人机协作进入 OKR：给 AI Agent 设计可验收的结果

AI Agent 正从个人助手走向工作流参与者。它可能负责分类工单、生成方案、执行测试或推动跨系统任务，但真正需要管理的不是 Agent 的忙碌程度，而是人机系统对业务结果的贡献。

一、先定义 Agent 的责任边界

每个 Agent OKR 都要写清任务范围、输入数据、允许的动作、必须由人审批的场景和失败后的升级路径。没有边界的“自动化率”很容易把风险转移给一线员工，最终造成错误闭环。

二、用结果 KR 替代调用量 KR

“本季度调用 Agent 10 万次”只说明使用量。更有价值的写法是：“AI 辅助处理的客服会话中，首次解决率达到 78%，错误关闭率低于 2%，高风险场景人工复核覆盖率 100%”。这类 KR 将效率、质量和安全放在同一张结果表里。

三、保留人的判断与学习

人机协作不是把人从流程中删除。团队需要定期抽样复核 Agent 的建议，记录误判类型，更新提示词、知识库和审批规则。管理者要观察员工是否掌握了新的判断能力，而不只是看自动化比例。

四、把信任写入 Check-in

每次复盘至少回答三个问题：用户是否愿意使用，业务结果是否改善，组织是否能解释错误并承担责任。如果员工个人已经准备好使用 AI，而组织的流程、激励和治理还没有跟上，Agent OKR 反而会放大系统摩擦。

参考来源：McKinsey《Agentic AI operating model for enterprise value》；OKR Institute《AI Agents and OKRs》。