La curva de campana en el desempeño: por qué falla y qué usar en su lugar
Actualizado: 27 sept
¿Tu sistema de desempeño empuja a todos hacia el promedio? El problema no es dibujar una campana: es decidir de antemano cuántas personas deben quedar arriba, al medio o abajo, aunque la evidencia diga otra cosa.
La curva de campana puede servir para describir una distribución. No demuestra que las calificaciones de tu equipo deban tener esa forma. Antes de ajustar notas, necesitas revisar qué estás midiendo, qué resultados son comparables y qué evidencia respalda cada evaluación.
La alternativa no consiste en cambiar una curva obligatoria por otra. Consiste en evaluar con criterios claros y usar la calibración del desempeño para discutir diferencias, no para llenar cuotas.
En este artículo:
¿Qué es la curva de campana en la evaluación de desempeño?
La curva de campana es la forma característica de una distribución normal: simétrica alrededor de su media, con mayor concentración de valores cerca del centro y menos hacia los extremos. El manual estadístico de NIST describe este modelo y distingue la media de la dispersión. No significa que todas las personas rindan igual.
En una evaluación de desempeño, conviene separar tres cosas: los resultados que una persona consigue, la calificación que recibe y la forma en que se reparten las calificaciones del grupo. No son equivalentes. Una nota resume una evaluación; no es una medida directa de todo el valor que alguien aporta.
De modelo estadístico a regla de gestión
El problema no es la estadística en sí. El problema es el traslado automático de un modelo a una decisión sobre personas. Observar que muchas notas están cerca del centro no prueba que la evaluación sea justa. Observar muchas notas altas tampoco prueba, por sí solo, que los jefes estén siendo indulgentes.
La distribución es una señal para investigar. Puede reflejar resultados reales, criterios poco exigentes, diferencias entre evaluadores o una combinación de factores. La forma del conjunto no reemplaza la revisión de los casos.
Distribución forzada y forced ranking: no son exactamente lo mismo
Ordenar a las personas de mayor a menor desempeño es un ranking. Una distribución forzada añade una restricción: exige ubicar porcentajes predeterminados en cada categoría. Ambas prácticas pueden combinarse, pero hacer un ranking no implica necesariamente imponer cuotas.
Por ejemplo, una política hipotética podría reservar un 10 % para desempeño excelente, un 70 % para desempeño medio y un 20 % para desempeño bajo. Esos porcentajes serían una decisión de la empresa, no una ley estadística que describa a cualquier equipo.
Si las categorías están fijadas antes de revisar los resultados, el líder puede terminar justificando una cuota en vez de una evaluación. Por eso importa el entrenamiento de evaluadores para reducir sesgos: compartir criterios y ejemplos antes de cerrar las notas.
Una escala de 1 a 5 no obliga a formar una campana
Puedes conservar una escala numérica sin exigir que la mayoría reciba un 3. Lo importante es que cada nivel describa un estándar de desempeño y que la evidencia permita distinguirlo del siguiente.
Si “cumple lo esperado” está bien definido, varias personas pueden cumplirlo al mismo tiempo. Si “sobresale” exige resultados y conductas específicos, varias también podrían alcanzarlo. La categoría debe depender de esos criterios, no del cupo disponible. La comparación entre escalas generales y escalas con anclajes conductuales ayuda a revisar ese diseño.
La ley de potencia: qué muestra la evidencia y qué no
En algunos trabajos, las diferencias de contribución pueden ser grandes. Una solución reutilizable, una investigación influyente o una decisión acertada pueden tener efectos que van más allá de la producción individual. Eso merece atención. Pero no basta para concluir que todo desempeño laboral sigue una ley de potencia.
El estudio que cuestionó la normalidad
O’Boyle y Aguinis (2012) analizaron 198 muestras, con 633.263 participantes, en cinco estudios que abarcaron investigadores, artistas, políticos y deportistas. En esas muestras, las distribuciones paretianas describieron mejor el desempeño que la distribución normal.
El hallazgo cuestiona la costumbre de dar por supuesta la normalidad. Su alcance, sin embargo, importa: estudiar esos dominios no demuestra que cualquier equipo de ventas, soporte o administración tenga la misma distribución.
La forma de medir también cambia lo que observas
Beck, Beatty y Sackett (2014) revisaron el papel de las características de medición en las desviaciones respecto de la normalidad. Encontraron que considerar cómo se define el desempeño, a quiénes se observa, durante qué período y en qué trabajos se compara puede reducir la asimetría observada.
La consecuencia práctica es sencilla: antes de discutir qué curva representa mejor a tu empresa, revisa la medida. No compares resultados acumulados durante toda una carrera con los de un año, ni personas con oportunidades muy distintas como si partieran de la misma base.
Normal, asimétrica y ley de potencia no son sinónimos
Una distribución puede ser asimétrica sin seguir una ley de potencia. Y un conjunto pequeño de notas de 1 a 5 no permite reconocer una ley de potencia solo por su apariencia. Para sostener ese diagnóstico necesitas datos adecuados y comparar modelos, no únicamente observar un gráfico.
Tampoco conviene convertir un hallazgo sobre productividad en una regla automática de inversión. Sin datos del equipo, no puedes afirmar que mejorar un poco a quienes están en el centro sea irrelevante, ni que perder a una persona equivalga a perder a cinco.
Si quieres entender el aporte real, distingue resultados, conductas, contexto y potencial. Una matriz Nine Box puede ordenar una conversación sobre desempeño y potencial; no prueba una distribución estadística ni reemplaza la evidencia de cada eje.
¿Por qué el rendimiento puede alejarse de una distribución normal?
En lugar de asumir una forma, conviene examinar qué mecanismos podrían ampliar o comprimir las diferencias. Los siguientes ejemplos son ilustrativos: ayudan a formular preguntas, no demuestran que exista una ley de potencia en tu organización.
Complejidad y autonomía
Cuando una persona puede elegir cómo resolver un problema, sus decisiones pueden cambiar mucho el resultado. Un gerente puede facilitar el trabajo de varios equipos o introducir obstáculos. Un desarrollador puede resolver una dependencia importante o dejar un problema que otros deberán corregir. La autonomía importa, pero no actúa sola: también influyen los recursos y las restricciones del puesto.
Efectos multiplicadores
Hay trabajos cuyo resultado no termina en quien lo produce. Código reutilizable, un proceso más seguro o una herramienta que otros equipos adoptan pueden generar un beneficio compartido. Para evaluarlo, registra la contribución y también quiénes hicieron posible que se utilizara. No atribuyas todo el resultado colectivo a la persona más visible.
Oportunidades y ventaja acumulativa
Dos personas pueden recibir proyectos, carteras o apoyos diferentes. Si una accede repetidamente a oportunidades de mayor impacto, comparar solo el resultado final puede confundir desempeño con contexto. La pregunta útil no es únicamente quién produjo más, sino con qué oportunidades, durante cuánto tiempo y mediante qué conductas lo consiguió.
Qué pasa cuando fuerzas la campana: consecuencias en tu sistema
Puedes castigar equipos fuertes y crear diferencias artificiales
Considera este ejemplo hipotético: diez personas trabajan con estándares comparables; ocho cumplen lo esperado y dos lo superan. Si una cuota obliga a ubicar a dos en desempeño bajo, faltará evidencia para justificar esas dos decisiones. La cuota no convierte un desempeño adecuado en insuficiente.
También puede ocurrir lo contrario: reservar una categoría superior obliga a llenarla aunque nadie haya alcanzado el estándar. En ambos casos, la nota empieza a expresar una posición dentro del grupo, no el cumplimiento de un criterio conocido.
Para evitarlo, exige ejemplos observables y revisa las explicaciones alternativas antes de cambiar una calificación. Ese es el punto de partida para disminuir los sesgos en la evaluación, no una garantía de que desaparecerán.
La compensación puede perder una justificación defendible
Si una nota influye en un bono, un aumento o una promoción, necesitas explicar por qué la persona la recibió. “No quedaban cupos” no responde qué aportó, qué debía lograr o qué necesita mejorar.
Eso no significa que toda diferencia de resultado deba convertirse en la misma diferencia salarial. También importan las responsabilidades del cargo, las reglas de compensación, la equidad interna y el contexto. Antes de vincular desempeño y compensaciones, deja claros los criterios y separa la evaluación del desempeño de la distribución de un presupuesto limitado.
Los riesgos importantes pueden quedar ocultos detrás del promedio
Una persona puede conseguir buenos resultados y, al mismo tiempo, incumplir estándares de calidad, colaboración o seguridad. Promediarlo todo en una nota puede ocultar un problema que necesita una decisión específica.
Esto no demuestra una “ley de potencia negativa”. Es una razón para observar el impacto completo y documentar conductas relevantes. Cuando existe una brecha sostenida, necesitas un proceso para gestionar el bajo desempeño laboral, con expectativas claras, apoyo y seguimiento, no una etiqueta estadística.
Cómo aterrizar esto en un sistema real (sin volverte loco)
Reemplazar las cuotas no requiere rediseñar todo el sistema de golpe. Requiere cambiar cómo se define, se compara y se justifica el desempeño. Esta tabla resume cuatro decisiones habituales; es una guía de gestión, no una prueba estadística.
Paso 1: define qué roles y resultados puedes comparar
Empieza por familias de cargo con tareas, responsabilidades y oportunidades suficientemente semejantes. Delimita el período de evaluación y revisa si las metas eran comparables. No mezcles, sin justificación, producción individual, resultados de equipo y apreciaciones generales.
Distingue también la relación de evaluación: jefes, pares, colaboradores y autoevaluación observan aspectos distintos. Examina esos grupos por separado antes de combinar resultados mediante una regla explícita. Si hay pocos casos, prioriza la revisión de evidencia y evita sacar conclusiones por la forma de la distribución.
Para priorizar por dónde empezar, una metodología para identificar cargos críticos puede ayudar a reconocer dónde una decisión equivocada tendría mayor impacto. Un cargo crítico, por sí solo, no demuestra una distribución de cola larga.
Paso 2: pide evidencia antes de asignar la nota
En lugar de preguntar “¿qué número le pongo?”, define primero qué cuenta como evidencia en ese rol: qué resultados son observables, qué conductas los generan y qué registro existe de ambos.
Un registro útil identifica el hecho, su fecha, el estándar esperado, el impacto y el contexto. No basta con escribir “es excelente” o “le falta compromiso”. Describe qué hizo la persona y cómo se relaciona con el criterio evaluado. Un registro de desempeño sostenido durante el período evita que toda la conversación dependa del último incidente.
Puedes conservar las notas. Lo que debes cambiar es el orden de la conversación: primero evidencia y criterios; después, calificación.
Paso 3: calibra criterios, no porcentajes
En la reunión, revisa los casos que generen diferencias de interpretación. ¿Se aplicó el mismo estándar? ¿La evidencia corresponde al período? ¿Hay factores de contexto que expliquen parte del resultado? ¿Qué información falta antes de decidir?
Si una calificación cambia, registra la razón y la evidencia que la sostiene. Si no hay información suficiente, reconoce esa incertidumbre y acuerda cómo completarla. No uses la necesidad de cerrar una distribución como sustituto del análisis.
Prioriza los casos de alto impacto y los riesgos relevantes, pero no abandones al resto del equipo. Las personas que cumplen lo esperado también necesitan feedback, oportunidades de desarrollo y seguimiento. Diferenciar no exige convertir cada décima en una competencia entre colegas.
Conclusión: menos cuotas y más evidencia
La gestión del desempeño se vuelve peligrosa cuando se transforma en un trámite. Y pierde precisión cuando intenta ser justa imponiendo una forma que no ha comprobado.
No necesitas elegir entre creer en la campana o creer en una ley de potencia. Necesitas saber qué mides, comparar lo que corresponde y explicar las decisiones. La distribución puede ayudarte a hacer preguntas; no debería responderlas por ti.
En TRAKER, la calibración con IA se presenta como un apoyo para revisar patrones y propuestas de ajuste; la decisión final corresponde a las personas responsables del proceso. Ese es el criterio que conviene conservar con cualquier herramienta: una alerta abre una revisión, no autoriza a cambiar una nota sin evidencia.
Prepara tu próxima reunión de calibración. Revisa cómo organizar los criterios, reunir evidencia y documentar acuerdos en la guía práctica de calibración del desempeño.
Preguntas frecuentes sobre la curva de campana en desempeño
¿Hay que eliminar todas las comparaciones entre personas?
No. Comparar casos semejantes puede ayudar a detectar diferencias de criterio. El problema aparece cuando se confunde la posición relativa con el cumplimiento de un estándar o se exige llenar categorías sin evidencia. Compara para comprender y decidir, no para producir una forma predeterminada.
¿La ley de potencia aplica a todos los roles?
No se puede dar por supuesto. La distribución observada depende del trabajo, la población, el período y la forma de medir. Encontrar grandes diferencias entre algunas personas no demuestra, por sí solo, una ley de potencia. Revisa los datos antes de adoptar ese modelo.
¿Debo eliminar las escalas de 1 a 5?
No necesariamente. Las escalas no son el problema. Lo importante es que cada punto tenga criterios claros, que la evidencia respalde la calificación y que el sistema sea consistente entre evaluadores. Un 3 puede significar “cumple lo esperado” sin que deba ser la nota de la mayoría.
¿Cómo evito sesgos al identificar a las personas de alto impacto?
No hay una garantía de eliminarlos por completo. Puedes reducirlos exigiendo evidencia observable, revisando oportunidades y contexto, contrastando casos comparables y documentando las decisiones. Conviene distinguir la contribución individual del resultado colectivo y dar espacio a revisar una evaluación cuando aparezca información relevante.
¿Qué hago si una persona de alto desempeño daña al equipo?
Trátalo como una conducta y un riesgo que deben evaluarse, no como una “personalidad difícil”. Define estándares no negociables, documenta los hechos y considera el impacto completo. Los buenos resultados no compensan automáticamente un incumplimiento de seguridad, respeto o colaboración. Actúa con evidencia, escucha y seguimiento.
Comentarios