En 2010, tres investigadores italianos ganaron el Premio Ig Nobel de Gestión por un resultado curioso: según su modelo informático, a una organización podía irle mejor si ascendía a sus empleados al azar. Nueve años después, un estudio de empresas reales hizo que la broma ya no pareciera tan disparatada.
Alessandro Pluchino, Andrea Rapisarda y Cesare Garofalo volvieron sobre el principio de Peter: se asciende a alguien porque hace bien su trabajo, aunque el nuevo puesto exija habilidades distintas. En su modelo, los ascensos aleatorios podían funcionar mejor que promocionar a los empleados con mejores resultados si el rendimiento en un nivel no guardaba relación con el rendimiento en el siguiente. El resultado dependía de ese supuesto, que quizá no se cumpla en las empresas reales. [14]
En 2019, los economistas Alan Benson, Danielle Li y Kelly Shue publicaron un estudio sobre casi 39.000 vendedores de 131 empresas estadounidenses. A lo largo de siete años, 1.553 ascendieron a puestos directivos. Las empresas solían elegir a sus mejores vendedores. Las ventas eran fáciles de medir y la decisión, fácil de justificar.
Pero los datos mostraron un patrón incómodo: cuanto más había vendido una persona antes de ascender, menos tendían a vender sus subordinados después. Entre los directivos cuyos equipos podían evaluarse, aquellos que habían vendido el doble antes del ascenso tendían a tener subordinados que vendían alrededor de un 6,1 % menos por persona, de media. [1]
Las empresas podían medir las ventas, pero disponían de muchas menos pruebas sobre la capacidad para dirigir equipos. El mismo problema puede surgir cuando varios candidatos cumplen los requisitos, pero las diferencias entre sus puntuaciones apenas permiten anticipar cómo rendirán.
Una fundación alemana de investigación probó otra fórmula: combinó la evaluación de expertos con un sorteo de los de toda la vida, bombo incluido.
85 propuestas en el bombo
En otoño de 2017, la Fundación Volkswagen (Volkswagen Foundation) examinó 594 propuestas de proyectos de investigación poco convencionales. Una primera criba dejó 119 candidaturas. Después, un comité de expertos consideró que 85 reunían las condiciones para recibir financiación y seleccionó 17 proyectos por su cuenta.
Los números de las 85 propuestas admitidas, incluidas las 17 elegidas ya por el comité, entraron en el bombo. Se extrajeron otros 17 números. El sorteo coincidió con el comité en cinco proyectos. En total, se financiaron 29 proyectos distintos. [9]
La idea no se quedó en Alemania. El Consejo de Investigación en Salud de Nueva Zelanda también recurrió al sorteo tras examinar las propuestas. Uno de los investigadores que recibió financiación defendió después ese sistema. [7] [8]
Los beneficiarios nunca supieron si los había elegido el comité o el sorteo. La fundación quería evitar dividir a los investigadores entre quienes se habían «ganado» la ayuda y quienes simplemente «habían tenido suerte». [10]
Cómo cambia un equipo cuando se elige a su líder
Nombrar a un jefe también cambia a quién se presta atención dentro de un equipo. La designación puede dar a entender que la opinión de esa persona merece más crédito.
En un experimento de 2020, 176 personas repartidas en 44 equipos resolvieron problemas numéricos. A los líderes se los designó al azar, por la precisión de sus respuestas anteriores o por la confianza con la que respondían. Los equipos dirigidos por los participantes más seguros de sí mismos aprovecharon peor los conocimientos de sus miembros que aquellos con líderes nombrados al azar. Tampoco se observó una ventaja convincente al elegirlos por sus aciertos anteriores. [2]
Imaginemos una reunión de proyecto. El jefe da primero una estimación. Una persona conoce los costes del equipamiento; otra acaba de terminar un proyecto parecido. Ambos tienen información útil, pero la cifra del jefe ya está sobre la mesa.
En el experimento, los participantes apenas ajustaban sus estimaciones iniciales. Cuando se presentaba al líder como alguien especialmente certero o seguro de sí mismo, su opinión pesaba demasiado y se aprovechaba menos lo que sabían los demás. El peso desproporcionado de la opinión del líder quedó más claro que cualquier cambio en la precisión de las respuestas finales de los equipos. [2]
Un pequeño experimento de laboratorio de 1998, que poco tenía que ver con la selección de personal en empresas reales, apuntó en una dirección parecida: los grupos cuyos líderes se habían designado por orden alfabético rindieron mejor en una tarea de supervivencia que aquellos cuyos líderes se habían escogido mediante un procedimiento sistemático. [3]
Cuándo importa elegir con cuidado
Si un puesto implica riesgos para la seguridad, lo primero es comprobar quién tiene la formación necesaria. Si una habilidad es importante y puedes medirla, compruébala.
Para seleccionar directivos, las entrevistas estructuradas y los ejercicios parecidos al trabajo real pueden ayudar a predecir el rendimiento. [11]
En un estudio de 2026 participaron 555 personas. Quienes tenían más ganas de dirigir no mostraron una ventaja convincente frente a los líderes designados al azar. Las pruebas de habilidades concretas, incluida la toma de decisiones económicas, resultaron más útiles para predecir la calidad de la gestión. [4]
Los investigadores también estudiaron a 225 gerentes de tiendas en activo. A partir de las relaciones observadas entre habilidades, calidad de la gestión y ventas, simularon otra forma de seleccionar directivos. El modelo proyectaba un aumento de las ventas anuales de alrededor del 16 % respecto al método habitual. No pusieron en marcha esa política ni la compararon con un sorteo.
En otro experimento de campo con equipos de estudiantes, nombrar líderes capaces y trabajadores aumentó el esfuerzo y el intercambio de conocimientos. Dar a los líderes instrucciones concretas para coordinar al equipo tuvo un efecto aún mayor. [13]
Qué encontramos al revisar los datos
A primera vista, dos estudios parecían favorecer la selección por sorteo. Queríamos comprobar hasta qué punto sus conclusiones resistían una revisión de los datos originales.
En un experimento realizado en Indonesia, los participantes actuaban como funcionarios que debían decidir cómo repartir el dinero de un grupo. Los elegidos mediante examen entregaron a los demás una proporción menor que los seleccionados por sorteo. En la muestra más restringida, la diferencia fue de −9,4 puntos porcentuales. Esperábamos que ampliar la muestra aclarara el resultado. Ocurrió lo contrario: al incluir todas las decisiones de reparto de dinero utilizables, la diferencia se redujo a −4,5 puntos y su intervalo de confianza pasó a incluir el cero. La evidencia de una diferencia perdió mucha fuerza. Y con ella, el titular espectacular. [5]
Con el estudio de Fischer y sus colegas surgió otro problema. Reprodujimos el efecto publicado y después examinamos cómo se habían asignado los equipos: las dos reglas de formación se aplicaron en solo cuatro clases. Con tan pocas clases, es difícil sostener una conclusión causal firme. [6]
Los cálculos, incluidos los de la muestra alternativa y una prueba del diseño de cuatro clases, aparecen debajo de la herramienta interactiva.
Cuándo dejar de clasificar candidatos
Primero, filtra a los candidatos según los requisitos mínimos: ¿quién tiene los conocimientos, la experiencia y las habilidades que exige el puesto? Después, comprueba qué puedes predecir: ¿las diferencias entre quienes han superado el filtro permiten prever de forma fiable quién rendirá mejor? Si es así, utiliza esa información. Si no, elige por sorteo entre los candidatos aptos, en lugar de seguir acumulando entrevistas y puntuaciones.
Superar los requisitos mínimos es solo la primera prueba. El sorteo tiene sentido cuando seguir ordenando a los candidatos aporta poco valor predictivo. Aun así, hay que tener en cuenta el coste de equivocarse, los incentivos para rendir y la confianza del equipo en su líder. La posibilidad de ascender anima a esforzarse; decidir todos los ascensos por sorteo podría debilitar ese incentivo. [12]
Un sorteo no sustituye al conocimiento. Pero puede evitar que finjamos saber más de lo que sabemos.
Prueba a decidirlo por sorteo
Si ya has valorado tus opciones, todas te sirven y no tienes motivos sólidos para preferir una, deja que decida el azar.
Cómo comprobamos los resultados
Esto es lo que recalculamos y cómo lo hicimos. Partimos de los datos originales de ambos estudios. Pero reproducir sus análisis no equivale a repetir de forma independiente los experimentos.
Kuipers (2026): selección mediante examen frente a sorteo
Comparamos la proporción de dinero que los funcionarios del experimento entregaban a otras personas según hubieran sido elegidos por examen o por sorteo. Primero limitamos el análisis a los grupos que completaron todo el experimento; después incluimos todos los grupos con resultados utilizables en la tarea de reparto de dinero.
| Nuestra muestra | Selección por examen frente a selección por sorteo |
|---|---|
| Grupos que completaron todo el experimento | −9,4 puntos porcentuales; IC del 95 %: de −16,5 a −2,4 |
| Todas las decisiones utilizables de reparto de dinero | −4,5 puntos porcentuales; IC del 95 %: de −10,5 a +1,4 |
Un valor negativo significa que los participantes elegidos mediante examen entregaron a los demás una proporción menor del dinero. Se trata de dos análisis que realizamos sobre un mismo resultado, no de dos efectos comunicados por el autor original. Aproximadamente el 55 % de los grupos elegidos por sorteo y el 48 % de los grupos elegidos por examen completaron todo el experimento. Esta elevada tasa de abandono limita la confianza en los resultados. Además, la tarea de reparto de dinero era solo una de las variables analizadas, así que también hay que tener en cuenta el riesgo de las comparaciones múltiples. El cambio entre nuestras estimaciones muestra cuánto depende el resultado de la muestra empleada; no demuestra que el estudio original estuviera equivocado.
Fischer y colaboradores (2023): equipos de estudiantes formados al azar
Con los datos originales de OSF reprodujimos el coeficiente publicado: los equipos formados por elección de sus propios integrantes obtuvieron −0,4151 desviaciones estándar respecto a los equipos formados al azar en los trabajos escritos. Sin embargo, las reglas para formar los equipos se aplicaron en solo cuatro clases universitarias: una clase por regla en cada una de dos cohortes. El estudio describe una asignación aleatoria de estudiantes a las clases, pero no demuestra que las propias reglas se asignaran aleatoriamente a esas clases.
Para examinar la sensibilidad del resultado, intercambiamos hipotéticamente las dos reglas entre las clases de cada cohorte. Solo hay cuatro asignaciones posibles, así que el menor valor p unilateral alcanzable es 0,25; el valor p bilateral condicional correspondiente a la diferencia observada es 0,50. No son valores p corregidos del estudio. Este ejercicio de permutación muestra los límites de una asignación aleatoria hipotética de las reglas entre clases. No describe las propiedades del diseño real del estudio.
En ambos casos, reproducir una cifra, establecer un efecto causal y trasladar ese resultado a empresas reales son cuestiones distintas. Los datos originales están enlazados en las referencias [5] y [6].
Referencias
- Benson, A., Li, D., & Shue, K. (2019). Promotions and the Peter Principle. Quarterly Journal of Economics. DOI.
- Büchel, B., Klößner, S., Lochmüller, M., & Rauhut, H. (2020). The Strength of Weak Leaders. Experimental Economics. DOI.
- Haslam, S. A., et al. (1998). Inspecting the Emperor’s Clothes. Group Dynamics. DOI.
- Weidmann, B., et al. (2026). How Do You Identify a Good Manager? Quarterly Journal of Economics. DOI.
- Kuipers, N. (2026). Bureaucratic Selection and Weberian Values. Journal of Politics. DOI; datos de Harvard Dataverse.
- Fischer, M., Rilke, R. M., & Yurtoglu, B. B. (2023). When, and Why, Do Teams Benefit from Self-Selection? Experimental Economics. DOI; datos de OSF.
- Adam, D. (2019). Science Funders Gamble on Grant Lotteries. Nature. DOI.
- Ackerley, D. (2020). Grant Lottery Systems: A Winner Responds. Nature. DOI.
- Volkswagen Foundation. Give Chance a Chance.
- Research on Research Institute. The Experimental Research Funder’s Handbook.
- Sackett, P. R., et al. (2022). Revisiting Meta-Analytic Estimates of Validity in Personnel Selection. Journal of Applied Psychology. DOI.
- Lazear, E. P., & Rosen, S. (1981). Rank-Order Tournaments as Optimum Labor Contracts. Journal of Political Economy. DOI.
- Chemin, M. (2021). Does Appointing Team Leaders and Shaping Leadership Styles Increase Effort? Journal of Economic Behavior & Organization. DOI.
- Pluchino, A., Rapisarda, A., & Garofalo, C. (2010). The Peter Principle Revisited: A Computational Study. Physica A, 389(3), 467–472. DOI; confirmación del Premio Ig Nobel de Gestión de 2010.
- Volkswagen Foundation (30 de mayo de 2024). Everyone Is Equal in the Lottery Drum. Evaluación del programa Experiment!: publicaciones de los beneficiarios y composición del grupo de investigadores financiados. Informe de la fundación.