Las grandes empresas suelen enfrentarse a un proceso de selección de personal que puede resultar arduo y costoso, especialmente cuando deben elegir entre cientos de candidatos. Un estudio reciente publicado en el Journal of Statistical Mechanics: Theory and Experiment por Pavel Krapivsky, físico estadístico de la Universidad de Boston, propone un algoritmo que podría optimizar estos procedimientos. Este enfoque se basa en la famosa «problemática del secretario» o «problema del matrimonio óptimo», que ilustra cómo tomar decisiones en situaciones de incertidumbre y limitaciones temporales.
El problema del secretario plantea que, en una situación de selección, una princesa debe escoger a su futuro esposo entre 100 pretendientes. La regla es que solo puede conocer a un candidato a la vez y debe decidir inmediatamente si lo acepta o lo rechaza, sin posibilidad de reconsideración. La solución matemática a este dilema sugiere que la princesa debería evaluar y rechazar a los primeros 37 candidatos para, a partir del número 38, elegir al primer pretendiente que supere la calidad de todos los anteriores. Este enfoque, basado en el número 37 —resultado de dividir 100 por el número de Euler, aproximadamente 2.718—, garantiza la mejor elección posible bajo las circunstancias dadas.
Aplicaciones a la selección de personal en empresas
Krapivsky ha reformulado esta problemática en un contexto moderno, aplicándola a las prácticas de contratación en grandes organizaciones. En este modelo, la empresa debe evaluar la calidad de un candidato mediante un único parámetro y decidir si contratarlo de inmediato o rechazarlo sin posibilidad de volver a considerarlo. A diferencia del problema del secretario, donde los candidatos son finitos, en el entorno laboral actual el flujo de solicitantes es continuo e incluso potencialmente infinito, lo que refleja mejor la realidad de las decisiones de contratación en función de las necesidades empresariales inmediatas.
El estudio explora tres estrategias de contratación distintas:
- Estrategia de Mejora Máxima (MIS): un candidato es contratado solo si su puntuación es superior a la de cualquier empleado previamente contratado.
- Estrategia de Mejora Promedio (AIS): permite la contratación si la puntuación del candidato supera la puntuación promedio de todos los empleados actuales.
- Estrategia de Mejora Local (LIS): cada candidato es evaluado por un empleado seleccionado aleatoriamente o por un pequeño comité de contratación y solo se le contrata si su puntuación supera la de los entrevistadores o de todos los miembros del comité.
Cabe destacar que no existe una única estrategia óptima, ya que la elección depende de los objetivos de la empresa. Si el objetivo es maximizar la calidad a largo plazo, la estrategia MIS es la más adecuada, aunque implica un proceso de contratación más lento. Si se busca un equilibrio entre calidad y rapidez, la estrategia AIS resulta un compromiso razonable. Por otro lado, si la prioridad es la velocidad en la contratación, la LIS es la más efectiva.
Krapivsky señala que, a pesar de ser simplificaciones, estos modelos pueden ser útiles. Un enfoque como el presentado en su estudio podría servir como base para algoritmos utilizados en redes sociales y plataformas digitales, no solo en la selección de personal, como LinkedIn, sino también en aplicaciones de citas como Tinder, que ajustan las sugerencias de futuros emparejamientos en función de decisiones anteriores. Asimismo, este tipo de algoritmos se encuentra en sistemas que regulan la selección de contenido, la gestión de recursos y la inteligencia artificial.
Este trabajo invita a reflexionar sobre la importancia de la toma de decisiones en el ámbito laboral y la necesidad de optimizar procesos que, en ocasiones, pueden resultar ineficaces o injustos. En un mundo donde la eficiencia es clave, comprender y aplicar estos modelos matemáticos puede marcar la diferencia en la selección de los mejores talentos.
