Cuatro tipos de evidencia, cuatro decisiones distintas. Y la diferencia entre creerlo bien y mal te cuesta el próximo gerente.
Un gerente entra a la reunión con una prueba en la mano y pregunta lo que parece razonable: "¿esta prueba sí sirve?". La respuesta corta — sí o no — no es defendible. La respuesta correcta empieza por "¿sirve para qué?". Y ahí es donde la palabra validez, que la industria usa como si significara "que sí sirve", se apoya en cuatro tipos de evidencia distintos.
La pregunta parece razonable porque se hace todos los días en cientos de reuniones de RRHH en México. El problema no es hacerla; el problema es aceptar la respuesta binaria. Una prueba psicométrica puede tener validez alta para predecir desempeño en ventas y validez baja para predecir liderazgo, alta para identificar honestidad y nula para identificar ajuste cultural. Cuando alguien dice "esta prueba sí sirve", sin especificar para qué, está haciendo una afirmación sin contenido técnico.
La validez, en psicometría, no es una etiqueta que un instrumento tiene o no tiene. Es un enunciado condicional: este instrumento es válido para predecir X, en la población Y, bajo las condiciones Z. Cambia cualquiera de los tres términos y hay que volver a preguntar.
Mide si los reactivos del instrumento cubren adecuadamente el dominio que dicen medir. En una prueba de honestidad, la pregunta es si los reactivos cubren las distintas formas en que la deshonestidad se manifiesta en el trabajo. Se establece con juicio de expertos.
Mide la correlación entre la puntuación en la prueba y un criterio externo — típicamente, desempeño real en el puesto. Un test de razonamiento numérico tiene validez de criterio si quienes puntúan alto, seis meses después, están efectivamente resolviendo mejor los problemas numéricos del trabajo. Requiere seguimiento y datos duros. Es la validez que un decisor debería exigir cuando la prueba se usa para predecir desempeño.
Mide si el instrumento realmente evalúa el constructo teórico que dice evaluar. Una prueba de extroversión que en realidad está midiendo ansiedad social tiene un problema de validez de constructo. Se establece con análisis factorial y estudios de convergencia con otros instrumentos. Es la validez más ignorada en la práctica y la más importante cuando el constructo es abstracto — liderazgo, integridad, adaptabilidad.
Mide qué aporta el instrumento por encima de la información que ya tenías sin él. Si un candidato ya pasó una entrevista estructurada y un análisis de CV, ¿cuánto más precisión ganas al añadir la prueba? Esta es la pregunta que casi nadie hace y la que más decisiones de compra debería mover.
Le pedí a Aurora — nuestra responsable técnica de psicometría — que explicara por qué la validez incremental es la que casi nadie mide:
En mi experiencia revisando pruebas aplicadas por otras empresas, la validez incremental es la métrica que prácticamente nadie puede mostrar. Y no es la única que escasea: en el mercado mexicano incluso la validez de contenido — que es la más fácil de sostener con juicio de expertos — rara vez aparece documentada cuando uno la pide. Es común que un proveedor no tenga forma de mostrarte, con documentación seria, qué tan bien mide su instrumento lo que dice medir.
Y esa es la pregunta operativa: si con entrevista y CV ya predices el 30% del desempeño, y la prueba te lleva al 45%, esos 15 puntos son la validez incremental de la prueba. Si no mueve la aguja, no está justificando su costo ni su tiempo. Ese cálculo casi nadie lo hace, y es el que decide si vale la pena aplicarla.
Los cuatro tipos de evidencia de validez son el lenguaje técnico. Pero para una conversación práctica con quien te aplica pruebas hoy, tres preguntas concretas te dicen casi todo lo que necesitas saber. Ninguna requiere respuesta larga.
Uno. ¿El instrumento fue estandarizado con población mexicana, y de qué año son las normas? Las normas de una prueba — los centiles contra los que se compara a cada candidato — solo son interpretables si fueron construidas con una muestra representativa de la población que va a contestar el instrumento hoy. Una prueba estandarizada en otra población en los años setenta y ochenta no está mal por antigua; está mal por descalibrada.
Dos. ¿Qué constructo específico mide, y qué constructos parecidos no mide? Un proveedor que puede contestar esta pregunta con precisión — "mide extroversión conductual, no mide sociabilidad social ni ansiedad social" — te está entregando una herramienta. Un proveedor que solo dice "mide personalidad" te está entregando una etiqueta.
Tres. ¿Hay acompañamiento profesional para interpretar el reporte, o se entrega y ya? Un reporte psicométrico no siempre es autoexplicativo. Tiene una lógica interna que, en muchos casos, requiere entrenamiento para leer bien. Si el proveedor te lo entrega y ahí termina su trabajo, la interpretación va a terminar haciéndola alguien sin la formación para hacerla — y ese es exactamente el escenario que la psicometría debería estar evitando.
Ninguna de estas tres es una pregunta trampa. Todas tienen respuesta clara. Y cuando el proveedor no puede contestar alguna, la conversación se pone interesante por sí sola.
Preparamos una entrada de glosario descargable con las definiciones de los cuatro tipos de evidencia de validez más un quinto bonus (la validez ecológica), cada una con ejemplo aplicado, la pregunta que resuelve, y cuándo importa más. Tres páginas.
La validez es siempre relativa a un uso específico, no absoluta. Y en la validez ecológica — que va como bonus en la entrada de glosario — hay debate abierto. Que un instrumento funcione en condiciones controladas de laboratorio no garantiza que funcione en la sala de reclutamiento un jueves a las cuatro de la tarde con el candidato cansado. La psicometría seria no oculta esta tensión; la nombra.
Los proveedores de evaluación asistida por IA están teniendo una conversación pública sobre sus métricas que conviene seguir. Muchos siguen presentando exactitud predictiva sin diferenciarla de validez, y sin declarar sobre qué población se calculó. La comunidad técnica ha empezado a exigir métricas específicas — precisión, sensibilidad, funcionamiento diferencial por subgrupos — que hasta hace poco no aparecían en los materiales comerciales. Le vamos a dedicar una edición completa más adelante.
Cada quincena, los jueves, una edición sobre algo concreto — una técnica, una decisión, una norma, un hallazgo de datos propios. Sin tips genéricos. Con postura clara.
Por Rubén Ruiz, Director de Psicotest, con colaboración técnica de Aurora, responsable técnica de psicometría.
