A medida que los empleadores dependen cada vez más de las evaluaciones previas a la contratación para evaluar el talento de primera línea, un nuevo estudio de HiringBranch advierte sobre una práctica común: informar las habilidades blandas como la empatía, la escucha activa y la tranquilización como puntuaciones aisladas. La investigación, discutida en el último episodio del podcast "You Should Know", sugiere que este enfoque produce solo una correlación moderada con el juicio humano, mientras que un modelo propietario combinado produce predicciones mucho más sólidas del rendimiento en el puesto de trabajo.
El episodio, titulado "Evaluar habilidades una a la vez te está costando mejores contrataciones", se publicó el 26 de agosto de 2026 y fue presentado por William Tincup. Cuenta con Assaf Bar-Moshe, Director de Investigación y Desarrollo de HiringBranch, una empresa de evaluación con sede en Montreal. La conversación llega en un momento en que las empresas reconsideran cómo miden a los representantes de servicio al cliente, agentes de ventas y asociados de tiendas frente a las realidades de las interacciones en vivo con los clientes.
Bar-Moshe explicó que el diseño de evaluación de HiringBranch utiliza indicaciones abiertas de voz y escritura para evaluar a los candidatos. La empresa mide cuatro pilares del servicio al cliente: reconocimiento, tranquilización a través de un lenguaje positivo, empatía y escucha activa. Estos se evalúan a través de flujos de conversación y tareas basadas en escenarios que se calibran por cliente, región y puesto.
La investigación encontró que cuando estas habilidades se puntúan por separado, la correlación con los anotadores humanos es solo moderada. Sin embargo, cuando se combinan en un solo modelo, la correlación se fortalece significativamente. Bar-Moshe ilustró el punto con un ejemplo minorista: "Si un candidato puede expresar empatía, pero no puede resolver el problema correctamente o comprender el problema correctamente o tranquilizar al cliente, entonces esta empatía es agradable, pero en realidad es inútil".
Este enfoque lingüístico, en lugar de las pruebas basadas en la personalidad, es central en la metodología de HiringBranch. Bar-Moshe, lingüista de formación, describió el método como un "análisis sociopragmático de las palabras que el candidato realmente está diciendo". El equipo de psicólogos organizacionales y lingüistas de la empresa utiliza años de datos textuales para construir modelos de aprendizaje automático que predicen la empatía, el reconocimiento y habilidades relacionadas. Estas predicciones se validan luego contra el rendimiento en el trabajo meses después de la contratación.
La calibración es clave, ya que los pesos de puntuación difieren según el cliente, la industria e incluso la geografía. Por ejemplo, las variaciones regionales en mercados como Vancouver, Toronto y Montreal pueden dar forma a la puntuación para el mismo puesto. Bar-Moshe también adelantó una capacidad de autoservicio en desarrollo que permitiría a los gerentes de contratación construir evaluaciones a partir de una biblioteca de flujos de conversación y habilidades, reduciendo la dependencia de descripciones de trabajo débiles o genéricas.
El estudio completo estará disponible en la pestaña de investigación de IA en el sitio web de HiringBranch. Las implicaciones para los empleadores son significativas: al alejarse de la puntuación aislada de habilidades blandas, las empresas pueden mejorar su capacidad para seleccionar candidatos que puedan manejar eficazmente las interacciones con los clientes, reduciendo en última instancia la rotación y mejorando la calidad del servicio. Esta investigación desafía suposiciones arraigadas en la evaluación previa a la contratación y podría remodelar cómo se lleva a cabo la contratación de primera línea en todas las industrias.
Para obtener más información, el episodio está disponible en la página del podcast You Should Know.
