TEDGlobal 2009
Dan Pink: The puzzle of motivation
Dan Pink üllatavast motivatsiooniteadusest.
Filmed:
Readability: 4
25,352,736 views
Karjääriteemadega tegelev analüütik Dan Pink arutleb motivatsiooni mõistatuste üle, alustades sotsiaalteadlastele teadaolevast, kuid juhtidele sageli tundmatust faktist: traditsioonilised tasud pole nii mõjusad, kui me arvame. Tema lood avardavad silmaringi - ja võib-olla näitavad kätte ka suuna edasi liikumiseks.
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
Esmalt pean midagi üles tunnistama.
00:16
A little over 20 years ago
1
4000
3000
Pisut üle 20 aasta tagasi
00:19
I did something that I regret,
2
7000
2000
tegin midagi, mida kahetsen,
00:21
something that I'm not particularly proud of,
3
9000
4000
mille üle ma ei ole eriti uhke,
00:25
something that, in many ways, I wish no one would ever know,
4
13000
3000
millest ma sooviksin, et keegi kunagi teada ei saaks.
00:28
but here I feel kind of obliged to reveal.
5
16000
4000
aga täna tunnen justkui kohustust see fakt avalikustada.
00:32
(Laughter)
6
20000
2000
(Naer)
00:34
In the late 1980s,
7
22000
2000
Kaheksakümnendate lõpus
00:36
in a moment of youthful indiscretion,
8
24000
3000
läksin ma nooruslikust mõtlematusest
00:39
I went to law school.
9
27000
2000
juristiks õppima.
00:41
(Laughter)
10
29000
4000
(Naer)
00:45
Now, in America law is a professional degree:
11
33000
3000
Ameerikas on õiguskraadi näol tegemist kutsekraadiga.
00:48
you get your university degree, then you go on to law school.
12
36000
2000
Kõigepealt lõpetad ülikooli ja siis saad minna edasi õigusteadust õppima.
00:50
And when I got to law school,
13
38000
3000
Aga kui olin õigusteaduskonda pääsenud,
00:53
I didn't do very well.
14
41000
2000
ei osutunud ma eriti edukaks.
00:55
To put it mildly, I didn't do very well.
15
43000
2000
See on veel tagasihoidlikult öeldud.
00:57
I, in fact, graduated in the part of my law school class
16
45000
3000
Tegelikult olin ma nende seas,
01:00
that made the top 90 percent possible.
17
48000
4000
kes muutsid lõpetamise 90% parimate hulgas võimalikuks.
01:04
(Laughter)
18
52000
4000
(Naer)
01:08
Thank you.
19
56000
3000
Tänan.
01:11
I never practiced law a day in my life;
20
59000
3000
Juristina pole ma elus päevagi töötanud.
01:14
I pretty much wasn't allowed to.
21
62000
2000
Võib õelda, et mul ei lubatud seda teha.
01:16
(Laughter)
22
64000
3000
(Naer)
01:19
But today, against my better judgment,
23
67000
3000
Aga täna, terve mõistuse ja
01:22
against the advice of my own wife,
24
70000
3000
abikaasa soovituste vastaselt,
01:25
I want to try to dust off some of those legal skills --
25
73000
4000
tahaksin üritada pühkida tolmu oma juristioskustelt
01:29
what's left of those legal skills.
26
77000
2000
või pigem nende riismetelt.
01:31
I don't want to tell you a story.
27
79000
3000
Ma ei taha teile lihtsalt lugu jutustada.
01:34
I want to make a case.
28
82000
2000
Ma tahan teile midagi tõestada.
01:36
I want to make a hard-headed, evidence-based,
29
84000
4000
Tahan faktidele toetudes ja kõigutamatult,
01:40
dare I say lawyerly case,
30
88000
3000
advokaadile kohaselt tõestada,
01:43
for rethinking how we run our businesses.
31
91000
4000
et on põhjust ümber hinnata senised arusaamad ärijuhtimises.
01:47
So, ladies and gentlemen of the jury, take a look at this.
32
95000
4000
Seega, daamid ja härrad vandekohtunikud, vaadake siia.
01:51
This is called the candle problem.
33
99000
2000
Seda nimetatakse „küünlaprobleemiks“.
01:53
Some of you might have seen this before.
34
101000
2000
Mõned teist võivad olla sellega varem kokku puutunud.
01:55
It's created in 1945
35
103000
2000
Selle katse leiutas 1945. aastal
01:57
by a psychologist named Karl Duncker.
36
105000
2000
psühholoog Karl Duncker.
01:59
Karl Duncker created this experiment
37
107000
2000
Karl Duncker lõi selle katse,
02:01
that is used in a whole variety of experiments in behavioral science.
38
109000
3000
mida kasutatakse laialdaselt erinevates käitumisteaduslikes eksperimentides.
02:04
And here's how it works. Suppose I'm the experimenter.
39
112000
3000
See toimib järgmiselt. Oletame, et mina olen katse läbi viija.
02:07
I bring you into a room. I give you a candle,
40
115000
4000
Ma juhin teid ruumi. Annan teile küünla,
02:11
some thumbtacks and some matches.
41
119000
2000
natuke knopkasid ja tikud.
02:13
And I say to you, "Your job
42
121000
2000
Ja ütlen teile:
02:15
is to attach the candle to the wall
43
123000
2000
„Kinnitage küünal seinale nii,
02:17
so the wax doesn't drip onto the table." Now what would you do?
44
125000
4000
et vaha lauale ei tilguks.“ Kuidas te ülesande lahendate?
02:21
Now many people begin trying to thumbtack the candle to the wall.
45
129000
4000
Paljud üritavad kinnitada küünla knopkadega seinale.
02:25
Doesn't work.
46
133000
2000
See ei anna tulemust.
02:27
Somebody, some people -- and I saw somebody
47
135000
2000
Mõnedel inimesetel, ma nägin ka siin osasid
02:29
kind of make the motion over here --
48
137000
2000
tegemas justkui sellist liigutust,
02:31
some people have a great idea where they
49
139000
2000
tuleb suurepärane mõte
02:33
light the match, melt the side of the candle, try to adhere it to the wall.
50
141000
4000
süüdata tikk, sulatada sellega küünla külg üles ja kleepida küünal seinale.
02:37
It's an awesome idea. Doesn't work.
51
145000
3000
See on äge mõte! Ei tööta!
02:40
And eventually, after five or 10 minutes,
52
148000
3000
Ja lõpuks, 5 või 10 minuti pärast,
02:43
most people figure out the solution,
53
151000
2000
leiab suurem osa inimesi lahenduse,
02:45
which you can see here.
54
153000
2000
mida näete siin.
02:47
The key is to overcome what's called functional fixedness.
55
155000
3000
Tuleb ületada niinimetatud „funktsionaalne mõttekramp“.
02:50
You look at that box and you see it only as a receptacle for the tacks.
56
158000
4000
Me vaatame seda karpi ja näeme üksnes toosi knopkade jaoks.
02:54
But it can also have this other function,
57
162000
2000
Aga karbil võib olla ka teine otstarve -
02:56
as a platform for the candle. The candle problem.
58
164000
4000
alus küünla jaoks. Seega, küünlaprobleem.
03:00
Now I want to tell you about an experiment
59
168000
2000
Nüüd aga ühest teisest katsest,
03:02
using the candle problem,
60
170000
2000
milles kasutati küünlaprobleemi
03:04
done by a scientist named Sam Glucksberg,
61
172000
2000
ja mille viis läbi teadlane Sam Glucksberg,
03:06
who is now at Princeton University in the U.S.
62
174000
2000
kes töötab praegu USA-s Princetoni ülikoolis.
03:08
This shows the power of incentives.
63
176000
4000
Katse tõestab teile stiimuli jõudu.
03:12
Here's what he did. He gathered his participants.
64
180000
2000
Glucksberg kutsus osalised kokku
03:14
And he said, "I'm going to time you. How quickly you can solve this problem?"
65
182000
3000
ja ütles: “Ma mõõdan, kui kaua probleemi lahendamine teil aega võtab.“
03:17
To one group he said,
66
185000
2000
Esimesele grupile ütles ta:
03:19
"I'm going to time you to establish norms,
67
187000
3000
“Ma võtan aega eesmärgiga kehtestada normatiiv,
03:22
averages for how long it typically takes
68
190000
2000
keskmine ajakulu
03:24
someone to solve this sort of problem."
69
192000
2000
sellise probleemi lahendamisel."
03:26
To the second group he offered rewards.
70
194000
3000
Teisele grupile aga pakkus ta tasu.
03:29
He said, "If you're in the top 25 percent of the fastest times,
71
197000
4000
Ta ütles: “Kui teie aeg on 25% kiiremate hulgas,
03:33
you get five dollars.
72
201000
3000
saate te 5 dollarit.
03:36
If you're the fastest of everyone we're testing here today,
73
204000
3000
Kõigist kõige kiirem
03:39
you get 20 dollars."
74
207000
2000
saab 20 dollarit.“
03:41
Now this is several years ago. Adjusted for inflation,
75
209000
3000
Katse toimus aastaid tagasi ja arvestades inflatsiooni
03:44
it's a decent sum of money for a few minutes of work.
76
212000
2000
oli tegemist korraliku summaga mõneminutilise töö eest.
03:46
It's a nice motivator.
77
214000
2000
Korralik motivaator.
03:48
Question: How much faster
78
216000
3000
Küsimus: kui palju kiiremini
03:51
did this group solve the problem?
79
219000
2000
lahendas teine grupp ülesande?
03:53
Answer: It took them, on average,
80
221000
3000
Vastus: neil kulus keskmiselt
03:56
three and a half minutes longer.
81
224000
4000
kolm ja pool minutit kauem aega.
04:00
Three and a half minutes longer. Now this makes no sense right?
82
228000
3000
Kolm ja pool minutit kauem! See pole ju loogiline?
04:03
I mean, I'm an American. I believe in free markets.
83
231000
3000
Ma olen ameeriklane ja usun vabaturumajandusse.
04:06
That's not how it's supposed to work. Right?
84
234000
3000
Nii ei peaks asjad käima. Kas pole?
04:09
(Laughter)
85
237000
1000
(Naer)
04:10
If you want people to perform better,
86
238000
2000
Kui soovid, et inimesed oleksid tulemuslikumad,
04:12
you reward them. Right?
87
240000
2000
tuleb neid tasustada. Õige?
04:14
Bonuses, commissions, their own reality show.
88
242000
3000
Boonused, vahendustasud, isiklik tõsielu-show.
04:17
Incentivize them. That's how business works.
89
245000
4000
Tulemustasustage! Nii toimib ärimaailm.
04:21
But that's not happening here.
90
249000
2000
Aga siin see ei tundu toimivat.
04:23
You've got an incentive designed to
91
251000
2000
On olemas tulemustasu
04:25
sharpen thinking and accelerate creativity,
92
253000
4000
mõtlemise kiirendamiseks ja loovuse hoogustamiseks.
04:29
and it does just the opposite.
93
257000
2000
Ja mõju on otse vastupidine.
04:31
It dulls thinking and blocks creativity.
94
259000
3000
See nüristab mõtlemist ja takistab loovust.
04:34
And what's interesting about this experiment is that it's not an aberration.
95
262000
3000
Ja huvitav on eksperimendi juures see, et tegemist pole hälbega.
04:37
This has been replicated over and over
96
265000
3000
Seda eksperimenti on korratud
04:40
and over again, for nearly 40 years.
97
268000
3000
uuesti ja uuesti ligi 40 aasta jooksul.
04:43
These contingent motivators --
98
271000
3000
Sellised tingimuslikud motivaatorid,
04:46
if you do this, then you get that --
99
274000
2000
et kui teed nii, siis saad seda,
04:48
work in some circumstances.
100
276000
2000
toimivad teatud olukordades.
04:50
But for a lot of tasks, they actually either don't work
101
278000
3000
Kuid paljude ülesannete puhul need pigem ei tööta
04:53
or, often, they do harm.
102
281000
3000
või sageli mõjuvad halvasti.
04:56
This is one of the most robust findings
103
284000
4000
See on üks võimsamaid leide
05:00
in social science,
104
288000
3000
sotsiaalteaduste vallas.
05:03
and also one of the most ignored.
105
291000
2000
Ja samas üks enim ignoreeritud leide.
05:05
I spent the last couple of years looking at the science of
106
293000
2000
Olen viimased paar aastat uurinud
05:07
human motivation,
107
295000
2000
inimeste motivatsiooni.
05:09
particularly the dynamics of extrinsic motivators
108
297000
2000
Eriti just väliste
05:11
and intrinsic motivators.
109
299000
2000
ja sisemiste motivaatorite dünaamikat.
05:13
And I'm telling you, it's not even close.
110
301000
2000
Ja võin öelda, et me paneme kõvasti mööda.
05:15
If you look at the science, there is a mismatch
111
303000
2000
Kui vaadata teaduse seisukohast, siis eksisteerib lahknevus
05:17
between what science knows and what business does.
112
305000
4000
selle vahel, mida teadus teab ja mida ärimaailm teeb.
05:21
And what's alarming here is that our business operating system --
113
309000
3000
Ja eriti häiriv on see, et ärimaailma toimimine –
05:24
think of the set of assumptions and protocols beneath our businesses,
114
312000
3000
mõelge korraks oletustele ja tavadele, millele meie ärid toetuvad,
05:27
how we motivate people, how we apply our human resources --
115
315000
5000
kuidas me inimesi motiveerime, kuidas neid rakendame –
05:32
it's built entirely around these extrinsic motivators,
116
320000
3000
on üles ehitatud ainult välistele motivaatoritele,
05:35
around carrots and sticks.
117
323000
2000
piitsale ja präänikule.
05:37
That's actually fine for many kinds of 20th century tasks.
118
325000
4000
Mitmete 20. sajandile omaste ülesannete jaoks see sobib.
05:41
But for 21st century tasks,
119
329000
2000
Aga 21. sajandile omaste ülesannete lahendamisel
05:43
that mechanistic, reward-and-punishment approach
120
331000
4000
selline premeerimise ja karistamise meetod
05:47
doesn't work, often doesn't work, and often does harm.
121
335000
4000
ei anna pahatihti enam tulemusi ja teeb sageli halba.
05:51
Let me show you what I mean.
122
339000
2000
Kohe ma selgitan.
05:53
So Glucksberg did another experiment similar to this
123
341000
3000
Gluksberg korraldas ka teise sarnase eksperimendi,
05:56
where he presented the problem in a slightly different way,
124
344000
2000
püstitades probleemi pisut erinevalt,
05:58
like this up here. Okay?
125
346000
3000
nagu näha siin. Selge?
06:01
Attach the candle to the wall so the wax doesn't drip onto the table.
126
349000
2000
Kinnitage küünal seinale nii, et vaha maha ei tilguks.
06:03
Same deal. You: we're timing for norms.
127
351000
3000
Sama kokkulepe. Teie: aega mõõdetakse normatiivide kehtestamiseks.
06:06
You: we're incentivizing.
128
354000
3000
Teid tasustatakse vastavalt tulemustele.
06:09
What happened this time?
129
357000
2000
Mis juhtus seekord?
06:11
This time, the incentivized group
130
359000
2000
Sellel korral tegi tulemustasustatud grupp
06:13
kicked the other group's butt.
131
361000
4000
teisele grupile pika puuga ära.
06:17
Why? Because when the tacks are out of the box,
132
365000
4000
Miks? Sest kui knopkad on karbist väljas,
06:21
it's pretty easy isn't it?
133
369000
4000
siis on ülesanne suhteliselt lihtne, eks?
06:25
(Laughter)
134
373000
2000
(Naer)
06:27
If-then rewards work really well
135
375000
3000
„Kui-siis“ tulemustasud töötavad väga hästi
06:30
for those sorts of tasks,
136
378000
3000
ülesannete puhul,
06:33
where there is a simple set of rules and a clear destination
137
381000
2000
kus on lihtsad mängureeglid ja selge eesmärk,
06:35
to go to.
138
383000
2000
mille suunas liikuda.
06:37
Rewards, by their very nature,
139
385000
2000
Tulemustasud on oma loomult
06:39
narrow our focus, concentrate the mind;
140
387000
2000
tähelepanu koondava ja mõtlemist kontsentreeriva mõjuga.
06:41
that's why they work in so many cases.
141
389000
2000
Seetõttu need ka toimivad nii paljudes olukordades.
06:43
And so, for tasks like this,
142
391000
2000
Ja seega niisuguste ülesannete puhul,
06:45
a narrow focus, where you just see the goal right there,
143
393000
3000
kus on kitsas fookus, kus näed eesmärki otse ees,
06:48
zoom straight ahead to it,
144
396000
2000
suunad sellele oma tähelepanu,
06:50
they work really well.
145
398000
2000
toimivad tulemustasud päris hästi.
06:52
But for the real candle problem,
146
400000
2000
Aga tõelise küünlaprobleemi puhul
06:54
you don't want to be looking like this.
147
402000
2000
selline lähenemine ei aita.
06:56
The solution is not over here. The solution is on the periphery.
148
404000
2000
Lahenduskäik pole ilmselge. Lahendus peitub äärealal.
06:58
You want to be looking around.
149
406000
2000
Pead vaatama laiemalt.
07:00
That reward actually narrows our focus
150
408000
2000
Tulemutasu aga kitsendab tähelepanu
07:02
and restricts our possibility.
151
410000
2000
ja piirab meie võimalusi.
07:04
Let me tell you why this is so important.
152
412000
3000
Räägin teile, miks see nii oluline on.
07:07
In western Europe,
153
415000
2000
Lääne-Euroopas,
07:09
in many parts of Asia,
154
417000
2000
suures osas Aasiast,
07:11
in North America, in Australia,
155
419000
3000
Põhja-Ameerikas ja Austraalias
07:14
white-collar workers are doing less of
156
422000
2000
teevad valgekraed ühe vähem
07:16
this kind of work,
157
424000
2000
sellist tööd
07:18
and more of this kind of work.
158
426000
4000
ja üha enam hoopis niisugust tööd.
07:22
That routine, rule-based, left-brain work --
159
430000
3000
Rutiinil ja reeglitel baseeruvaid, vasaku ajupoolkeraga
07:25
certain kinds of accounting, certain kinds of financial analysis,
160
433000
2000
tehtavaid raamatupidamislikke, finantsanalüüsi-
07:27
certain kinds of computer programming --
161
435000
2000
ja teatud programmeerimistöid,
07:29
has become fairly easy to outsource,
162
437000
2000
on tänapäeval lihtne väljast sisse osta,
07:31
fairly easy to automate.
163
439000
2000
automatiseerida.
07:33
Software can do it faster.
164
441000
3000
Tarkavara suudab neid ülesandeid kiiremini täita.
07:36
Low-cost providers around the world can do it cheaper.
165
444000
2000
Madala kulutasemega teenusepakkujad üle maailma suudavad teha odavamalt.
07:38
So what really matters are the more right-brained
166
446000
4000
Seega olulisemad on paremale ajupoolkerale toetuvad
07:42
creative, conceptual kinds of abilities.
167
450000
3000
loovad, kontseptuaalsed võimed.
07:45
Think about your own work.
168
453000
3000
Mõelge oma igapäevase töö peale.
07:48
Think about your own work.
169
456000
3000
Mõelge oma igapäevase töö peale.
07:51
Are the problems that you face, or even the problems
170
459000
2000
Kas probleemid, millega silmitsi seisate või isegi probleemid,
07:53
we've been talking about here,
171
461000
2000
millest siin rääkinud oleme,
07:55
are those kinds of problems -- do they have a clear set of rules,
172
463000
2000
on probleemid, kus eksisteerivad selged mängureeglid,
07:57
and a single solution? No.
173
465000
3000
ning üks ja ainus lahenduskäik? Ei.
08:00
The rules are mystifying.
174
468000
2000
Mängureeglid on hägused.
08:02
The solution, if it exists at all,
175
470000
2000
Lahendus, kui see üldse eksisteerib,
08:04
is surprising and not obvious.
176
472000
3000
on üllatav ja mitte ilmselge.
08:07
Everybody in this room
177
475000
2000
Igaüks siin saalis
08:09
is dealing with their own version
178
477000
3000
seisab silmitsi oma versiooniga
08:12
of the candle problem.
179
480000
2000
küünlaprobleemist.
08:14
And for candle problems of any kind,
180
482000
3000
Ja küünlaprobleemide lahendamisel,
08:17
in any field,
181
485000
2000
valdkonnast olenemata,
08:19
those if-then rewards,
182
487000
3000
„kui-siis“ tulemustasud,
08:22
the things around which we've built so many of our businesses,
183
490000
4000
millele oleme nii paljud oma ärid üles ehitanud,
08:26
don't work.
184
494000
2000
ei aita.
08:28
Now, I mean it makes me crazy.
185
496000
2000
See ajab mind hulluks.
08:30
And this is not -- here's the thing.
186
498000
2000
Asjalood on järgmised.
08:32
This is not a feeling.
187
500000
3000
Tegemist ei ole tundega.
08:35
Okay? I'm a lawyer; I don't believe in feelings.
188
503000
3000
Ma olen jurist. Ma ei usu tunnetesse.
08:38
This is not a philosophy.
189
506000
4000
See ei ole filosoofia küsimus.
08:42
I'm an American; I don't believe in philosophy.
190
510000
2000
Ma olen ameeriklane. Ma ei usu filosoofiasse.
08:44
(Laughter)
191
512000
3000
(Naer)
08:47
This is a fact --
192
515000
3000
See on fakt.
08:50
or, as we say in my hometown of Washington, D.C.,
193
518000
2000
Või nagu on tavaks öelda minu kodulinnas Washington D.C.’s,
08:52
a true fact.
194
520000
2000
see on tõene fakt.
08:54
(Laughter)
195
522000
2000
(Naer)
08:56
(Applause)
196
524000
4000
(Aplaus)
09:00
Let me give you an example of what I mean.
197
528000
2000
Toon teile asjakohase näite.
09:02
Let me marshal the evidence here,
198
530000
2000
Esitan tõendusmaterjali.
09:04
because I'm not telling you a story, I'm making a case.
199
532000
2000
Sest ma ei jutusta siin lihtsalt lugu, vaid tõestan seisukohta.
09:06
Ladies and gentlemen of the jury, some evidence:
200
534000
2000
Daamid ja härrad vandekohtunikud, tõendusmaterjal:
09:08
Dan Ariely, one of the great economists of our time,
201
536000
3000
Dan Ariely, üks meie aja suurtest majandusteadlastest,
09:11
he and three colleagues, did a study of some MIT students.
202
539000
4000
viis oma kolme kolleegiga läbi uuringu MIT tudengite seas.
09:15
They gave these MIT students a bunch of games,
203
543000
3000
Nad andsid MIT tudengitele hulga mänge.
09:18
games that involved creativity,
204
546000
2000
Mänge, mis eeldavad loovust,
09:20
and motor skills, and concentration.
205
548000
2000
motoorseid oskusi ja keskendumisvõimet.
09:22
And the offered them, for performance,
206
550000
2000
Ja nad pakkusid tulemuslikkuse eest
09:24
three levels of rewards:
207
552000
2000
kolmel tasemel tulemustasusid.
09:26
small reward, medium reward, large reward.
208
554000
5000
Väike, keskmine, suur tasu.
09:31
Okay? If you do really well you get the large reward, on down.
209
559000
4000
Selge? Need, kes on kõige edukamad, saavad suure tasu ja nii edasi.
09:35
What happened? As long as the task involved only mechanical skill
210
563000
4000
Mis juhtus? Niikaua kui ülesanded nõudsid ainult mehhaanilisi oskusi
09:39
bonuses worked as they would be expected:
211
567000
2000
toimisid boonused nagu võis arvata:
09:41
the higher the pay, the better the performance.
212
569000
4000
mida kõrgem tasu, seda parem tulemus.
09:45
Okay? But one the task called for
213
573000
2000
Aga kohe, kui ülesanne eeldas
09:47
even rudimentary cognitive skill,
214
575000
4000
isegi kõige algelisemaid kognitiivseid oskusi,
09:51
a larger reward led to poorer performance.
215
579000
5000
tõi suurem tulemustasu endaga kaasa nõrgemad tulemused.
09:56
Then they said,
216
584000
2000
Siis nad ütlesid:
09:58
"Okay let's see if there's any cultural bias here.
217
586000
2000
„Vaatame, kas on võimalik täheldada kultuurilisi iseärasusi.
10:00
Lets go to Madurai, India and test this."
218
588000
2000
Lähme Madurai’sse Indias ja teeme sama katse.“
10:02
Standard of living is lower.
219
590000
2000
Elatustase on madalam.
10:04
In Madurai, a reward that is modest in North American standards,
220
592000
3000
Põhja-Ameerika mõistes tagasihoidlik tasu on Madurai's
10:07
is more meaningful there.
221
595000
3000
märksa kõnekam.
10:10
Same deal. A bunch of games, three levels of rewards.
222
598000
3000
Sama lugu. Hulk mänge, tulemustasud kolmel tasemel.
10:13
What happens?
223
601000
2000
Mis juhtus?
10:15
People offered the medium level of rewards
224
603000
3000
Inimesed, kellele pakuti keskmist tulemustasu,
10:18
did no better than people offered the small rewards.
225
606000
3000
ei olnud edukamad kui need kellele pakuti väikest tulemustasu.
10:21
But this time, people offered the highest rewards,
226
609000
4000
Aga sel korral läks neil, kellele pakuti suurimat tasu,
10:25
they did the worst of all.
227
613000
4000
kõige kehvemini.
10:29
In eight of the nine tasks we examined across three experiments,
228
617000
3000
Kõigi kolme katse puhul tõid suuremad tasud
10:32
higher incentives led to worse performance.
229
620000
5000
kaheksal juhul kümnest endaga kaasa nõrgemad tulemused.
10:37
Is this some kind of touchy-feely
230
625000
3000
Kas tegemist on mingi tunnetekeskse
10:40
socialist conspiracy going on here?
231
628000
3000
sotsialistliku konspiratsiooniga?
10:43
No. These are economists from MIT,
232
631000
3000
Ei. Tegemist oli majandusteadlastega MIT’st,
10:46
from Carnegie Mellon, from the University of Chicago.
233
634000
3000
Carnegie Mellon’ist ja Chicago ülikoolist.
10:49
And do you know who sponsored this research?
234
637000
2000
Ja kas teate kes oli selle uuringu sponsoriks?
10:51
The Federal Reserve Bank of the United States.
235
639000
4000
Ameerika Ühendriikide Keskpank.
10:55
That's the American experience.
236
643000
2000
See on Ameerika kogemus.
10:57
Let's go across the pond to the London School of Economics --
237
645000
3000
Siirdume üle lombi London School of Economics’isse.
11:00
LSE, London School of Economics,
238
648000
3000
LSE, Londoni Majanduskool.
11:03
alma mater of 11 Nobel Laureates in economics.
239
651000
3000
11 Nobeli majandusauhinna laureaadi alma mater.
11:06
Training ground for great economic thinkers
240
654000
3000
Selliste suurte majandusmõtlejate kasvulava
11:09
like George Soros, and Friedrich Hayek,
241
657000
3000
nagu George Soros, Friedrich Hayek,
11:12
and Mick Jagger. (Laughter)
242
660000
2000
ja Mick Jagger.(Naer)
11:14
Last month, just last month,
243
662000
4000
Eelmisel kuul, just eelmisel kuul,
11:18
economists at LSE looked at 51 studies
244
666000
3000
analüüsisid LSE majandusteadlased 51 uurimust
11:21
of pay-for-performance plans, inside of companies.
245
669000
3000
ettevõtete tulemustasusüsteemidest.
11:24
Here's what the economists there said: "We find that financial incentives
246
672000
3000
Ja mis nad järeldasid? “Me leiame, et finantsstiimulid
11:27
can result in a negative impact on overall performance."
247
675000
6000
võivad kahjustada ettevõtte tulemuslikkust“.
11:33
There is a mismatch between what science knows
248
681000
3000
Eksisteerib lahknevus selle vahel mida teadus teab
11:36
and what business does.
249
684000
2000
ja ärimaailm teeb.
11:38
And what worries me, as we stand here in the rubble
250
686000
3000
Mulle teeb muret, et seistes
11:41
of the economic collapse,
251
689000
2000
majanduskrahhi järgsetel varemetel,
11:43
is that too many organizations
252
691000
2000
teevad paljud organisatsioonid
11:45
are making their decisions,
253
693000
2000
oma otsuseid
11:47
their policies about talent and people,
254
695000
2000
inimeste- ja talendijuhtimise osas
11:49
based on assumptions that are outdated, unexamined,
255
697000
6000
vananenud oletustele,
11:55
and rooted more in folklore than in science.
256
703000
3000
pigem folkloorile kui teadusele tuginedes.
11:58
And if we really want to get out of this economic mess,
257
706000
3000
Ja kui me tõesti tahame sellest majanduskaosest välja tulla
12:01
and if we really want high performance on those
258
709000
2000
ja saavutada kõrgemat tulemuslikkust
12:03
definitional tasks of the 21st century,
259
711000
2000
21 sajandi ülesannete lahendamisel,
12:05
the solution is not to do more of the wrong things,
260
713000
6000
pole lahenduseks teha rohkem valesid asju.
12:11
to entice people with a sweeter carrot,
261
719000
3000
Meelitada inimesi magusama porgandiga
12:14
or threaten them with a sharper stick.
262
722000
2000
või torkida tagant teravama kepiga.
12:16
We need a whole new approach.
263
724000
2000
Me vajame täiesti uut lähenemist.
12:18
And the good news about all of this is that the scientists
264
726000
2000
Hea uudis on see, et teadlased,
12:20
who've been studying motivation have given us this new approach.
265
728000
3000
kes on uurinud motivatsiooni, on selle uue lähenemise meie jaoks leidnud.
12:23
It's an approach built much more around intrinsic motivation.
266
731000
3000
See lähenemine on üles ehitatud sisemisele motivatsioonile.
12:26
Around the desire to do things because they matter,
267
734000
2000
Vajadusele teha asju, sest need lähevad korda,
12:28
because we like it, because they're interesting,
268
736000
2000
sest meile meeldib neid teha, sest need tegevused on huvitavad,
12:30
because they are part of something important.
269
738000
2000
sest need on osa millestki tähtsast.
12:32
And to my mind, that new operating system for our businesses
270
740000
4000
Ja minu arvates tugineb see uus ärijuhtimise süsteem
12:36
revolves around three elements:
271
744000
2000
kolmel olulisel märksõnal:
12:38
autonomy, mastery and purpose.
272
746000
3000
sõltumatus, meisterlikkus ja tähendus.
12:41
Autonomy: the urge to direct our own lives.
273
749000
3000
Sõltumatus, tung olla oma elu peremees.
12:44
Mastery: the desire to get better and better at something that matters.
274
752000
4000
Meisterlikkus, soov teha üha paremini midagi, mis läheb korda.
12:48
Purpose: the yearning to do what we do
275
756000
3000
Tähendus, vajadus tegutseda
12:51
in the service of something larger than ourselves.
276
759000
3000
millegi nimel, mis on suurem meist endist.
12:54
These are the building blocks of an entirely new operating system
277
762000
3000
Need on meie äride täiesti uue
12:57
for our businesses.
278
765000
2000
juhtimissüsteemi alustalad.
12:59
I want to talk today only about autonomy.
279
767000
4000
Täna tahan rääkida ainult sõltumatusest.
13:03
In the 20th century, we came up with this idea of management.
280
771000
3000
20. sajandil mõtlesime me välja juhtimise.
13:06
Management did not emanate from nature.
281
774000
2000
Juhtimine ei lähtunud loodusest.
13:08
Management is like -- it's not a tree,
282
776000
2000
Juhtimine on nagu ... ei ole nagu puu.
13:10
it's a television set.
283
778000
2000
Juhtimine on nagu televiisor.
13:12
Okay? Somebody invented it.
284
780000
2000
On ju? Keegi mõtles selle välja.
13:14
And it doesn't mean it's going to work forever.
285
782000
2000
Ja see ei tähenda, et juhtimine toimib igavesti.
13:16
Management is great.
286
784000
2000
Juhtimine on imetore.
13:18
Traditional notions of management are great
287
786000
2000
Traditsioonilised juhtimistõed on suurepärased,
13:20
if you want compliance.
288
788000
2000
kui soovitakse saavutada kuulekust.
13:22
But if you want engagement, self-direction works better.
289
790000
3000
Aga kui soovitakse saavutada pühendumust, siis annab enesejuhtimine paremaid tulemusi.
13:25
Let me give you some examples of some kind of radical
290
793000
2000
Toon mõned näited radikaalsematest
13:27
notions of self-direction.
291
795000
2000
seisukohtadest enesejuhtimise teemal.
13:29
What this means -- you don't see a lot of it,
292
797000
3000
Pean silmas, et te ei puutu sellega veel kuigi tihti kokku,
13:32
but you see the first stirrings of something really interesting going on,
293
800000
3000
kuid juba võib kohata esimesi märke millestki tõeliselt huvitavast.
13:35
because what it means is paying people adequately
294
803000
2000
See lähenemine tähendab, et inimesi tasustatakse täiesti piisavalt
13:37
and fairly, absolutely --
295
805000
2000
ja õiglaselt.
13:39
getting the issue of money off the table,
296
807000
2000
Raha teema tuleb päevakorrast maha saada.
13:41
and then giving people lots of autonomy.
297
809000
2000
Ja siis tuleb anda inimestele kõvasti sõltumatust.
13:43
Let me give you some examples.
298
811000
2000
Toon mõned näited.
13:45
How many of you have heard of the company Atlassian?
299
813000
4000
Kui paljud teist on kuulnud firmast nimega Atlassian?
13:49
It looks like less than half.
300
817000
2000
Tundub, et vähem kui pooled.
13:51
(Laughter)
301
819000
2000
(Naer)
13:53
Atlassian is an Australian software company.
302
821000
4000
Atlassian on Austraalia tarkavaraettevõte.
13:57
And they do something incredibly cool.
303
825000
2000
Ja nad teevad midagi uskumatult lahedat.
13:59
A few times a year they tell their engineers,
304
827000
2000
Paar korda aastas ütlevad nad oma inseneridele:
14:01
"Go for the next 24 hours and work on anything you want,
305
829000
4000
„Minge töötage järgmised 24 tundi selle kallal, mis teile endale meeldib,
14:05
as long as it's not part of your regular job.
306
833000
2000
peaasi, et see ei ole seotud teie igapäevatööga.
14:07
Work on anything you want."
307
835000
2000
Töötage, mille kallal soovite.“
14:09
So that engineers use this time to come up with
308
837000
2000
Ootus on, et insenerid looksid selle ajaga
14:11
a cool patch for code, come up with an elegant hack.
309
839000
3000
mõne laheda koodiuuenduse või saaksid hakkama mõne elegantse häkkimisega.
14:14
Then they present all of the stuff that they've developed
310
842000
3000
Lõpuks esitlevad nad oma töö tulemusi
14:17
to their teammates, to the rest of the company,
311
845000
3000
meeskonnakaaslastele ja kogu ettevõttele
14:20
in this wild and wooly all-hands meeting
312
848000
2000
pisut pöörasel koosviibimisel,
14:22
at the end of the day.
313
850000
2000
millega ettevõtmine lõpeb.
14:24
And then, being Australians, everybody has a beer.
314
852000
2000
Ja siis, austraallastele kohaselt, joovad kõik õlut.
14:26
They call them FedEx Days.
315
854000
3000
Selliseid päevi kutsutakse FedEx’i päevadeks.
14:29
Why? Because you have to deliver something overnight.
316
857000
6000
Miks? Sest nad peavad midagi üleöö „kohale toimetama“.
14:35
It's pretty. It's not bad. It's a huge trademark violation,
317
863000
2000
See on tore. Pole paha. Tegemist on tohutu autoriõiguste rikkumisega.
14:37
but it's pretty clever.
318
865000
2000
Aga igal juhul on see päris nutikas.
14:39
(Laughter)
319
867000
1000
(Naer)
14:40
That one day of intense autonomy
320
868000
2000
Ühe päeva sõltumatuse tulemusena
14:42
has produced a whole array of software fixes
321
870000
2000
luuakse terve hulk tarkvaraparandusi,
14:44
that might never have existed.
322
872000
2000
mis poleks pruukinud muidu kunagi ilmavalgust näha.
14:46
And it's worked so well that Atlassian has taken it to the next level
323
874000
2000
Tulemused on olnud nii head, et Atlassian otsustas järgmise sammuna
14:48
with 20 Percent Time --
324
876000
2000
anda vabaks 20% kogu tööajast.
14:50
done, famously, at Google --
325
878000
2000
Sama on kuulsusrikkalt tehtud Google’is,
14:52
where engineers can work, spend 20 percent of their time
326
880000
2000
kus insenerid saavad veeta 20% oma ajast,
14:54
working on anything they want.
327
882000
2000
töötades mistahes ülesannete kallal.
14:56
They have autonomy over their time,
328
884000
2000
Nad on sõltumatud oma ajakasutuses,
14:58
their task, their team, their technique.
329
886000
2000
ülesannete, meeskondade ja töötamisviiside valikul.
15:00
Okay? Radical amounts of autonomy.
330
888000
2000
On ju? Radikaalne hulk sõltumatust.
15:02
And at Google, as many of you know,
331
890000
4000
Ja nagu teada, sünnivad Google'is
15:06
about half of the new products in a typical year
332
894000
2000
ligi pooled uutest toodetest aastas
15:08
are birthed during that 20 Percent Time:
333
896000
3000
just selle 20% aja jooksul.
15:11
things like Gmail, Orkut, Google News.
334
899000
3000
Sellised tooted nagu Gmail, Orkut, Google News.
15:14
Let me give you an even more radical example of it:
335
902000
3000
Toon ühe veel äärmuslikuma näite.
15:17
something called the Results Only Work Environment,
336
905000
2000
Selle nimi on Ainult Tulemusliku Töö Keskkond,
15:19
the ROWE,
337
907000
2000
ATTK,
15:21
created by two American consultants, in place
338
909000
2000
mille mõtlesid välja kaks ameerikasest konsultanti.
15:23
in place at about a dozen companies around North America.
339
911000
2000
Seda praktiseeritaks umbes tosinas Põhja-Ameerika ettevõttes.
15:25
In a ROWE people don't have schedules.
340
913000
4000
Sellises keskonnas ei ole töötajatel päevakavasid.
15:29
They show up when they want.
341
917000
2000
Nad tulevad tööle, millal soovivad.
15:31
They don't have to be in the office at a certain time,
342
919000
2000
Nad ei pea kontoris viibima ettemääratud ajal
15:33
or any time.
343
921000
2000
või üldse mingil ajal.
15:35
They just have to get their work done.
344
923000
2000
Nad peavad lihtsalt oma töö ära tegema.
15:37
How they do it, when they do it,
345
925000
2000
Kuidas nad seda teevad, millal nad seda teevad,
15:39
where they do it, is totally up to them.
346
927000
3000
kus nad seda teevad on täielikult nende endi otsustada.
15:42
Meetings in these kinds of environments are optional.
347
930000
4000
Koosolekutel osalemine on vabatahtlik.
15:46
What happens?
348
934000
2000
Mis on tulemuseks?
15:48
Almost across the board, productivity goes up,
349
936000
3000
Peaaegu alati tootlikkus tõuseb,
15:51
worker engagement goes up,
350
939000
3000
inimeste pühendumus tõuseb,
15:54
worker satisfaction goes up, turnover goes down.
351
942000
3000
töötajate rahulolu kasvab ja voolavus langeb.
15:57
Autonomy, mastery and purpose,
352
945000
2000
Sõltumatus, meisterlikkus ja tähendus.
15:59
These are the building blocks of a new way of doing things.
353
947000
2000
Need on uuel viisil tulemuste saavutamise alustalad.
16:01
Now some of you might look at this and say,
354
949000
3000
Mõned teist võivad mõelda:
16:04
"Hmm, that sounds nice, but it's Utopian."
355
952000
3000
„Tundub tore, aga see on utoopia“.
16:07
And I say, "Nope. I have proof."
356
955000
5000
Ja mina ütlen: “Ei, ma suudan seda tõestada.“
16:12
The mid-1990s, Microsoft started
357
960000
2000
90. aastate keskpaigas alustas Microsoft
16:14
an encyclopedia called Encarta.
358
962000
2000
tööd Encarta-nimelise entsüklopeediaga.
16:16
They had deployed all the right incentives,
359
964000
2000
Paika olid pandud kõik õiged motivatsioonisüsteemid.
16:18
all the right incentives. They paid professionals to
360
966000
3000
Kõik õiged motivatsioonisüsteemid. Nad maksid oma ala proffidele
16:21
write and edit thousands of articles.
361
969000
2000
tuhandete artiklite kirjutamise ja toimetamise eest.
16:23
Well-compensated managers oversaw the whole thing
362
971000
2000
Hästi tasustatud juhid jälgisid, et kogu protsess
16:25
to make sure it came in on budget and on time.
363
973000
5000
püsiks eelarve ja ajagraafiku piires.
16:30
A few years later another encyclopedia got started.
364
978000
2000
Paar aastat hiljem loodi aga üks teine entsüklopeedia.
16:32
Different model, right?
365
980000
3000
Teistsugune mudel, kas pole?
16:35
Do it for fun. No one gets paid a cent, or a Euro or a Yen.
366
983000
4000
Tehke seda lõbu pärast. Keegi ei maksta palgaks ühtegi senti, eurot ega jeeni.
16:39
Do it because you like to do it.
367
987000
3000
Tehke, sest see meeldib teile.
16:42
Now if you had, just 10 years ago,
368
990000
3000
Kui keegi oleks kõigest 10 aastat tagasi
16:45
if you had gone to an economist, anywhere,
369
993000
2000
läinud mõne majandusteadlase juurde, ükskõik kus maailma otsas,
16:47
and said, "Hey, I've got these two different models for creating an encyclopedia.
370
995000
4000
ja öelnud: “Mul on kaks erinevat plaani uue entsüklopeedia loomiseks.
16:51
If they went head to head, who would win?"
371
999000
3000
Milline neist plaanidest toimib paremini?“
16:54
10 years ago you could not have found a single sober economist anywhere
372
1002000
4000
10 aastat tagasi poleks olnud võimalik leida ühtegi kaine mõistusega majandusteadlast
16:58
on planet Earth
373
1006000
2000
planeedil Maa,
17:00
who would have predicted the Wikipedia model.
374
1008000
2000
kes oleks ennustanud edu Wikipeedia mudelile.
17:02
This is the titanic battle between these two approaches.
375
1010000
3000
Nende kahe erineva lähenemise vahel käib titaanide võitlus.
17:05
This is the Ali-Frazier of motivation. Right?
376
1013000
3000
See on motivatsioonimaailma Ali-Frazier. Kas pole?
17:08
This is the Thrilla' in Manila.
377
1016000
2000
See on Thrilla Manila’s.
17:10
Alright? Intrinsic motivators versus extrinsic motivators.
378
1018000
3000
Sisemised motivaatorid väliste motivaatorite vastu.
17:13
Autonomy, mastery and purpose,
379
1021000
2000
Sõltumatus, meisterlikkus ja tähendus
17:15
versus carrot and sticks. And who wins?
380
1023000
2000
piitsa ja prääniku vastu. Ja kes võidab?
17:17
Intrinsic motivation, autonomy, mastery and purpose,
381
1025000
3000
Sisemine motivatsioon, sõltumatus, meisterlikkus ja tähendus
17:20
in a knockout. Let me wrap up.
382
1028000
4000
võidavad nokaudiga. Tõmban nüüd otsad kokku.
17:24
There is a mismatch between what science knows and what business does.
383
1032000
3000
Eksisteerib lahknevus selle vahel, mida teadus teab ja ärimaailm teeb.
17:27
And here is what science knows.
384
1035000
2000
Ja teadus teab järgmist.
17:29
One: Those 20th century rewards,
385
1037000
2000
Esiteks: 20. sajandile omased tulemustasud,
17:31
those motivators we think are a natural part of business,
386
1039000
3000
need motivaatorid, mis meie arvates on äritegemise loomulik osa,
17:34
do work, but only in a surprisingly narrow band of circumstances.
387
1042000
4000
töötavad, aga seda ainult väga piiratud tingimustes.
17:38
Two: Those if-then rewards often destroy creativity.
388
1046000
4000
Teiseks: „kui-siis“ tulemustasud hävitavad pahatihti loovuse.
17:42
Three: The secret to high performance
389
1050000
2000
Kolmandaks: kõrgema tulemuslikkuse võtmeks
17:44
isn't rewards and punishments,
390
1052000
2000
pole mitte tasud ja karistused,
17:46
but that unseen intrinsic drive --
391
1054000
2000
vaid silmale nähtamatu sisemine tung.
17:48
the drive to do things for their own sake.
392
1056000
3000
Tung teha asju nende endi pärast.
17:51
The drive to do things cause they matter.
393
1059000
2000
Tung teha asju, sest need lähevad meile korda.
17:53
And here's the best part. Here's the best part.
394
1061000
2000
Ja nüüd tuleb parim uudis.
17:55
We already know this. The science confirms what we know in our hearts.
395
1063000
3000
Me juba teame seda. Teadus kinnitab seda, mida me oma südames juba teame.
17:58
So, if we repair this mismatch
396
1066000
3000
Seega, kui ületame
18:01
between what science knows and what business does,
397
1069000
2000
lõhe teadustõe ja ärimaailma toimimise vahel,
18:03
if we bring our motivation, notions of motivation
398
1071000
3000
kui toome oma arusaamad motivatsioonist
18:06
into the 21st century,
399
1074000
2000
21. sajandisse,
18:08
if we get past this lazy, dangerous, ideology
400
1076000
4000
kui suudame lahti saada sellest mugavast ja ohtlikust
18:12
of carrots and sticks,
401
1080000
2000
piitsa ja prääniku ideoloogiast,
18:14
we can strengthen our businesses,
402
1082000
3000
muudame me oma ettevõtted tugevamaks,
18:17
we can solve a lot of those candle problems,
403
1085000
3000
suudame lahendada paljud küünlaprobleemid
18:20
and maybe, maybe, maybe
404
1088000
4000
ja võib-olla, võib-olla
18:24
we can change the world.
405
1092000
2000
suudame me ka maailma muuta.
18:26
I rest my case.
406
1094000
2000
Sellega lõpetan ma oma mõttekäigu.
18:28
(Applause)
407
1096000
3000
(Aplaus)
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