Ejemplos de calibración del desempeño y checklist de sesgos

12 de julio de 2026
Por Jürgen Ulbrich

Los ejemplos de calibración del desempeño muestran lo que ocurre de verdad cuando los managers comparan evaluaciones lado a lado: una nota inflada se corrige con evidencias, se detecta un pico por sesgo de recencia y se nivelan dos empleados con "cumple expectativas" que tienen niveles de resultados distintos. Una reunión de calibración es la sesión estructurada en la que los managers alinean las evaluaciones con rúbricas compartidas para que el mismo desempeño reciba la misma nota.

La mayoría de las guías te dan una plantilla en blanco y un guion para el facilitador. No es eso lo que buscan quienes quieren ejemplos de calibración. Quieren ver la discusión en acción: la evaluación inicial, el cuestionamiento, las evidencias y el resultado ajustado. A continuación encontrarás cuatro ejemplos prácticos, las rúbricas que los hacen repetibles, el checklist de sesgos que los facilitadores aplican de verdad y los casos que nadie más cubre: los equipos remotos y sin puesto de oficina.

Cómo es la calibración del desempeño en la práctica: 4 ejemplos prácticos

Cada ejemplo sigue el mismo arco: la situación, la evaluación inicial que trajo el manager, la discusión de calibración, el resultado ajustado y por qué cambió. Son composiciones realistas basadas en los patrones que vemos en equipos de RR. HH., no estadísticas inventadas.

EscenarioEvaluación inicialDiscusión de calibraciónResultado ajustadoPor qué
Nota inflada, evidencias escasas. Un manager evalúa a un comercial con "Supera", pero el expediente cita "buena actitud" y una sola operación cerrada.Supera (4/5)El facilitador pide evidencias en formato STAR. La única operación era heredada, no la generó él. No hay impacto cuantificado más allá de la actitud.Cumple (3/5)La nota describía la relación, no los resultados. Las evidencias, no los sentimientos, determinan la puntuación.
Sesgo de recencia. Un ingeniero entregó un lanzamiento muy visible dos semanas antes de la evaluación; los diez meses anteriores fueron normales.Supera (4/5)Sus compañeros señalan que el lanzamiento fue sólido, pero que el balance del año es correcto sin destacar. El pico se pondera frente a los 12 meses.Cumple+ (3,5/5)Un gran último mes no es un gran año. La calibración vuelve a anclar la nota al período completo.
Nivelación entre equipos. Dos personas con "Cumple" de managers distintos, pero con resultados muy diferentes.Ambos Cumple (3/5)Los managers comparan entregables concretos. Uno sacó adelante una migración crítica; el otro cumplió una línea base más ligera. "Cumple" significaba dos cosas distintas.3,5/5 y 2,5/5La calibración existe precisamente para que "Cumple" signifique lo mismo en todos los equipos y con todos los managers.
Sesgo de proximidad (remoto). Un empleado de oficina recibe mejor nota que un compañero totalmente remoto con resultados medibles superiores.Oficina 4/5, remoto 3/5El facilitador pone de manifiesto que la diferencia se debía a la visibilidad, no a los resultados. Las métricas del compañero remoto son en realidad mejores.Remoto sube a 4/5Que te vean no es lo mismo que rendir. Lo decide el historial, no el escritorio.

Fíjate en lo que tienen en común todos los ejemplos: la nota cambió porque alguien pidió las evidencias que la respaldaban. Ese es todo el mecanismo. Una reunión de calibración no es una votación sobre quién cae mejor, sino una prueba de si cada evaluación supera un estándar compartido. Los equipos con un proceso formal suelen combinarla con un software de gestión del desempeño para empresas para que las evidencias y los ajustes queden registrados y no se pierdan en una hoja de cálculo.

La calibración solo funciona sobre evaluaciones coherentes. Pide a cada empleado una autoevaluación del desempeño antes de la sesión y mantén evaluaciones y evidencias en un solo lugar: nuestro software de gestión del talento reúne evaluaciones, feedback y skills, y la comparativa de software de gestión del talento muestra qué revisar antes de comprar.

Rúbricas que hacen repetibles los ejemplos: BARS y la matriz de nueve casillas

Los ejemplos prácticos solo se mantienen coherentes si todos evalúan con las mismas definiciones. Dos rúbricas hacen el trabajo pesado.

BARS (escalas de evaluación ancladas en comportamientos)

BARS sustituye las etiquetas vagas ("buen comunicador") por comportamientos observables en cada nivel. En lugar de una escala del 1 al 5 que nadie define igual, cada número se ancla a un ejemplo concreto de cómo es ese nivel en el trabajo. En los ejemplos anteriores, BARS es lo que permitió al facilitador decir "supera significa X, y esta evidencia solo demuestra Y".

NivelEtiqueta vaga (evitar)Ancla BARS (usar)
5 / Supera"Colaborador excepcional"Desbloqueó de forma proactiva los entregables de otros dos equipos; documentó la solución para que no se repitiera.
3 / Cumple"Buen jugador de equipo"Respondió a las solicitudes de otros equipos dentro del SLA; compartió contexto cuando se lo pidieron.
1 / Por debajo"Le cuesta trabajar en equipo"Falló en dos traspasos; sus compañeros tuvieron que escalar para obtener la información necesaria.

La matriz de nueve casillas (nine-box)

La nine-box sitúa el desempeño (de este período) frente al potencial (orientado al futuro) en una cuadrícula de 3x3. Su valor en la calibración es detectar rápido problemas de distribución: si un manager ha colocado a todos en la casilla superior derecha de "estrellas", eso es una señal de alerta de calibración, no un equipo excelente. La matriz no decide las evaluaciones, sino que deja ver agrupaciones que merecen una segunda mirada. Si la calibración saca a la luz una y otra vez brechas de capacidades, es una señal para conectarla con tus datos de gestión de skills en lugar de tratar cada evaluación de forma aislada.

El checklist de sesgos que los facilitadores usan de verdad durante la reunión

Es un checklist en vivo, que se aplica en la sala con las evaluaciones en pantalla, no una formación que se lee de antemano. Los facilitadores los nombran en el mismo momento en que aparecen.

  • Efecto halo/cuernos: ¿Un solo rasgo fuerte (o débil) tiñe toda la evaluación? Pregunta qué competencias concretas respaldan realmente las evidencias.
  • Sesgo de recencia: ¿Las evidencias abarcan todo el período evaluado o se concentran en el último mes? Pide un ejemplo del primer o segundo trimestre.
  • Sesgo de similitud/afinidad: ¿Se evalúa mejor a esta persona porque trabaja como el manager? Separa el estilo de los resultados.
  • Sesgo de proximidad: ¿Se evalúa mejor a quienes están en la oficina que a compañeros remotos con resultados iguales o mejores? Compara métricas, no visibilidad.
  • Tendencia central: ¿Ha puesto un manager "Cumple" a todo el mundo para evitar conversaciones difíciles? Fuerza la diferenciación con evidencias.
  • Revisión de la distribución: ¿La curva de un equipo parece inverosímilmente distinta de la de equipos comparables? Investiga el valor atípico antes de aceptarlo.

El efecto halo y el sesgo de recencia son los dos que aparecen con más frecuencia. La investigación independiente es una advertencia útil: un análisis de HBR halló que la calibración puede amplificar el sesgo en lugar de reducirlo cuando no se gestiona, con una pequeña diferencia inicial en la nota de las mujeres de color que se amplía mucho tras la sesión. La calibración solo es una herramienta de equidad si el facilitador aplica activamente un checklist como este.

Requisitos de evidencia: qué cuenta como un registro defendible

Cada ajuste de los ejemplos prácticos dependió de las evidencias. Una evaluación que no se puede defender con un registro concreto no es una evaluación, es una opinión. Dos estándares mantienen el registro defendible.

  • Estructura STAR: situación, tarea, acción y resultado. Cada afirmación de la evaluación debe apoyarse en al menos un ejemplo STAR con un resultado medible, no en un adjetivo.
  • Información de varias fuentes: el criterio del manager más al menos otra señal (feedback de compañeros, resultados de proyectos, datos de clientes), para que la nota no dependa de una única perspectiva.

Una prueba práctica: si el empleado preguntara "¿por qué esta nota?", ¿podrías responder con una situación y un resultado concretos en lugar de con una sensación? Si no, la evaluación no está lista para la calibración.

Calibrar equipos sin puesto de oficina y remotos (el caso que nadie más cubre)

La mayoría de los consejos de calibración dan por supuesto, sin decirlo, un trabajador del conocimiento con una reunión 1:1 semanal con su manager y un rastro ordenado de proyectos. Los equipos de primera línea, por turnos y de campo rompen esa suposición, y son buena parte de la plantilla que peor se calibra.

DesafíoPor qué distorsiona la calibraciónQué hacer en su lugar
Sin ritmo fijo de reuniones 1:1 con el managerLas evaluaciones se basan en recuerdos dispersos, no en observaciones documentadas.Registra observaciones breves y fechadas en el momento del trabajo (por turno o por visita), no una vez al año.
Supervisores rotativosDistintas personas observan al mismo empleado durante un período y las evaluaciones se desvían.Reúne las observaciones de todos los supervisores antes de la reunión; calibra el conjunto, no la visión de un solo jefe de turno.
El resultado es de equipoEs difícil aislar la contribución individual en una línea de producción o en una cuadrilla.Define anclas de comportamiento individuales (seguridad, fiabilidad, iniciativa) separadas de las métricas de resultado del equipo.
Sesgo de proximidad en remotoLos empleados fuera de la vista reciben sistemáticamente peores notas (véase el ejemplo 4).Abre la discusión con las métricas del personal remoto antes de cualquier comentario cualitativo.

La solución habitual es la misma: llevar el registro de evidencias al momento del trabajo, de modo que, cuando llegue la calibración, compares registros y no reconstruyas recuerdos.

Qué deben acordar con el comité de empresa los equipos de RR. HH. de DACH

Para las empresas que operan en Alemania, la calibración no es solo una decisión de diseño de RR. HH. Según la Ley alemana de Organización de la Empresa (Betriebsverfassungsgesetz), el comité de empresa tiene derechos de cogestión sobre los principios generales con que se evalúa a los empleados. El § 94 Abs. 2 BetrVG somete a cogestión los principios de evaluación (Beurteilungsgrundsätze), y el § 82 Abs. 2 BetrVG otorga a cada empleado el derecho a que se hable con él de su evaluación y desarrollo. En la práctica, eso significa que unas rúbricas documentadas y defendibles no son solo buena higiene, sino el terreno legal más seguro. Si estás construyendo el proceso completo, nuestra checklist de gestión del talento y comité de empresa en DACH cubre la puesta en marcha en profundidad.

Dónde encaja la IA: señalar valores atípicos antes de la reunión

Las reuniones de calibración malgastan sus primeros treinta minutos en limpiar datos: detectar al manager que puso "Supera" a todo el mundo, las evaluaciones sin evidencias adjuntas, las distribuciones que no cuadran. Ese trabajo no necesita a una persona. El coworker de IA Atlas de Sprad puede señalar de antemano los valores atípicos en la distribución de notas y las evidencias que faltan, de modo que los facilitadores lleguen a la sesión con una lista corta de casos que discutir en lugar de una hoja de cálculo en bruto. No decide las evaluaciones, solo pone arriba las preguntas que merece la pena hacer.

Preguntas frecuentes

¿Qué es una reunión de calibración del desempeño?

Es una sesión estructurada en la que los managers revisan y comparan las evaluaciones propuestas para sus empleados con rúbricas compartidas, de modo que el mismo nivel de desempeño reciba la misma nota en todos los equipos y con todos los managers. Su propósito es la coherencia y la equidad, no volver a discutir evaluaciones individuales.

¿Cuál es un ejemplo de calibración?

Un manager evalúa a un ingeniero con "Supera" sobre todo por un lanzamiento entregado dos semanas antes de la evaluación. En la calibración, sus compañeros ponderan ese pico frente a todo un año de trabajo sólido pero normal y bajan la nota a "Cumple+". Ahora la evaluación refleja todo el período, no el recuerdo más reciente.

¿Qué es el efecto halo en la evaluación del desempeño?

El efecto halo ocurre cuando un solo rasgo (o logro) destacado infla la nota en competencias no relacionadas: un comunicador carismático puntuado alto en una entrega en la que en realidad no destacó. La solución es exigir evidencias separadas para cada competencia en lugar de una impresión general.

¿Cuál es el sesgo de calibración más común?

El sesgo de recencia y el efecto halo son los dos que se ven con más frecuencia: los managers dan demasiado peso a las últimas semanas o dejan que un solo rasgo impresionante cargue con toda la nota. El contrapeso práctico es un checklist de sesgos en vivo que nombra cada sesgo en cuanto aparece.

¿Cuánto debe durar una reunión de calibración?

Para la mayoría de los equipos, entre 60 y 90 minutos bastan para el grupo de un manager. Pasado ese tiempo, la atención cae y la calidad de la discusión se resiente. Señalar los valores atípicos de antemano y exigir las evidencias con antelación es lo que la mantiene dentro de esa ventana en lugar de alargarla media jornada.

Siguiente paso

Empieza usando los cuatro ejemplos prácticos de arriba como material de formación para la calibración, y adopta después las anclas BARS y el checklist de sesgos en vivo. El cambio de mayor impacto es llevar el registro de evidencias al momento del trabajo, para que la reunión compare registros en lugar de recuerdos. Las evaluaciones justas son un proceso, no una cuestión de personalidad.

Jürgen Ulbrich

CEO y cofundador de Sprad

Jürgen Ulbrich cuenta con más de una década de experiencia en la creación y dirección de equipos y empresas de alto rendimiento. Como experto en programas de recomendación de empleados y en procesos de feedback y desempeño, Jürgen ha ayudado a más de 100 organizaciones a optimizar sus estrategias de captación y desarrollo de talento.

Plantillas y descargas gratuitas

Únete a la comunidad en solo 26 segundos y accede gratis a más de 100 recursos, plantillas y guías.

No items found.

La People Powered HR Community es para profesionales de RR. HH. que ponen a las personas en el centro de su trabajo de RR. HH. y reclutamiento. Juntos, convirtamos nuestra convicción compartida en un movimiento que transforme el mundo de RR. HH.