TEDSalon London 2010
Noreena Hertz: How to use experts -- and when not to
Noreena Hertz: Hogyan használjuk a szakértőket - és mikor ne...
Filmed:
Readability: 5.3
951,198 views
Naponta fontos döntéseket hozunk, és gyakran szakértőkre hagyatkozunk, hogy segítsenek dönteni. A közgazdász Noreena Hertz szerint azonban, ha túlságosan is a szakértőkre hagyatkozunk, az korlátozhat bennünket, vagy akár veszélyes is lehet. Felszólít bennünket, hogy lássunk hozzá, és demokratizáljuk a szakértelmet, hogy ne csak a sebészekre és az ügyvezetőkre hallgassunk, hanem a bolti személyzetre is.
Noreena Hertz - Economist
Noreena Hertz looks at global culture -- financial and otherwise -- using an approach that combines traditional economic analysis with foreign policy trends, psychology, behavioural economics, anthropology, history and sociology. Full bio
Noreena Hertz looks at global culture -- financial and otherwise -- using an approach that combines traditional economic analysis with foreign policy trends, psychology, behavioural economics, anthropology, history and sociology. Full bio
Double-click the English transcript below to play the video.
00:15
It's Monday morning.
0
0
3000
Hétfő reggel van.
00:18
In Washington,
1
3000
2000
Washingtonban
00:20
the president of the United States
2
5000
2000
az Egyesült Államok elnöke
00:22
is sitting in the Oval Office,
3
7000
2000
az ovális irodában ül,
00:24
assessing whether or not
4
9000
2000
és azon gondolkozik,
00:26
to strike Al Qaeda
5
11000
2000
hogy megtámadja-e az Al Qaedát
00:28
in Yemen.
6
13000
2000
Jemenben.
00:30
At Number 10 Downing Street,
7
15000
2000
A Downing Street 10-ben
00:32
David Cameron is trying to work out
8
17000
3000
David Cameron próbálja eldönteni,
00:35
whether to cut more public sector jobs
9
20000
3000
hogy megszüntessen-e további állásokat a közszférában,
00:38
in order to stave off a double-dip recession.
10
23000
3000
hogy ezzel megakadályozzon egy újabb gazdasági visszaesést.
00:41
In Madrid, Maria Gonzalez
11
26000
3000
Madridban Maria Gonzalez
00:44
is standing at the door,
12
29000
2000
az ajtóban áll,
00:46
listening to her baby crying and crying,
13
31000
3000
és hallgatja, ahogy a gyermeke egyre csak sír és sír,
00:49
trying to work out whether she should let it cry
14
34000
3000
és próbálja eldönteni, hogy hagyja-e sírni,
00:52
until it falls asleep
15
37000
2000
míg el nem alszik,
00:54
or pick it up and hold it.
16
39000
3000
vagy vegye fel és ringassa.
00:57
And I am sitting by my father's bedside in hospital,
17
42000
4000
Én pedig a kórházban ülök az apám ágyánál,
01:01
trying to work out
18
46000
2000
és azon töröm a fejem,
01:03
whether I should let him drink
19
48000
2000
hogy hagyjam-e, hogy megigya
01:05
the one-and-a-half-liter bottle of water
20
50000
3000
a másfél liter vizet,
01:08
that his doctors just came in and said,
21
53000
3000
amire az orvosai azt mondták:
01:11
"You must make him drink today," --
22
56000
2000
"Ezt ma meg kell itatni vele" --
01:13
my father's been nil by mouth for a week --
23
58000
3000
az apám egy hete sem ételt, sem italt nem vett magához --
01:16
or whether, by giving him this bottle,
24
61000
4000
azzal, hogy odaadom neki azt az üveg vizet
01:20
I might actually kill him.
25
65000
3000
akár meg is ölhetem.
01:23
We face momentous decisions
26
68000
3000
Fontos döntésekkel szembesülünk,
01:26
with important consequences
27
71000
2000
melyeknek súlyos hatásuk van
01:28
throughout our lives,
28
73000
2000
egész életünkre.
01:30
and we have strategies for dealing with these decisions.
29
75000
3000
És nekünk megvannak a stratégiáink, hogyan kezeljük ezeket a döntéseket.
01:33
We talk things over with our friends,
30
78000
3000
Megbeszéljük a barátainkkal,
01:36
we scour the Internet,
31
81000
3000
az internetet böngésszük,
01:39
we search through books.
32
84000
3000
könyveket bújunk.
01:42
But still,
33
87000
2000
És mégis,
01:44
even in this age
34
89000
2000
még ma is,
01:46
of Google and TripAdvisor
35
91000
2000
a Google, a TripAdvisor
01:48
and Amazon Recommends,
36
93000
3000
vagy az Amazon Reccomends korában,
01:51
it's still experts
37
96000
2000
még mindig a szakértők azok,
01:53
that we rely upon most --
38
98000
3000
akikre leginkább hagyatkozunk –
01:56
especially when the stakes are high
39
101000
2000
különösen akkor, ha nagy a tét
01:58
and the decision really matters.
40
103000
3000
és a döntésnek súlya van.
02:01
Because in a world of data deluge
41
106000
2000
Mert ebben az adatokkal elárasztott
02:03
and extreme complexity,
42
108000
3000
és hihetetlenül összetett világban
02:06
we believe that experts
43
111000
2000
úgy gondoljuk, hogy a szakértők azok,
02:08
are more able to process information than we can --
44
113000
3000
akik jobban kezelik az információt, mint mi –
02:11
that they are able to come to better conclusions
45
116000
3000
jobb következtetésekre jutnak,
02:14
than we could come to on our own.
46
119000
3000
mint amire mi magunk tudnánk.
02:17
And in an age
47
122000
2000
És egy olyan korban,
02:19
that is sometimes nowadays frightening
48
124000
3000
mely mostanság olykor félelmetes
02:22
or confusing,
49
127000
2000
vagy zavaros,
02:24
we feel reassured
50
129000
2000
megnyugtató
02:26
by the almost parental-like authority
51
131000
3000
egy szinte atyáskodó
02:29
of experts
52
134000
2000
szakértői tekintély,
02:31
who tell us so clearly what it is
53
136000
3000
tisztán és világosan megmondják,
02:34
we can and cannot do.
54
139000
3000
mit lehet tenni és mit nem.
02:38
But I believe
55
143000
2000
Azt hiszem,
02:40
that this is a big problem,
56
145000
2000
hogy ez egy nagy probléma.
02:42
a problem with potentially dangerous consequences
57
147000
4000
Egy olyan probléma, melynek veszélyes következményei lehetnek
02:46
for us as a society,
58
151000
3000
társadalmunkra,
02:49
as a culture
59
154000
2000
kultúránkra
02:51
and as individuals.
60
156000
2000
és az egyénekre is.
02:53
It's not that experts
61
158000
2000
Nem arról van szó, hogy a szakértők
02:55
have not massively contributed to the world --
62
160000
2000
ne adnának sokat a világnak --
02:57
of course they have.
63
162000
2000
dehogynem.
02:59
The problem lies with us:
64
164000
3000
A probléma velünk van;
03:02
we've become addicted to experts.
65
167000
3000
a szakértők rabjaivá váltunk.
03:05
We've become addicted to their certainty,
66
170000
3000
Bizonyosságuk,
03:08
their assuredness,
67
173000
2000
magabiztosságuk,
03:10
their definitiveness,
68
175000
2000
határozottságuk rabjai lettünk,
03:12
and in the process,
69
177000
2000
és menetközben
03:14
we have ceded our responsibility,
70
179000
2000
átengedtük a felelősséget;
03:16
substituting our intellect
71
181000
2000
eszességünket és
03:18
and our intelligence
72
183000
3000
értelmünket
03:21
for their supposed words of wisdom.
73
186000
3000
a szakértők feltételezett bölcsességével helyettesítettük.
03:24
We've surrendered our power,
74
189000
3000
Kiadtuk kezünkből a hatalmat,
03:27
trading off our discomfort
75
192000
2000
elcseréltük a bizonytalanság
03:29
with uncertainty
76
194000
2000
kellemetlen érzését
03:31
for the illusion of certainty
77
196000
2000
a bizonyosság ábrándjáért,
03:33
that they provide.
78
198000
3000
melyet a szakértők biztosítanak.
03:36
This is no exaggeration.
79
201000
3000
Ez nem túlzás.
03:39
In a recent experiment,
80
204000
2000
Egy nemrég végzett kísérletben
03:41
a group of adults
81
206000
2000
egy csoport felnőtt
03:43
had their brains scanned in an MRI machine
82
208000
3000
agyát vizsgálták MRI készülékkel,
03:46
as they were listening to experts speak.
83
211000
3000
miközben szakértőket hallgattak.
03:50
The results were quite extraordinary.
84
215000
3000
Nagyon érdekes eredményre jutottak.
03:53
As they listened to the experts' voices,
85
218000
3000
Amikor a szakértőket hallgatták,
03:56
the independent decision-making parts of their brains
86
221000
5000
agyuk önálló döntéshozásért felelős területe
04:01
switched off.
87
226000
2000
kikapcsolt.
04:03
It literally flat-lined.
88
228000
3000
A vonal szó szerint kisimult.
04:06
And they listened to whatever the experts said
89
231000
2000
És bármit is mondott a szakértő, hallgattak rá
04:08
and took their advice, however right or wrong.
90
233000
3000
és megfogadták a tanácsát, akár igaz volt, akár nem.
04:12
But experts do get things wrong.
91
237000
3000
A szakértők azonban igenis szoktak tévedni.
04:16
Did you know that studies show
92
241000
3000
Tudták, hogy a tanulmányok szerint
04:19
that doctors misdiagnose
93
244000
3000
az orvosok
04:22
four times out of 10?
94
247000
3000
tízből négy esetben félrediagnosztizálnak?
04:25
Did you know
95
250000
2000
Tudták,
04:27
that if you file your tax returns yourself,
96
252000
3000
hogyha egyedül készítik el az adóbevallásukat,
04:30
you're statistically more likely
97
255000
2000
statisztikailag nagyobb az esélyük,
04:32
to be filing them correctly
98
257000
2000
hogy jól készítsék el,
04:34
than if you get a tax adviser
99
259000
2000
mintha adótanácsadót
04:36
to do it for you?
100
261000
2000
bíznak meg vele?
04:38
And then there's, of course, the example
101
263000
2000
És persze itt van az a példa,
04:40
that we're all too aware of:
102
265000
2000
amit mindannyian jól ismerünk:
04:42
financial experts
103
267000
2000
pénzügyi szakemberek
04:44
getting it so wrong
104
269000
2000
akkorát tévedtek,
04:46
that we're living through the worst recession
105
271000
2000
hogy olyan mély recessziót élünk át,
04:48
since the 1930s.
106
273000
3000
melyre az 1930-as évek óta nem volt példa.
04:52
For the sake of our health,
107
277000
2000
Egészségünk,
04:54
our wealth
108
279000
2000
vagyonunk,
04:56
and our collective security,
109
281000
2000
és kollektív biztonságunk érdekében
04:58
it's imperative that we keep
110
283000
3000
elkerülhetetlen, hogy
05:01
the independent decision-making parts of our brains
111
286000
4000
agyunk önálló döntéshozatalért felelős részeit
05:05
switched on.
112
290000
2000
bekapcsolva tartsuk.
05:07
And I'm saying this as an economist
113
292000
2000
Ezt olyan közgazdászként mondom,
05:09
who, over the past few years,
114
294000
2000
aki az elmúlt években
05:11
has focused my research
115
296000
2000
azt kutatta,
05:13
on what it is we think
116
298000
2000
mit gondolunk,
05:15
and who it is we trust and why,
117
300000
3000
kiben bízunk és miért.
05:18
but also --
118
303000
2000
Emellett azonban --
05:20
and I'm aware of the irony here --
119
305000
2000
és érzem én is itt az iróniát --
05:22
as an expert myself,
120
307000
3000
szakértőként,
05:25
as a professor,
121
310000
2000
professzorként,
05:27
as somebody who advises prime ministers,
122
312000
3000
olyasvalakiként, aki miniszterelnököknek,
05:30
heads of big companies,
123
315000
2000
nagyvállalatok vezetőinek,
05:32
international organizations,
124
317000
2000
nemzetközi szervezeteknek ad tanácsot,
05:34
but an expert who believes
125
319000
2000
én olyan szakértő vagyok, aki hisz abban,
05:36
that the role of experts needs to change,
126
321000
3000
hogy a szakértők szerepén változtatni kell,
05:39
that we need to become more open-minded,
127
324000
3000
sokkal nyitottabbaknak kell lennünk...
05:42
more democratic
128
327000
2000
... demokratikusabbnak,
05:44
and be more open
129
329000
2000
és nyitottabbnak,
05:46
to people rebelling against
130
331000
2000
azokkal az emberekkel,
05:48
our points of view.
131
333000
3000
akiknek nem tetszik az álláspontunk.
05:51
So in order to help you understand
132
336000
3000
Tehát, hogy segítsek megérteni,
05:54
where I'm coming from,
133
339000
2000
honnan erednek az érveim,
05:56
let me bring you into my world,
134
341000
3000
hadd vigyem el Önöket az én világomba,
05:59
the world of experts.
135
344000
2000
a szakértők világába.
06:01
Now there are, of course, exceptions,
136
346000
4000
Vannak persze kivételek,
06:05
wonderful, civilization-enhancing exceptions.
137
350000
6000
csodás, civilizációt előmozdító kivételek.
06:11
But what my research has shown me
138
356000
3000
De kutatásaim azt mutatták,
06:14
is that experts tend on the whole
139
359000
3000
hogy a szakértők általában
06:17
to form very rigid camps,
140
362000
3000
szekértáborokat alkotnak,
06:20
that within these camps,
141
365000
2000
és ezekben a táborokban
06:22
a dominant perspective emerges
142
367000
3000
kialakul egy uralkodó nézet,
06:25
that often silences opposition,
143
370000
3000
mely gyakran elhallgattatja az ellenvéleményt,
06:28
that experts move with the prevailing winds,
144
373000
3000
a szakértők úgy táncolnak, ahogy az uralkodó nézet fütyül,
06:31
often hero-worshipping
145
376000
3000
gyakran bálványozzák
06:34
their own gurus.
146
379000
2000
saját vezetőiket.
06:36
Alan Greenspan's proclamations
147
381000
2000
Alan Greenspan nyilatkozatait,
06:38
that the years of economic growth
148
383000
3000
miszerint a gazdasági növekedés
06:41
would go on and on,
149
386000
3000
egyre csak folytatódik majd,
06:44
not challenged by his peers,
150
389000
3000
társai közül senki sem vonta kétségbe,
06:47
until after the crisis, of course.
151
392000
3000
egészen a válságig, ugye.
06:51
You see,
152
396000
3000
Látják,
06:54
we also learn
153
399000
2000
megtudjuk,
06:56
that experts are located,
154
401000
2000
hogy a szakértők helyét
06:58
are governed,
155
403000
2000
és irányultságát
07:00
by the social and cultural norms
156
405000
3000
koruk társadalmi és kulturális normái
07:03
of their times --
157
408000
2000
határozzák meg --
07:05
whether it be the doctors
158
410000
2000
legyen szó orvosokról
07:07
in Victorian England, say,
159
412000
2000
a viktoriánus Angliában,
07:09
who sent women to asylums
160
414000
3000
akik a nőket elmegyógyintézetbe küldték,
07:12
for expressing sexual desire,
161
417000
3000
szexuális vágyuk kifejezése miatt,
07:15
or the psychiatrists in the United States
162
420000
3000
vagy a pszichiáterek az Egyesült Államokban,
07:18
who, up until 1973,
163
423000
3000
akik egészen 1973-ig
07:21
were still categorizing homosexuality
164
426000
4000
a homoszexualitást
07:25
as a mental illness.
165
430000
2000
elmebajnak tartották.
07:27
And what all this means
166
432000
2000
Mindez pedig azt jelenti,
07:29
is that paradigms
167
434000
2000
hogy a paradigmákat
07:31
take far too long to shift,
168
436000
3000
nagyon nehéz megváltoztatni,
07:34
that complexity and nuance are ignored
169
439000
4000
a komplexitást és az apró részleteket pedig figyelmen kívül hagyják.
07:38
and also that money talks --
170
443000
3000
A pénz beszél,
07:41
because we've all seen the evidence
171
446000
3000
mert már mindannyian láttunk példát arra,
07:44
of pharmaceutical companies
172
449000
2000
hogy gyógyszercégek
07:46
funding studies of drugs
173
451000
3000
olyan gyógyszerészeti kutatásokat támogatnak,
07:49
that conveniently leave out
174
454000
2000
melyek lazán kihagyják
07:51
their worst side effects,
175
456000
3000
a legkomolyabb mellékhatásokat.
07:54
or studies funded by food companies
176
459000
3000
Vagy élelmiszeripari cégek kutatásaikban
07:57
of their new products,
177
462000
3000
újonnan piacra dobott termékeik
08:00
massively exaggerating the health benefits
178
465000
3000
jótékony egészségügyi hatásait
08:03
of the products they're about to bring by market.
179
468000
3000
erőteljesen felnagyítják.
08:06
The study showed that food companies exaggerated
180
471000
2000
A tanulmány szerint az élelmiszeripari cégek
08:08
typically seven times more
181
473000
3000
jellemzően hétszer annyira túloznak,
08:11
than an independent study.
182
476000
3000
mint a független tanulmányok.
08:15
And we've also got to be aware
183
480000
2000
És arra is ügyelnünk kell,
08:17
that experts, of course,
184
482000
2000
hogy természetesen a szakértők is
08:19
also make mistakes.
185
484000
2000
hibáznak.
08:21
They make mistakes every single day --
186
486000
3000
Minden egyes nap hibáznak -
08:24
mistakes born out of carelessness.
187
489000
3000
gondatlanságból.
08:27
A recent study in the Archives of Surgery
188
492000
3000
Az "Archives of Surgery" [amerikai eü.i szaklap] egy friss tanulmányában
08:30
reported surgeons
189
495000
2000
olyan sebészekről számolt be,
08:32
removing healthy ovaries,
190
497000
3000
akik egészséges petefészkeket távolítottak el,
08:35
operating on the wrong side of the brain,
191
500000
3000
az agy egészséges felén operáltak,
08:38
carrying out procedures on the wrong hand,
192
503000
3000
vagy a kezelést nem a megfelelő kézen,
08:41
elbow, eye, foot,
193
506000
3000
könyéken, szemen, lábon végezték el.
08:44
and also mistakes born out of thinking errors.
194
509000
3000
Van, hogy gondolkodási hiba miatt tévednek.
08:47
A common thinking error
195
512000
2000
Egy gyakori gondolkodási hiba,
08:49
of radiologists, for example --
196
514000
3000
melyet például a radiológusok elkövetnek,
08:52
when they look at CT scans --
197
517000
3000
hogy amikor ránéznek a CT-re --
08:55
is that they're overly influenced
198
520000
2000
túlságosan is befolyásolja őket
08:57
by whatever it is
199
522000
2000
- bármi legyen is az -
08:59
that the referring physician has said
200
524000
2000
amit a beteget hozzájuk utaló orvos mondott,
09:01
that he suspects
201
526000
2000
hogy gyanúja szerint mi
09:03
the patient's problem to be.
202
528000
3000
a páciens problémája.
09:06
So if a radiologist
203
531000
2000
Vagyis ha egy radiológus
09:08
is looking at the scan
204
533000
2000
egy olyan beteg röntgenképét nézi, akinek
09:10
of a patient with suspected pneumonia, say,
205
535000
3000
a gyanú szerint tüdőgyulladása van,
09:13
what happens is that,
206
538000
2000
akkor az történik,
09:15
if they see evidence
207
540000
2000
hogy... ha már látják a bizonyítékot
09:17
of pneumonia on the scan,
208
542000
3000
a röntgenképen a tüdőgyulladásra,
09:20
they literally stop looking at it --
209
545000
3000
akkor szó szerint nem nézik tovább,
09:23
thereby missing the tumor
210
548000
2000
és nem veszik észre a
09:25
sitting three inches below
211
550000
2000
8 centire
09:27
on the patient's lungs.
212
552000
3000
a páciens tüdeje alatt elhelyezkedő tumort.
09:31
I've shared with you so far
213
556000
3000
Most egy kicsit a szakértők világába
09:34
some insights into the world of experts.
214
559000
3000
néztünk bele.
09:37
These are, of course,
215
562000
2000
Természetesen
09:39
not the only insights I could share,
216
564000
2000
mondhatnék még többet is,
09:41
but I hope they give you a clear sense at least
217
566000
3000
de remélem világosan érzik most már,
09:44
of why we need to stop kowtowing to them,
218
569000
3000
miért kell abbahagynunk a hajbókolást,
09:47
why we need to rebel
219
572000
2000
miért kell lázadnunk,
09:49
and why we need to switch
220
574000
2000
és miért kell
09:51
our independent decision-making capabilities on.
221
576000
4000
bekapcsolnunk az önálló döntéshozatali képességeinket.
09:55
But how can we do this?
222
580000
3000
De hogyan tudjuk ezt megtenni?
09:58
Well for the sake of time,
223
583000
3000
Az idő rövidsége miatt
10:01
I want to focus on just three strategies.
224
586000
3000
csak három stratégiára koncentrálnék.
10:06
First, we've got to be ready and willing
225
591000
2000
Először is, késznek és hajlandónak kell lennünk, hogy
10:08
to take experts on
226
593000
3000
átvegyük a szakértők szerepét,
10:11
and dispense with this notion of them
227
596000
3000
és ne gondoljunk rájuk többé úgy, mint
10:14
as modern-day apostles.
228
599000
2000
modern apostolokra.
10:16
This doesn't mean having to get a Ph.D.
229
601000
3000
Ez nem azt jelenti, hogy doktoráljunk
10:19
in every single subject,
230
604000
2000
minden tudományágból,
10:21
you'll be relieved to hear.
231
606000
2000
gondolom megkönnyebbülve hallják.
10:23
But it does mean persisting
232
608000
3000
Viszont állhatatosnak kell lennünk
10:26
in the face of their inevitable annoyance
233
611000
3000
elkerülhetetlenül bosszús reakciójukkal szemben,
10:29
when, for example,
234
614000
2000
amikor, például
10:31
we want them to explain things to us
235
616000
2000
azt akarjuk, hogy magyarázzanak meg nekünk dolgokat,
10:33
in language that we can actually understand.
236
618000
4000
olyan nyelven, amit valóban meg tudunk érteni.
10:38
Why was it that, when I had an operation,
237
623000
3000
Amikor volt egy műtétem, miért mondta azt az
10:41
my doctor said to me,
238
626000
2000
orvosom:
10:43
"Beware, Ms. Hertz,
239
628000
2000
Hertz kisasszony, óvakodjon a
10:45
of hyperpyrexia,"
240
630000
2000
hyperpyrexiától,
10:47
when he could have just as easily said,
241
632000
2000
amikor azt is mondhatta volna, hogy figyeljek oda
10:49
"Watch out for a high fever."
242
634000
3000
a magas lázra?
10:53
You see, being ready to take experts on
243
638000
4000
Látják, készen lenni kiállni a szakértők ellen arról szól,
10:57
is about also being willing
244
642000
2000
hogy hajlandóak vagyunk belesni a
10:59
to dig behind their graphs,
245
644000
3000
grafikonjaik,
11:02
their equations, their forecasts,
246
647000
2000
egyenleteik, előrejelzéseik,
11:04
their prophecies,
247
649000
2000
jövendöléseik mögé,
11:06
and being armed with the questions to do that --
248
651000
3000
és fel vagyunk fegyverezve erre alkalmas kérdésekkel -
11:09
questions like:
249
654000
2000
mint például:
11:11
What are the assumptions that underpin this?
250
656000
3000
Milyen feltételezések támasztják ezt alá?
11:14
What is the evidence upon which this is based?
251
659000
3000
Mi a bizonyítéka annak, amin ez alapszik?
11:17
What has your investigation focused on?
252
662000
4000
Mire irányul a vizsgálata?
11:21
And what has it ignored?
253
666000
3000
És mi hiányzik belőle?
11:24
It recently came out
254
669000
2000
Nemrég tudódott ki,
11:26
that experts trialing drugs
255
671000
3000
hogy a gyógyszereket tesztelő szakértők,
11:29
before they come to market
256
674000
2000
mielőtt a hatóanyagok piacra kerülnének,
11:31
typically trial drugs
257
676000
3000
jellemző módon ezeket a gyógyszereket
11:34
first, primarily on male animals
258
679000
4000
először hím állatokon, majd férfiakon
11:38
and then, primarily on men.
259
683000
3000
tesztelik.
11:41
It seems that they've somehow overlooked the fact
260
686000
3000
Úgy tűnik, elkerülte a figyelmüket az a tény, hogy a világ
11:44
that over half the world's population are women.
261
689000
3000
népességének több, mint a fele nő.
11:49
And women have drawn the short medical straw
262
694000
3000
A nők a rövidebbet húzták az egészségügyben,
11:52
because it now turns out that many of these drugs
263
697000
3000
mert kiderül, hogy sok ilyen gyógyszer
11:55
don't work nearly as well on women
264
700000
3000
közel sem olyan hatásos nőkön,
11:58
as they do on men --
265
703000
2000
mint amilyen hatásos férfiakon;
12:00
and the drugs that do work well work so well
266
705000
3000
és a hatékony gyógyszerek "annyira jól beválnak", hogy
12:03
that they're actively harmful for women to take.
267
708000
3000
szabályosan károsak a nők számára.
12:06
Being a rebel is about recognizing
268
711000
3000
Lázadónak lenni annyit tesz: észrevenni, hogy
12:09
that experts' assumptions
269
714000
3000
a szakértők feltételezései
12:12
and their methodologies
270
717000
2000
és módszereik
12:14
can easily be flawed.
271
719000
3000
könnyen tévesek lehetnek.
12:17
Second,
272
722000
2000
Másodszorra,
12:19
we need to create the space
273
724000
3000
meg kell alkotnunk a teret annak,
12:22
for what I call "managed dissent."
274
727000
3000
amit én 'irányított véleményeltérésnek' hívok.
12:25
If we are to shift paradigms,
275
730000
2000
Ha paradigmát akarunk váltani,
12:27
if we are to make breakthroughs,
276
732000
2000
ha előretörést akarunk elérni,
12:29
if we are to destroy myths,
277
734000
3000
ha le akarjuk dönteni a mítoszokat,
12:32
we need to create an environment
278
737000
2000
akkor olyan környezetet kell teremtenünk,
12:34
in which expert ideas are battling it out,
279
739000
3000
amelyben a szakértők ötleteinek harcolniuk kell,
12:37
in which we're bringing in
280
742000
2000
ahol vitába küldünk
12:39
new, diverse, discordant, heretical views
281
744000
3000
új, eltérő, furcsa, eretnek
12:42
into the discussion,
282
747000
2000
nézeteket,
12:44
fearlessly,
283
749000
2000
bátran,
12:46
in the knowledge that progress comes about,
284
751000
3000
annak a tudatában, hogy fejlődés jön létre,
12:49
not only from the creation of ideas,
285
754000
4000
nem pusztán ötletek megalkotásából,
12:53
but also from their destruction --
286
758000
3000
hanem elpusztításukból is,
12:56
and also from the knowledge
287
761000
3000
és abból a tudásból is, hogy
12:59
that, by surrounding ourselves
288
764000
2000
ilyen környezetben,
13:01
by divergent, discordant,
289
766000
3000
széthúzó, furcsa,
13:04
heretical views.
290
769000
2000
eretnek nézetek közepette,
13:06
All the research now shows us
291
771000
2000
minden kutatás szerint:
13:08
that this actually makes us smarter.
292
773000
4000
okosabbá tesszük magunkat.
13:13
Encouraging dissent is a rebellious notion
293
778000
3000
A szakértőkkel való vitára bátorítani lázadó gondolat,
13:16
because it goes against our very instincts,
294
781000
3000
mert saját ösztöneinkkel megy szembe,
13:19
which are to surround ourselves
295
784000
3000
melyek azt súgják, hogy olyan véleményekkel
13:22
with opinions and advice
296
787000
2000
vegyük körbe magunkat,
13:24
that we already believe
297
789000
3000
melyekről már hisszük, hogy igazak,
13:27
or want to be true.
298
792000
2000
vagy igaznak akarjuk hinni őket.
13:29
And that's why I talk about the need
299
794000
2000
Ezért beszélek arról, hogy
13:31
to actively manage dissent.
300
796000
3000
tevékenyen kell kezelni az ellenvéleményt.
13:35
Google CEO Eric Schmidt
301
800000
2000
A Google vezére, Eric Schmidt
13:37
is a practical practitioner
302
802000
3000
ennek az elgondolásnak
13:40
of this philosophy.
303
805000
2000
gyakorlati megvalósítója.
13:42
In meetings, he looks out for the person in the room --
304
807000
3000
Üzleti megbeszéléseken, azt a személyt keresi,
13:45
arms crossed, looking a bit bemused --
305
810000
3000
aki keresztbe font karokkal, kissé zavartnak tűnik...
13:48
and draws them into the discussion,
306
813000
3000
és bevonja őket a beszélgetésbe,
13:51
trying to see if they indeed are
307
816000
3000
igyekszik kitalálni, hogy tényleg
13:54
the person with a different opinion,
308
819000
3000
más véleményen vannak-e,
13:57
so that they have dissent within the room.
309
822000
3000
azaz véleménykülönbség van-e a teremben.
14:00
Managing dissent
310
825000
2000
A eltérő vélemény kezelése arról szól, hogy
14:02
is about recognizing the value
311
827000
3000
felismerjük az egyet-nem-értés,
14:05
of disagreement, discord
312
830000
3000
a disszonancia és
14:08
and difference.
313
833000
2000
a nézeteltérés értékét.
14:10
But we need to go even further.
314
835000
3000
Ennél is tovább kell mennünk.
14:13
We need to fundamentally redefine
315
838000
3000
Alapvetően új meghatározást kell adnunk arra, hogy
14:16
who it is that experts are.
316
841000
3000
kik is a szakértők.
14:20
The conventional notion
317
845000
2000
A hagyományos elgondolás szerint
14:22
is that experts are people
318
847000
3000
szakértők azok az emberek, akiknek van
14:25
with advanced degrees,
319
850000
2000
felsőfokú végzettségük,
14:27
fancy titles, diplomas,
320
852000
3000
cifra címük, diplomájuk,
14:30
best-selling books --
321
855000
2000
sikerkönyveik,
14:32
high-status individuals.
322
857000
2000
és magas-beosztású személyek.
14:34
But just imagine
323
859000
2000
De képzeljék csak el, mi lenne, ha
14:36
if we were to junk
324
861000
2000
kidobnánk a szakértelem ilyetén
14:38
this notion of expertise
325
863000
4000
felfogását, mely szerint
14:42
as some sort of elite cadre
326
867000
4000
ez valami elit szerveződésben való tagságot jelent.
14:46
and instead embrace the notion
327
871000
3000
Ehelyett azt az elgondolást karolnánk fel, ami a
14:49
of democratized expertise --
328
874000
3000
demokratikus szakértelmet hirdeti --
14:52
whereby expertise was not just the preserve
329
877000
3000
ahol a szakértelem nem csak sebészek és vezérigazgatók
14:55
of surgeons and CEO's,
330
880000
2000
előjoga,
14:57
but also shop-girls -- yeah.
331
882000
3000
hanem bolti eladó-lányoké is - igen!
15:01
Best Buy,
332
886000
2000
A Best Buy,
15:03
the consumer electronics company,
333
888000
2000
a szórakoztató-elektronikai cég,
15:05
gets all its employees --
334
890000
3000
minden dolgozóját bevonja,
15:08
the cleaners, the shop assistants,
335
893000
2000
takarítókat, eladókat,
15:10
the people in the back office,
336
895000
3000
irodai dolgozókat,
15:13
not just its forecasting team --
337
898000
2000
nem csak a piaci mozgásokat megsaccoló csapatot, hogy
15:15
to place bets, yes bets,
338
900000
3000
fogadjanak, igen, fogadjanak, hogy
15:18
on things like whether or not
339
903000
2000
egy termék
15:20
a product is going to sell well before Christmas,
340
905000
3000
szépen fogy majd karácsony előtt, vagy sem,
15:23
on whether customers' new ideas
341
908000
3000
vagy hogy a vásárlók új ötleteit
15:26
are going to be or should be taken on by the company,
342
911000
4000
figyelembe vegye-e a cég,
15:30
on whether a project
343
915000
2000
vagy hogy egy projekt
15:32
will come in on time.
344
917000
2000
megvalósul-e időben.
15:34
By leveraging
345
919000
2000
Azzal, hogy hasznosították
15:36
and by embracing
346
921000
2000
és felkarolták
15:38
the expertise within the company,
347
923000
2000
a cégen belüli szakértelmet,
15:40
Best Buy was able to discover, for example,
348
925000
3000
a Best Buy képes volt felfedezni például,
15:43
that the store that it was going to open in China --
349
928000
4000
hogy az egyik boltjuk, amit Kínában akartak nyitni,
15:47
its big, grand store --
350
932000
2000
egy nagy, óriási bolt,
15:49
was not going to open on time.
351
934000
3000
nem nyílik majd meg időben.
15:52
Because when it asked its staff,
352
937000
2000
Amikor megkérték ugyanis a dolgozókat,
15:54
all its staff, to place their bets
353
939000
3000
mindenkit, hogy tegyék meg tétjeiket:
15:57
on whether they thought the store would open on time or not,
354
942000
4000
vajon időben megnyílik-e az üzlet vagy sem,
16:01
a group from the finance department
355
946000
3000
egy csoport a pénzügyi osztályról
16:04
placed all their chips
356
949000
2000
mindent arra tett fel, hogy
16:06
on that not happening.
357
951000
3000
ez nem történik meg.
16:09
It turned out that they were aware,
358
954000
2000
Kiderült, hogy tudtak arról,
16:11
as no one else within the company was,
359
956000
3000
amiről senki más a cégen belül, hogy
16:14
of a technological blip
360
959000
2000
volt egy technológiai baki, amiről sem a
16:16
that neither the forecasting experts,
361
961000
2000
piaci igényfelmérő szakértők,
16:18
nor the experts on the ground in China,
362
963000
3000
sem a kínai helyszíni szakértők
16:21
were even aware of.
363
966000
3000
nem tudtak.
16:25
The strategies
364
970000
2000
Azok a stratégiák, amelyekről
16:27
that I have discussed this evening --
365
972000
3000
ma este beszéltem,
16:30
embracing dissent,
366
975000
2000
vállaljuk a véleménykülönbséget,
16:32
taking experts on,
367
977000
2000
vonjuk kérdőre a szakértőket,
16:34
democratizing expertise,
368
979000
2000
demokratizáljuk a szakértelmet,
16:36
rebellious strategies --
369
981000
3000
lázadó stratégiák,
16:39
are strategies that I think
370
984000
2000
ezek a stratégiák azok, amelyekről úgy vélem, hogy
16:41
would serve us all well to embrace
371
986000
2000
mindannyiunkat remekül szolgálhatnak, amikor
16:43
as we try to deal with the challenges
372
988000
3000
próbálunk elbánni ezen nehéz,
16:46
of these very confusing, complex,
373
991000
3000
zavaros,
16:49
difficult times.
374
994000
2000
összetett idők elvárásaival.
16:51
For if we keep
375
996000
2000
Mert ha bekapcsolva hagyjuk
16:53
our independent decision-making part
376
998000
2000
agyunk saját független döntéshozó
16:55
of our brains switched on,
377
1000000
3000
részét,
16:58
if we challenge experts, if we're skeptical,
378
1003000
3000
ha kérdőre vonjuk a szakértőket, ha kételkedünk,
17:01
if we devolve authority,
379
1006000
2000
ha nem fogadjuk el a tekintélyt,
17:03
if we are rebellious,
380
1008000
2000
ha lázadó magatartást veszünk fel,
17:05
but also
381
1010000
2000
de ugyanakkor
17:07
if we become much more comfortable
382
1012000
2000
"zöld-ágra-vergődünk" a
17:09
with nuance,
383
1014000
2000
kis részletekkel, a
17:11
uncertainty and doubt,
384
1016000
3000
bizonytalansággal és a kétellyel,
17:14
and if we allow our experts
385
1019000
3000
és ha megengedjük a szakértőknek is, hogy
17:17
to express themselves
386
1022000
2000
használják a megfelelő
17:19
using those terms too,
387
1024000
2000
kifejezésmódokat,
17:21
we will set ourselves up
388
1026000
2000
sokkal jobban felkészítjük magunkat a
17:23
much better
389
1028000
2000
21. század
17:25
for the challenges of the 21st century.
390
1030000
4000
kihívásaira.
17:29
For now, more than ever,
391
1034000
3000
Most, sokkal inkább, mint bármikor,
17:32
is not the time
392
1037000
2000
nem a vakon való követésnek
17:34
to be blindly following,
393
1039000
2000
van itt az ideje,
17:36
blindly accepting,
394
1041000
2000
nem a vakon elfogadásnak,
17:38
blindly trusting.
395
1043000
3000
nem a vakhitnek.
17:41
Now is the time to face the world
396
1046000
3000
Itt az ideje, hogy nyitott szemmel
17:44
with eyes wide open --
397
1049000
3000
nézzünk szembe a világgal,
17:47
yes, using experts
398
1052000
2000
igen, használjuk a szakértőket,
17:49
to help us figure things out, for sure --
399
1054000
3000
hogy segítsenek nekünk rájönni dolgokra,
17:52
I don't want to completely do myself out of a job here --
400
1057000
4000
nem akarom magam teljesen megfosztani a munkától,
17:56
but being aware
401
1061000
2000
de legyünk tisztában
17:58
of their limitations
402
1063000
3000
korlátaikkal,
18:01
and, of course, also our own.
403
1066000
4000
és persze saját korlátainkkal is.
18:05
Thank you.
404
1070000
2000
Köszönöm.
18:07
(Applause)
405
1072000
5000
(taps)
ABOUT THE SPEAKER
Noreena Hertz - EconomistNoreena Hertz looks at global culture -- financial and otherwise -- using an approach that combines traditional economic analysis with foreign policy trends, psychology, behavioural economics, anthropology, history and sociology.
Why you should listen
For more than two decades, Noreena Hertz’s economic predictions have been accurate and ahead of the curve. In her recent book The Silent Takeover, Hertz predicted that unregulated markets and massive financial institutions would have serious global consequences while her 2005 book IOU: The Debt Threat predicted the 2008 financial crisis.
An influential economist on the international stage, Hertz also played an influential role in the development of (RED), an innovative commercial model to raise money for people with AIDS in Africa, having inspired Bono (co-founder of the project) with her writings.
Her work is considered to provide a much needed blueprint for rethinking economics and corporate strategy. She is the Duisenberg Professor of Globalization, Sustainability and Finance based at Duisenberg School of Finance, RSM, Erasmus University and University of Cambridge. She is also a Fellow of University College London.
Noreena Hertz | Speaker | TED.com