Un equipo de atención empezó a derivar los casos difíciles justo antes del cierre mensual. Nadie había ordenado hacerlo: el panel premiaba el número de expedientes terminados y no registraba complejidad, calidad ni problemas resueltos. Mirar cómo funciona una métrica laboral significa seguir ese recorrido completo —datos, cálculo, decisión y consecuencia— antes de llamar objetivo a una cifra.

El coste de no mirar rara vez aparece como una avería espectacular. Se reparte entre llamadas apresuradas, lesiones no comunicadas, clientes complejos que nadie quiere atender, descansos pospuestos y personas que aprenden a producir la señal correcta aunque empeore el servicio. La pregunta útil no es si el algoritmo es inteligente. Es qué conducta vuelve racional, qué parte del trabajo deja invisible y quién puede corregirlo cuando el resultado contradice la realidad.

Este análisis sirve tanto para un marcador sencillo en una hoja de cálculo como para un modelo predictivo contratado a un proveedor. La automatización aumenta la escala, pero el problema comienza antes: una medida parcial se convierte en objetivo, el objetivo en clasificación y la clasificación en horarios, incentivos, vigilancia o continuidad laboral. Comprender esa cadena permite discutir decisiones concretas sin exigir que cada trabajador sea ingeniero de datos.

Cómo desmontar la puntuación sin conocer el código#

Una auditoría comprensible empieza con cinco columnas: finalidad declarada, datos de entrada, regla de cálculo, decisión asociada y posibilidad de revisión. En la entrada conviene distinguir hechos —pedidos preparados, tiempos registrados— de inferencias como «compromiso», «riesgo de abandono» o «actitud». Después se pregunta por los datos que faltan: dificultad del caso, equipos averiados, formación reciente, tareas de apoyo, discapacidad, idioma del cliente o interrupciones autorizadas. Si dos situaciones distintas producen la misma cifra, la cifra necesita contexto antes de generar consecuencias.

Una auditoría comprensible empieza con cinco columnas: finalidad declarada, datos de entrada, regla de cálculo, decisión asociada y posibilidad de revisión.

El denominador importa tanto como el resultado. Resolver veinte casos sencillos no es comparable con resolver veinte casos que requieren investigación; medir tiempo conectado no equivale a medir atención útil; registrar una pausa no explica si evitó un accidente. Deben probarse ejemplos conocidos y calcular manualmente qué puntuación recibirían. Las discrepancias revelan redondeos, datos duplicados, periodos incompletos o reglas que penalizan a quien acepta trabajo complejo. El objetivo no es descubrir un secreto comercial, sino comprobar si la explicación disponible permite detectar y corregir un error.

También hay que buscar efectos de adaptación. Cuando una métrica se transforma en meta, las personas cambian su conducta: cierran y reabren expedientes, eligen tareas rápidas, posponen incidencias o evitan ayudar a compañeros. Esas respuestas no demuestran falta de ética individual; pueden indicar que el sistema recompensa una conducta contraria a su propósito. Una revisión seria compara el indicador con resultados independientes —reclamaciones, devoluciones, accidentes, calidad muestral y experiencia de clientes y trabajadores— y analiza diferencias entre turnos, centros, contratos y funciones.

Qué puede hacer la persona afectada#

Durante dos semanas, conviene guardar un registro factual: fecha, tarea, incidencia, dato mostrado, decisión recibida y efecto concreto. No se deben extraer datos personales de clientes ni información confidencial innecesaria. Una reclamación eficaz identifica un error verificable: «el sistema contó como inactividad los 34 minutos de una avería comunicada» resulta más accionable que «el algoritmo es injusto». La petición debe solicitar corrección del dato, explicación de los factores relevantes, revisión por una persona con autoridad y confirmación de que reclamar no generará represalias automáticas.

En España, la representación legal de los trabajadores tiene derecho a ser informada de los parámetros, reglas e instrucciones en los que se basan algoritmos o sistemas de inteligencia artificial que influyen en decisiones capaces de afectar a condiciones de trabajo, acceso o mantenimiento del empleo. Así consta en el artículo 64.4.d del Estatuto de los Trabajadores consolidado por el BOE. El alcance concreto depende del caso: la norma no convierte cualquier fórmula en pública ni sustituye el asesoramiento sindical o jurídico, pero impide presentar «lo decide la máquina» como explicación suficiente.

Si la métrica utiliza localización, biometría, salud, comunicaciones o actividad digital, hay además preguntas de protección de datos: necesidad, proporcionalidad, información previa, plazo de conservación, acceso y rectificación. La guía de la AEPD sobre protección de datos en las relaciones laborales ayuda a ordenar esas comprobaciones. No toda puntuación encaja en la prohibición de decisiones exclusivamente automatizadas; por eso hay que documentar si una persona revisa de verdad o simplemente confirma siempre el resultado.

El control que corresponde a la empresa#

Antes de asociar una puntuación con salario, turnos, promoción o sanción, la empresa debería nombrar un responsable, documentar versiones y probar falsos positivos y falsos negativos. La revisión debe incluir a quienes realizan el trabajo y a la representación laboral, porque conocen excepciones que el proveedor no ve. También necesita umbrales de parada: aumentos de accidentes, reclamaciones, diferencias injustificadas entre grupos, degradación de calidad o imposibilidad de reconstruir una decisión. Si nadie puede explicar un cambio de resultado, el sistema no está preparado para producir consecuencias graves.

El Reglamento europeo de inteligencia artificial considera de alto riesgo determinados usos de IA en empleo y gestión de trabajadores, con obligaciones que dependen del uso concreto y de su calendario de aplicación. El Reglamento General de Protección de Datos establece, entre otros principios, transparencia, minimización y exactitud. Ninguna etiqueta legal sustituye una pregunta operativa: ¿puede la organización reconstruir el dato, escuchar contexto y cambiar la decisión antes de que el daño sea irreversible?

Una prueba de calidad útil toma veinte decisiones, incluidas cinco excepciones, y pide a dos revisores que lleguen al resultado con la documentación disponible. Se mide concordancia, tiempo y capacidad de detectar errores. Después se consulta a las personas afectadas si comprendieron el criterio y encontraron el canal de revisión. Publicar internamente un resumen —qué mide, qué no mide, qué decisiones nunca adopta por sí solo y dónde reclamar— reduce rumores y mejora el propio dato, porque permite señalar fallos antes de que se acumulen.

Una conversación familiar sin alarmismo#

Cuando una puntuación laboral entra en casa mediante ansiedad, turnos peores o pérdida de ingresos, la familia puede ayudar sin prometer resultados jurídicos. Primero escucha y separa hechos de interpretaciones. Después organiza pruebas, calcula el impacto económico y prepara tres preguntas para la reunión. Si hay riesgo para la salud, discriminación, sanción o despido, conviene recurrir pronto a prevención de riesgos, representación sindical o asesoramiento profesional. El objetivo es devolver margen de acción, no convertir cada cena en una investigación permanente.

Mirar cómo funciona cuesta tiempo, pero no mirar también tiene precio: decisiones erróneas que parecen objetivas, trabajo esencial que desaparece del indicador y personas obligadas a optimizar una representación incompleta de su oficio. Una buena métrica sirve para aprender; una mala métrica exige obediencia. La diferencia está en si admite contexto, contraste y corrección. Cuando esas tres puertas existen, medir puede mejorar el trabajo. Cuando faltan, el número deja de ser una herramienta y empieza a gobernar.

Ejemplo de una métrica reparable#

Imaginemos un almacén que puntúa únicamente unidades preparadas por hora. Ana recibe una zona cercana y productos ligeros; Samir cubre una zona distante, resuelve faltas de inventario y ayuda a una incorporación. El marcador coloca a Ana en verde y a Samir en rojo. La comparación parece exacta, pero mezcla distancia, peso, disponibilidad y cooperación con velocidad personal. Una corrección razonable no consiste en añadir cien variables secretas. Consiste en separar tiempo productivo de interrupciones registradas, agrupar tareas comparables, comprobar errores de preparación y reservar una parte visible para seguridad y ayuda al equipo.

Durante un piloto de cuatro semanas, la empresa puede comparar la clasificación antigua y la revisada sin utilizar ninguna para sancionar. Debe examinar quién cambia de posición y por qué, entrevistar una muestra de personas y publicar los ajustes. Si el nuevo modelo mejora la velocidad pero aumentan errores, dolor musculoesquelético o incidencias no declaradas, no ha mejorado el trabajo: ha desplazado el coste. Una métrica responsable incluye indicadores de equilibrio y especifica cuál prevalece cuando productividad y seguridad entran en conflicto. La respuesta correcta debe ser siempre la seguridad.

En la reunión de revisión, tres preguntas evitan una conversación circular: «¿Qué dato concreto produjo este resultado?», «¿Qué contexto relevante no pudo registrar el sistema?» y «¿Quién tiene capacidad para modificar la decisión y dejar constancia?». La persona afectada debería recibir una respuesta comprensible y una fecha, no una descarga técnica imposible de interpretar. Si se corrige el caso individual pero no la causa, hay que abrir una acción preventiva: cambiar la captura del dato, ajustar la comparación o retirar esa consecuencia mientras se prueba una solución.

Antes de aceptar el siguiente panel, trabajadores y dirección pueden aplicar una prueba final: describir en una frase el propósito; nombrar tres cosas que la cifra no demuestra; reconstruir un caso real; identificar a la persona responsable; y recorrer el canal de revisión de principio a fin. Si una de esas tareas resulta imposible, aún no se conoce suficientemente el sistema. Mirar no significa desconfiar de toda tecnología. Significa exigir a una herramienta laboral la misma trazabilidad que pediríamos a cualquier decisión capaz de alterar ingresos, salud, tiempo o dignidad.