Investigaciones recientes han destacado la contribución de las decisiones directivas a la productividad de las empresas.
El estudio concluyó que la eficacia de una empresa a la hora de asignar a sus empleados los puestos más adecuados era un indicador de su éxito general.
Los hallazgos podrían ser especialmente valiosos cuando la necesidad de hacer frente a la innovación tecnológica, las pandemias, el cambio climático o las guerras exige una reestructuración generalizada de las empresas y la reasignación de los trabajadores.
Pocas preguntas en economía son tan importantes como la de qué impulsa la productividad de las empresas individuales y de países enteros. Sobre todo cuando persisten en el tiempo, las diferencias de productividad acaban separando a las empresas y a sus empleados ganadores de los perdedores; en conjunto, son determinantes clave de las diferencias en los niveles de vida entre países (Bloom et al. 2010). Tradicionalmente, los economistas explicaban las diferencias de productividad por la calidad del capital y del trabajo que utilizan las empresas, y por la tecnología con que se combinan (Syverson 2011).
Últimamente, los economistas han comprendido que la gestión de los recursos humanos es igual de importante para determinar la productividad de las empresas. Las investigaciones sobre prácticas de gestión (Bloom y Van Reenen 2007, Bloom et al. 2017, 2019, Cette et al. 2020, Patnaik et al. 2021) han destacado que las decisiones directivas contribuyen a la productividad de las empresas al afinar los incentivos de los trabajadores mediante la remuneración por desempeño, los ascensos y la supervisión. Sin embargo, se ha prestado menos atención a cómo asignan los directivos a los trabajadores a los puestos. Cada trabajador tiene habilidades y actitudes específicas para distintas tareas, que normalmente perfecciona a lo largo de su carrera; por ello, asignarlo al mejor puesto posible es un problema complejo que no todos los directivos pueden resolver igual de bien. No obstante, en principio, la capacidad de un directivo para resolver este problema de adecuación puede ser un factor importante de la productividad de una empresa, sobre todo ante grandes perturbaciones que exigen reestructurar la empresa y reasignar trabajadores, como la digitalización, las pandemias y el cambio climático.
Medir la capacidad de los directivos para asignar a los trabajadores a los puestos adecuados tampoco es tarea fácil. La razón por la que este aspecto se ha pasado por alto en los estudios sobre prácticas de gestión es que estos se basan en respuestas a encuestas sobre cómo dirigen los responsables las operaciones de sus empresas; sería muy difícil usar información autodeclarada para evaluar si asignan a cada trabajador la función más adecuada dentro de la empresa. En un artículo reciente (Coraggio et al. 2022), abordamos el problema combinando técnicas de aprendizaje automático (AA) con datos administrativos emparejados de empleadores y empleados, y aplicamos ambos conjuntamente para medir la calidad de la adecuación entre puestos y trabajadores dentro de las empresas. Después validamos la medida resultante de la calidad de la asignación a los puestos (JAQ, por sus siglas en inglés) examinando su correlación con los salarios de los trabajadores a lo largo de sus carreras y con el desempeño de las empresas, y comprobando si mejorar la calidad de la gestión aumenta la calidad de la adecuación de los empleados de base a sus puestos.
Una nueva medida de la calidad de la asignación a los puestos
La idea detrás de nuestra medida es sencilla: para entender hasta qué punto las empresas asignan bien a sus empleados a los puestos, primero identificamos un grupo de empresas que supuestamente sobresalen en esta tarea («empresas punteras») y luego aprendemos de ellas cómo asignan a los trabajadores, con lo que obtenemos una «regla de asignación óptima». Al aprender de las empresas punteras, la regla imita su comportamiento y nos permite predecir el puesto más adecuado para cada empleado.1
En esencia, la regla sintetiza las estrategias de asignación de los directivos de las empresas punteras, tal como se reflejan en sus decisiones. Pero ¿qué hace que una empresa sea «puntera»? Es natural esperar que las empresas que sobresalen al asignar empleados a los puestos donde son más productivos también sean más productivas que las demás. Por tanto, la regla de asignación óptima se infiere mejor a partir de las empresas del decil superior de productividad.2
Aplicamos esta lógica a datos administrativos suecos emparejados de empleadores y empleados correspondientes a 2001–10, mediante cuatro pasos. Primero, estimamos, con un algoritmo de AA, cómo se corresponden las características de los trabajadores con los puestos en las empresas más productivas. Segundo, predecimos la adecuación de cada trabajador a cada puesto según la función estimada mediante el algoritmo. Tercero, medimos si el puesto real de un trabajador coincide con aquel para el que se predice que es más adecuado dentro de la empresa (eJAQ). Por último, construimos la medida de JAQ a nivel de empresa calculando el promedio de eJAQ de todos los empleados de cada empresa.
La calidad de la asignación a los puestos se correlaciona con la productividad
Si nuestras medidas contienen información significativa, la medida a nivel del trabajador debería estar asociada positiva y significativamente con la experiencia en el mercado laboral y con los salarios de los trabajadores: a medida que los directivos conocen las características de los trabajadores, cabe esperar que los asignen a puestos más adecuados (Fredriksson et al., 2018), y los propios trabajadores adaptan sus habilidades a sus tareas mediante la formación en el puesto de trabajo (Guvenen et al. 2020). Además, en la medida en que una mejora en la asignación a los puestos genere aumentos de productividad, es probable que los trabajadores se apropien de una parte de estos en forma de salarios más altos.
Los datos respaldan ambas predicciones. La figura 1 muestra el diagrama de dispersión agrupado de eJAQ en función de la experiencia en el mercado laboral. La probabilidad de que se asigne a un trabajador al puesto que predice el algoritmo de AA aumenta con la experiencia y casi se duplica (del 35% al 63%) a lo largo de una vida laboral de 50 años. El mayor aumento (unos 17 puntos porcentuales) se produce en los primeros cinco años de la carrera de un trabajador, en consonancia con la idea de que el aprendizaje es más rápido entre los trabajadores jóvenes y que es más fácil reasignarlos a puestos más adecuados que a los empleados sénior (Farber y Gibbons 1996). Además, una mejor adecuación entre trabajadores y puestos se asocia con una remuneración más alta, lo que sugiere que asignar a los trabajadores los puestos correctos genera ganancias de eficiencia: un trabajador asignado al puesto más adecuado para él gana entre un 0.7% y un 1.4% más que un trabajador con las mismas características cuyo puesto no se ajusta a su perfil.
Figura 1 Calidad de la asignación a los puestos a nivel del trabajador y experiencia laboral
A nivel de empresa, la JAQ presenta una correlación positiva significativa, considerable y sólida con las medidas del desempeño empresarial, incluso al controlar las variables a nivel de empresa que suelen asociarse con la productividad (sector, capital y trabajo, propiedad) y las características de los trabajadores utilizadas para predecir la JAQ. La figura 2 muestra que la productividad a nivel de empresa se correlaciona positivamente con la JAQ, controlando por año e indicadores de sector a dos dígitos. Al estudiar la correlación de la JAQ con diversos indicadores del desempeño empresarial, observamos que un aumento de una desviación estándar en la JAQ se asocia con un incremento del 15.7% en las ventas por empleado. Esto concuerda con Criscuolo et al. (2021), quienes concluyen que las diferencias en los resultados de productividad entre empresas líderes y rezagadas dependen de la composición, diversidad y competencias de sus directivos y trabajadores, y que este «lado humano» explica alrededor de un tercio de las diferencias de productividad observadas entre empresas, según el análisis de un conjunto de datos de empleadores y empleados de diez países.
Figura 2 Productividad de las empresas y calidad de la asignación a los puestos
Nota: La figura representa la productividad de las empresas, medida por el valor añadido por empleado, en función de la medida de calidad de la asignación a los puestos (JAQ) a nivel de empresa, controlando por año y efectos fijos de sector.
La gestión importa para la adecuación
Estos resultados concuerdan con la idea de que nuestro algoritmo capta una regla de buenas prácticas para asignar trabajadores a puestos, cuya adopción se correlaciona con una mayor productividad a nivel de empresa. ¿Por qué no siguen todas las empresas de nuestra muestra una regla de buenas prácticas como esta? Dado que la contratación de trabajadores, su asignación a puestos y los ascensos suelen ser decisiones de gestión, cabe preguntarse si, en nuestros datos, la asignación de los trabajadores a los puestos guarda una relación sistemática con la calidad de la gestión.
En efecto, así es. La figura 3 muestra los efectos dinámicos estimados del tratamiento en los trabajadores de base en torno a los cambios de dirección, asociados respectivamente con un aumento (panel a) o una disminución (panel b) de la calidad de la gestión de la empresa (medida por la eJAQ de los propios directivos). El panel a muestra que el reemplazo de los directivos en funciones por otros mejores suele producirse tras un deterioro pronunciado y estadísticamente significativo en la asignación de los trabajadores de base a los puestos (de 10 puntos porcentuales en promedio), y va seguido de una mejora significativa y persistente de la misma magnitud durante los cinco años siguientes, a partir del momento del primer reemplazo. En cambio, el panel b indica que el reemplazo de los directivos en funciones por otros peores suele producirse en empresas que parten de un nivel normal de calidad de gestión, y se asocia con un deterioro marcado, persistente y estadísticamente significativo en la asignación de los trabajadores de base (de unos 15 puntos porcentuales en promedio). En conjunto, estas pruebas sugieren que los cambios en la calidad de la gestión son un factor importante de los cambios en la asignación de los trabajadores y, por tanto —para bien o para mal—, del cambio organizativo dentro de las empresas.
Figura 3 Respuesta de la JAQ de los trabajadores de base a cambios de dirección que elevan (a) o reducen (b) la JAQ de los directivos
a) Cambio de dirección con aumento de la JAQ de los directivos
b) Cambio de dirección con disminución de la JAQ de los directivos
Nota: La figura muestra los coeficientes de las variables indicadoras del tiempo relativo al evento en torno a los cambios de dirección, en regresiones que explican la JAQ de los trabajadores de base, mediante el método de Callaway y Sant’Anna (2021).
Conclusiones
En resumen, la adecuación entre trabajadores y puestos importa para las diferencias de productividad entre empresas y responde significativamente a cambios en las habilidades y la experiencia de los directivos, cuando la calidad de la adecuación entre trabajadores y puestos se mide como proponen Coraggio et al. (2022).
De hecho, esta medida puede aplicarse de forma más amplia para poner a prueba predicciones sobre la asignación del capital humano en las finanzas corporativas, la teoría de la organización y la economía laboral. Además, puede construirse para cualquier país y período en que existan datos administrativos de empleadores y empleados que incluyan las asignaciones de los trabajadores a los puestos, sin necesidad de recurrir a encuestas costosas (Bloom y Van Reenen 2007, Bloom et al. 2019) ni a evaluaciones detalladas de expertos sobre las habilidades que requiere cada puesto (Lise y Postel-Vinay 2020, Guvenen et al. 2020).
No hace falta decir que una medida de la calidad de la adecuación entre trabajadores y puestos es especialmente valiosa en momentos en que la innovación tecnológica, como la digitalización y la inteligencia artificial, y las catástrofes, como las pandemias o el cambio climático, fuerzan una reestructuración generalizada de las empresas y exigen reasignar a los trabajadores existentes a nuevos puestos o sustituirlos por trabajadores con nuevas habilidades.
Referencias
Bloom, N, E Brynjolfsson, L Foster, R Jarmin, M Patnaik, I Saporta-Eksten y J Van Reenen (2017), «Añadir una pieza al rompecabezas de la productividad: prácticas de gestión», VoxEU.org, 17 de mayo.
Bloom, N, E Brynjolfsson, L Foster, R Jarmin, M Patnaik, I Saporta-Eksten y J Van Reenen (2019), «¿Qué explica las diferencias en las prácticas de gestión?», American Economic Review 109(5): 1648–1683.
Bloom, N, R Homkes, R Sadun y J Van Reenen (2010), «Por qué las buenas prácticas realmente importan en la atención sanitaria», VoxEU.org, 17 de diciembre.
Bloom, N y J Van Reenen (2007), «Medición y explicación de las prácticas de gestión en empresas y países», The Quarterly Journal of Economics 122(4): 1351–1408.
Callaway, B y P H Sant’Anna (2021), «Diferencias en diferencias con múltiples períodos», Journal of Econometrics 225(2): 200–230.
Cette, G, J Lopez, J Mairesse y G Nicoletti (2020), «Las prácticas de gestión influyen en la capacidad de las economías para resistir grandes perturbaciones», VoxEU.org, 2 de diciembre.
Coraggio, L, M Pagano, A Scognamiglio y J Tåg (2022), «JAQ para todos los oficios: desajuste laboral, productividad de las empresas y calidad de la gestión», documento de debate del CEPR n.º 17167.
Criscuolo, C, P Gal, T Leidecker y G Nicoletti (2021), «El lado humano de la productividad: desvelar el papel de las habilidades y la diversidad en la productividad de las empresas», VoxEU.org, 23 de diciembre.
Farber, H S y R Gibbons (1996), «Aprendizaje y dinámica salarial», The Quarterly Journal of Economics 111(4): 1007–1047.
Fredriksson, P, L Hensvik y O N Skans (2018), «Desajuste del talento: pruebas sobre la calidad de la adecuación, los salarios iniciales y la movilidad laboral», American Economic Review 108(11): 3303–3338.
Guvenen, F, B Kuruscu, S Tanaka y D Wiczer (2020), «Desajuste multidimensional de habilidades», American Economic Journal: Macroeconomics 12(1): 210–244.
Lise, J y F Postel-Vinay (2020), «Habilidades multidimensionales, selección y acumulación de capital humano», American Economic Review 110(8): 2328–2376.
Patnaik, M, A Lamorgese, A Linarello y F Schivardi (2021), «Las prácticas de gestión mejoraron el desempeño de las empresas durante la COVID-19 al facilitar el trabajo a distancia: pruebas de Italia», VoxEU.org, 1 de mayo.
Syverson, C (2011), «¿Qué determina la productividad?», Journal of Economic Literature 49(2): 326–365.
Notas al pie
1 La regla tiene en cuenta tanto las características de la empresa como las del empleado al predecir las asignaciones a los puestos.
2 Los deciles de productividad se calculan a partir de los efectos fijos de productividad obtenidos mediante una regresión de la productividad sobre otros determinantes, incluidos los efectos fijos de las empresas. El análisis se realiza dentro de las categorías de sector y tamaño de las empresas.
