Tu empresa está pagando el absentismo dos veces.
La primera vez es obvia: la baja ocurre, asumes el coste directo – sustitución, pérdida de productividad, impacto en el equipo. La segunda es la que nadie contabiliza: los meses anteriores a esa baja en los que ese trabajador ya había tomado la decisión, en los que su desenganche estaba costando en rendimiento y clima, y en los que tu programa de bienestar seguía apuntando en la dirección equivocada.
Hemos analizado más de 31.000 trabajadores en España durante cinco años. Lo que encontramos debería cambiar la forma en que cualquier organización presupuesta sus intervenciones de personas.
La correlación del estrés con el absentismo es r=0.000. No baja, no marginal: literalmente nula. La variable que más predice quién va a causar baja laboral es la apatía, un estado que la mayoría de los sistemas de medición ni detectan, con una correlación de r=0.635. Un trabajador en zona de apatía tiene 18,5 veces más probabilidad de causar baja que uno en estado óptimo. Uno en zona de sufrimiento activo tiene 10 veces. Es decir, el estado que más recursos de gestión consume en las organizaciones españolas es, según los datos, el menos costoso de los dos.
Llevamos décadas invirtiendo en reducir el estrés. Hemos estado tratando la enfermedad equivocada.
Por qué el modelo convencional falla
El primer error está en la definición. Cuando hablamos de estrés en el entorno laboral, la mayoría de las organizaciones la entienden como ‘carga de trabajo’: demasiadas tareas, demasiadas horas, demasiada presión. Y desde ahí diseñan sus intervenciones – reducción de carga, flexibilidad horaria, programas de desconexión.
Hobfoll propone una definición radicalmente distinta. El estrés no es la consecuencia de tener demasiado. Es la consecuencia de perder algo que importa. Un recurso -material, social, energético o simbólico- que la persona valora y que el entorno laboral está erosionando. Esa distinción cambia completamente el diagnóstico. Una persona puede tener una carga de trabajo brutal y cero tensiones activas si lo que valora es el reto y la autonomía, y los tiene. Y puede tener una carga moderada y cinco tensiones activas si lo que valora es el reconocimiento y la estabilidad, y no los está recibiendo.
El modelo convencional falla porque mide la cantidad de trabajo. Lo que habría que medir es la distancia entre lo que cada persona necesita y lo que el entorno le da.
Desde ahí, la Conservation of Resources Theory cobra toda su fuerza: los recursos no se pierden de forma lineal. Cada tensión activa -una retribución percibida como insuficiente, un reconocimiento que no llega, una sensación de inestabilidad creciente- deja al individuo más vulnerable ante la siguiente. La pérdida de un recurso no se compensa con una ganancia en otro distinto. Y existe un umbral a partir del cual el sistema colapsa de forma abrupta, no gradual.
Eso explica por qué r=0.000. El estrés convencional -entendido como carga- no predice la baja porque no es la causa. Es el ruido. La causa es la acumulación de pérdidas en lo que importa. Y la apatía, con su correlación de 0.635, es el estado al que llega una persona cuando ha dejado de luchar por recuperar lo que perdió. No es el principio del problema, es el final de un proceso que llevaba meses ocurriendo sin que nadie lo viera.
Nuestros datos confirman esa geometría. Las personas sin tensiones activas tienen una probabilidad de absentismo de 0.001. Con tres tensiones simultáneas, esa probabilidad sube a 0.085 – multiplicada por 85. Con cinco tensiones alcanza 0.486. Con seis, 0.762. El 29% de los trabajadores españoles tiene tres o más tensiones activas en este momento. El 9,3% tiene cinco o más, con una probabilidad de baja que supera el 48%.
Lo más relevante para la intervención: en personas con cuatro o más tensiones activas, cuatro fricciones aparecen siempre juntas -retribución (70,7%), reconocimiento (58,8%), tiempo (50,9%) y estabilidad (46,4%). No son variables independientes. Son síntomas de un sistema que se está descomponiendo simultáneamente. Una revisión salarial aislada sobre alguien con cinco tensiones activas no para la espiral – porque no es la retribución el problema, es la acumulación.
Cómo construir un modelo que sí prediga
Para detectar ese acumulado antes de que se materialice en baja, el modelo necesita datos de ambas dimensiones.
Del lado extrínseco, los registros de ausencias pasadas, historial de jornada, patrones de horas extra, asignación de turnos y cambios organizativos recientes. Estas variables dan la base histórica y el contexto operativo. Son necesarias pero no suficientes.
Del lado intrínseco, el problema es la metodología de captura. Las encuestas directas sobre motivación o bienestar activan el sesgo de deseabilidad social: el trabajador sabe que le evalúan y responde en consecuencia. Nuestro enfoque mide de forma completamente indirecta – a través de la distancia entre lo que cada persona prioriza en su trabajo y lo que percibe que recibe. No hay preguntas cargadas. No hay riesgo percibido. El resultado es una tensión activa por variable que, cuando supera el umbral de 0.3, señala fricción real. Cuando tres o más tensiones superan ese umbral de forma simultánea, la probabilidad de baja entra en zona crítica.
En cuanto al modelo, la pregunta no es qué algoritmo usar sino qué pregunta quieres responder. ¿Quieres saber quién tiene más probabilidad de causar baja en los próximos meses? ¿O quieres saber cuándo va a ocurrir? ¿O necesitas entender por qué, para poder diferenciar la intervención? Son tres preguntas distintas y tienen tres respuestas técnicas distintas, pero lo que las une es que todas requieren datos de tensiones activas, no solo registros de ausencias pasadas.
Lo que sí importa al evaluar cualquiera de esos modelos es entender bien el coste del error. En absentismo, no detectar a alguien que va a causar baja es mucho más caro que intervenir sobre alguien que no lo habría hecho. Un buen modelo se calibra para minimizar ese primer tipo de error, el invisible, aunque eso signifique generar alguna alerta de más.
La prueba definitiva no es cómo funciona el modelo sobre datos históricos propios. Es si predice bien sobre datos que nunca vio. El nuestro predice el ranking de absentismo sector por sector con una correlación de ρ=0.976 respecto a los datos publicados por Randstad, Adecco e INE. El orden que da el modelo es el orden real del mercado. Esa es la diferencia entre un modelo que explica el pasado y uno que anticipa el futuro.
De la predicción a la decisión de negocio
Un score de riesgo que no tiene ruta de intervención clara es un informe más en la carpeta de Recursos Humanos. La diferencia entre un proyecto de People Analytics que genera impacto y uno que genera presentaciones está exactamente ahí.
El score tiene que ser un diagnóstico accionable: qué tensiones específicas están activas, cuántas son simultáneas, cuál tiene mayor peso relativo. Con esa información, la intervención deja de ser un programa genérico de bienestar y se convierte en una conversación concreta del HRBP sobre retribución percibida, o en un ajuste de carga de trabajo, o en una revisión del encaje del rol, dependiendo de qué combinación de tensiones aparezca.
En la práctica, el pipeline de intervención funciona en tres niveles. El primero es prevención: dos tensiones activas con tendencia creciente, una conversación antes de que la tercera se active. El segundo es gestión activa: tres o más tensiones, probabilidad de baja por encima del 10%, intervención estructurada. El tercero es urgencia: cinco o más tensiones, probabilidad superior al 48% — en este punto hay que revisar las condiciones del puesto o del equipo, no solo hablar con la persona.
En organizaciones donde se actúa sobre las tensiones detectadas con tres o más meses de antelación, la tasa de absentismo crónico se reduce entre un 18% y un 31% en el primer año. No porque el modelo sea infalible, sino porque por primera vez la organización interviene sobre las causas reales antes de que el trabajador tome la decisión de ausentarse.
Medir bien no es sólo técnica, es respeto
Un modelo que predice quién va a causar baja tiene un poder considerable. Y eso obliga a ser precisos en cómo se usa.
La distinción que marca la diferencia no es legal sino metodológica: un sistema que mide tensiones organizativas colectivas para identificar dónde intervenir es fundamentalmente distinto de uno que etiqueta personas con un score de riesgo individual almacenado como atributo. El primero resuelve un problema de gestión. El segundo crea uno de privacidad, de sesgo y de confianza que acaba destruyendo el valor del propio dato.
Nuestro enfoque opera sobre patrones agregados, no sobre perfiles individuales nominales. La plantilla sabe que existe el sistema y para qué sirve – no como ejercicio de comunicación, sino porque un dato recogido con transparencia es más honesto y por tanto más útil que uno recogido en la sombra. Y ninguna decisión de gestión se toma automáticamente a partir del score: el modelo informa, el HRBP decide.
Eso no es una limitación del sistema. Es lo que lo hace sostenible.
La pregunta que cambia el presupuesto
La analítica predictiva de absentismo no es un proyecto de datos. Es una decisión de dónde asignar los recursos de intervención.
Si el 29% de tu plantilla tiene tres o más tensiones activas simultáneas en este momento, y tú no lo sabes, estás tomando decisiones de bienestar, de retención y de organización del trabajo con información incompleta. Estás invirtiendo en programas de reducción de estrés sobre una variable que, según los datos, no mueve la aguja. Y estás llegando a las conversaciones importantes cuando el trabajador ya ha tomado su decisión.
La pregunta no es si tu organización tiene trabajadores con tensiones activas acumuladas. Los tiene. La pregunta es cuántas tienen y cuáles; y si tienes los datos para saberlo antes de que se conviertan en una baja.
