People Analytics

  • 当一线员工数据进入AI分析,HR的任务不是仪表板,而是指标管控

    当一线员工数据进入AI分析,HR的任务不是仪表板,而是指标管控

    核心摘要

    • 2026年6月19日公开的Indeavor相关发布,展示了比AI撰写HR文件更偏运营的场景。排班、缺勤、加班等一线员工数据,正与自然语言查询和仪表板直接连接。
    • 这一变化的核心不是“引入AI仪表板”。在24/7运营环境中,问题是谁可以按照什么标准查看scheduling and absence data,并将其用于哪些决策。
    • 韩国企业应参考的重点不是供应商功能本身,而是数据字典、权限、责任人和指标解释标准。特别是缺勤和加班指标,应先作为组织运营信号来解读,而不是直接连接到个人评价。

    比AI仪表板更应先看的,是一线数据的定义

    Techrseries在2026年6月19日公开的发布稿,将Indeavor的AI Analytics Hub介绍为“natural language reporting platform”。其目标环境也相对明确。发布稿提到复杂的24/7运营,以及manufacturing、food and beverage、energy、nuclear等一线轮班和监管要求重要的四个行业。

    值得注意的是被连接的数据。发布稿说明,该工具直接连接scheduling and absence data。从HR视角看,这不是小变化。当招聘、考勤、配置、缺勤、加班分别留在不同表格和系统中时,组织花在核对一致性上的时间往往超过分析本身。AI把界面做得漂亮之前,HR必须先决定同一个“缺勤”在不同部门、现场和期间是否代表同一含义。

    因此,一线员工AI分析更接近运营模型课题,而不只是People Analytics的一个下位功能。如果数据项名称、汇总基准月、缺勤类型、加班公式、例外处理标准不清楚,AI会很快给出答案,但组织会慢慢动摇。数字出来得快,会让会议更容易进行。不过,这并不代表数字就是正确的。

    自然语言查询扩大分析可及性,但也可能模糊权限边界

    发布稿说明,用户可以用plain English提问,而不是使用SQL或spreadsheets。例子也很具体,例如“比较上个月各设施的缺勤趋势”“显示上周生产部门的加班”。发布稿还强调,site managers、HR、enterprise leadership无需分析师或IT支持,也可以直接查看。

    这种可及性显然是优点。一线负责人不必每次等待Excel提取,HR也能减少重复回答同类问题的负担。但如果权限设计薄弱,就会产生另一个问题。某个现场负责人可以在什么程度上查看其他设施的缺勤趋势?可能识别个人的数据依据什么标准被遮蔽?AI查询日志由谁审计?

    自然语言查询与其说让“所有人都容易分析”,不如说会更频繁地测试分析权限的边界。HR在导入前至少要确定三件事。第一,按角色划分的查看范围。第二,个人、团队、设施单位数据的最小显示标准。第三,将敏感指标转入绩效评价或纪律判断时所需的单独审批程序。

    加班和缺勤指标不是生产率数字,而是组织运营信号

    发布稿中的例子是absenteeism trends和production department overtime。这些问题都带有期间和单位,例如上个月按设施划分的缺勤、上周生产部门的加班。发布稿还说明,smart insights可以揭示overtime spikes、staffing gaps等风险和趋势。

    HR在这里需要谨慎的是解释速度。加班增加,并不能马上等同于生产率提高。缺勤增加,也不能立即归因为个人责任。同样是一周内的加班,背后可能隐藏需求激增、设备问题、培训不足、排班表设计、领导力空白等不同原因。

    因此,AI分析结果应从问题清单开始,而不是从评价表开始。如果某个现场的overtime突然上升,HR应同时查看人员补充、工作再配置、安全风险、管理者审批模式。如果absenteeism增加,就要确认健康、倦怠、通勤、班次之间休息时间,甚至缺勤代码的录入方式。指标不是筛选人的工具,而是寻找运营瓶颈的信号。

    韩国企业应在引入供应商前确定数据字典和责任人

    发布稿将benchmarking and standardization、automated delivery、standardized dashboards作为功能提出。这给HR提供了相当实务的提示。标杆比较是一个漂亮的词,但没有标准定义,比较很快就会失真。即使是同一个缺勤率,带薪休假、病假、无故缺勤、换班如何分类,都会使数字完全不同。

    如果韩国企业考虑这类工具,应先制作数据字典。这是一份整理项目名称、公式、分母、基准月、排除对象、审批人、修改权限的文件。第二是指定责任人。如果不清楚指标所有者是HR,还是生产、运营部门,或者IT是否负责数据质量,AI工具即使给出答案,执行也会停下来。

    最后,自动报告的使用目的必须被限定。每周发送给高管的标准仪表板,与用于一线改善会议的报告目的不同。如果数据用于评价、纪律处分、薪酬决策,就还需要审查程序和申诉通道。AI分析工具的成败,很可能更多取决于运营规则,而不是模型本身。

    实务检查问题

    • 排班、缺勤、加班、替代工作的数据定义在各部门是否一致?
    • 自然语言查询用户按角色可以查看哪些设施、团队、个人单位的数据?
    • AI提出的staffing gap或overtime spike由谁审查并采取行动?
    • 自动发送的dashboard是决策用、监控用,还是评价资料?是否已经区分?
    • 引入供应商前,数据字典、权限表、审计日志、例外审批程序是否已经文档化?

    参考资料:Techrseries, “Indeavor Launches AI Analytics Hub to Turn Frontline Workforce Scheduling and Absence Data Into Real-Time Insights With AI”, 2026-06-19. https://techrseries.com/hr/indeavor-launches-ai-analytics-hub-to-turn-frontline-workforce-scheduling-and-absence-data-into-real-time-insights-with-ai/

  • AI采用率高于培训参与率,暴露HR运营模型瓶颈

    AI采用率高于培训参与率,暴露HR运营模型瓶颈

    部署了AI工具,并不等于人们真正改变了工作方式。Aon在6月17日发布的文章相当清楚地显示了这一差距。文章指出,全球近四分之三的组织已经部署AI或正在开展试点,但大多数员工参与AI再培训和技能提升的组织只有18%。

    这个数字说明,HR团队看待AI项目时,首先要改变问题的顺序。问题不应先从“采用了什么工具”开始,而应先问“谁接受了学习,哪些工作发生了变化,这种变化是否能被绩效指标捕捉到”。即使采用率很高,如果学习参与率和运营标准偏低,AI投资也会直接暴露HR运营模型中的瓶颈。

    部署率与学习参与率之间的差距最先显现

    Aon在2026年6月17日的insight中说明,AI部署和试点已经广泛推进。从数字看,全球近四分之三的组织已经部署AI或正在测试AI。按雇主口径,超过四分之三的组织也已经推出AI工具。表面上看,AI转型速度很快。

    但同一资料给出的第二个数字更令人不安。大多数员工参与AI reskilling和upskilling的组织只有18%。部署率与学习参与率之间的差距,并不只是培训日程延后。它可能意味着HRD预算、岗位优先级、管理者角色和工作重设计没有在同一张运营图上连接起来。

    只统计使用次数,看不见AI投资的成效

    Aon指出,AI使用情况仍然常常以“frequency of use”来衡量。有多少人登录、输入了多少次提示词、哪个团队使用最多,这些可以作为早期扩散指标。但仅凭这些指标,很难确认招聘周期、培训转化率、客户响应质量、文档审核时间、管理者决策速度是否真正改善。

    培训覆盖率也显示出同样的问题。Aon写道,未能培训哪怕10%员工的雇主不到三分之一,六家雇主中有一家没有培训任何员工。如果AI项目会议只看“用户数”就结束,这个空白会被掩盖。HR需要把培训对象、岗位群、使用场景以及前后绩效指标放在一起观察。

    HRD与People Analytics需要看同一块仪表盘

    现在,AI培训已经很难像一个独立活动那样运营。18%的参与率数字,不只是HRD团队的问题,而是People Analytics、HRBP、IT和业务领导者都需要共同查看的运营指标。例如,组织不应只看培训完成率,还应同时查看培训后AI实际投入工作的比例、获批使用场景数量,以及完成风险审查的流程数量。

    John McLaughlin表示,组织虽然在部署AI,却没有充分提供有效使用AI所需的clarity、direction和operating model。这句话可以被看作HR运营模型的检查点。是否有按岗位区分的AI使用标准?管理者应该批准哪些产出?培训后30天、60天、90天要比较什么?如果没有这些问题,AI使用就会被交给个人好奇心。

    韩国企业下一次会议要问的是准备度,而不是工具

    Aon资料是从全球咨询视角撰写的,因此不能替代对韩国企业法律义务或行业规则的说明。本次自动执行并未进一步核查样本、调查范围和行业受访者分布,所以这些数字应被理解为检查劳动力准备度的信号。不过,对HR实务判断而言,它仍然给出一个可用的警示:如果AI转型只被当作解决方案导入项目来处理,培训、角色、成效衡量和责任结构就会跟不上。

    下一次AIHR会议,最好先展开准备度表,而不是先看功能清单。HR应逐项确认按岗位群划分的培训参与率、实际应用的工作、管理者审批标准、禁止使用场景、绩效指标和数据安全检查状态。如果工具已经进入组织,就需要在更晚之前提问:我们的组织是在增加使用AI的人,还是在重新设计真正能够使用AI的工作?

  • [2026 HR Trend ③] 年度评价的终结:AI教练时代的绩效管理再设计

    [2026 HR Trend ③] 年度评价的终结:AI教练时代的绩效管理再设计

    这是2026 HR Trend系列的第3篇。第1篇讨论HR运营方式的再设计,第2篇讨论AI责任线。本文讨论绩效管理。在SHRM的2026年趋势中,AI教练和People Analytics可以被解读为重新审视以年度评价为中心的绩效管理惯例的信号。

    这并不意味着绩效评价会消失。更准确地说,目标设定、反馈、能力开发和管理者判断需要更频繁地连接起来。AI教练不应被看作替代评价者的技术,而应被视为改变绩效管理节奏的运营装置。

    年度评价动摇的原因不是评价周期,而是工作的速度

    SHRM的2026 HR Trends说明,AI在2026年仍是HR的中心议题,组织必须同时考虑成本和风险,并将其连接到实际业务影响。同一趋势中,SHRM的2026趋势解读讨论了AI教练可能加速年度绩效评价终结的观点。

    这里重要的不是“废除年度评价”这个口号,而是工作的速度变快、角色频繁变化、所需技能也以短周期变化。仅靠一年一次检查目标并打等级的方式,很难同时管理员工成长和组织绩效。

    AI教练提高反馈频率,而不是替代评价者

    SHRM将AI使用与成本节约、生产力提升和更好的人力决策联系起来说明。把这一观点应用到绩效管理中,AI教练的角色就很清楚。AI不是代替管理者给出最终评价的装置,而是起草反馈、提高对话频率并连接目标与行为的辅助装置。

    例如,管理者可以使用AI总结近期项目记录,整理员工的强项和改进点。但实际传达哪些反馈、是否把绩效问题作为正式记录留下、是否连接到薪酬或晋升判断,必须由人来决定。如果AI替代评价,责任会变得模糊;如果AI帮助准备反馈,就能提升管理者对话的质量。

    绩效管理再设计的起点,是连接目标、反馈与发展

    SHRM 2026 Talent Trends摘要的调查对象包括2,000多名HR专业人士,并同时讨论招聘困难和技能短缺。公开摘要显示,41%的HR专业人士会为难以填补的岗位培训现有员工,42%在过去12个月经历了正式员工留任困难。

    这些数字表明,绩效管理并不只是评价和薪酬问题。如果很难从外部轻易获得所需人才,现有人员留任也不容易,那么绩效管理就必须更强地连接内部能力开发。目标改变时,所需技能也会改变,反馈必须延伸到如何开发这些技能。

    管理者角色不会减少,而会更加明确

    有人认为,AI教练扩散后管理者角色会减少。但实际上更接近相反。AI提供的数据和文案越多,管理者越必须更清楚地说明自己基于什么做出判断。

    在绩效管理中,管理者应承担三项责任。第一,确认AI建议的反馈是否符合实际工作情境。第二,区分要传达给员工的信息和要作为正式记录留下的内容。第三,判断目标调整或发展计划是否与组织优先事项相连接。AI可以帮助,但无法替代这些责任。

    韩国企业应先改变运营节奏,而不是评价制度

    在韩国企业中,绩效管理改革常常从评价等级、是否相对评价、薪酬反映比例等讨论开始。然而,2026年的变化在制度文字之前,先询问运营节奏。什么时候检查目标,反馈多频繁,发展计划是否连接到下一项工作安排,这些问题会更加重要。

    HR首先要做的不是选择AI教练工具,而是描绘绩效管理的流程。需要确认目标设定、中期检查、反馈、能力开发和薪酬判断在哪些地方断开。之后再决定AI可以帮助的节点。

    2026年绩效管理的核心不是“让评价更频繁”。它是更快确认员工现在做得好的是什么、为了下一次绩效需要学习什么,以及管理者应该进行什么对话。AI教练在帮助准备这种对话时最有用。

    2026 HR Trend系列文章

    绩效管理篇是在AI责任线之后,讨论管理者反馈和运营节奏的文章。

    一起阅读HR趋势系列

    本文是2026 HR趋势系列的一篇。把AI导入、责任线、绩效管理、招聘、技能提升、混合型人力、Polywork和员工体验连接起来阅读,可以更立体地理解HR运营模式变化的流向。

    参考资料

    本文基于SHRM的2026 HR Trends、2026 Talent Trends以及2026年HR趋势解读撰写。正文只使用公开资料中可确认的数字和表述,未引用会员专用详细报告的非公开内容。

  • [2026 HR Trend ②] 比AI采用率更重要的,是HR的AI责任线设计

    [2026 HR Trend ②] 比AI采用率更重要的,是HR的AI责任线设计

    这是2026 HR Trend系列的第2篇。如果第1篇把整体趋势解读为“HR运营方式的再设计”,那么本文讨论其中的AI。核心不是AI采用率,而是HR会把AI用到哪里、由谁审查、又如何向员工说明。

    SHRM认为,2026年AI仍将是HR的中心议题。同时,SHRM也说明企业必须重新审视AI是否产生了预期成果,成本和风险隐藏在哪里。资料还提出,89%的CEO预计AI会重新定义组织创造和获取价值的方式。期待越大,责任也越大。

    AI越成为HR中心议题,责任线越应先行

    AI正迅速进入招聘、绩效管理、培训、人力规划和员工体验分析。但“HR使用AI”并不是一个单一行为。总结候选人材料的AI、推荐面试问题的AI、生成绩效反馈文案的AI、预测离职风险的People Analytics工具,各自都会产生不同风险。

    问题在于,工具越多,判断来源越模糊。如果没有记录说明HR是否直接采用AI结果、管理者是否进行了修改、认可例外的标准是什么,员工就很难接受结果。因此,2026年HR AI的第一项任务,不是“导入什么”,而是确定“谁是最终判断者”。

    HR AI责任线从三个问题开始

    第一个问题是使用目的。SHRM的2026 HR Trends说明,应去除围绕AI的过度期待,在真正重要的地方使用AI。因此,HR必须区分AI是用于成本节约、生产力提升,还是作为更好人力决策的辅助工具。目的模糊,绩效也难以衡量。

    第二个问题是审查责任。谁来确认AI生成的建议?在招聘中,招聘负责人和业务主管的角色不同;在绩效管理中,管理者和HRBP的责任不同。第三个问题是记录标准。必须留下记录,说明输入了哪些数据、基于什么标准修改结果、例外由谁批准。

    如果这三个问题没有整理清楚,AI可以让HR更快,却无法让HR更受信任。

    招聘AI重在可解释性,而非筛选速度

    SHRM在2026 Talent Trends中,基于2,000多名HR专业人士的数据讨论招聘困难和技能短缺。公开摘要显示,约70%的HR专业人士在正式员工招聘中仍然遇到困难,42%在过去12个月经历了正式员工留任困难。

    在这种情况下,招聘AI看起来像是有吸引力的解决方案,因为它可以快速总结申请材料、分类候选人并生成面试问题。然而,正如SHRM指出的,自动化和算法本身无法解决招聘问题。如果岗位要求陈旧、评价标准不清,AI只会更快地重复这种模糊。

    因此,招聘AI的核心不是速度,而是可解释性。HR必须能够说明为什么某位候选人被排除、哪些能力被判断为不足,以及人类如何审查了AI的建议。

    绩效管理AI应让管理者判断更加透明

    AI教练和People Analytics也在改变绩效管理方式。SHRM的2026 HR Trends说明,AI可以超越成本节约和生产力提升,连接到更好的人力决策。SHRM的2026趋势解读也讨论了AI教练可能加速年度绩效评价终结的 趋势。这并不意味着评价会消失,而是意味着反馈必须更频繁、更具体、更基于数据。

    在这里,责任线同样重要。AI可以起草员工发展计划。但实际传达哪些反馈、调整哪些目标、将哪些绩效问题作为正式记录留下,必须由管理者判断。HR不应让AI替代管理者判断,而应把AI用作让判断过程更一致、更透明的装置。

    韩国企业应留下AI使用记录和例外处理标准

    韩国企业首先要做的,不是宏大的AI伦理宣言,而是整理运营文档。把SHRM将2026年AI议题同时作为成本、风险、生产力和人力决策问题提出这一点转化为韩国HR运营标准,就需要先从招聘、绩效管理、培训推荐、离职风险分析等影响员工的领域划分AI使用标准。

    例如,在招聘中,需要区分AI只是总结申请材料,还是会进行候选人排序。在绩效管理中,需要区分AI反馈文案是参考资料,还是正式评价依据。在HR数据分析中,需要确定是否向管理者提供个人层面的预测,还是只作为组织层面的指标使用。

    2026年HR AI的竞争力不在于使用更多工具,而在于建立一种结构,让人能够审查并解释AI生成的判断。这正是HR把AI转化为组织信任资产的起点。

    2026 HR Trend系列文章

    AI责任线篇与枢纽文章和绩效管理篇一起阅读,可以连接起HR AI运营的 趋势。

    一起阅读HR趋势系列

    本文是2026 HR趋势系列的一篇。把AI导入、责任线、绩效管理、招聘、技能提升、混合型人力、Polywork和员工体验连接起来阅读,可以更立体地理解HR运营模式变化的流向。

    参考资料

    本文基于SHRM的2026 HR Trends、2026 Talent Trends以及2026年HR趋势解读撰写。特别将2026 Talent Trends的HR专业人士回答样本和公开数值作为文章层面的依据。正文只使用公开资料中可确认的数字和表述,未引用会员专用详细报告的非公开内容。

  • 组织文化 ROI 衡量正在进入经营指标讨论

    组织文化 ROI 衡量正在进入经营指标讨论

    Gallup 的 2026 年 State of the Global Workplace 指出,2025 年全球员工敬业度降至 20%。Gallup 还分析认为,低敬业度也与全球生产力损失相连。HR 需要关注的并不只是这个数字本身有多精确。更关键的是,组织文化已经很难再只用“氛围好”或“内部活动”的语言来说明。

    组织文化 ROI 衡量,并不是把文化简单折算成金钱。它要验证文化活动与离职、敬业度、协作速度、管理者行为、绩效执行率等运营指标之间存在怎样的关系。管理层提出的问题也在改变。问题正在从“员工是否满意”转向“这一变化降低了哪些成本,又提高了哪些绩效可能性”。

    敬业度下降把文化衡量推入了成本讨论

    衡量组织文化效果的压力,与员工体验恶化相互交织。Gallup 在 2026 年报告介绍页中说明,2025 年全球员工敬业度为 20%,这是 2020 年以来的最低水平。同时,该报告被介绍为一份追踪 140 多个国家和地区员工体验的资料。文化和敬业度已经不再只是少数企业的内部议题,而成为劳动力市场和生产力讨论的一部分。

    这个数字不能原样搬到单个企业的损益表中。不过,认为组织文化与成本无关的说法也正在失去说服力。在敬业度较低的组织中,自愿离职、缺勤、冲突协调、返工、决策延迟等隐性成本会增加。组织文化 ROI 衡量并不是试图一次性准确计算这些成本,而是寻找文化问题在哪里转化为运营损失。

    HR 开始这项讨论时,首先需要区分的是文化活动的目的。仅用“改善组织文化”这样宽泛的目标,很难衡量 ROI。目标是降低新员工早期流失,还是提高管理者反馈质量,或是减少跨部门协作延迟,都会改变指标和比较标准。目的越具体,ROI 讨论越会从抽象的满意度报告转向真实的运营判断。

    满意度平均值是起点,但不是投资效果证据

    许多企业会从满意度调查或敬业度问卷开始组织文化诊断。这些数据是必要的。不过,仅凭平均分上升这一事实,很难说明组织文化投资的效果。因为分数上升的原因可能是领导力培训、薪酬调整、经济环境、组织调整后的期待感,也可能是其他因素。

    从 ROI 视角看,文化指标和结果指标需要一起观察。例如,如果心理安全感分数上升,就要确认会议发言偏向、风险早期报告、质量问题发现时间、建议采纳率是否也随之变化。如果管理者反馈文化有所改善,目标理解度、1 对 1 面谈执行率、绩效面谈满意度、低绩效早期改善率、核心人才保留率就会成为关联指标。

    重要的不是全公司平均值,而是差异。全公司敬业度 3.8 分可以向管理层展示整体氛围,但无法说明文化在哪里阻碍了绩效。即使运行同一制度,如果某个组织的离职风险降低,而另一个组织反而恶化,真正的分析单位可能并不是制度,而是领导者、岗位、工作量或决策方式。

    ROI 只有分成四类指标群才会显现

    如果只想用一个公式计算组织文化 ROI,衡量很容易被扭曲。在实务中,同时设计四类指标群更现实。

    第一类是人力风险指标。自愿离职率、核心人才流失率、新员工 6 个月内离职率、缺勤率、倦怠风险信号都属于这一类。当组织文化动摇时,最先出现的现象之一就是人员离开。这类指标是确认文化活动是否与真实人力成本相连接的滞后信号。

    第二类是员工体验指标。敬业度、工作意义感、成长机会认知、对领导者的信任、公平性感知、心理安全感都包括在内。这个领域显示文化的当前状态。但不能只看平均分,还要同时查看组织间分布、领导者之间的差异、不同岗位群的下降区间、不同入职时期员工的变化。组织文化的真实问题往往不是在平均值中显现,而是在特定群体的急剧下降中暴露。

    第三类是工作绩效指标。项目按期完成率、协作提前期、决策耗时、返工率、客户不满、质量错误、销售转化率等都可以纳入其中。如果一家公司说要改善跨部门协作文化,却只衡量协作满意度,ROI 讨论就会变弱。只有同时查看重复工作是否减少、审批环节是否减少、升级处理是否更快,文化活动才会与运营绩效相遇。

    第四类是管理者行为指标。1 对 1 面谈执行率、反馈频率、目标调整记录、团队复盘运行、认可行为、员工成长计划制定率是代表性指标。组织文化最终会通过现场反复出现的行为来实现。价值观文字再好,如果管理者行为没有改变,员工感受到的文化也不会改变。因此,管理者行为指标会成为组织文化 ROI 的重要先行指标。

    AI 与混合办公正在扩大文化指标范围

    组织文化 ROI 衡量变得更困难的另一个原因,是工作方式正在快速变化。Microsoft WorkLab 的 2024 Work Trend Index 说明,Microsoft 与 LinkedIn 调查了 31 个国家的 3.1 万人,全球知识工作者中有 75% 正在使用生成式 AI。这份资料显示,AI 已经超越个人生产力工具,成为与组织层面的执行计划和绩效连接相关的课题。

    在 AI 导入环境中,组织文化衡量指标也需要改变。相比“有多少人参加了 AI 培训”,更重要的是实际工作中是否共享 AI 使用标准,结果物审核责任是否清晰,团队间工具使用差异是否导致工作质量差异,员工是否能够围绕新方式提问和实验。AI 使用文化不仅要和生产力指标一起衡量,也要和信任、学习、责任、风险管理指标一起衡量。

    混合办公也造成同样的问题。仅凭办公室出勤天数,很难判断协作文化。需要会议转化为决策的比例、异步协作工具的响应提前期、新员工建立关系的速度、远程员工的信息可访问性等运营指标。当工作方式变化时,文化 ROI 的衡量单位也必须从考勤转向工作流。

    单一金额之前,应先有因果假设

    谈论组织文化 ROI 时,最常见的错误是试图把所有效果换算成一个金额。“投入 1 亿韩元做文化项目,离职率下降,所以节省了多少费用”这样的说明很直观。但在现实中,多种因素会同时发挥作用。薪酬上调、招聘市场变化、领导者更换、事业部业绩、组织重组都会影响离职率。

    因此,HR 应先提出因果假设,而不是先给出公式。例如,管理者反馈训练会提高目标清晰度,目标清晰度会减少返工和优先级混乱,其结果是项目提前期和绩效达成率得到改善。此时,先行指标是反馈执行率和目标理解度,滞后指标是返工率、按期完成率、绩效达成率。

    有了这个假设,比较设计才成为可能。可以比较项目参与组织和未参与组织、培训前后、相似岗位群之间的变化、领导者更换前后。设计不必是完美实验。但如果没有比较标准,ROI 讨论就会停留在“好像变好了”的印象评价上。

    衡量结果必须改变下一季度的投入决策

    Deloitte 的 2026 Global Human Capital Trends 强调,速度、适应力和再创造是竞争优势的条件。从这个角度看,组织文化衡量应当不再只是年度报告,而更接近决定下一季度资源配置的运营装置。它应被用于决定哪个组织优先安排领导力教练,哪个岗位群需要重新设计入职培训,哪些协作流程需要减少。

    HR 可以立即采用的流程相对简单。首先,将文化课题缩小为一个问题。其次,区分先行指标和滞后指标。第三,建立比较标准。第四,记录直接成本和投入时间。最后,与业务领导者召开解释会议,确定下一项实验。只有具备这一流程,衡量才会通向改善,而不是停留在报告。

    组织文化 ROI 的核心不是把文化压缩成数字,而是更清楚地看见文化创造组织绩效的路径。满意度分数可以成为起点,但说服管理层的语言是问题、指标、比较、成本和下一步行动。2026 年的组织文化管理,正在从营造良好氛围,转向设计能够支持可持续绩效的运营体系。

  • [OKR 连载 ⑧] AI 与 People Analytics 时代的 OKR,目标管理将不再是自动化,而是解释能力的竞争

    [OKR 连载 ⑧] AI 与 People Analytics 时代的 OKR,目标管理将不再是自动化,而是解释能力的竞争

    随着 AI 与 People Analytics 的扩散,围绕绩效管理的讨论也在发生变化。由人手动撰写目标、在季度末手工整理达成率的方式,正在逐渐失去说服力。当协作工具、工作记录、客户数据和 HR 数据被连接起来,目标推进情况就可以更频繁、更细致、更自动地呈现出来。

    但这并不意味着 OKR 会被自动化。AI 可以提出目标表述建议,People Analytics 可以快速展示指标变化。然而,什么应被视为重要目标,哪些指标可以被承认为绩效证据,未达成的原因又该如何解释,仍然是组织判断的问题。AI 时代的 OKR,正在从目标撰写技术,转向更重视解释与责任的运营体系。

    AI 不能代替 OKR 决策,但会降低证据收集成本

    Google OKR playbook 说明,Key Result 应描述结果,而不是活动;完成证据应当是 available、credible、easily discoverable。其举例包括文档、笔记、published metrics reports 等证据。这一原则在 AI 与 People Analytics 时代变得更加重要。

    AI 可以从会议记录、项目管理工具、客户反馈和工作文档中找出目标推进的信号。过去需要领导者亲自询问才知道的延误信号,也可能通过数据更早浮现。People Analytics 可以按组织单元呈现与离职、投入度、协作、能力和生产率相关的指标。证据收集的成本会下降。

    然而,证据变多与目标变好并不是一回事。必须区分 AI 找出的信号究竟意味着实际绩效,还是仅仅意味着活动量。文档撰写量、会议参加次数、工单处理件数很容易被测量。但客户体验改善、战略执行、组织能力积累,则需要更谨慎地解释。AI 可以收集证据,但这些证据意味着什么,仍需由人来审视。

    People Analytics 越强,Key Result 越需要严格

    People Analytics 是让 HR 不再依赖直觉、而是基于数据进行决策的强大基础。AIHR 将 People Analytics 描述为一种数据驱动的 HR 能力,并提出 descriptive、diagnostic、predictive、prescriptive analytics 等分析类型。随着这一趋势增强,OKR 的 Key Result 会变得更加严格。

    例如,在“强化领导力培训”这一 Objective 之下,如果把“开展 5 次培训”作为 Key Result,AI 与数据工具很容易追踪这项活动。但这仍然是活动指标。按照 Google playbook 的原则,Key Result 应当是 outcomes, not activities。需要思考更接近结果的指标,例如“新任领导者 60 天内开展团队成员 1:1 的比例”、“核心人才保留率”、“项目决策 lead time”、“客户投诉复发率”。

    数据越多,模糊的目标就会越快暴露出来。没有明确要测量什么的 OKR,无法放上仪表盘。相反,如果只把容易测量的事设为目标,组织就可能错过重要变化。People Analytics 时代的 Key Result 设计,不是给目标加上数字,而是把组织真正想改变的结果翻译成数据语言。

    月度 check-in 将不是数据仪表盘,而是解释会议

    Atlassian 建议在 OKR 运营中每月进行 score、analyze、summarize。当 AI 与 People Analytics 结合后,月度 check-in 将拥有更多数据。进度、工作量、协作网络、员工体验、客户反应、问题延误信号,都可能汇集在同一个画面中。

    但 check-in 不能止步于仪表盘审阅。CIPD 说明,有效的 HR 决策应建立在 best available evidence 与 critical thinking 的结合之上。证据帮助判断,但不能替代判断。数据所告诉我们的,更接近于“发生了什么”。领导者和 HR 需要追问的是:“为什么会发生这种情况,现在要改变什么?”

    因此,AI 时代的 OKR check-in 不应是读数字的会议,而应成为解释会议。如果指标变差,与其追责负责人,不如共同拆解原因。需要区分是目标设计有问题、资源不足、部门间依赖没有被解决,还是市场条件发生了变化。数据是会议的起点,而不是结论。

    数据越多,HR 的问题就越会从绩效转向责任

    当 AI 与 People Analytics 扩散,HR 可以看到更多绩效信号。但信号越多,也会产生新的风险:把个人活动量误认为绩效,只重视可测量指标,或者在数据质量较低的状态下将其连接到评价与薪酬。

    Google OKR playbook 说明,运行良好的 OKR 会明确什么是重要的、要优化什么、要做出怎样的 tradeoff。这一原则在数据时代同样适用。HR 的问题不能停留在“谁的绩效好”。它必须转向“为了什么目标,我们正在优化什么”、“提高这一指标是否会损害其他重要价值”、“这一结果是个人努力的结果,还是系统与资源分配的结果”。

    尤其在韩国企业中,数据可能迅速与评价、薪酬相连接。因此,HR 必须先设定数据使用的边界。OKR 进展数据可以成为绩效对话的参考资料,但如果直接变成评价公式,就会有风险。AI 生成的摘要也应与可审查的依据一同呈现。数据越多,就越需要负责任的解释规则。

    AI 时代的 OKR,比自动化工具更重要的是运营治理

    AI Index 表明,其目标是追踪、收集、整理并可视化 AI 相关数据,帮助政策制定者、研究者、企业领导者和公众理解 AI。这一趋势对 HR 也有启示。未来,绩效管理将处理更多数据。但数据越多,组织就越必须决定测量什么、谁可以访问,以及用于哪些决策。

    AI 时代的 OKR 运营至少需要三类治理。第一,是目标数据的质量标准。需要确定哪些指标可以被承认为 Key Result,哪些数据只能作为参考。第二,是解释权限的标准。需要确定 AI 摘要、仪表盘、People Analytics 结果由谁解释,并在哪些会议中最终确认。第三,是评价、薪酬连接的标准。需要区分 OKR 数据在多大程度上是绩效对话的依据,又从哪里开始成为薪酬判断资料。

    例如,如果把协作工具中的消息数量或会议出席率直接解释为“投入度”或“协作绩效”,就会有风险。相反,客户响应时间、重复投诉减少、核心项目决策 lead time 等与工作结果相连接的指标,可以成为 OKR 解释的良好起点。HR 不能只看指标是否方便取得,还必须同时衡量其与结果的相关性、个人信息与劳动用工风险,以及能否向成员解释清楚。

    OKR 连载的出发点,是认为 OKR 不是目标管理表格,而是绩效管理运营体系。在 AI 与 People Analytics 时代,这一视角变得更加重要。目标表述可以由 AI 更快生成。进度可以由系统更频繁地展示。但组织选择什么、放弃什么、承认哪些证据为绩效,并不会被自动化。

    归根结底,AI 时代的 OKR 不是技术导入的问题,而是组织如何负责任地解释更多数据的问题。HR 的角色也将从工具管理员转向绩效语言的设计者。到来的并不是 AI 代替管理目标的时代,而是组织必须围绕 AI 揭示的证据做出更精细判断的时代。

  • 【OKR系列⑦】OKR要在韩国企业落地,必须先于制度改变运营语言

    【OKR系列⑦】OKR要在韩国企业落地,必须先于制度改变运营语言

    OKR在韩国企业中也已经不是陌生词。许多组织已经开展了OKR培训,制作了季度目标表格,有些组织甚至尝试把OKR放入绩效管理制度中。然而,随着导入经验不断积累,一个相似的问题反复出现。为什么OKR一开始看起来很新鲜,几个月后却又变得像原有的目标管理?

    这个问题的答案不在工具,而在组织的运营语言。 在韩国企业中,OKR会同时碰撞评价记忆、汇报文化、部门间责任结构以及领导者的决策方式。仅仅导入表格是不够的。OKR要落地,必须先改变解释和调整目标的方式,而不是先改变目标的书写方式。

    在韩国企业中,OKR先碰撞的不是制度,而是评价记忆

    What Matters在将OKR与MBO比较时说明,OKR是以季度为单位、并以与薪酬分离的理念扩散开来的。这个说明对韩国企业尤其重要。在许多组织中,目标会被记忆为评价表。年初设定目标,年末确认达成率,并将结果连接到等级和薪酬,这种经验非常强烈。

    当这种记忆仍然存在时导入OKR,成员自然会采取防御性行动。即使被要求写挑战性目标,只要觉得可能在评价中不利,就会选择安全目标。即使被要求公开目标,只要认为未达成记录会留下,就会谨慎措辞。即使被要求写协作目标,只要责任分配不清晰,就会避免对本部门不利的承诺。

    因此,韩国企业的OKR落地,必须先从说明“OKR与评价表是怎样不同的语言”开始,而不是先问“是否与评价挂钩”。OKR并不是取消评价的制度。但必须明确,它是在季度中调整优先级和执行方向的运营语言。

    落地的第一条件不是目标数量,而是对要放弃之事达成共识

    Google OKR playbook说明,运作良好的OKR会明确什么是重要的、应该优化什么、应该做出什么tradeoff。Atlassian也建议在设定OKR时设置1–3个Objective,并为每个Objective设置3–5个Key Result。比数字更重要的信息,是对优先级的限制。

    韩国企业中的OKR回到既有目标管理的瞬间,往往是目标增加的时候。总部目标、团队目标、个人目标、项目目标全都以OKR之名被贴上去时,OKR就不再是聚焦工具,而会变成工作清单。领导者如果不减少既有工作,只是增加新目标,成员就会把OKR视为又一个汇报项目。

    如果希望OKR落地,OKR会议中就必须有明确要移除的议题。必须决定本季度不做的事、推迟的事、只按维持水平管理的事、与其他团队合并的事。组织不应只是使用OKR的组织,而应成为因为OKR而减少工作的组织。只有这样,成员才会相信这一制度确实能改变优先级。

    韩国企业尤其需要的机制是“停止清单”。本部长批准季度OKR时,不应只批准新目标,还应一并确定要停止的报告、要减少的会议、要推迟到下个季度的项目。没有这份清单,一线部门就会把OKR理解为叠加在既有工作之上的额外任务,而不是新的优先级。

    汇报文化越强的组织,越要把check-in改成决策会议

    Atlassian说明,OKR按年度设定、按季度更新,并按月追踪进展。定期检查是OKR落地的核心。然而,在汇报文化强烈的韩国企业中,check-in很容易变成汇报会议。负责人说明进度率,领导者询问延迟原因,会议记录中留下“继续推进”。

    用这种方式很难让OKR落地。OKR check-in必须是决策会议,而不是汇报会议。如果进度率较低,应该问的不是谁要更加努力,而是什么需要调整。必须决定是改变优先级、补充资源、调整依赖团队的日程,还是修改目标本身。

    Google playbook说明,当判断committed OKR难以达成时,应立即进行escalation。这更接近冲突解决流程,而不是失败汇报。在韩国企业中,OKR check-in也应被设计为解决与相邻部门之间冲突、由领导者做出选择的场域,而不是向上汇报的场域。

    跨部门协作不能停留在口号,而必须嵌入各部门OKR

    Google playbook说明,在cross-team OKR中,所有实际需要参与的群体都必须被纳入,并且各群体的贡献必须写明在该群体的OKR中。这个原则在部门边界较强的组织中尤其重要。

    韩国企业强调协作,但协作目标的责任线很容易变得模糊。“改善客户体验”这样的目标,可能连接市场、销售、产品、客户支持,甚至人力资源。但如果各部门OKR中没有写入自己的贡献、截止时间和成功标准,共同目标就会止步于宣言。协作是好词,但责任不明确时,执行力就会变弱。

    HR在设计cross-team OKR时,不应只看一个共同目标,还应同时查看各部门的OKR。必须确认哪个部门提供数据、哪个部门改变客户接点、哪个部门调整运营政策。即使面向同一个目标,只有各部门负责的结果嵌入文件之中,协作才会运转。

    韩国式OKR落地不是本地化,而是原则的翻译

    “打造适合韩国企业的OKR”这句话,常常被用来表示削弱制度。缩小公开范围,稍微连接评价,在既有KPI表格中增加Objective和Key Result栏位,等等。但这与其说是本地化,不如说是用既有制度的语言吸收OKR。

    落地所需要的是原则的翻译。Key Result应该是结果而不是活动,这一原则在韩国企业中依然有效。必须区分committed OKR与aspirational OKR,这一原则也依然有效。cross-team OKR必须包含实际参与群体的责任,这一原则同样有效。只是这些原则必须结合韩国企业的评价制度、领导汇报体系和部门间决策结构来解释和训练。

    OKR在韩国企业中照搬会失败,改造成既有目标管理也会失败。需要的不是表格的翻译,而是运营语言的翻译。也就是不问“为什么未达成”,而问“应该调整什么”;不问“谁来负责”,而问“哪个部门的贡献没有写进文件”;不问“达成率是多少分”,而问“这个目标是承诺还是挑战”。

    OKR在韩国企业中落地,并不意味着导入了外国式制度。它意味着围绕目标的对话发生了改变。当领导者收窄优先级,HR梳理评价与运营的边界,各部门明确共同目标的责任时,OKR就不再是制度,而会成为工作方式。

  • [OKR系列⑥] OKR运营中领导者的角色不是督促目标,而是调整优先级

    [OKR系列⑥] OKR运营中领导者的角色不是督促目标,而是调整优先级

    在导入OKR的组织中,领导者常常会说:“把目标写得更清楚。”然而,OKR真正出现动摇的地方不是文字,而是运营。成员可以写出Objective,也可以把Key Result做成数字。问题发生在组织没有决定为了这些目标要放弃什么、发生冲突时由谁来协调、进展变差时要做出什么决策的时候。

    在OKR中,领导者的角色不是督促者。领导者是收窄优先级、协调资源冲突、揭示团队之间依赖关系,并把check-in会议变成决策场域的人。如果不承担这个角色,OKR就会成为要求成员写更多目标的文档。

    领导者首先要决定的不是目标,而是“不做的事”

    Google OKR playbook说明,运行良好的OKR会让团队清楚什么是重要的、应该优化什么,以及在日常工作中应该做出哪些tradeoff。这句话揭示了OKR运营中领导者的第一项责任。不是让人写更多目标,而是决定在这个周期内选择什么、放下什么。

    Atlassian也建议在设定OKR时设置1〜3个Objective,并为每个Objective设置3〜5个Key Result。数字的含义并不是单纯的填写规则。如果不减少目标数量,优先级就不会出现。在一个声称所有目标都重要的组织里,实际上没有真正重要的目标。

    领导者应该提出的问题不是“这个目标也要放进去吗”,而是“如果放入这个目标,就必须拿掉什么”。如果OKR会议中没有被删除的目标,战略对话就还没有结束。成员不是通过领导者批准的目标清单来理解优先级,而是通过领导者决定放弃的工作清单来理解优先级。

    OKR check-in不是汇报会议,而是冲突解决会议

    Atlassian建议每月对OKR进行score、analyze、summarize。它还说明,定期且可见的进展检查会强化责任感和推动力。但在许多组织中,check-in会变成汇报会议。各团队说明进度率,领导者最后用“再努力一点”作结。用这种方式,OKR很难成为运营节奏。

    Google playbook指出,如果团队判断无法达成committed OKR,就应该立即escalate。更重要的是escalation的目的。其说明是,当优先级分歧、时间・人员・资源不足,或对目标本身存在分歧时,通过这一流程让管理层创造选项并解决冲突。

    因此,在OKR check-in中,领导者应该问的不是进度数字。“是什么障碍阻止了目标达成?”“其他团队的依赖关系是否仍未解决?”“是资源不足,还是目标的优先级已经降低?”“如果现在不调整,下个月会扩大哪种损失?”如果没有这些问题,check-in就会以朗读报告结束。

    例如,当产品发布OKR延迟时,如果领导者只是说“下个月之前把进度提高到80%”,check-in就会变成督促会议。相反,如果把问题拆分为“瓶颈是法务审核、开发人力,还是销售需求过度增加”,并在现场调整优先级,check-in就会变成运营会议。OKR领导力不是向成员施压的技术,而是把冲突转化为决策的技术。

    在Cross-team OKR中,领导力不是协作口号,而是责任设计

    Google playbook说明,当重要项目需要多个小组共同贡献时,cross-team OKR是合适的。此时,所有需要materially participate的小组都应被纳入OKR,并且每个小组的贡献都应明确体现在各自小组的OKR中。

    这一原则在韩国企业的部门间协作中同样重要。许多组织把“加强协作”写成目标,但实际上并不清楚哪个部门要在什么时候提供什么产出。如果一个目标需要市场、销售、产品、人事、数据组织一起行动,各组织的OKR中就必须呈现彼此的责任。否则,共同目标就会变成没有人负责到底的目标。

    领导者不是宣布cross-team OKR的人,而是设计连接结构的人。不能只是建立会议机制就结束,而要公开依赖关系清单,确定出现瓶颈时向谁escalate,并用同一种语言对齐共同目标的成功标准。协作不能只靠良好态度运转。协作需要责任线和协调权限。

    如果不区分Committed和Aspirational,领导者就会发出错误信号

    Google playbook区分committed OKR和aspirational OKR。committed OKR是承诺达成的目标,期望得分是1.0。如果没有达成,就需要说明和事后复盘。相反,aspirational OKR是激发更高挑战和创新的目标。即使达成率相同,解释方式也应不同。

    如果领导者不做这种区分,成员就会收到混乱的信号。一边要求提出挑战性目标,一边因较低达成率而责备,那么下个季度只会上来安全目标。相反,如果对承诺目标未达只用“既然挑战了就没关系”来处理,执行责任就会变弱。用同一种表情对待两类目标的领导者,会让OKR的语言变得模糊。

    领导者从批准目标时就必须明确类型。这个目标是必须达成的承诺,还是把组织推得更远的挑战?如果是承诺目标,就必须保障资源和优先级。如果是挑战目标,就要允许失败的可能性,同时决定要学习什么。只有存在区分,成员才会诚实地设定目标。

    HR应向领导者提供运营问题,而不只是OKR表单

    OKR培训失败的原因之一,是停留在表单培训。只告诉大家Objective怎么写、Key Result几个合适,并不足够。还必须连接到领导者在实际会议中应提出什么问题、应做出什么决策。

    HR至少可以向领导者提供四个运营问题。第一,本季度要放弃的事是什么。第二,如果这个OKR失败,最可能的瓶颈在哪里。第三,需要其他团队贡献的部分,是否已在各团队OKR中明确写出。第四,这个目标是committed还是aspirational。当这些问题在会议中被反复提出时,OKR就不是文档,而是运营语言。

    OKR领导力不是魅力或督促的问题。它是收窄优先级、公开不舒适的tradeoff、及时上提冲突、设计团队间责任的管理能力问题。成员不会因为听到目标就行动。成员是看到领导者选择什么、调整什么才会行动。要让OKR成为绩效管理运营体系,领导者的角色也必须从目标管理者转变为执行结构的设计者。

  • [OKR系列⑤] OKR被纳入评价的瞬间,挑战目标就会变成安全目标

    [OKR系列⑤] OKR被纳入评价的瞬间,挑战目标就会变成安全目标

    导入OKR的企业最先遇到的问题,往往是评价与薪酬。“是否应将OKR达成率反映到人事评价中?”“如果不与薪酬连接,成员会不会不认真参与?”“反过来,如果与薪酬连接,挑战目标会不会消失?”这些问题在OKR运营中很难回避。

    但是,急于把答案定为一种做法是危险的。如果把OKR与评价完全分离,执行责任可能会变弱。相反,如果把OKR达成率放进薪酬公式,成员就会选择安全目标。本文不是法律或劳动事务建议,而是从HR运营设计视角讨论评价与薪酬连接的边界线。问题不在于是否反映OKR,而在于用什么证据解释哪一种OKR。

    OKR进入薪酬公式的瞬间,目标的性质就会改变

    What Matters在比较OKR与MBO时说明,OKR以季度为单位运行,并且不同于年度目标管理,是以与薪酬分离的理念扩散开来的。这里重要的不是“绝对不能与薪酬连接”这样简单的规则,而是OKR的目的并不是计算评价分数,而是对齐优先级并执行战略。

    当目标进入薪酬公式时,成员的行为会发生变化。与达成可能性较低的挑战目标相比,选择安全目标的诱因会变强。协作目标可能会变成个人责任分配的争论。即使季度中战略发生变化,目标也会变得难以修改,成员为了避免留下未达成记录,会倾向于降低初始目标。

    这种变化是自然反应。在涉及薪酬的制度中,人会按照制度行动。因此,是否把OKR放入薪酬公式,并不只是HR偏好的问题。它是一个设计选择,连接着组织想要鼓励挑战、学习、协作和战略调整中的哪一项。

    把Committed OKR与Aspirational OKR放在同一张评分表上处理,会产生扭曲

    Google OKR playbook区分committed OKR与aspirational OKR。它说明,committed OKR更接近已经承诺要达成的目标,期望分数是1.0。低于1.0的分数需要解释。相反,aspirational OKR更接近激发创新与挑战的目标。它具有在路径尚未完全确认的状态下尝试更大变化的性质。

    如果在评价中忽视这种区分,就会产生扭曲。committed OKR的未达成,可以成为检查执行责任、资源分配和优先级调整失败的信号。但是,如果以同样方式惩罚aspirational OKR的低达成率,挑战目标就会消失。成员只会选择对评价有利的目标,OKR也会变成安全承诺清单,而不是用于创新的语言。

    Cross-team OKR也是如此。多个部门共同负责的目标,如果被简单分配为个人达成率,责任防御会强于协作。共同目标需要一起查看谁承担了哪一部分、存在哪些依赖关系、领导者进行了什么调整。当所有OKR都用同一张评分表处理的瞬间,OKR的优点就会消失,只剩下评价行政。

    评价中可使用的不是达成率,而是可解释的证据

    在评价中完全忽视OKR结果也很困难。如果成员在整个季度都抓住重要目标并加以执行,其过程和结果就会成为绩效对话的重要材料。不过,评价中可使用的不是简单达成率,而是可解释的证据。

    Google playbook说,Key Result应当描述结果,而不是活动。这一原则对评价对话也很重要。“开展3次培训”是活动证据。“新任领导者上任后60天内,对团队成员进行1:1反馈的执行率从40%提高到85%”是结果证据。评价中可以参考的,更接近后者。

    另外,committed OKR出现问题时应迅速escalate的说明也值得关注。比未达成本身更重要的是,当出现未达成信号时做出了怎样的判断和调整。进度延迟时,需要确认领导者是否调整了资源、重新安排了优先级、解决了目标冲突。绩效对话应读懂达成率数字背后的责任结构,而不是只看数字本身。

    韩国企业需要在分离与反映之间设计第三种方式

    在韩国企业中,评价与薪酬的敏感度很高。越是有目标达成率与评价等级相连接经验的组织,越容易把OKR也立即理解为评价表。在这样的组织中,即使宣布“OKR与评价无关”,成员也不容易相信。相反,如果说“OKR达成率会反映到评价中”,挑战目标就会迅速减少。

    因此,现实的选择是在完全分离与直接反映之间的第三种方式。也就是不把OKR达成率直接放入薪酬公式,而是作为绩效对话的参考材料来使用。不过,此时也需要按目标类型制定解释规则。committed OKR看承诺履行与执行责任。aspirational OKR看尝试、学习以及市场或组织信号。cross-team OKR看协作结构与协调责任。

    HR应把这些原则留下书面记录。需要决定哪些OKR是评价参考对象,哪些OKR只作为学习记录来看,比达成率更重要的证据是什么,以及中途修改目标时是否会有不利影响。在模糊状态下运营OKR,成员会采取最保守的行为。

    运营示例可以分为三类。第一,committed OKR被视为承诺的执行结果,在绩效对话中确认未达成原因和调整责任。第二,aspirational OKR看的不是达成率,而是尝试过的假设、学到的市场、客户和组织信号,以及下一季度的选择标准。第三,cross-team OKR不是拆分为个人分数,而是一起查看各部门承诺的贡献和领导者的协调行为。只有这样区分,OKR才不会被压扁为薪酬公式。

    HR应确定的不是薪酬公式,而是绩效对话的边界线

    在设计OKR与评价、薪酬的关系时,HR首先要确定的并不是公式。更重要的是绩效对话的边界线。必须区分OKR复盘中要问什么,评价面谈中要解释什么,以及薪酬决定中只使用哪些资料。

    第一,OKR复盘应处理进展情况与调整必要性。第二,绩效面谈不仅应看OKR结果,还应一起看角色期待、协作、能力和组织贡献。第三,薪酬决定应在组织的薪酬理念以及岗位、等级、市场价值、绩效贡献标准中另行说明。如果没有这条边界,OKR就会成为一个必须解释一切的过载制度。

    是否把OKR反映到评价中,并不是能用简单赞成或反对结束的问题。即使反映,也不应把达成率原样转化为分数;即使分离,也不能让执行责任消失。核心在于设计OKR,使其既不扼杀挑战与学习,又能成为绩效对话的依据。如果无法建立这种平衡,OKR就会缩小为评价制度的辅助项目。如果能够建立平衡,OKR就能成为贯穿整个季度运行的绩效管理语言,而不只是评价季使用的工具。

  • [OKR系列④] OKR导入失败,并不是因为目标太多,而是因为责任变得模糊

    [OKR系列④] OKR导入失败,并不是因为目标太多,而是因为责任变得模糊

    导入了OKR但组织并没有改变,这样的说法并不陌生。公司召开全员说明会,录入各部门的Objective,也安排季度末复盘日程。可是过了一段时间,成员会把OKR当作又一份评价文件。领导者把原有KPI搬到另一种表单里,HR则管理填写率和提交率。

    如果把OKR失败仅仅解释为“目标太多”,就会错过核心。目标太多固然是问题,但更大的问题是责任变得模糊。如果没有明确什么应被视为最高优先级,哪些结果会被认可为真实变化,谁来协调部门之间的冲突,以及当出现未达成信号时由谁重新分配资源,OKR就会变成报告表单,而不是管理语言。

    第一个失败,从把OKR只作为新表单导入的那一刻开始

    Google OKR playbook把写得不好或管理不当的OKR称为“浪费时间”和“空洞的管理姿态”。相反,它说明运作良好的OKR会让团队明确应该重视什么、应该优化什么,以及在日常工作中应该做出怎样的tradeoff。

    这句话清楚地显示了OKR失败的起点。OKR不是表单,而是选择与协调的语言。如果建立了新表单,但原有会议方式、领导者的决策方式、评价与薪酬的解释方式都保持不变,OKR很快就会被既有制度吸收。从员工角度看,只是又多了一张改了名字的目标管理表。

    在韩国企业中,这种失败常以“全公司导入”的名义出现。没有充分试点,就要求所有部门录入OKR,并把系统登记率视为导入成果。但填写率并不是OKR的成果。更重要的信号是,OKR是否真的减少了优先级,是否暴露了部门之间的冲突,以及领导者是否改变了资源分配决策。

    第二个失败,来自用活动清单填满KR

    Google playbook强调,Key Result应当描述结果,而不是活动。它提醒说,包含consult、help、analyze、participate等词语的KR,可能是在描述活动的信号。放到HR实务中,“开展培训”“进行面谈”“检讨制度”“运营工作坊”等表达与此相近。

    活动是必要的。但仅凭活动无法知道变化是否发生。例如,“开展3次管理者培训”显示了培训团队做了什么。但它没有显示管理者的反馈行为是否改变,团队成员对目标的理解是否提高,绩效面谈的质量是否改善。当KR被活动清单填满时,OKR复盘就会变成确认是否执行的会议。

    好的KR会追问活动之后的变化。与“开展3次新任领导者培训”相比,“将新任领导者任命后60天内对团队成员进行1:1反馈的执行率从40%提高到85%”更接近OKR。与“发布招聘品牌内容”相比,“将核心岗位候选人的首次回复率从18%提高到28%”更以结果为中心。如果没有这种差异,OKR就会成为让写下更多工作量的团队更有利的制度。

    第三个失败,出现在用高达成率包装低价值目标时

    Google playbook提出了Low Value Objectives这一陷阱。也就是说,如果即使达成目标,也无法明确创造用户价值或经济价值,那么即使获得高分,对组织也没有太大意义。这个警示同样适用于HR目标。

    假设HR部门把“完成评价表单改版”设为Objective。表单可以改变。但如果无法确认评价对话的质量是否提升、目标调整是否变快、低绩效者管理的一致性是否提高,就很难说它连接到了组织价值。“完成制度改版”可能成为完成率高但价值低的目标。

    在绩效管理中,高达成率并不总是好信号。可能因为目标很容易,所以达成率高;也可能因为产出了与实际价值无关的成果物,所以分数高。HR在OKR复盘时,除了问“是否达成”,还应同时问“如果达成,谁会感受到什么价值”。没有这个问题,OKR创造的不是绩效,而是看起来像绩效的文件。

    第四个失败,在于始终没有确定共同目标的负责人

    Google playbook说明,当重要项目需要多个团队贡献时,cross-team OKR是合适的。同时,它也指出,该OKR应包含所有必须实质参与的团队,并且每个团队的贡献应在各自的OKR中明确。共同目标不是“大家一起做好”,而是必须揭示各自的责任。

    韩国企业中OKR动摇的地方也在这里。改善客户体验、升级入职管理、保留核心人才、领导力转型等目标,HR无法单独达成。业务领导者、管理层、财务、IT、沟通团队都必须一起行动。但在制定共同目标时,如果不写明各组织的贡献和决策权限,目标就会变成所有人的事,同时也是没有人的事。

    共同OKR需要三件事。第一,必须明确哪些组织必须参与。第二,必须显示各组织的KR如何连接到整体Objective。第三,必须确定当目标冲突发生时,最终协调权属于谁。没有这三点,cross-team OKR就不是协作工具,而是逃避责任的装置。

    第五个失败,在把检查变成汇报会议的瞬间固化

    Atlassian的OKR指南提出1到3个Objective,以及每个Objective下3到5个KR,并建议定期检查、分析、总结进展的流程。比数字本身更重要的是节奏。OKR不是为了在季度末打分而存在,而是为了在季度中调整优先级和资源分配而存在。

    Google playbook也说明,当committed OKR出现问题时,应当迅速escalate。其意思是,当日程、优先级、资源分配出现问题时,向上提出并不是可以做的事,而是必要的事。从这个角度看,OKR检查不是汇报会议,而是协调会议。

    在韩国企业中,检查常常变成汇报会议。负责人解释进度率,领导者指出进展不足的项目。但资源分配没有改变,优先级冲突也原样存在。在这种状态下,成员没有理由诚实更新OKR。要让检查发挥作用,“需要调整什么”必须先于“为什么晚了”。

    下一篇的议题是,评价与薪酬应连接到什么程度

    OKR失败的许多场景,最终都会回到评价与薪酬问题。如果成员感觉目标会直接换算成评价分数,他们就会选择安全目标。共同目标会变成个人责任之争,挑战型目标会消失。相反,如果与评价完全分离,OKR又可能看起来像执行责任较弱的活动。

    因此,下一个问题不是“是否将OKR反映到评价中”。更准确的问题是“将哪些OKR以什么方式解释”。committed OKR更接近承诺过的执行责任。aspirational OKR具有较强的学习与挑战性质。cross-team OKR需要同时看协作和协调责任。如果把三种类型放在同一张评分表中处理,OKR很可能会失败。

    要防止OKR导入失败,HR必须先设计运营责任,而不是先设计表单。仅仅减少目标数量并不够。必须让人写结果而不是活动,筛掉低价值目标,明确共同目标的责任,并把检查变成协调会议。那时,OKR才会成为确认组织实际上正在改变什么的绩效管理语言,而不是报告文件。