¿Cómo medir si un team building sirvió para algo?

¿Por qué casi nadie mide un team building?

Porque no está claro qué habría que mirar, y porque hay un incentivo incómodo: si medís, puede dar mal. Una jornada de equipo se contrata, se hace, la gente sale contenta y ahí termina. El encargado de RRHH tiene fotos, una factura y la sensación de que estuvo bien. Si al año siguiente le preguntan si vale la pena repetirlo, no tiene con qué contestar más que esa sensación.

También hay una razón más técnica. Medir una capacitación individual es relativamente sencillo: hay una habilidad, un antes y un después. Medir un equipo no, porque lo que querés observar no vive en ninguna de las personas: vive entre ellas. Es una propiedad del grupo, no la suma de seis propiedades individuales. Eso obliga a medir conducta colectiva, que es más difícil y bastante menos frecuente.

¿Sirve preguntar «¿te gustó?» al final?

Sirve, pero para una sola cosa: saber si te van a volver a contratar. La encuesta de satisfacción mide reacción, y la reacción no predice aprendizaje ni cambio de conducta. Una actividad puede ser divertidísima y no dejar nada, y una incómoda puede dejar mucho. Si tu única medición es la encuesta de salida, estás optimizando para que la gente lo pase bien, que es un objetivo legítimo pero no es el que te vendieron.

El marco clásico para ordenar esto es el de Donald Kirkpatrick, de finales de los años cincuenta, y sigue siendo útil justamente porque es simple. Propone cuatro niveles de evaluación:

1. Reacción — ¿les gustó? Es lo que mide la encuesta de salida.
2. Aprendizaje — ¿se llevaron algo que antes no tenían?
3. Conducta — ¿hacen algo distinto cuando vuelven a trabajar?
4. Resultados — ¿cambió algún indicador del negocio?

El noventa y pico por ciento de las actividades de equipo se quedan en el nivel 1. El nivel 4 casi nunca es atribuible honestamente a una jornada de ocho horas: si tu rotación bajó tres puntos, pasaron cuarenta cosas además del team building. Donde se puede trabajar en serio, y donde casi nadie trabaja, es en los niveles 2 y 3.

¿Qué se puede medir de verdad en una actividad de equipo?

Conducta observable durante la actividad. No opiniones después, no rasgos de personalidad, no intenciones: lo que las personas hicieron, mientras lo hacían, delante de testigos.

Esa es la diferencia entre una medición que se sostiene y una que no. «Juan es poco colaborativo» es una interpretación. «En las tres rondas, Juan no pidió ayuda ni una vez, y cuando se le acumuló el trabajo siguió solo hasta que se le quemó el pedido» es un dato. El segundo se puede discutir, verificar y devolver a Juan sin que se sienta juzgado por lo que es. El primero no.

¿Qué indicadores concretos sirven?

Los que miran el proceso del grupo y no el resultado de la tarea. El resultado te dice si ganaron; el proceso te dice por qué, y es lo único que se puede mejorar.

• Distribución de la palabra. ¿Hablaron los seis o hablaron dos? Es el indicador con mejor respaldo empírico de todos, y se mide contando. Hay un artículo entero sobre esto porque da para más.
• Pedidos de ayuda. ¿Alguien dijo «no doy» antes de fallar, o todos se hundieron en silencio? Un equipo donde nadie pide ayuda no es un equipo autónomo: es un equipo donde pedir ayuda cuesta.
• Ofertas de ayuda no solicitadas. ¿Alguien se corrió de su puesto porque vio que a otro se le venía encima? Esto tiene nombre en la literatura: backup behavior, y es uno de los cinco componentes del trabajo en equipo que identificaron Salas, Sims y Burke en 2005.
• Confirmación de instrucciones. ¿Las indicaciones se confirmaron o se gritaron al aire? Una instrucción que nadie acusó recibo no es comunicación, es ruido. Viene de la aviación y lo cuento acá.
• Reorganización bajo presión. Cuando la cosa se complicó, ¿el equipo cambió de plan o repitió más fuerte el plan que no funcionaba?
• Quién toma las decisiones. ¿Siempre la misma persona? ¿Rotó? ¿Nadie, y por eso se trabaron?

Seis indicadores es más que suficiente. Una planilla con veinte casillas garantiza que el observador no complete ninguna bien.

¿Cómo se mide esto sin ningún software?

Con una planilla, dos observadores y las conductas definidas antes de empezar. Ese «antes» es casi todo el método: si definís qué vas a mirar después de haber visto la actividad, vas a encontrar evidencia de lo que ya creías. El sesgo de confirmación no se evita con buena voluntad, se evita comprometiéndose por escrito de antemano.

El procedimiento mínimo:

1. Elegí tres o cuatro conductas, redactadas de forma que dos personas distintas coincidan en si ocurrió o no. «Pidió ayuda explícitamente» sirve. «Mostró apertura» no sirve.
2. Dos observadores anotan por separado, sin comentarse nada durante la actividad.
3. Al terminar, comparan. Donde coinciden, tenés un dato. Donde difieren, tenés algo más interesante: o la conducta estaba mal definida, o pasó algo ambiguo que vale la pena discutir.
4. La devolución se hace con los ejemplos, nunca con las etiquetas.

Dos observadores no es un lujo metodológico, es lo que convierte una impresión en una medición. Un solo observador mide, sobre todo, a sí mismo.

¿Y el nivel 3, el cambio de conducta en el trabajo?

Ahí la única medición honesta es repetir. Una sola actividad te da una foto; dos actividades separadas por unos meses te dan una dirección. Si en la primera el equipo no pedía ayuda y en la segunda sí, eso es un dato sobre el equipo. Si además podés mostrar los dos momentos citados, es un dato que el equipo reconoce como propio, lo que vuelve mucho más probable que haga algo con él.

Lo que no funciona es la encuesta a los tres meses preguntando «¿aplicaste lo aprendido?». Mide memoria y deseabilidad social, en partes que no podés separar.

¿Qué no se puede medir, por mucho que te lo vendan?

Esto importa tanto como la lista de arriba, porque es donde la industria se pone creativa:

• Personalidad. Una actividad de dos horas no te dice cómo es alguien. Te dice cómo se comportó esa tarde, en ese grupo, con ese nivel de cansancio.
• Desempeño futuro. Ninguna dinámica de equipo predice si alguien va a rendir en un puesto. Puede aportar evidencia a una decisión; no puede tomarla.
• Encaje cultural. Es la etiqueta con la que se justifican más decisiones arbitrarias en selección. No se mide en un juego.
• Liderazgo como rasgo. Se puede observar quién coordinó en esa tarea. Extrapolarlo a «es un líder natural» es un salto sin respaldo.
• Potencial. No existe el instrumento.

Un proveedor que te promete alguna de estas cinco cosas a partir de una actividad de dos horas no tiene un método mejor: tiene un problema de honestidad. La prueba es fácil de hacer: pedile que te muestre con qué evidencia concreta llegó a esa conclusión. Si no hay un momento citable, no hay medición.

¿Cuál es el mínimo viable si querés empezar mañana?

Tres cosas, en este orden:

1. Definí qué querés mirar antes de la actividad. Tres conductas, por escrito, acordadas con quien vaya a observar.
2. Que dos personas observen por separado. Y que no comparen hasta el final.
3. Devolvé con ejemplos. Una conclusión por conducta, cada una con el momento que la respalda.

Eso ya te pone en el nivel 2 de Kirkpatrick, que es más de lo que hace la enorme mayoría. Si lo repetís en seis meses con las mismas tres conductas, estás en el nivel 3. No necesitás nada más para empezar a tener una respuesta cuando te pregunten si sirvió.