Streszczenie: Artykuł analizuje, dlaczego tradycyjne podejścia do KPI często zawodzą, prowadząc do zjawiska opisanego przez prawo Goodharta. Autor pokazuje, że nadmierna optymalizacja wskaźników może oddalać organizację od rzeczywistych celów biznesowych. W oparciu o analogie do uczenia maszynowego przedstawia cztery strategie projektowania lepszych mierników: wczesne zatrzymanie, wstrzykiwanie szumu, dopasowanie złożoności oraz regularyzację. Ich zastosowanie pozwala ograniczyć manipulacje, poprawić jakość decyzji i lepiej powiązać KPI z realną wartością dla klienta.
Nadmierne skupienie na KPI może prowadzić do błędnych decyzji i patologii organizacyjnych. Wnioski z badań nad sztuczną inteligencją pokazują, jak projektować mierniki, które wspierają realne wyniki, zamiast zachęcać do manipulacji.
Materiał dostępny tylko dla subskrybentów
Dołącz do subskrybentów MIT Sloan Management Review Polska Premium!
Kup subskrypcję