How to Measure Anything aplicado a talento
El aporte más fértil de How to Measure Anything no es prometer una cifra para todo. Es obligarnos a precisar qué incertidumbre queremos reducir antes de empezar a recopilar datos.
Douglas W. Hubbard escribió How to Measure Anything contra una frase común en las organizaciones: esto es importante, pero intangible; por tanto, no puede medirse. Su respuesta es provocadora. Si algo afecta una decisión, casi siempre existe alguna observación capaz de reducir, aunque sea modestamente, la incertidumbre que tenemos sobre ello.
La presentación editorial de Wiley (se abre en una nueva pestaña) resume el propósito del libro como ayudar a quienes deciden a informarse mejor y asumir menos riesgo. Leído desde talento, el libro no ofrece un modelo de evaluación de personas. Ofrece algo previo: una disciplina para formular mejor los problemas de medición.
Medir no significa encontrar una respuesta final
Hubbard define la medición como observaciones que reducen incertidumbre expresada cuantitativamente. El cambio parece pequeño, pero altera la expectativa. Medir no exige eliminar toda duda ni capturar por completo un concepto. Exige terminar sabiendo algo más de lo que sabíamos antes.
En talento, esta idea ayuda a abandonar preguntas desmesuradas como cuál es el potencial real de esta persona. Tal formulación mezcla horizonte, rol, contexto, motivación, aprendizaje y oportunidad. Difícilmente una cifra única pueda resolverla.
Una pregunta medible sería más acotada: ¿qué tan inciertos estamos sobre su capacidad para tomar decisiones autónomas en un rol con mayor alcance durante los próximos seis meses? La formulación todavía requiere definiciones y evidencia, pero ya vincula la medición con una decisión y un periodo.
Este es uno de los méritos del libro: antes de buscar datos, obliga a examinar la pregunta.
La clarificación hace parte de la medición
El recorrido de Hubbard dedica atención a aclarar el problema. Pregunta qué significa exactamente el concepto, qué decisión depende de él, qué resultados importan y qué observaciones cambiarían nuestra posición.
Aplicado a capacidades, decir pensamiento estratégico no basta. Habría que identificar sus manifestaciones relevantes para el rol: reconocer dependencias, trabajar con horizontes distintos, comparar escenarios, anticipar efectos secundarios o explicar los supuestos de una decisión. No todas esas manifestaciones tienen que estar presentes ni pesar igual. Su pertinencia depende del trabajo.
La medición comienza cuando el concepto deja de funcionar como una etiqueta y empieza a producir condiciones observables. Esa traducción no es neutral: define qué contará como evidencia y qué quedará fuera.
Descomponer reduce la sensación de intangibilidad
Otra idea recurrente del libro es la descomposición. Los problemas que parecen imposibles de medir suelen contener variables más pequeñas que sí pueden observarse o estimarse.
Una organización que pregunta si está preparada para ejecutar una estrategia puede separar la inquietud en roles críticos, capacidades requeridas, cobertura actual, dependencia de pocas personas, tiempo de desarrollo y posibilidades de movilidad o contratación. Ninguna variable responde por sí sola a la pregunta original. Juntas permiten localizar dónde está la incertidumbre que realmente afecta la decisión.
La descomposición también evita medir lo que es fácil solo porque está disponible. Contar cursos completados es sencillo. Estimar si las personas aplican una capacidad con mayor autonomía es más exigente, pero puede estar mucho más cerca de la decisión que importa.
No toda incertidumbre merece el mismo esfuerzo
Aquí aparece una de las ideas más útiles y menos intuitivas del libro: el valor de la información. Si una observación adicional no tiene posibilidades razonables de cambiar una decisión, medirla puede costar más de lo que aporta.
Una explicación publicada por INFORMS (se abre en una nueva pestaña) destaca que calcular el valor esperado de información ayuda a concentrar recursos en los datos adicionales más útiles. El principio cambia la conversación sobre dashboards de talento. La pregunta deja de ser cuántos indicadores podríamos añadir y pasa a ser cuál incertidumbre podría cambiar una decisión relevante.
Esto también pone un límite. No todas las diferencias requieren más precisión. Si dos posibles resultados conducen a la misma acción de desarrollo, recopilar más evidencia puede no tener valor inmediato. Si, en cambio, una decisión de sucesión depende de una brecha incierta y difícil de revertir, observar mejor puede ser crucial.
Los expertos también deben calibrar su incertidumbre
Decisión Qué elección necesita mejor información.
Incertidumbre Qué todavía no se sabe con suficiente confianza.
Hubbard no descarta el juicio humano. Busca hacerlo explícito y calibrado. El libro propone entrenar estimaciones probabilísticas para que quienes evalúan reconozcan su propio exceso de confianza y expresen rangos en lugar de certezas artificiales.
En evaluación de talento, trasladar esta idea requiere cuidado. No convierte una opinión en evidencia por asignarle un porcentaje. Sí recuerda que quien evalúa debería distinguir entre lo observado, lo inferido y el grado de confianza de su conclusión.
Una afirmación como no está listo presenta un cierre que quizá la evidencia no permite. Decir existe evidencia consistente de desempeño bajo la expectativa en dos contextos, pero falta observarlo bajo mayor presión ofrece una conclusión más útil. No porque suene prudente, sino porque identifica qué se sabe y qué observación falta.
Lo que el libro no resuelve
La fortaleza de How to Measure Anything también puede convertirse en una lectura excesiva. Reducir incertidumbre cuantitativamente no decide qué deberíamos valorar, qué consecuencias son justas ni quién tiene legitimidad para definir una expectativa. Tampoco corrige por sí solo un objeto mal construido o una evaluación con acceso desigual a oportunidades de demostrar capacidad.
Las personas modifican su conducta frente a las métricas, los contextos cambian y una capacidad no siempre se observa de manera directa. Se observan decisiones, resultados, procedimientos y explicaciones situadas. Aplicar el libro a talento exige sumar validez, equidad, interpretabilidad y gobernanza.
Mi lectura es que Hubbard resulta más valioso antes del dashboard que dentro de él. Obliga a preguntar qué decisión intentamos mejorar, qué incertidumbre la limita y cuál es la observación mínima que podría enseñarnos algo. Solo después tiene sentido discutir escalas, instrumentos o visualizaciones.
Ese orden no vuelve simple la medición de talento. La vuelve menos ceremonial.
Sigue explorando
Cómo mantener una arquitectura sin convertirla en un proyecto permanente
Antes de mantener una arquitectura, hay que distinguir la señal registrable, el cambio pequeño con dueño y la decisión estructural que merece revisión deliberada.
Quién puede ver qué: acceso, privacidad y propósito en datos de talento
¿Quién necesita ver un dato de talento, con qué detalle y durante cuánto tiempo? La respuesta nace de la tarea autorizada, no del rango jerárquico.
Cómo saber si una iniciativa skills-first genera valor después del piloto
Para decidir qué hacer después del piloto, examine las decisiones que cambiaron, los resultados que siguieron y el costo de sostener el mecanismo. Participación y cobertura aún no demuestran valor.
Cuánto tiempo sigue vigente una evaluación de skills
Aunque una evaluación antigua puede seguir orientando desarrollo, quizá resulte insuficiente para asignar una responsabilidad crítica. La fecha no decide sola su vigencia.
Sorting Things Out: toda taxonomía describe y también decide
El libro Sorting Things Out examina cómo categorías y estándares organizan el mundo mientras distribuyen visibilidad, trabajo y consecuencias. Leerlo desde una arquitectura de skills amplía la pregunta hacia las decisiones que una taxonomía hace posibles.
Qué puede inferir una IA sobre una skill y qué no debería inferir
¿Qué puede afirmar una IA sobre una skill a partir de rastros digitales? Entre dato, señal, inferencia y decisión existen saltos que necesitan control.