TEDGlobal 2009
Dan Pink: The puzzle of motivation
Dan Pink yllättävästä motivaation tieteestä
Filmed:
Readability: 4
25,352,736 views
Ura-analysoija Dan Pink tutkii motivaation pulmaa, aloittaen tosiasiasta, jonka yhteiskuntatieteilijät tuntevat, mutta useimmat johtajat eivät: perinteiset palkinnot eivät ole aina yhtä tehokkaita kuin luulemme. Kuuntele löytääksesi valaisevia tarinoita -- ja ehkä tien, jota edetä.
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
Minun täytyy tehdä tunnustus.
00:16
A little over 20 years ago
1
4000
3000
Vähän yli 20 vuotta sitten
00:19
I did something that I regret,
2
7000
2000
tein jotain mitä kadun,
00:21
something that I'm not particularly proud of,
3
9000
4000
jotain, mistä en ole erityisen ylpeä,
00:25
something that, in many ways, I wish no one would ever know,
4
13000
3000
jotain, minkä toivoisin jäävän salaisuudeksi,
00:28
but here I feel kind of obliged to reveal.
5
16000
4000
mutta täällä tunnen tarvetta paljastaa sen.
00:32
(Laughter)
6
20000
2000
(Naurua)
00:34
In the late 1980s,
7
22000
2000
1980-luvun lopulla,
00:36
in a moment of youthful indiscretion,
8
24000
3000
hairahduin nuorena --
00:39
I went to law school.
9
27000
2000
ja menin lukemaan lakia.
00:41
(Laughter)
10
29000
4000
(Naurua)
00:45
Now, in America law is a professional degree:
11
33000
3000
Amerikassa laki on ammatillinen loppututkinto.
00:48
you get your university degree, then you go on to law school.
12
36000
2000
Akateemisen loppututkinnon jälkeen
00:50
And when I got to law school,
13
38000
3000
jatketaan lakikouluun.
00:53
I didn't do very well.
14
41000
2000
Siellä en pärjännyt kovin hyvin.
00:55
To put it mildly, I didn't do very well.
15
43000
2000
Lievästi sanottuna.
00:57
I, in fact, graduated in the part of my law school class
16
45000
3000
Itse asiassa valmistuin siinä luokkani osassa,
01:00
that made the top 90 percent possible.
17
48000
4000
joka teki parhaat 90 prosenttia mahdolliseksi.
01:04
(Laughter)
18
52000
4000
(Naurua)
01:08
Thank you.
19
56000
3000
Kiitos.
01:11
I never practiced law a day in my life;
20
59000
3000
En ole päivääkään toiminut lakimiehenä.
01:14
I pretty much wasn't allowed to.
21
62000
2000
Minun ei sallittu.
01:16
(Laughter)
22
64000
3000
(Naurua)
01:19
But today, against my better judgment,
23
67000
3000
Mutta tänään, vastoin kaikkea järkeä
01:22
against the advice of my own wife,
24
70000
3000
tai vaimoni neuvoa,
01:25
I want to try to dust off some of those legal skills --
25
73000
4000
haluan yrittää käyttää joitain noista lakimiehen taidoista,
01:29
what's left of those legal skills.
26
77000
2000
mitä niistä on jäljellä.
01:31
I don't want to tell you a story.
27
79000
3000
En halua kertoa teille tarinaa.
01:34
I want to make a case.
28
82000
2000
Haluan esittää oikeusjutun.
01:36
I want to make a hard-headed, evidence-based,
29
84000
4000
Haluan esittää kovapäisen, todisteisiin perustuvan,
01:40
dare I say lawyerly case,
30
88000
3000
sanoisinko lakimiesmäisen oikeusjutun,
01:43
for rethinking how we run our businesses.
31
91000
4000
siitä, kuinka meidän täytyy ajatella uusiksi, miten yrityksiä johdetaan.
01:47
So, ladies and gentlemen of the jury, take a look at this.
32
95000
4000
Arvoisat valamiehistön jäsenet, katsokaa tätä.
01:51
This is called the candle problem.
33
99000
2000
Tätä kutsutaan kynttiläongelmaksi.
01:53
Some of you might have seen this before.
34
101000
2000
Osa on saattanut nähdä sen aiemmin.
01:55
It's created in 1945
35
103000
2000
Sen loi 1945
01:57
by a psychologist named Karl Duncker.
36
105000
2000
psykologi nimeltä Karl Duncker.
01:59
Karl Duncker created this experiment
37
107000
2000
Karl Duncker loi tämän kokeen,
02:01
that is used in a whole variety of experiments in behavioral science.
38
109000
3000
jota käytetään kaikenlaisiin kokeisiin käyttäytymistieteessä.
02:04
And here's how it works. Suppose I'm the experimenter.
39
112000
3000
Näin se toimii. Kuvitelkaa, että olen kokeen johtaja.
02:07
I bring you into a room. I give you a candle,
40
115000
4000
Tuon teidät huoneeseen. Annan teille kynttilän,
02:11
some thumbtacks and some matches.
41
119000
2000
nastoja ja tulitikkuja.
02:13
And I say to you, "Your job
42
121000
2000
Sanon: "Sinun hommasi
02:15
is to attach the candle to the wall
43
123000
2000
on kiinnittää kynttilä seinään siten,
02:17
so the wax doesn't drip onto the table." Now what would you do?
44
125000
4000
että steariini ei tipu pöydälle." Miten tekisit sen?
02:21
Now many people begin trying to thumbtack the candle to the wall.
45
129000
4000
Monet ihmiset yrittävät nastoilla kiinnittää kynttilän seinään.
02:25
Doesn't work.
46
133000
2000
Ei toimi.
02:27
Somebody, some people -- and I saw somebody
47
135000
2000
Jotkut, ja näin jo joitain
02:29
kind of make the motion over here --
48
137000
2000
tekemässä liikkeitä täällä.
02:31
some people have a great idea where they
49
139000
2000
Jotkut saavat upean idean,
02:33
light the match, melt the side of the candle, try to adhere it to the wall.
50
141000
4000
sytyttävät tulitikun, sulattavat kynttilää, yrittävät liimata sen seinään.
02:37
It's an awesome idea. Doesn't work.
51
145000
3000
Hieno idea. Ei toimi.
02:40
And eventually, after five or 10 minutes,
52
148000
3000
Ja lopulta, viiden tai 10 minuutin päästä
02:43
most people figure out the solution,
53
151000
2000
useimmat ihmiset keksivät ratkaisun,
02:45
which you can see here.
54
153000
2000
minkä näette tässä.
02:47
The key is to overcome what's called functional fixedness.
55
155000
3000
Avain ratkaisuun on päästä yli funktionaalisesta takertumasta.
02:50
You look at that box and you see it only as a receptacle for the tacks.
56
158000
4000
Katsoessasi laatikkoa näet sen vain nastojen astiana.
02:54
But it can also have this other function,
57
162000
2000
Mutta sillä on myös toinen käyttö,
02:56
as a platform for the candle. The candle problem.
58
164000
4000
kynttilän alustana. Kynttiläongelma.
03:00
Now I want to tell you about an experiment
59
168000
2000
Haluan kertoa teille kokeesta,
03:02
using the candle problem,
60
170000
2000
jossa käytettiin kynttiläongelmaa.
03:04
done by a scientist named Sam Glucksberg,
61
172000
2000
Sen teki tutkija Sam Glucksberg,
03:06
who is now at Princeton University in the U.S.
62
174000
2000
joka on nykyään Princetonin yliopistossa.
03:08
This shows the power of incentives.
63
176000
4000
Tämä osoittaa tulospalkkioiden voiman.
03:12
Here's what he did. He gathered his participants.
64
180000
2000
Hän keräsi osanottajat.
03:14
And he said, "I'm going to time you. How quickly you can solve this problem?"
65
182000
3000
Ja sanoi: "Aion ottaa aikaa, kuinka nopeasti pystytte ratkaisemaan ongelman."
03:17
To one group he said,
66
185000
2000
Yhdelle ryhmälle hän sanoi:
03:19
"I'm going to time you to establish norms,
67
187000
3000
"Otan aikaa selvittääkseni
03:22
averages for how long it typically takes
68
190000
2000
kuinka kauan tyypillisesti menee
03:24
someone to solve this sort of problem."
69
192000
2000
tämän ongelman ratkaisemiseen."
03:26
To the second group he offered rewards.
70
194000
3000
Toiselle ryhmälle hän tarjosi palkkioita.
03:29
He said, "If you're in the top 25 percent of the fastest times,
71
197000
4000
Hän sanoi: "Jos olette nopeimmassa 25 prosentissa
03:33
you get five dollars.
72
201000
3000
saatte viisi dollaria.
03:36
If you're the fastest of everyone we're testing here today,
73
204000
3000
Jos olette nopein kaikista tänään testatuista,
03:39
you get 20 dollars."
74
207000
2000
saatte 20 dollaria."
03:41
Now this is several years ago. Adjusted for inflation,
75
209000
3000
Tästä on jo aikaa. Inflaatio pitää ottaa huomioon.
03:44
it's a decent sum of money for a few minutes of work.
76
212000
2000
Se on hyvä palkkio muutaman minuutin työstä.
03:46
It's a nice motivator.
77
214000
2000
Se motivoi hyvin.
03:48
Question: How much faster
78
216000
3000
Kysymys: Kuinka paljon nopeammin
03:51
did this group solve the problem?
79
219000
2000
tämä ryhmä ratkaisi ongelman?
03:53
Answer: It took them, on average,
80
221000
3000
Vastaus: Heiltä meni keskimäärin
03:56
three and a half minutes longer.
81
224000
4000
kolme ja puoli minuuttia pidempään.
04:00
Three and a half minutes longer. Now this makes no sense right?
82
228000
3000
Kolme ja puoli minuuttia pidempään. Onko tässä mitään järkeä?
04:03
I mean, I'm an American. I believe in free markets.
83
231000
3000
Olen amerikkalainen. Uskon vapaisiin markkinoihin.
04:06
That's not how it's supposed to work. Right?
84
234000
3000
Ei sen noin pitäisi toimia!
04:09
(Laughter)
85
237000
1000
(Naurua)
04:10
If you want people to perform better,
86
238000
2000
Jos haluaa ihmisten suorittavan paremmin,
04:12
you reward them. Right?
87
240000
2000
heitä tulee palkita. Eikö niin?
04:14
Bonuses, commissions, their own reality show.
88
242000
3000
Bonuksia, toimeksiantoja, oma tosi-tv-show.
04:17
Incentivize them. That's how business works.
89
245000
4000
Tulospalkkiot. Niin liiketoiminta toimii.
04:21
But that's not happening here.
90
249000
2000
Mutta niin ei käy tässä.
04:23
You've got an incentive designed to
91
251000
2000
Tulospalkkio on suunniteltu
04:25
sharpen thinking and accelerate creativity,
92
253000
4000
tarkentamaan ajattelua ja kiihdyttämään luovuutta.
04:29
and it does just the opposite.
93
257000
2000
Ja se toimii päinvastaisesti.
04:31
It dulls thinking and blocks creativity.
94
259000
3000
Se tylsistää ja estää luovuutta.
04:34
And what's interesting about this experiment is that it's not an aberration.
95
262000
3000
Mielenkiintoista on se, että tämä koe ei ole poikkeus.
04:37
This has been replicated over and over
96
265000
3000
Se on toistettu yhä uudelleen
04:40
and over again, for nearly 40 years.
97
268000
3000
ja yhä uudelleen, melkein 40 vuoden ajan.
04:43
These contingent motivators --
98
271000
3000
Nämä riippuvaiset motivaation lähteet,
04:46
if you do this, then you get that --
99
274000
2000
jos teet näin, niin saat tuon,
04:48
work in some circumstances.
100
276000
2000
toimivat joissain olosuhteissa.
04:50
But for a lot of tasks, they actually either don't work
101
278000
3000
Mutta monissa töissä ne eivät itse asiassa toimi
04:53
or, often, they do harm.
102
281000
3000
tai ovat jopa haitaksi.
04:56
This is one of the most robust findings
103
284000
4000
Tämä on yksi vankimmista löydöistä
05:00
in social science,
104
288000
3000
yhteiskuntatieteessä.
05:03
and also one of the most ignored.
105
291000
2000
Ja yksi eniten huomiotta jätetyistä.
05:05
I spent the last couple of years looking at the science of
106
293000
2000
Olen viimeiset pari vuotta tutkinut
05:07
human motivation,
107
295000
2000
ihmisen motivaation tiedettä.
05:09
particularly the dynamics of extrinsic motivators
108
297000
2000
Erityisesti ulkoisten ja sisäisten
05:11
and intrinsic motivators.
109
299000
2000
motivaattorien dynamiikkaa.
05:13
And I'm telling you, it's not even close.
110
301000
2000
Ja voin kertoa teille, että se ei ole lähelläkään.
05:15
If you look at the science, there is a mismatch
111
303000
2000
On olemassa epäsuhta siinä,
05:17
between what science knows and what business does.
112
305000
4000
mitä tiede tietää ja mitä liiketoiminta tekee.
05:21
And what's alarming here is that our business operating system --
113
309000
3000
Hälyttävää tässä on se, että nykyiset toimintatapamme --
05:24
think of the set of assumptions and protocols beneath our businesses,
114
312000
3000
ajatelkaa oletuksia ja protokollia liiketoiminnassamme,
05:27
how we motivate people, how we apply our human resources --
115
315000
5000
sitä, miten motivoimme ihmisiä ja käytämme resursseja --
05:32
it's built entirely around these extrinsic motivators,
116
320000
3000
se on rakentunut täysin ulkoisille motivaattoreille,
05:35
around carrots and sticks.
117
323000
2000
porkkanan ja kepin ympärille.
05:37
That's actually fine for many kinds of 20th century tasks.
118
325000
4000
Se toimii itse asiassa ihan hyvin 1900-luvun tehtävissä.
05:41
But for 21st century tasks,
119
329000
2000
Mutta 2000-luvun tehtävissä
05:43
that mechanistic, reward-and-punishment approach
120
331000
4000
tuo mekaaninen, palkinto- ja rangaistus-lähestymistapa
05:47
doesn't work, often doesn't work, and often does harm.
121
335000
4000
ei monesti toimi, ja on usein jopa haitaksi.
05:51
Let me show you what I mean.
122
339000
2000
Antakaa minun näyttää, mitä tarkoitan.
05:53
So Glucksberg did another experiment similar to this
123
341000
3000
Glucksberg teki toisen samantapaisen kokeen,
05:56
where he presented the problem in a slightly different way,
124
344000
2000
missä hän esitti ongelman hieman eri tavalla,
05:58
like this up here. Okay?
125
346000
3000
kuten tässä.
06:01
Attach the candle to the wall so the wax doesn't drip onto the table.
126
349000
2000
Kiinnitä kynttilä seinään ilman, että steariini valuu pöydälle.
06:03
Same deal. You: we're timing for norms.
127
351000
3000
Samoin kuin edellä. Sinä: etsimme keskiarvoa.
06:06
You: we're incentivizing.
128
354000
3000
Sinä: palkitsemme.
06:09
What happened this time?
129
357000
2000
Mitä tapahtui tällä kertaa?
06:11
This time, the incentivized group
130
359000
2000
Palkittava ryhmä
06:13
kicked the other group's butt.
131
361000
4000
pesi toisen ryhmän totaalisesti.
06:17
Why? Because when the tacks are out of the box,
132
365000
4000
Miksi? Kun nastat ovat ulkona laatikosta,
06:21
it's pretty easy isn't it?
133
369000
4000
tehtävä on melko helppo, eikö olekin?
06:25
(Laughter)
134
373000
2000
(Naurua)
06:27
If-then rewards work really well
135
375000
3000
Jos-niin-palkinnot toimivat todella hyvin
06:30
for those sorts of tasks,
136
378000
3000
tuollaisissa tehtävissä, joissa on
06:33
where there is a simple set of rules and a clear destination
137
381000
2000
yksinkertaiset säännöt ja selvä päämäärä,
06:35
to go to.
138
383000
2000
johon pyrkiä.
06:37
Rewards, by their very nature,
139
385000
2000
Palkinnot rajoittavat huomiota,
06:39
narrow our focus, concentrate the mind;
140
387000
2000
ja saavat mielen keskittyneeksi.
06:41
that's why they work in so many cases.
141
389000
2000
Siksi ne toimivat niin monissa tapauksissa.
06:43
And so, for tasks like this,
142
391000
2000
Tällaisissa tehtävissä
06:45
a narrow focus, where you just see the goal right there,
143
393000
3000
kapea fokus, jossa näkee päämäärän ja
06:48
zoom straight ahead to it,
144
396000
2000
menee suoraan sitä kohti,
06:50
they work really well.
145
398000
2000
ne toimivat todella hyvin.
06:52
But for the real candle problem,
146
400000
2000
Mutta oikeassa kynttiläongelmassa
06:54
you don't want to be looking like this.
147
402000
2000
tällainen putkinäkö ei toimi.
06:56
The solution is not over here. The solution is on the periphery.
148
404000
2000
Ratkaisu ei ole täällä. Ratkaisu on ympärillä.
06:58
You want to be looking around.
149
406000
2000
Pitää katsella ympärilleen.
07:00
That reward actually narrows our focus
150
408000
2000
Palkinto itse asiassa kaventaa näkökenttäämme
07:02
and restricts our possibility.
151
410000
2000
ja rajoittaa mahdollisuuksiamme.
07:04
Let me tell you why this is so important.
152
412000
3000
Kerron teille miksi tämä on tärkeää.
07:07
In western Europe,
153
415000
2000
Länsi-Euroopassa,
07:09
in many parts of Asia,
154
417000
2000
monissa Aasian maissa,
07:11
in North America, in Australia,
155
419000
3000
Pohjois-Amerikassa, Australiassa,
07:14
white-collar workers are doing less of
156
422000
2000
valkokaulustyöläiset tekevät nykyään
07:16
this kind of work,
157
424000
2000
vähemmän tällaista työtä
07:18
and more of this kind of work.
158
426000
4000
ja enemmän tällaista työtä.
07:22
That routine, rule-based, left-brain work --
159
430000
3000
Tuo rutiineihin ja sääntöihin perustuva työ,
07:25
certain kinds of accounting, certain kinds of financial analysis,
160
433000
2000
kuten tietynlainen kirjanpito,
07:27
certain kinds of computer programming --
161
435000
2000
tietynlainen talousanalyysi ja tietynlainen ohjelmointi,
07:29
has become fairly easy to outsource,
162
437000
2000
on melko helppoa ulkoistaa,
07:31
fairly easy to automate.
163
439000
2000
melko helppoa automatisoida.
07:33
Software can do it faster.
164
441000
3000
Ohjelma voi tehdä sen nopeammin.
07:36
Low-cost providers around the world can do it cheaper.
165
444000
2000
Halpatyövoima tekee sen halvemmalla.
07:38
So what really matters are the more right-brained
166
446000
4000
Merkitystä on siis enemmän oikean aivopuoliskon
07:42
creative, conceptual kinds of abilities.
167
450000
3000
luovilla, käsitteellisillä kyvyillä.
07:45
Think about your own work.
168
453000
3000
Ajatelkaa omaa työtänne.
07:48
Think about your own work.
169
456000
3000
Ajatelkaa omaa työtänne.
07:51
Are the problems that you face, or even the problems
170
459000
2000
Onko kohtaamillasi ongelmilla -- tai niillä,
07:53
we've been talking about here,
171
461000
2000
joista olemme täällä puhuneet --
07:55
are those kinds of problems -- do they have a clear set of rules,
172
463000
2000
onko niihin ongelmiin tietyt säännöt,
07:57
and a single solution? No.
173
465000
3000
ja yksi ratkaisu? Ei.
08:00
The rules are mystifying.
174
468000
2000
Säännöt ovat epämääräisiä.
08:02
The solution, if it exists at all,
175
470000
2000
Ratkaisu, jos se on olemassa,
08:04
is surprising and not obvious.
176
472000
3000
on yllättävä eikä itsestään selvä.
08:07
Everybody in this room
177
475000
2000
Jokaisella tässä huoneessa
08:09
is dealing with their own version
178
477000
3000
on omanlaisensa
08:12
of the candle problem.
179
480000
2000
kynttiläongelma.
08:14
And for candle problems of any kind,
180
482000
3000
Ja kaikenlaisissa kynttiläongelmissa,
08:17
in any field,
181
485000
2000
millä tahansa alalla,
08:19
those if-then rewards,
182
487000
3000
nuo jos-niin-palkinnot,
08:22
the things around which we've built so many of our businesses,
183
490000
4000
joiden ympärille olemme rakentaneet monia liiketoiminnoistamme,
08:26
don't work.
184
494000
2000
eivät toimi.
08:28
Now, I mean it makes me crazy.
185
496000
2000
Se tekee minut hulluksi.
08:30
And this is not -- here's the thing.
186
498000
2000
Eikä tämä -- tästä on kyse --
08:32
This is not a feeling.
187
500000
3000
Tämä ei ole tunne.
08:35
Okay? I'm a lawyer; I don't believe in feelings.
188
503000
3000
Olen asianajaja. En usko tunteisiin.
08:38
This is not a philosophy.
189
506000
4000
Tämä ei ole filosofia.
08:42
I'm an American; I don't believe in philosophy.
190
510000
2000
Olen amerikkalainen. En usko filosofiaan.
08:44
(Laughter)
191
512000
3000
(Naurua)
08:47
This is a fact --
192
515000
3000
Tämä on fakta.
08:50
or, as we say in my hometown of Washington, D.C.,
193
518000
2000
Tai kuten sanomme kotikaupungissani Washingtonissa,
08:52
a true fact.
194
520000
2000
tosi fakta.
08:54
(Laughter)
195
522000
2000
(Naurua)
08:56
(Applause)
196
524000
4000
(Aplodeja)
09:00
Let me give you an example of what I mean.
197
528000
2000
Annan teille esimerkin.
09:02
Let me marshal the evidence here,
198
530000
2000
Johdatan esiin todisteet.
09:04
because I'm not telling you a story, I'm making a case.
199
532000
2000
En ole kertomassa tarinaa. Olen esittämässä oikeusjuttua.
09:06
Ladies and gentlemen of the jury, some evidence:
200
534000
2000
Arvoisa valamiehistö, todisteita:
09:08
Dan Ariely, one of the great economists of our time,
201
536000
3000
Dan Ariely, yksi aikamme merkittävimmistä taloustieteilijöistä,
09:11
he and three colleagues, did a study of some MIT students.
202
539000
4000
hän ja kolme kollegaansa tekivät MIT:n opiskelijoille kokeen.
09:15
They gave these MIT students a bunch of games,
203
543000
3000
He antoivat opiskelijoille pelejä.
09:18
games that involved creativity,
204
546000
2000
Pelit testasivat luovuutta,
09:20
and motor skills, and concentration.
205
548000
2000
motoriikkaa, ja keskittymistä.
09:22
And the offered them, for performance,
206
550000
2000
He tarjosivat heille suorituksesta
09:24
three levels of rewards:
207
552000
2000
kolmea eri palkintoa.
09:26
small reward, medium reward, large reward.
208
554000
5000
Pieni palkinto, keskikokoinen palkinto, iso palkinto.
09:31
Okay? If you do really well you get the large reward, on down.
209
559000
4000
Jos pärjää todella hyvin, saa ison palkinnon.
09:35
What happened? As long as the task involved only mechanical skill
210
563000
4000
Miten kävi? Kun tehtävä testasi vain mekaanisia kykyjä
09:39
bonuses worked as they would be expected:
211
567000
2000
bonukset toimivat kuten odotettiin:
09:41
the higher the pay, the better the performance.
212
569000
4000
mitä korkeampi palkinto, sitä parempi suoritus.
09:45
Okay? But one the task called for
213
573000
2000
Mutta kun tehtävä vaati
09:47
even rudimentary cognitive skill,
214
575000
4000
edes alkeellista ajattelua,
09:51
a larger reward led to poorer performance.
215
579000
5000
isompi palkinto johti huonompaan suoritukseen.
09:56
Then they said,
216
584000
2000
Sitten he sanoivat:
09:58
"Okay let's see if there's any cultural bias here.
217
586000
2000
"Katsotaan onko tässä kulttuurinen vinouma.
10:00
Lets go to Madurai, India and test this."
218
588000
2000
Mennään Maduraihin Intiaan kokeilemaan."
10:02
Standard of living is lower.
219
590000
2000
Elintaso on alhaisempi.
10:04
In Madurai, a reward that is modest in North American standards,
220
592000
3000
Manduraissa palkinto, joka on vaatimaton pohjoisamerikkalaiselle,
10:07
is more meaningful there.
221
595000
3000
on merkittävämpi.
10:10
Same deal. A bunch of games, three levels of rewards.
222
598000
3000
Sama juttu. Pelejä, kolme palkintokategoriaa.
10:13
What happens?
223
601000
2000
Mitä käy?
10:15
People offered the medium level of rewards
224
603000
3000
Ihmiset, joille tarjottiin keskitason palkintoa
10:18
did no better than people offered the small rewards.
225
606000
3000
eivät pärjänneet paremmin kuin ne, joille tarjottiin pientä palkintoa.
10:21
But this time, people offered the highest rewards,
226
609000
4000
Mutta tällä kertaa, henkilöt, joille tarjottiin suurinta palkintoa,
10:25
they did the worst of all.
227
613000
4000
pärjäsivät kaikista huonoiten.
10:29
In eight of the nine tasks we examined across three experiments,
228
617000
3000
Kahdeksassa yhdeksästä tehtävästä, joita tutkimme kolmessa kokeessa,
10:32
higher incentives led to worse performance.
229
620000
5000
korkeammat kannustimet johtivat huonompaan suoritukseen.
10:37
Is this some kind of touchy-feely
230
625000
3000
Onko tässä jokin herkistelevä
10:40
socialist conspiracy going on here?
231
628000
3000
sosialistisalaliitto menossa?
10:43
No. These are economists from MIT,
232
631000
3000
Ei. Nämä ovat taloustieteilijöitä MIT:stä,
10:46
from Carnegie Mellon, from the University of Chicago.
233
634000
3000
Carnegie Mellonista, Chicagon yliopistosta.
10:49
And do you know who sponsored this research?
234
637000
2000
Ja tiedättekö kuka sponsoroi tämän tutkimuksen?
10:51
The Federal Reserve Bank of the United States.
235
639000
4000
Yhdysvaltojen keskuspankki.
10:55
That's the American experience.
236
643000
2000
Tämä on amerikkalainen kokemus.
10:57
Let's go across the pond to the London School of Economics --
237
645000
3000
Mennäänpä lahden yli Lontooseen.
11:00
LSE, London School of Economics,
238
648000
3000
LSE, London School of Economics.
11:03
alma mater of 11 Nobel Laureates in economics.
239
651000
3000
11 Nobel-palkitun taloustieteilijän alma mater.
11:06
Training ground for great economic thinkers
240
654000
3000
Harjoittelukenttä suurille taloustieteen ajattelijoille
11:09
like George Soros, and Friedrich Hayek,
241
657000
3000
kuten George Soros ja Friedrich Hayek,
11:12
and Mick Jagger. (Laughter)
242
660000
2000
ja Mick Jagger. (Naurua)
11:14
Last month, just last month,
243
662000
4000
Viime kuussa LSE:n taloustieteilijät
11:18
economists at LSE looked at 51 studies
244
666000
3000
tarkastelivat 51 tutkimusta
11:21
of pay-for-performance plans, inside of companies.
245
669000
3000
suunnitelmista maksaa suorituksista yrityksissä.
11:24
Here's what the economists there said: "We find that financial incentives
246
672000
3000
Taloustietelijät siellä sanoivat: "Taloudelliset kannustimet
11:27
can result in a negative impact on overall performance."
247
675000
6000
voivat johtaa negatiiviseen vaikutukseen kokonaissuorituksessa."
11:33
There is a mismatch between what science knows
248
681000
3000
On olemassa epäsuhta siinä mitä tiede tietää
11:36
and what business does.
249
684000
2000
ja mitä liiketoiminta tekee.
11:38
And what worries me, as we stand here in the rubble
250
686000
3000
Ja mikä minua huolestuttaa, kun seisomme
11:41
of the economic collapse,
251
689000
2000
talousromahduksen raunioilla,
11:43
is that too many organizations
252
691000
2000
on se, että liian monet organisaatiot
11:45
are making their decisions,
253
693000
2000
tekevät päätöksensä,
11:47
their policies about talent and people,
254
695000
2000
heidän linjansa lahjakkuudesta ja ihmisistä
11:49
based on assumptions that are outdated, unexamined,
255
697000
6000
perustuu oletuksille, jotka ovat vanhanaikaisia, todistamattomia,
11:55
and rooted more in folklore than in science.
256
703000
3000
ja perustuvat enemmän kansantaruihin kuin tieteeseen.
11:58
And if we really want to get out of this economic mess,
257
706000
3000
Jos todella haluamme ulos tästä taloudellisesta sekasotkusta,
12:01
and if we really want high performance on those
258
709000
2000
ja haluamme korkeaa suoritustasoa
12:03
definitional tasks of the 21st century,
259
711000
2000
2000-luvun vaativissa tehtävissä,
12:05
the solution is not to do more of the wrong things,
260
713000
6000
ratkaisu on olla tekemättä lisää vääriä asioita, kuten
12:11
to entice people with a sweeter carrot,
261
719000
3000
ihmisten palkitseminen makeammalla porkkanalla
12:14
or threaten them with a sharper stick.
262
722000
2000
tai uhkaileminen terävämmällä kepillä.
12:16
We need a whole new approach.
263
724000
2000
Tarvitsemme aivan uuden lähestymistavan.
12:18
And the good news about all of this is that the scientists
264
726000
2000
Hyvä uutinen on, että tieteilijät,
12:20
who've been studying motivation have given us this new approach.
265
728000
3000
jotka tutkivat motivaatiota, ovat antaneet meille tämän uuden lähestymistavan.
12:23
It's an approach built much more around intrinsic motivation.
266
731000
3000
Tämä lähestymistapa perustuu paljon enemmän sisäiselle motivaatiolle.
12:26
Around the desire to do things because they matter,
267
734000
2000
Haluun tehdä asioita, koska ne ovat merkityksellisiä,
12:28
because we like it, because they're interesting,
268
736000
2000
koska pidämme siitä, koska ne ovat mielenkiintoisia,
12:30
because they are part of something important.
269
738000
2000
koska ne ovat osa jotain tärkeää.
12:32
And to my mind, that new operating system for our businesses
270
740000
4000
Mielestäni uusi järjestelmä liiketoiminnallemme
12:36
revolves around three elements:
271
744000
2000
pyörii kolmen elementin ympärillä:
12:38
autonomy, mastery and purpose.
272
746000
3000
itsenäisyys, osaaminen ja tarkoitus.
12:41
Autonomy: the urge to direct our own lives.
273
749000
3000
Itsenäisyys, halu ohjata omia elämiämme.
12:44
Mastery: the desire to get better and better at something that matters.
274
752000
4000
Osaaminen, halu tulla paremmaksi jossain, millä on merkitystä.
12:48
Purpose: the yearning to do what we do
275
756000
3000
Tarkoitus, halu tehdä sitä mitä teemme
12:51
in the service of something larger than ourselves.
276
759000
3000
jonkin itseämme suuremman palveluksessa.
12:54
These are the building blocks of an entirely new operating system
277
762000
3000
Nämä ovat aivan uudenlaisen järjestelmän rakennuspalikoita
12:57
for our businesses.
278
765000
2000
meidän liiketoiminnallemme.
12:59
I want to talk today only about autonomy.
279
767000
4000
Haluan puhua tänään vain itsenäisyydestä.
13:03
In the 20th century, we came up with this idea of management.
280
771000
3000
1900-luvulla saimme idean hallinnosta.
13:06
Management did not emanate from nature.
281
774000
2000
Hallinto ei perustu luonnonlakeihin.
13:08
Management is like -- it's not a tree,
282
776000
2000
Hallinto on kuin -- se ei ole puu --
13:10
it's a television set.
283
778000
2000
se on kuin televisio --
13:12
Okay? Somebody invented it.
284
780000
2000
se on ihmisten keksimä.
13:14
And it doesn't mean it's going to work forever.
285
782000
2000
Eikä se tarkoita, että se toimii ikuisesti.
13:16
Management is great.
286
784000
2000
Hallinto on upeaa.
13:18
Traditional notions of management are great
287
786000
2000
Perinteiset käsitykset hallinnosta ovat hienoja,
13:20
if you want compliance.
288
788000
2000
jos noudatetaan määräyksiä.
13:22
But if you want engagement, self-direction works better.
289
790000
3000
Mutta jos halutaan sitoutumista, itseohjautuvuus toimii paremmin.
13:25
Let me give you some examples of some kind of radical
290
793000
2000
Joitain esimerkkejä radikaaleista
13:27
notions of self-direction.
291
795000
2000
ajatuksista itseohjautuvuudesta.
13:29
What this means -- you don't see a lot of it,
292
797000
3000
Mitä tämä tarkoittaa -- ette näe siitä paljonkaan,
13:32
but you see the first stirrings of something really interesting going on,
293
800000
3000
mutta näette ensimmäiset merkit jostain mielenkiintoisesta.
13:35
because what it means is paying people adequately
294
803000
2000
Se tarkoittaa, että ihmisille maksetaan riittävästi
13:37
and fairly, absolutely --
295
805000
2000
ja reilusti, absoluuttisesti.
13:39
getting the issue of money off the table,
296
807000
2000
Saadaan koko raha-asia pois päiväjärjestyksestä.
13:41
and then giving people lots of autonomy.
297
809000
2000
Sitten ihmisille annetaan paljon itsenäisyyttä.
13:43
Let me give you some examples.
298
811000
2000
Annan teille esimerkkejä.
13:45
How many of you have heard of the company Atlassian?
299
813000
4000
Kuinka moni on kuullut yrityksestä nimeltä Atlassian?
13:49
It looks like less than half.
300
817000
2000
Näköjään alle puolet.
13:51
(Laughter)
301
819000
2000
(Naurua)
13:53
Atlassian is an Australian software company.
302
821000
4000
Atlassian on australialainen ohjelmistoyritys.
13:57
And they do something incredibly cool.
303
825000
2000
He tekevät jotain käsittämättömän siistiä.
13:59
A few times a year they tell their engineers,
304
827000
2000
Muutaman kerran vuodessa he kertovat insinööreilleen:
14:01
"Go for the next 24 hours and work on anything you want,
305
829000
4000
"Menkää tekemään seuraavat 24 tuntia mitä haluatte,
14:05
as long as it's not part of your regular job.
306
833000
2000
kunhan se ei ole osa normaalia työtänne.
14:07
Work on anything you want."
307
835000
2000
Tehkää mitä haluatte."
14:09
So that engineers use this time to come up with
308
837000
2000
Siten insinöörit käyttävät tuon ajan tehdäkseen
14:11
a cool patch for code, come up with an elegant hack.
309
839000
3000
makeita ja elegantteja koodinpätkiä.
14:14
Then they present all of the stuff that they've developed
310
842000
3000
Sitten he esittävät mitä ovat saaneet aikaan
14:17
to their teammates, to the rest of the company,
311
845000
3000
tiimikavereilleen, yrityksen muille työntekijöille,
14:20
in this wild and wooly all-hands meeting
312
848000
2000
villissä ja intuitiivisessa tapaamisessa
14:22
at the end of the day.
313
850000
2000
päivän lopussa.
14:24
And then, being Australians, everybody has a beer.
314
852000
2000
Sitten -- he ovat australialaisia -- jokainen juo oluen.
14:26
They call them FedEx Days.
315
854000
3000
He kutsuvat niitä FedEx-päiviksi.
14:29
Why? Because you have to deliver something overnight.
316
857000
6000
Miksi? Koska heidän pitää toimittaa jotain yön yli.
14:35
It's pretty. It's not bad. It's a huge trademark violation,
317
863000
2000
Se on nättiä. Ja hirveä tavaramerkkirikkomus.
14:37
but it's pretty clever.
318
865000
2000
Mutta melko nerokasta.
14:39
(Laughter)
319
867000
1000
(Naurua)
14:40
That one day of intense autonomy
320
868000
2000
Tuo intensiivinen yhden päivän itsenäisyys
14:42
has produced a whole array of software fixes
321
870000
2000
on tuottanut koko joukon ohjelmistopäivityksiä,
14:44
that might never have existed.
322
872000
2000
jotka muuten eivät olisi syntyneet.
14:46
And it's worked so well that Atlassian has taken it to the next level
323
874000
2000
Se on toiminut niin hyvin, että Atlassian on
14:48
with 20 Percent Time --
324
876000
2000
nostanut ajan 20 prosenttiin.
14:50
done, famously, at Google --
325
878000
2000
Myös Googlessa, kuten tiedetään,
14:52
where engineers can work, spend 20 percent of their time
326
880000
2000
insinöörit voivat tehdä 20 prosenttia ajastaan
14:54
working on anything they want.
327
882000
2000
mitä tahansa he haluavat.
14:56
They have autonomy over their time,
328
884000
2000
Heillä on autonomia ajan,
14:58
their task, their team, their technique.
329
886000
2000
tehtävien, tiimin, ja tekniikan suhteen.
15:00
Okay? Radical amounts of autonomy.
330
888000
2000
Radikaalinen määrä itsenäisyyttä.
15:02
And at Google, as many of you know,
331
890000
4000
Ja Googlessa, kuten monet teistä tietävät,
15:06
about half of the new products in a typical year
332
894000
2000
noin puolet uusista tuotteista tyypillisenä vuonna
15:08
are birthed during that 20 Percent Time:
333
896000
3000
on syntynyt tuon 20 prosentin aikana.
15:11
things like Gmail, Orkut, Google News.
334
899000
3000
Asiat kuten Gmail, Orkut, Google News.
15:14
Let me give you an even more radical example of it:
335
902000
3000
Annan teille vielä radikaalimman esimerkin.
15:17
something called the Results Only Work Environment,
336
905000
2000
Results Only Work Environment.
15:19
the ROWE,
337
907000
2000
The ROWE.
15:21
created by two American consultants, in place
338
909000
2000
Sen loivat kaksi amerikkalaista konsulttia, ja sitä
15:23
in place at about a dozen companies around North America.
339
911000
2000
käytetään noin tusinassa yrityksiä Pohjois-Amerikassa.
15:25
In a ROWE people don't have schedules.
340
913000
4000
ROWEssa ihmisillä ei ole aikatauluja.
15:29
They show up when they want.
341
917000
2000
He ilmaantuvat paikalle milloin haluavat.
15:31
They don't have to be in the office at a certain time,
342
919000
2000
Heidän ei tarvitse olla toimistossa tiettynä aikana,
15:33
or any time.
343
921000
2000
tai milloinkaan.
15:35
They just have to get their work done.
344
923000
2000
Heidän täytyy vain tehdä työnsä.
15:37
How they do it, when they do it,
345
925000
2000
Miten ja milloin he sen tekevät,
15:39
where they do it, is totally up to them.
346
927000
3000
missä he sen tekevät, se on heidän asiansa.
15:42
Meetings in these kinds of environments are optional.
347
930000
4000
Tapaamiset tällaisissa ympäristöissä ovat vapaaehtoisia.
15:46
What happens?
348
934000
2000
Mitä tapahtuu?
15:48
Almost across the board, productivity goes up,
349
936000
3000
Melkein kaikkialla tuottavuus nousee,
15:51
worker engagement goes up,
350
939000
3000
työntekijöiden sitoutuminen lisääntyy,
15:54
worker satisfaction goes up, turnover goes down.
351
942000
3000
tyytyväisyys nousee, vaihtuvuus laskee.
15:57
Autonomy, mastery and purpose,
352
945000
2000
Itsenäisyys, osaaminen ja tarkoitus.
15:59
These are the building blocks of a new way of doing things.
353
947000
2000
Nämä ovat rakennuspalikoita uudenlaiseen tekemiseen.
16:01
Now some of you might look at this and say,
354
949000
3000
Jotkut teistä saattavat ajatella:
16:04
"Hmm, that sounds nice, but it's Utopian."
355
952000
3000
"Hmm, kuulostaa kivalta, mutta on utopistista."
16:07
And I say, "Nope. I have proof."
356
955000
5000
Ja sanoin: "Eipäs. Minulla on todisteita."
16:12
The mid-1990s, Microsoft started
357
960000
2000
1990-luvulla Microsoft aloitti
16:14
an encyclopedia called Encarta.
358
962000
2000
tietosanakirjan nimeltä Encarta.
16:16
They had deployed all the right incentives,
359
964000
2000
He käyttivät kaikkia oikeita kannustimia.
16:18
all the right incentives. They paid professionals to
360
966000
3000
Kaikkia oikeita kannustimia. He maksoivat ammattilaisille
16:21
write and edit thousands of articles.
361
969000
2000
tuhansien artikkeleiden kirjoittamisesta.
16:23
Well-compensated managers oversaw the whole thing
362
971000
2000
Hyvin palkatut managerit johtivat kaikkea,
16:25
to make sure it came in on budget and on time.
363
973000
5000
pitäen huolta budjetista ja aikataulusta.
16:30
A few years later another encyclopedia got started.
364
978000
2000
Muutama vuosi myöhemmin toinen tietosanakirja aloitti.
16:32
Different model, right?
365
980000
3000
Eri malli.
16:35
Do it for fun. No one gets paid a cent, or a Euro or a Yen.
366
983000
4000
Ihmiset tekevät sitä huvikseen. Kenellekään ei makseta senttiäkään, ei euroa, ei jeniä.
16:39
Do it because you like to do it.
367
987000
3000
Ihmiset tekevät sitä, koska pitävät siitä.
16:42
Now if you had, just 10 years ago,
368
990000
3000
Jos olisi, vain 10 vuotta sitten,
16:45
if you had gone to an economist, anywhere,
369
993000
2000
kysynyt keltä tahansa taloustieteilijältä:
16:47
and said, "Hey, I've got these two different models for creating an encyclopedia.
370
995000
4000
"Hei, minulla on nämä kaksi mallia tietosanakirjan tekemiseen.
16:51
If they went head to head, who would win?"
371
999000
3000
Jos ne kilpailisivat, kumpi voittaisi?"
16:54
10 years ago you could not have found a single sober economist anywhere
372
1002000
4000
10 vuotta sitten ei olisi löytänyt yhtäkään selvää taloustieteilijää missään
16:58
on planet Earth
373
1006000
2000
Maan päällä,
17:00
who would have predicted the Wikipedia model.
374
1008000
2000
joka olisi ennustanut Wikipedia-mallin voittavan.
17:02
This is the titanic battle between these two approaches.
375
1010000
3000
Tämä on näiden kahden lähestymistavan titaanien taistelu.
17:05
This is the Ali-Frazier of motivation. Right?
376
1013000
3000
Tämä on motivaation Ali vs. Frazier -ottelu.
17:08
This is the Thrilla' in Manila.
377
1016000
2000
Tämä on Thrilla in Manila.
17:10
Alright? Intrinsic motivators versus extrinsic motivators.
378
1018000
3000
Sisäiset motivaattorit vastaan ulkoiset motivaattorit.
17:13
Autonomy, mastery and purpose,
379
1021000
2000
Itsenäisyys, osaaminen ja tarkoitus
17:15
versus carrot and sticks. And who wins?
380
1023000
2000
vastaan porkkana ja keppi. Ja kuka voitti?
17:17
Intrinsic motivation, autonomy, mastery and purpose,
381
1025000
3000
Sisäinen motivaatio, itsenäisyys, osaaminen ja tarkoitus
17:20
in a knockout. Let me wrap up.
382
1028000
4000
sai tyrmäysvoiton. Teen yhteenvedon.
17:24
There is a mismatch between what science knows and what business does.
383
1032000
3000
On olemassa epäsuhta siinä mitä tiede tietää ja mitä liiketoiminta tekee.
17:27
And here is what science knows.
384
1035000
2000
Ja tämän tiede tietää.
17:29
One: Those 20th century rewards,
385
1037000
2000
Yksi: Nuo 1900-luvun palkkiot,
17:31
those motivators we think are a natural part of business,
386
1039000
3000
nuo motivaattorit, joita pidämme luonnollisina liiketoiminnassa
17:34
do work, but only in a surprisingly narrow band of circumstances.
387
1042000
4000
toimivat, mutta vain yllättävän kapealla olosuhteiden sektorilla.
17:38
Two: Those if-then rewards often destroy creativity.
388
1046000
4000
Kaksi: Nuo jos-niin-palkinnot usein tuhoavat luovuuden.
17:42
Three: The secret to high performance
389
1050000
2000
Kolme: Salaisuus hienoon suoritukseen
17:44
isn't rewards and punishments,
390
1052000
2000
ei ole palkkiot ja rangaistukset,
17:46
but that unseen intrinsic drive --
391
1054000
2000
vaan näkymätön sisäinen motivaatio.
17:48
the drive to do things for their own sake.
392
1056000
3000
Halu tehdä asioita niiden itsensä vuoksi.
17:51
The drive to do things cause they matter.
393
1059000
2000
Halu tehdä asioita, koska niillä on merkitystä.
17:53
And here's the best part. Here's the best part.
394
1061000
2000
Ja nyt tulee paras kohta.
17:55
We already know this. The science confirms what we know in our hearts.
395
1063000
3000
Me tiedämme sen jo. Tiede vahvistaa sen, mitä tunnemme sydämissämme.
17:58
So, if we repair this mismatch
396
1066000
3000
Jos korjaamme tämän epäsuhdan
18:01
between what science knows and what business does,
397
1069000
2000
siitä, mitä tiede tietää ja liiketoiminta tekee,
18:03
if we bring our motivation, notions of motivation
398
1071000
3000
jos tuomme motivaation, käsitykset motivaatiosta
18:06
into the 21st century,
399
1074000
2000
2000-luvulle,
18:08
if we get past this lazy, dangerous, ideology
400
1076000
4000
jos pääsemme ohi tästä laiskasta, vaarallisesta ideologiasta
18:12
of carrots and sticks,
401
1080000
2000
porkkanoista ja kepeistä,
18:14
we can strengthen our businesses,
402
1082000
3000
voimistamme liiketoimintaamme,
18:17
we can solve a lot of those candle problems,
403
1085000
3000
voimme ratkaista noita kynttiläongelmia,
18:20
and maybe, maybe, maybe
404
1088000
4000
ja ehkä, ehkä, ehkä
18:24
we can change the world.
405
1092000
2000
voimme muuttaa maailmaa.
18:26
I rest my case.
406
1094000
2000
Päätän puheenvuoroni tähän.
18:28
(Applause)
407
1096000
3000
(Aplodeja)
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