El feedback anual de desempeño tiene un problema fundamental: depende de la memoria. Los gerentes tienden a recordar lo que pasó en las últimas semanas, no en los últimos doce meses. El resultado es lo que se conoce como "recency bias" — un sesgo que favorece a quien entregó últimamente sobre quien entregó más y mejor a lo largo del año.
El diseño del Impact Loop
El Impact Loop de Meritoria está diseñado para ser rápido sin perder sustancia. Al cerrar una tarea, aparece una pantalla mínima con:
- Pregunta 1: ¿Cuánto valor aportó esta tarea? (Impact: 1–5)
- Pregunta 2: ¿Cómo fue la calidad de la ejecución? (Quality: 1–5)
- Campo libre: "Qué repetir / qué cambiar" — opcional, pero construye contexto valioso
Todo en 20-40 segundos. Sin formularios, sin reuniones, sin esperar al final del trimestre.
El concepto de Feedback Debt
Igual que hay deuda técnica en código, hay deuda de feedback en equipos. Meritoria lo hace visible: tareas cerradas sin feedback aparecen en un panel de "Feedback Debt". No como sanción, sino como recordatorio de que la memoria institucional está incompleta.
Esto empuja cultura: cuando el equipo ve que las tareas sin feedback son visibles, el comportamiento cambia. El feedback deja de ser una formalidad y se convierte en el cierre natural de cada tarea.
Identidad configurable: el equilibrio entre transparencia y seguridad
No todo el feedback debe ser público. Meritoria permite configurar la identidad por tipo de tarea:
- Público: todos ven quién dio el feedback. Adecuado para trabajo colaborativo donde la atribución añade valor.
- Privado: solo el destinatario ve el feedback. Adecuado para feedback de desarrollo personal.
- Anónimo: el sistema agrega y protege la identidad. Adecuado para evaluaciones entre pares donde el poder relativo puede sesgarlo.
Qué hace el Impact Loop que las revisiones anuales no pueden
Después de seis meses de Impact Loop acumulado, tienes algo que ninguna evaluación anual puede construir: un historial granular de contribución real. No "Marta es una excelente profesional" — sino "Marta cerró 47 tareas en Q2, con Quality medio de 4.4 y Impact medio de 3.8, con tendencia al alza en las últimas 4 semanas".
Ese nivel de granularidad permite calibrar con datos, detectar sesgo de evaluación y defender decisiones de promoción o compensación con evidencia — no con storytelling.