AI ຈະບໍ່ແກ້ໄຂ KPI ຂອງເຈົ້າ. ປຶ້ມຄົ້ນຫາອື່ນກໍ່ຈະບໍ່ແກ້ໄຂເຊັ່ນກັນ.

Bernard Marr ໄດ້ເຜີຍແຜ່ຄຳແນະນຳ KPI ຫຼາຍກວ່າຊະນິດຂອງແມງກະເບື້ອ. ໃນບາງຈຸດ, ອາດຈະມີຄົນເບິ່ງລາຍຊື່ແລະຄິດວ່າ: ພວກເຮົາຕ້ອງການເຮືອທີ່ໃຫຍ່ກວ່າ. ປະເພດດັ່ງກ່າວໄດ້ຖືກສ້າງຕັ້ງຂຶ້ນຢ່າງດີ. ນີ້ແມ່ນ 75 KPI ສຳລັບການຂາຍຍ່ອຍ. ນີ້ແມ່ນ 50 ສຳລັບການດູແລສຸຂະພາບ. ນີ້ແມ່ນ 127 ສຳລັບສິ່ງໃດກໍ່ຕາມທີ່ອົງກອນຂອງທ່ານເຮັດໃນໄຕມາດນີ້. ເລືອກອັນທີ່ຟັງແລ້ວຖືກຕ້ອງ, ສຽບພວກມັນເຂົ້າໃນແຜງຄວບຄຸມຂອງທ່ານ, ແລະການຄຸ້ມຄອງປະສິດທິພາບຈະຖືກແກ້ໄຂ. Marr ບໍ່ໄດ້ຢູ່ຄົນດຽວໃນເລື່ອງນີ້ - ລາວເປັນພຽງຕົວຢ່າງທີ່ມີຜົນງານຫຼາຍທີ່ສຸດຂອງໝວດໝູ່ການພິມເຜີຍແຜ່ແລະການໃຫ້ຄຳປຶກສາທັງໝົດທີ່ສ້າງຂຶ້ນບົນພື້ນຖານດຽວກັນ: ວ່າບັນຫາການວັດແທກແມ່ນບັນຫາການຄັດເລືອກ. ມັນບໍ່ແມ່ນ. ດຽວນີ້ AI ໄດ້ເຂົ້າມາໃນຫ້ອງ. ແນ່ນອນ, ມັນໄດ້ຖືກນຳໃຊ້ກັບບັນຫາການຄັດເລືອກດ້ວຍຄວາມກະຕືລືລົ້ນຢ່າງຍິ່ງ. ປ້ອນຮູບແບບພາສາບູລິມະສິດຍຸດທະສາດຂອງທ່ານ ແລະມັນຈະສົ່ງຄືນ KPI - ໄວກວ່າ, ຈຳນວນຫຼາຍກວ່າ, ແລະມີຄວາມໝັ້ນໃຈຫຼາຍກວ່າປຶ້ມຄົ້ນຫາໃດໆ. ເຄື່ອງມືບາງຢ່າງຍັງຈະປຽບທຽບພວກມັນກັບມາດຕະຖານອຸດສາຫະກຳ. ສິ່ງທີ່ບໍ່ມີໃຜໃນພວກມັນຈະບອກທ່ານແມ່ນວ່າການວັດແທກຖືກນັບເປັນຫຼັກຖານຫຼືບໍ່. ນັ້ນບໍ່ແມ່ນການວິພາກວິຈານຂອງເຕັກໂນໂລຢີ. ມັນເປັນຄຳອະທິບາຍກ່ຽວກັບບັນຫາທີ່ເຕັກໂນໂລຢີໄດ້ຮັບມໍລະດົກມາ. AI ບໍ່ໄດ້ສ້າງຊ່ອງຫວ່າງທາງດ້ານຄວາມຮູ້ຢູ່ໃຈກາງຂອງການວັດແທກປະສິດທິພາບ - ມັນພຽງແຕ່ເຮັດໃຫ້ມັນມີເຄື່ອງຈັກທີ່ໄວຂຶ້ນ. ນີ້ແມ່ນຊ່ອງຫວ່າງ. ເຈັດສິບປີຂອງວັນນະຄະດີການວັດແທກປະສິດທິພາບໄດ້ຜະລິດເຄື່ອງມືສຳລັບການປະເມີນຜົນ. ບັດຄະແນນ, OKRs, ກອບ KPI - ທັງໝົດນີ້ຕອບຄຳຖາມດຽວກັນ: ພວກເຮົາເຮັດໄດ້ດີປານໃດ? ພວກມັນຖືກອອກແບບມາເພື່ອໃຫ້ຄຳຕັດສິນ. ເຄື່ອງມືຫຼັກຖານຕອບຄຳຖາມທີ່ແຕກຕ່າງກັນ: ມີຫຍັງເກີດຂຶ້ນແທ້, ແລະພວກເຮົາສາມາດສະແດງມັນໄດ້ບໍ? ພວກມັນຖືກອອກແບບມາເພື່ອຜະລິດບາງສິ່ງບາງຢ່າງທີ່ສາມາດກວດສອບໄດ້ - ບັນທຶກທີ່ຍັງຄົງຢູ່ເມື່ອຜູ້ໃດຜູ້ໜຶ່ງທີ່ບໍ່ຢູ່ໃນຫ້ອງຂໍເບິ່ງພື້ນຖານສຳລັບການຕັດສິນໃຈ. ຄວາມແຕກຕ່າງຟັງຄືວ່າບໍ່ຊັດເຈນ. ໃນທາງປະຕິບັດມັນແມ່ນຄວາມແຕກຕ່າງລະຫວ່າງເອກະສານການຄຸ້ມຄອງ ແລະ ແຜ່ນສະໄລ້. W. Edwards Deming ເຂົ້າໃຈຄວາມແຕກຕ່າງນີ້. ລາວເຂົ້າໃຈວ່າການວັດແທກໂດຍບໍ່ມີພື້ນຖານທາງສະຖິຕິສ້າງສຽງລົບກວນທີ່ແຕ່ງຕົວເປັນສັນຍານ - ວ່າສິ່ງທີ່ຖືກລາຍງານເປັນຂໍ້ມູນການປະຕິບັດມັກຈະເປັນການປ່ຽນແປງທີ່ຈະເກີດຂຶ້ນຢ່າງໃດກໍ່ຕາມ, ເຊິ່ງຖືກຖືວ່າເປັນການຕັດສິນໃຈທີ່ບໍ່ກ່ຽວຂ້ອງກັບມັນ. The Field ໄດ້ອ່ານ Deming, ສ້າງແຜງຄວບຄຸມທີ່ດີກວ່າ, ແລະກ້າວຕໍ່ໄປ. ຄຳຖາມທີ່ລາວຍົກຂຶ້ນມາຕົວຈິງແລ້ວໄດ້ຖືກຍື່ນພາຍໃຕ້ "ການຜະລິດ" ແລະສ່ວນໃຫຍ່ແມ່ນປະໄວ້ຢູ່ທີ່ນັ້ນ. ຄຳຖາມນັ້ນແມ່ນ: ມັນຕ້ອງໃຊ້ຫຍັງແດ່ເພື່ອໃຫ້ການວັດແທກຖືກນັບເປັນຫຼັກຖານ? ປຶ້ມຂອງ Marr ບໍ່ໄດ້ຕອບມັນ. ພວກມັນບໍ່ສາມາດເຮັດໄດ້ - ມັນບໍ່ແມ່ນຄຳຖາມທີ່ມີຄຳຕອບໃນການຄົ້ນຫາ. ມັນຮຽກຮ້ອງໃຫ້ມີຂອບການເຮັດວຽກທີ່ມີການກຳນົດໄວ້, ຂອບເຂດທີ່ປະກາດໄວ້ລ່ວງໜ້າ, ແລະເຫດຜົນການວັດແທກທີ່ຖືກບັນທຶກໄວ້ກ່ອນການນຳໃຊ້, ບໍ່ແມ່ນວິສະວະກຳແບບປີ້ນກັບກັນຫຼັງຈາກຜົນໄດ້ຮັບເຂົ້າມາ. ມັນຮຽກຮ້ອງໃຫ້ມີ, ເວົ້າອີກຢ່າງໜຶ່ງ, ປະເພດຂອງລະບຽບວິໄນໂຄງສ້າງທີ່ເຮັດໃຫ້ KPI ການຄົ້ນຫາຮູ້ສຶກຄືກັບວຽກຫຼາຍເກີນໄປ - ຈົນກ່ວາເວລາທີ່ທ່ານຕ້ອງການປົກປ້ອງການຕັດສິນໃຈດ້ານຊັບພະຍາກອນຕໍ່ຄະນະກຳມະການ, ຜູ້ໃຫ້ທຶນ, ຫຼືຜູ້ຄວບຄຸມ, ແລະແຜງຄວບຄຸມບໍ່ສາມາດບອກທ່ານໄດ້ວ່າສິ່ງໃດທີ່ບໍ່ໄດ້ຖືກສົມມຸດໄວ້ແລ້ວ. AI ເລັ່ງວິທີການໃດກໍ່ຕາມທີ່ທ່ານນຳມາສູ່ມັນ. ຖ້າທ່ານນຳເອົາສະຖາປັດຕະຍະກຳຫຼັກຖານທີ່ອອກແບບມາເປັນຢ່າງດີ, ມັນສາມາດເຮັດສິ່ງທີ່ເປັນປະໂຫຍດພາຍໃນໂຄງສ້າງນັ້ນ. ຖ້າທ່ານນຳເອົາລາຍຊື່ KPI ທີ່ຟັງແລ້ວເໝາະສົມໃນກອງປະຊຸມ, ມັນຈະຊ່ວຍໃຫ້ທ່ານຜະລິດພວກມັນໄດ້ຫຼາຍຂຶ້ນ, ໄວຂຶ້ນ, ໃນຕົວອັກສອນທີ່ທ່ານເລືອກ. ຂອບການເຮັດວຽກ MetriqOne ໄດ້ຖືກສ້າງຂຶ້ນຈາກຄຳຖາມທີ່ Deming ຍົກຂຶ້ນມາ ແລະ Field ສ່ວນໃຫຍ່ກໍ່ຖືກຍົກເລີກ. ບໍ່ແມ່ນຍ້ອນວ່າປຶ້ມຄົ້ນຫາບໍ່ມີປະໂຫຍດ, ແຕ່ຍ້ອນວ່າການຄັດເລືອກບໍ່ເຄີຍເປັນສ່ວນທີ່ຍາກ. ສ່ວນທີ່ຍາກແມ່ນການປັບທຽບ - ການຮູ້ລ່ວງໜ້າວ່າຕົວຊີ້ວັດຂອງເຈົ້າຄວນກວດພົບຫຍັງ, ພາຍໃຕ້ເງື່ອນໄຂໃດ, ແລະມັນໝາຍຄວາມວ່າແນວໃດຖ້າພວກມັນບໍ່ກວດພົບ. ຄຳຕອບນັ້ນແມ່ນຢູ່ໃນພື້ນຖານຂອງຄວາມເປັນຜູ້ນຳທີ່ອີງໃສ່ຫຼັກຖານ (ປຶ້ມ II), ເຊິ່ງຕິດຕາມຄວາມລົ້ມເຫຼວທາງດ້ານຄວາມຮູ້ທົ່ວໄປໃນຫ້າປະເພນີການວັດແທກທີ່ສຳຄັນ ແລະ ຊອກຫາບ່ອນທີ່ Field ຜິດພາດຢ່າງແນ່ນອນ. ຄຳຕອບຂອງການນຳໃຊ້ - ວິທີການສ້າງລະບົບທີ່ຜະລິດຫຼັກຖານທີ່ສາມາດກວດສອບໄດ້ໃນອົງກອນທີ່ບໍ່ມີໂຄງສ້າງພື້ນຖານທີ່ໝັ້ນຄົງ, ຂໍ້ມູນທີ່ສະອາດ, ຫຼືຊອບແວພິເສດ - ແມ່ນຢູ່ໃນ Proof Without Judgement (ປຶ້ມ I). ທັງສອງມີຢູ່ໃນ Amazon. ທັງສອງບໍ່ມີລາຍຊື່ 75 KPIs. ນັ້ນແມ່ນຄຸນສົມບັດ, ບໍ່ແມ່ນການເບິ່ງຂ້າມ. Torgeir Skogvold ເປັນຜູ້ກໍ່ຕັ້ງ MetriqOne ແລະເປັນຜູ້ຂຽນ MetriqOne Trilogy: Measurement for the Real World.