TEDGlobal 2009
Dan Pink: The puzzle of motivation
דן פינק: הפאזל של הנוטיבציה
Filmed:
Readability: 4
25,352,736 views
דן פינק, העוסק בניתוח תעסוקתי, בוחן את חידת המוטיבציה. הוא מתחיל עם עובדה המוכרת למדענים חברתיים אך אינה מוכרת למנהלים: תגמולים מסורתיים לא תמיד יעילים כמו שאנו חושבים. הקשיבו לסיפורים מאירי עיניים -- ואולי, לדרך קדימה.
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
עלי להתוודות עוד בתחילת דברי.
לפני קצת יותר מ-20 שנים
עשיתי משהו שאני מתחרט עליו,
עשיתי משהו שאני מתחרט עליו,
00:16
A little over 20 years ago
1
4000
3000
00:19
I did something that I regret,
2
7000
2000
00:21
something that I'm not particularly proud of,
3
9000
4000
משהו שאני לא מתגאה בו,
משהו שבדרכים רבות,
אני מקווה שאף אחד לא יגלה לעולם,
אני מקווה שאף אחד לא יגלה לעולם,
00:25
something that, in many ways, I wish no one would ever know,
4
13000
3000
00:28
but here I feel kind of obliged to reveal.
5
16000
4000
אבל כאן אני מרגיש שמחובתי לגלותו.
[צחוק]
00:32
(Laughter)
6
20000
2000
סוף שנות ה-1980,
00:34
In the late 1980s,
7
22000
2000
ברגע של חוסר שיקול דעת של בני הנעורים,
00:36
in a moment of youthful indiscretion,
8
24000
3000
00:39
I went to law school.
9
27000
2000
נרשמתי לבית הספר למשפטים.
[צחוק]
00:41
(Laughter)
10
29000
4000
00:45
Now, in America law is a professional degree:
11
33000
3000
באמריקה, תואר במשפטים הוא תואר מקצועי.
מקבלים תואר אוניברסיטאי ואז נרשמים לבית הספר למשפטים.
00:48
you get your university degree, then you go on to law school.
12
36000
2000
00:50
And when I got to law school,
13
38000
3000
וכשהגעתי לבית הספר למשפטים,
לא כל כך הלך לי,
00:53
I didn't do very well.
14
41000
2000
00:55
To put it mildly, I didn't do very well.
15
43000
2000
בלשון המעטה. לא ממש הלך לי.
00:57
I, in fact, graduated in the part of my law school class
16
45000
3000
למעשה, אני הייתי שייך לחלק של הכיתה
01:00
that made the top 90 percent possible.
17
48000
4000
שאיפשר את קיומם של 90 האחוז המובילים.
01:04
(Laughter)
18
52000
4000
[צחוק]
01:08
Thank you.
19
56000
3000
תודה.
מעולם לא עסקתי במשפטים.
01:11
I never practiced law a day in my life;
20
59000
3000
01:14
I pretty much wasn't allowed to.
21
62000
2000
פשוט לא היה לי רשיון.
01:16
(Laughter)
22
64000
3000
[צחוק]
01:19
But today, against my better judgment,
23
67000
3000
אבל היום, בניגוד לשיקול דעתי,
01:22
against the advice of my own wife,
24
70000
3000
ובניגוד לעצתה של אשתי,
01:25
I want to try to dust off some of those legal skills --
25
73000
4000
ברצוני לנסות להסיר את האבק
מכמה הכישורים המשפטיים האלה,
מכמה הכישורים המשפטיים האלה,
01:29
what's left of those legal skills.
26
77000
2000
ממה שנותר מהכישורים המשפטיים האלה.
01:31
I don't want to tell you a story.
27
79000
3000
אני לא רוצה לספר לכם סיפור.
01:34
I want to make a case.
28
82000
2000
אני רוצה לבנות טיעון.
01:36
I want to make a hard-headed, evidence-based,
29
84000
4000
אני רוצה לבנות טיעון מוצק,
המבוסס על עובדות,
01:40
dare I say lawyerly case,
30
88000
3000
ואני מעז לומר טיעון עורך-דיני,
01:43
for rethinking how we run our businesses.
31
91000
4000
לחשיבה מחדש על הדרך בה
אנו מנהלים את העסקים שלנו.
אנו מנהלים את העסקים שלנו.
01:47
So, ladies and gentlemen of the jury, take a look at this.
32
95000
4000
אם כך, גבירותי ורבותי,
חברי חבר המושבעים,
חברי חבר המושבעים,
התבוננו בדבר הבא.
01:51
This is called the candle problem.
33
99000
2000
זוהי בעיית הנר.
01:53
Some of you might have seen this before.
34
101000
2000
יתכן שחלקכם כבר ראה אותה.
01:55
It's created in 1945
35
103000
2000
היא נוצרה ב-1945
01:57
by a psychologist named Karl Duncker.
36
105000
2000
ע"י פסיכולוג בשם קרל דונקר.
01:59
Karl Duncker created this experiment
37
107000
2000
קרל דונקר המציא את הניסוי הזה
02:01
that is used in a whole variety of experiments in behavioral science.
38
109000
3000
שנמצא בשימוש במדעי ההתנהגות
במגוון ניסויים.
במגוון ניסויים.
02:04
And here's how it works. Suppose I'm the experimenter.
39
112000
3000
וככה הוא הולך. נניח שאני עורך הניסויים.
02:07
I bring you into a room. I give you a candle,
40
115000
4000
אני מכניס אתכם לחדר.
אני נותן לכם נר,
כמה נעצים וכמה גפרורים.
כמה נעצים וכמה גפרורים.
02:11
some thumbtacks and some matches.
41
119000
2000
ואני אומר לכם,
02:13
And I say to you, "Your job
42
121000
2000
"המשימה שלכם היא
לחבר את הנר אל הקיר
לחבר את הנר אל הקיר
02:15
is to attach the candle to the wall
43
123000
2000
02:17
so the wax doesn't drip onto the table." Now what would you do?
44
125000
4000
כך שלא תטפטף שעווה על השולחן."
מה הייתם עושים?
02:21
Now many people begin trying to thumbtack the candle to the wall.
45
129000
4000
הרבה אנשים מתחילים לנסות
לחבר את הנר לקיר עם הנעצים.
לחבר את הנר לקיר עם הנעצים.
02:25
Doesn't work.
46
133000
2000
זה לא עובד.
ראיתי מישהו סוג של עושה את התנועה פה --
02:27
Somebody, some people -- and I saw somebody
47
135000
2000
02:29
kind of make the motion over here --
48
137000
2000
02:31
some people have a great idea where they
49
139000
2000
לחלק מהאנשים יש רעיון נפלא
בו הם מדליקים את הגפרור,
בו הם מדליקים את הגפרור,
02:33
light the match, melt the side of the candle, try to adhere it to the wall.
50
141000
4000
ממיסים את הצד של הנר
ומנסים להדביק אותו לקיר.
ומנסים להדביק אותו לקיר.
02:37
It's an awesome idea. Doesn't work.
51
145000
3000
זה רעיון מצויין אבל הוא לא עובד.
02:40
And eventually, after five or 10 minutes,
52
148000
3000
ובסופו של דבר, אחרי 5 או 10 דקות,
02:43
most people figure out the solution,
53
151000
2000
רוב האנשים מוצאים את הפתרון,
02:45
which you can see here.
54
153000
2000
שאתם יכולים לראות כאן.
המפתח הוא להתגבר על מה שנקרא קבעון תפקודי.
02:47
The key is to overcome what's called functional fixedness.
55
155000
3000
02:50
You look at that box and you see it only as a receptacle for the tacks.
56
158000
4000
אתם מביטים על הקופסה הזאת
ואתם רואים אותה רק ככלי קיבול לנעצים.
ואתם רואים אותה רק ככלי קיבול לנעצים.
02:54
But it can also have this other function,
57
162000
2000
אבל היא יכולה לשמש גם
02:56
as a platform for the candle. The candle problem.
58
164000
4000
כמשטח עבור הנר.
בעיית הנר.
03:00
Now I want to tell you about an experiment
59
168000
2000
עכשיו ברצוני לספר לכם על ניסוי
שמשתמש בבעיית הנר,
שמשתמש בבעיית הנר,
03:02
using the candle problem,
60
170000
2000
שבוצע ע"י מדען בשם סם גלוקסברג,
03:04
done by a scientist named Sam Glucksberg,
61
172000
2000
03:06
who is now at Princeton University in the U.S.
62
174000
2000
שנמצא עכשיו בארה"ב באוניברסיטת פרינסטון.
03:08
This shows the power of incentives.
63
176000
4000
הוא מראה את הכוח של תמריצים.
03:12
Here's what he did. He gathered his participants.
64
180000
2000
הוא אסף את המשתתפים ואמר,
03:14
And he said, "I'm going to time you. How quickly you can solve this problem?"
65
182000
3000
"אני עומד למדוד לכם זמנים.
כמה מהר תוכלו לפתור את הבעיה."
כמה מהר תוכלו לפתור את הבעיה."
03:17
To one group he said,
66
185000
2000
לקבוצה אחת הוא אמר,
03:19
"I'm going to time you to establish norms,
67
187000
3000
"אני עומד למדוד לכם זמנים
כדי לקבוע נורמות,
כדי לקבוע נורמות,
03:22
averages for how long it typically takes
68
190000
2000
ממוצעים של הזמן האופייני הדרוש
לפתרון בעיה מהסוג הזה."
לפתרון בעיה מהסוג הזה."
03:24
someone to solve this sort of problem."
69
192000
2000
03:26
To the second group he offered rewards.
70
194000
3000
לקבוצה השנייה הוא הציע פרסים.
03:29
He said, "If you're in the top 25 percent of the fastest times,
71
197000
4000
הוא אמר, "אם תהיו ב-25 האחוז העליונים
של הזמנים הגבוהים ביותר
של הזמנים הגבוהים ביותר
03:33
you get five dollars.
72
201000
3000
תקבלו 5 דולר.
אם תהיו הכי מהירים
מבין כל מי שנבדק כאן היום
מבין כל מי שנבדק כאן היום
03:36
If you're the fastest of everyone we're testing here today,
73
204000
3000
03:39
you get 20 dollars."
74
207000
2000
תקבלו 20 דולר."
03:41
Now this is several years ago. Adjusted for inflation,
75
209000
3000
זה היה לפני כמה שנים, מותאם לאינפלציה.
סכום די מכובד עבור כמה דקות של עבודה.
03:44
it's a decent sum of money for a few minutes of work.
76
212000
2000
03:46
It's a nice motivator.
77
214000
2000
מניע לא רע.
03:48
Question: How much faster
78
216000
3000
שאלה: בכמה יותר מהר
פתרה הקבוצה הזאת את הבעיה?
03:51
did this group solve the problem?
79
219000
2000
03:53
Answer: It took them, on average,
80
221000
3000
תשובה: זה לקח להם, בממוצע,
שלוש וחצי דקות יותר.
03:56
three and a half minutes longer.
81
224000
4000
04:00
Three and a half minutes longer. Now this makes no sense right?
82
228000
3000
שלוש וחצי דקות יותר.
זה לא הגיוני. נכון?
04:03
I mean, I'm an American. I believe in free markets.
83
231000
3000
אני מתכוון, אני אמריקאי.
אני מאמין בשווקים חופשיים.
אני מאמין בשווקים חופשיים.
04:06
That's not how it's supposed to work. Right?
84
234000
3000
זה לא אמור לעבוד ככה. לא?
04:09
(Laughter)
85
237000
1000
[צחוק]
04:10
If you want people to perform better,
86
238000
2000
אם רוצים שאנשים ישפרו את התפקוד שלהם,
מתגמלים אותם. נכון?
מתגמלים אותם. נכון?
04:12
you reward them. Right?
87
240000
2000
04:14
Bonuses, commissions, their own reality show.
88
242000
3000
בונוסים, עמלות, תוכנית ריאליטי משלהם.
04:17
Incentivize them. That's how business works.
89
245000
4000
נותנים להם תמריצים.
ככה עסקים פועלים.
04:21
But that's not happening here.
90
249000
2000
אבל זה לא מה שקורה כאן.
04:23
You've got an incentive designed to
91
251000
2000
יש תמריץ שמטרתו
04:25
sharpen thinking and accelerate creativity,
92
253000
4000
לחדד את החשיבה ולהאיץ את היצירתיות.
והוא עושה בדיוק ההפך.
04:29
and it does just the opposite.
93
257000
2000
04:31
It dulls thinking and blocks creativity.
94
259000
3000
הוא מערפל את החשיבה וחוסם את היצירתיות.
04:34
And what's interesting about this experiment is that it's not an aberration.
95
262000
3000
ומה שמעניין בניסוי הזה
הוא שהוא לא מהווה חריגה.
04:37
This has been replicated over and over
96
265000
3000
חזרו עליו שוב ושוב ושוב
04:40
and over again, for nearly 40 years.
97
268000
3000
במשך כמעט 40 שנים.
04:43
These contingent motivators --
98
271000
3000
התמריצים האפשריים האלה -
04:46
if you do this, then you get that --
99
274000
2000
אם תעשה ככה, תקבל את זה --
04:48
work in some circumstances.
100
276000
2000
עובדים בחלק מהמקרים.
04:50
But for a lot of tasks, they actually either don't work
101
278000
3000
אבל עבור משימות רבות,
הם למעשה או לא עובדים
הם למעשה או לא עובדים
04:53
or, often, they do harm.
102
281000
3000
או, לעיתים קרובות, גורמים לנזק.
04:56
This is one of the most robust findings
103
284000
4000
זהו אחד מהממצאים החזקים והעקביים ביותר
במדעי החברה,
במדעי החברה,
05:00
in social science,
104
288000
3000
ואחד הממצאים שהכי מתעלמים מהם.
05:03
and also one of the most ignored.
105
291000
2000
05:05
I spent the last couple of years looking at the science of
106
293000
2000
ביליתי את השנתיים האחרונות
בהתבוננות במדע המוטיבציה האנושית.
05:07
human motivation,
107
295000
2000
ובפרט, בדינמיקה של תמריצים חיצוניים
05:09
particularly the dynamics of extrinsic motivators
108
297000
2000
05:11
and intrinsic motivators.
109
299000
2000
ותמריצים פנימיים.
05:13
And I'm telling you, it's not even close.
110
301000
2000
ואני אומר לכם, זה אפילו לא קרוב.
05:15
If you look at the science, there is a mismatch
111
303000
2000
אם מסתכלים על המדע, יש חוסר התאמה
05:17
between what science knows and what business does.
112
305000
4000
בין מה שהמדע יודע
ובין מה שעסקים עושים.
05:21
And what's alarming here is that our business operating system --
113
309000
3000
ומה שמדאיג כאן זה
שמערכת ההפעלה העסקית שלנו -
שמערכת ההפעלה העסקית שלנו -
05:24
think of the set of assumptions and protocols beneath our businesses,
114
312000
3000
חישבו על ההנחות והפרוטוקולים
שעומדים בבסיס העסקים שלנו,
שעומדים בבסיס העסקים שלנו,
05:27
how we motivate people, how we apply our human resources --
115
315000
5000
איך אנחנו ממריצים אנשים, איך אנחנו
מיישמים את המשאבים האנושיים שלנו--
מיישמים את המשאבים האנושיים שלנו--
05:32
it's built entirely around these extrinsic motivators,
116
320000
3000
הכל בנוי לחלוטין סביב
התמריצים החיצוניים האלו,
התמריצים החיצוניים האלו,
05:35
around carrots and sticks.
117
323000
2000
סביב גזרים ומקלות.
05:37
That's actually fine for many kinds of 20th century tasks.
118
325000
4000
זה בסדר גמור עבור סוגים רבים
של משימות של המאה ה-20.
של משימות של המאה ה-20.
05:41
But for 21st century tasks,
119
329000
2000
אבל עבור משימות של המאה ה-21,
05:43
that mechanistic, reward-and-punishment approach
120
331000
4000
הגישה המכניסטית הזאת של שכר ועונש
05:47
doesn't work, often doesn't work, and often does harm.
121
335000
4000
לא עובדת.
לעיתים קרובות היא לא עובדת
ולעיתים קרובות גורמת לנזקים.
05:51
Let me show you what I mean.
122
339000
2000
אראה לכם את כוונתי.
גלוקסברג ערך ניסוי דומה נוסף
05:53
So Glucksberg did another experiment similar to this
123
341000
3000
בו הוא הציג את הבעיה בצורה קצת שונה,
05:56
where he presented the problem in a slightly different way,
124
344000
2000
05:58
like this up here. Okay?
125
346000
3000
כמו זו שכאן.
חברו את הנר לקיר כך
ששעווה לא תטפטף על השולחן.
ששעווה לא תטפטף על השולחן.
06:01
Attach the candle to the wall so the wax doesn't drip onto the table.
126
349000
2000
06:03
Same deal. You: we're timing for norms.
127
351000
3000
אותה עסקה. אתם: אנחנו
מודדים זמנים עבור נורמות.
מודדים זמנים עבור נורמות.
06:06
You: we're incentivizing.
128
354000
3000
אתם: אנחנו נותנים תמריצים.
מה קרה עכשיו?
06:09
What happened this time?
129
357000
2000
06:11
This time, the incentivized group
130
359000
2000
הפעם, הקבוצה עם התמריצים
הביסה את הקבוצה השניה בגדול.
הביסה את הקבוצה השניה בגדול.
06:13
kicked the other group's butt.
131
361000
4000
06:17
Why? Because when the tacks are out of the box,
132
365000
4000
למה?
כי כשהנעצים מחוץ לקופסה
06:21
it's pretty easy isn't it?
133
369000
4000
זה די קל נכון?
06:25
(Laughter)
134
373000
2000
[צחוק]
06:27
If-then rewards work really well
135
375000
3000
תגמולים של אם-אז עובדים מצויין
עבור מטלות מהסוג הזה,
עבור מטלות מהסוג הזה,
06:30
for those sorts of tasks,
136
378000
3000
כאשר יש קבוצת כללים פשוטה
06:33
where there is a simple set of rules and a clear destination
137
381000
2000
ומטרה ברורה להגיע אליה.
06:35
to go to.
138
383000
2000
06:37
Rewards, by their very nature,
139
385000
2000
תגמולים, מעצם טבעם,
06:39
narrow our focus, concentrate the mind;
140
387000
2000
מצמצמים את ההתמקדות שלנו, מרכזים את התודעה.
06:41
that's why they work in so many cases.
141
389000
2000
וזאת הסיבה לכך שהם פועלים במקרים כה רבים.
06:43
And so, for tasks like this,
142
391000
2000
וכך, עבור משימות כאלה,
06:45
a narrow focus, where you just see the goal right there,
143
393000
3000
התמקדות מצומצמת, כשרואים מייד את המטרה,
06:48
zoom straight ahead to it,
144
396000
2000
ונעים אליה במהירות,
06:50
they work really well.
145
398000
2000
עובדים מצויין.
אבל עבור בעיית הנר האמיתית,
06:52
But for the real candle problem,
146
400000
2000
06:54
you don't want to be looking like this.
147
402000
2000
לא רוצים לחפש בדרך הזאת.
06:56
The solution is not over here. The solution is on the periphery.
148
404000
2000
הפתרון אינו כאן אלא בהיקף.
צריך לחפש מסביב.
צריך לחפש מסביב.
06:58
You want to be looking around.
149
406000
2000
התגמול למעשה מצמצם את ההתמקדות שלנו
07:00
That reward actually narrows our focus
150
408000
2000
07:02
and restricts our possibility.
151
410000
2000
ומצמצם את האפשרויות שלנו.
07:04
Let me tell you why this is so important.
152
412000
3000
אסביר את חשיבותו הרבה של הדבר.
07:07
In western Europe,
153
415000
2000
באירופה המערבית,
07:09
in many parts of Asia,
154
417000
2000
בחלקים גדולים של אסיה,
07:11
in North America, in Australia,
155
419000
3000
בצפון אמריקה, באוסטרליה,
07:14
white-collar workers are doing less of
156
422000
2000
עובדי הצווארון הלבן עוסקים פחות
בעבודה מהסוג הזה,
בעבודה מהסוג הזה,
07:16
this kind of work,
157
424000
2000
ויותר בסוג העבודה הזה.
07:18
and more of this kind of work.
158
426000
4000
עבודה שגרתית זו של המוח השמאלי,
המבוססת על כללים,
המבוססת על כללים,
07:22
That routine, rule-based, left-brain work --
159
430000
3000
סוגים מסויימים של הנהלת חשבונות
ושל ניתוח פיננסי,
ושל ניתוח פיננסי,
07:25
certain kinds of accounting, certain kinds of financial analysis,
160
433000
2000
07:27
certain kinds of computer programming --
161
435000
2000
תכנות מחשבים --
07:29
has become fairly easy to outsource,
162
437000
2000
הפכו לנוחים למיקור חוץ,
07:31
fairly easy to automate.
163
439000
2000
נוחים לאוטומציה.
07:33
Software can do it faster.
164
441000
3000
תוכנה יכולה לבצע זאת מהר יותר.
ספקים זולים יכולים לעשות זאת בפחות כסף.
07:36
Low-cost providers around the world can do it cheaper.
165
444000
2000
07:38
So what really matters are the more right-brained
166
446000
4000
אז מה שבאמת חשוב
הן היכולות היצירתיות והתפיסתיות
של הצד הימני של המוח.
של הצד הימני של המוח.
07:42
creative, conceptual kinds of abilities.
167
450000
3000
07:45
Think about your own work.
168
453000
3000
חישבו על העבודה שלכם.
07:48
Think about your own work.
169
456000
3000
חישבו על העבודה שלכם.
האם הבעיות עמן אתם מתמודדים,
07:51
Are the problems that you face, or even the problems
170
459000
2000
או אפילו הבעיות
שדיברנו עליהן כאן,
שדיברנו עליהן כאן,
07:53
we've been talking about here,
171
461000
2000
07:55
are those kinds of problems -- do they have a clear set of rules,
172
463000
2000
האם יש להן מערכת כללים ברורה
07:57
and a single solution? No.
173
465000
3000
ופתרון יחיד?
לא. הכללים מסתוריים.
08:00
The rules are mystifying.
174
468000
2000
08:02
The solution, if it exists at all,
175
470000
2000
הפתרון, אם הוא קיים בכלל,
08:04
is surprising and not obvious.
176
472000
3000
הוא מפתיע ולא מובן מאליו.
08:07
Everybody in this room
177
475000
2000
כל אחד בחדר הזה
08:09
is dealing with their own version
178
477000
3000
עוסק בגירסה משלו לבעיית הנר.
08:12
of the candle problem.
179
480000
2000
08:14
And for candle problems of any kind,
180
482000
3000
ולכל סוגי בעיות הנר,
08:17
in any field,
181
485000
2000
בתחום כלשהו,
התגמולים האלה של אם-אז,
08:19
those if-then rewards,
182
487000
3000
הדברים סביבם בנינו עסקים כה רבים,
08:22
the things around which we've built so many of our businesses,
183
490000
4000
08:26
don't work.
184
494000
2000
לא עובדים.
זה משגע אותי.
08:28
Now, I mean it makes me crazy.
185
496000
2000
08:30
And this is not -- here's the thing.
186
498000
2000
והנה העניין.
08:32
This is not a feeling.
187
500000
3000
זוהי לא תחושה.
08:35
Okay? I'm a lawyer; I don't believe in feelings.
188
503000
3000
אוקי? אני עורך דין. אני לא מאמין בתחושות.
08:38
This is not a philosophy.
189
506000
4000
זוהי לא פילוסופיה.
08:42
I'm an American; I don't believe in philosophy.
190
510000
2000
אני אמריקאי. אני לא מאמין בפילוסופיה.
08:44
(Laughter)
191
512000
3000
[צחוק]
08:47
This is a fact --
192
515000
3000
זוהי עובדה --
08:50
or, as we say in my hometown of Washington, D.C.,
193
518000
2000
או, כפי שאנו אומרים בעיר שלי וושינגטון די.סי,
08:52
a true fact.
194
520000
2000
עובדה אמיתית.
08:54
(Laughter)
195
522000
2000
[צחוק]
08:56
(Applause)
196
524000
4000
[מחיאות כפיים]
09:00
Let me give you an example of what I mean.
197
528000
2000
אציג בפניכם דוגמא לכוונתי.
09:02
Let me marshal the evidence here,
198
530000
2000
אציג את העובדות כסדרן.
09:04
because I'm not telling you a story, I'm making a case.
199
532000
2000
כי אני לא מספר סיפור. אני מציג טיעון.
09:06
Ladies and gentlemen of the jury, some evidence:
200
534000
2000
גבירותי ורבותי חברי חבר המושבעים, עובדות:
09:08
Dan Ariely, one of the great economists of our time,
201
536000
3000
דן אריאלי, אחד מגדולי הכלכלנים של ימינו,
09:11
he and three colleagues, did a study of some MIT students.
202
539000
4000
ביחד עם שלושה עמיתים,
ערכו מחקר על סטודנטים של MIT.
ערכו מחקר על סטודנטים של MIT.
09:15
They gave these MIT students a bunch of games,
203
543000
3000
הם נתנו לסטודנטים חבילת משחקים.
09:18
games that involved creativity,
204
546000
2000
משחקים שדורשים יצירתיות,
09:20
and motor skills, and concentration.
205
548000
2000
כישורים מוטוריים וריכוז.
09:22
And the offered them, for performance,
206
550000
2000
והם הציעו להם, עבור הביצועים שלהם,
09:24
three levels of rewards:
207
552000
2000
3 רמות של פרסים.
09:26
small reward, medium reward, large reward.
208
554000
5000
תגמול קטן, תגמול בינוני, תגמול גדול.
אוקי? אם אתה מצליח מאוד
תקבל את הפרס הגדול, וכן הלאה.
תקבל את הפרס הגדול, וכן הלאה.
09:31
Okay? If you do really well you get the large reward, on down.
209
559000
4000
מה קרה?
09:35
What happened? As long as the task involved only mechanical skill
210
563000
4000
כאשר המשימה דרשה רק כישורים מכאניים,
09:39
bonuses worked as they would be expected:
211
567000
2000
הבונוסים פעלו כפי שציפו מהם:
09:41
the higher the pay, the better the performance.
212
569000
4000
ככל שהתשלום היה גבוה יותר,
הביצועים היו טובים יותר.
הביצועים היו טובים יותר.
אוקיי?
09:45
Okay? But one the task called for
213
573000
2000
אבל כאשר המשימה דרשה
אפילו כישורים קוגניטיביים בסיסיים,
אפילו כישורים קוגניטיביים בסיסיים,
09:47
even rudimentary cognitive skill,
214
575000
4000
09:51
a larger reward led to poorer performance.
215
579000
5000
פרס גדול יותר הוביל לביצועים גרועים יותר.
09:56
Then they said,
216
584000
2000
אז הם אמרו,
09:58
"Okay let's see if there's any cultural bias here.
217
586000
2000
"אוקי, בואו נבדוק אם יש כאן הטיה תרבותית.
10:00
Lets go to Madurai, India and test this."
218
588000
2000
בואו נלך למדוראי בהודו
ונבדוק שם."
ונבדוק שם."
10:02
Standard of living is lower.
219
590000
2000
רמת החיים יותר נמוכה.
10:04
In Madurai, a reward that is modest in North American standards,
220
592000
3000
במדוראי, פרס שהוא צנוע
במונחים של צפון אמריקה,
במונחים של צפון אמריקה,
10:07
is more meaningful there.
221
595000
3000
הוא הרבה יותר משמעותי.
אותה עסקה. קבוצת משחקים,
3 רמות של פרסים.
3 רמות של פרסים.
10:10
Same deal. A bunch of games, three levels of rewards.
222
598000
3000
10:13
What happens?
223
601000
2000
מה קרה?
10:15
People offered the medium level of rewards
224
603000
3000
ההשגים של האנשים שהציעו להם
את הרמה הבינונית של הפרסים
את הרמה הבינונית של הפרסים
10:18
did no better than people offered the small rewards.
225
606000
3000
לא היו טובים יותר מאלה
שהציעו להם את הפרסים הקטנים.
שהציעו להם את הפרסים הקטנים.
אבל הפעם, ההשגים של האנשים
שהציעו להם את הפרסים הגבוהים ביותר,
שהציעו להם את הפרסים הגבוהים ביותר,
10:21
But this time, people offered the highest rewards,
226
609000
4000
10:25
they did the worst of all.
227
613000
4000
היו הנמוכים ביותר.
ב-8 מתוך 9 מהמשימות
שבדקנו לאורך 3 ניסויים,
שבדקנו לאורך 3 ניסויים,
10:29
In eight of the nine tasks we examined across three experiments,
228
617000
3000
10:32
higher incentives led to worse performance.
229
620000
5000
תמריצים גבוהים יותר
הובילו לביצועים נמוכים יותר.
הובילו לביצועים נמוכים יותר.
10:37
Is this some kind of touchy-feely
230
625000
3000
האם מתרחש כאן סוג כלשהו
של קנוניה סוציאליסטית דביקה?
של קנוניה סוציאליסטית דביקה?
10:40
socialist conspiracy going on here?
231
628000
3000
10:43
No. These are economists from MIT,
232
631000
3000
לא. אלה הם כלכלנים מה-MIT,
10:46
from Carnegie Mellon, from the University of Chicago.
233
634000
3000
מקרנגי מלון, מאוניברסיטת שיקגו.
10:49
And do you know who sponsored this research?
234
637000
2000
ואתם יודעים מי היה
נותן החסות של המחקר הזה?
נותן החסות של המחקר הזה?
10:51
The Federal Reserve Bank of the United States.
235
639000
4000
בנק הפדרל ריזרב של ארה"ב.
10:55
That's the American experience.
236
643000
2000
זהו הניסיון האמריקאי.
10:57
Let's go across the pond to the London School of Economics --
237
645000
3000
נחצה את האוקיינוס
אל בית הספר לכלכלה של לונדון.
אל בית הספר לכלכלה של לונדון.
11:00
LSE, London School of Economics,
238
648000
3000
LSE - בית הספר לכלכלה של לונדון.
11:03
alma mater of 11 Nobel Laureates in economics.
239
651000
3000
ה"אלמה מאטר" של 11 חתני פרס נובל בכלכלה.
11:06
Training ground for great economic thinkers
240
654000
3000
מקום ההכשרה של הוגים כלכליים דגולים
11:09
like George Soros, and Friedrich Hayek,
241
657000
3000
כמו ג'ורג' סורוס, ופרידריך האייק,
11:12
and Mick Jagger. (Laughter)
242
660000
2000
ומיק ג'אגר.
[צחוק]
11:14
Last month, just last month,
243
662000
4000
בחודש האחרון,
רק בחודש האחרון,
כלכלנים ב-LSE בחנו 51 מחקרים
11:18
economists at LSE looked at 51 studies
244
666000
3000
11:21
of pay-for-performance plans, inside of companies.
245
669000
3000
של מפעלים שמשלמים
עבור ביצועים, בתוך חברות.
עבור ביצועים, בתוך חברות.
11:24
Here's what the economists there said: "We find that financial incentives
246
672000
3000
וזה מה שהכלכלנים שם אמרו,
"מצאנו שתמריצים כספיים
11:27
can result in a negative impact on overall performance."
247
675000
6000
יכולים לגרום להשפעה שלילית
על הביצועים הכוללים."
על הביצועים הכוללים."
יש חוסר התאמה בין מה שהמדע יודע
11:33
There is a mismatch between what science knows
248
681000
3000
11:36
and what business does.
249
684000
2000
ומה שהעסקים עושים.
11:38
And what worries me, as we stand here in the rubble
250
686000
3000
מה שמדאיג אותי,
כשאנו עומדים כאן בעיי החורבות
כשאנו עומדים כאן בעיי החורבות
11:41
of the economic collapse,
251
689000
2000
של המפולת הכלכלית,
11:43
is that too many organizations
252
691000
2000
זה שיותר מדי ארגונים מקבלים החלטות,
11:45
are making their decisions,
253
693000
2000
11:47
their policies about talent and people,
254
695000
2000
וקובעים את המדיניות שלהם
לגבי כישורים ואנשים,
לגבי כישורים ואנשים,
11:49
based on assumptions that are outdated, unexamined,
255
697000
6000
לפי הנחות מיושנות,
שלא נבחנו,
ושהשורש שלהן הוא יותר בפולקלור מאשר במדע.
11:55
and rooted more in folklore than in science.
256
703000
3000
11:58
And if we really want to get out of this economic mess,
257
706000
3000
ואם אנו רוצים באמת לצאת
מהבלאגן הכלכלי הזה,
מהבלאגן הכלכלי הזה,
12:01
and if we really want high performance on those
258
709000
2000
ואם אנו רוצים באמת לקבל ביצועים גבוהים
12:03
definitional tasks of the 21st century,
259
711000
2000
במטלות של המאה ה-21,
12:05
the solution is not to do more of the wrong things,
260
713000
6000
הפתרון אינו לעשות עוד מהדברים השגויים.
12:11
to entice people with a sweeter carrot,
261
719000
3000
לתת לאנשים תמריצים עם גזר מתוק יותר,
או לאיים עליהם עם מקל חד יותר.
12:14
or threaten them with a sharper stick.
262
722000
2000
12:16
We need a whole new approach.
263
724000
2000
אנו זקוקים לגישה חדשה לגמרי.
12:18
And the good news about all of this is that the scientists
264
726000
2000
והחדשות הטובות הן שהמדענים
12:20
who've been studying motivation have given us this new approach.
265
728000
3000
שחקרו מוטיבציה בנו את הגישה החדשה הזו.
12:23
It's an approach built much more around intrinsic motivation.
266
731000
3000
זוהי גישה שנבנתה יותר
סביב מוטיבציה פנימית.
סביב מוטיבציה פנימית.
12:26
Around the desire to do things because they matter,
267
734000
2000
סביב הרצון לעשות דברים
כי הם חשובים עבורנו,
כי הם חשובים עבורנו,
12:28
because we like it, because they're interesting,
268
736000
2000
כי אנו רוצים לבצעם, כי הם מעניינים,
כי הם חלק ממשהו חשוב.
כי הם חלק ממשהו חשוב.
12:30
because they are part of something important.
269
738000
2000
12:32
And to my mind, that new operating system for our businesses
270
740000
4000
ולדעתי, מערכת ההפעלה
החדשה הזאת עבור העסקים שלנו
החדשה הזאת עבור העסקים שלנו
12:36
revolves around three elements:
271
744000
2000
סובבת סביב שלושה רכיבים:
אוטונומיה, מיומנות ומטרה.
12:38
autonomy, mastery and purpose.
272
746000
3000
12:41
Autonomy: the urge to direct our own lives.
273
749000
3000
אוטונומיה - הדחף לכוון את חיינו.
12:44
Mastery: the desire to get better and better at something that matters.
274
752000
4000
מיומנות - הרצון להשתפר
יותר ויותר במשהו שחשוב לנו.
יותר ויותר במשהו שחשוב לנו.
12:48
Purpose: the yearning to do what we do
275
756000
3000
מטרה - התשוקה לעשות את מה שאנו עושים
12:51
in the service of something larger than ourselves.
276
759000
3000
בשירות משהו שהוא גדול יותר מאיתנו.
12:54
These are the building blocks of an entirely new operating system
277
762000
3000
אלו הם אבני הבניין
של מערכת הפעלה חדשה לגמרי
של מערכת הפעלה חדשה לגמרי
12:57
for our businesses.
278
765000
2000
עבור העסקים שלנו.
12:59
I want to talk today only about autonomy.
279
767000
4000
היום ברצוני לדבר רק על אוטונומיה.
13:03
In the 20th century, we came up with this idea of management.
280
771000
3000
במאה ה-20 הופיע הרעיון של ניהול.
13:06
Management did not emanate from nature.
281
774000
2000
הניהול לא הגיע מהטבע.
13:08
Management is like -- it's not a tree,
282
776000
2000
ניהול הוא כמו - הוא לא עץ.
הוא מכשיר טלביזיה.
הוא מכשיר טלביזיה.
13:10
it's a television set.
283
778000
2000
13:12
Okay? Somebody invented it.
284
780000
2000
מישהו המציא אותו.
13:14
And it doesn't mean it's going to work forever.
285
782000
2000
וזה לא אומר שהוא יעבוד לנצח.
13:16
Management is great.
286
784000
2000
ניהול זה דבר חשוב.
13:18
Traditional notions of management are great
287
786000
2000
רעיונות מסורתיים לגבי ניהול הם נהדרים
13:20
if you want compliance.
288
788000
2000
אם רוצים צייתנות.
13:22
But if you want engagement, self-direction works better.
289
790000
3000
אבל אם רוצים מעורבות,
הכוונה-עצמית תעבוד יותר טוב.
הכוונה-עצמית תעבוד יותר טוב.
13:25
Let me give you some examples of some kind of radical
290
793000
2000
אתן לכם מספר דוגמאות של כמה רעיונות
מרחיקי לכת לגבי הכוונה-עצמית.
מרחיקי לכת לגבי הכוונה-עצמית.
13:27
notions of self-direction.
291
795000
2000
13:29
What this means -- you don't see a lot of it,
292
797000
3000
לא רואים את זה הרבה,
13:32
but you see the first stirrings of something really interesting going on,
293
800000
3000
אבל רואים את הניצנים הראשונים
של משהו מעניין ביותר שמתרחש.
של משהו מעניין ביותר שמתרחש.
13:35
because what it means is paying people adequately
294
803000
2000
מכיוון שפירושו של דבר הוא
לשלם לאנשים במידה מספקת והוגנת לגמרי.
לשלם לאנשים במידה מספקת והוגנת לגמרי.
13:37
and fairly, absolutely --
295
805000
2000
13:39
getting the issue of money off the table,
296
807000
2000
להוריד מסדר היום את העניין הכספי.
13:41
and then giving people lots of autonomy.
297
809000
2000
ואז לתת לאנשים המון אוטונומיה.
13:43
Let me give you some examples.
298
811000
2000
אציג בפניכם כמה דוגמאות.
13:45
How many of you have heard of the company Atlassian?
299
813000
4000
כמה מכם שמעו על אטלסיאן?
13:49
It looks like less than half.
300
817000
2000
נראה שפחות מחצי.
13:51
(Laughter)
301
819000
2000
[צחוק]
אטלסיאן היא חברת תוכנת אוסטרלית.
13:53
Atlassian is an Australian software company.
302
821000
4000
13:57
And they do something incredibly cool.
303
825000
2000
והם עושים משהו מדליק ביותר.
מספר פעמים בשנה הם אומרים למהנדסים שלהם,
13:59
A few times a year they tell their engineers,
304
827000
2000
14:01
"Go for the next 24 hours and work on anything you want,
305
829000
4000
"קחו את 24 השעות הבאות
ותעבדו על מה שאתם רוצים,
ותעבדו על מה שאתם רוצים,
14:05
as long as it's not part of your regular job.
306
833000
2000
בתנאי שזה לא קשור לעבודה הרגילה שלכם.
14:07
Work on anything you want."
307
835000
2000
תעבדו על מה שאתם רוצים."
14:09
So that engineers use this time to come up with
308
837000
2000
וכך המהנדסים מנצלים את הזמן הזה
לכתוב טלאי קוד מגניב
לכתוב טלאי קוד מגניב
14:11
a cool patch for code, come up with an elegant hack.
309
839000
3000
להעלות האק מגניב.
14:14
Then they present all of the stuff that they've developed
310
842000
3000
ואז הם מציגים את כל מה שהם פיתחו
14:17
to their teammates, to the rest of the company,
311
845000
3000
לחבריהם לצוות, לשאר החברה,
14:20
in this wild and wooly all-hands meeting
312
848000
2000
בפגישה כללית פרועה וחסרת חוקים בסוף היום.
14:22
at the end of the day.
313
850000
2000
14:24
And then, being Australians, everybody has a beer.
314
852000
2000
ואז, מאחר שהם אוסטרלים, כולם שותים בירה.
14:26
They call them FedEx Days.
315
854000
3000
הימים האלה נקראים ימי פדקס.
14:29
Why? Because you have to deliver something overnight.
316
857000
6000
למה?
כי כל אחד צריך לספק משהו בסוף היום.
זה יפה. זה לא רע.
14:35
It's pretty. It's not bad. It's a huge trademark violation,
317
863000
2000
זאת פגיעה חמורה בסימן המסחרי.
אבל זה די חכם.
אבל זה די חכם.
14:37
but it's pretty clever.
318
865000
2000
14:39
(Laughter)
319
867000
1000
[צחוק]
14:40
That one day of intense autonomy
320
868000
2000
יום אחד של אוטונומיה רבה
14:42
has produced a whole array of software fixes
321
870000
2000
הביא לשורה שלמה של תיקוני תוכנה
14:44
that might never have existed.
322
872000
2000
שאחרת לא היו קיימים.
14:46
And it's worked so well that Atlassian has taken it to the next level
323
874000
2000
וזה עבד כל כך טוב שאטלסיאן עברה לשלב הבא
14:48
with 20 Percent Time --
324
876000
2000
עם 20 אחוז מהזמן --
14:50
done, famously, at Google --
325
878000
2000
דבר שכידוע נעשה בגוגל.
14:52
where engineers can work, spend 20 percent of their time
326
880000
2000
שם מהנדסים יכולים לבלות
20 אחוזים מהזמן שלהם
20 אחוזים מהזמן שלהם
14:54
working on anything they want.
327
882000
2000
בעבודה על מה שהם רוצים.
14:56
They have autonomy over their time,
328
884000
2000
יש להם אוטונומיה על הזמן שלהם,
14:58
their task, their team, their technique.
329
886000
2000
המשימות שלהם,
הצוות שלהם, הטכניקות שלהם.
הצוות שלהם, הטכניקות שלהם.
15:00
Okay? Radical amounts of autonomy.
330
888000
2000
כמויות קיצוניות של אוטונומיה.
15:02
And at Google, as many of you know,
331
890000
4000
ובגוגל, כפי שרבים מכם יודעים,
15:06
about half of the new products in a typical year
332
894000
2000
כמחצית מהמוצרים החדשים של שנה טיפוסית
15:08
are birthed during that 20 Percent Time:
333
896000
3000
נולדים בזמן ה-20 אחוזים.
15:11
things like Gmail, Orkut, Google News.
334
899000
3000
דברים כמו ג'ימייל, אורקוט, חדשות גוגל.
15:14
Let me give you an even more radical example of it:
335
902000
3000
ואציג בפניכם דוגמא עוד יותר קיצונית לכך.
דבר שנקרא סביבת עבודה
של תוצאות בלבד. ה-ROWE.
של תוצאות בלבד. ה-ROWE.
15:17
something called the Results Only Work Environment,
336
905000
2000
15:19
the ROWE,
337
907000
2000
היא נוצרה ע"י שני יועצים אמריקאים,
15:21
created by two American consultants, in place
338
909000
2000
והיא מיושמת ע"י כ-12 חברות בצפון אמריקה.
15:23
in place at about a dozen companies around North America.
339
911000
2000
15:25
In a ROWE people don't have schedules.
340
913000
4000
ב-ROWE, לאנשים אין לוחות זמנים.
15:29
They show up when they want.
341
917000
2000
הם מגיעים כשהם רוצים.
15:31
They don't have to be in the office at a certain time,
342
919000
2000
הם לא צריכים להיות במשרד
בשעה מסויימת, או בכלל.
בשעה מסויימת, או בכלל.
15:33
or any time.
343
921000
2000
15:35
They just have to get their work done.
344
923000
2000
הם רק צריכים לסיים את המטלות שלהם.
15:37
How they do it, when they do it,
345
925000
2000
איך הם עושים זאת, מתי הם עושים זאת,
איפה הם עושים זאת - חופשי לבחירתם.
איפה הם עושים זאת - חופשי לבחירתם.
15:39
where they do it, is totally up to them.
346
927000
3000
15:42
Meetings in these kinds of environments are optional.
347
930000
4000
פגישות בכאלה סביבות הן אופצינליות.
15:46
What happens?
348
934000
2000
מה קורה?
15:48
Almost across the board, productivity goes up,
349
936000
3000
כמעט מהקצה אל הקצה,
פריון העבודה עולה,
מעורבות העובדים עולה,
מעורבות העובדים עולה,
15:51
worker engagement goes up,
350
939000
3000
שביעות הרצון של העובדים עולה,
התחלופה יורדת.
התחלופה יורדת.
15:54
worker satisfaction goes up, turnover goes down.
351
942000
3000
15:57
Autonomy, mastery and purpose,
352
945000
2000
אוטונומיה, מיומנות ומטרה,
15:59
These are the building blocks of a new way of doing things.
353
947000
2000
אלו הם אבני הבניין
של הדרך החדשה לבצע דברים.
של הדרך החדשה לבצע דברים.
16:01
Now some of you might look at this and say,
354
949000
3000
חלקכם אולי יתבונן בזה ויאמר,
16:04
"Hmm, that sounds nice, but it's Utopian."
355
952000
3000
"המממ, זה נשמע נחמד. אבל זאת אוטופיה."
16:07
And I say, "Nope. I have proof."
356
955000
5000
ואני אומר, "לא.
יש לי הוכחה."
16:12
The mid-1990s, Microsoft started
357
960000
2000
באמצע שנות ה-1990, מיקרוסופט התחילה
אנציקלופדיה בשם אנכרטא.
אנציקלופדיה בשם אנכרטא.
16:14
an encyclopedia called Encarta.
358
962000
2000
16:16
They had deployed all the right incentives,
359
964000
2000
הם השתמשו בכל התמריצים הנכונים.
16:18
all the right incentives. They paid professionals to
360
966000
3000
כל התמריצים הנכונים. הם שלמו לאנשי מקצוע
לכתוב ולערוך אלפי מאמרים.
לכתוב ולערוך אלפי מאמרים.
16:21
write and edit thousands of articles.
361
969000
2000
16:23
Well-compensated managers oversaw the whole thing
362
971000
2000
שלמו היטב למנהלים שפיקחו על כל הפרוייקט
16:25
to make sure it came in on budget and on time.
363
973000
5000
כדי לוודא שהוא יעמוד במגבלות התקציב והזמן.
16:30
A few years later another encyclopedia got started.
364
978000
2000
אחרי מספר שנים - התחילה אנציקלופדיה חדשה.
16:32
Different model, right?
365
980000
3000
מודל אחר, נכון?
16:35
Do it for fun. No one gets paid a cent, or a Euro or a Yen.
366
983000
4000
עשה זאת להנאתך.
אף אחד לא מקבל סנט, או אירו או ין אחד.
16:39
Do it because you like to do it.
367
987000
3000
עשה זאת כי אתה אוהב לעשות את זה.
16:42
Now if you had, just 10 years ago,
368
990000
3000
אם רק לפני עשר שנים
16:45
if you had gone to an economist, anywhere,
369
993000
2000
הייתם פונים לכלכלן במקום כלשהו,
16:47
and said, "Hey, I've got these two different models for creating an encyclopedia.
370
995000
4000
ואומרים, "הי, יש לי 2 מודלים שונים
ליצירה של אנציקלופדיה.
ליצירה של אנציקלופדיה.
אם הם היו מתחרים ראש בראש,
מי מהם היה מנצח?"
מי מהם היה מנצח?"
16:51
If they went head to head, who would win?"
371
999000
3000
לפני 10 שנים לא הייתם יכולים
למצוא כלכלן שקול אחד
למצוא כלכלן שקול אחד
16:54
10 years ago you could not have found a single sober economist anywhere
372
1002000
4000
על פני כדור הארץ
16:58
on planet Earth
373
1006000
2000
שהיה חוזה את המודל של ויקיפדיה.
17:00
who would have predicted the Wikipedia model.
374
1008000
2000
17:02
This is the titanic battle between these two approaches.
375
1010000
3000
זהו קרב אדירים בין שתי הגישות האלה.
17:05
This is the Ali-Frazier of motivation. Right?
376
1013000
3000
זהו העלי-פרייזר של המוטיבציה.
17:08
This is the Thrilla' in Manila.
377
1016000
2000
זהו המותחן במנילה.
17:10
Alright? Intrinsic motivators versus extrinsic motivators.
378
1018000
3000
תמריצים פנימיים נגד תמריצים חיצוניים.
17:13
Autonomy, mastery and purpose,
379
1021000
2000
אוטונומיה, מיומנות ומטרה
17:15
versus carrot and sticks. And who wins?
380
1023000
2000
נגד מקל וגזר. ומי מנצח?
17:17
Intrinsic motivation, autonomy, mastery and purpose,
381
1025000
3000
תמריצים פנימיים - אוטונומיה, מיומנות ומטרה
מנצחים בנוקאאוט.
מנצחים בנוקאאוט.
17:20
in a knockout. Let me wrap up.
382
1028000
4000
ולסיכום,
17:24
There is a mismatch between what science knows and what business does.
383
1032000
3000
יש חוסר התאמה בין מה שהמדע
יודע למה שהעסקים עושים.
יודע למה שהעסקים עושים.
17:27
And here is what science knows.
384
1035000
2000
זה מה שהמדע יודע.
17:29
One: Those 20th century rewards,
385
1037000
2000
1: התגמולים של המאה ה-20,
17:31
those motivators we think are a natural part of business,
386
1039000
3000
התמריצים שאנו חושבים
שהם חלק טבעי של העסקים,
שהם חלק טבעי של העסקים,
17:34
do work, but only in a surprisingly narrow band of circumstances.
387
1042000
4000
עובדים, אבל רק בתחום צר להפתיע של נסיבות.
2: תגמולים של אם-אז
לעיתים קרובות הורסים יצירתיות.
לעיתים קרובות הורסים יצירתיות.
17:38
Two: Those if-then rewards often destroy creativity.
388
1046000
4000
17:42
Three: The secret to high performance
389
1050000
2000
3: הסוד לביצועים גבוהים
אינו פרסים ועונשים,
אינו פרסים ועונשים,
17:44
isn't rewards and punishments,
390
1052000
2000
17:46
but that unseen intrinsic drive --
391
1054000
2000
אלא הדחף הפנימי הבלתי נראה.
17:48
the drive to do things for their own sake.
392
1056000
3000
הדחף לעשות דברים עבור עצמך.
17:51
The drive to do things cause they matter.
393
1059000
2000
הדחף לעשות דברים כי אכפת לך.
17:53
And here's the best part. Here's the best part.
394
1061000
2000
וזהו החלק הטוב ביותר.
17:55
We already know this. The science confirms what we know in our hearts.
395
1063000
3000
אנו כבר יודעים זאת.
המדע מאשר את מה שאנו יודעים בליבנו.
17:58
So, if we repair this mismatch
396
1066000
3000
וכך, אם נתקן את חוסר ההתאמה הזה
בין מה שהמדע יודע ומה שהעסקים עושים,
בין מה שהמדע יודע ומה שהעסקים עושים,
18:01
between what science knows and what business does,
397
1069000
2000
18:03
if we bring our motivation, notions of motivation
398
1071000
3000
אם נביא את המוטיבציה, את מושגי המוטיבציה
18:06
into the 21st century,
399
1074000
2000
אל המאה ה-21,
18:08
if we get past this lazy, dangerous, ideology
400
1076000
4000
אם ננטוש את האידיאולוגיה העצלה והמסוכנת
18:12
of carrots and sticks,
401
1080000
2000
של המקלות והגזרים,
18:14
we can strengthen our businesses,
402
1082000
3000
נוכל לחזק את העסקים שלנו,
18:17
we can solve a lot of those candle problems,
403
1085000
3000
נוכל לפתור רבות מבעיות הנר,
ואולי, אולי, אולי
18:20
and maybe, maybe, maybe
404
1088000
4000
18:24
we can change the world.
405
1092000
2000
נוכל לשנות את העולם.
סיימתי את טיעוניי.
18:26
I rest my case.
406
1094000
2000
[מחיאות כפיים]
18:28
(Applause)
407
1096000
3000
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