeres son directoras ejecutivas y solo el 11% pertenecen al grupo de más altos ingresos. En América Latina y el Caribe, el panorama es igualmente desalentador. Solo el 17% de los altos cargos directivos de las corporaciones de la región están ocupados por mujeres, mientras que el 48% de todas las empresas de América Latina carecen de cualquier representación femenina a nivel directivo. 

El problema no es solo que algunas empresas prefieren inconscientemente a candidatos hombres que a candidatas mujeres, sino que, las expectativas y los estereotipos que tenemos sobre los hombres en comparación con las mujeres (p. ej., racional vs. emocional, individualista vs. colaborador) juegan un papel muy importante. Dado que históricamente los hombres han dominado el lugar de trabajo en la mayoría de los campos e industrias, el perfil del candidato preferido suele lucir y comportarse más como un hombre que como una mujer. De hecho, estudios han demostrado que los prejuicios nos llevan a esperar que las mujeres se desempeñen mejor en empleos que se consideran “femeninos”, como la enfermería, y los hombres en empleos que se consideran “masculinos”, como la ingeniería.

Eso puede traducirse en menos nuevas ideas y perspectivas, incluso en cargos directivos, y en menos operaciones dinámicas e innovadoras. Por ejemplo, un estudio publicado el año pasado por McKinsey & Company, que cubrió más de 1000 empresas de todo el mundo, descubrió que las compañías en el primer cuartil de diversidad de género en equipos ejecutivos tenían 21% más probabilidades de ser más rentables y más probabilidades de creación de valor.

¿Qué se puede hacer entonces para acabar con esos sesgos tan perjudiciales? Establecer cuotas de género y ofrecer capacitaciones en diversidad son dos posibles opciones. Pero, la primera suele ser políticamente inaceptable y la última es extremadamente cara y aparentemente ineficaz. Sin embargo, existe otro enfoque que resulta muy prometedor. Tiene que ver con las observaciones de la economía del comportamiento.

1. Entienda sus prejuicios

¿Alguna vez se ha sometido a una prueba de sesgos implícitos para descubrir sus prejuicios? Si no lo ha hecho, empiece por identificarlos. Pero no basta solo con saber cuáles son. Más que intentar librarse de los sesgos de cada persona en su organización, expertos como Shelley Correll, directora del Instituto Clayman para la investigación sobre cuestiones de género de la Universidad de Stanford, han recomendado usar un enfoque más sistemático que implique reestructurar sus procesos organizativos y de contratación.

2. Revise sus descripciones de empleo

Examine sus ofertas de trabajo y experimente con la redacción, eliminando adjetivos estrechamente relacionados con un género en particular. Por ejemplo, algunos estudios demuestran que el lenguaje masculino, incluidos adjetivos como competitivo y determinado, se traduce en que las mujeres perciben que no son lo suficientemente competentes, y puede llegar a disuadirlas de aplicar al puesto de trabajo. Por otro lado, palabras como colaborativo y cooperativo tienden a atraer más a las mujeres que a los hombres.

3. Utilice procesos de contratación ‘a ciegas’ en la revisión de curriculums y, si es posible, en las entrevistas

Utilice procesos sistemáticos ‘a ciegas’ para revisar solicitudes y curriculums, para evitar que la información demográfica sesgue los resultados. Existen programas de software especiales muy útiles.

Un buen ejemplo de cómo el proceso a ciegas puede ayudar a mejorar la diversidad proviene del mundo de la música, donde se utilizan biombos para ocultar la identidad de los músicos que presentan audiciones en orquestas. Esto se ha traducido en un mayor número de mujeres en los escalones más altos de la música clásica. De hecho, después de la introducción de dichos biombos en Estados Unidos a finales de la década de 1970, la representación femenina en las principales orquestas aumentó del 5% a más del 30% en la actualidad, y cerca de la mitad de dicho aumento se debió a los biombos, según un estudio de Harvard.

4. Realice pruebas con tareas del trabajo

Realice pruebas para evaluar si los candidatos pueden llevar a cabo las tareas que realizarán en el trabajo. Según los expertos, dichas pruebas pueden ser el mejor indicador del futuro desempeño laboral. Funcionan mucho mejor que los curriculums tradicionales, los cuales suelen descartar candidatos por factores ajenos a su habilidad para llevar a cabo el trabajo.

5. Estandarice las entrevistas

Realice entrevistas estructuradas que estandaricen el proceso entre los candidatos. Formule la misma serie de preguntas en el mismo orden a todos los candidatos. Esto elimina (cierta) subjetividad. Estudios demuestran que las entrevistas sin estructura, con preguntas no definidas, en las que la experiencia y los conocimientos de los candidatos están destinados a desarrollarse orgánicamente a través de la conversación suelen fallar a la hora de predecir el éxito profesional. De hecho, las entrevistas no estructuradas son el peor instrumento para predecir el desempeño profesional real, siendo mucho menos fiables que las pruebas de habilidad mental, de aptitud, o de personalidad.

Califique al candidato inmediatamente después de la entrevista. Esto reducirá muchos sesgos relacionados con la forma en que los seres humanos almacenamos la información y recordamos los detalles.

6. Utilice procedimientos de evaluación conjunta

Evalúe a los candidatos de manera simultánea y compárelos sistemáticamente.Existe diferencia si los candidatos son comparados entre sí o son evaluados por separado. La evaluación conjunta reduce la brecha de géneros, principalmente en contrataciones de alto nivel y en promociones donde las evaluaciones cualitativas están impregnadas con estereotipos de los evaluadores.

Un estudio de Harvard reveló que, en una evaluación individual, el personal contratando siempre prefirió contratar hombres antes que mujeres igual o mejor calificadas para un trabajo de matemáticas basándose en la percepción de que las mujeres no son tan buenas para las matemáticas. El efecto contrario fue observado en la contratación de mujeres para un trabajo de aptitud verbal. Pero cuando el experimento se realizó de nuevo utilizando procedimientos de evaluación conjunta, donde los candidatos hombres y mujeres fueron comparados directamente entre sí, la brecha entre los géneros prácticamente desapareció.

Inteligencia Artificial

En los últimos años, los departamentos de recursos humanos han recurrido cada vez más a la inteligencia artificial para ayudar a mejorar los procesos de contratación. Pero la manera en que se programa la inteligencia artificial, utilizando datos históricos, puede reproducir los mismos sesgos, como recientemente lo descubrió Amazon,que tuvo que desechar un programa prueba de contratación automatizado. Eso sucede porque en campos tradicionalmente dominados por hombres, un algoritmo que utiliza datos históricos se autoenseñará a preferir los curriculums de los hombres a los de las mujeres.

Solo el futuro dirá si tales programas pueden llegar a ser más eficaces y neutrales en materia de género. Entretanto, las observaciones básicas del comportamiento para eliminar los sesgos pueden servir para hacer que la contratación sea más equitativa e imparcial y, en el proceso, pueden mejorar el rendimiento de los empleadores que inevitablemente se benefician de contar con una fuerza laboral más diversa.