Predecir el Ausentismo de Guardias con Datos

El faltazo casi nunca es una sorpresa

Son las 21:50, el vigilador del turno noche no marcó ingreso y no atiende. En una hora el saliente se va, y si nadie llega, el objetivo queda descubierto. El supervisor arranca a llamar a la lista de reemplazos con el reloj en contra. Ese momento se siente como una sorpresa, pero casi nunca lo es: el faltazo suele avisar con semanas de anticipación, solo que nadie estaba mirando las señales. Predecir el ausentismo de guardias no es adivinar el futuro; es leer a tiempo un patrón que ya está escrito en los datos de asistencia.

La diferencia entre gestionar una tendencia y apagar un incendio a las diez de la noche está en cuándo ves venir el problema. Y eso depende, antes que de cualquier algoritmo, de tener la asistencia en un formato que se pueda leer de conjunto.

Qué señales anticipan un faltazo

El vigilador que un día no aparece rara vez lo hace de la nada. Antes hubo pistas que, vistas juntas, dibujan una tendencia:

• Tardanzas que se vuelven costumbre. El que empezó llegando cinco minutos tarde y ahora llega quince suele estar en camino a faltar.
• Avisos de última hora cada vez más seguidos. La frecuencia con que alguien pide cambios sobre la hora es un termómetro.
• Francos que se estiran. El que “necesita” un día extra pegado al franco, repetidamente, está diciendo algo.
• Concentración en un objetivo o un turno. A veces el patrón no es de la persona sino del lugar: un objetivo lejano o un turno que nadie quiere.
• Cambios bruscos en alguien confiable. El vigilador que siempre cumplió y de golpe cambia su comportamiento suele estar atravesando algo.

Ninguna de estas señales, sola, predice nada. Juntas y en el tiempo, anticipan. El punto es que en planillas de papel repartidas por cada garita, esas señales son invisibles: cada supervisor recuerda su pedazo, nadie ve el conjunto.

De la corazonada al dato

Cuando cada turno queda registrado en digital, los patrones de asistencia dejan de ser memoria de un supervisor y se vuelven información consultable.

Con el control de asistencia de guardias por marcación con selfie y GPS, cada ingreso y cada salida quedan sellados con hora y ubicación. A partir de ahí, las anécdotas se vuelven información: quién acumula tardanzas, en qué objetivo se concentran las ausencias, qué días y turnos son los más frágiles. No hace falta un modelo sofisticado para empezar; alcanza con poder mirar el historial de conjunto en lugar de reconstruirlo de memoria objetivo por objetivo.

Cuando ese historial existe, la “predicción” empieza siendo algo simple y muy potente: un ranking de riesgo basado en comportamiento reciente. El sistema resalta a quién conviene prestar atención esta semana, y el supervisor decide qué hacer con esa información. La tecnología ordena y prioriza; la decisión sigue siendo humana.

Qué puede y qué no puede la “IA” acá

Conviene ser honesto con la palabra. Un modelo que estima riesgo de ausentismo trabaja con probabilidades, no con certezas. Va a marcar personas que después cumplen (falsos positivos) y va a dejar pasar faltazos que nada anticipaba. No lee la intención de nadie ni sabe que el hijo del vigilador se enfermó anoche. Lo que hace bien es una sola cosa, pero valiosa: mirar mucho historial sin cansarse y señalar dónde la probabilidad es más alta, para que la atención humana se concentre donde más rinde.

Por eso el planteo correcto no es “la IA predice quién falta”. Es “los datos te dicen dónde mirar primero”. Esa distinción evita dos errores: confiar ciegamente en una lista, y castigar a alguien por una predicción en lugar de por un hecho.

Actuar sin castigar al que cumple

Acá está el riesgo real de todo esto. Mal usado, un sistema de predicción se vuelve una máquina de sospechar: se trata como culpable al que todavía no faltó, y el vigilador cumplidor termina sintiéndose vigilado. Eso destruye el clima y, paradójicamente, aumenta el ausentismo.

El uso sano es preventivo, no punitivo:

Mover la cobertura, no acusar. Si los datos marcan que el domingo de noche en tal objetivo es frágil, la respuesta es tener un reemplazo listo, no interrogar a nadie.

Preguntar antes de sancionar. Una señal de riesgo es motivo de una conversación —“¿está todo bien?, ¿el objetivo te queda lejos?”— no de un apercibimiento.

Atacar causas de fondo. Si un objetivo concentra ausencias, quizás el problema es el traslado, la paga o un cliente conflictivo, y ninguna sanción lo resuelve.

Reconocer al que cumple. El dato también muestra quién nunca falta. Usarlo para valorar, y no solo para perseguir, cambia por completo cómo el equipo vive la herramienta.

El historial del vigilador sirve tanto para anticipar un problema como para reconocer al que sostiene la operación sin fallar.

Empezar simple: no necesitás un algoritmo para arrancar

Hay una tentación de creer que esto requiere invertir en “inteligencia artificial” antes de ver cualquier resultado. Es al revés. El noventa por ciento del valor aparece con pasos que no dependen de ningún modelo:

• Pasar la asistencia a digital. Sin datos limpios no hay predicción posible; con ellos, ya se ve la mitad de la película.
• Mirar el historial por persona, objetivo y turno. Un repaso semanal del comportamiento reciente alcanza para detectar las tendencias que importan.
• Cruzar ausentismo con francos y carga. Muchas veces el patrón se explica solo: se está exigiendo de más en tal objetivo.

Recién cuando ese hábito está instalado, sumar un puntaje de riesgo automático agrega velocidad. Pero el orden importa: primero el dato y la mirada, después la automatización. Quien invierte en “IA” sobre una operación que todavía usa planillas está poniendo el techo antes que los cimientos.

Del dato a la cobertura garantizada

El objetivo final no es tener lindas estadísticas: es que el objetivo nunca quede descubierto. Cuando el armado del rol de turnos se apoya en el historial de asistencia, podés reforzar preventivamente los turnos frágiles, tener reemplazos identificados para los objetivos de mayor riesgo y dejar de descubrir a las 21:50 que faltaba prever un faltazo que los datos venían anunciando. Anticipar convierte una emergencia nocturna en una decisión tomada con calma dos días antes.

En resumen

Predecir el ausentismo no es magia ni requiere un algoritmo caro: empieza por tener la asistencia en digital para poder leer los patrones que ya existen, usar esas señales para reforzar la cobertura a tiempo, y hacerlo de manera preventiva, cuidando al vigilador que cumple en lugar de sospechar de él. La tecnología prioriza dónde mirar; la buena gestión decide qué hacer.

Si querés ver cómo el historial de asistencia te deja anticipar los faltazos antes de que dejen una garita vacía, conocé CGuardPro o escribinos.