TEDGlobal 2009
Dan Pink: The puzzle of motivation
Den overraskende videnskab bag motivation
Filmed:
Readability: 4
25,352,736 views
Karriereanalytiker Dan Pink undersøger puslespillet bag motivation, og begynder med et faktum som adfærdsforskere ved, men de fleste ledere ikke gør: Traditionelle belønninger er ikke altid så effektive som vi tror. Lyt for oplysende historier -- og måske, en vej fremadrettet.
Dan Pink - Career analyst
Bidding adieu to his last "real job" as Al Gore's speechwriter, Dan Pink went freelance to spark a right-brain revolution in the career marketplace. Full bio
Bidding adieu to his last "real job" as Al Gore's speechwriter, Dan Pink went freelance to spark a right-brain revolution in the career marketplace. Full bio
Double-click the English transcript below to play the video.
00:12
I need to make a confession at the outset here.
0
0
4000
Jeg har en tilståelse lige fra begyndelsen.
00:16
A little over 20 years ago
1
4000
3000
For lidt over 20 år siden
00:19
I did something that I regret,
2
7000
2000
gjorde jeg noget jeg fortryder,
00:21
something that I'm not particularly proud of,
3
9000
4000
noget som jeg ikke er specielt stolt af,
00:25
something that, in many ways, I wish no one would ever know,
4
13000
3000
noget som jeg, på mange måder,
ville ønske ingen andre kom til at vide,
ville ønske ingen andre kom til at vide,
00:28
but here I feel kind of obliged to reveal.
5
16000
4000
men jeg føler lidt jeg er forpligtet til at afsløre det.
00:32
(Laughter)
6
20000
2000
(Latter)
00:34
In the late 1980s,
7
22000
2000
I slutningen af 1980'erne,
00:36
in a moment of youthful indiscretion,
8
24000
3000
i et øjeblik af ungdommelig taktløshed,
00:39
I went to law school.
9
27000
2000
gik jeg på et juridisk fakultet.
00:41
(Laughter)
10
29000
4000
(Latter)
00:45
Now, in America law is a professional degree:
11
33000
3000
I USA er jura en professionel grad:
00:48
you get your university degree, then you go on to law school.
12
36000
2000
man får sin universitetsuddannelse,
og så går man videre til det juridiske fakultet.
og så går man videre til det juridiske fakultet.
00:50
And when I got to law school,
13
38000
3000
Og da jeg gik på det juridiske fakultet,
00:53
I didn't do very well.
14
41000
2000
klarede jeg det ikke særlig godt.
00:55
To put it mildly, I didn't do very well.
15
43000
2000
Jeg klarede det mildt sagt ikke særlig godt.
00:57
I, in fact, graduated in the part of my law school class
16
45000
3000
Faktisk, færdiggjorde jeg min uddannelse
på det juridiske fakultet i den del
på det juridiske fakultet i den del
01:00
that made the top 90 percent possible.
17
48000
4000
der gjorde det muligt for de 90 procent bedste.
01:04
(Laughter)
18
52000
4000
(Latter)
01:08
Thank you.
19
56000
3000
Tak.
01:11
I never practiced law a day in my life;
20
59000
3000
Jeg har aldrig udøvet jura en gang i mit liv;
01:14
I pretty much wasn't allowed to.
21
62000
2000
jeg fik mere eller mindre ikke lov til det.
01:16
(Laughter)
22
64000
3000
(Latter)
01:19
But today, against my better judgment,
23
67000
3000
Men i dag, imod bedre vidende,
01:22
against the advice of my own wife,
24
70000
3000
imod min kones råd,
01:25
I want to try to dust off some of those legal skills --
25
73000
4000
vil jeg prøve at støve nogle af juraevnerne af --
01:29
what's left of those legal skills.
26
77000
2000
det der er tilbage af de juraevner.
01:31
I don't want to tell you a story.
27
79000
3000
Jeg vil ikke fortælle jer en historie.
01:34
I want to make a case.
28
82000
2000
Jeg vil fremføre en sag.
01:36
I want to make a hard-headed, evidence-based,
29
84000
4000
Jeg vil fremføre en nøgtern, bevisbaseret,
01:40
dare I say lawyerly case,
30
88000
3000
tør jeg sige juristsag,
01:43
for rethinking how we run our businesses.
31
91000
4000
om at vi skal genoverveje hvordan
vi driver vores virksomheder.
vi driver vores virksomheder.
01:47
So, ladies and gentlemen of the jury, take a look at this.
32
95000
4000
Mine damer og herrer i juryen, se på dette.
01:51
This is called the candle problem.
33
99000
2000
Dette kaldes lysproblemet.
01:53
Some of you might have seen this before.
34
101000
2000
Nogle af jer har måske set dette før.
01:55
It's created in 1945
35
103000
2000
Det blev skabt i 1945
01:57
by a psychologist named Karl Duncker.
36
105000
2000
af en psykolog der hedder Karl Duncker.
01:59
Karl Duncker created this experiment
37
107000
2000
Karl Duncker skabte dette eksperiment
02:01
that is used in a whole variety of experiments in behavioral science.
38
109000
3000
der brugte en hel række af
eksperimenter i adfærds videnskaben.
eksperimenter i adfærds videnskaben.
02:04
And here's how it works. Suppose I'm the experimenter.
39
112000
3000
Og sådan her fungerer det.
Forestil jer at jeg er forsøgslederen.
Forestil jer at jeg er forsøgslederen.
02:07
I bring you into a room. I give you a candle,
40
115000
4000
Jeg tager dig med ind i et lokale.
Jeg giver dig et lys,
Jeg giver dig et lys,
02:11
some thumbtacks and some matches.
41
119000
2000
nogle tegnestifter, og nogle tændstikker.
02:13
And I say to you, "Your job
42
121000
2000
Og jeg siger til dig, "Dit job
02:15
is to attach the candle to the wall
43
123000
2000
er at sætte lyset fast på væggen
02:17
so the wax doesn't drip onto the table." Now what would you do?
44
125000
4000
så voksen ikke drypper ned på bordet.
" Hvad ville du gøre?
" Hvad ville du gøre?
02:21
Now many people begin trying to thumbtack the candle to the wall.
45
129000
4000
Mange mennesker prøver at bruge
tegnestiften til at fæstne lyset til væggen.
tegnestiften til at fæstne lyset til væggen.
02:25
Doesn't work.
46
133000
2000
Det virker ikke.
02:27
Somebody, some people -- and I saw somebody
47
135000
2000
Nogle, nogen mennesker -- og jeg så nogen
02:29
kind of make the motion over here --
48
137000
2000
der lavede en bevægelse herovre --
02:31
some people have a great idea where they
49
139000
2000
nogle mennesker har en fantastisk ide, hvor de
02:33
light the match, melt the side of the candle, try to adhere it to the wall.
50
141000
4000
tænder tændstikken, smelter siden af lysestagen,
og prøver at sætte den fast på væggen.
og prøver at sætte den fast på væggen.
02:37
It's an awesome idea. Doesn't work.
51
145000
3000
Det er en fantastisk ide. Det virker ikke.
02:40
And eventually, after five or 10 minutes,
52
148000
3000
Og til slut, efter fem eller 10 minutter,
02:43
most people figure out the solution,
53
151000
2000
regner de fleste mennesker løsningen ud,
02:45
which you can see here.
54
153000
2000
som man kan se her.
02:47
The key is to overcome what's called functional fixedness.
55
155000
3000
Nøglen er at komme forbi det der
hedder funktionel fiksering.
hedder funktionel fiksering.
02:50
You look at that box and you see it only as a receptacle for the tacks.
56
158000
4000
Man ser på kassen og man ser at den
kun som beholder for tegnestifterne.
kun som beholder for tegnestifterne.
02:54
But it can also have this other function,
57
162000
2000
Men den kan også have en anden funktion,
02:56
as a platform for the candle. The candle problem.
58
164000
4000
som en platform for lyset. Lysproblemet.
03:00
Now I want to tell you about an experiment
59
168000
2000
Nu vil jeg fortælle jer om et eksperiment
03:02
using the candle problem,
60
170000
2000
ved hjælp af lysproblemet,
03:04
done by a scientist named Sam Glucksberg,
61
172000
2000
udført af en forsker der hedder Sam Glucksberg,
03:06
who is now at Princeton University in the U.S.
62
174000
2000
der nu er på Princeton University i USA.
03:08
This shows the power of incentives.
63
176000
4000
Dette viser virkningen af incitamenter.
03:12
Here's what he did. He gathered his participants.
64
180000
2000
Her er hvad han gjorde.
Han samlede sine deltagere.
Han samlede sine deltagere.
03:14
And he said, "I'm going to time you. How quickly you can solve this problem?"
65
182000
3000
Og han sagde, "Jeg tager tid på jer.
Hvor hurtigt kan I løse dette problem?"
Hvor hurtigt kan I løse dette problem?"
03:17
To one group he said,
66
185000
2000
Til den ene gruppe sagde han,
03:19
"I'm going to time you to establish norms,
67
187000
3000
"Jeg sammenligner jer med fastsætte normer,
03:22
averages for how long it typically takes
68
190000
2000
et gennemsnit for hvor lang tid det typisk tager
03:24
someone to solve this sort of problem."
69
192000
2000
for nogen at løse denne slags problem."
03:26
To the second group he offered rewards.
70
194000
3000
Til den anden gruppe tilbød han belønninger.
03:29
He said, "If you're in the top 25 percent of the fastest times,
71
197000
4000
Han sagde, "Hvis I er i top 25 procent
af de hurtigste tider,
af de hurtigste tider,
03:33
you get five dollars.
72
201000
3000
får I fem dollars.
03:36
If you're the fastest of everyone we're testing here today,
73
204000
3000
Hvis I er de hurtigste af alle dem vi tester i dag,
03:39
you get 20 dollars."
74
207000
2000
får I 20 dollars."
03:41
Now this is several years ago. Adjusted for inflation,
75
209000
3000
Nu er dette adskillige år siden.
Tager man højde for inflation,
Tager man højde for inflation,
03:44
it's a decent sum of money for a few minutes of work.
76
212000
2000
er det en rimelig sum penge for
et par minutters arbejde.
et par minutters arbejde.
03:46
It's a nice motivator.
77
214000
2000
Det er en fin motivator.
03:48
Question: How much faster
78
216000
3000
Spørgsmål: Hvor meget hurtigere
03:51
did this group solve the problem?
79
219000
2000
løste denne gruppe problemet?
03:53
Answer: It took them, on average,
80
221000
3000
Svar: Det tog dem, gennemsnitligt,
03:56
three and a half minutes longer.
81
224000
4000
tre og et halvt minut længere.
04:00
Three and a half minutes longer. Now this makes no sense right?
82
228000
3000
Tre og et halvt minut længere.
Dette giver ingen mening, vel?
Dette giver ingen mening, vel?
04:03
I mean, I'm an American. I believe in free markets.
83
231000
3000
Jeg mener, jeg er amerikaner.
Jeg tror på de fri markedskræfter.
Jeg tror på de fri markedskræfter.
04:06
That's not how it's supposed to work. Right?
84
234000
3000
Det er ikke sådan her det bør fungere. Vel?
04:09
(Laughter)
85
237000
1000
(Latter)
04:10
If you want people to perform better,
86
238000
2000
Hvis man vil have folk til at performe bedre,
04:12
you reward them. Right?
87
240000
2000
belønner man dem. Ikke?
04:14
Bonuses, commissions, their own reality show.
88
242000
3000
Bonusser, provisionsløn, deres eget reality show.
04:17
Incentivize them. That's how business works.
89
245000
4000
Skaber et incitament.
Sådan fungerer forretningslivet.
Sådan fungerer forretningslivet.
04:21
But that's not happening here.
90
249000
2000
Men det sker ikke her.
04:23
You've got an incentive designed to
91
251000
2000
Man har designet et incitament til at
04:25
sharpen thinking and accelerate creativity,
92
253000
4000
skærpe ens tankegang og accelerere kreativitet,
04:29
and it does just the opposite.
93
257000
2000
og det gør præcis det modsatte.
04:31
It dulls thinking and blocks creativity.
94
259000
3000
Det dulmer tankegangen og blokerer kreativitet.
04:34
And what's interesting about this experiment is that it's not an aberration.
95
262000
3000
Og det der er interessant ved dette
eksperiment er at det ikke er en afvigelse.
eksperiment er at det ikke er en afvigelse.
04:37
This has been replicated over and over
96
265000
3000
Dette er blevet gentaget igen og igen
04:40
and over again, for nearly 40 years.
97
268000
3000
og igen, i næsten 40 år.
04:43
These contingent motivators --
98
271000
3000
Disse betingede motivationselementer --
04:46
if you do this, then you get that --
99
274000
2000
hvis man gør dette, får man det --
04:48
work in some circumstances.
100
276000
2000
virker i nogle situationer.
04:50
But for a lot of tasks, they actually either don't work
101
278000
3000
Men i mange opgaver,
virker de faktisk enten ikke,
virker de faktisk enten ikke,
04:53
or, often, they do harm.
102
281000
3000
eller, tit, skader de.
04:56
This is one of the most robust findings
103
284000
4000
Dette er en af de mest solide resultater
05:00
in social science,
104
288000
3000
i social videnskab,
05:03
and also one of the most ignored.
105
291000
2000
og også en af de mest ignorerede.
05:05
I spent the last couple of years looking at the science of
106
293000
2000
Jeg brugte de sidste par år med
at se på videnskaben bag den
at se på videnskaben bag den
05:07
human motivation,
107
295000
2000
menneskelige motivation,
05:09
particularly the dynamics of extrinsic motivators
108
297000
2000
specielt dynamikken bag
ydre motivationselementer
ydre motivationselementer
05:11
and intrinsic motivators.
109
299000
2000
og indre motivationselementer.
05:13
And I'm telling you, it's not even close.
110
301000
2000
Og jeg vil sige til jer, at det ikke engang er tæt på.
05:15
If you look at the science, there is a mismatch
111
303000
2000
Hvis man ser på videnskaben, er der et misforhold
05:17
between what science knows and what business does.
112
305000
4000
mellem det videnskaben ved,
og hvad virksomhederne gør.
og hvad virksomhederne gør.
05:21
And what's alarming here is that our business operating system --
113
309000
3000
Og det der er alarmerende ved det er at vores operationssystem i forretningslivet --
05:24
think of the set of assumptions and protocols beneath our businesses,
114
312000
3000
tænk på de formodninger og protokoller der er bag ved vores forretningsliv,
05:27
how we motivate people, how we apply our human resources --
115
315000
5000
hvordan vi motiverer folk, hvordan vi bruger vores menneskelige ressourcer --
05:32
it's built entirely around these extrinsic motivators,
116
320000
3000
det er bygget totalt omkring disse ydre motivationselementer,
05:35
around carrots and sticks.
117
323000
2000
rundt om gulerødder og stok.
05:37
That's actually fine for many kinds of 20th century tasks.
118
325000
4000
Det er egentlig fint nok til mange af
opgaverne i det 20. århundrede.
opgaverne i det 20. århundrede.
05:41
But for 21st century tasks,
119
329000
2000
Men for opgaverne i det 21. århundrede,
05:43
that mechanistic, reward-and-punishment approach
120
331000
4000
den mekanistiske, belønning-og-straf tilgang
05:47
doesn't work, often doesn't work, and often does harm.
121
335000
4000
fungerer ikke, fungerer ofte ikke, og skader ofte.
05:51
Let me show you what I mean.
122
339000
2000
Lad mig vise jer hvad jeg mener.
05:53
So Glucksberg did another experiment similar to this
123
341000
3000
Glucksberg lavede et andet eksperiment
der var sammenligneligt med dette
der var sammenligneligt med dette
05:56
where he presented the problem in a slightly different way,
124
344000
2000
hvor han præsenterede et problem
på en lidt anderledes måde,
på en lidt anderledes måde,
05:58
like this up here. Okay?
125
346000
3000
ligesom det derop. Okay?
06:01
Attach the candle to the wall so the wax doesn't drip onto the table.
126
349000
2000
Sæt lyset fast på væggen så voksen
ikke drypper ned på bordet.
ikke drypper ned på bordet.
06:03
Same deal. You: we're timing for norms.
127
351000
3000
Det samme. Du: vi tager tid for at finde normer.
06:06
You: we're incentivizing.
128
354000
3000
Du: vi skaber et incitament.
06:09
What happened this time?
129
357000
2000
Hvad skete der denne gang?
06:11
This time, the incentivized group
130
359000
2000
Denne gang, gruppen der
havde fået et incitament
havde fået et incitament
06:13
kicked the other group's butt.
131
361000
4000
bankede den anden gruppe.
06:17
Why? Because when the tacks are out of the box,
132
365000
4000
Hvorfor? Fordi når tegnestifterne
kommer ud af kassen,
kommer ud af kassen,
06:21
it's pretty easy isn't it?
133
369000
4000
er det temmelig ligetil, er det ikke?
06:25
(Laughter)
134
373000
2000
(Latter)
06:27
If-then rewards work really well
135
375000
3000
Hvis-så belønninger fungerer virkelig godt
06:30
for those sorts of tasks,
136
378000
3000
til den slags opgaver,
06:33
where there is a simple set of rules and a clear destination
137
381000
2000
hvor der er et simpelt sæt regler
og en klar destination
og en klar destination
06:35
to go to.
138
383000
2000
at tage hen til.
06:37
Rewards, by their very nature,
139
385000
2000
Belønninger, af natur,
06:39
narrow our focus, concentrate the mind;
140
387000
2000
indskrænker vores fokus,
skærper hjernen;
skærper hjernen;
06:41
that's why they work in so many cases.
141
389000
2000
det er derfor de så ofte fungerer.
06:43
And so, for tasks like this,
142
391000
2000
Så, til opgaver som denne,
06:45
a narrow focus, where you just see the goal right there,
143
393000
3000
er et smalt fokus, hvor man kun
lige kan se målet lige der,
lige kan se målet lige der,
06:48
zoom straight ahead to it,
144
396000
2000
zoomer lige derhen,
06:50
they work really well.
145
398000
2000
fungerer virkelig godt.
06:52
But for the real candle problem,
146
400000
2000
Men i det rigtige lysproblem,
06:54
you don't want to be looking like this.
147
402000
2000
vil man ikke kigge på dette.
06:56
The solution is not over here. The solution is on the periphery.
148
404000
2000
Løsningen er ikke herovre.
Løsningen er i periferien.
Løsningen er i periferien.
06:58
You want to be looking around.
149
406000
2000
Man skal kigge her omkring.
07:00
That reward actually narrows our focus
150
408000
2000
Belønningen indsnævrer vores fokus
07:02
and restricts our possibility.
151
410000
2000
og det begrænser vores mulighed.
07:04
Let me tell you why this is so important.
152
412000
3000
Lad mig fortælle jer hvorfor det er så vigtigt.
07:07
In western Europe,
153
415000
2000
I det vestlige Europa,
07:09
in many parts of Asia,
154
417000
2000
i mange dele af Asien,
07:11
in North America, in Australia,
155
419000
3000
i Nordamerika, i Australien,
07:14
white-collar workers are doing less of
156
422000
2000
laver mennesker der arbejder
på kontor mindre af
på kontor mindre af
07:16
this kind of work,
157
424000
2000
denne slags arbejde,
07:18
and more of this kind of work.
158
426000
4000
og mere af denne slags arbejde.
07:22
That routine, rule-based, left-brain work --
159
430000
3000
Rutinen, regel baseret, venstre hjernes arbejde --
07:25
certain kinds of accounting, certain kinds of financial analysis,
160
433000
2000
bestemte former for revisionsarbejde,
bestemte former for finansiel analyse,
bestemte former for finansiel analyse,
07:27
certain kinds of computer programming --
161
435000
2000
bestemte former for computerprogrammering --
07:29
has become fairly easy to outsource,
162
437000
2000
er blevet forholdsvis nemt at outsource,
07:31
fairly easy to automate.
163
439000
2000
forholdsvis nemt at automatisere.
07:33
Software can do it faster.
164
441000
3000
Software kan gøre det hurtigere.
07:36
Low-cost providers around the world can do it cheaper.
165
444000
2000
Billige udbydere rundt om i verden
kan gøre det billigere.
kan gøre det billigere.
07:38
So what really matters are the more right-brained
166
446000
4000
Det der virkelig betyder noget,
er de mere højre-hjernet
er de mere højre-hjernet
07:42
creative, conceptual kinds of abilities.
167
450000
3000
kreative, konceptuelle evner.
07:45
Think about your own work.
168
453000
3000
Tænk på jeres eget arbejde.
07:48
Think about your own work.
169
456000
3000
Tænk på jeres eget arbejde.
07:51
Are the problems that you face, or even the problems
170
459000
2000
Er de problemer I står overfor,
eller selv de problemer som
eller selv de problemer som
07:53
we've been talking about here,
171
461000
2000
vi har talt om her,
07:55
are those kinds of problems -- do they have a clear set of rules,
172
463000
2000
er det den slags problemer --
er der et tydeligt regelsæt,
er der et tydeligt regelsæt,
07:57
and a single solution? No.
173
465000
3000
og en enkelt løsning? Nej.
08:00
The rules are mystifying.
174
468000
2000
Reglerne er forvirrende.
08:02
The solution, if it exists at all,
175
470000
2000
Løsningen, hvis den overhovedet eksisterer,
08:04
is surprising and not obvious.
176
472000
3000
er overraskende og ikke tydelig.
08:07
Everybody in this room
177
475000
2000
Alle i dette lokale
08:09
is dealing with their own version
178
477000
3000
kæmper med deres egen version
08:12
of the candle problem.
179
480000
2000
af lysproblemet.
08:14
And for candle problems of any kind,
180
482000
3000
Og for ethvert lysproblem,
08:17
in any field,
181
485000
2000
på ethvert område,
08:19
those if-then rewards,
182
487000
3000
er der hvis-så belønninger,
08:22
the things around which we've built so many of our businesses,
183
490000
4000
de ting som vi har bygget så
mange af vores firmaer omkring,
mange af vores firmaer omkring,
08:26
don't work.
184
494000
2000
fungerer ikke.
08:28
Now, I mean it makes me crazy.
185
496000
2000
Jeg mener, det gør mig skør.
08:30
And this is not -- here's the thing.
186
498000
2000
Og dette er ikke -- hør engang.
08:32
This is not a feeling.
187
500000
3000
Dette er ikke en følelse.
08:35
Okay? I'm a lawyer; I don't believe in feelings.
188
503000
3000
Okay? Jeg er advokat; jeg tror ikke på følelser.
08:38
This is not a philosophy.
189
506000
4000
Dette er ikke filosofi.
08:42
I'm an American; I don't believe in philosophy.
190
510000
2000
Jeg er amerikaner; jeg tror ikke på filosofi.
08:44
(Laughter)
191
512000
3000
(Latter)
08:47
This is a fact --
192
515000
3000
Dette er et faktum --
08:50
or, as we say in my hometown of Washington, D.C.,
193
518000
2000
eller, som vi siger i min hjemby,
Washington, D.C.,
Washington, D.C.,
08:52
a true fact.
194
520000
2000
et sandt faktum.
08:54
(Laughter)
195
522000
2000
(Latter)
08:56
(Applause)
196
524000
4000
(Bifald)
09:00
Let me give you an example of what I mean.
197
528000
2000
Lad mig give jer et eksempel på hvad jeg mener.
09:02
Let me marshal the evidence here,
198
530000
2000
Lad mig opstille beviset her,
09:04
because I'm not telling you a story, I'm making a case.
199
532000
2000
fordi jeg fortæller jer ikke en historie,
jeg fremfører et argument.
jeg fremfører et argument.
09:06
Ladies and gentlemen of the jury, some evidence:
200
534000
2000
Damer og herrer i juryen, noget bevis:
09:08
Dan Ariely, one of the great economists of our time,
201
536000
3000
Dan Ariely, en af de største økonomer i vor tid,
09:11
he and three colleagues, did a study of some MIT students.
202
539000
4000
han og tre kolleger, lavede en
undersøgelse af nogle MIT studerende.
undersøgelse af nogle MIT studerende.
09:15
They gave these MIT students a bunch of games,
203
543000
3000
De gav disse MIT studerende en bunke spil,
09:18
games that involved creativity,
204
546000
2000
spil der involverede kreativitet,
09:20
and motor skills, and concentration.
205
548000
2000
og motoriske færdigheder,
og koncentration.
og koncentration.
09:22
And the offered them, for performance,
206
550000
2000
Og jeg tilbød dem, for deres præstationer,
09:24
three levels of rewards:
207
552000
2000
tre forskellige slags belønninger:
09:26
small reward, medium reward, large reward.
208
554000
5000
en lille belønning, en medium belønning,
en stor belønning.
en stor belønning.
09:31
Okay? If you do really well you get the large reward, on down.
209
559000
4000
Okay? Hvis man gør det virkelig godt,
så får man en stor belønning, og så videre.
så får man en stor belønning, og så videre.
09:35
What happened? As long as the task involved only mechanical skill
210
563000
4000
Hvad skete der? Så længe opgaven
kun omfattede mekaniske evner
kun omfattede mekaniske evner
09:39
bonuses worked as they would be expected:
211
567000
2000
fungerede bonussen som man ville forvente:
09:41
the higher the pay, the better the performance.
212
569000
4000
jo højere betalingen var,
jo bedre var præstationerne.
jo bedre var præstationerne.
09:45
Okay? But one the task called for
213
573000
2000
Okay? Men en opgave krævede
09:47
even rudimentary cognitive skill,
214
575000
4000
selv basale kognitive evner,
09:51
a larger reward led to poorer performance.
215
579000
5000
en større belønning ledte til en
dårligere præstationer.
dårligere præstationer.
09:56
Then they said,
216
584000
2000
Så sagde de,
09:58
"Okay let's see if there's any cultural bias here.
217
586000
2000
"Okay, lad os se om der er
en kulturel tilbøjelighed.
en kulturel tilbøjelighed.
10:00
Lets go to Madurai, India and test this."
218
588000
2000
Lad os tage til Madurai, Indien, og teste dette."
10:02
Standard of living is lower.
219
590000
2000
Levestandarden er lavere.
10:04
In Madurai, a reward that is modest in North American standards,
220
592000
3000
I Madurai, er en belønning der er mere
moderat i forhold til nordamerikanske standarder,
moderat i forhold til nordamerikanske standarder,
10:07
is more meaningful there.
221
595000
3000
mere meningsfyldt her.
10:10
Same deal. A bunch of games, three levels of rewards.
222
598000
3000
Samme setup. En bunke spil,
tre belønningsniveauer.
tre belønningsniveauer.
10:13
What happens?
223
601000
2000
Hvad sker der?
10:15
People offered the medium level of rewards
224
603000
3000
Folk der blev tilbudt belønning af medium niveau,
10:18
did no better than people offered the small rewards.
225
606000
3000
klarede sig ikke bedre end mennesker
der blev tilbudt den lille belønning.
der blev tilbudt den lille belønning.
10:21
But this time, people offered the highest rewards,
226
609000
4000
Men denne gang, klarede de folk der
fik den højeste belønning
fik den højeste belønning
10:25
they did the worst of all.
227
613000
4000
sig dårligst.
10:29
In eight of the nine tasks we examined across three experiments,
228
617000
3000
I otte ud af de ni opgaver vi undersøgte,
på tværs af de tre eksperimenter,
på tværs af de tre eksperimenter,
10:32
higher incentives led to worse performance.
229
620000
5000
ledte højere incitament til dårligere præstationer.
10:37
Is this some kind of touchy-feely
230
625000
3000
Er dette en eller anden form for følelsesladet
10:40
socialist conspiracy going on here?
231
628000
3000
socialistisk komplot der foregår der?
10:43
No. These are economists from MIT,
232
631000
3000
Nej. Dette er økonomer fra MIT,
10:46
from Carnegie Mellon, from the University of Chicago.
233
634000
3000
fra Carnegie Mellon, fra University of Chicago.
10:49
And do you know who sponsored this research?
234
637000
2000
Og ved I hvem der sponsorerede denne forskning?
10:51
The Federal Reserve Bank of the United States.
235
639000
4000
Federal Reserve Bank of the United States.
10:55
That's the American experience.
236
643000
2000
Det er den amerikanske oplevelse.
10:57
Let's go across the pond to the London School of Economics --
237
645000
3000
Lad os krydse dammen over til
London School of Ecnonomics --
London School of Ecnonomics --
11:00
LSE, London School of Economics,
238
648000
3000
LSE, London School of Economics,
11:03
alma mater of 11 Nobel Laureates in economics.
239
651000
3000
alma mater til 11 Nobel prismodtagere i økonomi.
11:06
Training ground for great economic thinkers
240
654000
3000
Træningssted for store økonomiske tænkere
11:09
like George Soros, and Friedrich Hayek,
241
657000
3000
som George Soros, og Friedrich Hayek,
11:12
and Mick Jagger. (Laughter)
242
660000
2000
og Mick Jagger. (Latter)
11:14
Last month, just last month,
243
662000
4000
Sidste måned, bare sidste måned,
11:18
economists at LSE looked at 51 studies
244
666000
3000
kiggede økonomer ved LSE på 51 studier
11:21
of pay-for-performance plans, inside of companies.
245
669000
3000
til akkordløn planer hos firmaer.
11:24
Here's what the economists there said: "We find that financial incentives
246
672000
3000
Her er hvad økonomerne der sagde:
"Vi finder at økonomiske incitamenter
"Vi finder at økonomiske incitamenter
11:27
can result in a negative impact on overall performance."
247
675000
6000
kan resultere i negativ indflydelse
på den overordnede arbejdsindsats."
på den overordnede arbejdsindsats."
11:33
There is a mismatch between what science knows
248
681000
3000
Der er et misforhold mellem det videnskaben ved
11:36
and what business does.
249
684000
2000
og det erhvervslivet gør.
11:38
And what worries me, as we stand here in the rubble
250
686000
3000
Og det der bekymrer mig er,
mens vi står i brokkerne
mens vi står i brokkerne
11:41
of the economic collapse,
251
689000
2000
af den økonomiske kollaps,
11:43
is that too many organizations
252
691000
2000
er at for mange organisationer
11:45
are making their decisions,
253
693000
2000
tager deres beslutninger,
11:47
their policies about talent and people,
254
695000
2000
deres målsætninger for talent og folk,
11:49
based on assumptions that are outdated, unexamined,
255
697000
6000
på baggrund af formodninger
der er forældede, uprøvede,
der er forældede, uprøvede,
11:55
and rooted more in folklore than in science.
256
703000
3000
og er rodfæstet mere i
folkevisdom end i videnskab.
folkevisdom end i videnskab.
11:58
And if we really want to get out of this economic mess,
257
706000
3000
Og hvis vi virkelig vil ud af
dette økonomiske rod,
dette økonomiske rod,
12:01
and if we really want high performance on those
258
709000
2000
og hvis vi virkelig vil have
en høj arbejdsindsats i de
en høj arbejdsindsats i de
12:03
definitional tasks of the 21st century,
259
711000
2000
definitoriske opgaver i det 21. århundrede,
12:05
the solution is not to do more of the wrong things,
260
713000
6000
er løsningen ikke at gøre
mere af de forkerte ting,
mere af de forkerte ting,
12:11
to entice people with a sweeter carrot,
261
719000
3000
at friste folk med en sødere gulerod,
12:14
or threaten them with a sharper stick.
262
722000
2000
eller true dem med en skarpere stok.
12:16
We need a whole new approach.
263
724000
2000
Vi har brug for en ny tilgang.
12:18
And the good news about all of this is that the scientists
264
726000
2000
Og den gode nyhed ved alt
det her er at forskerne
det her er at forskerne
12:20
who've been studying motivation have given us this new approach.
265
728000
3000
der har studeret motivation,
har givet os denne nye tilgang.
har givet os denne nye tilgang.
12:23
It's an approach built much more around intrinsic motivation.
266
731000
3000
Det er en tilgang der er bygget
mere omkring indre motivation.
mere omkring indre motivation.
12:26
Around the desire to do things because they matter,
267
734000
2000
Omkring længsel til gøre ting
fordi de betyder noget,
fordi de betyder noget,
12:28
because we like it, because they're interesting,
268
736000
2000
fordi vi kan lide det,
fordi de er interessante,
fordi de er interessante,
12:30
because they are part of something important.
269
738000
2000
fordi de er en del af noget vigtigt.
12:32
And to my mind, that new operating system for our businesses
270
740000
4000
Og i mit hoved, det nye driftssystem
til vores virksomheder
til vores virksomheder
12:36
revolves around three elements:
271
744000
2000
drejer rundt om tre elementer:
12:38
autonomy, mastery and purpose.
272
746000
3000
selvstændighed, beherskelse, og formål.
12:41
Autonomy: the urge to direct our own lives.
273
749000
3000
Selvstændighed: trangen til at styre vores liv.
12:44
Mastery: the desire to get better and better at something that matters.
274
752000
4000
Beherskelse: trangen til at blive bedre
og bedre til noget der betyder noget.
og bedre til noget der betyder noget.
12:48
Purpose: the yearning to do what we do
275
756000
3000
Formål: længslen til at gøre det vi gør
12:51
in the service of something larger than ourselves.
276
759000
3000
for at opnå noget der er større end os selv.
12:54
These are the building blocks of an entirely new operating system
277
762000
3000
Dette er byggestenene til en helt nyt driftssystem
12:57
for our businesses.
278
765000
2000
til vores virksomheder.
12:59
I want to talk today only about autonomy.
279
767000
4000
Jeg vil i dag udelukkende tale om autonomi.
13:03
In the 20th century, we came up with this idea of management.
280
771000
3000
I det 20. århundrede, fandt vi på
denne nye ide om ledelse.
denne nye ide om ledelse.
13:06
Management did not emanate from nature.
281
774000
2000
Ledelse udsprang ikke fra naturen.
13:08
Management is like -- it's not a tree,
282
776000
2000
Ledelse er som -- det er ikke et træ,
13:10
it's a television set.
283
778000
2000
det er et fjernsyn.
13:12
Okay? Somebody invented it.
284
780000
2000
Okay? Nogen opfandt det.
13:14
And it doesn't mean it's going to work forever.
285
782000
2000
Og det betyder ikke at det
kommer til at virke for altid.
kommer til at virke for altid.
13:16
Management is great.
286
784000
2000
Ledelse er fantastisk.
13:18
Traditional notions of management are great
287
786000
2000
Traditionelle ideer om ledelse er fantastiske
13:20
if you want compliance.
288
788000
2000
hvis man vil have føjelighed.
13:22
But if you want engagement, self-direction works better.
289
790000
3000
Men hvis man vil have engagement,
fungerer autonomi bedre.
fungerer autonomi bedre.
13:25
Let me give you some examples of some kind of radical
290
793000
2000
Lad mig give jer nogle eksempler
på nogle former for omfattende
på nogle former for omfattende
13:27
notions of self-direction.
291
795000
2000
ideer om autonomi.
13:29
What this means -- you don't see a lot of it,
292
797000
3000
Det dette betyder -- man ser det ikke ofte,
13:32
but you see the first stirrings of something really interesting going on,
293
800000
3000
men man ser de første spiring af
noget virkelig interessant der foregår,
noget virkelig interessant der foregår,
13:35
because what it means is paying people adequately
294
803000
2000
fordi det betyder at, at betale folk tilstrækkeligt
13:37
and fairly, absolutely --
295
805000
2000
og retfærdigt, fuldstændigt --
13:39
getting the issue of money off the table,
296
807000
2000
at få spørgsmålet om penge af bordet,
13:41
and then giving people lots of autonomy.
297
809000
2000
og så give mennesker masser af autonomi.
13:43
Let me give you some examples.
298
811000
2000
Lad mig give jer nogle eksempler.
13:45
How many of you have heard of the company Atlassian?
299
813000
4000
Hvor mange af jer har hørt om firmaet Atlassian?
13:49
It looks like less than half.
300
817000
2000
Det ser ud til mindre end halvdelen.
13:51
(Laughter)
301
819000
2000
(Latter)
13:53
Atlassian is an Australian software company.
302
821000
4000
Atlassian er et australsk software selskab.
13:57
And they do something incredibly cool.
303
825000
2000
Og de gør noget utrolig fedt.
13:59
A few times a year they tell their engineers,
304
827000
2000
Et par gange om året fortæller de deres ingeniører,
14:01
"Go for the next 24 hours and work on anything you want,
305
829000
4000
"Smut de næste 24 timer og arbejd på hvad du vil,
14:05
as long as it's not part of your regular job.
306
833000
2000
bare det ikke er en del af dit almindelige arbejde.
14:07
Work on anything you want."
307
835000
2000
Arbejd på det du vil."
14:09
So that engineers use this time to come up with
308
837000
2000
Så ingeniørerne bruger denne tid på at finde på
14:11
a cool patch for code, come up with an elegant hack.
309
839000
3000
en fed opdatering til kode, find på en elegant hack.
14:14
Then they present all of the stuff that they've developed
310
842000
3000
Så præsenterer de alle de ting de har udviklet
14:17
to their teammates, to the rest of the company,
311
845000
3000
til deres holdkammerater, til resten af firmaet,
14:20
in this wild and wooly all-hands meeting
312
848000
2000
i dette vilde og uldne møde for alle folkene
14:22
at the end of the day.
313
850000
2000
i slutningen af dagen.
14:24
And then, being Australians, everybody has a beer.
314
852000
2000
Og så, fordi det er australiere,
får de alle sammen en øl.
får de alle sammen en øl.
14:26
They call them FedEx Days.
315
854000
3000
De kalder dem FedEx Days.
14:29
Why? Because you have to deliver something overnight.
316
857000
6000
Hvorfor? Fordi man skal levere noget til næste dag.
14:35
It's pretty. It's not bad. It's a huge trademark violation,
317
863000
2000
Det er smukt. Det er ikke dårligt. Det er en
kæmpestor overtrædelse af mærkevareloven,
kæmpestor overtrædelse af mærkevareloven,
14:37
but it's pretty clever.
318
865000
2000
men det er temmelig smart.
14:39
(Laughter)
319
867000
1000
(Latter)
14:40
That one day of intense autonomy
320
868000
2000
Den ene dag med intens autonomi
14:42
has produced a whole array of software fixes
321
870000
2000
har produceret en hel række
af softwarereparationer
af softwarereparationer
14:44
that might never have existed.
322
872000
2000
der måske aldrig havde eksisteret.
14:46
And it's worked so well that Atlassian has taken it to the next level
323
874000
2000
Og det har fungeret så godt,
at Atlassian er gået videre med det
at Atlassian er gået videre med det
14:48
with 20 Percent Time --
324
876000
2000
med 20 Percent Time --
14:50
done, famously, at Google --
325
878000
2000
gjort, glimrende, hos Google --
14:52
where engineers can work, spend 20 percent of their time
326
880000
2000
hvor ingeniører kan arbejde,
bruge 20 procent af deres tid
bruge 20 procent af deres tid
14:54
working on anything they want.
327
882000
2000
med at arbejde på det de vil.
14:56
They have autonomy over their time,
328
884000
2000
De har autonomi over deres tid,
14:58
their task, their team, their technique.
329
886000
2000
deres opgaver, deres team, deres teknik.
15:00
Okay? Radical amounts of autonomy.
330
888000
2000
Okay? Markante mængder autonomi.
15:02
And at Google, as many of you know,
331
890000
4000
Og hos Google, som mange af jer ved,
15:06
about half of the new products in a typical year
332
894000
2000
fødes omkring halvdelen af
nye produkter i et typisk år
nye produkter i et typisk år
15:08
are birthed during that 20 Percent Time:
333
896000
3000
i løbet af den 20 Percent Time:
15:11
things like Gmail, Orkut, Google News.
334
899000
3000
ting som Gmail, Orkut, Google News.
15:14
Let me give you an even more radical example of it:
335
902000
3000
Lad mig give jer et lidt mere
omfattende eksempel på det:
omfattende eksempel på det:
15:17
something called the Results Only Work Environment,
336
905000
2000
noget der hedder Results Only Work Environment,
15:19
the ROWE,
337
907000
2000
ROWE,
15:21
created by two American consultants, in place
338
909000
2000
skabt af to amerikanske konsulenter,
15:23
in place at about a dozen companies around North America.
339
911000
2000
implementeret hos omkring
et dusin selskaber i Nordamerika.
et dusin selskaber i Nordamerika.
15:25
In a ROWE people don't have schedules.
340
913000
4000
I ROWE har folk ikke tidsplaner.
15:29
They show up when they want.
341
917000
2000
De møder når de vil.
15:31
They don't have to be in the office at a certain time,
342
919000
2000
De behøver ikke at være på kontoret
på et bestemt tidspunkt,
på et bestemt tidspunkt,
15:33
or any time.
343
921000
2000
eller noget tidspunkt.
15:35
They just have to get their work done.
344
923000
2000
De skal bare gøre deres arbejde.
15:37
How they do it, when they do it,
345
925000
2000
Hvordan de gør det, hvornår de gør det,
15:39
where they do it, is totally up to them.
346
927000
3000
hvor de gør det, er helt op til dem selv.
15:42
Meetings in these kinds of environments are optional.
347
930000
4000
Møder i denne slags miljøer er valgfri.
15:46
What happens?
348
934000
2000
Hvad sker der?
15:48
Almost across the board, productivity goes up,
349
936000
3000
Næsten over det hele, stiger produktiviteten,
15:51
worker engagement goes up,
350
939000
3000
arbejderens engagement stiger,
15:54
worker satisfaction goes up, turnover goes down.
351
942000
3000
arbejderens tilfredshed stiger,
medarbejderomsætningen falder.
medarbejderomsætningen falder.
15:57
Autonomy, mastery and purpose,
352
945000
2000
Autonomi, beherskelse, og formål.
15:59
These are the building blocks of a new way of doing things.
353
947000
2000
Det er byggestenene til en ny måde
at gøre tingene på.
at gøre tingene på.
16:01
Now some of you might look at this and say,
354
949000
3000
Nu vil nogen af jer måske kigge på dette og sige,
16:04
"Hmm, that sounds nice, but it's Utopian."
355
952000
3000
"Hmm, det lyder dejligt, men det er utopisk."
16:07
And I say, "Nope. I have proof."
356
955000
5000
Og jeg siger, "Niks. Jeg har bevis."
16:12
The mid-1990s, Microsoft started
357
960000
2000
I midten af 1990'erne, startede Microsoft
16:14
an encyclopedia called Encarta.
358
962000
2000
et leksikon der hedder Encarta.
16:16
They had deployed all the right incentives,
359
964000
2000
De havde anvendt alle de rigtige incitamenter,
16:18
all the right incentives. They paid professionals to
360
966000
3000
alle de rigtige incitamenter.
De betalte professionelle for at
De betalte professionelle for at
16:21
write and edit thousands of articles.
361
969000
2000
skrive og redigere tusindvis af artikler.
16:23
Well-compensated managers oversaw the whole thing
362
971000
2000
Godt betalte ledere førte tilsyn med hele tingen
16:25
to make sure it came in on budget and on time.
363
973000
5000
for at sikre at det overholdte
budgettet og tidsplanen.
budgettet og tidsplanen.
16:30
A few years later another encyclopedia got started.
364
978000
2000
Et par år senere startede et andet leksikon.
16:32
Different model, right?
365
980000
3000
En anden model, ikke?
16:35
Do it for fun. No one gets paid a cent, or a Euro or a Yen.
366
983000
4000
Gør det for sjovt.
Der er ingen der får nogen som helst betaling.
Der er ingen der får nogen som helst betaling.
16:39
Do it because you like to do it.
367
987000
3000
Gør det fordi du kan lide at gøre det.
16:42
Now if you had, just 10 years ago,
368
990000
3000
Hvis man nu var, for kun 10 år siden,
16:45
if you had gone to an economist, anywhere,
369
993000
2000
hvis man var gået til en økonom, hvor som helst,
16:47
and said, "Hey, I've got these two different models for creating an encyclopedia.
370
995000
4000
og havde sagt, " Hey, jeg har disse to
forskellige modeller til at skabe et leksikon.
forskellige modeller til at skabe et leksikon.
16:51
If they went head to head, who would win?"
371
999000
3000
Hvis de gik op imod hinanden, hvilken ville vinde?"
16:54
10 years ago you could not have found a single sober economist anywhere
372
1002000
4000
For 10 år siden kunne man ikke have fundet
en eneste alvorlig økonom noget sted
en eneste alvorlig økonom noget sted
16:58
on planet Earth
373
1006000
2000
på planeten Jorden
17:00
who would have predicted the Wikipedia model.
374
1008000
2000
der ville have forudsagt Wikipedia modellen.
17:02
This is the titanic battle between these two approaches.
375
1010000
3000
Dette er en gigantisk kamp mellem de to tilgange.
17:05
This is the Ali-Frazier of motivation. Right?
376
1013000
3000
Dette er Ali-Frazierens svar på motivation. Ikke?
17:08
This is the Thrilla' in Manila.
377
1016000
2000
Dette er Thrilla' in Manila.
17:10
Alright? Intrinsic motivators versus extrinsic motivators.
378
1018000
3000
Okay? Indre motivationselementer imod
udefrakommende motivationselementer.
udefrakommende motivationselementer.
17:13
Autonomy, mastery and purpose,
379
1021000
2000
Autonomi, beherskelse, og formål,
17:15
versus carrot and sticks. And who wins?
380
1023000
2000
imod gulerod og stok. Og hvem vinder?
17:17
Intrinsic motivation, autonomy, mastery and purpose,
381
1025000
3000
Indre motivation, autonomi, beherskelse og formål,
17:20
in a knockout. Let me wrap up.
382
1028000
4000
ved knockout. Lad mig slutte af.
17:24
There is a mismatch between what science knows and what business does.
383
1032000
3000
Der er et misforhold mellem det videnskab ved
og det forretningslivet gør.
og det forretningslivet gør.
17:27
And here is what science knows.
384
1035000
2000
Og her er hvad videnskaben ved.
17:29
One: Those 20th century rewards,
385
1037000
2000
Et: De belønninger fra det 20. århundrede,
17:31
those motivators we think are a natural part of business,
386
1039000
3000
de motivationsforhold som vi mener
er en naturlig del af forretningslivet,
er en naturlig del af forretningslivet,
17:34
do work, but only in a surprisingly narrow band of circumstances.
387
1042000
4000
fungerer, men kun hos et overraskende
snævert antal omstændigheder.
snævert antal omstændigheder.
17:38
Two: Those if-then rewards often destroy creativity.
388
1046000
4000
To: De hvis-så belønninger
ødelægger ofte kreativitet.
ødelægger ofte kreativitet.
17:42
Three: The secret to high performance
389
1050000
2000
Tre: Hemmeligheden bag store præstationer
17:44
isn't rewards and punishments,
390
1052000
2000
er ikke belønning og straf,
17:46
but that unseen intrinsic drive --
391
1054000
2000
men den usete indre drivkraft --
17:48
the drive to do things for their own sake.
392
1056000
3000
drivkraften til at gøre ting for deres egen skyld.
17:51
The drive to do things cause they matter.
393
1059000
2000
Drivkraften til at gøre ting fordi de betyder noget.
17:53
And here's the best part. Here's the best part.
394
1061000
2000
Og her er den bedste del ved det.
Her er den bedste del.
Her er den bedste del.
17:55
We already know this. The science confirms what we know in our hearts.
395
1063000
3000
Vi ved det allerede. Videnskaben
bekræfter det vi ved i vores hjerte.
bekræfter det vi ved i vores hjerte.
17:58
So, if we repair this mismatch
396
1066000
3000
Så hvis vi reparerer dette misforhold
18:01
between what science knows and what business does,
397
1069000
2000
mellem det videnskaben ved
og det forretningslivet gør,
og det forretningslivet gør,
18:03
if we bring our motivation, notions of motivation
398
1071000
3000
hvis vi medbringer vores motivation,
ideer om motivation
ideer om motivation
18:06
into the 21st century,
399
1074000
2000
ind i det 21. århundrede,
18:08
if we get past this lazy, dangerous, ideology
400
1076000
4000
hvis vi sætter os ud over denne dovne,
farlige, ideologi
farlige, ideologi
18:12
of carrots and sticks,
401
1080000
2000
med gulerødder og stokke,
18:14
we can strengthen our businesses,
402
1082000
3000
kan vi styrke vores forretninger,
18:17
we can solve a lot of those candle problems,
403
1085000
3000
vi kan løse mange af lysproblemerne,
18:20
and maybe, maybe, maybe
404
1088000
4000
og måske, måske, måske
18:24
we can change the world.
405
1092000
2000
vi kan ændre verden.
18:26
I rest my case.
406
1094000
2000
Jeg har ikke mere at sige.
18:28
(Applause)
407
1096000
3000
(Bifald)
ABOUT THE SPEAKER
Dan Pink - Career analystBidding adieu to his last "real job" as Al Gore's speechwriter, Dan Pink went freelance to spark a right-brain revolution in the career marketplace.
Why you should listen
With a trio of influential bestsellers, Dan Pink has changed the way companies view the modern workplace. In the pivotal A Whole New Mind, Pink identifies a sea change in the global workforce -- the shift of an information-based corporate culture to a conceptual base, where creativity and big-picture design dominates the landscape.
His latest book, The Adventures of Johnny Bunko, is an evolutionary transformation of the familiar career guide. Replacing linear text with a manga-inspired comic, Pink outlines six career laws vastly differing from the ones you've been taught. Members of the Johnny Bunko online forum participated in an online contest to create the seventh law -- "stay hungry."
A contributing editor for Wired, Pink is working on a new book on the science and economics of motivation for release in late 2009.
Dan Pink | Speaker | TED.com