ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Dan Pink | Speaker | TED.com
TEDGlobal 2009

Dan Pink: The puzzle of motivation

Dan Pink a motiváció tudományának meglepő oldaláról.

Filmed:
25,352,736 views

Dan Pink, karrier-elemző a motiváció építőelemeit vizsgálja, kezdve azzal a ténnyel, amit a társadalomtudósok tudnak, de a legtöbb menedzser nem: A hagyományos jutalmak nem mindig olyan hatékonyak, ahogyan azt gondoljuk. Hallgassa meg, hogy világos legyen ön előtt is, és talán előrébb léphet az előadás segítségével.
- 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

Double-click the English transcript below to play the video.

00:12
I need to make a confessiongyónás at the outsetkezdettől fogva here.
0
0
4000
Egy vallomással kell kezdenem.
00:16
A little over 20 yearsévek agoezelőtt
1
4000
3000
Kicsivel több, mint 20 éve
00:19
I did something that I regretSajnálom,
2
7000
2000
tettem valamit, amit megbántam,
00:21
something that I'm not particularlykülönösen proudbüszke of,
3
9000
4000
valamit, amire nem igazán vagyok büszke,
00:25
something that, in manysok waysmódokon, I wishszeretnék no one would ever know,
4
13000
3000
olyasmit, amiről bárcsak senki sem tudna,
00:28
but here I feel kindkedves of obligedköteles to revealfelfed.
5
16000
4000
és amit be kell valljak itt Önöknek.
00:32
(LaughterNevetés)
6
20000
2000
(Nevetés)
00:34
In the latekéső 1980s,
7
22000
2000
Az 1980-as évek végén,
00:36
in a momentpillanat of youthfulfiatalos indiscretionindiszkréció,
8
24000
3000
fiatalkori baklövésként,
00:39
I wentment to lawtörvény schooliskola.
9
27000
2000
jogi egyetemre mentem.
00:41
(LaughterNevetés)
10
29000
4000
(Nevetés)
00:45
Now, in AmericaAmerikai lawtörvény is a professionalszakmai degreefokozat:
11
33000
3000
Amerikában ez doktori fokozatnak számít.
00:48
you get your universityegyetemi degreefokozat, then you go on to lawtörvény schooliskola.
12
36000
2000
Megszerzed az egyetemi végzettséget. Aztán elmész jogi képzésre.
00:50
And when I got to lawtörvény schooliskola,
13
38000
3000
És amikor elmentem jogra,
00:53
I didn't do very well.
14
41000
2000
nem voltam valami jó.
00:55
To put it mildlyenyhén, I didn't do very well.
15
43000
2000
Hogy finoman fogalmazzak, nem teljesítettem nagyon jól.
00:57
I, in facttény, graduateddiplomázott in the partrész of my lawtörvény schooliskola classosztály
16
45000
3000
Valójában, az osztályom azon részében végeztem,
01:00
that madekészült the topfelső 90 percentszázalék possiblelehetséges.
17
48000
4000
akik az elvárt szintet 90%-osan érték el.
01:04
(LaughterNevetés)
18
52000
4000
(Nevetés)
01:08
Thank you.
19
56000
3000
Köszönöm.
01:11
I never practicedgyakorlott lawtörvény a day in my life;
20
59000
3000
Egy napig sem dolgoztam jogi területen.
01:14
I prettyszép much wasn'tnem volt allowedengedélyezett to.
21
62000
2000
Pláne, mert nem is engedtek volna.
01:16
(LaughterNevetés)
22
64000
3000
(Nevetés)
01:19
But todayMa, againstellen my better judgmentítélet,
23
67000
3000
De ma, legjobb belátásom ellenére,
01:22
againstellen the advicetanács of my ownsaját wifefeleség,
24
70000
3000
saját feleségem tanácsa ellenére,
01:25
I want to try to dustpor off some of those legaljogi skillsszakértelem --
25
73000
4000
le akarom porolni néhány ott szerzett képességemet,
01:29
what's left of those legaljogi skillsszakértelem.
26
77000
2000
már ami megmaradt belőlük.
01:31
I don't want to tell you a storysztori.
27
79000
3000
Nem csupán történetet akarok mesélni.
01:34
I want to make a caseügy.
28
82000
2000
Jogi esetként fogom kezelni a kérdést.
01:36
I want to make a hard-headedkemény fejű, evidence-basedbizonyítékokon alapuló,
29
84000
4000
Egy keményfejű, bizonyíték-alapú,
01:40
daremerészel I say lawyerlylawyerly caseügy,
30
88000
3000
mondhatni, jogászi esetként
01:43
for rethinkingújragondolása how we runfuss our businessesvállalkozások.
31
91000
4000
gondoljuk hát újra a cégvezetésről alkotott felfogásunkat.
01:47
So, ladieshölgyek and gentlemenUrak of the juryzsűri, take a look at this.
32
95000
4000
Szóval, tisztelt bíróság, nézzék meg ezt.
01:51
This is calledhívott the candlegyertya problemprobléma.
33
99000
2000
Ez az ún. gyertya-probléma.
01:53
Some of you mightesetleg have seenlátott this before.
34
101000
2000
Talán már látták korábban.
01:55
It's createdkészítette in 1945
35
103000
2000
1945-ben készült
01:57
by a psychologistpszichológus namednevezett KarlKarl DunckerDuncker.
36
105000
2000
Karl Duncker nevű pszichológus feladványa.
01:59
KarlKarl DunckerDuncker createdkészítette this experimentkísérlet
37
107000
2000
Karl Duncker kísérlete ez,
02:01
that is used in a wholeegész varietyfajta of experimentskísérletek in behavioralviselkedési sciencetudomány.
38
109000
3000
amit a viselkedéstudomány területén több változatban is használnak.
02:04
And here'sitt how it worksművek. SupposeTegyük fel, hogy I'm the experimenterkísérletező.
39
112000
3000
A következőképpen működik. Tegyük fel, én vagyok a kísérletvezető.
02:07
I bringhoz you into a roomszoba. I give you a candlegyertya,
40
115000
4000
Beviszlek egy szobába. Adok egy gyertyát,
02:11
some thumbtacksrajzszeget and some matchesmérkőzések.
41
119000
2000
pár rajzszöget és pár gyufát.
02:13
And I say to you, "Your jobmunka
42
121000
2000
És azt mondom, "Az a dolgod,
02:15
is to attachcsatolni the candlegyertya to the wallfal
43
123000
2000
hogy rögzítsd a gyertyát a falhoz úgy
02:17
so the waxviasz doesn't dripcsepegtető onto-ra the tableasztal." Now what would you do?
44
125000
4000
hogy a viasz ne csöpögjön az asztalra." Most mihez kezdesz?
02:21
Now manysok people beginkezdődik tryingmegpróbálja to thumbtackrajzszeg the candlegyertya to the wallfal.
45
129000
4000
Sok ember megpróbálja odaszögezni a gyertyát a falhoz.
02:25
Doesn't work.
46
133000
2000
Nem megy.
02:27
SomebodyValaki, some people -- and I saw somebodyvalaki
47
135000
2000
Pár embernek, láttam ilyeneket
02:29
kindkedves of make the motionmozgás over here --
48
137000
2000
tényleg megfordult a fejében.
02:31
some people have a great ideaötlet where they
49
139000
2000
Néhányuknak az az ötlete támadt, hogy
02:33
lightfény the matchmérkőzés, meltolvadás the sideoldal of the candlegyertya, try to adheretartsa it to the wallfal.
50
141000
4000
meggyújtják a gyufát, megolvasztják és megpróbálják odaragasztani a falhoz.
02:37
It's an awesomefantasztikus ideaötlet. Doesn't work.
51
145000
3000
Remek ötlet, de nem működik.
02:40
And eventuallyvégül is, after fiveöt or 10 minutespercek,
52
148000
3000
És végül, 5 vagy 10 perc múlva,
02:43
mosta legtöbb people figureábra out the solutionmegoldás,
53
151000
2000
a legtöbb ember rájön a megoldásra,
02:45
whichmelyik you can see here.
54
153000
2000
ami itt látható.
02:47
The keykulcs is to overcomeleküzdése what's calledhívott functionalfunkcionális fixednessállandóság.
55
155000
3000
A kulcs az, ha átlépünk az ún. funkcionális fixáción.
02:50
You look at that boxdoboz and you see it only as a receptacletartály for the tackstacks.
56
158000
4000
A dobozt csak a rajzszögek tárolási helyeként látod.
02:54
But it can alsois have this other functionfunkció,
57
162000
2000
Ugyanakkor van egy másik funkciója is,
02:56
as a platformemelvény for the candlegyertya. The candlegyertya problemprobléma.
58
164000
4000
mégpedig mint gyertyatartó. Ez a gyertya probléma.
03:00
Now I want to tell you about an experimentkísérlet
59
168000
2000
Most pedig egy kísérletről akarok beszélni,
03:02
usinghasználva the candlegyertya problemprobléma,
60
170000
2000
ami a gyertya problémát vette alapul,
03:04
doneKész by a scientisttudós namednevezett SamSam GlucksbergGlucksberg,
61
172000
2000
és egy Sam Glucksberg nevű fickó végezte el,
03:06
who is now at PrincetonPrinceton UniversityEgyetem in the U.S.
62
174000
2000
aki most a Princeton Egyetemen tanít.
03:08
This showsműsorok the powererő of incentivesösztönzők.
63
176000
4000
Ez a kísérlet az ösztönzők hatásosságát mutatja be.
03:12
Here'sItt van what he did. He gatheredösszegyűjtött his participantsrésztvevők.
64
180000
2000
A következőt csinálta. Összegyűjtötte a résztvevőket.
03:14
And he said, "I'm going to time you. How quicklygyorsan you can solvemegfejt this problemprobléma?"
65
182000
3000
És azt mondta, "Mérni fogom az időtöket. Milyen gyorsan tudjátok megoldani ezt a problémát?"
03:17
To one groupcsoport he said,
66
185000
2000
Az egyik csoportnak ezt mondta:
03:19
"I'm going to time you to establishlétrehozni normsnormák,
67
187000
3000
"Mérni fogom az időt azért, hogy felmérjük
03:22
averagesátlagok for how long it typicallyjellemzően takes
68
190000
2000
átlagosan mennyi ideig tart valakinek
03:24
someonevalaki to solvemegfejt this sortfajta of problemprobléma."
69
192000
2000
megoldani egy ilyen problémát.
03:26
To the secondmásodik groupcsoport he offeredfelajánlott rewardsjutalmak.
70
194000
3000
A második csoportnak jutalmat ajánlott fel.
03:29
He said, "If you're in the topfelső 25 percentszázalék of the fastestleggyorsabb timesalkalommal,
71
197000
4000
Azt mondta: "Ha a leggyorsabb felső 25%-ba kerültök,
03:33
you get fiveöt dollarsdollár.
72
201000
3000
kaptok öt dollárt.
03:36
If you're the fastestleggyorsabb of everyonemindenki we're testingtesztelés here todayMa,
73
204000
3000
Ha ma mindenki közül a leggyorsabbak lesztek,
03:39
you get 20 dollarsdollár."
74
207000
2000
kaptok húsz dollárt."
03:41
Now this is severalszámos yearsévek agoezelőtt. AdjustedKorrigált for inflationinfláció,
75
209000
3000
Ez régen történt, vegyük figyelembe az inflációt.
03:44
it's a decenttisztességes sumösszeg of moneypénz for a fewkevés minutespercek of work.
76
212000
2000
Rendes összeg ez egy néhány perces munkáért.
03:46
It's a niceszép motivatormotiváló erő.
77
214000
2000
Remek ösztönző.
03:48
QuestionKérdés: How much fastergyorsabb
78
216000
3000
A kérdés: Mennyivel gyorsabban
03:51
did this groupcsoport solvemegfejt the problemprobléma?
79
219000
2000
oldotta meg ez a csoport a problémát?
03:53
AnswerVálasz: It tookvett them, on averageátlagos,
80
221000
3000
A válasz: Átlagosan három és fél perccel
03:56
threehárom and a halffél minutespercek longerhosszabb.
81
224000
4000
hosszabb idő kellett a feladathoz.
04:00
ThreeHárom and a halffél minutespercek longerhosszabb. Now this makesgyártmányú no senseérzék right?
82
228000
3000
Három és fél perccel több. Ennek semmi értelme, igaz?
04:03
I mean, I'm an AmericanAmerikai. I believe in freeingyenes marketspiacok.
83
231000
3000
Mármint, én ugye amerikai vagyok. Hiszek a szabad piacban.
04:06
That's not how it's supposedfeltételezett to work. Right?
84
234000
3000
Ennek nem így kellett volna történnie, igaz?
04:09
(LaughterNevetés)
85
237000
1000
(Nevetés)
04:10
If you want people to performteljesít better,
86
238000
2000
Ha azt akarjuk, hogy az emberek jobban teljesítsenek,
04:12
you rewardjutalom them. Right?
87
240000
2000
jutalmazzuk őket, nem?
04:14
BonusesBónuszok, commissionsjutalékok, theirazok ownsaját realityvalóság showelőadás.
88
242000
3000
Bónuszokkal, jutalékokkal, saját elvárásaik szerint.
04:17
IncentivizeÖsztönözniük them. That's how businessüzleti worksművek.
89
245000
4000
Ösztönözzük őket. Ilyen az üzlet világa.
04:21
But that's not happeningesemény here.
90
249000
2000
De itt nem ez történt.
04:23
You've got an incentiveösztönző designedtervezett to
91
251000
2000
Itt egy ösztönzőt alkalmaztunk, azért, hogy
04:25
sharpenélesítés thinkinggondolkodás and accelerategyorsul creativitykreativitás,
92
253000
4000
élesítse az elmét és felpörgesse a kreativitást.
04:29
and it does just the oppositeszemben.
93
257000
2000
És pont az ellenkezőjét érte el.
04:31
It dullseltompítja thinkinggondolkodás and blocksblokkok creativitykreativitás.
94
259000
3000
Elhomályosítja a gondolkodást, és blokkolja a kreativitást.
04:34
And what's interestingérdekes about this experimentkísérlet is that it's not an aberrationaberráció.
95
262000
3000
És ami az érdekes ebben a kísérletben, hogy ez nem tévedés.
04:37
This has been replicatedreplikált over and over
96
265000
3000
Újra és újra megismételték,
04:40
and over again, for nearlyközel 40 yearsévek.
97
268000
3000
közel negyven éve, többször is.
04:43
These contingentfüggő motivatorsmotiváló --
98
271000
3000
Ezek a feltételes ösztönzők,
04:46
if you do this, then you get that --
99
274000
2000
- ha megcsinálod ezt, akkor ezt kapod -
04:48
work in some circumstanceskörülmények.
100
276000
2000
Ezek csak bizonyos feltételek esetén működnek.
04:50
But for a lot of tasksfeladatok, they actuallytulajdonképpen eitherbármelyik don't work
101
278000
3000
De sok feladatnál nemhogy nem működnek,
04:53
or, oftengyakran, they do harmsérelem.
102
281000
3000
hanem gyakran károsan is hatnak.
04:56
This is one of the mosta legtöbb robusterős findingsmegállapítások
103
284000
4000
Ez az egyik legmarkánsabb felfedezés
05:00
in socialtársadalmi sciencetudomány,
104
288000
3000
a társadalomtudományok területén.
05:03
and alsois one of the mosta legtöbb ignoredfigyelmen kívül hagyja.
105
291000
2000
És az egyik leginkább semmibe vett.
05:05
I spentköltött the last couplepárosít of yearsévek looking at the sciencetudomány of
106
293000
2000
Az utóbbi pár évben az ember ösztönzésének
05:07
humanemberi motivationmotiváció,
107
295000
2000
kutatásával foglalkoztam.
05:09
particularlykülönösen the dynamicsdinamika of extrinsicextrinsic motivatorsmotiváló
108
297000
2000
Leginkább a külső és a belső ösztönzők
05:11
and intrinsicbelső motivatorsmotiváló.
109
299000
2000
dinamikáját vizsgáltam.
05:13
And I'm tellingsokatmondó you, it's not even closeBezárás.
110
301000
2000
Mondhatom, egymás közelében sincsenek.
05:15
If you look at the sciencetudomány, there is a mismatcheltérés
111
303000
2000
Ha a tudomány oldaláról nézzük:
05:17
betweenközött what sciencetudomány knowstudja and what businessüzleti does.
112
305000
4000
ellentmondás van a tudományos tények és az üzleti világ gyakorlata közt.
05:21
And what's alarmingriasztó here is that our businessüzleti operatingüzemeltetési systemrendszer --
113
309000
3000
És ami ebben az ijesztő: az üzleti gyakorlat
05:24
think of the setkészlet of assumptionsfeltételezések and protocolsprotokollok beneathalatt our businessesvállalkozások,
114
312000
3000
-gondoljunk csak az üzleti élet számos feltevésére és eljárására,
05:27
how we motivatemotivál people, how we applyalkalmaz our humanemberi resourceserőforrások --
115
315000
5000
és arra, hogyan ösztönözzük az embereket és hogyan használjuk az emberi erőforrásokat -
05:32
it's builtépült entirelyteljesen around these extrinsicextrinsic motivatorsmotiváló,
116
320000
3000
nos ezek teljesen a külső motivátorok köré épültek,
05:35
around carrotssárgarépa and sticksbotok.
117
323000
2000
az ostor és a mézesmadzag köré.
05:37
That's actuallytulajdonképpen fine for manysok kindsféle of 20thth centuryszázad tasksfeladatok.
118
325000
4000
Ez alkalmas sok, a 20.századra jellemző feladat elvégzéséhez.
05:41
But for 21stutca centuryszázad tasksfeladatok,
119
329000
2000
De a 21. század feladataihoz,
05:43
that mechanisticHatásmechanizmus, reward-and-punishmentjutalom és büntetés approachmegközelítés
120
331000
4000
ez a gépies jutalom-büntetés alapú megközelítés
05:47
doesn't work, oftengyakran doesn't work, and oftengyakran does harmsérelem.
121
335000
4000
már nem illik, gyakran nem működik, sőt gyakran árt is.
05:51
Let me showelőadás you what I mean.
122
339000
2000
Hadd mutassam meg, mire is gondolok.
05:53
So GlucksbergGlucksberg did anotheregy másik experimentkísérlet similarhasonló to this
123
341000
3000
Glucksbert végzett egy ehhez hasonló másik kísérletet is,
05:56
where he presentedbemutatva the problemprobléma in a slightlynémileg differentkülönböző way,
124
344000
2000
amiben a problémát egy kicsit másképp vezette elő.
05:58
like this up here. Okay?
125
346000
3000
Így, ahogyan a képen látszik. Rendben?
06:01
AttachCsatolja the candlegyertya to the wallfal so the waxviasz doesn't dripcsepegtető onto-ra the tableasztal.
126
349000
2000
Rögzítse a gyertyát a falra, hogy a viasz ne csöpögjön az asztalra.
06:03
SameAzonos dealüzlet. You: we're timingidőzítés for normsnormák.
127
351000
3000
Ugyanaz a cél. A ti időtöket vesszük alapul.
06:06
You: we're incentivizingincentivizing.
128
354000
3000
Titeket pedig ösztönzünk.
06:09
What happenedtörtént this time?
129
357000
2000
Mi történt ezúttal?
06:11
This time, the incentivizedIncentivized groupcsoport
130
359000
2000
Ezúttal, az ösztönzött csoport
06:13
kickedrúgott the other group'sCsoport buttButt.
131
361000
4000
alaposan rávert a másik csoportra.
06:17
Why? Because when the tackstacks are out of the boxdoboz,
132
365000
4000
Miért? Mert a rajzszögek nem a dobozban voltak,
06:21
it's prettyszép easykönnyen isn't it?
133
369000
4000
ja, hogy így könnyű, nem?
06:25
(LaughterNevetés)
134
373000
2000
(Nevetés)
06:27
If-thenHa-akkor rewardsjutalmak work really well
135
375000
3000
A "ha-akkor" típusú jutalmazás remekül működik
06:30
for those sortsfajta of tasksfeladatok,
136
378000
3000
azoknál a feladatoknál,
06:33
where there is a simpleegyszerű setkészlet of rulesszabályok and a clearegyértelmű destinationrendeltetési hely
137
381000
2000
ahol pár egyszerű szabály van és a cél
06:35
to go to.
138
383000
2000
világosan látható.
06:37
RewardsJutalmak, by theirazok very naturetermészet,
139
385000
2000
A jutalmak, természetüknél fogva,
06:39
narrowkeskeny our focusfókusz, concentratesűrítmény the mindelme;
140
387000
2000
csőlátást okoznak, rájuk koncentrál az agyunk.
06:41
that's why they work in so manysok casesesetek.
141
389000
2000
Pont ezért működnek jól sok esetben.
06:43
And so, for tasksfeladatok like this,
142
391000
2000
És az ilyen feladatoknál, mint ez,
06:45
a narrowkeskeny focusfókusz, where you just see the goalcél right there,
143
393000
3000
a csőlátás, ahol csak a célt látod,
06:48
zoomzoomolás straightegyenes aheadelőre to it,
144
396000
2000
egyenesen rá fókuszálsz,
06:50
they work really well.
145
398000
2000
nagyon jól működik.
06:52
But for the realigazi candlegyertya problemprobléma,
146
400000
2000
De az igazi gyertya problémánál
06:54
you don't want to be looking like this.
147
402000
2000
nem így akarsz nekilátni.
06:56
The solutionmegoldás is not over here. The solutionmegoldás is on the peripheryperiféria.
148
404000
2000
A megoldás nem itt van. A megoldás nem kézenfekvő.
06:58
You want to be looking around.
149
406000
2000
Tágabb körben akarsz vizsgálódni.
07:00
That rewardjutalom actuallytulajdonképpen narrowsNarrows our focusfókusz
150
408000
2000
A jutalom tulajdonképpen csőlátást okoz,
07:02
and restrictskorlátozza a our possibilitylehetőség.
151
410000
2000
és korlátozza a lehetőségeinket.
07:04
Let me tell you why this is so importantfontos.
152
412000
3000
Hadd mondjam el, miért is olyan fontos ez.
07:07
In westernnyugati EuropeEurópa,
153
415000
2000
Nyugat-Európában,
07:09
in manysok partsalkatrészek of AsiaAsia,
154
417000
2000
Ázsia számos részén,
07:11
in NorthÉszaki AmericaAmerikai, in AustraliaAusztrália,
155
419000
3000
Észak-Amerikában, Ausztráliában,
07:14
white-collarfehérgalléros workersmunkások are doing lessKevésbé of
156
422000
2000
a szellemi munkások kevés
07:16
this kindkedves of work,
157
424000
2000
ilyen típusú munkát végeznek,
07:18
and more of this kindkedves of work.
158
426000
4000
és több ilyen fajta munkát végeznek.
07:22
That routinerutin, rule-basedszabály alapú, left-brainbal agy work --
159
430000
3000
Ez a rutin, a szabály-alapú, a bal agyfélteke munka,
07:25
certainbizonyos kindsféle of accountingszámviteli, certainbizonyos kindsféle of financialpénzügyi analysiselemzés,
160
433000
2000
bizonyos fajta számolások, pénzügyi analízisek,
07:27
certainbizonyos kindsféle of computerszámítógép programmingprogramozás --
161
435000
2000
számítógépes programozás,
07:29
has becomeválik fairlymeglehetősen easykönnyen to outsourcekiszervezik,
162
437000
2000
ezek könnyen kiszervezhetőek lettek,
07:31
fairlymeglehetősen easykönnyen to automateautomatizálása.
163
439000
2000
és könnyen automatizálhatók.
07:33
SoftwareSzoftver can do it fastergyorsabb.
164
441000
3000
A szoftver gyorsabban elvégzi.
07:36
Low-costAlacsony költségű providersszolgáltatók around the worldvilág can do it cheaperolcsóbb.
165
444000
2000
Olcsó szolgáltatók világszerte megcsinálják olcsóbban.
07:38
So what really mattersügyek are the more right-brainedjogát kelekótya
166
446000
4000
Szóval ami igazán számít, az a jobb agyfélteke,
07:42
creativekreatív, conceptualfogalmi kindsféle of abilitiesképességek.
167
450000
3000
a kreatív, koncepció alapú képességek.
07:45
Think about your ownsaját work.
168
453000
3000
Gondolj a saját munkádra.
07:48
Think about your ownsaját work.
169
456000
3000
Gondolj csak a saját munkádra.
07:51
Are the problemsproblémák that you facearc, or even the problemsproblémák
170
459000
2000
A problémák, amikkel szembe nézel, vagy azok
07:53
we'vevoltunk been talkingbeszél about here,
171
461000
2000
amikről itt beszélünk,
07:55
are those kindsféle of problemsproblémák -- do they have a clearegyértelmű setkészlet of rulesszabályok,
172
463000
2000
olyanok, melyeknek tiszta szabályai vannak,
07:57
and a singleegyetlen solutionmegoldás? No.
173
465000
3000
és csak egyetlen megoldás van? Nem.
08:00
The rulesszabályok are mystifyingmisztifikáló.
174
468000
2000
A szabályok ködösek.
08:02
The solutionmegoldás, if it existslétezik at all,
175
470000
2000
A megoldás, ha egyáltalán létezik,
08:04
is surprisingmeglepő and not obviousnyilvánvaló.
176
472000
3000
meglepő és nem nyilvánvaló.
08:07
EverybodyMindenki in this roomszoba
177
475000
2000
Ebben a teremben mindenki
08:09
is dealingfoglalkozó with theirazok ownsaját versionváltozat
178
477000
3000
a saját egyedi módján oldaná meg
08:12
of the candlegyertya problemprobléma.
179
480000
2000
a gyertya problémát.
08:14
And for candlegyertya problemsproblémák of any kindkedves,
180
482000
3000
És bármilyen gyertya probléma esetén,
08:17
in any fieldmező,
181
485000
2000
bármilyen területen,
08:19
those if-thenHa-akkor rewardsjutalmak,
182
487000
3000
azok a "ha-akkor" jutalmak,
08:22
the things around whichmelyik we'vevoltunk builtépült so manysok of our businessesvállalkozások,
183
490000
4000
melyek köré számos üzletünket építettük,
08:26
don't work.
184
494000
2000
nem működnek.
08:28
Now, I mean it makesgyártmányú me crazyőrült.
185
496000
2000
Nos, ez őrjítő.
08:30
And this is not -- here'sitt the thing.
186
498000
2000
És ez nem - ez nem valami ...
08:32
This is not a feelingérzés.
187
500000
3000
Ez nem egy érzés.
08:35
Okay? I'm a lawyerjogász; I don't believe in feelingsérzések.
188
503000
3000
Oké? Ügyvéd vagyok. Nem hiszek az érzelmekben.
08:38
This is not a philosophyfilozófia.
189
506000
4000
Ez nem filozófia.
08:42
I'm an AmericanAmerikai; I don't believe in philosophyfilozófia.
190
510000
2000
Amerikai vagyok. Nem hiszek a filozófiában.
08:44
(LaughterNevetés)
191
512000
3000
(Nevetés)
08:47
This is a facttény --
192
515000
3000
Ez egy tény.
08:50
or, as we say in my hometownszülőváros of WashingtonWashington, D.C.,
193
518000
2000
Vagy, ahogy szülővárosomban, Washington D.C-ben mondjuk,
08:52
a trueigaz facttény.
194
520000
2000
egy igaz tény.
08:54
(LaughterNevetés)
195
522000
2000
(Nevetés)
08:56
(ApplauseTaps)
196
524000
4000
(Taps)
09:00
Let me give you an examplepélda of what I mean.
197
528000
2000
Hadd mondjak egy példát arról, mire gondolok.
09:02
Let me marshalmarsall the evidencebizonyíték here,
198
530000
2000
Hadd sorakoztassam fel a bizonyítékokat.
09:04
because I'm not tellingsokatmondó you a storysztori, I'm makinggyártás a caseügy.
199
532000
2000
Én nem csak mesélek, én egy jogi ügyet képviselek.
09:06
LadiesHölgyek and gentlemenUrak of the juryzsűri, some evidencebizonyíték:
200
534000
2000
Hölgyeim és uraim, tisztelt bíróság! Néhány bizonyíték:
09:08
DanDan ArielyAriely, one of the great economistsközgazdászok of our time,
201
536000
3000
Dan Ariely, korunk egyik legnagyobb közgazdásza,
09:11
he and threehárom colleagueskollégák, did a studytanulmány of some MITMIT studentsdiákok.
202
539000
4000
ő és három kollégája, néhány MIT egyetemi hallgatót vizsgált.
09:15
They gaveadott these MITMIT studentsdiákok a bunchcsokor of gamesjátékok,
203
543000
3000
Ezeknek az MIT-s hallgatóknak adtak egy csomó játékot.
09:18
gamesjátékok that involvedrészt creativitykreativitás,
204
546000
2000
Játékokat, amikhez szükség volt kreativitásra,
09:20
and motormotor skillsszakértelem, and concentrationkoncentráció.
205
548000
2000
ügyességre és koncentrációra.
09:22
And the offeredfelajánlott them, for performanceteljesítmény,
206
550000
2000
És felajánlottak nekik, a teljesítmény alapján,
09:24
threehárom levelsszintek of rewardsjutalmak:
207
552000
2000
három, eltérő értékű jutalmat.
09:26
smallkicsi rewardjutalom, mediumközepes rewardjutalom, largenagy rewardjutalom.
208
554000
5000
Kis jutalom, közepes jutalom, nagy jutalom.
09:31
Okay? If you do really well you get the largenagy rewardjutalom, on down.
209
559000
4000
Oké? Ha nagyon jól teljesítesz, megkapod a nagy jutalmat, és így lefelé.
09:35
What happenedtörtént? As long as the taskfeladat involvedrészt only mechanicalmechanikai skilljártasság
210
563000
4000
Mi történt? Amíg a feladat csak mechanikus képességre alapult,
09:39
bonusesbónuszok workeddolgozott as they would be expectedvárt:
211
567000
2000
a jutalmak az elvárt módon működtek:
09:41
the highermagasabb the payfizetés, the better the performanceteljesítmény.
212
569000
4000
minél magasabb a jutalom, annál jobb a teljesítmény.
09:45
Okay? But one the taskfeladat calledhívott for
213
573000
2000
Oké? De amint a feladathoz szükség volt
09:47
even rudimentarykezdetleges cognitivemegismerő skilljártasság,
214
575000
4000
akár csak alapvető kognitív képességre,
09:51
a largernagyobb rewardjutalom led to poorerszegényebb performanceteljesítmény.
215
579000
5000
a nagyobb jutalom gyengébb teljesítményhez vezetett.
09:56
Then they said,
216
584000
2000
Aztán ezt mondták,
09:58
"Okay let's see if there's any culturalkulturális biasElfogultság here.
217
586000
2000
"Oké, nézzük, hátha kulturális eltérésről van szó.
10:00
LetsLehetővé teszi, hogy go to MaduraiMadurai, IndiaIndia and testteszt this."
218
588000
2000
Menjünk Maduraiba, Indiába, és teszteljük ott."
10:02
StandardStandard of livingélő is lowerAlsó.
219
590000
2000
Az életszínvonal ott alacsonyabb.
10:04
In MaduraiMadurai, a rewardjutalom that is modestszerény in NorthÉszaki AmericanAmerikai standardsszabványok,
220
592000
3000
Ami Észak-Amerikában középes jutalom,
10:07
is more meaningfuljelentőségteljes there.
221
595000
3000
az Maduraiban jelentős jutalomnak számít.
10:10
SameAzonos dealüzlet. A bunchcsokor of gamesjátékok, threehárom levelsszintek of rewardsjutalmak.
222
598000
3000
Ugyanaz a történet. Egy csomó játék, három szintű jutalmazás.
10:13
What happensmegtörténik?
223
601000
2000
Mi történt?
10:15
People offeredfelajánlott the mediumközepes levelszint of rewardsjutalmak
224
603000
3000
Azok, akiknek középes jutalmat ajánlottak,
10:18
did no better than people offeredfelajánlott the smallkicsi rewardsjutalmak.
225
606000
3000
nem végeztek jobb munkát, mint azok akiknek keveset.
10:21
But this time, people offeredfelajánlott the highestlegmagasabb rewardsjutalmak,
226
609000
4000
De ezúttal, azok, akiknek a legmagasabb jutalmat ajánlották,
10:25
they did the worstlegrosszabb of all.
227
613000
4000
mind közül a legrosszabbul teljesítettek.
10:29
In eightnyolc of the ninekilenc tasksfeladatok we examinedmegvizsgálták acrossát threehárom experimentskísérletek,
228
617000
3000
9 feladatból nyolcat végigpróbáltunk három kísérleten,
10:32
highermagasabb incentivesösztönzők led to worserosszabb performanceteljesítmény.
229
620000
5000
a magasabb ösztönzők rosszabb teljesítményhez vezettek.
10:37
Is this some kindkedves of touchy-feelyérzékeny-feely
230
625000
3000
Itt valami alattomos
10:40
socialistszocialista conspiracyösszeesküvés going on here?
231
628000
3000
szocialista összeesküvés zajlik?
10:43
No. These are economistsközgazdászok from MITMIT,
232
631000
3000
Nem. Ők itt az MIT közgazdászai,
10:46
from CarnegieCarnegie MellonMellon, from the UniversityEgyetem of ChicagoChicago.
233
634000
3000
a Carnegie Mellonról, a Chicago-i Egyetemről.
10:49
And do you know who sponsoredszponzorált this researchkutatás?
234
637000
2000
És tudják, ki támogatta ezt a kutatást?
10:51
The FederalSzövetségi ReserveTartalék BankBank of the UnitedEgyesült StatesÁllamok.
235
639000
4000
Az Egyesült Államok Szövetségi Megtakarítási Bankja.
10:55
That's the AmericanAmerikai experiencetapasztalat.
236
643000
2000
Ez az amerikai tapasztalat.
10:57
Let's go acrossát the pondtavacska to the LondonLondon SchoolIskola of EconomicsKözgazdaságtan --
237
645000
3000
Keljünk át a nagy vízen, a Londoni Közgazdasági Iskolába.
11:00
LSELSE, LondonLondon SchoolIskola of EconomicsKözgazdaságtan,
238
648000
3000
LSE, Londoni Közgazdasági Iskola.
11:03
almaAlma matermater of 11 NobelNobel LaureatesDíjazottak in economicsközgazdaságtan.
239
651000
3000
11 Nobel-díjas közgazdász alma matere.
11:06
TrainingKépzés groundtalaj for great economicgazdasági thinkersgondolkodók
240
654000
3000
Olyan nagy közgazdász gondolkodók tanultak itt,
11:09
like GeorgeGeorge SorosSoros, and FriedrichFriedrich HayekHayek,
241
657000
3000
mint George Soros, és Friedrich Hayek,
11:12
and MickMick JaggerJagger. (LaughterNevetés)
242
660000
2000
és Mick Jagger.
11:14
Last monthhónap, just last monthhónap,
243
662000
4000
A múlt hónapban,
11:18
economistsközgazdászok at LSELSE lookednézett at 51 studiestanulmányok
244
666000
3000
LSE-s közgazdászok 51 tanulmányt néztek át
11:21
of pay-for-performancePay-for-teljesítmény planstervek, insidebelül of companiesvállalatok.
245
669000
3000
melyek a cégek teljesítmény-alapú jutalmairól szóltak.
11:24
Here'sItt van what the economistsközgazdászok there said: "We find that financialpénzügyi incentivesösztönzők
246
672000
3000
A közgazdászok szerint: "Úgy találtuk, hogy a pénzügyi ösztönzők
11:27
can resulteredmény in a negativenegatív impacthatás on overallátfogó performanceteljesítmény."
247
675000
6000
negatív hatást váltanak ki a teljesítmény egészére nézve."
11:33
There is a mismatcheltérés betweenközött what sciencetudomány knowstudja
248
681000
3000
Ellentmondás van tehát a között, amit a tudomány tud,
11:36
and what businessüzleti does.
249
684000
2000
és amit az üzleti világ tesz.
11:38
And what worriesgond me, as we standállvány here in the rubbleterméskő
250
686000
3000
És ami aggaszt, miközben a gazdasági összeomlás
11:41
of the economicgazdasági collapseösszeomlás,
251
689000
2000
törmelékei között állunk,
11:43
is that too manysok organizationsszervezetek
252
691000
2000
hogy túl sok szervezet
11:45
are makinggyártás theirazok decisionsdöntések,
253
693000
2000
hoz olyan döntést és szabályokat
11:47
theirazok policiespolitikák about talenttehetség and people,
254
695000
2000
a tehetségről és az emberekről
11:49
basedszékhelyű on assumptionsfeltételezések that are outdatedelavult, unexaminedunexamined,
255
697000
6000
melyek elavult feltevéseken és ellenőrizettlen véleményeken alapulnak,
11:55
and rootedgyökeres more in folklorefolklór than in sciencetudomány.
256
703000
3000
melyek inkább a népmesékben, mintsem a tudományban gyökereznek.
11:58
And if we really want to get out of this economicgazdasági messrendetlenség,
257
706000
3000
És ha tényleg ki akarunk mászni ebből a gazdasági válságból,
12:01
and if we really want highmagas performanceteljesítmény on those
258
709000
2000
és ha tényleg magas teljesítményt akarunk
12:03
definitionalfokozatosnak tasksfeladatok of the 21stutca centuryszázad,
259
711000
2000
melyek megfelelnek a 21.század kihívásainak,
12:05
the solutionmegoldás is not to do more of the wrongrossz things,
260
713000
6000
a megoldás az, ha abbahagyjuk a helytelen dolgok erőltetését.
12:11
to enticecsábít people with a sweeterédesebb carrotsárgarépa,
261
719000
3000
Ha nem csábítgatjuk az embereket édesebb mézesmadzaggal,
12:14
or threatenfenyeget them with a sharperélesebb stickrúd.
262
722000
2000
vagy nem fenyegetjük őket élesebb ostorral.
12:16
We need a wholeegész newúj approachmegközelítés.
263
724000
2000
Teljesen új felfogásra van szükségünk.
12:18
And the good newshírek about all of this is that the scientiststudósok
264
726000
2000
A jó hír, hogy a motivációt vizsgáló tudósok,
12:20
who'veakik már been studyingtanul motivationmotiváció have givenadott us this newúj approachmegközelítés.
265
728000
3000
kezünkbe adták az új megközelítést.
12:23
It's an approachmegközelítés builtépült much more around intrinsicbelső motivationmotiváció.
266
731000
3000
Ez a felfogás inkább a belső motivációk köré épül.
12:26
Around the desirevágy to do things because they matterügy,
267
734000
2000
A vágy köré, hogy azért csináljunk valamit, mert az számít,
12:28
because we like it, because they're interestingérdekes,
268
736000
2000
mert szeretjük őket, mert érdekesek,
12:30
because they are partrész of something importantfontos.
269
738000
2000
mert valami fontos dolog részesei vagyunk.
12:32
And to my mindelme, that newúj operatingüzemeltetési systemrendszer for our businessesvállalkozások
270
740000
4000
Úgy vélem, hogy az új üzleti gyakorlat három
12:36
revolvesforog around threehárom elementselemek:
271
744000
2000
alkotóelem köré épül majd:
12:38
autonomyautonómia, masteryelsajátítását and purposecélja.
272
746000
3000
önállóság, kiválóság és cél.
12:41
AutonomyAutonómia: the urgesürgesse to directközvetlen our ownsaját liveséletét.
273
749000
3000
Önállóság: a vágy, hogy saját életünket magunk irányítsuk.
12:44
MasteryElsajátítását: the desirevágy to get better and better at something that mattersügyek.
274
752000
4000
Kiválóság: a vágy, hogy egyre jobbak és jobbak legyünk valamiben, ami számít.
12:48
PurposeCélja: the yearningvágyat to do what we do
275
756000
3000
Cél: a vágy, hogy olyasvalami érdekében cselekedjünk,
12:51
in the serviceszolgáltatás of something largernagyobb than ourselvesminket.
276
759000
3000
ami túlmutat önmagunkon.
12:54
These are the buildingépület blocksblokkok of an entirelyteljesen newúj operatingüzemeltetési systemrendszer
277
762000
3000
Ezek egy teljesen új modell építőkövei,
12:57
for our businessesvállalkozások.
278
765000
2000
melyekre az új üzleti felfogás épülhet.
12:59
I want to talk todayMa only about autonomyautonómia.
279
767000
4000
Ma csak az önállóságról akarok beszélni.
13:03
In the 20thth centuryszázad, we camejött up with this ideaötlet of managementvezetés.
280
771000
3000
A 20.század találmánya a menedzsment.
13:06
ManagementMenedzsment did not emanateárad from naturetermészet.
281
774000
2000
A menedzsment nem a természet szülötte.
13:08
ManagementMenedzsment is like -- it's not a treefa,
282
776000
2000
A menedzsment nem olyan, mint egy fa.
13:10
it's a televisiontelevízió setkészlet.
283
778000
2000
Ez egy tévé készülék.
13:12
Okay? SomebodyValaki inventedfeltalált it.
284
780000
2000
Oké? Valaki feltalálta.
13:14
And it doesn't mean it's going to work foreverörökké.
285
782000
2000
Ez nem azt jelenti, hogy örökké működni fog.
13:16
ManagementMenedzsment is great.
286
784000
2000
A menedzsment nagyszerű.
13:18
TraditionalHagyományos notionsfogalmak of managementvezetés are great
287
786000
2000
A menedzsment hagyományos elvei nagyszerűek,
13:20
if you want compliancemegfelelőség.
288
788000
2000
akkor, ha a megfelelés a cél.
13:22
But if you want engagementeljegyzés, self-directionönálló irányt worksművek better.
289
790000
3000
De ha elkötelezettséget akarunk, az önirányítás jobban működik.
13:25
Let me give you some examplespéldák of some kindkedves of radicalradikális
290
793000
2000
Hadd mutassak pár példát ezekre a radikális
13:27
notionsfogalmak of self-directionönálló irányt.
291
795000
2000
önirányítási elvekre.
13:29
What this meanseszközök -- you don't see a lot of it,
292
797000
3000
Ez azt jelenti - bár nem sok ilyennel találkozni,
13:32
but you see the first stirringsmocorgását of something really interestingérdekes going on,
293
800000
3000
hogy már láthatóak az első csírái valami fontos dolognak.
13:35
because what it meanseszközök is payingfizető people adequatelymegfelelően
294
803000
2000
Mert eszerint az embereket kellően megfizetik,
13:37
and fairlymeglehetősen, absolutelyteljesen --
295
805000
2000
méghozzá teljesen tisztességesen.
13:39
gettingszerzés the issueprobléma of moneypénz off the tableasztal,
296
807000
2000
A pénz kérdése ezután lekerül a napirendről.
13:41
and then givingígy people lots of autonomyautonómia.
297
809000
2000
Majd sok önállóságot adunk nekik.
13:43
Let me give you some examplespéldák.
298
811000
2000
Hadd mondjak pár példát.
13:45
How manysok of you have heardhallott of the companyvállalat AtlassianAtlassian?
299
813000
4000
Hányan hallottak már az Atlassian nevű cégről?
13:49
It looksúgy néz ki, like lessKevésbé than halffél.
300
817000
2000
Úgy tűnik, kevesebb, mint a terem fele.
13:51
(LaughterNevetés)
301
819000
2000
(Nevetés)
13:53
AtlassianAtlassian is an AustralianAusztrál softwareszoftver companyvállalat.
302
821000
4000
Az Atlassian egy ausztrál szoftver cég.
13:57
And they do something incrediblyhihetetlenül coolmenő.
303
825000
2000
És valami hihetetlenül király dolgot csinálnak.
13:59
A fewkevés timesalkalommal a yearév they tell theirazok engineersmérnökök,
304
827000
2000
Pár éve azt mondták a mérnökeiknek,
14:01
"Go for the nextkövetkező 24 hoursórák and work on anything you want,
305
829000
4000
"A következő 24 órában menjetek, és dolgozzatok azon, amin csak akartok,
14:05
as long as it's not partrész of your regularszabályos jobmunka.
306
833000
2000
bármit, ami nem része a szokásos munkátoknak.
14:07
Work on anything you want."
307
835000
2000
Dolgozzatok akármin, amin szeretnétek."
14:09
So that engineersmérnökök use this time to come up with
308
837000
2000
A mérnökök pedig arra használták az időt, hogy
14:11
a coolmenő patchtapasz for codekód, come up with an elegantelegáns hackcsapkod.
309
839000
3000
pompás kódjavítással és elegáns szoftver-feltöréssel álljanak elő.
14:14
Then they presentajándék all of the stuffdolog that they'veők már developedfejlett
310
842000
3000
Ezután bemutatták a fejlesztéseiket
14:17
to theirazok teammatescsapattársak, to the restpihenés of the companyvállalat,
311
845000
3000
a munkatársaiknak, a cég többi részének,
14:20
in this wildvad and woolyWooly all-handsminden kéz meetingtalálkozó
312
848000
2000
egy egyszerű és keresetlen találkozó keretében
14:22
at the endvég of the day.
313
850000
2000
a nap lezárásaként.
14:24
And then, beinglény AustraliansAusztrálok, everybodymindenki has a beersör.
314
852000
2000
Ezután, Ausztrálok lévén, mindenki sört ivott.
14:26
They call them FedExFedEx DaysNap.
315
854000
3000
Úgy hívják az eseményt, hogy FedEx Napok.
14:29
Why? Because you have to deliverszállít something overnightéjszakai.
316
857000
6000
Miért? Mert egy nap alatt elő kell állniuk valamivel.
14:35
It's prettyszép. It's not badrossz. It's a hugehatalmas trademarkvédjegy violationmegsértése,
317
863000
2000
Ez tetszik, nem rossz. Hatalmas márkanév sértés.
14:37
but it's prettyszép cleverokos.
318
865000
2000
De igazán okos.
14:39
(LaughterNevetés)
319
867000
1000
(Nevetés)
14:40
That one day of intenseerős autonomyautonómia
320
868000
2000
Az igazi önállóság egyetlen napján
14:42
has producedelőállított a wholeegész arraysor of softwareszoftver fixesjavítások
321
870000
2000
annyi szoftverhiba kijavítása történt,
14:44
that mightesetleg never have existedlétezett.
322
872000
2000
amennyi talán nem is létezett előtte.
14:46
And it's workeddolgozott so well that AtlassianAtlassian has takentett it to the nextkövetkező levelszint
323
874000
2000
Olyan jól ment, hogy az Atlassian továbblépett,
14:48
with 20 PercentSzázalék Time --
324
876000
2000
és a munkaidő 20% -ra alkalmazta.
14:50
doneKész, famouslyremekül, at GoogleGoogle --
325
878000
2000
Hasonlóan, mint a híres Google esetében.
14:52
where engineersmérnökök can work, spendtölt 20 percentszázalék of theirazok time
326
880000
2000
Ahol a mérnökök idejük 20%-át
14:54
workingdolgozó on anything they want.
327
882000
2000
arra fordíthatják, amire akarják.
14:56
They have autonomyautonómia over theirazok time,
328
884000
2000
Önállóan döntenek az idejükről,
14:58
theirazok taskfeladat, theirazok teamcsapat, theirazok techniquetechnika.
329
886000
2000
a feladataikról, a csapataikról, a technikáikról.
15:00
Okay? RadicalRadikális amountsösszegek of autonomyautonómia.
330
888000
2000
Oké? Radikális mennyiségű önállóság,
15:02
And at GoogleGoogle, as manysok of you know,
331
890000
4000
és a Google-nél, ahogy sokan tudják is,
15:06
about halffél of the newúj productsTermékek in a typicaltipikus yearév
332
894000
2000
az új termékek közel fele
15:08
are birthedmegszülte duringalatt that 20 PercentSzázalék Time:
333
896000
3000
abban a bizonyos 20% időben születik.
15:11
things like GmailGmail, OrkutOrkut, GoogleGoogle NewsHírek.
334
899000
3000
Olyan termékek mint a Gmail, Orkut, Google News.
15:14
Let me give you an even more radicalradikális examplepélda of it:
335
902000
3000
Hadd mondjak egy még radikálisabb példát.
15:17
something calledhívott the ResultsEredmények Only Work EnvironmentKörnyezet,
336
905000
2000
Ez a "Csak az Eredmény Számit Munkakörnyezet" néven ismert.
15:19
the ROWEROWE,
337
907000
2000
A ROWE.
15:21
createdkészítette by two AmericanAmerikai consultantstanácsadás, in placehely
338
909000
2000
Két amerikai tanácsadó találta ki,
15:23
in placehely at about a dozentucat companiesvállalatok around NorthÉszaki AmericaAmerikai.
339
911000
2000
közel tucatnyi Észak-Amerikai cégnél alkalmazzák.
15:25
In a ROWEROWE people don't have schedulesmenetrend.
340
913000
4000
A ROWE-ban az embereknek nincs időbeosztásuk.
15:29
They showelőadás up when they want.
341
917000
2000
Akkor mennek dolgozni, amikor akarnak.
15:31
They don't have to be in the officehivatal at a certainbizonyos time,
342
919000
2000
Nem kell meghatározott időt az irodában tölteniük,
15:33
or any time.
343
921000
2000
akár semennyit sem kell.
15:35
They just have to get theirazok work doneKész.
344
923000
2000
Csak a munkájukat kell elvégezniük.
15:37
How they do it, when they do it,
345
925000
2000
Hogyan csinálják, mikor csinálják,
15:39
where they do it, is totallyteljesen up to them.
346
927000
3000
hol csinálják, teljesen rájuk van bízva.
15:42
MeetingsTalálkozók in these kindsféle of environmentskörnyezetek are optionalválasztható.
347
930000
4000
A megbeszélések ebben a környezetben szabadon alakulnak.
15:46
What happensmegtörténik?
348
934000
2000
És mi történik?
15:48
AlmostSzinte acrossát the boardtábla, productivitytermelékenység goesmegy up,
349
936000
3000
Majdnem mindenhol, a termelékenység emelkedik,
15:51
workermunkás engagementeljegyzés goesmegy up,
350
939000
3000
dolgozók elkötelezettsége nő,
15:54
workermunkás satisfactionmegelégedettség goesmegy up, turnoverárbevétel goesmegy down.
351
942000
3000
a dolgozói elégedettség emelkedik, a ciklusidő csökken.
15:57
AutonomyAutonómia, masteryelsajátítását and purposecélja,
352
945000
2000
Önállóság, kiválóság és cél.
15:59
These are the buildingépület blocksblokkok of a newúj way of doing things.
353
947000
2000
Ezek egy újfajta megközelítés építőelemei.
16:01
Now some of you mightesetleg look at this and say,
354
949000
3000
Erre most páran azt mondhatják,
16:04
"HmmHmm, that soundshangok niceszép, but it's UtopianUtópia."
355
952000
3000
"Aha, jól hangzik. De ez utópia."
16:07
And I say, "NopeDehogy. I have proofbizonyíték."
356
955000
5000
Én erre azt mondom "Nem. Bizonyítékom van rá."
16:12
The mid-középső-1990s, MicrosoftA Microsoft startedindult
357
960000
2000
Az 1990-es évek közepén a Microsoft
16:14
an encyclopediaenciklopédia calledhívott EncartaEncarta.
358
962000
2000
egy Encarta nevű enciklopédiát kezdett készíteni.
16:16
They had deployedtelepített all the right incentivesösztönzők,
359
964000
2000
Bevetették az összes ismert ösztönzőt.
16:18
all the right incentivesösztönzők. They paidfizetett professionalsszakemberek to
360
966000
3000
Az összes jó ösztönzőt. Hivatásos szakembereket alkalmaztak,
16:21
writeír and editszerkesztés thousandsTöbb ezer of articlescikkek.
361
969000
2000
hogy cikkek ezreit írják és szerkesszék meg.
16:23
Well-compensatedJól fizetett managersmenedzserek oversawfelügyelte the wholeegész thing
362
971000
2000
Jól megfizetett menedzserek felügyelték az egészet,
16:25
to make sure it camejött in on budgetköltségvetés and on time.
363
973000
5000
hogy biztosan a pénzügyi kereten belül, és időben készen legyenek.
16:30
A fewkevés yearsévek latera későbbiekben anotheregy másik encyclopediaenciklopédia got startedindult.
364
978000
2000
Pár évvel később egy másik enciklopédia indult.
16:32
DifferentKülönböző modelmodell, right?
365
980000
3000
Egészen más elven.
16:35
Do it for funmóka. No one getsjelentkeznek paidfizetett a centcent, or a EuroEuro or a YenJen.
366
983000
4000
Csináld a móka kedvéért. Semmit se fizetnek érte, se eurót, se yent.
16:39
Do it because you like to do it.
367
987000
3000
Csináld csak azért, mert szereted.
16:42
Now if you had, just 10 yearsévek agoezelőtt,
368
990000
3000
Ha mondjuk 10 évvel ezelőtt
16:45
if you had goneelmúlt to an economistközgazdász, anywherebárhol,
369
993000
2000
elmentél volna egy közgazdászhoz, akárhová,
16:47
and said, "Hey, I've got these two differentkülönböző modelsmodellek for creatinglétrehozása an encyclopediaenciklopédia.
370
995000
4000
és azt mondtad volna, "Két teljesen különböző modellem van egy enciklopédia elkészítéséhez.
16:51
If they wentment headfej to headfej, who would wingyőzelem?"
371
999000
3000
Vajon melyik lenne a nyerő?"
16:54
10 yearsévek agoezelőtt you could not have foundtalál a singleegyetlen soberjózan economistközgazdász anywherebárhol
372
1002000
4000
10 évvel ezelőtt egyetlen árva közgazdászt sem találtál volna
16:58
on planetbolygó EarthFöld
373
1006000
2000
sehol ezen a Földön, aki a
17:00
who would have predictedjósolt the WikipediaWikipédia modelmodell.
374
1008000
2000
Wikipedia-modellt jósolta volna győztesnek.
17:02
This is the titanicóriási battlecsata betweenközött these two approachesmegközelít.
375
1010000
3000
Ez egy gigászi csata a két megközelítés közt.
17:05
This is the Ali-FrazierAli-Frazier of motivationmotiváció. Right?
376
1013000
3000
Ez a motivációk nehézsúlyú boxmeccse. Ali - Frazier ellen. Értik?
17:08
This is the Thrilla'Végső összecsapás " in ManilaManila.
377
1016000
2000
Ez a végső összecsapás.
17:10
AlrightRendben van? IntrinsicBelső motivatorsmotiváló versusellen extrinsicextrinsic motivatorsmotiváló.
378
1018000
3000
Értik? Belső ösztönzők a külső ösztönzők ellen.
17:13
AutonomyAutonómia, masteryelsajátítását and purposecélja,
379
1021000
2000
Egyik sarokban: Önállóság, kiválóság és cél,
17:15
versusellen carrotsárgarépa and sticksbotok. And who winsgyőzelem?
380
1023000
2000
A másikban: mézesmadzag és ostor. És ki nyer?
17:17
IntrinsicBelső motivationmotiváció, autonomyautonómia, masteryelsajátítását and purposecélja,
381
1025000
3000
A belső motiváció: az önállóság, kiválóság és a cél ... kiütéssel
17:20
in a knockoutkieséses. Let me wrapbetakar up.
382
1028000
4000
győz. Összefoglalom tehát.
17:24
There is a mismatcheltérés betweenközött what sciencetudomány knowstudja and what businessüzleti does.
383
1032000
3000
Eltérés van a között, amit a tudomány tud, és amit az üzleti világ tesz.
17:27
And here is what sciencetudomány knowstudja.
384
1035000
2000
És most jön, amit a tudomány tud.
17:29
One: Those 20thth centuryszázad rewardsjutalmak,
385
1037000
2000
Egy: A 20. századi jutalmak,
17:31
those motivatorsmotiváló we think are a naturaltermészetes partrész of businessüzleti,
386
1039000
3000
azok a motivátorok, amiket az üzlet természetes részének gondolunk,
17:34
do work, but only in a surprisinglymeglepően narrowkeskeny bandZenekar of circumstanceskörülmények.
387
1042000
4000
működnek ugyan, de csak meglepően szűk körülmények között.
17:38
Two: Those if-thenHa-akkor rewardsjutalmak oftengyakran destroyelpusztítani creativitykreativitás.
388
1046000
4000
Kettő: A "ha-akkor" típusú jutalmazás gyakran megöli a kreativitást.
17:42
ThreeHárom: The secrettitok to highmagas performanceteljesítmény
389
1050000
2000
Három: A kiugró teljesítmény titka
17:44
isn't rewardsjutalmak and punishmentsbüntetések,
390
1052000
2000
nem a jutalom és a büntetés,
17:46
but that unseenláthatatlan intrinsicbelső drivehajtás --
391
1054000
2000
hanem a láthatatlan belső hajtóerő.
17:48
the drivehajtás to do things for theirazok ownsaját sakekedvéért.
392
1056000
3000
A hajtóerő, hogy a dolgokat önmagukért tegyük.
17:51
The drivehajtás to do things causeok they matterügy.
393
1059000
2000
A hajtóerő, hogy azért cselekedjünk, mert fontos.
17:53
And here'sitt the bestlegjobb partrész. Here'sItt van the bestlegjobb partrész.
394
1061000
2000
És itt jön a legjobb rész. A legjobb rész.
17:55
We alreadymár know this. The sciencetudomány confirmsmegerősíti what we know in our heartsszívek.
395
1063000
3000
Mi már tudjuk mindezt. A tudomány alátámasztja, amit a szívünkben már tudunk.
17:58
So, if we repairjavítás this mismatcheltérés
396
1066000
3000
Ha kijavítjuk ezt az ellentmondást
18:01
betweenközött what sciencetudomány knowstudja and what businessüzleti does,
397
1069000
2000
tudomány tudása, és az üzleti világ gyakorlata közt
18:03
if we bringhoz our motivationmotiváció, notionsfogalmak of motivationmotiváció
398
1071000
3000
ha áthozzuk a motivációnkat, a motiváció fogalmát
18:06
into the 21stutca centuryszázad,
399
1074000
2000
át, a 21.századba,
18:08
if we get pastmúlt this lazylusta, dangerousveszélyes, ideologyideológia
400
1076000
4000
ha megszabadulunk ettől a lusta, veszélyes
18:12
of carrotssárgarépa and sticksbotok,
401
1080000
2000
"mézesmadzag és ostor" ideológiától,
18:14
we can strengthenmegerősítése our businessesvállalkozások,
402
1082000
3000
megerősíthetjük az üzleti gyakorlatunkat,
18:17
we can solvemegfejt a lot of those candlegyertya problemsproblémák,
403
1085000
3000
rengetek gyertya problémát megoldhatunk,
18:20
and maybe, maybe, maybe
404
1088000
4000
és talán, talán, talán
18:24
we can changeváltozás the worldvilág.
405
1092000
2000
megváltoztathatjuk a világot.
18:26
I restpihenés my caseügy.
406
1094000
2000
Zárom beszédemet.
18:28
(ApplauseTaps)
407
1096000
3000
(Taps)
Translated by Júlia Martonosi
Reviewed by Zoltan Bencz

▲Back to top

ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Dan Pink | Speaker | TED.com