¿Quieres que tus empleados sean más productivos? Necesitas una mejor manera de medir sus contribuciones Para comprender la productividad, las empresas deben conectar a las personas con los resultados del negocio.

Con el rendimiento de la empresa en declive, el CEO de Amazon, Andy Jassy, llamó a todos los empleados corporativos a regresar a la oficina este año. De vuelta a los escritorios, cinco días a la semana.

¿Pero solucionará el retorno al trabajo presencial (RTO, por sus siglas en inglés) la productividad? La respuesta honesta: ¿quién sabe?

La productividad parece un concepto simple, pero en la práctica es notoriamente difícil de definir. ¿Qué significa ser productivo? ¿Es cuestión de horas trabajadas? ¿Correos enviados? ¿Ventas realizadas? ¿Clientes satisfechos? Cada jefe parece tener su propia definición.

No es de extrañar que la "ansiedad por la productividad" esté alcanzando proporciones épicas, con ocho de cada diez trabajadores preocupados por no estar haciendo lo suficiente.

Esta incertidumbre está acompañada de una "crisis de erosión del rendimiento empresarial", ya que las empresas de todo el mundo ven cómo la productividad se estanca.

El verdadero problema: estamos midiendo la productividad de manera incorrecta.

El verdadero problema: estamos midiendo la productividad de manera incorrecta. Comprenderla realmente requiere de algo tan obvio como elusivo: encontrar una forma de conectar a las personas con los resultados del negocio.

A continuación, exploramos por qué es tan difícil definir la productividad y cómo las empresas pueden empezar a medirla de manera más significativa.

Relacionado: ¿Quieres ser más productivo? Así es como los ejecutivos de Google manejan sus agendas

Desentrañando la productividad

La productividad ha sido una obsesión para líderes empresariales y expertos corporativos durante mucho tiempo. En el siglo XVIII, el economista Adam Smith distinguió entre el trabajo productivo y el improductivo. A principios del siglo XX, surgieron los expertos en eficiencia, que afirmaban ayudar a las empresas a sacar el máximo provecho de sus trabajadores.

Por la misma época, Henry Ford concluyó que las personas eran más productivas trabajando ocho horas al día, estableciendo la base para la jornada laboral de 40 horas semanales. Para la década de 1980, gracias a gurús como Tom Peters y Michael Porter, la productividad se había convertido en una especie de pseudociencia.

A pesar de estos avances, la noción básica de productividad sigue siendo opaca e inútil. En las juntas directivas, suele reducirse a un cálculo simple: resultados divididos entre insumos (por ejemplo, ventas totales divididas por horas trabajadas). Pero este enfoque no nos lleva muy lejos.

A nivel individual, las empresas aún tienden a centrarse en medir el esfuerzo: rastrear horas trabajadas o entregables completados. Para un empleado de soporte al cliente, la productividad podría definirse como la cantidad de llamadas atendidas al día.

En realidad, esto nos dice muy poco. Lo que realmente se necesita es un enfoque en cómo cada individuo impacta los resultados del negocio. Para nuestro representante de soporte, la retención de clientes es una medida mucho más útil que las llamadas manejadas. Sin embargo, establecer la conexión entre una llamada amistosa y la renovación de un cliente puede resultar complejo.

Una mejor manera de medir la productividad

¿Cómo podemos abordar mejor la productividad y reducir la ansiedad que genera?

Aquí es donde la inteligencia artificial (IA) y las nuevas tecnologías están demostrando ser útiles para desenredar las conexiones sutiles entre lo que hacen los empleados y el desempeño de la empresa.

En esencia, esto implica combinar fuentes de datos dispares de maneras novedosas y reveladoras. Por ejemplo, durante mucho tiempo las empresas han tenido acceso a datos detallados sobre sus empleados, como certificaciones profesionales, antigüedad y evaluaciones de desempeño. Al mismo tiempo, las herramientas digitales de ventas y marketing les han dado acceso a un rico conjunto de datos sobre compras y comportamiento de los clientes.

Históricamente, estos flujos de datos estaban aislados. Pero las nuevas herramientas están integrándolos y generando conocimientos inesperados. Un ejemplo es Cartier, el minorista de lujo con cientos de tiendas en todo el mundo.

Al integrar datos de empleados con datos de puntos de venta, Cartier pudo identificar qué ubicaciones tenían un mejor desempeño y analizar el historial de capacitación de cada gerente de tienda. Esto les permitió determinar qué entrenamientos eran más efectivos y aplicarlos donde fuera necesario para mejorar el rendimiento.

Mientras tanto, la incorporación del procesamiento del lenguaje natural en herramientas impulsadas por IA también está transformando la productividad. Los conocimientos que antes estaban limitados a analistas ahora están al alcance de los líderes de equipo que más los necesitan.

Por ejemplo, si las ventas de una empresa en una región están disminuyendo, los líderes pueden plantear preguntas en lenguaje natural: ¿Por qué está pasando esto? ¿Por qué nuestras ventas son tan decepcionantes?

Las respuestas, proporcionadas por la IA a partir de diversas fuentes de datos de la empresa, ayudan a identificar la causa raíz. Podría ser, por ejemplo, que la alta rotación del equipo de ventas impide que los representantes permanezcan el tiempo suficiente para aprender a vender el producto. En este caso, el problema no radica en los representantes, sino en su gerente.

Relacionado: 4 pasos que las empresas deben seguir para preparar sus datos para la IA

Un cambio cultural

A pesar del potencial de la IA, la tecnología es solo una parte de la solución al dilema de la productividad. La gestión tradicional sigue siendo importante, y eso incluye establecer objetivos claros desde la cima. Para 9 de cada diez trabajadores, es importante tener un trabajo que se sienta significativo. Necesitan poder responder a una pregunta fundamental: ¿Estoy trabajando en algo que importa?

Aquí es donde los objetivos y resultados clave transparentes (OKR, por sus siglas en inglés), que se transmiten de los líderes a los equipos e individuos, pueden marcar la diferencia. Más del 80% de las empresas creen que los OKR tienen un impacto positivo en su organización. Cuando los equipos tienen procesos para identificar trabajos prioritarios, son casi cinco veces más efectivos y productivos que sus pares que no los tienen.

En última instancia, utilizar las herramientas más recientes para medir la productividad al conectar a las personas con los resultados del negocio beneficia tanto a las empresas como a sus equipos. Al establecer objetivos significativos y rastrear el impacto de los empleados, las empresas obtienen información útil sobre cómo las personas impulsan los resultados. Y como los equipos saben qué se espera de ellos y dónde se encuentran, sienten menos ansiedad sobre su contribución. En términos de productividad, eso es tiempo (y dinero) bien invertido.