TEDGlobal 2009
Dan Pink: The puzzle of motivation
დენ ფინქი გვიყვება გასაოცარ მოტივაციის მეცნიერებაზე
Filmed:
Readability: 4
25,352,736 views
კარიერის ანალიტიკოსი დენ ფინქი ცდილობს მოტივაციის ლაბირინთში გარკვევას, დაწყებული ფაქტებით, რომელიც სოციალური მეცნიერებისთვის კარგად არის ცნობილი, თუმცა მენეჯერების უმრავლესობისთვის არა: ტრადიციული ჯილდოები არც ისე ეფექტურია როგორც გვგონია. მოუსმინეთ გონების გამხსნელ ისტორიებს - და შესაძლოა, მომავლის გზას.
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
თავიდანვე უნდა ვაღიარო ერთი რამ.
00:16
A little over 20 years ago
1
4000
3000
20 წელზე ცოტა მეტია
00:19
I did something that I regret,
2
7000
2000
რაც ისეთი რამ გავაკეთე, რაც არც ისე მეამაყება,
00:21
something that I'm not particularly proud of,
3
9000
4000
რასაც ვნანობ,
00:25
something that, in many ways, I wish no one would ever know,
4
13000
3000
რაღაც, რაც მრავალი მიზეზის გამო მირჩევნია არავინ გაიგოს,
00:28
but here I feel kind of obliged to reveal.
5
16000
4000
მაგრამ აქ თავს ვალდებულად ვთვლი გავამხილო.
00:32
(Laughter)
6
20000
2000
(სიცილი)
00:34
In the late 1980s,
7
22000
2000
1980-იანი წლების ბოლოს,
00:36
in a moment of youthful indiscretion,
8
24000
3000
ახალგაზრდული თავქარიანობის დროს,
00:39
I went to law school.
9
27000
2000
სამართლის სკოლაში ჩავაბარე.
00:41
(Laughter)
10
29000
4000
(სიცილი)
00:45
Now, in America law is a professional degree:
11
33000
3000
ეხლა უკვე სამართალი პროფესიული ხარისხია ამერიკაში.
00:48
you get your university degree, then you go on to law school.
12
36000
2000
იღებ უნივერსიტეტის ხარისხს. შემდეგ აბარებ სამართლის სკოლაში.
00:50
And when I got to law school,
13
38000
3000
და როდესაც მე ჩავაბარე სამართლის სკოლაში,
00:53
I didn't do very well.
14
41000
2000
მაინცდამაინც კარგად არ ვსწავლობდი.
00:55
To put it mildly, I didn't do very well.
15
43000
2000
რბილად რომ ვთქვათ, "მაინცდამაინც კარგად".
00:57
I, in fact, graduated in the part of my law school class
16
45000
3000
რეალურად, კურსის სიის იმ ნაწილში დავამთავრე
01:00
that made the top 90 percent possible.
17
48000
4000
რომელმაც მოწინავე 90%-ის არსებობა შესაძლებელი გადახა.
01:04
(Laughter)
18
52000
4000
(სიცილი)
01:08
Thank you.
19
56000
3000
გმადლობ.
01:11
I never practiced law a day in my life;
20
59000
3000
სამართლის პრაქტიკა ცხოვრებაში ერთი დღეც არ მქონია.
01:14
I pretty much wasn't allowed to.
21
62000
2000
კაცმა რომ თქვას, არც მქონდა უფლება.
01:16
(Laughter)
22
64000
3000
(სიცილი)
01:19
But today, against my better judgment,
23
67000
3000
მაგრამ დღეს, საღი აზრის საწინააღმდეგოდ,
01:22
against the advice of my own wife,
24
70000
3000
ჩემი ცოლის რჩევის საწინააღმდეგოდ,
01:25
I want to try to dust off some of those legal skills --
25
73000
4000
მინდა მტვერი გადავწმინდო ზოგიერთ სამართლებლივ უნარს,
01:29
what's left of those legal skills.
26
77000
2000
რაც დამრჩა მათგან.
01:31
I don't want to tell you a story.
27
79000
3000
მე არ მინდა ისტორიის მოყოლა.
01:34
I want to make a case.
28
82000
2000
მინდა კაზუსი შევქმნა.
01:36
I want to make a hard-headed, evidence-based,
29
84000
4000
მინდა მტკიცე, ფაქტებზე დაფუძნებული
01:40
dare I say lawyerly case,
30
88000
3000
ფაქტობრივად სამართლებლივი კაზუსი შემოგთავაზოთ,
01:43
for rethinking how we run our businesses.
31
91000
4000
იმის თავიდან გასააზებლად, როგორც ვმართავთ ბიზნესს.
01:47
So, ladies and gentlemen of the jury, take a look at this.
32
95000
4000
ასე რომ, ქალბატონებო და ბატონებო, ამას შეხედეთ.
01:51
This is called the candle problem.
33
99000
2000
ამას სანთლის პრობლემა ჰქვია.
01:53
Some of you might have seen this before.
34
101000
2000
ზოგიერთს შეიძლება გინახავთ.
01:55
It's created in 1945
35
103000
2000
1945 წელს არის შექმნილი
01:57
by a psychologist named Karl Duncker.
36
105000
2000
ფსიქოლოგ კარლ დანკერის მიერ.
01:59
Karl Duncker created this experiment
37
107000
2000
კარლ დანკერმა შექმნა ეს ექსპერიმენტი
02:01
that is used in a whole variety of experiments in behavioral science.
38
109000
3000
რომელიც ბიჰევიორისტულ მეცნიერებაში სხვადასხვანაირად გამოიყენება.
02:04
And here's how it works. Suppose I'm the experimenter.
39
112000
3000
აი, როგორ მუშაობს. წარმოიდგინეთ, რომ მე ვარ ექსპერიმენტატორი.
02:07
I bring you into a room. I give you a candle,
40
115000
4000
შემყავხართ ოთახში. გაძლევთ სანთელს,
02:11
some thumbtacks and some matches.
41
119000
2000
ჭიკარტებს და ასანთს.
02:13
And I say to you, "Your job
42
121000
2000
და გეუბნებით, "თქვენი მიზანია
02:15
is to attach the candle to the wall
43
123000
2000
სანთელი მიამაგროთ კედელზე
02:17
so the wax doesn't drip onto the table." Now what would you do?
44
125000
4000
ისე რომ მაგიდაზე არ ჩამოიღვენთოს." რას იზამთ?
02:21
Now many people begin trying to thumbtack the candle to the wall.
45
129000
4000
ბევრი ცდილობს სანთლის კედელზე მიჭიკარტებას.
02:25
Doesn't work.
46
133000
2000
არ გამოდის.
02:27
Somebody, some people -- and I saw somebody
47
135000
2000
ზოგიერთი, ძალიან ცოტა
02:29
kind of make the motion over here --
48
137000
2000
გარკვეულ წარმატებას აღევს.
02:31
some people have a great idea where they
49
139000
2000
ზოგიერთს კარგი იდეა აქვს
02:33
light the match, melt the side of the candle, try to adhere it to the wall.
50
141000
4000
ცდილობს ასანთით გაალღვოს სანთელი და ისე მიამაგროს კედელს.
02:37
It's an awesome idea. Doesn't work.
51
145000
3000
მშვენიერი იდეაა. არ მუშაობს.
02:40
And eventually, after five or 10 minutes,
52
148000
3000
ბოლოსდაბოლოს, 5 ან 10 წუთის შემდეგ,
02:43
most people figure out the solution,
53
151000
2000
უმრავლესობა პოულობს გზას,
02:45
which you can see here.
54
153000
2000
რომელსაც ხედავთ აქ.
02:47
The key is to overcome what's called functional fixedness.
55
155000
3000
მთავარი ბარიერი არის "ფუნქციური მიჯაჭვულობა".
02:50
You look at that box and you see it only as a receptacle for the tacks.
56
158000
4000
უყურებ ყუთს და ხედავ მხოლოდ ჭიკარტების შესანახ ადგილს.
02:54
But it can also have this other function,
57
162000
2000
მაგრამ მას სხვა ფუნქციებიც შეიძლება ჰქონდეს,
02:56
as a platform for the candle. The candle problem.
58
164000
4000
როგორიცაა სანთლის დასადგამად გამოყნება.
03:00
Now I want to tell you about an experiment
59
168000
2000
ეხლა მინდა მოგიყვეთ სხვა ექსპერიმენტის შესახებ
03:02
using the candle problem,
60
170000
2000
იმავე პრობლემის გამოყენებით,
03:04
done by a scientist named Sam Glucksberg,
61
172000
2000
რომელიც მეცნიერმა სემ გლუკსბერგმა ჩაატარა,
03:06
who is now at Princeton University in the U.S.
62
174000
2000
რომელიც პრინსტონის წევრია ამერიკაში.
03:08
This shows the power of incentives.
63
176000
4000
აქედან ჩანს წამახალისხებლების ძალა.
03:12
Here's what he did. He gathered his participants.
64
180000
2000
აი რა გააკეთა. შეკრიბა მონაწილეები.
03:14
And he said, "I'm going to time you. How quickly you can solve this problem?"
65
182000
3000
და უთხრა, "დროს დავინიშნავ, რამდენ ხანში შეძლებთ ამოხსნას."
03:17
To one group he said,
66
185000
2000
ერთ ჯგუფს უთხრა,
03:19
"I'm going to time you to establish norms,
67
187000
3000
თქვენს დროს დავინიშნავ,
03:22
averages for how long it typically takes
68
190000
2000
რომ გავაკვიო საშუალოდ რა დრო
03:24
someone to solve this sort of problem."
69
192000
2000
სჭირდება ამ პრობლემის ამოხსნას.
03:26
To the second group he offered rewards.
70
194000
3000
მეორე ჯგუფს შესთავაზა ჯილდოები.
03:29
He said, "If you're in the top 25 percent of the fastest times,
71
197000
4000
"თუ პირველ 25%-ში მოხვდებით დროის მიხედვით
03:33
you get five dollars.
72
201000
3000
5 დოლარს მიიღებთ.
03:36
If you're the fastest of everyone we're testing here today,
73
204000
3000
თუ ყველაზე სწრაფი იქნებით დღეს
03:39
you get 20 dollars."
74
207000
2000
20 დოლარი თქვენია."
03:41
Now this is several years ago. Adjusted for inflation,
75
209000
3000
მას შემდეგ წლები გავიდა. ინფლაციის გათვალისწინებით
03:44
it's a decent sum of money for a few minutes of work.
76
212000
2000
მშვენიერი ანაზღაურებაა რამდენიმე წუთიანი საქმისთვის.
03:46
It's a nice motivator.
77
214000
2000
კარგი წახალისებაა.
03:48
Question: How much faster
78
216000
3000
კითხვა: რამდენად სწრაფად
03:51
did this group solve the problem?
79
219000
2000
გადაჭრა პრობლემა ამ ჯგუფმა?
03:53
Answer: It took them, on average,
80
221000
3000
პასუხი: საშუალოდ მათი დრო
03:56
three and a half minutes longer.
81
224000
4000
სამ ნახევარი წუთით მეტი იყო.
04:00
Three and a half minutes longer. Now this makes no sense right?
82
228000
3000
სამ-ნახევარი წუთით მეტი. უაზრობაა არა?
04:03
I mean, I'm an American. I believe in free markets.
83
231000
3000
ვგულისხმობ რომ მე ამერიკელი ვარ. მჯერა თავისუფალი ბაზრის.
04:06
That's not how it's supposed to work. Right?
84
234000
3000
ეს ის არაა, როგორც უნდა მუშაობდეს. არა?
04:09
(Laughter)
85
237000
1000
(სიცილი)
04:10
If you want people to perform better,
86
238000
2000
თუ გინდათ ადამიანები უკეთ მუშაობდნენ
04:12
you reward them. Right?
87
240000
2000
უნდა წაახალისოთ. არა?
04:14
Bonuses, commissions, their own reality show.
88
242000
3000
ბონუსები, საკომისიოები, პირადი რეალითი შოუ.
04:17
Incentivize them. That's how business works.
89
245000
4000
წაახალისეთ. ასე მუშაობს ბიზნესი.
04:21
But that's not happening here.
90
249000
2000
მაგრამ აქ ასე არ ხდება.
04:23
You've got an incentive designed to
91
251000
2000
შექმენით წამახალისებელი
04:25
sharpen thinking and accelerate creativity,
92
253000
4000
რომელმაც უნდა შეუწყოს ხელი შემოქმედებას და აზროვნებას.
04:29
and it does just the opposite.
93
257000
2000
მაგრამ ის საპირისპიროს აკეთებს.
04:31
It dulls thinking and blocks creativity.
94
259000
3000
ადუნებს აზროვნებას და ბლოკავს შემოქმედებას.
04:34
And what's interesting about this experiment is that it's not an aberration.
95
262000
3000
და ყველაზე საინტერესო ისაა ამ ექსპერიმენტში, რომ ეს გადახვევა არაა.
04:37
This has been replicated over and over
96
265000
3000
შედეგი განმეორდა კიდევ და კიდევ
04:40
and over again, for nearly 40 years.
97
268000
3000
და კიდევ, 40 წლის განმავლობაში.
04:43
These contingent motivators --
98
271000
3000
ეს პირობითი მოტივატორები,
04:46
if you do this, then you get that --
99
274000
2000
თუ ამას გააკეთებ, მაშინ მიიღებ იმას,
04:48
work in some circumstances.
100
276000
2000
მუშაობენ ზოგიერთი გარემოებებისას.
04:50
But for a lot of tasks, they actually either don't work
101
278000
3000
მაგრამ მრავალი სამუშაოსთვის, ან არ მუშაობს
04:53
or, often, they do harm.
102
281000
3000
ან, ხშირად, ვნებს კიდეც.
04:56
This is one of the most robust findings
103
284000
4000
ეს ერთ-ერთი უდიდესი აღმოჩენაა
05:00
in social science,
104
288000
3000
სოციალურ მეცნირებებში.
05:03
and also one of the most ignored.
105
291000
2000
და ასევე ერთ-ერთი ყველაზე იგნორირებული.
05:05
I spent the last couple of years looking at the science of
106
293000
2000
ბოლო რამდენიმე წელიწადი შევალიე
05:07
human motivation,
107
295000
2000
ადამიანის მოტივაციის მეცნიერების შესწავლას.
05:09
particularly the dynamics of extrinsic motivators
108
297000
2000
კერძოდ გარე და შინაგანი მოტივაციის
05:11
and intrinsic motivators.
109
299000
2000
დინამიკის შესწავლას.
05:13
And I'm telling you, it's not even close.
110
301000
2000
გარწმუნებთ, რომ ახლოსაც არ არის.
05:15
If you look at the science, there is a mismatch
111
303000
2000
თუ მეცნიერებას შეხედავთ, აშკარა სიცარიელეა
05:17
between what science knows and what business does.
112
305000
4000
მეცნიერების ცოდნასა და ბიზნესის მიერ ამ ცოდნის გამოყენებას შორის.
05:21
And what's alarming here is that our business operating system --
113
309000
3000
და შემაშფოთებელი ისაა, რომ ბიზნესის ოპერაციული სისტემა --
05:24
think of the set of assumptions and protocols beneath our businesses,
114
312000
3000
ის დაშვებები და პროტოკოლები რომელიც საფუძვლად უდევს ჩვენს ბიზნესებს,
05:27
how we motivate people, how we apply our human resources --
115
315000
5000
როგორ ვახალისებთ ხალხს, როგორ ვმართავთ ადამიანურ რესურსებს --
05:32
it's built entirely around these extrinsic motivators,
116
320000
3000
მთლიანად ეფუძნება გარე მოტივატორებს,
05:35
around carrots and sticks.
117
323000
2000
სტაფილოს და ჯოხის მექანიზმს.
05:37
That's actually fine for many kinds of 20th century tasks.
118
325000
4000
ეს ყველაფერი მშვენიერია მე-20 საუკუნის სამუშაოებისთვის.
05:41
But for 21st century tasks,
119
329000
2000
მაგრამ 21-ე საუკუნეში
05:43
that mechanistic, reward-and-punishment approach
120
331000
4000
ეს მექანიკური, "ჯილდო-სასჯელი" მიდგომა
05:47
doesn't work, often doesn't work, and often does harm.
121
335000
4000
არ მუშაობს და მეტიც, ხშირად ზიანი მოაქვს.
05:51
Let me show you what I mean.
122
339000
2000
აგიხსნით რას ვგულისხმობ.
05:53
So Glucksberg did another experiment similar to this
123
341000
3000
გლუკსბერგმა ჩაატარა კიდევ ერთი ექსპერიმენტი
05:56
where he presented the problem in a slightly different way,
124
344000
2000
სადაც პრობლემა ცოტა სხვანაირად დასვა,
05:58
like this up here. Okay?
125
346000
3000
ამ ექსპერიმენტის მსგავსი.
06:01
Attach the candle to the wall so the wax doesn't drip onto the table.
126
349000
2000
მიამაგრეთ სანთელი კედელზე ისე, რომ არ ჩამოიღვენთოს მაგიდაზე.
06:03
Same deal. You: we're timing for norms.
127
351000
3000
იგივე პრობლემა. თქვენ: დაგინიშნავთ დროს საშუალოსთვის.
06:06
You: we're incentivizing.
128
354000
3000
თქვენ: წაგახალისებთ.
06:09
What happened this time?
129
357000
2000
რა მოხდა ამ შემთხვევაში?
06:11
This time, the incentivized group
130
359000
2000
ამჯერად, წახალისებულმა ჯგუფმა
06:13
kicked the other group's butt.
131
361000
4000
პირწმინდად დაჯაბნა მეორე ჯგუფი.
06:17
Why? Because when the tacks are out of the box,
132
365000
4000
რატომ? იმიტომ, რომ როდესაც ჭიკარტები ამოღებულია ყუთიდან
06:21
it's pretty easy isn't it?
133
369000
4000
ყველაფერი მარტივია, არა?
06:25
(Laughter)
134
373000
2000
(სიცილი)
06:27
If-then rewards work really well
135
375000
3000
"თუ ამას იზამ, ამას მიიღებ" წახალისება კარგად მუშაობს
06:30
for those sorts of tasks,
136
378000
3000
ასეთი ტიპის დავალებებისთვის,
06:33
where there is a simple set of rules and a clear destination
137
381000
2000
სადაც მარტივი წესები და ცხადი, ცალსახა გზაა
06:35
to go to.
138
383000
2000
მიზნამდე.
06:37
Rewards, by their very nature,
139
385000
2000
ჯილდოები, თავისი ბუნებით,
06:39
narrow our focus, concentrate the mind;
140
387000
2000
ავიწროვებენ ფოკუსს, ზრდიან კონცენტრაციას.
06:41
that's why they work in so many cases.
141
389000
2000
სწორედ ამიტომ მუშაობენ ზოგიერთ შემთხვევაში.
06:43
And so, for tasks like this,
142
391000
2000
და ასეთი ტიპის დავალებებისთვის,
06:45
a narrow focus, where you just see the goal right there,
143
393000
3000
ვიწრო ფოკუსი, როდესაც ხედავ მიზანს ცხადად,
06:48
zoom straight ahead to it,
144
396000
2000
პირდაპირი და სწრაფი წინსვლის
06:50
they work really well.
145
398000
2000
კარგი გარანტიაა.
06:52
But for the real candle problem,
146
400000
2000
მაგრამ თავდაპირველი სანთლის პრობლემის ამოხსნისას,
06:54
you don't want to be looking like this.
147
402000
2000
ასეთი მიდგომა არ გაამართლებს.
06:56
The solution is not over here. The solution is on the periphery.
148
404000
2000
გადაწყვეტილება იქით არის, პერიფერიის მიღმა.
06:58
You want to be looking around.
149
406000
2000
თქვენ უნდა მიმოიხედოთ.
07:00
That reward actually narrows our focus
150
408000
2000
ჯილდო კი ავიწროვებს ფოკუსს
07:02
and restricts our possibility.
151
410000
2000
და ზღუდავს ამის შესაძლებლობას.
07:04
Let me tell you why this is so important.
152
412000
3000
გეტყვით რატომ არის ეს ასეთი მნიშვნელოვანი.
07:07
In western Europe,
153
415000
2000
დაასავლეთ ევროპაში,
07:09
in many parts of Asia,
154
417000
2000
აზიის დიდ ნაწილში,
07:11
in North America, in Australia,
155
419000
3000
ჩრდილოეთ მერიკაში, ავსტრალიაში,
07:14
white-collar workers are doing less of
156
422000
2000
"თეთრსაყელოიანი" მუშაკები სულ უფრო ნაკლებად
07:16
this kind of work,
157
424000
2000
არიან დაკავებული ასეთი საქმეებით,
07:18
and more of this kind of work.
158
426000
4000
და უფრო მეტად ასეთით.
07:22
That routine, rule-based, left-brain work --
159
430000
3000
ეს რუტინული, წესებზე დაყრდნობილი, მარცხენა ტვინის საქმეები,
07:25
certain kinds of accounting, certain kinds of financial analysis,
160
433000
2000
ბუღალტერიის ზოგიერთი ტიპი, ფინანსური ანალიზის ზოგიერთი ტიპი,
07:27
certain kinds of computer programming --
161
435000
2000
პროგრამირების ზოგიერთი ტიპი,
07:29
has become fairly easy to outsource,
162
437000
2000
საკმაოდ ადვილია კონტრაქტორს გადააბარო,
07:31
fairly easy to automate.
163
439000
2000
ადვილია ავტომარიზირება.
07:33
Software can do it faster.
164
441000
3000
პროგრამას შეუძლია უფრო სწრაფად შესრულება.
07:36
Low-cost providers around the world can do it cheaper.
165
444000
2000
იაფ მუშახელს საზღვარგარეთ შეუძლია უფრო იაფად შეასრულოს.
07:38
So what really matters are the more right-brained
166
446000
4000
ასე რომ, რაც ნამდვილად ფასობს, არის მარჯვენა ნახევარსფეროს
07:42
creative, conceptual kinds of abilities.
167
450000
3000
შემოქმედებითი, კონცეპტუალური შესაძლებლობები.
07:45
Think about your own work.
168
453000
3000
დაფიქრდით თქვენს საქმეზე.
07:48
Think about your own work.
169
456000
3000
დაფიქრდით თქვენს საქმეზე.
07:51
Are the problems that you face, or even the problems
170
459000
2000
თქვენი პრობლემები, ან ის პრობლემები
07:53
we've been talking about here,
171
461000
2000
რომლებზეც აქ ვსაუბრობთ,
07:55
are those kinds of problems -- do they have a clear set of rules,
172
463000
2000
როგორი პრობლემებია - აქვთ ცხადი წესები,
07:57
and a single solution? No.
173
465000
3000
ცალსახა ამონახსენი? არა.
08:00
The rules are mystifying.
174
468000
2000
წესები გაუგებარია.
08:02
The solution, if it exists at all,
175
470000
2000
გადაწყვეტა, თუ საერთოდ არსებობს,
08:04
is surprising and not obvious.
176
472000
3000
გასაოცარია და არა ცხადი.
08:07
Everybody in this room
177
475000
2000
ამ ოთახში ყველა
08:09
is dealing with their own version
178
477000
3000
სანთლის პრობლემის საკუთარ
08:12
of the candle problem.
179
480000
2000
ვერსიას ეჭიდება.
08:14
And for candle problems of any kind,
180
482000
3000
და ნებისმიერი სახის "სანთლის პრობლემებისთვის"
08:17
in any field,
181
485000
2000
ნებისმიერ სფეროში,
08:19
those if-then rewards,
182
487000
3000
ეს "თუ-მაშინ" ჯილდოები,
08:22
the things around which we've built so many of our businesses,
183
490000
4000
ანუ ისინი, რის ირგვლივაც არის ამდენი ბიზნესი აწყობილი,
08:26
don't work.
184
494000
2000
არ მუშაობს.
08:28
Now, I mean it makes me crazy.
185
496000
2000
და აი რა მაგიჟებს.
08:30
And this is not -- here's the thing.
186
498000
2000
ეს არა - აი რა ვერ გამიგია.
08:32
This is not a feeling.
187
500000
3000
ეს ხომ შეგრძნება არაა.
08:35
Okay? I'm a lawyer; I don't believe in feelings.
188
503000
3000
გასაგებია? მე იურისტი ვარ, გრძნობების არ მჯერა.
08:38
This is not a philosophy.
189
506000
4000
ეს არ არის ფილოსოფია.
08:42
I'm an American; I don't believe in philosophy.
190
510000
2000
მე ამერიკელი ვარ. არ მჯერა ფილოსოფიის.
08:44
(Laughter)
191
512000
3000
(სიცილი)
08:47
This is a fact --
192
515000
3000
ეს ფაქტია.
08:50
or, as we say in my hometown of Washington, D.C.,
193
518000
2000
ან, როგორც ჩემს მშობლიურ ვაშინგტონ დისი-ში ვამბობთ
08:52
a true fact.
194
520000
2000
ნამდვილი ფაქტი.
08:54
(Laughter)
195
522000
2000
(სიცილი)
08:56
(Applause)
196
524000
4000
(აპლოდისმენტები)
09:00
Let me give you an example of what I mean.
197
528000
2000
ნება მიბოძეთ, მაგალითით ავხსნა რას ვგულისხმობ.
09:02
Let me marshal the evidence here,
198
530000
2000
წარმოგიდგინოთ თვალსაჩინოება.
09:04
because I'm not telling you a story, I'm making a case.
199
532000
2000
იმიტომ რომ მე ამბავს არ გიყვებით. რეალურ ქეისს ვქმნი.
09:06
Ladies and gentlemen of the jury, some evidence:
200
534000
2000
ქალბატონებო და ბატონებო, თვალსაჩინოება:
09:08
Dan Ariely, one of the great economists of our time,
201
536000
3000
დენ არიელიმ, ჩვენი დროის ერთ-ერთმა უდიდესმა ეკონომისტმა,
09:11
he and three colleagues, did a study of some MIT students.
202
539000
4000
სამ კოლეგასთან ერთად, ჩაატარა MIT-ს სტუდენტების კვლევა.
09:15
They gave these MIT students a bunch of games,
203
543000
3000
სტუდენტებს მისცეს თამაშები.
09:18
games that involved creativity,
204
546000
2000
ისეთი, რომლებიც შემოქმედებასაც მოითხოვდა,
09:20
and motor skills, and concentration.
205
548000
2000
მოტორულ ჩვევებს და კონცენტრაციას.
09:22
And the offered them, for performance,
206
550000
2000
და შესთავაზეს შედეგებზე დაფუძნებული,
09:24
three levels of rewards:
207
552000
2000
სამი, ეტაპობრივი ჯილდო.
09:26
small reward, medium reward, large reward.
208
554000
5000
მცირე, საშუალო და დიდი ჯილდო.
09:31
Okay? If you do really well you get the large reward, on down.
209
559000
4000
გასაგებია ხომ? თუ ძალიან კარგ შედეგს აჩვენებშ მოზრდილ ჯილდოს მიიღებთ, და ა.შ.
09:35
What happened? As long as the task involved only mechanical skill
210
563000
4000
რა მოხდა? როდესაც დავალება მხოლოდ მექანიკურ ჩვევებს მოითხოვდა
09:39
bonuses worked as they would be expected:
211
567000
2000
ბონუსები ისე მუშაობდა როგორც მოსალოდნელია:
09:41
the higher the pay, the better the performance.
212
569000
4000
რაც მეტია ჯილდო, უკეთესია შედეგი.
09:45
Okay? But one the task called for
213
573000
2000
მაგრამ როგორც კი დავალება
09:47
even rudimentary cognitive skill,
214
575000
4000
სულ მცირე აზროვნებასაც ითხოვდა,
09:51
a larger reward led to poorer performance.
215
579000
5000
მეტი ჯილდო უარეს შედეგს იწვევდა.
09:56
Then they said,
216
584000
2000
შემდეგ თქვეს,
09:58
"Okay let's see if there's any cultural bias here.
217
586000
2000
"კარგი, მოდი კულტურულ სხვაობებს შევხედოთ.
10:00
Lets go to Madurai, India and test this."
218
588000
2000
წავიდეთ მადურაიში, ინდოეთში და ჩავატაროთ იგივე."
10:02
Standard of living is lower.
219
590000
2000
ცხოვრების დონე დაბალია.
10:04
In Madurai, a reward that is modest in North American standards,
220
592000
3000
მადურაიში, ჩრდილო ამერიკის სტანდარტებით მოკრძალებული ჯილდო,
10:07
is more meaningful there.
221
595000
3000
საკმაოდ მნიშვნელოვანია.
10:10
Same deal. A bunch of games, three levels of rewards.
222
598000
3000
ზუსტად იგივე. თამაშები და სამი ტიპის ანაზღაურება.
10:13
What happens?
223
601000
2000
რა მოხდა?
10:15
People offered the medium level of rewards
224
603000
3000
ჯგუფს, რომელსაც საშუალო ზომის ჯილდოები შესთავაზეს
10:18
did no better than people offered the small rewards.
225
606000
3000
არაფრით არ უჯობნიათ მცირე ჯილდოიანი ჯგუფისთვის.
10:21
But this time, people offered the highest rewards,
226
609000
4000
მაგრამ ამჯერად, იმ ჯგუფმა რომელსაც ყველაზე მეტ ჯილდოს შეპირდნენ,
10:25
they did the worst of all.
227
613000
4000
ყველაზე უარესი შედეგი აჩვენა.
10:29
In eight of the nine tasks we examined across three experiments,
228
617000
3000
ცხრიდან რვა დავალებაზე, რომელიც სამი ექსპერიმენტის განმავლობაში მიეცათ ჯგუფებს,
10:32
higher incentives led to worse performance.
229
620000
5000
მაღალი ჯილდო უარესი შედეგის მომტანი აღმოჩნდა.
10:37
Is this some kind of touchy-feely
230
625000
3000
რაიმე უცნაური
10:40
socialist conspiracy going on here?
231
628000
3000
სოციალისტური კოსპირაციის მოსწრეები ვართ?
10:43
No. These are economists from MIT,
232
631000
3000
არა. ესენი არიან ეკონომისტები MIT-დან,
10:46
from Carnegie Mellon, from the University of Chicago.
233
634000
3000
Carnegie Mellon-დან, University of Chicago-დან.
10:49
And do you know who sponsored this research?
234
637000
2000
და იცით ვინ ასპონსორებდა ამ კვლევას?
10:51
The Federal Reserve Bank of the United States.
235
639000
4000
ამერიკის შეერთებული შტატების ფედერალური სარეზერვო ბანკი.
10:55
That's the American experience.
236
643000
2000
ეს ამერიკული გამოცდილებაა.
10:57
Let's go across the pond to the London School of Economics --
237
645000
3000
მოდით გუბის მეორე მხარეს, ლონდონის ეკონომიკის სკოლას მივაკითხოთ.
11:00
LSE, London School of Economics,
238
648000
3000
LSE, ლონდონის ეკონომიკის სკოლა.
11:03
alma mater of 11 Nobel Laureates in economics.
239
651000
3000
ეკონომიკის დარგში 11 ნობელის ლაურეატის ალმა მატერი.
11:06
Training ground for great economic thinkers
240
654000
3000
ადგილი, სადაც გამოიზარდნენ ისეთი მოაზროვნეები ეკონომიკის დარგში
11:09
like George Soros, and Friedrich Hayek,
241
657000
3000
როგორიცაა ჯორჯ სოროსი და ფრიდრიხ ჰაიეკი,
11:12
and Mick Jagger. (Laughter)
242
660000
2000
და მიკ ჯაგერი. (სიცილი)
11:14
Last month, just last month,
243
662000
4000
უკანასკნელ თვეში, მხოლოდ უკანასკნელ თვეში,
11:18
economists at LSE looked at 51 studies
244
666000
3000
LSE-ს ეკონომისტებმა 51 კვლევა შეისწავლეს
11:21
of pay-for-performance plans, inside of companies.
245
669000
3000
სხვადასხვა კომპანიაში, შედეგზე დაფუძნებული ანაზღაურების შესახებ
11:24
Here's what the economists there said: "We find that financial incentives
246
672000
3000
და აი რა დაასკვნეს: "ჩვენი დაკვირვებით, ფინანსური წახალისება
11:27
can result in a negative impact on overall performance."
247
675000
6000
შეიძლება უარყოფით აისახოს ჯამურ შედეგიანობაზე."
11:33
There is a mismatch between what science knows
248
681000
3000
სწორედ ამიტომ არის დიდი აცდენა, მეცნიერებაში არსებულ ცოდნასა
11:36
and what business does.
249
684000
2000
და ბიზნესების ქცევას შორის.
11:38
And what worries me, as we stand here in the rubble
250
686000
3000
და რაც მაღელვებს, ამ ორომტრიალში
11:41
of the economic collapse,
251
689000
2000
ამ ეკონომიკური ჩავარდნის დროს,
11:43
is that too many organizations
252
691000
2000
არის ის, რომ უამრავი ორგანიზაცია
11:45
are making their decisions,
253
693000
2000
იღებს გადაწყვეტილებებს,
11:47
their policies about talent and people,
254
695000
2000
ადგენს წესებს ტალანტისა და ადამიანების შესახებ,
11:49
based on assumptions that are outdated, unexamined,
255
697000
6000
იმ დაშვებებზე დაყრდნობით რაც მოძველებულია, შეუმოწმებელია,
11:55
and rooted more in folklore than in science.
256
703000
3000
და ფოლკლორს უფრო ენდობა, ვიდრე მეცნიერებას.
11:58
And if we really want to get out of this economic mess,
257
706000
3000
და თუ მართლა გვინდა ამ ეკონომიკური არეულობიდან თავის დაღწევა,
12:01
and if we really want high performance on those
258
709000
2000
და მაღალი შედეგიანობის უზრუნველყოფა
12:03
definitional tasks of the 21st century,
259
711000
2000
21-ე საუკუნისთვის გადამწყვეტი პრობლემების ამოსახსნელად
12:05
the solution is not to do more of the wrong things,
260
713000
6000
გამოსავალი არ არის უფრო მეტი არასწორის კეთება.
12:11
to entice people with a sweeter carrot,
261
719000
3000
ხალხის მიტყუება უფრო ტკბილი სტაფილოთი,
12:14
or threaten them with a sharper stick.
262
722000
2000
ან უფრო მტკივნეული ჯოხით დამუქრება.
12:16
We need a whole new approach.
263
724000
2000
ჩვენ ახალი მიდგომა გვჭირდება.
12:18
And the good news about all of this is that the scientists
264
726000
2000
და არის კარგი ამბავი. მეცნიერებმა
12:20
who've been studying motivation have given us this new approach.
265
728000
3000
რომლებიც მუშაობენ მოტივაციის საკუთხებში, გვიჩვენეს ეს გამოსავალი.
12:23
It's an approach built much more around intrinsic motivation.
266
731000
3000
ეს არის შინაგან მოტივაციაზე დაყრდნობილი მიდგომა.
12:26
Around the desire to do things because they matter,
267
734000
2000
საქმის კეთება იმ მოტივით, რომ ის მნიშვნელოვანია
12:28
because we like it, because they're interesting,
268
736000
2000
იმიტომ რომ მოგვწონს, იმიტომ რომ საინტერესოა.
12:30
because they are part of something important.
269
738000
2000
იმიტომ რომ რაღაც მნიშვნელოვანის ნაწილია.
12:32
And to my mind, that new operating system for our businesses
270
740000
4000
და ჩემი აზრით, ეს ახალი ოპერაციული სისტემა ჩვენი ბიზნესებისთვის
12:36
revolves around three elements:
271
744000
2000
სამი ელემენტის ირვლივ ტრიალებს:
12:38
autonomy, mastery and purpose.
272
746000
3000
ავტონომია, დახელოვნება და დანიშნულება.
12:41
Autonomy: the urge to direct our own lives.
273
749000
3000
ავტონომია, ჩვენი ცხოვრების წარმართვის მუხტი.
12:44
Mastery: the desire to get better and better at something that matters.
274
752000
4000
დახელოვნება, რაიმე მნიშვნელოვანი მიამრთულებით უფრო და უფრო გაუმჯობესება.
12:48
Purpose: the yearning to do what we do
275
756000
3000
დანიშნულება, რასაც ვაკეთებთ, იმის კეთების
12:51
in the service of something larger than ourselves.
276
759000
3000
ზოგადი, ჩვენს თავს ზემოთ მდგომი, ამაღლებული მოტივი.
12:54
These are the building blocks of an entirely new operating system
277
762000
3000
სწორედ ეს არის ახალი ოპერაციული დასაყრდენი
12:57
for our businesses.
278
765000
2000
ჩვენი ბიზნესებისთვის.
12:59
I want to talk today only about autonomy.
279
767000
4000
დღეს მხოლოდ ავტონომიაზე მსურს გესაუბროთ.
13:03
In the 20th century, we came up with this idea of management.
280
771000
3000
მე-20 საუკუნეთი, მოგვივიდა მენეჯმენტის იდეა.
13:06
Management did not emanate from nature.
281
774000
2000
მენეჯმენტი ბუნებიდან არ გაჩენილა.
13:08
Management is like -- it's not a tree,
282
776000
2000
მენეჯმეტი - ის არ არის ხე.
13:10
it's a television set.
283
778000
2000
ის ტელევიზორია.
13:12
Okay? Somebody invented it.
284
780000
2000
გასაგებია? ვიღაცამ გამოიგონა.
13:14
And it doesn't mean it's going to work forever.
285
782000
2000
და ეს არ ნიშნავს რომ სამუდამოდ იმუშავებს.
13:16
Management is great.
286
784000
2000
მენეჯმენტი ძალიან მაგარია.
13:18
Traditional notions of management are great
287
786000
2000
მენეჯმენტის ტრადიციული გაგება მაგარია
13:20
if you want compliance.
288
788000
2000
თუ მორჩილებაა შენი სურვილი.
13:22
But if you want engagement, self-direction works better.
289
790000
3000
მაგრამ თუ ჩართულობა გსურთ, თვითმართვა უკეთესაც მუშაობს.
13:25
Let me give you some examples of some kind of radical
290
793000
2000
ნება მიბოძეთ, თვითმართვის რამდენიმე რადიკალური
13:27
notions of self-direction.
291
795000
2000
მაგალითი მოგიყვანოთ.
13:29
What this means -- you don't see a lot of it,
292
797000
3000
ასეთი მიდგომა ხშირი არაა,
13:32
but you see the first stirrings of something really interesting going on,
293
800000
3000
მაგრამ პირველი მერცხლები უკვე ჩანს, რაღაც საინტერესო ხდება.
13:35
because what it means is paying people adequately
294
803000
2000
იმირომ რომ, ეს ნიშნავს ადექვატურ და
13:37
and fairly, absolutely --
295
805000
2000
სამართლიან ანაზღაურებას.
13:39
getting the issue of money off the table,
296
807000
2000
იმისთვის, რომ ფული საერთოდ გაქრეს ხედვის არეალიდან
13:41
and then giving people lots of autonomy.
297
809000
2000
და შემდეგ მნიშვნელოვანი ავტონომიის მიცემა ხალხისთვის.
13:43
Let me give you some examples.
298
811000
2000
მაგალითს მოვიყვან.
13:45
How many of you have heard of the company Atlassian?
299
813000
4000
რამდენს გაგიგიათ კომპანია Atlassian-ი?
13:49
It looks like less than half.
300
817000
2000
როგორც ჩანს ნახევარზე ნაკლებს.
13:51
(Laughter)
301
819000
2000
(სიცილი)
13:53
Atlassian is an Australian software company.
302
821000
4000
Atlassian ავსტრალიური პროგრამული უზრუნველყოფის კომპანიაა,
13:57
And they do something incredibly cool.
303
825000
2000
და რაღაც ძალიან მაგარს აკეთებენ.
13:59
A few times a year they tell their engineers,
304
827000
2000
წელიწადში რამდენჯერმე ეუბნებიან თავიანთ ინჟინრებს,
14:01
"Go for the next 24 hours and work on anything you want,
305
829000
4000
"შემდეგი 24 საათის განმავლობაში, წადით და იმუშავეთ რაზეც გინდათ,
14:05
as long as it's not part of your regular job.
306
833000
2000
ოღონდ მხოლოდ ისეთზე, რაც რეგულარული სამუშაოს ნაწილი არაა.
14:07
Work on anything you want."
307
835000
2000
იმუშავეთ რაზეც გსურთ."
14:09
So that engineers use this time to come up with
308
837000
2000
ისე რომ ინჟინრებს შეუძლიათ გამოიყენონ ეს დრო
14:11
a cool patch for code, come up with an elegant hack.
309
839000
3000
რაიმე საინტერესოს პროგრამირებისთვის, პრობლემებისთვის ელეგანტური გზების მოსაძებნად.
14:14
Then they present all of the stuff that they've developed
310
842000
3000
შემდეგ ამ ყველაფერს წარუდგნენ დღის ბოლოს
14:17
to their teammates, to the rest of the company,
311
845000
3000
თავიანთ თანამშრომლებს, დანარჩენ კომპანიას
14:20
in this wild and wooly all-hands meeting
312
848000
2000
სამუშაო შეხვედრაზე, სადაც ყველა დაგეშილია
14:22
at the end of the day.
313
850000
2000
რაიმეს აღმოსაჩენად.
14:24
And then, being Australians, everybody has a beer.
314
852000
2000
და შემდეგ ერთად სვამენ ლუდს.
14:26
They call them FedEx Days.
315
854000
3000
ამას ეძახიან "FedEX დღეებს".
14:29
Why? Because you have to deliver something overnight.
316
857000
6000
რატომ? იმიტომ რომ ერთ დღე-ღამეში დებ შედეგს.
14:35
It's pretty. It's not bad. It's a huge trademark violation,
317
863000
2000
მშვენიერია. ცუდი არ არის. მართალია სავაჭრო ნიშნის კანონის დარღვევაა.
14:37
but it's pretty clever.
318
865000
2000
მაგრამ ჭკვიანურია.
14:39
(Laughter)
319
867000
1000
(სიცილი)
14:40
That one day of intense autonomy
320
868000
2000
ამ უსაზღვრო ავტონომიის დღეებმა
14:42
has produced a whole array of software fixes
321
870000
2000
მოიტანა იმდენი პროგრამული შესწორება
14:44
that might never have existed.
322
872000
2000
რამდენიც არ იარსებებდა არასოდეს მის გარეშე.
14:46
And it's worked so well that Atlassian has taken it to the next level
323
874000
2000
იმდენად კარგად იმუშავა, რომ Atlassian-მა შემდეგ ეტაპზე გადაიყვანა
14:48
with 20 Percent Time --
324
876000
2000
"20%-იანი დროის" სახით.
14:50
done, famously, at Google --
325
878000
2000
რასაც, საყოველთაოდ ცნობილია, Google-იც აკეთებს.
14:52
where engineers can work, spend 20 percent of their time
326
880000
2000
ინჟინრებს შეუძლიათ დროის 20% დაუთმონ
14:54
working on anything they want.
327
882000
2000
ნებისმიერ რამეზე მუშაობას, საკუთარი სურვილით.
14:56
They have autonomy over their time,
328
884000
2000
მათ აქვთ ავტონომია საკუთარ დროზე,
14:58
their task, their team, their technique.
329
886000
2000
შესასრულებელ დავალებებზე, გუნდზე, შესრულების მანერაზე.
15:00
Okay? Radical amounts of autonomy.
330
888000
2000
გასაგებია? ავტონომიის რადიკალური ოდენობა,
15:02
And at Google, as many of you know,
331
890000
4000
და როგორც მრავალმა თქვეგანმა იცის,
15:06
about half of the new products in a typical year
332
894000
2000
Google-ის პროდუქტების ნახევარზე მეტი
15:08
are birthed during that 20 Percent Time:
333
896000
3000
ამ 20%-იანი დროის პერიოდში იბადება.
15:11
things like Gmail, Orkut, Google News.
334
899000
3000
როგორიცაა Gmail, Orkut, Google News.
15:14
Let me give you an even more radical example of it:
335
902000
3000
ეხლა კიდევ უფრო რადიკალურ მაგალითს მოვიყვან.
15:17
something called the Results Only Work Environment,
336
905000
2000
სახელად მხოლოდ შედეგებზე ორიენტირებული სამუშაო გარემო (Results Only Work Environment)
15:19
the ROWE,
337
907000
2000
მოკლედ ROWE.
15:21
created by two American consultants, in place
338
909000
2000
რომელიც ორმა ამერიკელმა კონსულტანტმა შექმნა და დანერგა
15:23
in place at about a dozen companies around North America.
339
911000
2000
ჩრდილო ამერიკის მრავალ კომპანიაში.
15:25
In a ROWE people don't have schedules.
340
913000
4000
ROWE-ში ხალხს არ აქვთ განრიგი.
15:29
They show up when they want.
341
917000
2000
მოდიან როდესაც უნდათ.
15:31
They don't have to be in the office at a certain time,
342
919000
2000
არ აქვთ ვალდებულება ოფისში იყვნენ რაიმე დროს,
15:33
or any time.
343
921000
2000
ან საერთოდ ოდესმე იყვნენ.
15:35
They just have to get their work done.
344
923000
2000
მათ მხოლოდ ევალებათ საქმის შესრულება.
15:37
How they do it, when they do it,
345
925000
2000
როგორ გააკეთებენ, როდის გააკეთებენ,
15:39
where they do it, is totally up to them.
346
927000
3000
სად გააკეთებენ, მხოლოდ მათი გადასაწყვეტია.
15:42
Meetings in these kinds of environments are optional.
347
930000
4000
შეხვედრები ასეთ გარემოში არ არის სავალდებულო.
15:46
What happens?
348
934000
2000
რა ხდება?
15:48
Almost across the board, productivity goes up,
349
936000
3000
თითქმის ერთდროულად, პროდუქტიულობა მატულობს,
15:51
worker engagement goes up,
350
939000
3000
თანამშრომლების ჩართულობა იმატებს,
15:54
worker satisfaction goes up, turnover goes down.
351
942000
3000
თანამშრომლების კმაყოფილება იზრდება, დენადობა კლებულობს.
15:57
Autonomy, mastery and purpose,
352
945000
2000
ავტონომია, დახელოვნება და დანიშნულება,
15:59
These are the building blocks of a new way of doing things.
353
947000
2000
ესენია საქმის ახლებურად კეთების საყრდენი სვეტები.
16:01
Now some of you might look at this and say,
354
949000
3000
ზოგიერთმა თქვენგანმა შეიძლება შეხედოს ამას და თქვას,
16:04
"Hmm, that sounds nice, but it's Utopian."
355
952000
3000
"ჰმ, კარგად ჟღერს. მაგრამ უტოპიურია."
16:07
And I say, "Nope. I have proof."
356
955000
5000
მე ვეტყვი, "არაფერიც. მე მტკიცებულება მაქვს."
16:12
The mid-1990s, Microsoft started
357
960000
2000
1990-იანი წლების შუაში, Microsoft-მა წამოიწყო
16:14
an encyclopedia called Encarta.
358
962000
2000
ენციკლოპედიის პროექტი, სახელად ენკარტა.
16:16
They had deployed all the right incentives,
359
964000
2000
შექმნეს წახალისების შესაბამისი სისტემა.
16:18
all the right incentives. They paid professionals to
360
966000
3000
უხდიდნენ პროფესიონალებს იმისთვის
16:21
write and edit thousands of articles.
361
969000
2000
რომ დაეწერათ და დაერედაქტირებინათ ათასობით სტატია.
16:23
Well-compensated managers oversaw the whole thing
362
971000
2000
კარგად ანაზღაურებადი მენეჯერები ზედამხედველობდნენ ამ ყველაფერს
16:25
to make sure it came in on budget and on time.
363
973000
5000
დროსა და ბიუჯეტთან შესაბამისობის უზრუნველსაყოფად.
16:30
A few years later another encyclopedia got started.
364
978000
2000
რამდენიმე წლის შემდეგ კიდევ ერთი ენციკლოპედია დაარსდა.
16:32
Different model, right?
365
980000
3000
სხვა მოდელის მატარებელი.
16:35
Do it for fun. No one gets paid a cent, or a Euro or a Yen.
366
983000
4000
შექმენით გასართობად. ვერავის გადავუხდით ვერც ცენტს, ვერც ევროს ან იენს.
16:39
Do it because you like to do it.
367
987000
3000
აკეთეთ იმიტომ, რომ მოგწონთ ეს საქმე.
16:42
Now if you had, just 10 years ago,
368
990000
3000
10 წლის წინ, რომ მისულიყავით
16:45
if you had gone to an economist, anywhere,
369
993000
2000
ეკონომისტთან ნებსმიერ ადგილას
16:47
and said, "Hey, I've got these two different models for creating an encyclopedia.
370
995000
4000
და გეთქვათ, "აი, ენციკლოპედიის შექმნის ორი მოდელი მაქვს წარმოდგენილი.
16:51
If they went head to head, who would win?"
371
999000
3000
თუკი ერთმანეთს დავაჯახებთ, რომელი მოიგებს?"
16:54
10 years ago you could not have found a single sober economist anywhere
372
1002000
4000
10 წლის წინ, ერთ ფხიზელ ეკონომისტსაც ვერ იპოვნიდით
16:58
on planet Earth
373
1006000
2000
პლანეტა დედამიწაზე,
17:00
who would have predicted the Wikipedia model.
374
1008000
2000
რომელიც იწინასწარმეტყველებდა ვიკიპედიას მოდელს.
17:02
This is the titanic battle between these two approaches.
375
1010000
3000
ეს ამ ორ მიდგომას შორის ტიტანური ბრძოლაა.
17:05
This is the Ali-Frazier of motivation. Right?
376
1013000
3000
ეს ალი-ფრეიზერის დაპირისპირების მსგავსია, ოღონდ მოტივაციაში. გასაგებია?
17:08
This is the Thrilla' in Manila.
377
1016000
2000
ეს მანილას ტრილერია.
17:10
Alright? Intrinsic motivators versus extrinsic motivators.
378
1018000
3000
ასეა? შინაგანი მოტივაცია, გარეგნული მოტივაციის პირისპიტ.
17:13
Autonomy, mastery and purpose,
379
1021000
2000
ავტონომია, დახელოვნება და დანიშნულება
17:15
versus carrot and sticks. And who wins?
380
1023000
2000
სტაფილოსა და ჯოხების პირისპირ. და ვინ იგებს?
17:17
Intrinsic motivation, autonomy, mastery and purpose,
381
1025000
3000
შინაგანი მოტივაცია, ავტონომია, დახელოვნება და დანიშნულება,
17:20
in a knockout. Let me wrap up.
382
1028000
4000
თანად ნოკაუტით. მოდით შევაჯამებ.
17:24
There is a mismatch between what science knows and what business does.
383
1032000
3000
მეცნიერებაში არსებულ ცოდნასა და ბიზნესის მიერ მის გამოყენებაში დიდი პრობლემებია.
17:27
And here is what science knows.
384
1035000
2000
და აი რა იცის მეცნიერებამ.
17:29
One: Those 20th century rewards,
385
1037000
2000
პირველი: მე-20 საუკუნის ჯილდოები,
17:31
those motivators we think are a natural part of business,
386
1039000
3000
ის მოტივატორები, რომლებიც ბიზნესის ბუნებრივი ნაწილი გვგონია,
17:34
do work, but only in a surprisingly narrow band of circumstances.
387
1042000
4000
მუშაობს, მაგრამ გაცილებით ვიწრო გამოყენების არეალი აქვს.
17:38
Two: Those if-then rewards often destroy creativity.
388
1046000
4000
მეორე: "თუკი-მაშინ" ჯილდოები ხშირად ანადგურებს შემოქმედებითობას.
17:42
Three: The secret to high performance
389
1050000
2000
მესამე: შედეგიანობის საიდუმლო
17:44
isn't rewards and punishments,
390
1052000
2000
არ არის ჯილდოებსა და სასჯელებში,
17:46
but that unseen intrinsic drive --
391
1054000
2000
არამედ უხილავ შინაგან მოტივაციაში.
17:48
the drive to do things for their own sake.
392
1056000
3000
საქმის კეთების მოტივაციაში, თვითონ ამავე საქმის ხათრით.
17:51
The drive to do things cause they matter.
393
1059000
2000
იმის გამო, რომ ეს მნიშვნელოვანია.
17:53
And here's the best part. Here's the best part.
394
1061000
2000
და ყველაზე საინტერესო. ყველაზე საინტერესო ნაწილი ისაა, რომ
17:55
We already know this. The science confirms what we know in our hearts.
395
1063000
3000
ჩვენ ეს უკვე ვიცით. მეცნიერებამ დაამტკიცა, რომ შინაგანაც ეს ვიცით.
17:58
So, if we repair this mismatch
396
1066000
3000
შესაბამისად, თუ ამ აცდენას გამოვასწორებთ
18:01
between what science knows and what business does,
397
1069000
2000
მეცნიერებაში არსებულ ცოდნასა და ბიზნესის პრაქტიკულ განხორციელებას შორის,
18:03
if we bring our motivation, notions of motivation
398
1071000
3000
თუკი მოტივაციის გაგებასაც შევუსაბამებთ
18:06
into the 21st century,
399
1074000
2000
21-ე საუკუნის მოთხოვნებს,
18:08
if we get past this lazy, dangerous, ideology
400
1076000
4000
თუკი გავცდებით ამ ზარმაც, სახიფათო
18:12
of carrots and sticks,
401
1080000
2000
სტაფილოების და ჯოხების იდეოლოგიას,
18:14
we can strengthen our businesses,
402
1082000
3000
შეგვიძლია გავაძლიეროთ ჩვენი ბიზნესები,
18:17
we can solve a lot of those candle problems,
403
1085000
3000
შეგვიძლია მრავალი სანთლის პრობლემა გადავჭრათ
18:20
and maybe, maybe, maybe
404
1088000
4000
და შეიძლება, შეიძლება, შეიძლება
18:24
we can change the world.
405
1092000
2000
შევცვალოთ მსოფლიო.
18:26
I rest my case.
406
1094000
2000
ესეც ჩემი ამბის დასარული.
18:28
(Applause)
407
1096000
3000
(აპლოდისმენტები)
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