TEDGlobal 2009
Dan Pink: The puzzle of motivation
Dan Pink fala sobre a surpreendente ciência da motivação
Filmed:
Readability: 4
25,352,736 views
O analista de carreiras Dan Pink examina o puzzle da motivação, começando por um facto que os cientistas sociais sabem mas que a maioria dos gestores não sabe: As recompensas tradicionais não são sempre tão eficazes como pensamos. Escute as histórias fascinantes e descubra talvez os seus próximos passos.
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
Eu preciso de fazer uma confissão inicial.
00:16
A little over 20 years ago
1
4000
3000
Há pouco mais de 20 anos atrás
00:19
I did something that I regret,
2
7000
2000
eu fiz algo de que me arrependo,
00:21
something that I'm not particularly proud of,
3
9000
4000
algo de que não me orgulho particularmente,
00:25
something that, in many ways, I wish no one would ever know,
4
13000
3000
algo que, de muitas formas, eu desejaria que nunca ninguém soubesse,
00:28
but here I feel kind of obliged to reveal.
5
16000
4000
mas que aqui me sinto como que obrigado a revelar...
00:32
(Laughter)
6
20000
2000
(risos)
00:34
In the late 1980s,
7
22000
2000
No fim dos anos 80,
00:36
in a moment of youthful indiscretion,
8
24000
3000
num momento de indiscrição juvenil...
00:39
I went to law school.
9
27000
2000
eu fui para a Faculdade de Direito.
00:41
(Laughter)
10
29000
4000
(risos)
00:45
Now, in America law is a professional degree:
11
33000
3000
Na América, Direito é um grau profissional.
00:48
you get your university degree, then you go on to law school.
12
36000
2000
Tira-se o bacharelato e depois vai-se para a Faculdade de Direito.
00:50
And when I got to law school,
13
38000
3000
E quando eu entrei na Faculdade de Direito,
00:53
I didn't do very well.
14
41000
2000
não me dei muito bem.
00:55
To put it mildly, I didn't do very well.
15
43000
2000
Dizendo-o de uma forma suave, não me dei muito bem.
00:57
I, in fact, graduated in the part of my law school class
16
45000
3000
Eu, na verdade, acabei o curso de uma forma que permitiu
01:00
that made the top 90 percent possible.
17
48000
4000
a existência dos 90 por cento de melhores alunos.
01:04
(Laughter)
18
52000
4000
(risos)
01:08
Thank you.
19
56000
3000
Obrigado.
01:11
I never practiced law a day in my life;
20
59000
3000
Nunca exerci Direito um único dia na minha vida...
01:14
I pretty much wasn't allowed to.
21
62000
2000
Basicamente... não me deixaram.
01:16
(Laughter)
22
64000
3000
(risos)
01:19
But today, against my better judgment,
23
67000
3000
Mas hoje, indo contra o meu perfeito juízo,
01:22
against the advice of my own wife,
24
70000
3000
contra os conselhos da minha mulher,
01:25
I want to try to dust off some of those legal skills --
25
73000
4000
eu quero tentar recordar algumas das competências legais...
01:29
what's left of those legal skills.
26
77000
2000
o que resta dessas competências legais.
01:31
I don't want to tell you a story.
27
79000
3000
Eu não quero contar-vos uma história.
01:34
I want to make a case.
28
82000
2000
Eu quero apresentar um caso.
01:36
I want to make a hard-headed, evidence-based,
29
84000
4000
Quero fazer um caso realista, baseado em provas,
01:40
dare I say lawyerly case,
30
88000
3000
atrevo-me a dizer um caso representativo,
01:43
for rethinking how we run our businesses.
31
91000
4000
para repensarmos o modo como gerimos os nossos negócios.
01:47
So, ladies and gentlemen of the jury, take a look at this.
32
95000
4000
Por isso, senhoras e senhores do júri, vejam isto.
01:51
This is called the candle problem.
33
99000
2000
Isto é chamado o problema da vela:
01:53
Some of you might have seen this before.
34
101000
2000
Alguns de vocês talvez já o tenham visto antes.
01:55
It's created in 1945
35
103000
2000
Foi criado em 1945
01:57
by a psychologist named Karl Duncker.
36
105000
2000
por um psicólogo chamado Karl Duncker.
01:59
Karl Duncker created this experiment
37
107000
2000
Karl Duncker criou esta experiência
02:01
that is used in a whole variety of experiments in behavioral science.
38
109000
3000
que é utilizada numa grande variedade de experiências nas ciências comportamentais.
02:04
And here's how it works. Suppose I'm the experimenter.
39
112000
3000
E funciona assim: suponham que eu sou o experimentador.
02:07
I bring you into a room. I give you a candle,
40
115000
4000
Trago-vos para uma sala. Dou-vos uma vela,
02:11
some thumbtacks and some matches.
41
119000
2000
algumas tachas e uns fósforos.
02:13
And I say to you, "Your job
42
121000
2000
E digo-vos, "O vosso trabalho
02:15
is to attach the candle to the wall
43
123000
2000
é anexar a vela à parede
02:17
so the wax doesn't drip onto the table." Now what would you do?
44
125000
4000
sem que a cera pingue para a mesa." Posto isto, o que é que fariam?
02:21
Now many people begin trying to thumbtack the candle to the wall.
45
129000
4000
Muitas pessoas começam por tentar prender a vela à parede.
02:25
Doesn't work.
46
133000
2000
Não funciona.
02:27
Somebody, some people -- and I saw somebody
47
135000
2000
Algumas pessoas, e eu vi alguém na audiência
02:29
kind of make the motion over here --
48
137000
2000
a tentar fazer o movimento aqui...
02:31
some people have a great idea where they
49
139000
2000
Algumas pessoas têm uma excelente ideia:
02:33
light the match, melt the side of the candle, try to adhere it to the wall.
50
141000
4000
acendem o fósforo, derretem um lado da vela e tentam aderi-lo à parede.
02:37
It's an awesome idea. Doesn't work.
51
145000
3000
É uma ideia espectacular... Não funciona.
02:40
And eventually, after five or 10 minutes,
52
148000
3000
E eventualmente, depois de 5 ou 10 minutos,
02:43
most people figure out the solution,
53
151000
2000
a maior parte das pessoas descobre a solução,
02:45
which you can see here.
54
153000
2000
que podem ver aqui.
02:47
The key is to overcome what's called functional fixedness.
55
155000
3000
A chave é ultrapassar aquilo a que chamamos fixação funcional.
02:50
You look at that box and you see it only as a receptacle for the tacks.
56
158000
4000
Vocês olham para a caixa e vêem-na apenas como um recipiente para as tachas.
02:54
But it can also have this other function,
57
162000
2000
Mas ela também pode ter esta outra função:
02:56
as a platform for the candle. The candle problem.
58
164000
4000
a de um suporte para a vela. Este é o problema da vela.
03:00
Now I want to tell you about an experiment
59
168000
2000
Agora quero falar-vos sobre uma experiência
03:02
using the candle problem,
60
170000
2000
usando o problema da vela,
03:04
done by a scientist named Sam Glucksberg,
61
172000
2000
que foi feita por um cientista chamado Sam Glucksberg,
03:06
who is now at Princeton University in the U.S.
62
174000
2000
que agora está na Universidade de Princeton nos Estados Unidos.
03:08
This shows the power of incentives.
63
176000
4000
Esta experiência demonstra o poder dos incentivos.
03:12
Here's what he did. He gathered his participants.
64
180000
2000
Aqui está o que ele fez. Ele reuniu os seus participantes
03:14
And he said, "I'm going to time you. How quickly you can solve this problem?"
65
182000
3000
e disse: "Eu vou cronometrar-vos. Quão depressa conseguem resolver este problema?"
03:17
To one group he said,
66
185000
2000
A um grupo disse:
03:19
"I'm going to time you to establish norms,
67
187000
3000
"Eu vou cronometrar-vos para estabelecer parâmetros,
03:22
averages for how long it typically takes
68
190000
2000
valores médios para o tempo que geralmente se leva
03:24
someone to solve this sort of problem."
69
192000
2000
para alguém resolver este tipo de problema."
03:26
To the second group he offered rewards.
70
194000
3000
Ao segundo grupo, ele ofereceu recompensas.
03:29
He said, "If you're in the top 25 percent of the fastest times,
71
197000
4000
Ele disse: "Se o vosso tempo estiver nos 25% mais rápidos...
03:33
you get five dollars.
72
201000
3000
vocês ganham 5 dólares.
03:36
If you're the fastest of everyone we're testing here today,
73
204000
3000
Se forem os mais rápidos de todos os que testarmos hoje...
03:39
you get 20 dollars."
74
207000
2000
ganham 20 dólares".
03:41
Now this is several years ago. Adjusted for inflation,
75
209000
3000
Isto foi há vários anos atrás. Ajustem os valores à inflação.
03:44
it's a decent sum of money for a few minutes of work.
76
212000
2000
É uma quantia de dinheiro aceitável por alguns minutos de trabalho.
03:46
It's a nice motivator.
77
214000
2000
É um bom factor de motivação.
03:48
Question: How much faster
78
216000
3000
Pergunta: Quão mais rápido
03:51
did this group solve the problem?
79
219000
2000
é que este grupo resolveu o problema?
03:53
Answer: It took them, on average,
80
221000
3000
Resposta: Demorou-lhes, em média,
03:56
three and a half minutes longer.
81
224000
4000
três minutos e meio... a mais.
04:00
Three and a half minutes longer. Now this makes no sense right?
82
228000
3000
Três minutos e meio a mais! Isto não faz sentido, certo?
04:03
I mean, I'm an American. I believe in free markets.
83
231000
3000
Isto é, eu sou um Americano. Acredito nos mercados livres.
04:06
That's not how it's supposed to work. Right?
84
234000
3000
E não é assim que é suposto funcionar. Certo?!
04:09
(Laughter)
85
237000
1000
(risos)
04:10
If you want people to perform better,
86
238000
2000
Se querem que as pessoas se saiam melhor...
04:12
you reward them. Right?
87
240000
2000
vocês recompensam-nas, certo?
04:14
Bonuses, commissions, their own reality show.
88
242000
3000
Dão-lhes Bónus, comissões, ou até o seu próprio reality show.
04:17
Incentivize them. That's how business works.
89
245000
4000
Incentivam-nas! É assim que os negócios funcionam.
04:21
But that's not happening here.
90
249000
2000
Mas isso não está a acontecer aqui.
04:23
You've got an incentive designed to
91
251000
2000
Temos um incentivo concebido para
04:25
sharpen thinking and accelerate creativity,
92
253000
4000
aguçar o pensamento e acelerar a criatividade.
04:29
and it does just the opposite.
93
257000
2000
E tem o efeito exactamente oposto.
04:31
It dulls thinking and blocks creativity.
94
259000
3000
Estupidifica o pensamento e bloqueia a criatividade.
04:34
And what's interesting about this experiment is that it's not an aberration.
95
262000
3000
E o que é interessante nesta experiência é que não é uma aberração.
04:37
This has been replicated over and over
96
265000
3000
Isto já foi replicado vezes e vezes
04:40
and over again, for nearly 40 years.
97
268000
3000
sem conta, durante quase 40 anos.
04:43
These contingent motivators --
98
271000
3000
Estes factores de motivação condicionais:
04:46
if you do this, then you get that --
99
274000
2000
se fizerem isto, então obtêm aquilo
04:48
work in some circumstances.
100
276000
2000
funcionam em algumas circunstâncias.
04:50
But for a lot of tasks, they actually either don't work
101
278000
3000
Mas para muitas tarefas, estes factores, na verdade, ou não funcionam
04:53
or, often, they do harm.
102
281000
3000
ou, frequentemente, são prejudiciais.
04:56
This is one of the most robust findings
103
284000
4000
Este é uma das descobertas mais sólidas
05:00
in social science,
104
288000
3000
nas ciências sociais.
05:03
and also one of the most ignored.
105
291000
2000
E também uma das mais ignoradas.
05:05
I spent the last couple of years looking at the science of
106
293000
2000
Eu dediquei os últimos anos a estudar a ciência da
05:07
human motivation,
107
295000
2000
motivação humana.
05:09
particularly the dynamics of extrinsic motivators
108
297000
2000
Particularmente a dinâmica dos factores de motivação extrínsecos
05:11
and intrinsic motivators.
109
299000
2000
e intrínsecos.
05:13
And I'm telling you, it's not even close.
110
301000
2000
E digo-vos... a teoria não está nem perto da prática.
05:15
If you look at the science, there is a mismatch
111
303000
2000
Se olharem para a ciência, há um desencontro
05:17
between what science knows and what business does.
112
305000
4000
entre o que a ciência conhece e o que o se faz nos negócios.
05:21
And what's alarming here is that our business operating system --
113
309000
3000
E o que é alarmante nisto é que o nosso sistema operativo dos negócios -
05:24
think of the set of assumptions and protocols beneath our businesses,
114
312000
3000
pensem no conjunto de assumpções e protocolos que suportam os nossos negócios,
05:27
how we motivate people, how we apply our human resources --
115
315000
5000
o modo como motivamos as pessoas, o modo como aplicamos os nossos recursos humanos -
05:32
it's built entirely around these extrinsic motivators,
116
320000
3000
este sistema é inteiramente construído à volta destes factores de motivação extrínsecos.
05:35
around carrots and sticks.
117
323000
2000
À volta de cenouras e varas.
05:37
That's actually fine for many kinds of 20th century tasks.
118
325000
4000
Na verdade, são adequados para muitos tipos de tarefas do século XX.
05:41
But for 21st century tasks,
119
329000
2000
Mas para tarefas do século XXI,
05:43
that mechanistic, reward-and-punishment approach
120
331000
4000
essa abordagem mecanicista, de recompensa e punição,
05:47
doesn't work, often doesn't work, and often does harm.
121
335000
4000
não funciona, geralmente não funciona, e geralmente prejudica.
05:51
Let me show you what I mean.
122
339000
2000
Deixem-me mostrar-vos o que quero dizer.
05:53
So Glucksberg did another experiment similar to this
123
341000
3000
Glucksberg realizou outra experiência semelhante a esta
05:56
where he presented the problem in a slightly different way,
124
344000
2000
onde apresentou o problema de uma maneira ligeiramente diferente,
05:58
like this up here. Okay?
125
346000
3000
tal como está aqui em cima. Ok?
06:01
Attach the candle to the wall so the wax doesn't drip onto the table.
126
349000
2000
Objectivo: Anexar a vela à parede para que a cera não pingue para mesa.
06:03
Same deal. You: we're timing for norms.
127
351000
3000
A mesma lógica. Vocês: estamos a cronometrar-vos para ter parâmetros
06:06
You: we're incentivizing.
128
354000
3000
Vocês: estamos a incentivar-vos.
06:09
What happened this time?
129
357000
2000
O que aconteceu desta vez?
06:11
This time, the incentivized group
130
359000
2000
Desta vez, o grupo que foi incentivado
06:13
kicked the other group's butt.
131
361000
4000
deu uma cabazada ao outro grupo (não incentivado).
06:17
Why? Because when the tacks are out of the box,
132
365000
4000
Porquê? Porque quando as tachas estão fora da caixa ...
06:21
it's pretty easy isn't it?
133
369000
4000
é muito fácil, não é?
06:25
(Laughter)
134
373000
2000
"O problema da vela para totós" (risos)
06:27
If-then rewards work really well
135
375000
3000
As recompensas "Se-Então" funcionam muito bem
06:30
for those sorts of tasks,
136
378000
3000
para esse tipo de tarefas,
06:33
where there is a simple set of rules and a clear destination
137
381000
2000
em que há um conjunto de regras simples
06:35
to go to.
138
383000
2000
e um fim claramente definido para atingir.
06:37
Rewards, by their very nature,
139
385000
2000
As recompensas, pela sua própria natureza,
06:39
narrow our focus, concentrate the mind;
140
387000
2000
estreitam o nosso foco e concentram a mente.
06:41
that's why they work in so many cases.
141
389000
2000
É por isso que funcionam em tantas situações.
06:43
And so, for tasks like this,
142
391000
2000
Assim, em tarefas como estas,
06:45
a narrow focus, where you just see the goal right there,
143
393000
3000
com um foco específico,
06:48
zoom straight ahead to it,
144
396000
2000
e onde o objectivo é bem visível,
06:50
they work really well.
145
398000
2000
elas funcionam muito bem.
06:52
But for the real candle problem,
146
400000
2000
Mas, para o problema da vela da vida real,
06:54
you don't want to be looking like this.
147
402000
2000
o objectivo não é ver assim.
06:56
The solution is not over here. The solution is on the periphery.
148
404000
2000
A solução não está aqui. A solução está na periferia.
06:58
You want to be looking around.
149
406000
2000
É preciso andar à procura da solução.
07:00
That reward actually narrows our focus
150
408000
2000
Nestes casos, essas recompensas estreitam o nosso foco
07:02
and restricts our possibility.
151
410000
2000
e limitam a possibilidade de sucesso.
07:04
Let me tell you why this is so important.
152
412000
3000
Deixem-me dizer-vos porque é que este tema é tão importante.
07:07
In western Europe,
153
415000
2000
Na Europa Ocidental,
07:09
in many parts of Asia,
154
417000
2000
em muitas partes da Ásia,
07:11
in North America, in Australia,
155
419000
3000
na América do Norte, na Austrália,
07:14
white-collar workers are doing less of
156
422000
2000
os executivos estão a realizar menos
07:16
this kind of work,
157
424000
2000
deste tipo de trabalho
07:18
and more of this kind of work.
158
426000
4000
e mais deste tipo de trabalho.
07:22
That routine, rule-based, left-brain work --
159
430000
3000
Aquele trabalho rotineiro, baseado em regras, característico do hemisfério esquerdo do cérebro,
07:25
certain kinds of accounting, certain kinds of financial analysis,
160
433000
2000
alguns tipos de contabilidade, alguns tipos de análises financeiras
07:27
certain kinds of computer programming --
161
435000
2000
alguns tipos de programação,
07:29
has become fairly easy to outsource,
162
437000
2000
tornaram-se alvo fácil de outsourcing,
07:31
fairly easy to automate.
163
439000
2000
bastante fácil de automatizar.
07:33
Software can do it faster.
164
441000
3000
Softwares conseguem fazê-lo mais depressa.
07:36
Low-cost providers around the world can do it cheaper.
165
444000
2000
Fornecedores low-cost pelo mundo podem fazê-lo mais barato.
07:38
So what really matters are the more right-brained
166
446000
4000
Por isso, o que mais importa são actividades do hemisfério direito do cérebro:
07:42
creative, conceptual kinds of abilities.
167
450000
3000
as capacidades mais criativas e conceptuais.
07:45
Think about your own work.
168
453000
3000
Pensem no vosso próprio trabalho.
07:48
Think about your own work.
169
456000
3000
Pensem no vosso próprio trabalho.
07:51
Are the problems that you face, or even the problems
170
459000
2000
Será que os problemas que vocês enfrentam,
07:53
we've been talking about here,
171
461000
2000
ou até os problemas de que temos estado a falar aqui,
07:55
are those kinds of problems -- do they have a clear set of rules,
172
463000
2000
são problemas que têm um conjunto de regras definido
07:57
and a single solution? No.
173
465000
3000
e uma solução única? Não.
08:00
The rules are mystifying.
174
468000
2000
As regras são confusas.
08:02
The solution, if it exists at all,
175
470000
2000
A solução, se é que existe,
08:04
is surprising and not obvious.
176
472000
3000
é surpreendente e não é óbvia.
08:07
Everybody in this room
177
475000
2000
Toda a gente nesta sala
08:09
is dealing with their own version
178
477000
3000
está a lidar com a sua própria versão
08:12
of the candle problem.
179
480000
2000
do problema da vela.
08:14
And for candle problems of any kind,
180
482000
3000
E para problemas da vela de qualquer tipo,
08:17
in any field,
181
485000
2000
em qualquer área,
08:19
those if-then rewards,
182
487000
3000
aquelas recompensas "Se-Então",
08:22
the things around which we've built so many of our businesses,
183
490000
4000
que temos utilizado para construir tantos dos nossos negócios,
08:26
don't work.
184
494000
2000
não funcionam!
08:28
Now, I mean it makes me crazy.
185
496000
2000
Isto deixa-me doido!
08:30
And this is not -- here's the thing.
186
498000
2000
E isto não é... percebam isto.
08:32
This is not a feeling.
187
500000
3000
Isto não é... um sentimento!
08:35
Okay? I'm a lawyer; I don't believe in feelings.
188
503000
3000
Ok? Sou um advogado. Não acredito em sentimentos.
08:38
This is not a philosophy.
189
506000
4000
Isto não é uma filosofia!
08:42
I'm an American; I don't believe in philosophy.
190
510000
2000
Sou um Americano. Não acredito em filosofia.
08:44
(Laughter)
191
512000
3000
(risos)
08:47
This is a fact --
192
515000
3000
Isto é um facto!
08:50
or, as we say in my hometown of Washington, D.C.,
193
518000
2000
Ou, como dizemos na minha cidade em Washington D.C.,
08:52
a true fact.
194
520000
2000
é um facto verdadeiro.
08:54
(Laughter)
195
522000
2000
(risos)
08:56
(Applause)
196
524000
4000
(aplausos)
09:00
Let me give you an example of what I mean.
197
528000
2000
Deixem-me dar-vos um exemplo do que quero dizer com isto.
09:02
Let me marshal the evidence here,
198
530000
2000
Deixem-me mostrar-vos provas.
09:04
because I'm not telling you a story, I'm making a case.
199
532000
2000
Porque não estou a contar uma história. Estou a criar um caso.
09:06
Ladies and gentlemen of the jury, some evidence:
200
534000
2000
Senhoras e senhores do júri, aqui estão algumas provas:
09:08
Dan Ariely, one of the great economists of our time,
201
536000
3000
Dan Ariely, um dos grandes economistas do nosso tempo,
09:11
he and three colleagues, did a study of some MIT students.
202
539000
4000
juntamente com três colegas, fez um estudo sobre alguns alunos do MIT.
09:15
They gave these MIT students a bunch of games,
203
543000
3000
Eles deram uma série de jogos a estes estudantes do MIT.
09:18
games that involved creativity,
204
546000
2000
Jogos que envolviam criatividade,
09:20
and motor skills, and concentration.
205
548000
2000
capacidades motoras e concentração.
09:22
And the offered them, for performance,
206
550000
2000
E ofereceram-lhes, de acordo com a sua performance,
09:24
three levels of rewards:
207
552000
2000
três níveis de recompensa:
09:26
small reward, medium reward, large reward.
208
554000
5000
recompensa baixa, recompensa média e recompensa alta.
09:31
Okay? If you do really well you get the large reward, on down.
209
559000
4000
Ok? Se tiverem bons resultados, têm a recompensa alta ... e por aí abaixo.
09:35
What happened? As long as the task involved only mechanical skill
210
563000
4000
O que aconteceu? Enquanto a tarefa envolveu apenas capacidades mecânicas
09:39
bonuses worked as they would be expected:
211
567000
2000
os incentivos tiveram o resultado esperado:
09:41
the higher the pay, the better the performance.
212
569000
4000
quanto mais alto o incentivo, melhor a performance.
09:45
Okay? But one the task called for
213
573000
2000
Ok? Mas quando a tarefa pedia por
09:47
even rudimentary cognitive skill,
214
575000
4000
capacidades cognitivas ainda que rudimentares,
09:51
a larger reward led to poorer performance.
215
579000
5000
uma recompensa maior conduziu a uma pior performance.
09:56
Then they said,
216
584000
2000
Aí eles disseram:
09:58
"Okay let's see if there's any cultural bias here.
217
586000
2000
"Ok, vamos ver se há factores culturais a influenciar.
10:00
Lets go to Madurai, India and test this."
218
588000
2000
Vamos para Madurai na Índia e testamos isto."
10:02
Standard of living is lower.
219
590000
2000
O padrão de vida lá é mais baixo.
10:04
In Madurai, a reward that is modest in North American standards,
220
592000
3000
Uma recompensa que seja modesta nos standards Norte Americanos,
10:07
is more meaningful there.
221
595000
3000
é mais significativa em Madurai.
10:10
Same deal. A bunch of games, three levels of rewards.
222
598000
3000
Utilizaram a mesma lógica: uns quantos jogos e três níveis de recompensa.
10:13
What happens?
223
601000
2000
O que é que aconteceu?
10:15
People offered the medium level of rewards
224
603000
3000
As pessoas a quem ofereceram recompensas médias
10:18
did no better than people offered the small rewards.
225
606000
3000
não tiveram melhores resultados do que as que receberam recompensas baixas.
10:21
But this time, people offered the highest rewards,
226
609000
4000
Mas desta vez... as pessoas a quem ofereciam as recompensas mais altas,
10:25
they did the worst of all.
227
613000
4000
tiveram os piores resultados de todos.
10:29
In eight of the nine tasks we examined across three experiments,
228
617000
3000
Em oito das nove tarefas que foram avaliadas nas experiências,
10:32
higher incentives led to worse performance.
229
620000
5000
os maiores incentivos conduziram a uma pior performance.
10:37
Is this some kind of touchy-feely
230
625000
3000
Mas isto é alguma espécie de
10:40
socialist conspiracy going on here?
231
628000
3000
conspiração de afecto socialista?
10:43
No. These are economists from MIT,
232
631000
3000
Não. Estes senhores são economistas do MIT,
10:46
from Carnegie Mellon, from the University of Chicago.
233
634000
3000
da Carnegie Mellon, da Universidade de Chicago.
10:49
And do you know who sponsored this research?
234
637000
2000
E sabem quem financiou esta investigação?
10:51
The Federal Reserve Bank of the United States.
235
639000
4000
A Reserva Federal Bancária dos Estados Unidos.
10:55
That's the American experience.
236
643000
2000
Esta é a experiência Americana.
10:57
Let's go across the pond to the London School of Economics --
237
645000
3000
Vamos fazer a ponte para a London School of Economics.
11:00
LSE, London School of Economics,
238
648000
3000
LSE: London School of Economics
11:03
alma mater of 11 Nobel Laureates in economics.
239
651000
3000
Escola de onde saíram 11 Prémios Nobel em Economia.
11:06
Training ground for great economic thinkers
240
654000
3000
Permitiu criar grandes pensadores da economia
11:09
like George Soros, and Friedrich Hayek,
241
657000
3000
como George Soros e Friedrich Hayek,
11:12
and Mick Jagger. (Laughter)
242
660000
2000
e... Mick Jagger (risos)
11:14
Last month, just last month,
243
662000
4000
No mês passado... ainda no mês passado
11:18
economists at LSE looked at 51 studies
244
666000
3000
economistas da LSE analisaram 51 estudos
11:21
of pay-for-performance plans, inside of companies.
245
669000
3000
sobre planos de incentivo dentro de empresas.
11:24
Here's what the economists there said: "We find that financial incentives
246
672000
3000
E o que eles disseram foi: "Consideramos que os incentivos financeiros
11:27
can result in a negative impact on overall performance."
247
675000
6000
podem ter um impacto negativo na performance global."
11:33
There is a mismatch between what science knows
248
681000
3000
Existe um desencontro entre o que a ciência sabe
11:36
and what business does.
249
684000
2000
e o que é feito nos negócios.
11:38
And what worries me, as we stand here in the rubble
250
686000
3000
E o que me preocupa, enquanto estamos aqui à beira
11:41
of the economic collapse,
251
689000
2000
do colapso económico,
11:43
is that too many organizations
252
691000
2000
é que demasiadas organizações
11:45
are making their decisions,
253
693000
2000
estão a tomar as suas decisões,
11:47
their policies about talent and people,
254
695000
2000
a definir politicas sobre talento e recursos humanos,
11:49
based on assumptions that are outdated, unexamined,
255
697000
6000
baseando-se em pressupostos que estão desactualizados, que não estão avaliados
11:55
and rooted more in folklore than in science.
256
703000
3000
e que são baseados mais em mitos do que em ciência.
11:58
And if we really want to get out of this economic mess,
257
706000
3000
E se realmente queremos sair desta confusão económica,
12:01
and if we really want high performance on those
258
709000
2000
e se realmente queremos ter performances elevadas
12:03
definitional tasks of the 21st century,
259
711000
2000
nas tarefas características do século XXI.
12:05
the solution is not to do more of the wrong things,
260
713000
6000
a solução não é fazer mais das coisas erradas.
12:11
to entice people with a sweeter carrot,
261
719000
3000
Seduzir pessoas com uma cenoura mais doce,
12:14
or threaten them with a sharper stick.
262
722000
2000
ou ameaçá-las com uma vara mais aguçada.
12:16
We need a whole new approach.
263
724000
2000
Precisamos de uma abordagem completamente nova.
12:18
And the good news about all of this is that the scientists
264
726000
2000
E a boa notícia acerca disto tudo é que os cientistas
12:20
who've been studying motivation have given us this new approach.
265
728000
3000
que têm andado a estudar a motivação criaram esta nova abordagem.
12:23
It's an approach built much more around intrinsic motivation.
266
731000
3000
É uma abordagem baseada muito mais em motivações intrínsecas:
12:26
Around the desire to do things because they matter,
267
734000
2000
à volta do desejo de fazer coisas porque elas importam,
12:28
because we like it, because they're interesting,
268
736000
2000
porque gostamos delas, porque são interessantes,
12:30
because they are part of something important.
269
738000
2000
porque são parte de algo importante.
12:32
And to my mind, that new operating system for our businesses
270
740000
4000
E para mim, esse novo sistema operativo para os nossos negócios
12:36
revolves around three elements:
271
744000
2000
gira à volta de três elementos:
12:38
autonomy, mastery and purpose.
272
746000
3000
autonomia, domínio e propósito.
12:41
Autonomy: the urge to direct our own lives.
273
749000
3000
Autonomia: a necessidade de conduzir a nossa própria vida.
12:44
Mastery: the desire to get better and better at something that matters.
274
752000
4000
Domínio: o desejo de nos tornarmos cada vez melhores em algo que importa.
12:48
Purpose: the yearning to do what we do
275
756000
3000
Propósito: a necessidade de fazermos o que fazemos
12:51
in the service of something larger than ourselves.
276
759000
3000
em prol de algo maior do que nós próprios.
12:54
These are the building blocks of an entirely new operating system
277
762000
3000
Estes são as bases de um sistema operativo totalmente novo
12:57
for our businesses.
278
765000
2000
para os nossos negócios.
12:59
I want to talk today only about autonomy.
279
767000
4000
Eu quero falar hoje apenas sobre autonomia.
13:03
In the 20th century, we came up with this idea of management.
280
771000
3000
No século XX, criou-se esta ideia da gestão.
13:06
Management did not emanate from nature.
281
774000
2000
A gestão não veio da natureza.
13:08
Management is like -- it's not a tree,
282
776000
2000
A gestão é como -- não é uma árvore.
13:10
it's a television set.
283
778000
2000
É como um sistema de televisão.
13:12
Okay? Somebody invented it.
284
780000
2000
Ok? Alguém a inventou.
13:14
And it doesn't mean it's going to work forever.
285
782000
2000
E isso não significa que vai funcionar para sempre.
13:16
Management is great.
286
784000
2000
A gestão é excelente.
13:18
Traditional notions of management are great
287
786000
2000
As noções tradicionais de gestão são excelentes
13:20
if you want compliance.
288
788000
2000
se quiserem condescendência.
13:22
But if you want engagement, self-direction works better.
289
790000
3000
Mas se quiserem compromisso, a auto-direcção funciona melhor.
13:25
Let me give you some examples of some kind of radical
290
793000
2000
Deixem-me dar-vos alguns exemplos de algumas
13:27
notions of self-direction.
291
795000
2000
noções radicais de auto-direcção.
13:29
What this means -- you don't see a lot of it,
292
797000
3000
O que isto significa - não se vê muito isto,
13:32
but you see the first stirrings of something really interesting going on,
293
800000
3000
mas vocês vêem a inspiração de algo mesmo interessante a acontecer.
13:35
because what it means is paying people adequately
294
803000
2000
Porque o que isto significa é que, pagar às pessoas adequada
13:37
and fairly, absolutely --
295
805000
2000
e justamente, está certíssimo.
13:39
getting the issue of money off the table,
296
807000
2000
Pôr a questão do dinheiro fora da mesa.
13:41
and then giving people lots of autonomy.
297
809000
2000
E depois, dando imensa autonomia às pessoas.
13:43
Let me give you some examples.
298
811000
2000
Deixem-me dar-vos alguns exemplos.
13:45
How many of you have heard of the company Atlassian?
299
813000
4000
Quantos de vocês ouviram falar da empresa Atlassian?
13:49
It looks like less than half.
300
817000
2000
Parece que menos de metade.
13:51
(Laughter)
301
819000
2000
(risos)
13:53
Atlassian is an Australian software company.
302
821000
4000
A Atlassian é uma empresa Australiana de software.
13:57
And they do something incredibly cool.
303
825000
2000
E eles fazem algo incrivelmente fixe.
13:59
A few times a year they tell their engineers,
304
827000
2000
Algumas vezes por ano, eles dizem aos seus engenheiros:
14:01
"Go for the next 24 hours and work on anything you want,
305
829000
4000
"Durante as próximas 24 horas vão trabalhar naquilo que quiserem,
14:05
as long as it's not part of your regular job.
306
833000
2000
desde que não tenha a ver com o vosso trabalho diário.
14:07
Work on anything you want."
307
835000
2000
Trabalhem no que quiserem."
14:09
So that engineers use this time to come up with
308
837000
2000
Então estes engenheiros usam esse tempo para inventarem
14:11
a cool patch for code, come up with an elegant hack.
309
839000
3000
correcções de software criativas, inventarem uma alteração elegante.
14:14
Then they present all of the stuff that they've developed
310
842000
3000
Depois, apresentam tudo o que desenvolveram
14:17
to their teammates, to the rest of the company,
311
845000
3000
aos seus colegas, ao resto da empresa,
14:20
in this wild and wooly all-hands meeting
312
848000
2000
numa reunião selvagem e pouco definida
14:22
at the end of the day.
313
850000
2000
no fim do dia.
14:24
And then, being Australians, everybody has a beer.
314
852000
2000
E depois, sendo eles Australianos, toda a gente bebe uma cerveja.
14:26
They call them FedEx Days.
315
854000
3000
Eles chamam-lhes FedEx Days (dias FedEx).
14:29
Why? Because you have to deliver something overnight.
316
857000
6000
Porquê? Porque é necessário entregar algo feito durante essa noite?
14:35
It's pretty. It's not bad. It's a huge trademark violation,
317
863000
2000
É giro. Não é mau. É uma enorme violação de direitos da marca (FedEx).
14:37
but it's pretty clever.
318
865000
2000
Mas é muito inteligente!
14:39
(Laughter)
319
867000
1000
(risos)
14:40
That one day of intense autonomy
320
868000
2000
Esse dia de intensa autonomia
14:42
has produced a whole array of software fixes
321
870000
2000
produziu uma quantidade significativa de correcções de software
14:44
that might never have existed.
322
872000
2000
que poderiam nunca ter existido de outra maneira.
14:46
And it's worked so well that Atlassian has taken it to the next level
323
874000
2000
E isto funcionou tão bem que a Atlassian levou isto para um outro nível
14:48
with 20 Percent Time --
324
876000
2000
com 20% do tempo de trabalho.
14:50
done, famously, at Google --
325
878000
2000
Isto é feito, de forma mais famosa, na Google
14:52
where engineers can work, spend 20 percent of their time
326
880000
2000
onde os engenheiros podem trabalhar, utilizar 20% do seu tempo
14:54
working on anything they want.
327
882000
2000
a trabalhar naquilo que quiserem.
14:56
They have autonomy over their time,
328
884000
2000
Têm autonomia sobre o seu tempo,
14:58
their task, their team, their technique.
329
886000
2000
sobre a sua tarefa, a sua equipa, a sua técnica.
15:00
Okay? Radical amounts of autonomy.
330
888000
2000
Ok? Quantidades radicais de autonomia!
15:02
And at Google, as many of you know,
331
890000
4000
E na Google, como muitos de vocês sabem,
15:06
about half of the new products in a typical year
332
894000
2000
cerca de metade dos novos produtos lançados num ano típico
15:08
are birthed during that 20 Percent Time:
333
896000
3000
nascem durante estes 20% do tempo.
15:11
things like Gmail, Orkut, Google News.
334
899000
3000
Funcionalidades como o Gmail, o Orkut, o Google News.
15:14
Let me give you an even more radical example of it:
335
902000
3000
Deixem-me dar-vos um exemplo ainda mais radical.
15:17
something called the Results Only Work Environment,
336
905000
2000
Algo chamado "Ambiente de Trabalho Orientado a Resultados"
15:19
the ROWE,
337
907000
2000
O "ATOR".
15:21
created by two American consultants, in place
338
909000
2000
Foi criado por dois consultores Americanos
15:23
in place at about a dozen companies around North America.
339
911000
2000
e é usado em cerca de uma dúzia de empresas espalhadas pela América do Norte.
15:25
In a ROWE people don't have schedules.
340
913000
4000
Num ATOR, as pessoas não têm horários.
15:29
They show up when they want.
341
917000
2000
Elas chegam quando querem.
15:31
They don't have to be in the office at a certain time,
342
919000
2000
Não têm de estar no escritório numa certa altura,
15:33
or any time.
343
921000
2000
ou em nenhuma altura.
15:35
They just have to get their work done.
344
923000
2000
Só têm que terminar o seu trabalho.
15:37
How they do it, when they do it,
345
925000
2000
Como o fazem, quando o fazem,
15:39
where they do it, is totally up to them.
346
927000
3000
onde o fazem, está totalmente à sua vontade.
15:42
Meetings in these kinds of environments are optional.
347
930000
4000
As reuniões neste tipo de ambientes são opcionais.
15:46
What happens?
348
934000
2000
O que acontece?
15:48
Almost across the board, productivity goes up,
349
936000
3000
Quase para fora dos gráficos, a produtividade aumenta,
15:51
worker engagement goes up,
350
939000
3000
o compromisso do trabalhador aumenta,
15:54
worker satisfaction goes up, turnover goes down.
351
942000
3000
a satisfação do trabalhador aumenta e a taxa de abandono diminui.
15:57
Autonomy, mastery and purpose,
352
945000
2000
Autonomia, domínio e propósito,
15:59
These are the building blocks of a new way of doing things.
353
947000
2000
estas são as bases para um novo modo de fazer as coisas.
16:01
Now some of you might look at this and say,
354
949000
3000
Agora, alguns de vocês podem olhar para isto e dizer:
16:04
"Hmm, that sounds nice, but it's Utopian."
355
952000
3000
"Hmm, isso soa bem, mas é utópico."
16:07
And I say, "Nope. I have proof."
356
955000
5000
E eu digo: "Não é, eu tenho provas."
16:12
The mid-1990s, Microsoft started
357
960000
2000
Em meados da década de 90, a Microsoft lançou
16:14
an encyclopedia called Encarta.
358
962000
2000
uma enciclopédia chamada Encarta.
16:16
They had deployed all the right incentives,
359
964000
2000
Eles tinham dado todos os incentivos certos.
16:18
all the right incentives. They paid professionals to
360
966000
3000
Todos os incentivos certos! Pagaram a profissionais para
16:21
write and edit thousands of articles.
361
969000
2000
escrever e editar milhares de artigos.
16:23
Well-compensated managers oversaw the whole thing
362
971000
2000
Gestores bem pagos supervisionaram tudo
16:25
to make sure it came in on budget and on time.
363
973000
5000
para garantir que o projecto cumpria o orçamento e a duração prevista.
16:30
A few years later another encyclopedia got started.
364
978000
2000
Alguns anos mais tarde, nasceu outra enciclopédia.
16:32
Different model, right?
365
980000
3000
Um modelo diferente, certo?
16:35
Do it for fun. No one gets paid a cent, or a Euro or a Yen.
366
983000
4000
Um modelo "Faz-pelo-gozo". Ninguém recebe um centavo, nem um Euro ou um Yen.
16:39
Do it because you like to do it.
367
987000
3000
Fazem-no porque gostam de o fazer.
16:42
Now if you had, just 10 years ago,
368
990000
3000
E se há 10 anos atrás,
16:45
if you had gone to an economist, anywhere,
369
993000
2000
tivessem consultado um economista, em qualquer lugar,
16:47
and said, "Hey, I've got these two different models for creating an encyclopedia.
370
995000
4000
e tivessem dito: "Tenho dois modelos diferentes para criar uma enciclopédia.
16:51
If they went head to head, who would win?"
371
999000
3000
Se os comparasse, qual acha que ganharia?"
16:54
10 years ago you could not have found a single sober economist anywhere
372
1002000
4000
Há 10 anos atrás, não era possível encontrar um único economista sóbrio
16:58
on planet Earth
373
1006000
2000
em qualquer lugar do planeta Terra,
17:00
who would have predicted the Wikipedia model.
374
1008000
2000
que tivesse previsto que o modelo da Wikipedia venceria.
17:02
This is the titanic battle between these two approaches.
375
1010000
3000
Esta é a batalha titânica entre estas duas abordagens.
17:05
This is the Ali-Frazier of motivation. Right?
376
1013000
3000
Este é o Ali-Frazier da motivação. Certo?
17:08
This is the Thrilla' in Manila.
377
1016000
2000
Este é o Thriller em Manila.
17:10
Alright? Intrinsic motivators versus extrinsic motivators.
378
1018000
3000
Certo? Factores de motivação intrínsecos versus factores de motivação extrínsecos.
17:13
Autonomy, mastery and purpose,
379
1021000
2000
Autonomia, domínio e propósito,
17:15
versus carrot and sticks. And who wins?
380
1023000
2000
versus cenoura e paus. E quem ganha?
17:17
Intrinsic motivation, autonomy, mastery and purpose,
381
1025000
3000
Motivação intrínseca, autonomia, domínio e propósito,
17:20
in a knockout. Let me wrap up.
382
1028000
4000
sem hipótese. Deixem-me terminar.
17:24
There is a mismatch between what science knows and what business does.
383
1032000
3000
Há um desencontro entre o que a ciência sabe e o que os negócios fazem.
17:27
And here is what science knows.
384
1035000
2000
E isto é o que a ciência sabe:
17:29
One: Those 20th century rewards,
385
1037000
2000
Primeiro: As recompensas do século XX,
17:31
those motivators we think are a natural part of business,
386
1039000
3000
aqueles factores de motivação que pensamos serem uma parte natural dos negócios,
17:34
do work, but only in a surprisingly narrow band of circumstances.
387
1042000
4000
funcionam, mas apenas num surpreendente pequeno número de circunstâncias.
17:38
Two: Those if-then rewards often destroy creativity.
388
1046000
4000
Segundo: As recompensas "Se-Então" destroem frequentemente a criatividade.
17:42
Three: The secret to high performance
389
1050000
2000
Terceiro: O segredo para uma performance elevada
17:44
isn't rewards and punishments,
390
1052000
2000
não são recompensas e punições,
17:46
but that unseen intrinsic drive --
391
1054000
2000
mas aquela motivação intrínseca que não se vê.
17:48
the drive to do things for their own sake.
392
1056000
3000
A vontade de fazer as coisas pelo que elas são.
17:51
The drive to do things cause they matter.
393
1059000
2000
A vontade de fazer as coisas porque elas importam.
17:53
And here's the best part. Here's the best part.
394
1061000
2000
E esta é a melhor parte. Esta é a melhor parte:
17:55
We already know this. The science confirms what we know in our hearts.
395
1063000
3000
Nós já sabemos isto! A ciência confirma o que sentimos nos nossos corações.
17:58
So, if we repair this mismatch
396
1066000
3000
Então, se corrigirmos este desencontro
18:01
between what science knows and what business does,
397
1069000
2000
entre o que a ciência sabe e o que os negócios fazem,
18:03
if we bring our motivation, notions of motivation
398
1071000
3000
se nós trouxermos a nossa motivação, as nossas noções de motivação
18:06
into the 21st century,
399
1074000
2000
para o século XXI,
18:08
if we get past this lazy, dangerous, ideology
400
1076000
4000
e se ultrapassarmos esta preguiçosa e perigosa ideologia
18:12
of carrots and sticks,
401
1080000
2000
das cenouras e paus (recompensa e punição)
18:14
we can strengthen our businesses,
402
1082000
3000
podemos fortalecer os nossos negócios,
18:17
we can solve a lot of those candle problems,
403
1085000
3000
podemos resolver imensos daqueles problemas da vela
18:20
and maybe, maybe, maybe
404
1088000
4000
e talvez, talvez, talvez
18:24
we can change the world.
405
1092000
2000
possamos mudar o mundo.
18:26
I rest my case.
406
1094000
2000
Dou o meu caso por terminado.
18:28
(Applause)
407
1096000
3000
(Aplausos)
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