La ley de Goodhart: cuando un indicador se vuelve objetivo, deja de medir

Índice

• 1. Del control monetario a las distorsiones de la auditoría: el origen de la ley de Goodhart
• 2. Por qué se corrompe la métrica: la psicología del atajo
• 3. De la banca a los hospitales: 4 casos documentados de efectos perversos
• 4. Tabla comparativa: las distintas formas de desvirtuar las métricas
• 5. Evitar la trampa: 4 salvaguardas para diseñar indicadores fiables
• 6. Protege a tu organización: auditoría de tus KPI en 5 pasos
• 7. En conclusión: medir para comprender y no para imponer
• 8. Mantener un rumbo equilibrado con FluidOps
• Preguntas frecuentes

1. Del control monetario a las distorsiones de la auditoría: el origen de la ley de Goodhart

En julio de 1975, durante la Conference in Monetary Economics organizada en Sídney por el Banco de la Reserva de Australia, tomó la palabra un economista británico de cuarenta años. Charles Albert Eric Goodhart, por aquel entonces asesor de política monetaria en el Banco de Inglaterra y futuro profesor de la London School of Economics, examinaba un estrepitoso fracaso del Tesoro británico. En su ponencia titulada Problems of Monetary Management: The U.K. Experience, formuló una observación desencantada que revolucionaría la sociología de las organizaciones: en el momento en que las autoridades intentan instrumentalizar un agregado estadístico concreto (como la masa monetaria M3) para contener la inflación de forma coercitiva, la relación histórica existente entre dicho agregado y la estabilidad de precios se esfuma por completo (Goodhart, 1975).

La explicación de Charles Goodhart era de carácter puramente sistémico: las entidades bancarias y los operadores financieros reaccionaban con total racionalidad ante las presiones regulatorias. Con el fin de eludir las cuotas de crédito y mantener intactos sus márgenes, crearon nuevos productos financieros e instrumentos de liquidez paralelos que no computaban dentro del agregado supervisado. El indicador M3 aparentaba moderación estadística, mientras la inflación continuaba aumentando en un plano invisible. Goodhart formalizó entonces su principio: cualquier regularidad estadística observada tiende a colapsar en cuanto se le aplica una presión directiva o regulatoria con fines de control directo (Goodhart, 1975).

Este principio rebasó pronto el ámbito exclusivo de la banca central. En 1979, el sociólogo y psicólogo estadounidense Donald T. Campbell formuló de manera independiente lo que el ámbito académico denomina la ley de Campbell: cuanto más se utilice un indicador cuantitativo para la toma de decisiones sociales, más sujeto estará a presiones corruptoras y más tenderá a deformar los procesos sociales que pretendía monitorizar (Campbell, 1979). Ambas teorías coinciden en un mismo punto de partida: el ser humano siempre adapta sus conductas a las reglas impuestas en el juego.

La máxima definitiva, en la formulación concisa que hoy cita cualquier gestor, nació en 1997 de la pluma de la antropóloga británica Marilyn Strathern. En un artículo dedicado a analizar la expansión de la cultura de la auditoría en las universidades de Reino Unido, sintetizó la advertencia de Goodhart mediante una sentencia lapidaria: «Cuando una medida se convierte en un objetivo, deja de ser una buena medida» (Strathern, 1997). Si transformas un simple termómetro en un mecanismo de castigo o de retribución, tu equipo aprenderá con rapidez a sumergirlo en agua templada antes que a tratar la enfermedad de fondo.

2. Por qué se corrompe la métrica: la psicología del atajo

Para comprender la fuerza con la que opera la ley de Goodhart en las empresas, conviene derribar un prejuicio recurrente: la manipulación de objetivos casi nunca es fruto de la mala fe intencionada o de empleados holgazanes. Al contrario, el desvío táctico de las estadísticas, conocido habitualmente como gaming, representa la respuesta más racional de profesionales competentes sometidos a incentivos mal calibrados. Ya en 1956, el investigador en ciencias de la administración Valentine F. Ridgway alertaba sobre las consecuencias disfuncionales de evaluar el rendimiento individual a partir de métricas brutas (Ridgway, 1956).

La confusión entre el proxy y la realidad operativa

En cualquier organización, lo que encierra un valor auténtico suele ser complejo, cualitativo y difícil de traducir a cifras: la satisfacción sostenida de un cliente, la solidez arquitectónica de un código fuente o el clima de confianza en un equipo. Ante la imposibilidad de cuantificar directamente estas virtudes intangibles, la dirección recurre a un sustituto numérico, denominado proxy:

• El tiempo medio de conversación para evaluar la eficacia del soporte técnico.
• La cantidad de tiques cerrados para medir la productividad del equipo de soporte.
• El número de llamadas diarias para valorar la insistencia de un equipo comercial.
• El volumen de líneas de código escritas para cuantificar la dedicación de un programador.

Mientras ese proxy opere como una referencia pasiva de observación, la correlación resulta útil. El desastre ocurre exactamente cuando la dirección eleva el proxy a la categoría de objetivo de rendimiento vinculado a premios o sanciones (Muller, 2018). En ese instante, los colaboradores abandonan la intención de fondo —la satisfacción del usuario o la corrección de errores— y se centran exclusivamente en maximizar la cifra que define su compensación o su continuidad laboral.

El sacrificio de las tareas no medidas

Este fenómeno encuentra sustento teórico en el modelo económico de contratos multitarea desarrollado por Bengt Holmström y Paul Milgrom (1991). Por lo general, un empleado debe repartir su dedicación entre varias dimensiones: la rapidez de ejecución, por una parte, y la calidad, la pedagogía, la cooperación y la prevención de riesgos, por otra. Si la dirección decide evaluar y compensar al trabajador atendiendo únicamente a la velocidad, la teoría demuestra que este concentrará toda su atención en la rapidez, sacrificando por completo la calidad (Holmström y Milgrom, 1991). Aquello que no se mide se convierte en trabajo que no se realiza.

3. De la banca a los hospitales: 4 casos documentados de efectos perversos

El espejismo de gestionar a ciegas mediante cifras no afecta solo a pequeñas empresas. La literatura académica y los expedientes judiciales contienen múltiples casos demostrativos de cómo la veneración de las métricas ha deteriorado a instituciones de prestigio.

El escándalo de las cuentas fantasma en Wells Fargo (2002–2016)

El caso bancario de Wells Fargo muestra con crudeza el disparate organizativo al que puede conducir un KPI convertido en dogma. La alta dirección fijó una meta comercial conocida como «Eight is Great»: cada cliente de la entidad debía contratar un promedio de ocho productos financieros (cuentas corrientes, libretas, tarjetas de crédito, pólizas o préstamos personales). Los empleados de sucursal recibieron cuotas diarias muy exigentes, bajo amenaza de reprimenda pública o despido fulminante.

Incapaces de alcanzar esas metas de manera orgánica con clientes reales, los empleados recurrieron a una vía de escape sistemática: abrieron más de 3,5 millones de cuentas bancarias y emitieron tarjetas de crédito sin el consentimiento ni el conocimiento de los titulares. Al destaparse las prácticas, la entidad despidió a más de 5.300 empleados operativos y tuvo que pactar en 2020 una sanción económica histórica de 3.000 millones de dólares con el Departamento de Justicia estadounidense (Department of Justice, 2020). El indicador de venta cruzada, concebido para evaluar la fidelidad de la clientela, arruinó la reputación centenaria de la firma.

Las colas de ambulancias en el NHS británico

A principios de la década de 2000, el Ministerio de Sanidad británico se propuso descongestionar las urgencias hospitalarias fijando un umbral inexcusable: el 98 % de los pacientes debía ser examinado, ingresado o dado de alta en menos de cuatro horas tras su llegada. Los hospitales que no cumplían el baremo recibían penalizaciones económicas.

En su investigación sobre el sistema público de salud inglés, Gwyn Bevan y Christopher Hood constataron una llamativa distorsión operativa (Bevan y Hood, 2006). Para impedir que el reloj de las cuatro horas empezara a contar, los equipos de admisión retenían deliberadamente a los enfermos dentro de las ambulancias estacionadas frente al hospital (práctica conocida como ambulance queuing), puesto que el tiempo transcurrido en el vehículo no computaba formalmente en el registro de urgencias. Otros centros trasladaban apresuradamente a los pacientes a pasillos designados administrativamente como «unidades de observación» para detener el contador, sin que la atención médica hubiese avanzado un ápice.

La alteración de exámenes estandarizados en Chicago

El ámbito educativo tampoco es ajeno a este problema. Cuando las escuelas públicas de Chicago quedaron sujetas a políticas sancionadoras ligadas a las calificaciones del alumnado en pruebas estandarizadas —con riesgo de clausura de centros y congelación salarial docente—, la conducta de los profesores varió sustancialmente. Los economistas Brian Jacob y Steven Levitt diseñaron un método algorítmico específico para revisar los patrones en las hojas de respuestas de decenas de miles de estudiantes (Jacob y Levitt, 2003).

Sus conclusiones determinaron que se producían alteraciones intencionadas por parte del profesorado en al menos entre un 4 % y un 5 % de las aulas de primaria cada año (Jacob y Levitt, 2003). Algunos maestros corregían con lápiz las respuestas erróneas una vez que los alumnos abandonaban el aula, o bien dictaban las soluciones correctas en pleno examen. La evaluación estandarizada, pensada para diagnosticar el aprendizaje infantil, pasó a medir únicamente el miedo de los docentes a los castigos administrativos.

La selección sesgada de pacientes en cirugía cardíaca

En Nueva York y Pensilvania, las autoridades sanitarias ordenaron hacer públicas las estadísticas comparativas (report cards) con la tasa de mortalidad posoperatoria de cada cirujano cardíaco, con el loable propósito de ofrecer transparencia a los pacientes e impulsar la calidad asistencial. El trabajo de David Dranove y su equipo sacó a la luz una consecuencia indeseada: los cirujanos, decididos a proteger sus porcentajes oficiales, empezaron a rechazar sistemáticamente las operaciones de pacientes con cuadros clínicos de extrema gravedad o inestabilidad manifiesta (Dranove et al., 2003).

Esos enfermos con perfiles complejos fueron derivados hacia tratamientos paliativos o farmacológicos menos lesivos para el historial del especialista, aunque en muchos casos ineficaces. La investigación evidenció que la adopción de estos indicadores cuantitativos deterioró la atención global e incrementó la mortalidad real en el segmento de pacientes más vulnerables (Dranove et al., 2003).

4. Tabla comparativa: las distintas formas de desvirtuar las métricas

En un riguroso análisis sociológico de referencia, Jerry Z. Muller pone de relieve que la «tiranía de las métricas» brota de una fe ingenua en el número como sustituto del criterio profesional y de la experiencia sobre el terreno (Muller, 2018). La siguiente tabla resume las conductas de adaptación oportunista documentadas por la investigación en economía y dirección empresarial:

Si deseas profundizar en el diseño de paneles de seguimiento que respeten la labor diaria de tus equipos sin caer en la obsesión por las cifras, consulta nuestra guía sobre seguimiento de proyectos: rituales e indicadores.

5. Evitar la trampa: 4 salvaguardas para diseñar indicadores fiables

Descubrir las implicaciones de la ley de Goodhart no debe conducir al descarte total de la medición. Administrar una compañía o un proyecto prescindiendo por completo de los datos equivale a navegar en plena tormenta con los ojos vendados, quedando a expensas de la arbitrariedad o las afinidades personales (Muller, 2018). Existen pautas consolidadas para emplear métricas sin propiciar su alteración constante.

1. Vincular siempre indicadores contrapuestos

Un indicador aislado constituye una invitación al atajo involuntario. Cada vez que implantes una métrica orientada a la velocidad o la cantidad, acompáñala de un contrapeso cualitativo estricto. Por ejemplo, si cuantificas el número de funcionalidades entregadas al mes, contrástalo con el índice de incidencias en producción y el Net Promoter Score de los usuarios. El equipo no podrá inflar su velocidad si dicha aceleración perjudica de inmediato la segunda variable.

2. Desvincular las métricas de aprendizaje de las retribuciones y penalizaciones

Esta es la aportación clave de Donald Campbell: la alteración de una medida depende directamente de las consecuencias que lleve aparejadas (Campbell, 1979). Los KPI orientados al análisis operativo —detectar un cuello de botella o comprender una bajada de conversión— deben preservarse como herramientas de mejora continua. En cuanto una cifra define un bono económico o amenaza la estabilidad laboral, pierde de forma automática su objetividad diagnóstica.

3. Priorizar el flujo colectivo frente a las metas de rendimiento individual

En lugar de fiscalizar las horas computadas o las tareas cerradas por cada trabajador, conviene poner el foco en la fluidez del trabajo conjunto. Dentro de los enfoques ágiles, observar el tiempo de ciclo total (lead time) y limitar el trabajo en curso (WIP) frena las actitudes defensivas individuales. Puedes apoyarte en el método Kanban para visualizar el flujo común sin fiscalizar individualmente a los profesionales.

4. Conservar la observación cualitativa y la presencia en el terreno

Ningún algoritmo ni plantilla de cálculo puede reemplazar la observación directa de los procesos. En la gestión de origen japonés, este principio recibe el nombre de Gemba: desplazarse allí donde se ejecuta la actividad real para conversar con quienes están en primera línea. Cuando surja una desviación estadística, analiza las dificultades operativas antes de asumir precipitadamente una falta de compromiso.

6. Protege a tu organización: auditoría de tus KPI en 5 pasos

¿Sospechas que algunos indicadores internos están fomentando dinámicas contraproducentes? A continuación presentamos un método de cinco pasos para poner en práctica con tus equipos esta misma semana y neutralizar esas distorsiones:

• Paso 1: Mapear los KPI vigentes. Reúne en una lista todos los indicadores formales empleados en tu departamento o pyme, identificando con claridad cuáles de ellos están ligados a bonos, primas o clasificaciones públicas.
• Paso 2: Formular la pregunta de la trampa inocente. Convoca a tu equipo en un entorno de seguridad psicológica y plantea esta cuestión sin tapujos: «Si tuvierais que aumentar esta cifra un 40 % el próximo mes sin trabajar horas extra ni mejorar la satisfacción de los clientes, ¿cómo lo haríais?» La rapidez de sus aportaciones revelará de inmediato las grietas de tus métricas.
• Paso 3: Señalar el trabajo relegado. Por cada indicador operativo, reflexiona sobre qué labores esenciales pero invisibles (formación interna, soporte mutuo, documentación o mantenimiento preventivo) quedan actualmente fuera del radar de los informes.
• Paso 4: Aplicar el principio del 80/20. Elimina los indicadores superfluos que solo alimentan reportes de supervisión sin contribuir a tomar mejores decisiones. Para separar lo fundamental de lo accesorio, apóyate en la ley de Pareto en las pymes.
• Paso 5: Sustituir la cuantificación abstracta por criterios de entrega tangibles. En lugar de exigir un cupo cerrado de llamadas, evalúa la precisión del plan de trabajo asociado a cada cuenta. Para jerarquizar prioridades sin dejarte deslumbrar por urgencias artificiales, revisa la matriz de Eisenhower analizada desde la psicología.

7. En conclusión: medir para comprender y no para imponer

La ley de Goodhart no representa un callejón sin salida técnico, sino una llamada a la prudencia directiva. Los datos cuantitativos constituyen excelentes herramientas de apoyo, pero pésimos tiranos. Ofrecen señales que deben despertar el análisis y abrir conversaciones enriquecedoras, nunca clausurar debates mediante sentencias inflexibles.

Al situar a las personas, la calidad de las entregas y el criterio práctico en el núcleo de tu gestión, desactivarás las maniobras evasivas. Así, tus métricas recuperarán su verdadera función original: servir de brújula orientadora para los equipos, en vez de convertirse en ataduras que limiten su desempeño.

8. Mantener un rumbo equilibrado con FluidOps

Para dirigir tus proyectos sin incurrir en la hipervigilancia ni en la proliferación innecesaria de métricas, FluidOps agrupa las funciones esenciales de colaboración en un entorno visual y ordenado. Tu equipo puede supervisar el avance de las tareas en el tablero Kanban, programar los hitos principales con el diagrama de Gantt o estructurar las fases de trabajo con la vista Scrum, coordinando los plazos con Google Calendar y Outlook. Herramientas como la matriz de Eisenhower están disponibles desde el plan gratuito para ayudarte a distinguir el valor real frente al ruido numérico.

FluidOps se amolda a las necesidades de tu organización de forma transparente: la versión gratuita cuesta 0 € al mes, el plan Individual está disponible por 12 € al mes o 120 € al año, y el plan Empresa parte de 12 € por usuario al mes en facturación anual. Puedes consultar las características de cada modalidad en nuestra página de tarifas.

Preguntas frecuentes

¿Cuál es la definición exacta de la ley de Goodhart?

Formulada originalmente por el economista Charles Goodhart en 1975 y divulgada en el ámbito de la gestión por Marilyn Strathern, esta regla establece que cuando una métrica estadística se convierte en un objetivo directivo, deja de ser un instrumento de medición válido, puesto que los implicados tenderán a optimizar la cifra en detrimento de la intención de fondo.

¿Qué diferencia existe entre la ley de Goodhart y la ley de Campbell?

La ley de Goodhart procede de la economía monetaria y del funcionamiento de los mercados financieros, mientras que la formulada por Donald Campbell (1979) tiene su origen en la psicología social y la evaluación de políticas públicas. No obstante, ambas coinciden en que utilizar indicadores cuantitativos para recompensar o sancionar conduce irremediablemente a su distorsión.

¿Cómo detectar si un indicador KPI está sufriendo el efecto Goodhart?

El síntoma más evidente aparece cuando los informes y paneles muestran cifras impecables en verde mientras la realidad operativa empeora (clientes insatisfechos, aumento de la rotación en el equipo o proliferación de errores técnicos). Esa discrepancia evidencia una ruptura entre la cifra reportada y el trabajo real.

¿Es necesario prescindir de todos los KPI para evitar estas desviaciones?

No, ya que eliminar toda métrica abocaría a la empresa a una dirección ciega basada en arbitrariedades o impresiones subjetivas. La alternativa adecuada consiste en utilizar conjuntos de indicadores contrapuestos (que equilibren volumen y calidad) y reservar los KPI al aprendizaje operativo antes que a la evaluación sancionadora individual.

Fuentes

• Bevan, G., y Hood, C. (2006). What’s measured is what matters: Targets and gaming in the English public health care system. Public Administration, 84(3), 517–538. doi:10.1111/j.1467-9299.2006.00600.x
• Biagioli, M., Kenney, M., Martin, B. R., y Walsh, J. P. (2019). Academic misconduct, misrepresentation and gaming: A reassessment. Research Policy, 48(2), 401–413. doi:10.1016/j.respol.2018.10.025
• Campbell, D. T. (1979). Assessing the impact of planned social change. Evaluation and Program Planning, 2(1), 67–90. doi:10.1016/0149-7189(79)90048-X
• Courty, P., y Marschke, G. (2004). An empirical investigation of gaming responses to explicit performance incentives. Journal of Labor Economics, 22(1), 23–56.
• Department of Justice. (2020). Wells Fargo agrees to pay 3 billion dollars to resolve criminal and civil investigations into sales practices. U.S. Department of Justice Office of Public Affairs.
• Dranove, D., Kessler, D., McClellan, M., y Satterthwaite, M. (2003). Is more information better? The effects of "report cards" on health care markets. Journal of Political Economy, 111(3), 555–588. doi:10.1086/374180
• Eterno, J. A., y Silverman, E. B. (2012). The crime numbers game: Management by manipulation. CRC Press.
• Goodhart, C. A. E. (1975). Problems of monetary management: The U.K. experience. In Papers in Monetary Economics (Vol. 1). Reserve Bank of Australia.
• Holmström, B., y Milgrom, P. (1991). Multitask principal-agent analyses: Incentive contracts, asset ownership, and job design. Journal of Law, Economics, & Organization, 7, 24–52.
• Jacob, B. A., y Levitt, S. D. (2003). Rotten apples: An investigation of the prevalence and predictors of teacher cheating. The Quarterly Journal of Economics, 118(3), 843–877. doi:10.1162/00335530360698441
• Muller, J. Z. (2018). The tyranny of metrics. Princeton University Press.
• Ridgway, V. F. (1956). Dysfunctional consequences of performance measurements. Administrative Science Quarterly, 1(2), 240–247. doi:10.2307/2390989
• Strathern, M. (1997). 'Improving ratings': Audit in the British University system. European Review, 5(3), 305–321. doi:10.1002/(SICI)1234-981X(199707)5:3<305::AID-EURO184>3.0.CO;2-4