CareerRoostConclusiones clave
- El 63% de los empleadores dice que los candidatos basan cada vez más sus solicitudes de salario en datos inexactos o no verificados. Los números que aportas a una negociación determinan si dejas dinero sobre la mesa o pides un número que haga que se retire la oferta (Payscale).
- Las plataformas de salarios autoinformados como Glassdoor se inclinan entre un 5% y un 15% por encima de las medianas reales del mercado. El sesgo es predecible: las personas con ingresos superiores al promedio reportan más, y los solicitantes activos de empleo reciben salarios bajos y se van, o pagan demasiado y juegan con su próxima oferta.
- El 73% de las negociaciones salariales fracasan no porque los candidatos pidan demasiado, sino porque basan sus solicitudes en datos fundamentalmente erróneos. La fuente de tu número importa más que el número en sí.
- La regla de las tres fuentes elimina la mayoría de los problemas de calidad de los datos. Haga una referencia cruzada de un conjunto de datos gubernamentales para la línea de base, una plataforma específica de función para los rangos actuales y un agregador de ofertas de trabajo para el pago divulgado por el empleador antes de nombrar un solo número.
¿Por qué la mayoría de los datos salariales en línea son menos precisos de lo que cree?
La mayoría de quienes buscan empleo abordan la investigación salarial de la misma manera que abordan cualquier otra búsqueda en línea. Escriben un puesto de trabajo y una ubicación en la primera plataforma que aparece, miran el promedio y tratan ese número como un hecho. El proceso dura noventa segundos. Las consecuencias de equivocarse se agravan a lo largo de toda una carrera, porque cada salario ancla el siguiente y un déficit del 5% en su primera negociación no es una pérdida única. Es uno compuesto.
El problema estructural de los datos salariales en línea no es que sean intencionalmente engañosos. Es que los incentivos de las plataformas que lo recopilan están fundamentalmente desalineados con las necesidades de precisión de las personas que lo utilizan. Los sitios de salarios autoinformados dependen de las presentaciones de los usuarios para construir sus bases de datos. Los usuarios que envían no son una muestra aleatoria de la fuerza laboral. Son desproporcionadamente personas que ganan por encima del promedio y quieren compartir, o personas que ganan por debajo del promedio y quieren comparar antes de irse. Ambos grupos introducen un sesgo de muestreo y ambos alejan las cifras agregadas de la verdadera mediana del mercado. Una investigación realizada por economistas laborales de Stanford que comparó las plataformas autoinformadas con datos verificados de los empleadores encontró que los salarios Glassdoor se inclinan entre un 5% y un 15% por encima de las medias reales del mercado (Payscale, "Compensation Best Practices Report", 2025). La dirección del error es consistente. La magnitud varía según el rol. La implicación es la misma en todos los casos: la cifra que estamos viendo probablemente sea mayor que lo que la mayoría de los empleadores realmente pagan.
Para agravar el problema del muestreo está el problema del estancamiento. Los datos salariales en plataformas gratuitas pueden permanecer sin actualizar durante años. El salario de un ingeniero de software a partir de 2022 refleja un mercado de contratación que ya no existe. El salario de un gerente de marketing a partir de 2023 es anterior a la reestructuración impulsada por la inteligencia artificial que ha cambiado lo que las empresas pagan por esas habilidades. Confiar en datos que no han sido actualizados desde la última administración presidencial no es investigación. Se trata de apostar con un número que da forma a su trayectoria financiera y las probabilidades no están a su favor.
El 73% de las negociaciones salariales fracasan porque los candidatos basan sus solicitudes en datos de mercado fundamentalmente defectuosos, no porque pidan demasiado. La fuente de datos determina el resultado. Un candidato que inicia una negociación con un número de un conjunto de datos verificado e informado por el empleador da una impresión diferente que uno que cita un promedio Glassdoor que buscó diez minutos antes de la llamada. Los gerentes de contratación pueden notar la diferencia. Los equipos de compensación ciertamente pueden notar la diferencia. (Payscale, "Informe de mejores prácticas de compensación", 2025)
El panorama de los datos salariales: de dónde provienen realmente las cifras
Antes de poder elegir la fuente de datos adecuada, es necesario comprender qué tipo de datos contiene realmente cada fuente. No todas las plataformas salariales miden lo mismo. No todos recopilan datos de la misma manera. Y no todos sirven para el mismo propósito en una negociación. Agruparlos por tipo de datos en lugar de por nombre de marca aclara cuáles pertenecen a su pila de investigación.
Los conjuntos de datos gubernamentales se encuentran en la cima de la jerarquía de confiabilidad. El programa de Estadísticas de Empleo y Salarios de la Oficina de Estadísticas Laborales encuesta aproximadamente 1,1 millones de establecimientos en 830 ocupaciones e informa datos salariales reales presentados por los empleadores con desgloses geográficos. Los datos son estadísticamente rigurosos, cubren casi todas las industrias y tienen el peso de una encuesta federal obligatoria. También va por detrás del mercado entre doce y dieciocho meses y no incluye bonificaciones, acciones ni beneficios, que en conjunto suman un promedio de 29,5% a la compensación total. Los datos del gobierno le dan la palabra. No le da el límite ni el número específico que una startup tecnológica en Austin ofrecerá a un gerente de producto senior la próxima semana (Salary.com).
Plataformas colaborativas como Levels.fyi y Glassdoor llenan la brecha de puntualidad que los datos gubernamentales no pueden cerrar. Levels.fyi, que se ha convertido en la referencia estándar para la compensación tecnológica, verifica las presentaciones con cartas de oferta y formularios W-2 en lugar de aceptar autoinformes al pie de la letra. Divide la compensación total en salario base, capital, bonificación por firmar y bonificación por desempeño, lo cual es importante porque el capital puede representar el 40% o más de la compensación total en las empresas de tecnología públicas. La compensación es la cobertura. Más del 70% de las presentaciones de Levels.fyi son roles de ingeniería de software. La plataforma es excepcional por su nicho y casi inútil para cualquiera que esté fuera de ella.
Los agregadores de ofertas de empleo representan la categoría más nueva y, en cierto modo, la más directamente útil para quienes buscan empleo. Plataformas como Comprehensive.io y HireJack extraen los rangos salariales directamente de las ofertas de trabajo de los empleadores en lugar de depender de los autoinformes de los empleados. Debido a que las leyes de transparencia salarial ahora cubren aproximadamente a 60 millones de trabajadores estadounidenses en dieciséis estados, una proporción cada vez mayor de publicaciones incluyen rangos salariales divulgados por el empleador. Los datos son tan actuales como el propio mercado laboral porque provienen de publicaciones en vivo. La limitación es la cobertura. Si un puesto no se contrata activamente con un rango revelado, no aparecerá en el conjunto de datos. Pero cuando aparece, la cifra proviene del propio presupuesto del empleador y no del informe de un extraño.
Los números del gráfico reflejan lo que sucede cuando la investigación salarial sale mal y con qué frecuencia. Más de la mitad de los empleados nunca negocian en absoluto y dejan intacto todo lo que está sobre la mesa. Casi dos tercios de los empleadores informan que los candidatos llegan con datos no verificados. Casi la mitad de todas las cifras salariales autoinformadas tienen una diferencia de más del 15%. Y casi tres cuartas partes de las negociaciones fallidas se deben a datos débiles, no a candidatos débiles. El patrón no es sutil. Las personas que pierden las negociaciones no están menos cualificadas. Están menos informados y lo están porque confiaron en la fuente más fácil en lugar de en la correcta.
¿En qué fuentes debería confiar para su situación específica?
No existe una plataforma salarial única que sea adecuada para todos los roles, industrias y contextos de negociación. La fuente adecuada depende del tipo de puesto que esté investigando, en qué etapa del proceso de contratación se encuentre y con qué tipo de empresa esté hablando. La siguiente matriz mapea las principales categorías de fuentes de datos con los escenarios en los que cada una gana su lugar en su investigación.
| Fuente de datos | Mejor para | Cuidado con |
|---|---|---|
| BLS / Datos gubernamentales | Establecer el piso defendible para cualquier rol; comparaciones geográficas entre áreas metropolitanas; Industrias donde los datos gubernamentales son completos, como la atención sanitaria, la educación y la fabricación. | desfase de 12 a 18 meses; sin datos sobre patrimonio, bonificaciones o beneficios; Las categorías ocupacionales son amplias y es posible que no se correspondan claramente con títulos de trabajo específicos. |
| Levels.fyi (Verificado) | Roles tecnológicos en empresas con bandas de compensación establecidas; roles donde la equidad es una parte importante del salario total; comparar ofertas entre empleadores tecnológicos | Más del 70% de las presentaciones son puestos de ingeniería; se inclina hacia ofertas más altas y las grandes tecnologías; valor limitado para industrias no tecnológicas |
| Glassdoor / Escala salarial (autoinformada) | Amplia cobertura de la industria cuando los datos gubernamentales son demasiado obsoletos; investigación salarial específica de la empresa; Obtener un sentido direccional antes de una investigación más profunda. | El sesgo de autoinforme infla las cifras entre un 5% y un 15% por encima de la mediana verdadera; los datos pueden tener años de antigüedad; tratar como direccional, no definitivo |
| Agregadores de publicaciones de empleo | Tarifas actuales del mercado para puestos contratados activamente; verificar si una oferta se alinea con lo que anuncian los competidores; roles en estados con leyes de transparencia salarial | Solo captura los roles que se contratan activamente; lagunas en las que la divulgación no es un requisito legal; Cobertura centrada en Estados Unidos |
| Guías salariales de la industria (Robert Half, Randstad) | Roles en funciones financieras, contables, legales y administrativas donde estas guías tienen datos históricos profundos; obtener un cambio porcentual año tras año para una función | Puede reflejar datos de colocación sesgados hacia áreas metropolitanas más grandes; actualizaciones típicamente anuales; granularidad limitada para roles especializados |
La tabla no es una clasificación. Es una herramienta de decisión. Un ingeniero de software que negocia una oferta de una startup de la Serie C necesita Levels.fyi para obtener los datos de capital y un agregador de ofertas de trabajo para lo que anuncian los competidores. Una enfermera que investiga los salarios en un sistema hospitalario específico necesita datos BLS para la línea base regional y Glassdoor para rangos específicos del centro. Diferentes roles, diferentes pilas, diferentes números. La única regla universal es que una fuente nunca es suficiente.
Cómo triangular: la regla de las tres fuentes que elimina los datos incorrectos
El hábito más confiable de Investigación salarial es la triangulación: verificar tres fuentes de datos independientes y confiar solo en números que convergen dentro de una banda razonable. Si BLS dice que la mediana para su puesto en su ciudad es $72,000, un agregador de ofertas de trabajo muestra ofertas actuales que van desde $68,000 a $82,000, y Levels.fyi muestra ofertas verificadas que se agrupan alrededor de $75,000, tiene un rango estrecho y defendible. Si Glassdoor dice $95 000 y todo lo demás dice $72 000, tiene un valor atípico que descartar, no una moneda de cambio.
La secuencia importa tanto como el conteo. Comience con datos gubernamentales como base de referencia. Es el más lento en avanzar, pero el más difícil de descartar porque es estadísticamente representativo de una manera que ningún conjunto de datos autoinformado puede igualar. Luego consulte una fuente específica de cada puesto: Levels.fyi para tecnología, una encuesta de asociaciones profesionales para derecho o medicina, una guía salarial de la industria para funciones contables o administrativas. Termine con una verificación del mercado actual utilizando un agregador de ofertas de trabajo o buscando publicaciones en vivo en su geografía objetivo y filtrando roles que incluyan rangos salariales divulgados. Todo el proceso dura veinte minutos. La diferencia entre un número triangulado y una suposición de una sola fuente es la diferencia entre negociar desde la fuerza y esperar no haber pedido simplemente algo que ponga fin a la conversación.
Cuando tengas tu rango, asígnale un nivel de confianza. Una cifra confirmada por datos gubernamentales, presentaciones de plataformas verificadas y rangos actuales publicados por los empleadores es de alta confianza. Un número de una única plataforma autoinformada con una amplia variación y entradas obsoletas tiene un nivel de confianza bajo. No es necesario que comparta su calificación de confianza con el empleador. Usted necesita saberlo usted mismo para anclar su solicitud a los datos de alta confianza y mantener los datos de baja confianza lo suficientemente flexibles como para ajustarlos cuando la oferta del empleador revele información que no podría haber recopilado de antemano.
De la investigación a la negociación: utilizar datos sin parecer una hoja de cálculo
El requisito previo es recopilar Datos salariales precisos. Entregarlo en una negociación sin parecer robótico o conflictivo es la habilidad que convierte la investigación en dólares. La mayoría de los candidatos cometen uno de dos errores. O citan sus datos como si estuvieran presentando pruebas ante el tribunal, lo que pone al empleador a la defensiva, o no citan ningún dato, lo que deja su solicitud flotando en el aire sin nada debajo. El camino intermedio funciona mejor que cualquiera de los extremos.
Abra con el rango en lugar de un solo número. Un solo número invita a un sí o un no. Un rango abre una conversación. La frase que funciona es una versión de: "Según mi investigación sobre las tasas de mercado actuales para este puesto en esta geografía, esperaba algo en el rango de X a Y. ¿Cómo se compara eso con lo que ha presupuestado?" La pregunta final convierte una demanda en una invitación. También le da al empleador espacio para decir que su rango está dentro de su presupuesto, ligeramente por encima pero negociable, o muy por encima, en cuyo caso aprendió algo valioso sobre el puesto antes de aceptarlo.
Haga referencia a sus fuentes de pasada, no en detalle. No necesita nombrar Levels.fyi o BLS por su nombre en una negociación, como tampoco necesita citar sus fuentes en una conversación sobre el clima. Lo que importa es que suene como alguien que hizo el trabajo, no como alguien que está adivinando. Una frase como "datos de mercado para roles comparables en esta región" comunica confianza en la investigación sin que parezca que estás leyendo una declaración. Si el empleador rechaza su rango, es entonces cuando debe ser específico. "Estoy mirando datos de ofertas verificadas para este nivel en empresas comparables, además de publicaciones actuales que revelan rangos entre X e Y". La especificidad es su respaldo. La confianza es tu abridor.
Los candidatos que ganan las negociaciones no son los que hacen las peticiones más agresivas. Son aquellos cuyas peticiones se basan en números que ambas partes pueden considerar reales. Un empleador puede discutir sus preferencias. Les resulta mucho más difícil discutir con datos de mercado verificados presentados con calma, sin egoísmo, como punto de partida compartido para una conversación que ambas partes quieren terminar con un sí. La investigación argumenta por usted. Tu trabajo es transmitirlo como si fuera la cosa más natural del mundo, porque después de veinte minutos de triangulación, lo es.
Los datos salariales precisos no garantizan una oferta más alta. Ningún dato puede obligar a un empleador a pagar más de lo que le permite su presupuesto, y ninguna fuente puede predecir con qué urgencia debe cubrir el puesto. Lo que hacen los datos precisos es eliminar el mayor error no forzado en la negociación salarial: pedir el número equivocado porque confiaba en la fuente equivocada. Arreglar ese error no cuesta nada excepto los veinte minutos que lleva verificar tres fuentes en lugar de una. A lo largo de una carrera, el retorno de esos veinte minutos se mide en cientos de miles de dólares. No hay muchas inversiones con ese ratio. Hay incluso menos que casi nadie fabrica.