نوشتن هدف و OKR با هوش مصنوعی برای تیمهای کوچک
بیشتر OKRها در عمل به فهرست کارهای همیشگی تبدیل میشوند. اینجا میبینید چطور از مدل بهعنوان منتقد استفاده کنید تا نتیجههای کلیدی واقعاً قابل اندازهگیری شوند.
اول هر فصل، جلسهی هدفگذاری برگزار میشود. دو ساعت بحث، یک فایل با ده خط، و سه ماه بعد کسی آن فایل را باز نمیکند. آشناست؟
دلیلش معمولاً این نیست که تیم بیانگیزه است. دلیلش این است که آن ده خط، OKR نیستند. فهرست کارهای همیشگیاند که فعلهایشان جدیتر نوشته شده: «بهبود فرایند پشتیبانی»، «تقویت حضور در شبکههای اجتماعی»، «راهاندازی نسخهی جدید».
هوش مصنوعی در نوشتن این جملهها به شما کمکی نمیکند — خودش هم دقیقاً همینها را مینویسد. جایی که واقعاً به درد میخورد، نقش منتقد است.
چرا OKRها به فهرست کار تبدیل میشوند
نوشتن وظیفه راحت است چون در کنترل ماست. نوشتن نتیجه ترسناک است چون ممکن است اتفاق نیفتد. تیم ناخودآگاه به سمت چیزی میرود که مطمئن است انجامش میدهد.
یک محک ساده: اگر میشود آن خط را با تیکزدن تمام کرد، وظیفه است. «انتشار ۲۰ مقاله» را میشود تیک زد. «رساندن ترافیک ارگانیک از ۲ هزار به ۶ هزار بازدید ماهانه» را نمیشود؛ یا شد یا نشد.
هدف و نتیجهی کلیدی: تقسیم کار
هدف باید کیفی، کوتاه و انگیزهبخش باشد — جملهای که بشود بدون عدد گفت و همه بفهمند کجا میرویم. نتیجههای کلیدی باید عددی و بیرحم باشند.
مثال یک فروشگاه اینترنتی کوچک:
هدف: خرید دوم برای مشتری فعلی طبیعی شود.
نتیجههای کلیدی:
۱. نرخ خرید دوم در ۹۰ روز از ۱۱٪ به ۱۸٪ برسد.
۲. زمان پاسخ به تیکت از ۹ ساعت به زیر ۲ ساعت برسد.
۳. سهم سفارشهای ثبتشده از اپلیکیشن از ۲۰٪ به ۳۵٪ برسد.هر سه عدد، وضعیت فعلی و وضعیت هدف را دارند. بدون عدد شروع، هیچ نتیجهی کلیدی معنا ندارد.
پرامپت: مدل را منتقد کنید نه نویسنده
این پیشنویس OKR فصل ما را نقد کن.
برای هر نتیجهی کلیدی بگو:
- وظیفه است یا نتیجه؟ اگر وظیفه است، بازنویسیاش کن.
- عدد شروع دارد یا نه؟ اگر ندارد، بنویس چه عددی لازم است.
- چطور میشود این عدد را بدون ایجاد ارزش واقعی بالا برد؟
تعریف نکن، فقط ایراد بگیر. اگر خطی سالم بود، بنویس سالم است.
---
[پیشنویس]سؤال سوم مهمترین سؤال است و معمولاً چیزی را نشان میدهد که در جلسه ندیدهاید. اصول ساختن این نوع پرامپت را در راهنمای پرامپتنویسی فارسی نوشتهایم.
نمونههای ضعیف و قوی
| نوشتهی رایج | مشکل | بازنویسی |
|---|---|---|
| بهبود رضایت مشتری | عدد ندارد | نمرهی رضایت پس از پشتیبانی از ۳٫۴ به ۴٫۲ |
| انتشار ۲۰ مقاله | وظیفه است | ورود ۶ هزار بازدید ارگانیک ماهانه |
| افزایش فروش | مبهم | فروش ماهانه از ۴۰۰ به ۶۰۰ میلیون تومان |
| استخدام سریعتر | قابل تفسیر | میانگین زمان استخدام از ۵۲ به ۳۰ روز |
| کاهش هزینه | بدون مرز | هزینهی جذب هر مشتری زیر ۹۰ هزار تومان |
خطر واقعی: عدد را میشود بازی داد
هر معیاری که به آن پاداش بدهید، بالاخره دستکاری میشود — نه لزوماً با نیت بد. اگر «کاهش زمان پاسخ تیکت» تنها معیار باشد، تیم پشتیبانی یاد میگیرد سریع جواب بیفایده بدهد و بعد تیکت را ببندد. عدد سبز میشود و مشتری عصبانیتر.
کنار هر نتیجهی کلیدی که فشار میآورد، یک معیار نگهبان بگذارید که نباید بدتر شود: سرعت پاسخ کنار نرخ بازگشایی تیکت، رشد فروش کنار نرخ مرجوعی، سرعت تحویل کنار تعداد باگ. بدون این جفت، بهینهسازی به فریب تبدیل میشود.
مرور هفتگی، نه فصلی
OKRی که فقط اول و آخر فصل دیده شود، تزئین است. یک مرور پانزدهدقیقهای هفتگی کافی است: هر عدد کجاست، از هفتهی قبل چقدر تکان خورده، و چه چیزی مانع است.
اینجا هوش مصنوعی واقعاً وقت آزاد میکند. یادداشتهای پراکندهی هفته را بدهید و بخواهید فقط تغییرات مرتبط با نتیجههای کلیدی را دربیاورد؛ روشش شبیه کاری است که در خلاصهکردن متن با هوش مصنوعی توضیح دادهایم. برای دیدن روند عددها هم تحلیل داده با هوش مصنوعی نقطهی شروع خوبی است.
گزارش هفتگی هر نتیجهی کلیدی را در سه خط بنویسید: عدد امروز، تغییر نسبت به هفتهی قبل، بزرگترین مانع. هر چیزی بیشتر از این، خوانده نمیشود.
جمعبندی
OKR ابزار تمرکز است، نه ابزار گزارشدهی. اگر بعد از نوشتنش هیچ کاری از فهرستتان حذف نشد، احتمالاً هدفگذاری نکردهاید؛ فقط کارهای جاری را عنواندار کردهاید. مدل زبانی میتواند این را زودتر از جلسهی پایان فصل به شما بگوید، چون تعارف ندارد.
برای شروع، پیشنویس فصل جاری را در نارنگی بگذارید و همان پرامپت نقد را اجرا کنید. اگر خواستید عمیقتر شوید، منابع بنیاد What Matters مرجع اصلی این چارچوب است.
