TED2018
Tamekia MizLadi Smith: How to train employees to have difficult conversations
Tamekia MizLadi Smith: Como treinar funcionários a ter conversas difíceis
Filmed:
Readability: 3.9
2,028,253 views
É hora de investir em treinamentos presenciais que capacitam os funcionários a terem conversas difíceis, diz Tamekia MizLadi Smith. Numa palestra espirituosa e provocativa, Smith compartilha um programa de treinamento no local de trabalho chamado "Eu sou G.R.A.C.E.D." que inspirará chefes e funcionários a se comunicar com compaixão e respeito. Resumindo: sempre diga às pessoas por que o trabalho delas é importante.
Tamekia MizLadi Smith - Performer, mentor
Tamekia MizLadi Smith wants to start new conversations around involving non-clinical staff in healthcare. Full bio
Tamekia MizLadi Smith wants to start new conversations around involving non-clinical staff in healthcare. Full bio
Double-click the English transcript below to play the video.
00:12
We live in a world
where the collection of data
where the collection of data
0
968
2198
Vivemos num mundo
no qual a coleta de dados
no qual a coleta de dados
00:15
is happening 24 hours a day,
seven days a week,
seven days a week,
1
3190
2548
acontece 24 horas por dia,
7 dias por semana,
7 dias por semana,
00:17
365 days a year.
2
5762
2293
365 dias por ano.
00:20
This data is usually collected by
what we call a front-desk specialist now.
what we call a front-desk specialist now.
3
8730
4323
Esses dados são normalmente coletados
agora pelos "especialistas em recepção".
agora pelos "especialistas em recepção".
00:25
These are the retail clerks
at your favorite department stores,
at your favorite department stores,
4
13077
3120
São balconistas em suas lojas favoritas,
00:28
the cashiers at the grocery stores,
5
16221
2443
os caixas nos supermercados,
00:30
the registration specialists
at the hospital
at the hospital
6
18688
2605
os especialistas em registro no hospital
00:33
and even the person that sold you
your last movie ticket.
your last movie ticket.
7
21317
3114
e até a pessoa que lhe vendeu
seu último ingresso de cinema.
seu último ingresso de cinema.
00:36
They ask discreet questions, like:
"May I please have your zip code?"
"May I please have your zip code?"
8
24908
3875
Eles fazem perguntas discretas, como:
"Pode, por favor, me passar seu CEP?"
"Pode, por favor, me passar seu CEP?"
00:40
Or, "Would you like to use
your savings card today?"
your savings card today?"
9
28807
3111
Ou: "Gostaria de usar
seu cartão de descontos hoje?"
seu cartão de descontos hoje?"
00:44
All of which gives us data.
10
32369
2309
Tudo isso nos fornece dados.
00:46
However, the conversation
becomes a little bit more complex
becomes a little bit more complex
11
34702
4587
No entanto, a conversa
torna-se um pouco mais complexa
torna-se um pouco mais complexa
00:51
when the more difficult questions
need to be asked.
need to be asked.
12
39313
3318
quando perguntas mais difíceis
precisam ser feitas.
precisam ser feitas.
00:54
Let me tell you a story, see.
13
42655
1793
Deixem-me contar uma história.
00:56
Once upon a time, there was
a woman named Miss Margaret.
a woman named Miss Margaret.
14
44750
3018
Era uma vez uma mulher
chamada Srta. Margaret.
chamada Srta. Margaret.
00:59
Miss Margaret had been
a front-desk specialist
a front-desk specialist
15
47792
2151
Ela tinha sido especialista em recepção
por quase 20 anos.
01:01
for almost 20 years.
16
49967
1460
01:03
And in all that time, she has never,
and I do mean never,
and I do mean never,
17
51451
3817
E em todo esse tempo ela nunca,
e quero dizer "nunca",
e quero dizer "nunca",
01:07
had to ask a patient their gender,
race or ethnicity.
race or ethnicity.
18
55292
3520
precisou perguntar a um paciente
o sexo, raça ou etnia dele.
o sexo, raça ou etnia dele.
Pois a Srta. Margaret pode
simplesmente olhar pra você e dizer:
simplesmente olhar pra você e dizer:
01:10
Because, see, now Miss Margaret
has the ability to just look at you.
has the ability to just look at you.
19
58836
3223
"Então tá!"
01:14
Uh-huh.
20
62083
1158
e pode dizer se você é menino ou menina,
01:15
And she can tell
if you are a boy or a girl,
if you are a boy or a girl,
21
63265
2777
01:18
black or white, American or non-American.
22
66066
3237
preto ou branco, norte-americano ou não.
01:21
And in her mind,
those were the only categories.
those were the only categories.
23
69327
3238
E na cabeça dela,
essas eram as únicas categorias.
essas eram as únicas categorias.
01:24
So imagine that grave day,
24
72589
2016
Então, imaginem aquele dia sombrio,
01:26
when her sassy supervisor invited her
to this "change everything" meeting
to this "change everything" meeting
25
74629
4893
quando a supervisora petulante dela
a convida pra uma reunião de "muda tudo",
a convida pra uma reunião de "muda tudo",
01:31
and told her that would have to ask
each and every last one of her patients
each and every last one of her patients
26
79546
3634
e lhe diz que ela teria que pedir
a cada um dos pacientes
a cada um dos pacientes
01:35
to self-identify.
27
83204
1405
que se identificassem.
01:36
She gave her six genders,
eight races and over 100 ethnicities.
eight races and over 100 ethnicities.
28
84633
4770
A supervisora deu a ela 6 sexos,
8 raças e mais de 100 etnias.
8 raças e mais de 100 etnias.
01:41
Well, now, Miss Margaret was appalled.
29
89427
2588
Claro que a Srta Margaret ficou chocada,
01:44
I mean, highly offended.
30
92039
1397
extremamente ofendida.
01:45
So much so that she marched down
to that human-resource department
to that human-resource department
31
93460
3331
Tanto que marchou para o departamento
de recursos humanos
de recursos humanos
01:48
to see if she was eligible
for an early retirement.
for an early retirement.
32
96815
2524
pra saber se tinha direito
a uma aposentadoria antecipada.
a uma aposentadoria antecipada.
01:51
And she ended her rant by saying
33
99363
1960
E terminou seu discurso dizendo
01:53
that her sassy supervisor invited her
to this "change everything" meeting
to this "change everything" meeting
34
101347
4870
que a supervisora petulante a convidou
pra uma reunião de "muda tudo"
pra uma reunião de "muda tudo"
01:58
and didn't, didn't, even, even
35
106241
2024
e ela nem sequer, nem sequer
02:00
bring, bring food, food, food, food.
36
108289
3028
levou, levou comida, comida, comida...
02:03
(Laughter)
37
111341
1154
(Risos)
02:04
(Applause) (Cheers)
38
112519
5067
(Aplausos) (Vivas)
Qualquer um sabe que tem
que levar comida para essas reuniões.
que levar comida para essas reuniões.
02:10
You know you've got to bring food
to these meetings.
to these meetings.
39
118681
2434
02:13
(Laughter)
40
121139
2343
(Risos)
02:15
Anyway.
41
123506
1159
Pois é...
02:16
(Laughter)
42
124689
1508
(Risos)
02:18
Now, that was an example
of a healthcare setting,
of a healthcare setting,
43
126221
2769
Agora, esse foi um exemplo
no ambiente da saúde,
no ambiente da saúde,
02:21
but of course, all businesses
collect some form of data.
collect some form of data.
44
129014
3333
mas é claro, todas as empresas
coletam algum tipo de dado.
coletam algum tipo de dado.
02:24
True story: I was going
to wire some money.
to wire some money.
45
132371
3142
História verdadeira:
eu ia transferir um dinheiro.
eu ia transferir um dinheiro.
02:28
And the customer service
representative asked me
representative asked me
46
136165
2555
E a representante do atendimento
ao cliente me perguntou
ao cliente me perguntou
02:30
if I was born in the United States.
47
138744
2334
se eu tinha nascido nos Estados Unidos.
02:33
Now, I hesitated to answer her question,
48
141419
2381
Hesitei em responder à pergunta dela,
02:35
and before she even realized
why I hesitated,
why I hesitated,
49
143824
3130
e antes mesmo de ela perceber
por que hesitei,
por que hesitei,
02:38
she began to throw the company
she worked for under the bus.
she worked for under the bus.
50
146978
3015
ela começou a detonar a empresa
pra qual ela trabalhava.
pra qual ela trabalhava.
02:42
She said, "Girl, I know it's stupid,
but they makin' us ask this question."
but they makin' us ask this question."
51
150017
5072
Ela disse: "Garota, sei que é idiotice,
mas estão nos fazendo perguntar isso".
mas estão nos fazendo perguntar isso".
02:47
(Laughter)
52
155113
1151
(Risos)
02:48
Because of the way she presented it to me,
53
156288
2073
Pelo modo como ela falou comigo,
02:50
I was like, "Girl, why?
54
158385
1600
eu disse: "Garota, por quê?
02:52
Why they makin' you ask this question?
55
160561
2230
Por que estão fazendo você perguntar isso?
02:54
Is they deportin' people?"
56
162815
1802
Eles estão deportando pessoas?"
02:56
(Laughter)
57
164641
2142
(Risos)
02:58
But then I had to turn on
the other side of me,
the other side of me,
58
166807
2222
Mas então, tive que ligar meu outro lado,
03:01
the more professional
speaker-poet side of me.
speaker-poet side of me.
59
169053
2568
o meu lado mais poeta profissional.
03:04
The one that understood that there were
little Miss Margarets all over the place.
little Miss Margarets all over the place.
60
172164
4150
Aquele que entendia que havia
senhoritas Margaret por todo canto.
senhoritas Margaret por todo canto.
03:08
People who were good people,
maybe even good employees,
maybe even good employees,
61
176871
2968
Pessoas que eram gente boa,
talvez até bons funcionários,
talvez até bons funcionários,
mas faltava a elas a habilidade
de fazer perguntas corretamente
de fazer perguntas corretamente
03:11
but lacked the ability
to ask their questions properly
to ask their questions properly
62
179863
2552
03:14
and unfortunately, that made her look bad,
63
182439
2535
e, infelizmente, isso passou
uma má impressão dela,
uma má impressão dela,
03:16
but the worst, that made
the business look even worse
the business look even worse
64
184998
3246
mas o pior, passou uma impressão
ainda mais negativa do negócio
ainda mais negativa do negócio
03:20
than how she was looking.
65
188268
1666
do que a impressão dela mesma,
03:22
Because she had no idea who I was.
66
190236
1767
pois ela não tinha ideia de quem eu era.
03:24
I mean, I literally could have been
a woman who was scheduled to do a TED Talk
a woman who was scheduled to do a TED Talk
67
192027
3685
Eu literalmente poderia ter sido
uma mulher que daria uma palestra no TED
uma mulher que daria uma palestra no TED
e a usaria como um exemplo.
03:27
and would use her as an example.
68
195736
1778
03:29
Imagine that.
69
197538
1300
Imaginem só!
03:30
(Applause)
70
198862
4262
(Aplausos) (Risos)
03:35
And unfortunately,
71
203148
1183
E infelizmente, as pessoas
recusariam responder às perguntas,
recusariam responder às perguntas,
03:36
what happens is people would decline
to answer the questions,
to answer the questions,
72
204355
2895
pois sentiriam que você usaria
a informação para discriminá-las,
a informação para discriminá-las,
03:39
because they feel like
you would use the information
you would use the information
73
207274
2509
03:41
to discriminate against them,
74
209807
1425
tudo por causa do modo
como você apresentou a informação.
como você apresentou a informação.
03:43
all because of how you presented
the information.
the information.
75
211256
2391
E é assim que conseguimos dados ruins.
03:45
And at that point, we get bad data.
76
213671
1778
03:47
And everybody knows what bad data does.
77
215473
2111
E todos sabem o que dados ruins fazem.
03:49
Bad data costs you time,
it costs you money
it costs you money
78
217608
2793
Eles custam seu tempo,
dinheiro e recursos.
dinheiro e recursos.
03:52
and it costs you resources.
79
220425
1946
03:54
Unfortunately, when you have bad data,
80
222395
2563
Infelizmente, quando temos dados ruins,
03:56
it also costs you a lot more,
81
224982
3079
isso também custa muito mais,
04:00
because we have health disparities,
82
228085
2395
pois temos disparidades na saúde,
04:02
and we have social determinants of health,
83
230504
2214
temos determinantes sociais da saúde,
04:04
and we have the infant mortality,
84
232742
1658
e temos a mortalidade infantil,
04:06
all of which depends
on the data that we collect,
on the data that we collect,
85
234424
2643
e tudo depende dos dados que coletamos,
04:09
and if we have bad data,
than we have those issues still.
than we have those issues still.
86
237091
3248
e se tivermos dados ruins,
ainda temos esses problemas.
ainda temos esses problemas.
04:12
And we have underprivileged populations
87
240363
1899
E temos populações desprivilegiadas
04:14
that remain unfortunate
and underprivileged,
and underprivileged,
88
242286
2791
que permanecem infelizes
e desprivilegiadas,
e desprivilegiadas,
04:17
because the data that we're using
is either outdated,
is either outdated,
89
245101
3926
porque os dados que usamos
estão desatualizados,
estão desatualizados,
04:21
or is not good at all
or we don't have anything at all.
or we don't have anything at all.
90
249051
3293
não são nada bons ou não temos nada.
04:24
Now, wouldn't it be amazing
if people like Miss Margaret
if people like Miss Margaret
91
252987
2636
Não seria incrível se pessoas
como a Srta. Margaret
como a Srta. Margaret
04:27
and the customer-service
representative at the wiring place
representative at the wiring place
92
255647
3150
e o representante do atendimento
ao cliente no local de remessa de dinheiro
ao cliente no local de remessa de dinheiro
04:30
were graced to collect data
with compassionate care?
with compassionate care?
93
258821
4374
fossem agraciados por coletar dados
com cuidado compassivo?
com cuidado compassivo?
04:35
Can I explain to you
what I mean by "graced?"
what I mean by "graced?"
94
263562
2317
Posso lhes explicar o que
quero dizer com "agraciados"?
quero dizer com "agraciados"?
04:38
I wrote an acrostic poem.
95
266324
1666
Escrevi um poema acróstico.
04:40
G: Getting the front desk specialist
involved and letting them know
involved and letting them know
96
268300
4773
G: Garantir que o especialista em recepção
esteja envolvido e ciente da
esteja envolvido e ciente da
04:45
R: the Relevance of their role
as they become
as they become
97
273097
3953
R: Relevância de seu papel
quando ele se torna
quando ele se torna
04:49
A: Accountable for the accuracy
of data while implementing
of data while implementing
98
277074
3531
A: Agente responsável pela precisão
dos dados durante a implementação do
dos dados durante a implementação do
04:52
C: Compassionate care within
all encounters by becoming
all encounters by becoming
99
280629
4044
C: Cuidado compassivo dentro
de todos os conflitos, tornando-se
de todos os conflitos, tornando-se
04:56
E: Equipped with the education
needed to inform people
needed to inform people
100
284697
3301
E: Equipado com a educação necessária
para informar as pessoas sobre por que
para informar as pessoas sobre por que
05:00
of why data collection is so important.
101
288022
3293
D: Dados coletados são tão importantes.
05:04
(Applause)
102
292315
2949
(Aplausos)
05:07
Now, I'm an artist.
103
295288
2096
Eu sou artista.
05:09
And so what happens with me
104
297408
1674
Então quando crio algo artisticamente,
o treinador em mim também se desperta.
o treinador em mim também se desperta.
05:11
is that when I create
something artistically,
something artistically,
105
299106
2174
05:13
the trainer in me is awakened as well.
106
301304
1923
Comecei a desenvolver esse poema acróstico
em um treinamento completo
em um treinamento completo
05:15
So what I did was, I began to develop
that acrostic poem into a full training
that acrostic poem into a full training
107
303251
4072
05:19
entitled "I'm G.R.A.C.E.D."
108
307347
1548
intitulado "Eu sou G.R.A.C.E.D."
05:20
Because I remember,
being the front-desk specialist,
being the front-desk specialist,
109
308919
2841
Porque me lembro de quando
era especialista em recepção,
era especialista em recepção,
05:23
and when I went to the office
of equity to start working,
of equity to start working,
110
311784
2674
e fui ao escritório de equidade
para começar a trabalhar,
para começar a trabalhar,
05:26
I was like, "Is that why they asked us
to ask that question?"
to ask that question?"
111
314482
3555
e disse: "É por isso que nos pediram
pra perguntar isso?"
pra perguntar isso?"
05:30
It all became a bright light to me,
112
318061
1768
Tudo ficou totalmente claro pra mim
05:31
and I realized that I asked people
and I told people about --
and I told people about --
113
319853
3637
e percebi que perguntava
às pessoas e falava com elas...
às pessoas e falava com elas...
05:35
I called them by the wrong gender,
I called them by the wrong race,
I called them by the wrong race,
114
323514
3284
eu as chamava pelo sexo errado,
pela raça errada,
pela raça errada,
05:38
I called them by the wrong ethnicity,
115
326822
1803
e pela etnia errada,
05:40
and the environment became hostile,
116
328649
2007
e o ambiente se tornava hostil,
05:42
people was offended and I was frustrated
because I was not graced.
because I was not graced.
117
330680
4284
as pessoas se ofendiam e eu me frustrava
porque não era agraciada.
porque não era agraciada.
05:46
I remember my computerized training,
118
334988
2587
E me lembro do meu
treinamento computadorizado
treinamento computadorizado
05:49
and unfortunately, that training did not
prepare me to deescalate a situation.
prepare me to deescalate a situation.
119
337599
5626
e, infelizmente, esse treinamento
não me preparou pra aliviar uma situação.
não me preparou pra aliviar uma situação.
05:55
It did not prepare me to have
teachable moments when I had questions
teachable moments when I had questions
120
343249
3376
Não me preparou pra ter momentos
de ensinamento quando tinha perguntas
de ensinamento quando tinha perguntas
05:58
about asking the questions.
121
346649
1658
sobre como fazer perguntas.
06:00
I would look at the computer and say,
"So, what do I do when this happens?"
"So, what do I do when this happens?"
122
348331
3564
Eu olhava pro computador e dizia:
"E aí, o que faço quando isso acontece?"
"E aí, o que faço quando isso acontece?"
06:03
And the computer would say ...
123
351919
1858
E o computador dizia...
06:05
nothing, because a computer
cannot talk back to you.
cannot talk back to you.
124
353801
3268
nada, porque um computador
não consegue falar contigo.
não consegue falar contigo.
06:09
(Laughter)
125
357093
3207
(Risos)
06:12
So that's the importance
of having someone there
of having someone there
126
360324
2571
Então, essa é a importância
de ter alguém lá
de ter alguém lá
06:14
who was trained to teach you
and tell you what you do
and tell you what you do
127
362919
2777
que foi treinado pra te ensinar
e dizer o que você faz
e dizer o que você faz
06:17
in situations like that.
128
365720
1690
em situações assim.
06:20
So, when I created
the "I'm G.R.A.C.E.D" training,
the "I'm G.R.A.C.E.D" training,
129
368030
2626
Então, quando criei o treinamento
"Eu sou G.R.A.C.E.D.",
"Eu sou G.R.A.C.E.D.",
06:22
I created it with that experience
that I had in mind,
that I had in mind,
130
370680
2994
foi com a experiência
que eu tinha em mente,
que eu tinha em mente,
06:25
but also that conviction
that I had in mind.
that I had in mind.
131
373698
2516
mas também uma convicção
que eu tinha em mente.
que eu tinha em mente.
06:28
Because I wanted
the instructional design of it
the instructional design of it
132
376238
2253
Porque eu queria
que o design instrucional dele
que o design instrucional dele
06:30
to be a safe space
for open dialogue for people.
for open dialogue for people.
133
378515
2778
fosse um espaço seguro
pro diálogo aberto para as pessoas.
pro diálogo aberto para as pessoas.
06:33
I wanted to talk about biases,
134
381317
1895
Eu queria falar sobre preconceitos,
06:35
the unconscious ones
and the conscious ones,
and the conscious ones,
135
383236
2397
os inconscientes e os conscientes,
06:37
and what we do.
136
385657
1166
e o que fazemos.
Pois agora sei que quando
você envolve as pessoas no porquê,
você envolve as pessoas no porquê,
06:38
Because now I know
that when you engage people in the why,
that when you engage people in the why,
137
386847
3944
06:42
it challenges their perspective,
and it changes their attitudes.
and it changes their attitudes.
138
390815
3476
isso desafia a perspectiva
e muda as atitudes delas.
e muda as atitudes delas.
06:46
Now I know that data
that we have at the front desk
that we have at the front desk
139
394315
3159
Agora sei que os dados
que temos na recepção
que temos na recepção
06:49
translates into research that eliminates
disparities and finds cures.
disparities and finds cures.
140
397498
4813
se traduzem em pesquisa que eliminam
disparidades e encontram curas.
disparidades e encontram curas.
06:54
Now I know that teaching people
transitional change
transitional change
141
402335
3706
Agora sei que ensinar às pessoas
a mudança transitória
a mudança transitória
06:58
instead of shocking them into change
142
406065
2846
em vez de forçá-las a mudar
07:00
is always a better way
of implementing change.
of implementing change.
143
408935
3255
é sempre um modo melhor
de implementar a mudança.
de implementar a mudança.
07:04
See, now I know people are more likely
to share information
to share information
144
412214
3046
Agora sei que é mais provável
que as pessoas compartilhem informações
que as pessoas compartilhem informações
07:07
when they are treated with respect
by knowledgeable staff members.
by knowledgeable staff members.
145
415284
3859
quando são tratadas com respeito
por funcionários experientes.
por funcionários experientes.
07:11
Now I know that you
don't have to be a statistician
don't have to be a statistician
146
419167
3021
Agora sei que não é
preciso ser estatístico
preciso ser estatístico
07:14
to understand the power
and the purpose of data,
and the purpose of data,
147
422212
3001
pra entender o poder
e o propósito dos dados,
e o propósito dos dados,
07:17
but you do have to treat people
with respect and have compassionate care.
with respect and have compassionate care.
148
425237
4364
mas precisa tratar as pessoas com respeito
e demonstrar cuidado compassivo.
e demonstrar cuidado compassivo.
07:21
Now I know that when you've been graced,
149
429625
2825
Agora sei que quando você foi agraciado,
07:24
it is your responsibility
to empower somebody else.
to empower somebody else.
150
432474
3376
passou a ser responsabilidade sua
capacitar outra pessoa.
capacitar outra pessoa.
07:27
But most importantly, now I know
151
435874
2425
Mas o mais importante é que agora sei
07:30
that when teaching human beings
152
438323
2413
que ao ensinar seres humanos
07:32
to communicate with other human beings,
153
440760
3079
a se comunicarem com outros seres humanos,
07:35
it should be delivered by a human being.
154
443863
3785
isso deve ser feito por um ser humano.
07:40
(Applause)
155
448117
6792
(Aplausos)
07:46
So when y'all go to work
156
454933
1849
Então, quando forem trabalhar
07:48
and y'all schedule that
"change everything" meeting --
"change everything" meeting --
157
456806
3335
e tiverem que participar
daquela reunião de "mudar tudo",
daquela reunião de "mudar tudo",
07:52
(Laughter)
158
460165
1650
(Risos)
07:53
remember Miss Margaret.
159
461839
1515
lembrem-se da Srta. Margaret.
07:55
And don't forget the food, the food,
the food, the food.
the food, the food.
160
463792
3819
E não se esqueçam da comida,
comida, comida, comida...
comida, comida, comida...
08:00
Thank you.
161
468103
1151
Obrigada.
08:01
(Applause) (Cheers)
162
469278
5475
(Aplausos) (Vivas)
08:06
Thank you.
163
474777
1175
Obrigada.
08:07
(Applause)
164
475976
1595
(Aplausos)
ABOUT THE SPEAKER
Tamekia MizLadi Smith - Performer, mentorTamekia MizLadi Smith wants to start new conversations around involving non-clinical staff in healthcare.
Why you should listen
As a spoken-word performer, Tamekia MizLadi Smith educates and empowers her audiences with what she calls EDUtainment, a witty combination of music and storytelling. She has worked as a consultant and mentor for programs such as Girls in Action, Dear Sistah Girlfriend and the Columbus City Schools. Her forthcoming book, True Story, explores how to improve community health through mentoring and creative arts.
Tamekia MizLadi Smith | Speaker | TED.com