AI 时代的 OKR Check-in：用证据链替代状态汇报

当团队拥有越来越多的 AI 工具，状态汇报更容易被自动生成，也更容易失去可信度。Check-in 的重点应从“写了什么”转向“有什么证据支持下一步决策”。

一、每个 KR 绑定四类证据

第一类是结果数据，例如转化率、周期或成本；第二类是客户和用户反馈；第三类是风险与异常样本；第四类是已完成的关键决策。四类证据共同构成结果解释，而不是只报一个百分比。

二、让 AI 做整理，人做判断

AI 可以从项目系统、工单、会议纪要和分析报表中提取变化，生成待确认的进度摘要。负责人必须核对来源、补充上下文，并明确哪些内容是事实、哪些内容是推断。

三、把偏差变成行动

每次 Check-in 至少输出一个“继续做”、一个“停止做”或一个“需要决策”的动作。没有动作的风险记录只是日志，不能帮助团队改变结果。

四、记录目标变更的理由

如果调整指标、基线或负责人，要保留变更前后的版本、触发证据和影响范围。这样季度复盘才能区分学习性调整与事后改分。

参考来源：McKinsey《The five-layer AI measurement framework》；Google re:Work《Set goals with OKRs》。