ChatGPT如何帮助我们写出好OKR看其应用前景!

· 最新洞见

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。