Resumen ejecutivo
Cuando abres un reporte psicométrico, cada sección responde —o intenta responder— una pregunta distinta sobre el candidato. El problema es que no todas las pruebas responden todas las preguntas, y el reporte rara vez lo dice con claridad. La sección de habilidades cognitivas no puede decirte si alguien va a robar de la caja. La de personalidad no puede decirte si alguien ya sabe ejecutar el proceso que el puesto requiere. Leer un reporte sin ser psicólogo empieza por saber qué pregunta responde cada parte, y cuál no.
Este documento organiza el reporte psicométrico alrededor de cinco preguntas que todo decisor de talento se hace sobre un candidato. Para cada pregunta explica qué tipo de instrumento la responde, con qué evidencia y con qué límites. No es un catálogo técnico ni un manual de psicólogo: es una guía para que quien recibe un reporte sepa qué le dice cada tipo de prueba y qué puede exigirle.
La evidencia de fondo viene de décadas de investigación en psicología industrial y organizacional. El hallazgo central de esa investigación no es que una prueba sea la mejor, sino que ninguna prueba responde bien todas las preguntas sola: las combinaciones bien diseñadas de predictores complementarios suelen superar a cualquier instrumento aislado. Saber eso antes de leer un reporte es la diferencia entre entender la herramienta y confiar en un número.
Llega un reporte. Hay barras de colores, nombres de escalas, un puntaje en inteligencia y otro en responsabilidad. El reclutador los lee de corrido y construye una impresión: «es inteligente, parece responsable, tiene perfil». Pero en ningún momento se preguntó para qué vacante, con qué comparación, midiendo qué exactamente. Y tampoco se preguntó si la prueba que le dieron era la indicada para lo que necesitaba saber.
El mercado psicométrico no ayuda: los instrumentos tienen nombres distintos, los reportes tienen formatos distintos, y los proveedores rara vez explican qué tipo de pregunta responde cada cosa. El resultado es que el mismo reclutador usa a veces una prueba de personalidad para decidir si alguien es inteligente, y otras veces una prueba de aptitudes para decidir si alguien es confiable. El instrumento no falló; falló la pregunta que se le hizo.
Lo que sigue es una forma de ordenar ese paisaje. Cinco preguntas, cinco tipos de instrumento. Cada sección explica la pregunta, qué tipo de prueba puede responderla, qué dice la investigación sobre su efectividad y —tan importante como lo anterior— qué no puede responder ese tipo de prueba aunque el reporte parezca decirlo.
Pregunta 1: ¿Qué tan rápido va a aprender este puesto?
Esta es la pregunta que más aparece cuando el puesto es nuevo para el candidato: no importa tanto lo que ya sabe, sino qué tan rápido va a adquirir lo que necesita. El aprendizaje, la adaptación y la resolución de problemas nuevos son el corazón de esta pregunta.
Las pruebas de habilidades cognitivas —también llamadas pruebas de aptitud mental general o GMA por sus siglas en inglés— miden la capacidad de una persona para procesar información, razonar y aprender. Pueden presentarse como pruebas de razonamiento verbal, numérico, abstracto o espacial, o como baterías de aptitud general. Todas son, en esencia, indicadores del mismo factor subyacente: la capacidad de aprender.
La evidencia sobre su efectividad es extensa. Schmidt y Hunter (1998), en su síntesis de 85 años de investigación en psicología de personal, calcularon que la aptitud mental general predice el desempeño laboral con una correlación de r = .51, la más alta de cualquier predictor individual estudiado hasta entonces. Para puestos de alta complejidad cognitiva (profesionales, gerentes), la validez es mayor; para puestos de baja complejidad, es menor. La razón es intuitiva: en un puesto rutinario, lo que importa es la ejecución de procedimientos ya aprendidos; en un puesto complejo, lo que importa es seguir aprendiendo mientras se ejecuta.
Durante casi dos décadas, ese .51 convirtió a la aptitud cognitiva en el predictor de referencia. Pero el campo se actualizó. Sackett et al. (2022), en una de las revisiones más influyentes de los últimos años sobre la validez de los métodos de selección, demostraron que las estimaciones de validez de la GMA habían sido sobreestimadas sistemáticamente por errores en los métodos estadísticos de corrección. Con las correcciones revisadas, la GMA sigue siendo un predictor sólido y generalizable, pero ya no aparece como el predictor individual con mayor validez media: en las estimaciones actualizadas, la entrevista estructurada ocupa el primer lugar. La conclusión práctica no invalida el uso de pruebas cognitivas, pero sí subraya que su poder aumenta de forma considerable cuando se combinan con otros instrumentos —en particular con una entrevista bien estructurada o una prueba de integridad—.
Una prueba cognitiva te dice qué tan rápido puede aprender y adaptarse una persona. No te dice si ya sabe el trabajo, ni si querrá hacerlo bien. Esas son otras preguntas, y tienen otros instrumentos.
Una puntuación alta en aptitud cognitiva no garantiza motivación, compromiso ni comportamiento ético. Alguien puede aprender rápido y usarlo para hacer lo incorrecto. Su utilidad predictiva es menor cuando el puesto exige ejecutar habilidades ya dominadas; ahí pesan más la experiencia verificada o una muestra de trabajo.
Hay además un riesgo específico que conviene tener presente: las pruebas cognitivas presentan el mayor impacto diferencial documentado entre grupos. Roth et al. (2001) documentaron diferencias sistemáticas de puntuación entre grupos étnicos en contextos de empleo estadounidenses, diferencias que no necesariamente reflejan capacidad real de desempeño. Es una advertencia que aplica más allá de ese contexto: en México, el principio de no discriminación del artículo 3 de la Ley Federal del Trabajo —que solo exceptúa las distinciones basadas en las calificaciones que exige la labor determinada— respalda usar estas herramientas para medir lo que el puesto requiere, no como filtro de características protegidas.
Pregunta 2: ¿Cómo se va a comportar con el equipo y bajo presión?
Hay candidatos que aprenden rápido pero chocan con cualquier equipo. Otros que son técnicamente limitados pero generan cohesión y resuelven conflictos bien. Esta pregunta no es sobre capacidad: es sobre patrón de comportamiento, formas habituales de relacionarse y reaccionar. Para eso existen los inventarios de personalidad.
Los inventarios de personalidad miden rasgos estables que describen cómo una persona tiende a comportarse en distintas situaciones. El marco más respaldado por la investigación es el de los Cinco Grandes factores (Big Five): Responsabilidad, Estabilidad emocional, Apertura a la experiencia, Extraversión y Amabilidad. No son los únicos modelos en el mercado, pero son los que tienen mayor acumulación de evidencia en contextos de selección.
El meta-análisis fundacional de Barrick y Mount (1991) encontró que un solo factor —Responsabilidad (Conscientiousness)— predice el desempeño laboral de forma consistente en todos los grupos ocupacionales y todos los criterios de desempeño, con una correlación media de ρ = .22. Los otros cuatro factores muestran validez más selectiva: Extraversión predice mejor en puestos de alta interacción social (ventas, gerencia); Apertura a la experiencia predice proficiencia en entrenamiento. Este hallazgo fue confirmado en muestras europeas por Salgado (1997) y actualizado por Barrick et al. (2001).
Lo que esto significa en la práctica: cuando eliges un inventario de personalidad para una vacante, la pregunta relevante no es «¿qué tan alta es la puntuación?», sino «¿qué factor es relevante para este puesto y qué tan alta es la puntuación en ese factor?». Un vendedor con Extraversión baja merece atención; un analista de datos con Extraversión baja, no necesariamente.
La personalidad predice cómo alguien tiende a comportarse, no cómo se comportará en cada situación concreta. Responsabilidad es el factor con mayor evidencia universal; los demás dependen del puesto. Un inventario de personalidad sin ese filtro entrega más números de los que puede defender.
Los inventarios de personalidad son vulnerables a la distorsión de respuesta: un candidato motivado puede responder como cree que debe responder quien quiere el puesto. El meta-análisis de Viswesvaran y Ones (1999) mostró que todos los Cinco Grandes son falsificables bajo instrucciones directas. La buena noticia, documentada por Martínez y Salgado (2021), es que en los inventarios de elección forzada el efecto del faking es considerablemente menor en procesos reales de selección que en estudios de laboratorio. Y el límite más importante de todos: los inventarios de personalidad no son buenos predictores de comportamiento deshonesto o contraproductivo. Para esa pregunta hay otro instrumento.
Pregunta 3: ¿Ya sabe hacer lo que este puesto exige desde el día uno?
Hay vacantes que no tienen margen de aprendizaje: se necesita a alguien que ya sepa ejecutar el proceso el primer día. Y hay puestos en los que la diferencia entre dos candidatos con capacidad cognitiva similar es que uno ya enfrentó situaciones parecidas y el otro no. Esta pregunta no es sobre potencial; es sobre habilidades ya desarrolladas y criterio en acción.
Las pruebas de juicio situacional (Situational Judgment Tests o SJT) presentan al candidato escenarios laborales y le piden elegir entre opciones de respuesta. En lugar de observar la conducta directamente, infieren criterio situacional a partir de cómo la persona evalúa alternativas de acción. Son simulaciones de baja fidelidad del trabajo real.
La evidencia es sólida. McDaniel et al. (2001), en su meta-análisis con más de 10,600 participantes, calcularon una validez predictiva de ρ = .34 para SJT en desempeño laboral, generalizable entre ocupaciones. Y tienen una ventaja adicional, documentada en un meta-análisis posterior (McDaniel et al., 2007): su validez es incremental sobre las pruebas cognitivas y los inventarios de personalidad —aportan información que los otros dos tipos de instrumento no capturan—, aunque el tamaño de esa aportación es modesto y depende de cómo se diseñe la prueba. Su impacto adverso sobre grupos étnicos también tiende a ser menor que el de las pruebas cognitivas puras, lo que las hace especialmente útiles cuando la diversidad es una consideración explícita del proceso.
La versión de mayor fidelidad es la prueba de muestra de trabajo (work sample): el candidato realiza directamente una tarea real del puesto. La validez es similar, pero el costo de diseño y aplicación es considerablemente mayor y solo puede usarse con candidatos que ya dominan la tarea.
Los SJT miden criterio situacional: cómo evalúa una persona alternativas de acción frente a situaciones del puesto. No sustituyen una prueba técnica ni una muestra de trabajo. Su mayor fortaleza es aportar información que la capacidad cognitiva y la personalidad no capturan solos.
Los SJT son especialmente potentes en combinación con pruebas cognitivas: la primera captura el potencial de aprendizaje, la segunda captura el criterio ya desarrollado. Para puestos de alta complejidad donde se requiere tanto aprendizaje rápido como buen juicio desde el inicio, esta combinación maximiza la validez predictiva con menor riesgo de impacto adverso que una batería puramente cognitiva.
Pregunta 4: ¿Puedo confiar en esta persona con recursos, información sensible o clientes?
Esta es la pregunta que más incomoda formularse en voz alta, pero que más se formula en silencio. Antes de contratar a alguien que manejará efectivo, tendrá acceso a datos confidenciales o estará en contacto directo con clientes, la pregunta sobre confiabilidad es inevitable. Y es, también, la que más se responde con el instrumento equivocado.
Las pruebas de integridad no son detectores de mentiras ni cuestionarios de «¿eres honesto?». Son inventarios que detectan patrones de actitud y comportamiento asociados con conductas contraproductivas en el trabajo: robo, ausentismo injustificado, problemas disciplinarios, incumplimiento de reglas. Existen dos variedades: las abiertas, que preguntan directamente sobre actitudes hacia comportamientos deshonestos y experiencias pasadas, y las basadas en personalidad, que miden rasgos vinculados a esos comportamientos sin preguntarlo de forma directa.
La evidencia es contundente. Ones et al. (1993), en el meta-análisis más citado del tema, con 665 coeficientes de validez y más de 576,000 puntos de datos, encontraron una validez operacional media de r = .41 para predecir desempeño supervisado —comparable a la de las pruebas cognitivas—, y validez aún mayor para predecir conductas contraproductivas específicas. Un meta-análisis posterior que reunió 50 años de investigación (Lau et al., 2023) confirmó una validez media de .43 para conducta desviada en el trabajo.
Un hallazgo contraintuitivo y bien documentado: las pruebas de integridad predicen desempeño laboral general, no solo comportamiento deshonesto. La razón es que la integridad y la responsabilidad —el rasgo que en la Pregunta 2 vimos como el mejor predictor general de desempeño— están relacionadas: alguien que cumple sus compromisos en el trabajo también tiende a ser más productivo y menos conflictivo. De hecho, en la síntesis clásica de Schmidt y Hunter (1998) la combinación de aptitud cognitiva más prueba de integridad figuraba entre las de mayor validez predictiva de todas las estudiadas; conviene leerla como una combinación sólida, no como una jerarquía vigente para siempre.
Una prueba de integridad no elimina el riesgo de contratación; lo reduce. Y predice más que deshonestidad: predice conductas contraproductivas y el cumplimiento general de reglas y compromisos en el trabajo. Un inventario de personalidad no es sustituto para esta pregunta.
La evidencia de validez de las pruebas de integridad citada en este documento proviene principalmente de estudios internacionales —Estados Unidos, Europa y algunos países asiáticos—, y no localizamos investigación específica sobre su validación en población mexicana. Esto no invalida su uso, pero sí obliga a quien las aplica a exigir al proveedor evidencia sobre con qué muestra de referencia fueron normadas y qué adaptaciones se hicieron para el contexto local. En ausencia de esa información, los resultados se interpretan con mayor cautela.
Pregunta 5: ¿Cómo decide esta persona cuando no hay respuesta correcta obvia?
Esta pregunta es la que más se hace cuando el puesto implica manejo de incertidumbre: atención a clientes difíciles, gestión de conflictos, liderazgo en situaciones ambiguas, toma de decisiones bajo presión. No es exactamente sobre conocimiento ni sobre rasgos de personalidad: es sobre cómo alguien estructura un juicio en tiempo real.
Aquí la respuesta honesta es que ningún instrumento aislado es suficiente. La investigación sugiere que los SJT son los más cercanos a responder esta pregunta —porque presentan situaciones reales con ambigüedad incluida—, pero que su validez es más alta cuando se diseñan específicamente para el puesto y cuando se combinan con medidas de personalidad (en particular Responsabilidad y Estabilidad emocional) y con alguna medida cognitiva.
Esto tiene una implicación práctica que rara vez se menciona: no hay una prueba de «toma de decisiones bajo presión» que se pueda aplicar como caja negra. Lo que hay es un conjunto de evidencia sobre qué rasgos y habilidades predicen mejor el buen juicio en situaciones complejas, y la tarea del diseñador de la batería es combinar instrumentos que capturen esos elementos.
Cuando la pregunta es sobre criterio en contextos ambiguos, el instrumento único es insuficiente. La batería que mejor responde esta pregunta combina SJT diseñado para el puesto, una medida de personalidad orientada a los rasgos relevantes y, cuando aplica, una prueba cognitiva que capture la capacidad de procesar información nueva bajo presión.
Has combinado instrumentos y has formado una lectura del candidato. Pero en la mayoría de las organizaciones la decisión no es solo tuya: tienes que explicársela a un director o a un gerente que no va a leer el reporte. Ese momento —el traspaso de la evidencia a quien firma— es donde ocurre el error más común de todos, y no es de lectura sino de comunicación: convertir evidencia probabilística en un veredicto sobre la persona.
La investigación muestra que el riesgo es real y contraintuitivo. Kausel et al. (2016) encontraron que los responsables de contratación que combinan puntajes estandarizados con información de entrevistas no estructuradas terminan más confiados y menos certeros en sus predicciones que quienes solo consideran los puntajes. Más información mal integrada no mejora la decisión: la infla. Por eso, las directrices International Guidelines for Test Use establecen que el usuario competente debe presentar los resultados como una fuente de información entre varias, en un lenguaje que el receptor entienda, y explicar cómo esos resultados informan la decisión sin determinarla (International Test Commission, 2001).
Las guías de la APA para evaluación psicológica (2020) documentan los sesgos que más distorsionan esa comunicación: la sobreinterpretación, el anclaje en el primer dato y la confirmación de lo que ya se creía. Frente a ellos, comunicar bien un hallazgo hacia arriba se sostiene en cuatro principios. Primero, hablar en probabilidades y no en certezas: «es probable que le cueste sostener tareas largas sin seguimiento», no «es desorganizado». Segundo, conectar cada hallazgo con la exigencia concreta del puesto, porque un rasgo solo es relevante frente a lo que el rol requiere. Tercero, declarar qué falta por confirmar: el reporte es un insumo, y la entrevista y la trayectoria son otros. Cuarto, presentarlo como lo que es —una pieza de evidencia que reduce la incertidumbre—, no como el veredicto que cierra la decisión.
Y hay una línea que no se cruza: traducir un puntaje a una sentencia sobre la persona. «El test dice que es deshonesto» o «con este perfil va a fracasar» son frases que ningún instrumento psicométrico puede sostener. Que una prueba de integridad tenga una validez de .41 para predecir conductas contraproductivas significa que sus puntajes ayudan a anticipar esas conductas en grupos de personas, no que este candidato en particular las tendrá. Comunicar la probabilidad como si fuera una certeza individual no es interpretar el reporte: es fabricar una conclusión que la evidencia no autoriza.
Explicar un reporte a quien decide no es traducir tecnicismos a certezas: es presentar evidencia probabilística conectada a las exigencias del puesto, con lo que falta por confirmar dicho en voz alta. Lo que el reporte no puede afirmar importa tanto como lo que sí.
Las cinco preguntas: tabla de referencia rápida
Para consulta rápida al revisar un reporte o la batería que lo generó:
El hallazgo más consistente de la investigación —documentado desde Schmidt y Hunter (1998) hasta Sackett et al. (2022)— es que ninguna prueba aislada maximiza la predicción: las combinaciones bien diseñadas de predictores complementarios suelen superar a un instrumento individual. Leer bien un reporte no es buscar la prueba con el número más alto; es saber qué pregunta responde cada parte y qué instrumentos, combinados, la responden mejor.
Al revisar un reporte, estas señales indican que algo no cuadra entre la pregunta que te hiciste y la herramienta que la respondió:
Con quince años de trabajo y más de veinte millones de evaluaciones aplicadas en veinticinco países, el servicio central de Psicotest es psicometría automatizada que entrega reportes claros para decisores que no son psicólogos. Ese objetivo solo tiene sentido si los instrumentos están calibrados para responder las preguntas correctas, y si los reportes explican qué pregunta respondió cada prueba y con qué evidencia.
Cuatro compromisos se desprenden directamente de lo que este documento describe:
Ese cuidado opera dentro del marco legal aplicable en México —especialmente en materia laboral, de protección de datos personales y de no discriminación— y, cuando el caso lo exige, de obligaciones específicas como la NOM-035-STPS-2018. No como añadido, sino como condición de la confianza.
Contratar con ciencia empieza por elegir bien el instrumento. Contratar con conciencia termina por saber qué pregunta le estás haciendo. Este whitepaper buscó cerrar la distancia entre las dos.
Si estás revisando tu batería actual. Toma las cinco señales rojas de la sección anterior y aplícalas a los instrumentos que hoy usas. Si alguna señal se activa, el siguiente paso es hablar con tu proveedor antes de que lo haga una mala contratación.
Si estás eligiendo un proveedor nuevo. Pídele que te diga explícitamente qué pregunta responde cada instrumento de su catálogo, con qué evidencia y contra qué grupo normativo. Si no puede responder esas tres preguntas, ya tienes la información que necesitas.
Si quieres profundizar en la interpretación. Consulta el Glosario Psicotest y el resto de esta serie. Y si quieres desarrollar criterio técnico real, el curso de interpretación de pruebas de Psicotest está diseñado exactamente para el decisor que ya sabe qué pregunta quiere hacer.
Sobre Psicotest
México merece psicometría hecha para México. Con quince años de trabajo, más de veinte millones de evaluaciones aplicadas y presencia en veinticinco países, Psicotest construye instrumentos y reportes pensados para la población que realmente se evalúa en la región, no traducidos de otra parte.
Entendemos la psicometría como ciencia aplicada: un reporte que no puede ser leído por quien decide no es un buen reporte, sin importar cuántas escalas tenga. Por eso nuestro criterio de diseño es la utilidad para quien decide, no la complejidad técnica.
Las empresas que quieren contratar bien, contratan con ciencia. Las que quieren sostener esas decisiones, aprenden a leerlas: contratan con conciencia.
Sobre la autora
Aurora Martínez coordina el área de investigación de Psicotest. Lleva más de 10 años trabajando en psicometría aplicada a la selección de personal y su interés principal es que estos conceptos sean comprensibles para quienes toman decisiones, sin perder el rigor que la disciplina exige.
