Agrupación por grafos y modelos predictivos para el análisis de personalidad y competencias basado en DISC

Por qué los datos de tu lugar de trabajo cuentan una historia

La mayoría de las organizaciones recopilan montones de información sobre su personal: resultados de tests de personalidad, habilidades, roles e incluso estrés auto-reportado. Este estudio muestra cómo esos datos dispersos pueden entretejerse en un mapa que refleja cuánto se parecen los empleados entre sí, revelando grupos ocultos y pistas sobre quiénes podrían sentirse presionados en el trabajo. Se centra en el popular marco de personalidad DISC y plantea una pregunta simple pero importante: ¿hasta qué punto podemos pasar de informes de estilo de personalidad a conocimientos útiles y impulsados por datos sobre el estrés y las necesidades del equipo, y dónde están los límites?

De los códigos de color a los patrones de conexión

Los investigadores parten de DISC, un modelo que agrupa a las personas según estilos de comportamiento generales como ser más enérgico, orientado a las personas, constante o detallista. En una organización universitaria, 195 empleados completaron una evaluación basada en DISC que también calificó 17 habilidades relacionadas con el puesto, enumeró fortalezas destacadas y rasgos más débiles, y registró su nivel de estrés. En lugar de tratar estos perfiles como puntuaciones aisladas, el equipo consideró a cada empleado como un punto en una red, donde la cercanía entre dos personas depende de cuánto se parezcan sus habilidades, roles y rasgos.

Construir un mapa de quién se parece a quién

Para dibujar esta red, los autores combinaron tres tipos de semejanza. Midiaron cuán similares eran las personas en sus valoraciones de habilidades, cuántos detalles organizacionales coincidían (como unidad o tipo de tarea) y cuánto solapamiento había en sus descripciones de rasgos. Estos tres ingredientes se mezclaron en una única puntuación de similitud para cada par de empleados. Luego, cada persona se vinculó con sus colegas más similares, formando una trama en la que los enlaces más gruesos significan mayor parecido. Un algoritmo de detección de comunidades buscó en esa trama agrupaciones naturales: grupos de personas que están más fuertemente conectadas entre sí que con el resto de la organización.

Grupos ocultos y su mezcla de estrés

La red resultante distó mucho de ser aleatoria. El método descubrió seis comunidades de empleados, cada una con su propia mezcla de estilos DISC y niveles de estrés. Algunos grupos contenían muchos tipos “organizador” o “analista”, mientras que otros eran más mixtos. El estudio encontró que estos clústeres también diferían en la prevalencia de distintos niveles de estrés, lo que sugiere que las combinaciones de estilo de comportamiento, habilidades y contexto de rol tienden a viajar juntas. Esto ofrece a los equipos de recursos humanos una forma de pensar en intervenciones a nivel grupal, como formación dirigida o revisar la carga de trabajo para clústeres específicos, en lugar de centrarse únicamente en individuos de forma aislada.

Intentando predecir el estrés a partir de los perfiles

Los autores pasaron entonces del mapeo a la predicción. Usando un método de aprendizaje automático popular llamado bosque aleatorio (random forest), intentaron adivinar la categoría de estrés de cada empleado (bajo, medio, alto o alto y claramente vinculado al trabajo) a partir de su tipo DISC, habilidades, rasgos y detalles organizativos. El modelo rindió mejor que una conjetura aleatoria, pero no tan bien como una estrategia muy simple de predecir siempre la clase mayoritaria, que era estrés bajo. En otras palabras, hay cierta señal en los datos de personalidad y competencias, pero gran parte de lo que determina el estrés parece residir en otros factores —como fechas límite cambiantes, eventos de la vida personal o relaciones de equipo fluctuantes— que no quedaron capturados en esta encuesta puntual.

Qué impulsa realmente la presión en el trabajo

Incluso con sus límites, el modelo predictivo destacó algunos patrones reveladores. Las valoraciones de habilidades vinculadas a objetivos de ventas y relaciones con clientes estuvieron entre las entradas más importantes cuando el algoritmo trató de separar distintos niveles de estrés. Esto concuerda con la experiencia común: los roles donde los resultados y el contacto con clientes son centrales suelen conllevar presión adicional. El estudio también realizó un ejercicio separado para “predecir” etiquetas de grupos de competencia y obtuvo puntuaciones casi perfectas, pero aquí las etiquetas objetivo se construyeron esencialmente a partir de la misma información usada como entrada, un ejemplo clásico de filtración de información que resulta llamativo en el papel pero no se generaliza.

Por qué esto importa para las personas y los equipos

Para un lector general, el mensaje clave es que los tests de personalidad y habilidades pueden hacer más que ubicarte en una casilla con letra; cuando se combinan con cuidado, pueden revelar cómo te sitúas dentro del tejido más amplio de tu lugar de trabajo. Al mismo tiempo, este estudio advierte contra el exceso de confianza: el estrés no es algo que podamos leer de forma fiable en un gráfico de personalidad. Los mapas de similitud al estilo de redes pueden ayudar a las organizaciones a detectar grupos significativos y pensar en formación o equilibrio entre equipos, pero las decisiones serias sobre el bienestar siguen requiriendo información más rica y continua y, sobre todo, la conversación directa entre personas.

Cita: Samanta, S., Allahviranloo, T., Mrsic, L. et al. Graph clustering and prediction models for DISC-based personality and competency analysis. Sci Rep 16, 10186 (2026). https://doi.org/10.1038/s41598-026-41013-4

Palabras clave: estrés laboral, evaluación de la personalidad, dinámica de equipos, análisis organizacional, competencias de los empleados