OKR nel 2026: l'AI li monitora. Ma li capisce?

Negli ultimi due anni ho visto più aziende adottare gli OKR di quante ne avessi viste nei cinque anni precedenti messi insieme. Buona notizia, no?

Dipende.

Perché insieme alla diffusione del framework è arrivata anche la corsa agli strumenti. E adesso ci si è messa anche l'intelligenza artificiale. Piattaforme che generano Key Results automaticamente, dashboard che aggiornano il progresso in tempo reale, sistemi che ti mandano notifiche se un obiettivo è in ritardo. Tutto molto bello, tutto molto comodo.

Il problema è che la maggior parte delle aziende che vedo continuano a sbagliare gli OKR esattamente come li sbagliavano prima. Solo che adesso lo fanno con più efficienza.

Il vero problema degli OKR non è mai stato il monitoraggio

Se glielo chiedi, quasi tutti gli imprenditori e i manager ti diranno che il loro ostacolo principale con gli OKR è “tenere traccia dei progressi” o “aggiornare i dati”. Ed è vero che queste cose richiedono tempo e disciplina.

Ma non è lì che falliscono gli OKR.

Gli OKR falliscono quando gli obiettivi descrivono il lavoro da fare invece dell'impatto che quel lavoro deve produrre. Quando i Key Results sono metriche di output (“completare 5 call di vendita a settimana”) invece che di outcome (“portare il tasso di conversione dal 12% al 18%”). Quando il ciclo di revisione trimestrale è in realtà una riunione in cui tutti leggono slide senza che nessuno dica niente di scomodo.

Nessun algoritmo risolve questi problemi. Anzi, li maschera.

Cosa cambia davvero con l'AI nella gestione degli OKR

Detto questo, alcune cose stanno cambiando in modo genuinamente utile.

I nuovi strumenti sanno aggregare dati da fonti diverse — CRM, analytics, fogli di calcolo — e aggiornare automaticamente il progresso di un Key Result senza che nessuno debba farlo a mano ogni venerdì. Questo non è banale: il problema del monitoraggio manuale non era solo il tempo, era che quando il dato arriva tardi o con fatica, le persone smettono di guardarlo. E un OKR che non si guarda diventa carta.

Poi c'è la parte di suggerimento. Alcune piattaforme propongono Key Results sulla base dell'obiettivo che scrivi. Non sempre sono buoni, ma obbligano a fermarsi e a valutarli — il che è già un esercizio utile se fatto con attenzione.

E c'è la capacità di segnalare anomalie in anticipo. Se un indicatore si sta muovendo nella direzione sbagliata, il sistema lo vede prima che lo veda il manager. Questo è probabilmente il contributo più reale: trasformare la revisione da “guardiamo cosa è successo” a “interveniamo mentre c'è ancora tempo”.

Il rischio che nessuno sta prendendo sul serio

C'è però una direzione in cui queste evoluzioni possono portarti nel posto sbagliato.

Quando uno strumento ti propone gli obiettivi, li valida, li monitora e ti dice quando non stai andando bene, succede qualcosa di sottile: smetti di fare la parte più difficile del lavoro. Quella di sederti con il tuo team, mettere le idee sul tavolo, litigare su cosa conta davvero, decidere dove vuoi arrivare e perché.

Quella conversazione è il cuore degli OKR. Non il framework. Non le metriche. La conversazione.

E quella conversazione non si può delegare a un modello linguistico, per quanto sofisticato. Perché il contesto che serve per capire perché un obiettivo è quello giusto per questa azienda, in questo momento, con queste persone, è il tipo di contesto che solo chi è dentro può avere.

Se l'AI genera i tuoi OKR e tu li approvi perché “sembrano giusti”, non stai facendo strategia. Stai facendo convalida.

Come usarla bene (senza che usi te)

La distinzione pratica che trovo utile è questa: usa l'AI per la parte meccanica, tieniti la parte umana.

La parte meccanica è: raccogliere dati, aggiornare progressi, creare alert, fare benchmark rispetto al trimestre precedente. Tutte cose che uno strumento fa meglio di una persona, perché non si stanca, non dimentica e non ha cattivo umore il giovedì pomeriggio.

La parte umana è: stabilire le priorità, negoziare gli obiettivi col team, capire perché un KR è in ritardo davvero (non solo dove lo dice il grafico), decidere se un obiettivo è ancora quello giusto a metà ciclo. Queste richiedono giudizio, contesto e quella cosa che i libri di management chiamano “leadership” e che in pratica significa stare in mezzo alle conversazioni difficili.

Il punto di arrivo non è avere un sistema perfetto. È avere un sistema che ti lascia il tempo e l'energia per fare le cose che contano.

La domanda che vale la pena farti adesso

Hai già adottato uno strumento per gli OKR, o stai pensando di farlo? Prima di procedere, rispondi a questa: nel tuo ciclo attuale di OKR, quante ore al mese passa il tuo team a parlare davvero degli obiettivi — non ad aggiornarli, non a riportarli, ma a discutere se sono ancora quelli giusti?

Se la risposta è “meno di due ore a trimestre”, non è un problema di strumenti. È un problema di come stai usando il framework. E uno strumento AI non lo risolve. Lo nasconde sotto una dashboard più elegante.

La tecnologia può farti risparmiare tempo. Ma il tempo che risparmi devi usarlo per pensare, non per smettere di farlo.