Sfoglia altri articoli simili con le etichette:
Andy Grove ha sviluppato il framework Objectives and Key Results in Intel negli anni 70. John Doerr lo ha portato in Google nel 1999, dove è rimasto come metodologia di goal-setting fino a oggi. Da Google si è diffuso in centinaia di aziende tech e in molte enterprise tradizionali. Nel 2026 il framework è ancora attuale, ma con un nuovo strato di domande: quanto può aiutare l’AI nel processo di goal-setting? Dove invece l’AI è un’illusione di efficienza che peggiora i risultati? Le aziende che stanno usando AI nel processo OKR stanno generando dati misurabili che meritano analisi. Le risposte sono più sfumate di quanto vendono i tool che promettono “OKR generati da AI”.
Il punto è che gli OKR funzionano quando sono il risultato di una conversazione strategica, non quando sono un output algoritmico.
Cosa sono gli OKR
Il framework articola due elementi. L’Objective è una dichiarazione qualitativa di cosa si vuole ottenere in un dato periodo (trimestre, anno). Deve essere ambizioso, ispirazionale, chiaramente comunicato. I Key Results sono le 3-5 misure quantitative che permettono di valutare se l’objective è stato raggiunto. Devono essere misurabili in modo oggettivo, ambiziosi ma raggiungibili.
Esempio classico per un team di prodotto SaaS B2B. Objective: “Diventare il prodotto di riferimento per le PMI italiane del settore HR”. Key Results: “Acquisire 200 clienti paganti nel trimestre”. “Raggiungere NPS di 50”. “Generare 150 lead qualificati da content marketing”. “Mantenere CAC payback sotto 9 mesi”.
La caratteristica chiave del framework è il livello di ambizione. Andy Grove sosteneva che gli OKR ben fatti dovrebbero essere completati al 70% in condizioni normali. Se vengono completati al 100%, l’asticella era troppo bassa. Se vengono completati al 50%, era troppo alta. Il 70% è il sweet spot di stretch goal che spingono il team senza demoralizzarlo.
Google e l’applicazione del framework
Quando ho lavorato in Google a San Francisco gli OKR erano la lingua quotidiana del management. Ogni team aveva i propri OKR trimestrali, allineati con quelli aziendali, pubblicati internamente in modo che chiunque potesse vederli. La trasparenza era completa: il singolo developer poteva vedere gli OKR del CEO Sundar Pichai.
Quello che funzionava in Google era il cascading. Gli OKR aziendali (“Increase Search query coverage in emerging markets”) si traducevano in OKR di funzione (Search team: “Launch query understanding for 5 new languages”), che si traducevano in OKR di team (Hindi NLP team: “Ship Hindi query parser with 92% accuracy on benchmark X”), che si traducevano in OKR individuali (“Implement entity recognition module with 88% F1 score”). Ogni livello sapeva come contribuiva al livello superiore.
Quello che non funzionava perfettamente, anche in Google, era la tentazione del sandbagging. Definire OKR conservativi per essere sicuri di raggiungerli. La direzione di Google contrastava attivamente questo pattern, ma in ogni grande organizzazione la tendenza umana al goal facile sopravvive. Il framework non risolve da solo questo problema. Richiede una cultura aziendale che premia il rischio strutturato.
OKR nelle PMI italiane
Il framework nato per Intel e Google è stato adattato a centinaia di aziende di dimensioni diverse. Nelle PMI italiane funziona quando l’imprenditore o il management ci credono davvero e lo applicano con disciplina. Funziona meno quando viene introdotto come moda passeggera.
Quattro pattern di errore nelle implementazioni italiane.
Troppi OKR per team. Un team che ha 8 obiettivi non ne ha nessuno. La regola operativa è 3-5 Objective per livello aziendale, 3-5 Key Results per Objective, fine. Se non riesci a sintetizzare le priorità del trimestre in pochi punti, non hai chiaro cosa è prioritario.
Confusione tra OKR e to-do list. Gli OKR sono outcome ambiziosi, non liste di task. “Lanciare il sito” non è un OKR. “Lanciare il sito raggiungendo 5.000 utenti unici nel primo mese” è più vicino, ma la metrica deve essere misurabile e rilevante.
Mancanza di review settimanali. Gli OKR senza review periodica diventano un esercizio formale dimenticato. La cadenza che funziona è: scrittura trimestrale, review settimanale del progresso, retrospettiva trimestrale di chiusura. Senza i check intermedi, il team si accorge di essere fuori target quando ormai è tardi.
Connessione debole con il compensation. Quando gli OKR non hanno alcuna conseguenza pratica sui bonus o sulle carriere, il team li tratta come obblighi burocratici. Quando hanno consequenze troppo dirette, il team fa sandbagging per essere sicuro di raggiungerli. Il bilanciamento è delicato: alcune aziende collegano OKR a compensation, altre li tengono separati. Non c’è una risposta universale corretta.
Dove l’AI aiuta nel processo OKR
Tre punti del ciclo OKR dove l’AI fa la differenza.
Sull’analisi storica dei pattern. Caricare in un LLM gli OKR degli ultimi 8 trimestri permette di identificare ricorrenze, errori di sizing, aree dove il team ha sistematicamente sotto-performato. È un’analisi che richiederebbe ore di lavoro a un OKR coach, e che l’AI può fare in pochi minuti producendo insight utili per la prossima sessione di goal-setting.
Sulla generazione di varianti degli OKR proposti. Il team scrive una prima bozza, l’AI propone 5-10 riformulazioni alternative dei Key Results con metriche diverse, formulazioni più specifiche, soglie di ambizione diverse. Il team valuta le varianti e sceglie. Riduce il bias del framing iniziale.
Sul monitoraggio settimanale. Un agente che pesca automaticamente i dati di metric dai vari sistemi (CRM, analytics, product database) e produce un weekly OKR status report. Riduce drasticamente il tempo che il team perde a aggregare dati e permette di concentrare le riunioni sulla discussione strategica del progress, non sull’estrazione dei numeri.
Dove l’AI fallisce nel processo OKR
Tre aree dove vedo l’AI essere sopravvalutata.
La definizione iniziale degli Objective. Gli Objective rispecchiano scelte strategiche dell’azienda. Sono il risultato di conversazioni difficili tra founder, board, management. L’AI non sa quale dei tre potenziali Objective è quello giusto per quel trimestre specifico per quella azienda specifica. Può aiutare nella formulazione, non nella scelta.
La valutazione qualitativa del progresso. Un Key Result al 60% può essere un fallimento o un successo a seconda del contesto. Se il mercato è crollato per ragioni esogene, il 60% è un risultato. Se il team ha avuto buone condizioni di partenza, il 60% è un fallimento. L’AI non sa giudicare il contesto come lo sa giudicare il management informato.
La gestione delle dinamiche di team. Gli OKR sono anche uno strumento di gestione delle persone. Quando un team manca un OKR importante, la conversazione successiva con il team è una conversazione di leadership che richiede empatia, tatto, capacità di motivare. L’AI non sostituisce questa dimensione.
Esempio applicato: AIPIA e il proprio framework
AIPIA, l’associazione italiana professionisti intelligenza artificiale di cui sono Presidente del Comitato Tecnico-Scientifico, applica gli OKR al proprio piano associativo annuale. Senza scendere in dettagli interni, posso dire che il framework ha aiutato a passare da una gestione “a sentimento” delle priorità a una gestione strutturata che permette di misurare il contributo di ogni iniziativa.
Esempio simulato (non i dati reali AIPIA). Objective: “Diventare il riferimento italiano per la certificazione professionale AI”. Key Results possibili: “Rilasciare 500 credenziali EDC nell’anno”. “Raggiungere 600 iscritti attivi”. “Concludere 3 partnership con università italiane”. “Mantenere NPS dei iscritti sopra 60”.
L’esempio mostra come il framework funzioni anche per organizzazioni non-profit o associative. Non è solo uno strumento per startup tech. È un framework di goal-setting strutturato applicabile a qualsiasi organizzazione che voglia portare disciplina nella propria pianificazione.
Il pattern operativo che propongo
Sulla base di quello che vedo funzionare, un ciclo OKR di 90 giorni si articola così.
Settimana -2 e -1 prima del trimestre: review del trimestre precedente con retrospettiva strutturata. Cosa è andato bene, cosa è andato male, perché.
Settimana 0: workshop di goal-setting con tutto il management team. Definizione degli Objective aziendali, poi cascading nei team. Il workshop richiede una giornata piena, non un meeting di un’ora.
Settimana 1: comunicazione interna degli OKR a tutta l’organizzazione, con presentazione che spiega le scelte fatte. La trasparenza è centrale per l’engagement.
Settimana 2-12: review settimanali di progress, di 15-30 minuti, focalizzate sui punti che richiedono attenzione, non sull’estrazione dati. Aggiustamenti a metà trimestre se emergono problemi.
Settimana 13: chiusura del trimestre con scoring degli OKR, retrospettiva, preparazione del workshop successivo.
Per chi vuole esaminare il quadro più ampio della strategia operativa e dell’approccio professionale all’AI nei processi aziendali, il framework OKR è una delle componenti, non l’unica. Il punto operativo è che gli OKR non sono una bacchetta magica. Sono uno strumento di disciplina che amplifica le buone decisioni e mette in luce le cattive. Nelle organizzazioni dove c’è già strategia chiara, gli OKR aiutano a eseguire bene. Nelle organizzazioni dove la strategia è confusa, gli OKR rendono visibile la confusione ma non la risolvono. È un’ottima notizia: il framework non si presenta come soluzione a problemi che non può risolvere, e quando lo si applica con onestà produce risultati misurabili nel medio periodo.
