Un estudio usó sensores para mostrar que los hombres y las mujeres son tratados de manera diferente en el trabajo
Por Stephen Turban, Laura Freeman y Ben Waber
Harvard Business Review
Género
La igualdad de género sigue siendo frustrantemente difícil de alcanzar. Las mujeres están subrepresentadas en el C-suite, reciben salarios más bajos y es menos probable que reciban una primera promoción crítica para el gerente que los hombres. Se han sugerido numerosas causas, pero un argumento que persiste apunta a diferencias en el comportamiento de hombres y mujeres.
Lo que plantea la pregunta: ¿Las mujeres y los hombres actúan de forma diferente? Nos dimos cuenta de que hay poca o ninguna información concreta sobre el comportamiento de las mujeres en la oficina. El trabajo previo se ha basado en encuestas y evaluaciones autoinformadas, métodos de recopilación de datos que son propensos a sesgos. Afortunadamente, la proliferación de datos de comunicación digital y el avance de la tecnología de sensores nos han permitido medir con mayor precisión el comportamiento en el lugar de trabajo.
Decidimos investigar si las diferencias de género en el comportamiento impulsan las diferencias de género en los resultados en una de nuestras organizaciones clientes, una gran empresa multinacional, donde las mujeres estaban subrepresentadas en la alta gerencia. En esta compañía, las mujeres constituían aproximadamente el 35% -40% de la fuerza de trabajo de nivel de entrada, pero un porcentaje menor en cada nivel posterior. Las mujeres constituían solo el 20% de las personas en los dos niveles más altos de antigüedad en esta organización.
Durante un período de cuatro meses, recopilamos datos de programación y comunicación por correo electrónico para cientos de empleados en una oficina, en todos los niveles de antigüedad. Luego dimos a 100 de estas personas insignias sociométricas, lo que nos permitió rastrear el comportamiento en persona. Estas insignias, que parecen insignias de identificación grandes y son usadas por todos los empleados, registran los patrones de comunicación usando sensores que miden el movimiento, la proximidad a otras insignias y el habla (volumen y tono de voz pero no contenido). Nos pueden decir quién habla con quién, dónde se comunican las personas y quién domina las conversaciones.
Recolectamos esta información, la anonimizamos y analizamos. Aunque no pudimos ver la identidad de las personas, todavía teníamos datos sobre el sexo, la posición y la tenencia en la oficina, por lo que pudimos controlar estos factores. Para conservar la privacidad, no recopilamos el contenido de ninguna comunicación, solo los metadatos (es decir, quién se comunicó con quién, en qué momento y por cuánto tiempo).
Hicimos algunas hipótesis sobre por qué menos mujeres ocupaban puestos superiores que los hombres: tal vez las mujeres tenían menos mentores, menos tiempo con los gerentes, o no eran tan proactivas como los hombres al hablar con los altos directivos.
Pero a medida que analizamos nuestros datos, encontramos casi ninguna diferencia perceptible en el comportamiento de hombres y mujeres. Las mujeres tenían el mismo número de contactos que los hombres, pasaban tanto tiempo con el liderazgo superior y asignaban su tiempo de manera similar a los hombres en el mismo rol. No pudimos ver los tipos de proyectos en los que estaban trabajando, pero descubrimos que los hombres y las mujeres tenían patrones de trabajo indistinguibles en la cantidad de tiempo que pasaban en línea, en trabajo concentrado y en conversaciones cara a cara. Y en las evaluaciones de desempeño, los hombres y las mujeres recibieron puntajes estadísticamente idénticos. Esto fue cierto para las mujeres en cada nivel de antigüedad. Sin embargo, las mujeres no avanzaban y los hombres sí.
La hipótesis de que las mujeres carecían de acceso a la antigüedad, en particular, tenía poco apoyo. En el correo electrónico, las reuniones y los datos personales, descubrimos que tanto los hombres como las mujeres estaban apenas a dos pasos, o conexiones sociales, lejos de la gerencia (así que si John sabe que Kate y Kate conocen un gerente, John está a dos pasos de un manager).
Algunos han argumentado que las mujeres no tienen acceso a redes informales e importantes porque no se acercan o pasan tiempo con "el club de chicos". Pero esto no se mantuvo en nuestros datos. Encontramos que la cantidad de interacción directa con la gerencia era idéntica entre los géneros y que las mujeres eran tan centrales como los hombres en la red social del lugar de trabajo. La métrica que usamos para esto se llama centralidad ponderada. Se puede pensar en la centralidad, en un nivel simple, como cuán cerca está alguien de las decisiones que se toman, otros empleados y los otros "conectores de poder" o individuos con un alto número de contactos. La centralidad ponderada tiene en cuenta la cantidad de tiempo que los empleados pasaron hablando con diferentes personas, lo que usamos como proxy de la fortaleza de la relación.
Si los comportamientos son iguales, ¿qué explica las diferencias en los resultados?
Nuestro análisis sugiere que la diferencia en las tasas de promoción entre hombres y mujeres en esta empresa se debió no a su comportamiento sino a la forma en que fueron tratados. Esto indica que los argumentos sobre el cambio de la conducta de las mujeres -para "apoyarse", por ejemplo- pueden pasar por alto el panorama general: la desigualdad de género se debe a prejuicios, no a diferencias de comportamiento.
El sesgo, tal como lo definimos, ocurre cuando dos grupos de personas actúan de forma idéntica pero reciben un trato diferente. Nuestros datos implican que las diferencias de género pueden radicar no en cómo actúan las mujeres, sino en cómo las personas perciben sus acciones. Por ejemplo, considere los programas de tutoría para mujeres que tratan de conectar a las mujeres de alto potencial con la administración. Si las mujeres hablan con el liderazgo a tasas similares a las de los hombres, entonces el problema no es la falta de acceso sino cómo se ven esas conversaciones.
El sesgo no se trata solo de cómo se percibe el comportamiento en la oficina, sino que también incluye las expectativas fuera de la oficina. En esta empresa, las mujeres tienden a dejar la fuerza de trabajo en el medio de su antigüedad, después de haber estado en la empresa durante cuatro a 10 años. Este momento presenta otra posible hipótesis: quizás las mujeres deciden abandonar el lugar de trabajo por otras razones, como querer formar una familia. Nuestros datos no pueden determinar si esto es cierto o no, pero no creemos que esto cambie el argumento para reducir el sesgo.
Si los hombres y las mujeres son partes interesadas iguales en una familia, presumiblemente deberían abandonar la fuerza de trabajo al mismo ritmo. Pero esto no está sucediendo. Según el informe de género 2017 de McKinsey y LeanIn.org, las mujeres con pareja tienen 5.5 veces más probabilidades que sus homólogos masculinos de hacer la mayor parte o la mayoría de las tareas domésticas. Sin embargo, las mujeres no están avanzando, mientras que los hombres sí lo están. Investigaciones previas también han demostrado que los hombres son percibidos como más responsables cuando tienen hijos, mientras que las mujeres son menos comprometidas con el trabajo.
Lo que las empresas pueden hacer al respecto
Si bien los programas destinados a fortalecer las habilidades de liderazgo de las mujeres son valiosos, las empresas también deben enfocarse en el problema más fundamental, y más difícil, de reducir el sesgo. Esto significa probar programas de reducción de sesgos, pero también desarrollar políticas que nivelen explícitamente el campo de juego. Una forma de hacerlo es hacer que las promociones y las contrataciones sean más equitativas. La investigación significativa sugiere que el mandato de una lista diversa de candidatos ayuda a las empresas a tomar mejores decisiones. Un estudio de Iris Bohnet de Harvard Kennedy School mostró que pensar en los candidatos en grupos ayudó a los gerentes a comparar individuos por desempeño, pero cuando los gerentes evaluaban a los candidatos individualmente, recurrían a la heurística de género. El resultado fue una menor contratación de decisiones y más opciones de género (por ejemplo, se eligieron más hombres para roles altamente cuantitativos).
Otro problema potencial radica en la carga de trabajo. En esta compañía, medimos mayores cargas de trabajo a medida que los individuos avanzaban a niveles más altos de antigüedad. Esto no tiene un género intrínseco, pero muchas presiones sociales empujan a las mujeres de esta edad a equilibrar simultáneamente el trabajo, la familia y una cantidad desproporcionada de tareas domésticas. Las empresas pueden considerar cómo modificar las expectativas y apoyar mejor a los padres que trabajan para que no obliguen a las mujeres a tomar una decisión de "familia o trabajo".
Las empresas deben abordar la desigualdad de género como lo harían con cualquier problema comercial: con datos concretos. La mayoría de los programas creados para combatir la desigualdad de género se basan en evidencia anecdótica o encuestas superficiales. Pero para adaptar una solución a los problemas específicos de una empresa, debe buscar datos para responder preguntas fundamentales como "¿Cuándo se van las mujeres?" Y "¿Las mujeres actúan de manera diferente a los hombres en la oficina?" Y "¿Qué pasa con nuestra cultura empresarial? ¿Ha limitado el crecimiento de las mujeres? "Cuando las organizaciones implementan una solución, necesitan medir los resultados tanto del comportamiento como del avance en la oficina. Solo entonces podrán pasar del debate sobre las causas de la desigualdad de género (parcialidad versus comportamiento) y avanzar a la etapa necesaria de una solución.
Nota del editor: Hemos cambiado algunos detalles para anonimizar la compañía estudiada y hemos agregado enlaces a más investigaciones sobre este tema.
Stephen Turban es un recién graduado de Harvard College. Anteriormente trabajó para Humanyze como científico de datos y Harvard Business School como asistente de investigación. Stephen es también el coautor del libro, Your Relationship GPA.
Laura Freeman es una analista de datos especializada en análisis de personas y lugares de trabajo. Ella tiene una B.A. en Psicología de Harvard y trabajó en el MIT Media Lab antes de unirse al equipo de análisis de Humanyze. Ahora trabaja en Cruise Automation como Analista de reclutamiento.
El Dr. Ben Waber es el CEO y cofundador de Humanyze, la compañía líder en análisis de personas del mundo. También es científico visitante en el MIT Media Lab y anteriormente fue investigador principal en Harvard Business School. El libro de Waber, People Analytics, es un best-seller internacional.
Harvard Business Review
Género
La igualdad de género sigue siendo frustrantemente difícil de alcanzar. Las mujeres están subrepresentadas en el C-suite, reciben salarios más bajos y es menos probable que reciban una primera promoción crítica para el gerente que los hombres. Se han sugerido numerosas causas, pero un argumento que persiste apunta a diferencias en el comportamiento de hombres y mujeres.
Lo que plantea la pregunta: ¿Las mujeres y los hombres actúan de forma diferente? Nos dimos cuenta de que hay poca o ninguna información concreta sobre el comportamiento de las mujeres en la oficina. El trabajo previo se ha basado en encuestas y evaluaciones autoinformadas, métodos de recopilación de datos que son propensos a sesgos. Afortunadamente, la proliferación de datos de comunicación digital y el avance de la tecnología de sensores nos han permitido medir con mayor precisión el comportamiento en el lugar de trabajo.
Decidimos investigar si las diferencias de género en el comportamiento impulsan las diferencias de género en los resultados en una de nuestras organizaciones clientes, una gran empresa multinacional, donde las mujeres estaban subrepresentadas en la alta gerencia. En esta compañía, las mujeres constituían aproximadamente el 35% -40% de la fuerza de trabajo de nivel de entrada, pero un porcentaje menor en cada nivel posterior. Las mujeres constituían solo el 20% de las personas en los dos niveles más altos de antigüedad en esta organización.
Durante un período de cuatro meses, recopilamos datos de programación y comunicación por correo electrónico para cientos de empleados en una oficina, en todos los niveles de antigüedad. Luego dimos a 100 de estas personas insignias sociométricas, lo que nos permitió rastrear el comportamiento en persona. Estas insignias, que parecen insignias de identificación grandes y son usadas por todos los empleados, registran los patrones de comunicación usando sensores que miden el movimiento, la proximidad a otras insignias y el habla (volumen y tono de voz pero no contenido). Nos pueden decir quién habla con quién, dónde se comunican las personas y quién domina las conversaciones.
Recolectamos esta información, la anonimizamos y analizamos. Aunque no pudimos ver la identidad de las personas, todavía teníamos datos sobre el sexo, la posición y la tenencia en la oficina, por lo que pudimos controlar estos factores. Para conservar la privacidad, no recopilamos el contenido de ninguna comunicación, solo los metadatos (es decir, quién se comunicó con quién, en qué momento y por cuánto tiempo).
Hicimos algunas hipótesis sobre por qué menos mujeres ocupaban puestos superiores que los hombres: tal vez las mujeres tenían menos mentores, menos tiempo con los gerentes, o no eran tan proactivas como los hombres al hablar con los altos directivos.
Pero a medida que analizamos nuestros datos, encontramos casi ninguna diferencia perceptible en el comportamiento de hombres y mujeres. Las mujeres tenían el mismo número de contactos que los hombres, pasaban tanto tiempo con el liderazgo superior y asignaban su tiempo de manera similar a los hombres en el mismo rol. No pudimos ver los tipos de proyectos en los que estaban trabajando, pero descubrimos que los hombres y las mujeres tenían patrones de trabajo indistinguibles en la cantidad de tiempo que pasaban en línea, en trabajo concentrado y en conversaciones cara a cara. Y en las evaluaciones de desempeño, los hombres y las mujeres recibieron puntajes estadísticamente idénticos. Esto fue cierto para las mujeres en cada nivel de antigüedad. Sin embargo, las mujeres no avanzaban y los hombres sí.
La hipótesis de que las mujeres carecían de acceso a la antigüedad, en particular, tenía poco apoyo. En el correo electrónico, las reuniones y los datos personales, descubrimos que tanto los hombres como las mujeres estaban apenas a dos pasos, o conexiones sociales, lejos de la gerencia (así que si John sabe que Kate y Kate conocen un gerente, John está a dos pasos de un manager).
Algunos han argumentado que las mujeres no tienen acceso a redes informales e importantes porque no se acercan o pasan tiempo con "el club de chicos". Pero esto no se mantuvo en nuestros datos. Encontramos que la cantidad de interacción directa con la gerencia era idéntica entre los géneros y que las mujeres eran tan centrales como los hombres en la red social del lugar de trabajo. La métrica que usamos para esto se llama centralidad ponderada. Se puede pensar en la centralidad, en un nivel simple, como cuán cerca está alguien de las decisiones que se toman, otros empleados y los otros "conectores de poder" o individuos con un alto número de contactos. La centralidad ponderada tiene en cuenta la cantidad de tiempo que los empleados pasaron hablando con diferentes personas, lo que usamos como proxy de la fortaleza de la relación.
Si los comportamientos son iguales, ¿qué explica las diferencias en los resultados?
Nuestro análisis sugiere que la diferencia en las tasas de promoción entre hombres y mujeres en esta empresa se debió no a su comportamiento sino a la forma en que fueron tratados. Esto indica que los argumentos sobre el cambio de la conducta de las mujeres -para "apoyarse", por ejemplo- pueden pasar por alto el panorama general: la desigualdad de género se debe a prejuicios, no a diferencias de comportamiento.
El sesgo, tal como lo definimos, ocurre cuando dos grupos de personas actúan de forma idéntica pero reciben un trato diferente. Nuestros datos implican que las diferencias de género pueden radicar no en cómo actúan las mujeres, sino en cómo las personas perciben sus acciones. Por ejemplo, considere los programas de tutoría para mujeres que tratan de conectar a las mujeres de alto potencial con la administración. Si las mujeres hablan con el liderazgo a tasas similares a las de los hombres, entonces el problema no es la falta de acceso sino cómo se ven esas conversaciones.
El sesgo no se trata solo de cómo se percibe el comportamiento en la oficina, sino que también incluye las expectativas fuera de la oficina. En esta empresa, las mujeres tienden a dejar la fuerza de trabajo en el medio de su antigüedad, después de haber estado en la empresa durante cuatro a 10 años. Este momento presenta otra posible hipótesis: quizás las mujeres deciden abandonar el lugar de trabajo por otras razones, como querer formar una familia. Nuestros datos no pueden determinar si esto es cierto o no, pero no creemos que esto cambie el argumento para reducir el sesgo.
Si los hombres y las mujeres son partes interesadas iguales en una familia, presumiblemente deberían abandonar la fuerza de trabajo al mismo ritmo. Pero esto no está sucediendo. Según el informe de género 2017 de McKinsey y LeanIn.org, las mujeres con pareja tienen 5.5 veces más probabilidades que sus homólogos masculinos de hacer la mayor parte o la mayoría de las tareas domésticas. Sin embargo, las mujeres no están avanzando, mientras que los hombres sí lo están. Investigaciones previas también han demostrado que los hombres son percibidos como más responsables cuando tienen hijos, mientras que las mujeres son menos comprometidas con el trabajo.
Lo que las empresas pueden hacer al respecto
Si bien los programas destinados a fortalecer las habilidades de liderazgo de las mujeres son valiosos, las empresas también deben enfocarse en el problema más fundamental, y más difícil, de reducir el sesgo. Esto significa probar programas de reducción de sesgos, pero también desarrollar políticas que nivelen explícitamente el campo de juego. Una forma de hacerlo es hacer que las promociones y las contrataciones sean más equitativas. La investigación significativa sugiere que el mandato de una lista diversa de candidatos ayuda a las empresas a tomar mejores decisiones. Un estudio de Iris Bohnet de Harvard Kennedy School mostró que pensar en los candidatos en grupos ayudó a los gerentes a comparar individuos por desempeño, pero cuando los gerentes evaluaban a los candidatos individualmente, recurrían a la heurística de género. El resultado fue una menor contratación de decisiones y más opciones de género (por ejemplo, se eligieron más hombres para roles altamente cuantitativos).
Otro problema potencial radica en la carga de trabajo. En esta compañía, medimos mayores cargas de trabajo a medida que los individuos avanzaban a niveles más altos de antigüedad. Esto no tiene un género intrínseco, pero muchas presiones sociales empujan a las mujeres de esta edad a equilibrar simultáneamente el trabajo, la familia y una cantidad desproporcionada de tareas domésticas. Las empresas pueden considerar cómo modificar las expectativas y apoyar mejor a los padres que trabajan para que no obliguen a las mujeres a tomar una decisión de "familia o trabajo".
Las empresas deben abordar la desigualdad de género como lo harían con cualquier problema comercial: con datos concretos. La mayoría de los programas creados para combatir la desigualdad de género se basan en evidencia anecdótica o encuestas superficiales. Pero para adaptar una solución a los problemas específicos de una empresa, debe buscar datos para responder preguntas fundamentales como "¿Cuándo se van las mujeres?" Y "¿Las mujeres actúan de manera diferente a los hombres en la oficina?" Y "¿Qué pasa con nuestra cultura empresarial? ¿Ha limitado el crecimiento de las mujeres? "Cuando las organizaciones implementan una solución, necesitan medir los resultados tanto del comportamiento como del avance en la oficina. Solo entonces podrán pasar del debate sobre las causas de la desigualdad de género (parcialidad versus comportamiento) y avanzar a la etapa necesaria de una solución.
Nota del editor: Hemos cambiado algunos detalles para anonimizar la compañía estudiada y hemos agregado enlaces a más investigaciones sobre este tema.
Stephen Turban es un recién graduado de Harvard College. Anteriormente trabajó para Humanyze como científico de datos y Harvard Business School como asistente de investigación. Stephen es también el coautor del libro, Your Relationship GPA.
Laura Freeman es una analista de datos especializada en análisis de personas y lugares de trabajo. Ella tiene una B.A. en Psicología de Harvard y trabajó en el MIT Media Lab antes de unirse al equipo de análisis de Humanyze. Ahora trabaja en Cruise Automation como Analista de reclutamiento.
El Dr. Ben Waber es el CEO y cofundador de Humanyze, la compañía líder en análisis de personas del mundo. También es científico visitante en el MIT Media Lab y anteriormente fue investigador principal en Harvard Business School. El libro de Waber, People Analytics, es un best-seller internacional.
No hay comentarios:
Publicar un comentario