
En una cadena de restaurantes, una mejor posición en el ranking daba acceso a más mesas y a turnos preferidos.Para la empresa, parecía una forma de elevar las ventas; para quien quedaba abajo, podía significar menos oportunidades de demostrar que había aprendido.El caso histórico permite examinar cuándo la asignación de trabajo según el desempeño aporta información útil y cuándo convierte una medición imperfecta en una desventaja acumulativa.
En una cadena de restaurantes, una mejor posición en el ranking daba acceso a más mesas y a turnos preferidos. Para la empresa, parecía una forma de elevar las ventas; para quien quedaba abajo, podía significar menos oportunidades de demostrar que había aprendido. El caso histórico permite examinar cuándo la asignación de trabajo según el desempeño aporta información útil y cuándo convierte una medición imperfecta en una desventaja acumulativa.
De qué trata la asignación de trabajo según el desempeño
El modelo descrito por Serguei Netessine y Valery Yakubovich en 2012 usa datos de desempeño individual para repartir turnos, clientes o encargos. En lugar de distribuirlos de manera uniforme, asigna una mayor parte a quienes obtienen mejores resultados medidos. La expectativa es que la empresa aproveche diferencias de productividad y que las personas vean un incentivo para mejorar.
Los autores lo llaman un sistema en el que «el ganador se lleva todo». Esa etiqueta describe una tendencia en la distribución, no una regla universal: el efecto depende de qué se mide, de cómo se corrigen las diferencias entre tareas y de cuánto apoyo reciben quienes empiezan atrás. Un ranking también puede alterar los ingresos, la estabilidad de horarios y las relaciones entre colegas. Por eso exige más que un tablero.

Qué muestran los casos históricos
La fuente relata una cadena de 17 restaurantes de la zona de Boston. Su sistema clasificaba a los camareros con datos como ventas por cliente y propinas, usadas como aproximación a la satisfacción. Quienes obtenían mejores puntuaciones recibían más mesas y podían acceder a turnos preferidos. En una entrevista recogida en la fuente, el director general esperaba elevar la cuenta media, pero reconocía que todavía era pronto para conocer el efecto financiero con certeza. Una camarera contaba que había empezado cerca de la mitad de la clasificación y había mejorado al aprender a recomendar platos. También señalaba que una mesa numerosa con cuentas separadas podía alterar su indicador.
Esa última observación importa: el resultado de un turno no depende solo de la capacidad de la persona. El tipo de cliente, la hora, el producto y el número de oportunidades disponibles también influyen. Un dato individual puede mezclar desempeño y condiciones de trabajo.
Los autores mencionan además un centro de atención telefónica virtual que dirigía llamadas a agentes con distintos resultados según el producto. En productos de baja conversión, reportaron un aumento de ingresos de hasta el 18 % al reasignar llamadas entre los extremos de la clasificación. El beneficio fue menor cuando casi todas las personas que llamaban ya tenían intención de comprar. Es un resultado del caso descrito, no una estimación aplicable a cualquier centro de contacto.
La fuente también declara que uno de sus coautores tenía una participación inferior al 1 % en la empresa que desarrolló el programa usado por los restaurantes. Ese vínculo debe acompañar la lectura de las ventajas atribuidas al sistema.
El ejemplo numérico de dos camareras cumple otra función: ilustra cómo una diferencia de ventas por cuenta podría aumentar el ingreso al reasignar mesas. No prueba por sí solo que la segunda trabajadora carezca de capacidad ni que el cambio sea justo. Antes de convertir una diferencia promedio en una decisión sobre turnos, hay que revisar la evidencia de desempeño y las oportunidades comparables.
Cuándo podría funcionar y cuándo conviene descartarlo
El modelo requiere resultados individuales observables y trabajo relativamente independiente. Una tarea transaccional puede permitir comparaciones si se ajustan el horario, el tipo de cliente y la carga recibida. En un equipo que resuelve problemas de manera conjunta, atribuir el resultado a una sola persona puede ser engañoso. Los autores citan concesionarios de automóviles y peluquerías como entornos posibles y descartan instituciones de investigación como ejemplo de trabajo demasiado interdependiente.
La posibilidad de medir no basta para justificar el ranking. Pregunta primero qué conducta quieres mejorar, qué parte del resultado controla la persona y qué daño causaría una asignación equivocada. Si no puedes responder con evidencia, una distribución competitiva puede castigar a quien recibió tareas más difíciles o menos oportunidades.
Riesgos que aparecen cuando el ranking gobierna los turnos
Una cadena de ropa descrita en el artículo original programó a sus vendedores más productivos en las horas de mayor actividad. Las personas mejor puntuadas recibían más horas y más sueldo, y las ventas mejoraron. El sistema también generó ansiedad y competencia excesiva, por lo que la empresa tuvo que ajustarlo.
Los riesgos se relacionan entre sí. Si la clasificación determina el horario, una persona con menos horas puede tener menos ocasiones de mejorar su clasificación. Si las horas cambian demasiado, también cambia el ingreso y se dificulta planificar la vida fuera del trabajo. Si alguien intenta apropiarse de los mejores clientes, la comparación deja de medir una capacidad y comienza a medir acceso a oportunidades.
La clasificación relativa añade otra fuente de incertidumbre: una persona puede mantener su resultado y bajar de posición si sus colegas mejoran. La posición en el ranking no equivale a un diagnóstico de desempeño individual. Comunica esta diferencia antes de usarla para asignar trabajo o iniciar una conversación de feedback.
Cómo diseñar una prueba más justa
La fuente propone correcciones concretas a partir de sus casos. Una prueba responsable debería incluir al menos estas decisiones:
- Repartir oportunidades comparables. En venta presencial, una rotación fija puede evitar que los empleados compitan por quitarse clientes. Si el reparto no es comparable, ajusta la medición antes de comparar.
- Usar períodos suficientes. Un solo turno o unas pocas llamadas pueden reflejar azar. La fuente describe seguimiento durante varias semanas en restaurantes y entre 25 y 75 llamadas por producto en el centro virtual. Esos números pertenecen a los casos históricos; cada organización debe justificar su propio período.
- Ajustar por contexto. No compares un desayuno con una cena, ni un producto de alta conversión con otro de baja conversión, como si fueran la misma tarea.
- Combinar cantidad y calidad. Vender más a costa de una mala experiencia no cumple el propósito. Las propinas eran una señal aproximada de calidad en el restaurante, con limitaciones propias.
- Explicar la regla y sus consecuencias. Cada persona necesita saber qué indicador se usa, cómo afecta a turnos o carga, cuándo se revisa y qué puede hacer para mejorar.
- Revisar la estabilidad y el bienestar. Considera las preferencias y restricciones horarias. Detecta ansiedad, conflicto, ingresos imprevisibles y efectos sobre la colaboración antes de ampliar el sistema.
La regla de decisión debe permitir correcciones. Si descubres que un indicador favorece ciertos turnos, no basta con explicarlo mejor: hay que cambiar la comparación y volver a revisar las decisiones tomadas con datos sesgados.
Qué hacer con quienes acaban de incorporarse
Las personas nuevas todavía aprenden el producto, el servicio y las reglas de la organización. Si una puntuación inicial baja reduce de inmediato sus oportunidades, pueden quedar atrapadas en un ciclo: menos trabajo, menos práctica y menos ocasiones de recibir feedback. La fuente describe que el centro virtual protegió temporalmente a los agentes nuevos durante sus primeras 300 llamadas, situándolos en una franja alta de asignación mientras aprendían. Los autores calificaban su evaluación de preliminar.
La enseñanza transferible es crear una etapa de aprendizaje antes de exigir una clasificación estable, con tareas, apoyo y criterios visibles. El número de llamadas del caso no es un umbral recomendado para otros equipos. El seguimiento de objetivos necesita conservar la versión y el contexto de cada acuerdo. Si tu proceso de incorporación incluye metas progresivas, acuerda desde el comienzo qué evidencia indicará que la persona ya puede compararse bajo las mismas reglas.
Una decisión antes de automatizar la asignación
La tecnología facilita calcular posiciones y repartir trabajo con rapidez, pero también escala errores. Una prueba acotada debería documentar el objetivo, los indicadores, el ajuste por contexto, el período de observación, las consecuencias sobre horarios e ingresos, las salvaguardas para personas nuevas y el mecanismo de revisión humana.
Habla con las personas afectadas antes de fijar el diseño. Pregunta qué información les ayudaría a mejorar y qué comportamientos podría incentivar la regla sin querer. Después de la prueba, compara resultados de negocio con calidad del servicio, estabilidad, rotación y percepción de justicia. Si aumenta la productividad a costa de daños que no puedes corregir, el modelo no cumple su propósito.
Conclusión
Asignar más trabajo a quienes obtienen mejores resultados puede ser útil en algunas tareas medibles e independientes. Los casos históricos muestran posibles ganancias y también cómo una regla mal calibrada puede intensificar la competencia, volver imprevisibles los ingresos o perjudicar a quienes están aprendiendo. Antes de automatizar un ranking, prueba la calidad de las comparaciones, protege las oportunidades de aprendizaje y conserva una vía para corregir decisiones injustas.
Te dejo un desafío
Elige una decisión de reparto de trabajo que hoy dependa de un indicador. Escribe qué parte del resultado controla la persona, qué condición cambia entre turnos y qué oportunidad de aprendizaje podría perder alguien con una puntuación baja. Si no puedes responder las tres preguntas, revisa la regla antes de automatizarla.
