Inflación de calificaciones en la evaluación de desempeño

Qué es

La inflación de calificaciones es el desplazamiento sistemático de las notas de un sistema de evaluación de desempeño hacia el extremo superior de la escala, hasta que la distribución deja de discriminar entre los evaluados. No es ruido de medición: es un sesgo direccional. La psicología organizacional lo llamó tempranamente leniency bias —benevolencia del evaluador— y lo emparejó con la tendencia central, la costumbre de amontonar a todos en el medio. La revisión que fijó el problema como agenda de investigación fue la de Landy y Farr (1980), que mostró que las características del evaluador pesaban más que el diseño del formulario: cambiar el instrumento casi no movía los resultados.

El aporte económico llegó después y fue reencuadrar quién falla. Murphy y Cleveland (1995) plantearon que el evaluador no es un instrumento defectuoso sino un actor que persigue sus propios fines: poner una nota baja le cuesta conflicto, apelaciones, deterioro del clima de equipo y tiempo de fundamentación, y le reporta poco o nada. Bajo esos precios relativos, inflar es la conducta racional, no el error. Prendergast (1999), en su revisión de los esquemas de incentivos dentro de las empresas, documenta esa compresión de las evaluaciones subjetivas como un hallazgo robusto y no como una anomalía local.

La evidencia empírica más citada es anterior: Medoff y Abraham (1980), estudiando grandes empresas estadounidenses, encontraron que la abrumadora mayoría de los evaluados quedaba en las categorías superiores y prácticamente nadie en las inferiores, con la consecuencia de que el desempeño medido explicaba muy poco de las diferencias de remuneración. Cuando el sistema pierde varianza, pierde información.

Hay dos amplificadores que importan para el sector público. El primero es la asimetría de consecuencias en el borde inferior de la escala: si el peldaño más bajo no es una nota sino una sanción —el despido—, el evaluador ya no está puntuando desempeño, está decidiendo si desvincula. Frente a esa disyuntiva, y sabiendo que la calificación es recurrible y debe fundarse, el equilibrio es evidente: nadie abajo. La escala colapsa hacia arriba y las categorías intermedias quedan vacías, porque usarlas también es entendido como una acusación. El segundo es que el sector público reúne todas las condiciones que Dixit (2002) identifica como hostiles a los incentivos de alta potencia: múltiples principales, objetivos difusos y a menudo en conflicto, y producto difícil de observar. Wilson (1989) ya había ordenado a las agencias según cuán observables son sus resultados; donde no lo son, la evaluación individual tiende a volverse ceremonial.

El efecto final es doble. La evaluación mide sin distinguir, y el bono atado a ella deja de ser un incentivo para convertirse en un componente fijo de la remuneración —pagado a todos, esperado por todos— pero conservando el costo administrativo de simular que es variable.

Cómo lo explicó el programa

En Buenos Días Mercado del 19 de agosto de 2026, bajo el tema "La evaluación de desempeño en el Estado no discrimina", el panel discutió los programas de mejoramiento de gestión y los bonos que terminan repartiéndose entre todos, y el punto se cerró con el dato de las calificaciones. El Estatuto Administrativo ordena a los funcionarios en cuatro listas, donde la cuarta habilita la cesación de funciones. Willy Díaz describió el resultado observado:

"¿Sabes cuántos hay en lista 1? El 98 y algo por ciento. En lista 3, ninguno. En lista 4, ninguno."

Esa distribución es la definición operativa del concepto: una escala de cuatro tramos que en la práctica tiene uno. El programa fue explícito en que el problema no es la ausencia de buenos funcionarios —mencionó como ejemplo concreto a los de Tesorería— sino la incapacidad del instrumento para señalarlos. Y la excepción que citaron ilumina el mecanismo: en Tesorería el incentivo institucional es recaudar, una meta observable y verificable, y por eso el comportamiento efectivo es buscar soluciones de pago antes que amenazar. Lo que disciplina la conducta ahí no es la calificación individual, es la claridad y mensurabilidad de la misión. Es exactamente el corte de Wilson y de Dixit, expuesto sin la jerga.

Relación con otros conceptos

La inflación de calificaciones es un caso particular del problema principal-agente con evaluación subjetiva: cuando el desempeño no es contratable de manera objetiva, se delega el juicio a un supervisor que tiene sus propios intereses, y aparece un segundo problema de agencia encima del primero. Conecta con la ley de Goodhart —una medida que se vuelve objetivo deja de ser buena medida— aunque por una vía distinta a la habitual: aquí no es el evaluado quien distorsiona el indicador sino el evaluador. Se relaciona con la teoría de multitarea de Holmström y Milgrom, porque parte de la resistencia a diferenciar nace de que solo algunas dimensiones del trabajo son observables y premiar las medibles desatiende las otras. También con los costos de influencia de Milgrom y Roberts (1992): un sistema con notas que reparten dinero genera actividad dedicada a cabildear la nota, y comprimirlas es una forma barata de apagar ese conflicto. Finalmente, toca la teoría de señales: una calificación sin varianza no transmite información al mercado interno de trabajo, así que las promociones se resuelven por antigüedad o por redes, no por la evaluación que existe para eso.

Fuentes y lecturas

• Landy, F. y Farr, J. (1980), Performance Rating, Psychological Bulletin 87(1).
• Medoff, J. y Abraham, K. (1980), Experience, Performance, and Earnings, Quarterly Journal of Economics 95(4).
• Murphy, K. y Cleveland, J. (1995), Understanding Performance Appraisal: Social, Organizational, and Goal-Based Perspectives, Sage.
• Prendergast, C. (1999), The Provision of Incentives in Firms, Journal of Economic Literature 37(1).
• Dixit, A. (2002), Incentives and Organizations in the Public Sector: An Interpretative Review, Journal of Human Resources 37(4).