OKR 最常见的失败形态：目标写得很大很虚，关键结果写得像任务清单。结果一个季度下来，团队忙了一堆事，说不清有没有接近目标。大模型在这个流程里的位置很清楚——它擅长把写得不规范的 OKR 修规范，擅长指出「这条 KR 其实是任务」；但这个季度到底要什么，只有团队负责人能定。先把方法摆正，再把 AI 用对。
先分清 O 和 KR
O 是目标，定性的方向，回答「我们要去哪」；KR 是关键结果，可衡量的结果，回答「怎么知道到了」。两者的判断标准不同：O 可以鼓舞人，写得有感染力没问题；KR 必须能验证，写法上要能被事实判定达成或没达成。
一个快速自检的方法：把 KR 念出来，问一句「到季度末，能不能不用争论就判定这条达没达成」。能判定，是结果；要靠感觉和解释，多半写成了任务或口号，退回去重写。
AI 怎么用：当审校，别当代笔
让 AI 先干的活是审校。把你草拟的 OKR 交给它，让它指出哪些 KR 其实是任务、哪些 KR 团队无法直接影响。这两个检查它做得很好，因为「任务与结果的区分」「可控与不可控的区分」都是规则明确的判断。
参考提示词：「我们团队负责{业务范围}，本季度最想解决的是{问题}。请：1) 帮我写 2–3 个 O，要求方向明确、不空泛；2) 为每个 O 设计 3 个 KR，要求可量化、能验证；3) 指出我写的 KR 里哪些其实是任务而非结果；4) 指出哪些 KR 我们无法直接影响，需要调整。」
注意它给出的 KR 是草稿。数字目标定多少、口径怎么算，要回到团队的实际产能和基线数据——它不知道你们上季度做到什么程度，给出的数字只能当占位符，逐条替换成自己的数。
三个常见错误
| 错误 | 典型表现 | 改法 |
|---|---|---|
| 把任务当结果 | 「上线新功能」——做完就算完成 | 改写成结果形态：功能上线后的使用情况 |
| KR 太多 | 一个 O 配七八个 KR，样样都要 | 砍到 3 个上下，留下真正定义成功的 |
| 设了不可控的 KR | 「市场份额提升」——受外部因素主导 | 换成团队直接影响的中间结果 |
三个错误里，把任务当结果最隐蔽。「上线新功能」听起来也有交付物、也有时间点，但它是任务：做完就结束，回答不了「做完之后业务发生了什么变化」。改成「新功能上线四周后的使用情况达到某水平」，性质就从交付变成了结果，季度末才有得可判。
哪些判断必须自己做
三件事 AI 替不了。方向选择：这个季度团队该攻什么，是管理决策，牵涉战略和资源，模型只能列选项。目标难度：定得太松没有牵引作用，太紧会打击士气，松紧的拿捏要靠你对团队的了解。资源匹配：目标要和团队产能相符，一个人身上压五个 KR，写得再规范也完不成。
季度中段可以补一次校准：把进展数据拿给 AI，让它对照 KR 逐条判断进度、指出偏离。数据归因的思路和售后退货数据的归因是一类方法——先分清哪些变量在你手里，再看数据说明什么。季度结束做复盘时，年度复盘的总结方法同样适用：结果与目标逐条对照，写清偏差原因，下个季度才有改进依据。
协作次序建议
一个季度的 OKR 流程可以按这个次序走：负责人先起草 O 和候选 KR，AI 做规范审校，团队会上逐条过 KR 的口径和数字，定稿后每两周对一次进展。让 AI 参与起草前的讨论意义不大——它不了解团队，只会产出放之四海皆准的漂亮话；把它放在审校和校准两个位置，产出才扎实。经营层面的目标如果要对上汇报，写法可以参考给合伙人的经营总结，重点放在结果的验证方式和偏差解释上，比单纯罗列目标有说服力。
它做不到什么
把边界说在前面：AI 没有立场，它给出的 OKR 不会偏向任何人的利益，也不会为季度结果负责，责任的落点始终在负责人身上。它不了解组织内的历史包袱和人际现实，「这条 KR 谁真正掌握资源」它判断不了。它给出的数字目标没有基线支撑，直接采用等于拍脑袋。把它当成帮你把 OKR 写规范的助手，价值就有了；指望它替你决定方向，失望是确定的。
OKR 制定速查
- O 定方向，可以鼓舞人；KR 定结果，必须能验证
- 念出来问一句：季度末能否无争议地判定达成
- 一个 O 配 3 个 KR 上下，多了就没有重点
- 不可控的结果换成团队直接影响的中间结果
- AI 当审校，方向和难度负责人定
