Scorecard de contratación tech: evaluación estructurada de candidatos

Una scale-up de software con 90 personas y 24 ingenieros internos contrató a tres Senior Backend en un semestre. Seis meses después, dos no rendían al nivel esperado y uno había renunciado en el período de prueba. Al revisar qué había fallado, el patrón era claro: cada uno había sido entrevistado por personas distintas, con preguntas distintas, y la decisión final se había tomado en una reunión donde la frase que más se repitió fue "me dio buena espina". No existía registro de qué se había evaluado ni con qué criterio. Cuando el VP of Engineering pidió comparar a los tres procesos para entender el error, no había nada comparable: tres conversaciones de feeling, tres decisiones de feeling, dos contrataciones fallidas y el costo de reabrir una búsqueda.

El problema no era la falta de talento del equipo entrevistador. Era la ausencia de un instrumento. Un scorecard de contratación tech es ese instrumento: la traducción del rol en competencias evaluables, cada una con señales observables y una escala, definidas antes de mirar al primer candidato. No es un formulario para llenar por obligación ni una capa de burocracia sobre la entrevista. Es lo que convierte un conjunto de opiniones individuales en una decisión informada, comparable y defendible. Este reporte arma el marco completo: qué es un scorecard y por qué reemplaza la entrevista por intuición, cómo derivar las competencias desde el job description, por qué la escala debe tener cuatro niveles, cómo distribuir la evaluación entre etapas, cómo calibrar al panel, cómo combatir el sesgo y qué errores invalidan el sistema entero.

El público objetivo es CTO, VP Engineering, Engineering Manager, hiring manager y Head of People. Sin venta. Más de tres mil trescientas palabras escritas con la regla de recomendar lo que mejora la decisión, no lo que conviene al autor.

1. Qué es un scorecard de contratación y por qué reemplaza la entrevista por feeling

Un scorecard de contratación es un documento corto, idealmente de una página por rol, que responde tres preguntas antes de que comience el proceso: qué competencias vamos a evaluar, qué evidencia observable cuenta como demostración de cada una, y con qué escala vamos a puntuar. Cada candidato se evalúa contra el mismo scorecard, y cada evaluador registra su nota y la evidencia que la sustenta. El resultado es que las decisiones de contratación dejan de depender de quién entrevistó, de qué día fue o de qué tan parecido al evaluador resultó el candidato.

La entrevista por intuición tiene un problema estructural que no se resuelve con más experiencia del entrevistador. La intuición integra señal real y sesgo en un solo juicio indistinguible: el evaluador siente que el candidato "es bueno" sin poder separar cuánto de esa sensación viene del desempeño demostrado y cuánto viene de afinidad personal, similitud de trayectoria, seguridad al hablar o simple simpatía. El scorecard no le quita criterio al equipo; le exige que lo descomponga en dimensiones explícitas y lo sustente con evidencia. La diferencia entre "me pareció sólido" y "demostró diseñar un sistema con manejo de fallos parciales y explicó los trade-offs de consistencia, nivel supera" es la diferencia entre una corazonada y una evaluación.

Qué resuelve y qué no resuelve un scorecard

Un scorecard resuelve la comparabilidad entre candidatos, la consistencia entre evaluadores, la trazabilidad de la decisión y la posibilidad de aprender del proceso cuando una contratación sale bien o mal. No resuelve la calidad de las preguntas que hace el entrevistador, la habilidad para crear un ambiente donde el candidato muestre lo mejor de sí, ni la decisión de qué competencias importan en el rol. El scorecard es tan bueno como las competencias que contiene y la disciplina con que se completa. Un scorecard con competencias mal elegidas estructura una mala decisión con apariencia de rigor; ese riesgo se controla en el paso de diseño, no en el de operación.

2. Anatomía de un scorecard tech: competencias, señales y escala

Un scorecard tiene tres componentes y un cuarto elemento de operación. Los tres componentes son las competencias, las señales observables y la escala. El cuarto elemento es el mapa que asigna cada competencia a una etapa del proceso. Conviene entenderlos por separado antes de armarlos juntos.

Las competencias son las dimensiones del desempeño que el rol exige. No son rasgos de personalidad ("proactivo", "apasionado") sino capacidades demostrables. Las señales observables son la evidencia concreta de cada competencia: qué dice o hace, durante el proceso, alguien que la posee, y qué constituye una alerta. La escala es el rango de puntuación con descriptores de qué evidencia corresponde a cada nivel. El mapa por etapa distribuye las competencias para que cada entrevista evalúe un subconjunto y el conjunto completo quede cubierto sin redundancia.

El error más común al armar la anatomía es escribir competencias que en realidad son rasgos ("buena actitud", "encaja con la cultura") sin definir qué evidencia observable cuenta. Una competencia que no se puede observar no se puede evaluar de forma consistente y termina siendo el canal por donde entra el sesgo. La regla práctica: si no puedes escribir tres señales observables concretas para una competencia, esa competencia todavía no está lista para el scorecard.

3. Cómo derivar las competencias desde el job description y el career ladder

Las competencias no se inventan en una lluvia de ideas; se derivan de dos fuentes que la empresa ya debería tener: el job description del rol y el career ladder de ingeniería. El job description define qué hace la persona en el puesto y el career ladder define qué se espera en cada nivel. El scorecard es la intersección operativa de ambos, traducida en criterios de evaluación.

El procedimiento es directo. Se toman las responsabilidades centrales del job description y se pregunta, por cada una, qué capacidad subyacente la hace posible. Si el rol "lidera el diseño técnico de su dominio", la competencia es diseño de sistemas al nivel de autonomía que pide el ladder para ese cargo. Si el rol "mentora a ingenieros más junior", la competencia es comunicación técnica y capacidad de elevar a otros. Luego se contrasta con el nivel del career ladder para fijar el listón: el mismo nombre de competencia tiene un listón distinto para un Mid que para un Staff. Una guía detallada de cómo estructurar esos niveles está en career ladder de ingeniería: cómo estructurar niveles tech, y la base del documento de origen está en job description tech que cierra senior.

Cuántas competencias y cuáles priorizar

Un scorecard efectivo tiene entre cuatro y siete competencias. La tentación de listar todo lo deseable produce scorecards de doce dimensiones que nadie evalúa con profundidad. La disciplina consiste en priorizar las competencias que más diferencian el desempeño real en el rol específico, no las que suenan bien en abstracto. Para la mayoría de los roles de ingeniería, el conjunto base es: dominio técnico del stack, resolución de problemas o diseño de sistemas según seniority, calidad de código y criterio de ingeniería, colaboración y comunicación, y ownership o autonomía. Para roles de liderazgo técnico se agregan gestión de personas y visión técnica. El resto suele ser ruido o subcomponente de los anteriores.

4. La escala de evaluación: por qué cuatro niveles y no cinco ni diez

La escala es la decisión técnica más subestimada del scorecard, y la que más afecta la calidad de los datos. La recomendación es una escala par de cuatro niveles, con descriptores explícitos de qué evidencia corresponde a cada uno. La razón de que sea par es psicológica y está bien documentada: las escalas impares concentran las respuestas en el punto medio, un fenómeno conocido como sesgo de tendencia central, donde el evaluador inseguro se refugia en el "neutro" y produce muchos candidatos calificados como término medio que no permiten decidir. Una escala par obliga a inclinarse hacia el lado positivo o negativo.

El argumento contra escalas de diez niveles es distinto: dan una falsa sensación de precisión. Nadie puede distinguir de forma confiable entre un siete y un ocho en una competencia cualitativa, y esa granularidad falsa introduce ruido que se ve como dato. Cuatro niveles, con descriptores claros, es el equilibrio entre forzar una decisión y mantener consistencia entre evaluadores. Lo crítico no es el número de niveles, sino que cada nivel tenga un descriptor observable: una escala de cuatro niveles sin descriptores es tan subjetiva como el feeling que pretende reemplazar.

5. Scorecard por etapa: distribuir la evaluación en el proceso

Un error frecuente es evaluar todas las competencias en todas las entrevistas. Produce redundancia (tres personas evalúan lo mismo y nadie evalúa lo otro), agota al candidato y diluye la profundidad. La práctica correcta es mapear cada competencia a la etapa donde mejor se observa, de modo que cada entrevista tenga un foco claro y el conjunto del proceso cubra todas las competencias del scorecard.

El mapa por etapa tiene un beneficio adicional: hace explícito el costo del proceso. Si el scorecard exige cinco etapas para cada candidato, el equipo debe decidir conscientemente si ese rol amerita esa profundidad o si para un perfil más junior bastan tres. La estructura por etapa también conecta con la disciplina del comité de evaluación: cómo se reúne el panel, en qué orden se exponen las notas y quién toma la decisión final se trata en detalle en hiring committee tech: 5 evaluadores sin demorar el proceso.

6. Calibración del panel: que todos puntúen con la misma vara

Un scorecard sin calibración produce datos con apariencia de objetividad pero sin consistencia real. La calibración es el proceso de alinear a todos los evaluadores sobre qué significa cada nivel de la escala antes de evaluar candidatos reales. Sin ella, un mismo candidato recibe un nivel cumple de un evaluador exigente y un supera de uno generoso, y la diferencia no refleja desempeño sino el estándar interno de cada persona.

La calibración se construye de tres maneras complementarias. La primera es documental: escribir descriptores observables por nivel para cada competencia, de modo que la vara esté en el papel y no en la cabeza de cada evaluador. La segunda es práctica: hacer una sesión donde el panel puntúa un caso común (una grabación, una transcripción anonimizada o un caso ficticio) y discute las diferencias hasta converger. La tercera es estadística: revisar periódicamente la distribución de notas de cada evaluador para detectar a quienes puntúan sistemáticamente más alto o más bajo que el promedio, y recalibrar.

El momento de completar el scorecard también es parte de la calibración

Dos reglas operativas protegen la calidad de los datos. Primera: cada evaluador completa su parte inmediatamente después de su entrevista, mientras la evidencia está fresca; la memoria a las 48 horas reconstruye una versión editada. Segunda: cada evaluador registra su nota y su evidencia antes de hablar con el resto del panel; si la primera opinión expresada en voz alta arrastra al resto, el proceso sufre anclaje grupal y las evaluaciones dejan de ser independientes. La reunión de decisión se hace después, con todas las notas ya registradas, y su rol es discutir las diferencias, no recolectar opiniones por primera vez.

7. Cómo un scorecard combate el sesgo en la contratación tech

El sesgo en contratación no se elimina con buenas intenciones; se reduce con estructura. Un scorecard ataca cuatro sesgos concretos por diseño. Contra el sesgo de confirmación, definir las competencias antes de ver candidatos evita que el equipo invente criterios después para justificar a quien ya le gustó. Contra el sesgo de afinidad, exigir señales observables como evidencia frena evaluaciones basadas en similitud con el evaluador o impresión general. Contra el efecto halo, puntuar competencia por competencia evita que una fortaleza visible contamine la percepción de todas las demás dimensiones. Contra el anclaje grupal, registrar nota y evidencia antes de la reunión preserva la independencia de cada juicio.

Importa ser honesto sobre el alcance: un scorecard no elimina el sesgo, lo hace visible y discutible, que es la condición para corregirlo. Un panel que puntúa con scorecard puede seguir teniendo sesgos, pero ahora quedan registrados en la diferencia entre evaluaciones y pueden auditarse. La empresa que se toma en serio la equidad en contratación combina el scorecard con preguntas estandarizadas por competencia, paneles diversos y revisión periódica de resultados por grupo. El scorecard es el cimiento sobre el que esas otras prácticas se sostienen; sin él, son gestos sin instrumento.

8. Errores que invalidan un scorecard

Error 1: competencias que son rasgos de personalidad

"Buena actitud", "pasión", "encaje cultural" sin definición observable. No se pueden evaluar de forma consistente y se convierten en el canal por donde entra el sesgo. Cada competencia debe tener tres señales observables o no entra al scorecard.

Error 2: escala impar sin descriptores

Una escala de uno a cinco donde todos terminan en tres, o una escala de cuatro niveles sin descriptor de qué evidencia corresponde a cada uno. La escala sin descriptores es tan subjetiva como el feeling que pretende reemplazar.

Error 3: promediar las notas y contratar al de mayor puntaje

Sumar competencias trata a todas como igualmente importantes y oculta señales críticas. La práctica correcta es definir, antes del proceso, qué competencias son no negociables (un no cumple descarta) y cuáles admiten compensación. La decisión integra el patrón completo, no un promedio aritmético.

Error 4: completar el scorecard como trámite

Poner el número sin la evidencia, o llenarlo días después por obligación. Un scorecard sin evidencia registrada es papeleo; su valor está justamente en la evidencia que sostiene cada nota y que permite discutir y aprender.

Error 5: el mismo listón para todos los niveles de seniority

Usar el scorecard de Senior para evaluar a un Junior, o viceversa. Las competencias pueden mantenerse, pero el listón de cada nivel de la escala debe anclarse al career ladder. Sin ese ajuste, se rechazan Juniors por no demostrar lo que aún no deberían tener, o se aprueban Seniors que solo alcanzan el nivel de un Mid.

9. FAQ: preguntas frecuentes de CTOs y Heads of People