神話
すべての OKR は初日から成果に基づく必要があります。
現実
ベースライン指標がまだ設定されていない場合、現実的な成果を設定することは不可能です。このような稀なケースでは、アウトプット目標を設定することで、後で成果を測定するために必要な基盤を構築できます。
製品管理OKR戦略ビジネス価値リーダーシップ
成果ベースのOKR vs 成果ベースのOKR：価値の測定 vs. 量の測定
アウトプットベースのOKRからアウトカムベースのOKRへの移行は、単にタスクの完了を確認することから、具体的なビジネス価値を提供することへの移行を表しています。アウトプットベースのOKRは活動の完了を追跡するのに対し、アウトカムベースのOKRは、活動が顧客と企業の収益に実際に与える影響に焦点を当てています。
ハイライト
- 結果は「目的地」に関するものであり、出力は「手段」に関するものです。
- 多くの企業は、単に「ToDo リスト」を書くだけなので、OKR で失敗します。
- 結果 OKR を正しく追跡するには、より高いデータの成熟度が必要です。
- チームがすべての成果目標を達成しても、廃業してしまう可能性があります。
成果ベースのOKRとは？
ビジネスまたはその顧客のために生み出される測定可能な変化または価値に重点を置いた目標。
- プロジェクトの「何」ではなく「なぜ」に焦点を当てます。
- 目標を達成するためにチームに戦術を変更する自主性を与えます。
- 人間の行動やビジネス指標の変化によって測定されます。
- 書くのは難しくなりますが、成長を促進するのに非常に効果的です。
- 例としては、顧客維持率の向上、解約率の減少、NPS の向上などが挙げられます。
成果ベースのOKRとは？
特定のタスク、成果物、またはプロジェクトのマイルストーンの完了を追跡する目標。
- バイナリ（完了または未完了）であるため、追跡が容易です。
- 一般的に、チームに新しいプロジェクトのベースライン データがまったくない場合に使用されます。
- 作業は行われるものの、価値が生み出されない「機能工場」につながる可能性があります。
- 結果ではなく、生み出された仕事の量に重点を置きます。
- 例としては、「アプリを起動する」や「ブログ記事を 10 件書く」などが挙げられます。
比較表
| 機能 | 成果ベースのOKR | 成果ベースのOKR |
|---|---|---|
| 核心的な質問 | 価値を創造できましたか? | タスクは完了しましたか? |
| チームの自律性 | 高（目標達成方法を決める） | 低（ロードマップに従う） |
| 失敗のリスク | 影響の欠如で測定 | 期限の遅れで評価される |
| 柔軟性 | ピボットは奨励される | 計画を忠実に守る |
| 設定の難しさ | 難しい（深い分析が必要） | 簡単（家事リスト） |
| ビジネスへの影響 | 高く直接的に | 間接的または不明 |
詳細な比較
効率の罠
アウトプットベースのOKRは、往々にして誤った進捗感覚を生み出します。チームが5つの新機能（アウトプット）をリリースできたとしても、それらの機能が顧客の問題を解決したり収益を向上させたりできなければ、その努力は実質的に無駄になってしまいます。アウトカムベースのOKRは、成功指標を仕事そのものではなく実際の結果とすることで、こうした事態を防ぎます。
チームのエンパワーメント
リーダーが成果ベースのOKRを設定するということは、チームに「解決策を見つけられると信じています」と伝えているようなものです。この自律性によって、チームは特定のタスクリストに縛られることがなくなり、イノベーションが促進されます。一方、成果ベースのOKRは、高いスキルを持つ専門家を、ただチェックリストに従うだけの指示係に変えてしまうため、モチベーションを低下させる可能性があります。
行動の変化の測定
優れた成果ベースのOKRの特徴は、行動の変化です。研修プログラムの「成果」を追跡するのではなく、「成果」を追跡します。例えば、サポートチケットの20%削減や営業効率の15%向上などです。これにより、研修が単に実施されただけでなく、実際に効果があったことが保証されます。
それぞれの使い方
成果ベースのOKRはゴールドスタンダードですが、アウトプットベースのOKRが必ずしも悪いわけではありません。チームが全く新しい取り組みを始める際、結果を予測するための過去のデータが全くない場合、「MVPのリリース」のようなアウトプットベースの目標を設定することで、必要な体制を構築できます。MVPがリリースされたら、すぐに成果ベースの指標に切り替えるべきです。
長所と短所
成果に基づく
長所
- + ROIを最大化
- + チームの士気を高める
- + 顧客に焦点を当てる
- + 敏捷性を促進する
コンス
- − 定義が難しい
- − より良いデータが必要
- − 遅行指標
- − 威圧的になることもある
出力ベース
長所
- + 追跡が非常に簡単
- + 明確な期待
- + 新しいチームに最適
- + 管理が簡単
コンス
- − 「忙しい仕事」を促進する
- − 価値の保証なし
- − 創造性を抑制する
- − 「なぜ」を無視する
よくある誤解
神話
出力は主要な結果と同じです。
現実
これはよくある間違いです。主要な結果は、アウトプットの*結果*であるべきです。ウェブサイトの立ち上げはアウトプットであり、そのウェブサイトに10,000人の訪問者を獲得することが主要な結果（アウトカム）です。
神話
結果 OKR は営業とマーケティング専用です。
現実
エンジニアリング、人事、法務の各チームは、成果ベースの目標設定を活用できます。例えば、人事部門は「社交イベントの開催回数」（アウトプット）ではなく「従業員の定着率」（アウトカム）に重点を置くことができます。
神話
結果を追跡するには時間がかかりすぎます。
現実
設定にはより多くの考慮が必要ですが、実際には誰も望んでいない、または必要としていない機能を構築したりプロジェクトを実行したりしないことで、長期的には時間を節約できます。
よくある質問
出力を成果に変えるにはどうすればいいですか?
「それでどうなったのか？」または「これが完了したらどうなるのか？」と自問してください。アウトプットが「新機能のリリース」であれば、「それでどうなったのか？」と自問してください。答えは「顧客がチェックアウトを 30% 速く完了できるようになる」かもしれません。そのスピード向上こそが、成果に基づく主要な結果です。
なぜほとんどのチームは成果ベースの OKR に苦労するのでしょうか?
チェックリストはドーパミンを放出するため、多くの人はタスクベースで考えるように条件付けられています。成果物へと移行するには、不確実性と結果に対する責任感への精神的な転換が必要ですが、何を作るべきかを指示されるだけに慣れていたチームにとっては、これは不快な場合があります。
「マイルストーン OKR」は単なる出力 OKR ですか?
一般的にはそうです。マイルストーンは、何かが完了した時点を追跡するものです。マイルストーンはプロジェクト管理には役立ちますが、マイルストーン達成後に会社が得るメリットを明示していないため、真のOKRとは言えません。
結果における「遅行」指標と「先行」指標とは何ですか?
遅行指標は、年間売上高のような最終結果です。先行指標は、週間アクティブユーザー数のように、正しい軌道に乗っていることを示す指標です。優れた成果を生み出すOKRは、90日サイクルの中で実際に影響を与えることができるため、先行指標に重点を置くことが多いです。
チームは出力 OKR と成果 OKR の両方を持つことができますか?
可能ですが、リスクを伴います。多くの場合、成果ベースの目標は達成しやすいため、すべての注目を集めてしまい、困難な成果ベースの作業は次の四半期に先送りされてしまいます。成果ベースの3～5つの主要な成果を伴う、強力な成果目標を1つ設定する方が効果的です。
これはアジャイル ソフトウェア開発に当てはまりますか?
その通りです。アジャイルは成果に基づく思考のために設計されています。厳格な「アウトプット」ロードマップに従うのではなく、アジャイルチームは成果に基づいて、バックログ内のどのストーリーが実際に構築する価値があるかを判断します。そのストーリーが提供する価値に基づいて判断します。
目標を達成できなかったのに、すべての作業を完了した場合はどうなるでしょうか?
これは大きな学びの機会です。あなたの仮説、つまりあなたが行った仕事がその結果につながるという仮説が間違っていたことを証明するものです。成果主義の文化では、これは罰せられるべき「失敗」ではなく、戦略を変えるためのシグナルです。
社内/プラットフォーム チームの成果をどのように測定しますか?
社内チームは、他部門を顧客として扱うべきです。彼らの成果は、単に「サーバーのアップグレード」ではなく、「開発者のデプロイメント速度」や「システムの稼働時間」といった、社内全体にとって価値のある成果となるでしょう。
評決
真のビジネス成長を促進し、チームが創造的な問題解決能力を発揮できるよう支援したい場合は、成果ベースのOKRを選択してください。成果ベースのOKRは、初期段階のプロジェクトや、タスクと価値の関連性が既に100%実証されている運用タスクなど、主に運用段階のタスクに控えめに使用してください。
関連する比較
AI実験とエンタープライズ規模の統合
この比較では、AIをラボでテストすることから企業の神経系に組み込むことへの重要な飛躍を検証します。実験は、小規模なチーム内で概念の技術的な可能性を証明することに重点を置いていますが、エンタープライズ統合は、AIが企業全体で測定可能なROIを生み出すために必要な、堅牢なインフラストラクチャ、ガバナンス、そして企業文化の変革の構築を伴います。
AI主導の企業文化 vs. 伝統的な企業文化
現代の組織は、確立された階層構造と、アジャイルでデータ中心のモデルの間で選択を迫られるケースが増えています。伝統的な文化では安定性と人間主導の直感が重視されるのに対し、AI主導の環境では迅速な実験と自動化されたインサイトが重視されます。本稿では、これら2つの異なる哲学が、進化するデジタル経済において、従業員の日常的なエクスペリエンス、意思決定プロセス、そして長期的な事業の存続可能性にどのように影響するかを探ります。
AI導入 vs. AIネイティブ変革
この比較では、単に人工知能を利用することから、人工知能によって根本的に強化されることへの移行を探ります。AIの導入には、既存のビジネスワークフローにスマートツールを追加することが含まれますが、AIネイティブ変革は、あらゆるプロセスと意思決定ループが機械学習機能を中心に構築される、根底からの再設計を意味します。
B2B vs B2C
B2BとB2Cのビジネスモデルの違いを比較し、それぞれのターゲット層、販売サイクル、マーケティング戦略、価格設定アプローチ、関係性のダイナミクス、および典型的な取引の特徴を明らかにします。ビジネスオーナーや専門家が各モデルの仕組みと、どのような状況で最も効果的かを理解するのに役立ちます。
CEOとマネージャー
CEOとマネージャーの役割をビジネス環境において比較し、権限、責任、戦略的関与、意思決定の範囲、組織階層における位置づけに焦点を当て、キャリアや組織の意思決定に役立つ重要な違いを明確にします。