之前，我们公众号文章介绍了制定真OKR的CLASSIC标准（参看：【真OKR系列 06】如何才能写出好OKR——真OKR的CLASSIC标准及句法结构帮你写出好OKR！），也就是：一个好的OKR要满足“CLASSIC”7个条件，“CLASSIC”是7个英文单词的首字母，分别代表好OKR的7个方面。具体来说，OKR整体要满足CLA三个条件：
有价值（Customer-Oriented）：OKR必须是客户导向的，要能为客户创造价值；
有数量限定（Less）：遵循五四原则，即同一时间处于进行中的O的数量不超过5个，同一O下的KR数量不超过4个；
有承接（Aligned）：O应当承接组织战略，支撑组织战略的达成；KR应当承接O，支撑O的达成。另外，OKR要同相关依赖方沟通达成一致，完成OKR间的握手。
而O要满足SS两个条件：
鼓舞人心(Stimulating)：目标要能点燃他人，能激发团队为之振奋，如“再造一个微信”；
简明易记(Simple)：目标简洁易记，脱口而出，从而强化目标对团队的牵引作用，长而难记的目标通常很难深入人心；
KR要满足IC两个条件：
挑战(Incredible)：KR要足够挑战，有时甚至难得不可思议，就像英文单词incredible所表明的那样。通常，KR的成功概率介于50%-70%时最好；
具体(Concrete)：KR应尽可能量化，用数据说话，从而方便实时度量目标达成情况；
我们来在ChatGPT上测试一下。
首先，我问ChatGPT好OKR的标准，它告诉了我一共7条，但我认为第5-7条不是针对制定OKR本身的，于是它认了错，去掉了第5-7条，保留了1-4条。
然后，我告诉他根据我的经验，好的OKR应该符合CLASSIC标准，并告诉了CLASSIC一共7个方面的具体含义，并请它复述。它没有原封不动地搬动我的表述，而是做了整理后准确复述出来了。这种回复让我满意，甚至一度认为这背后不是机器，而是一个活生生的人在那里。
上面的回复，多少还有些死记硬背的成分。接下来我准备再加大一些难度。我们能否让它给出一个符合CLASSIC标准的OKR呢？CLASSIC标准是我刚刚输入给它的，现网里是没有现成答案的，它需要首先学习理解CLASSIC标准，然后给出符合标准的示例。没想到，它还真做到了，学习能力让我惊诧：
我们继续测试。如果我们抛一条真实的OKR给它，让它依据真OKR的CLASSIC标准去判断它是否是好的OKR，它会怎么来判断？
这一次，它在判断O是否有价值这一点上和我的判断不一致，我认为这条O没有瞄准客户价值，只是某些职能部门的目标，而非客户目标，于是，我更新了我的判断给它，ChatGPT虚心接纳了我的建议：
然后我请它刷新刚才的评价，它照办了：
可以看到，这一次，它不只是机械地刷新了对O的评价，还调整了KR的评价，认为KR的挑战性较低。ChatGPT的举一反三能力，有些感人。
结语
一直以来，我们都希望机器能帮助我们做更多，例如，能更自动化地判断我写出的OKR是否是一条好的OKR，如果能给我的OKR打个分，那无疑将不断提升我制定OKR的水平。
现在，ChatGPT来了，它虽然还不够完美，但如果你一直和它互动下去，它会变得越来越聪明。如果我是一个团队领导者，我教ChatGPT，然后它能将这一能力沉淀下来去教更多团队的成员，会不会是一件很有趣的事？ChatGPT具备强大的存储能力，它过目不忘，这点我们人做不到，假以时日，知识量足够丰富，样例足够丰富后，它必将帮我们做更多的事。