Validez predictiva del Big Five: la evidencia real

Si alguna vez viste una presentación de un proveedor de assessments, viste esta tabla: una lista de métodos de selección ordenados por cuánto predicen el desempeño laboral. Arriba de todo, la capacidad cognitiva general con r = 0.51. Las pruebas de trabajo con r = 0.54. La entrevista estructurada con r = 0.51. Y la personalidad, más abajo, con números modestos.

Esa tabla viene del metaanálisis de Schmidt y Hunter (1998), publicado en Psychological Bulletin. Es el paper más citado de la psicología del trabajo. Está en presentaciones de HR tech, en manuales de recursos humanos, en tesis de maestría y —seamos honestos— también estuvo en presentaciones nuestras.

El problema es que en 2022 un equipo liderado por Paul Sackett publicó en el Journal of Applied Psychology que esos números están sistemáticamente inflados. No un poquito: entre 0.10 y 0.20 puntos de correlación en la mayoría de los predictores. El ranking cambia. La capacidad cognitiva se cae del podio. Y la conclusión práctica sobre qué medir y cómo combinarlo se da vuelta.

Este post es sobre eso: qué tan bien predice realmente la personalidad, comparada contra qué, y con qué matices. No es una explicación del modelo. Si lo que buscas es qué mide cada dimensión, eso está en nuestra explicación del modelo OCEAN. Acá hablamos de evidencia.

La tabla de 1998, tal como se cita

Schmidt y Hunter revisaron 85 años de investigación en selección de personal y publicaron una jerarquía de 19 métodos. Estos son los valores originales (validez operacional para desempeño laboral general, corregidos por error de medición en el criterio y por restricción de rango):

Método de selección	Schmidt y Hunter (1998)
Pruebas de trabajo (work samples)	0.54
Capacidad cognitiva general	0.51
Entrevistas estructuradas	0.51
Tests de conocimiento del puesto	0.48
Tests de integridad	0.41
Entrevistas no estructuradas	0.38
Assessment centers	0.37
Biodata	0.35
Responsabilidad (conscientiousness)	0.31
Años de experiencia	0.18
Años de educación	0.10
Grafología	0.02
Edad	−0.01

Dos lecturas que se hicieron de esta tabla durante 25 años, y que hoy hay que revisar.

La primera: “la capacidad cognitiva es el mejor predictor individual, punto”. La segunda: “la personalidad predice, pero es el pariente pobre de la tabla”.

Ninguna de las dos sobrevive intacta.

Qué salió mal: la corrección por restricción de rango

Acá viene la parte técnica, y vale la pena entenderla porque es literalmente el corazón del problema.

Cuando validas un test de selección, casi nunca puedes hacerlo con la población de postulantes. Trabajas con empleados, gente que ya pasó un filtro. Y ese grupo tiene menos variabilidad que el pool original: los que puntuaban bajo nunca entraron. Esa compresión de la varianza achata la correlación observada entre el test y el desempeño.

La solución clásica es corregir: estimar cuánto se acható y devolverle a la correlación el tamaño que “habría tenido” en la población completa. Es legítimo. El problema es cuánto corriges.

Sackett, Zhang, Berry y Lievens (2022) analizaron los cinco enfoques que se usaron históricamente para estimar esa corrección y encontraron que todos tienen el mismo defecto: asumen una restricción de rango mucho mayor que la real. Los metaanálisis clásicos aplicaron correcciones basadas en distribuciones de artefactos que solo serían plausibles si el criterio original de contratación estuviera correlacionado casi perfectamente con el test que se está validando. En el mundo real eso no pasa. La correlación más alta que los autores pudieron encontrar entre predictores usados en selección es 0.50, y la mayoría está bastante por debajo.

Traducido sin jerga: durante décadas la disciplina infló los números al corregir por un sesgo que era mucho más chico de lo que se suponía.

Los números revisados (2022)

Esta es la tabla que casi nadie en HR tech está mostrando. Validez operacional revisada, mismos predictores, mismo criterio:

Método de selección	Schmidt y Hunter (1998)	Sackett et al. (2022)
Entrevistas estructuradas	0.51	0.42
Tests de conocimiento del puesto	0.48	0.40
Biodata (empíricamente calibrada)	0.35	0.38
Pruebas de trabajo (work samples)	0.54	0.33
Capacidad cognitiva general	0.51	0.31
Tests de integridad	0.41	0.31
Assessment centers	0.37	0.29
Responsabilidad contextualizada	—	0.25
Estabilidad emocional contextualizada	—	0.23
Extraversión contextualizada	—	0.21
Responsabilidad (general)	0.31	0.19
Entrevistas no estructuradas	0.38	0.19
Años de experiencia	0.18	0.07

Tres cosas para señalar.

Uno: la entrevista estructurada quedó primera. No la capacidad cognitiva. El predictor mejor rankeado hoy es una entrevista bien diseñada, con preguntas fijas y criterios de puntuación definidos de antemano. Lo que refuerza algo que venimos diciendo hace rato en entrevistas vs assessments: el problema nunca fue la entrevista, fue la entrevista sin estructura, que se desploma de 0.38 a 0.19.

Dos: la capacidad cognitiva bajó de 0.51 a 0.31. Sigue siendo un predictor útil. Ya no es el rey indiscutido. Y ese cambio importa mucho, porque durante 25 años se justificó la enorme brecha de impacto adverso que generan los tests cognitivos con el argumento de “es lo que más predice”. Con 0.31, ese argumento pierde fuerza.

Tres: la personalidad bajó, pero bajó menos. Y —esto es clave— la caída depende de cómo la mides.

El hallazgo que le cambia la vida a la personalidad: contextualizar

Mira las dos filas de responsabilidad de la tabla:

• Responsabilidad medida en general (“soy una persona ordenada”): 0.19
• Responsabilidad contextualizada al trabajo (“en el trabajo, soy una persona ordenada”): 0.25

El mismo rasgo, con un marco de referencia distinto, predice un 30% mejor. Y el patrón se repite en todas las dimensiones: estabilidad emocional pasa de 0.09 a 0.23, extraversión de 0.10 a 0.21, amabilidad de 0.10 a 0.19, apertura de 0.05 a 0.12.

Esto no es un detalle metodológico. Es la diferencia entre un test de personalidad que sirve para selección y uno que no. Un inventario clínico o de autoconocimiento pregunta cómo eres en tu vida. Un instrumento de selección tiene que preguntar cómo eres en el trabajo, porque la gente se comporta distinto en distintos contextos y el criterio que quieres predecir es laboral.

Si un proveedor te ofrece un assessment de personalidad y no puede decirte si sus ítems están contextualizados al ámbito laboral, ya sabes en cuál de las dos filas está parado.

Lo que Barrick y Mount vieron primero

Antes de todo este debate estaba el metaanálisis fundacional: Barrick y Mount (1991), en Personnel Psychology. Cruzaron las cinco dimensiones del Big Five contra tres criterios de desempeño (desempeño en el puesto, desempeño en capacitación y datos de personal) en cinco familias ocupacionales: profesionales, policías, gerentes, ventas y oficios calificados.

El resultado que convirtió al paper en un clásico:

La responsabilidad predice desempeño en las cinco familias ocupacionales y en los tres criterios, con correlaciones verdaderas estimadas entre 0.20 y 0.23. Es la única dimensión que lo logra. Ninguna otra es universal.

Las demás son condicionales:

• Extraversión predice en las dos ocupaciones con carga social fuerte: gerentes y ventas.
• Apertura a la experiencia predice el desempeño en capacitación (ρ = 0.25), es decir, quién aprende más rápido.
• El resto de las dimensiones aporta en contextos específicos, con magnitudes de 0.10 o menos.

Esto es exactamente lo contrario del pensamiento mágico que vende buena parte del mercado. No hay un perfil de personalidad “ganador”. Hay un rasgo que suma casi siempre —la responsabilidad— y varios que suman según el rol. Es la razón por la que un perfil ideal de rol no se copia de una plantilla genérica.

¿La personalidad suma algo por encima de la capacidad cognitiva?

Esta es la pregunta que de verdad importa para diseñar un proceso, y tiene una respuesta clara: sí, y por una razón simple.

La personalidad y la capacidad cognitiva son casi independientes. Las correlaciones promedio entre medidas de habilidad y de personalidad rondan 0.10 (Meriac et al., 2008, citado en Sackett et al., 2022), y Schmidt y Hunter ya reportaban que los tests de integridad y de responsabilidad correlacionan aproximadamente cero con la capacidad cognitiva general. Dos predictores que no se pisan entre sí aportan información distinta sobre la misma persona.

En la tabla de 1998, sumar responsabilidad a un test cognitivo llevaba la validez del conjunto de 0.51 a 0.60: una ganancia de 0.09, un 18% de mejora. Sumar un test de integridad —que es en buena medida una medida de responsabilidad— la llevaba a 0.65, la combinación más potente de todo el paper.

Ahora bien, honestidad intelectual: esos valores de validez incremental están calculados sobre las validez infladas de 1998. Sackett y su equipo no republicaron una tabla equivalente de incrementos, así que no tenemos un reemplazo directo. Lo que sí publicaron en el paper de seguimiento (Sackett et al., 2023, en Industrial and Organizational Psychology) es todavía más interesante para nuestro caso.

Compararon todas las combinaciones posibles de 1, 2, 3, 4 y 5 predictores. El promedio de validez de esas combinaciones es 0.51 con los valores viejos y 0.47 con los valores revisados. Es decir: los predictores individuales se desinflaron mucho, pero las combinaciones de predictores apenas se movieron. La práctica de selección bien hecha no se cae con la revisión.

Y el dato más provocador del paper: si en un compuesto de seis predictores le das peso cero a la capacidad cognitiva, con las estimaciones viejas perdías 0.20 de validez (de 0.66 a 0.46). Con las estimaciones revisadas, pierdes apenas 0.05 (de 0.61 a 0.56). Un compuesto sin test cognitivo puede ser casi tan válido, y con muchísimo menos impacto adverso.

Qué significa r = 0.25 en la vida real

Momento de bajar la euforia, que es la parte que más nos importa.

Una correlación de 0.25 entre responsabilidad y desempeño no significa que puedas predecir quién va a rendir. Significa que, si contratas a mucha gente usando ese criterio, en promedio te va a ir mejor que contratando al azar. En una decisión individual, hay muchísima varianza que el rasgo no explica.

Dicho de la forma más brutal posible: la personalidad no te dice quién va a ser tu mejor empleado. Te corre las probabilidades a favor. Nada más, y nada menos.

Cualquiera que te venda un assessment de personalidad como una bola de cristal está sobrevendiendo. Y cualquiera que te diga que la personalidad “no sirve” porque 0.25 es bajo está ignorando que el predictor mejor rankeado del campo entero, la entrevista estructurada, llega a 0.42 —y que ninguna herramienta de selección, ninguna, pasa de ahí.

Esa es la conclusión honesta del estado del arte: ningún predictor único alcanza. La pregunta correcta no es “cuál es el mejor test”, es “qué señales combino y cómo”.

Qué hacer con esto en tu proceso

Cinco decisiones concretas que se desprenden de la evidencia:

Uno. Estructura tus entrevistas. Es el predictor mejor rankeado (0.42) y probablemente ya lo estás haciendo mal. Preguntas fijas, mismo orden, criterios de puntuación definidos antes de ver al primer candidato. La entrevista abierta vale la mitad (0.19).

Dos. Exige que la personalidad esté contextualizada al trabajo. 0.25 versus 0.19 es la diferencia entre un instrumento que aporta y uno que apenas mueve la aguja. Pregunta a tu proveedor por el marco de referencia de los ítems.

Tres. Combina señales que no se pisen. Personalidad, valores, evidencia de conocimiento del puesto y una entrevista estructurada miden cosas distintas. Ahí está la ganancia real: en el compuesto, no en el test estrella.

Cuatro. Descarta los predictores que no predicen. Los años de experiencia se desplomaron de 0.18 a 0.07. Si tu filtro inicial de CVs sigue siendo “mínimo cinco años en el rubro”, estás filtrando con uno de los peores predictores disponibles.

Cinco. Exige saber cómo se combinan. Si te entregan un score único, tienes derecho a saber qué pesa cada componente. Es la base de nuestra insistencia con la transparencia algorítmica en HR tech: un número que no puedes auditar no es ciencia, es fe.

Dónde nos deja esto a nosotros

Somos una empresa que vende assessments de personalidad. Publicar un post que dice “la personalidad predice moderadamente” es raro. Lo hacemos porque la alternativa —inflar el número, esconder la revisión de 2022, citar Schmidt y Hunter como si nada hubiera pasado— es exactamente lo que hace el resto de la categoría, y es insostenible.

Nuestro instrumento mide OCEAN+ con ítems contextualizados al ámbito laboral, lo cruza con valores organizacionales y produce un Fit Score. Ese Fit Score es un compuesto, no un test único, precisamente porque la evidencia dice que ningún predictor individual alcanza. Y el mismo motor se usa para evaluar candidatos y para evaluar al equipo que ya tienes, que es la lógica que desarrollamos en un solo motor para todo el ciclo de vida del talento.

Lo que no vamos a decirte es que predecimos el futuro. Corremos las probabilidades a tu favor con la mejor evidencia disponible, y te mostramos de dónde sale cada número.

Si quieres el marco conceptual completo de por qué medir personalidad y valores juntos, está en la guía completa de culture fit. Si lo que quieres es entender por qué el MBTI no entra en esta conversación —su validez predictiva ni siquiera llega al piso de esta tabla— eso está en por qué el MBTI no funciona para selección.

Y si ya estás midiendo candidatos con ciencia pero a tu equipo actual lo evalúas a ojo, Talento Index usa exactamente el mismo motor.

---

Fuentes

• Barrick, M. R., & Mount, M. K. (1991). The Big Five personality dimensions and job performance: A meta-analysis. Personnel Psychology, 44(1), 1-26.
• Meriac, J. P., Hoffman, B. J., Woehr, D. J., & Fleisher, M. S. (2008). Further evidence for the validity of assessment center dimensions: A meta-analysis of the incremental criterion-related validity of dimension ratings. Journal of Applied Psychology, 93(5), 1042-1052. (Citado en Sackett et al., 2022, para las correlaciones habilidad-personalidad en torno a 0.10.)
• Sackett, P. R., Zhang, C., Berry, C. M., & Lievens, F. (2022). Revisiting meta-analytic estimates of validity in personnel selection: Addressing systematic overcorrection for restriction of range. Journal of Applied Psychology, 107(11), 2040-2068.
• Sackett, P. R., Zhang, C., Berry, C. M., & Lievens, F. (2023). Revisiting the design of selection systems in light of new findings regarding the validity of widely used predictors. Industrial and Organizational Psychology, 16(3), 283-300.
• Schmidt, F. L., & Hunter, J. E. (1998). The validity and utility of selection methods in personnel psychology: Practical and theoretical implications of 85 years of research findings. Psychological Bulletin, 124(2), 262-274.