TEDGlobal 2009
Dan Pink: The puzzle of motivation
Дэн Пинк: Загадки мотивации
Filmed:
Readability: 4
25,352,736 views
Аналитик карьерного роста Дэн Пинк исследует тайны мотивации, начиная с факта, известного учёным, но не менеджерам: традиционная идея вознаграждения не столь эффективна, как нам кажется. Прислушайтесь к поучительным историям и возможным перспективам.
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
Чистосердечно признаюсь с самого начала:
00:16
A little over 20 years ago
1
4000
3000
примерно лет 20 назад
00:19
I did something that I regret,
2
7000
2000
я сделал нечто, о чём пожалел,
00:21
something that I'm not particularly proud of,
3
9000
4000
что не прибавляет мне особенной гордости,
00:25
something that, in many ways, I wish no one would ever know,
4
13000
3000
и о чём я бы не стал, в силу разных причин, распространяться,
00:28
but here I feel kind of obliged to reveal.
5
16000
4000
но что я сегодня обязан раскрыть перед Вами.
00:32
(Laughter)
6
20000
2000
(Смех)
00:34
In the late 1980s,
7
22000
2000
В конце 80-х годов,
00:36
in a moment of youthful indiscretion,
8
24000
3000
по юношеской опрометчивости,
00:39
I went to law school.
9
27000
2000
я поступил учиться на юриста
00:41
(Laughter)
10
29000
4000
(Смех)
00:45
Now, in America law is a professional degree:
11
33000
3000
Вы знаете, что в США юридическая степень считается профессиональной.
00:48
you get your university degree, then you go on to law school.
12
36000
2000
Сначала надо окончить университет, затем поступить на юриста.
00:50
And when I got to law school,
13
38000
3000
Успешно поступив,
00:53
I didn't do very well.
14
41000
2000
я не очень-то хорошо учился.
00:55
To put it mildly, I didn't do very well.
15
43000
2000
Мягко говоря, не очень хорошо.
00:57
I, in fact, graduated in the part of my law school class
16
45000
3000
Среди выпускников моего года я закончил с результатом,
01:00
that made the top 90 percent possible.
17
48000
4000
который набрали лишь лучшие 90% студентов.
01:04
(Laughter)
18
52000
4000
(Смех)
01:08
Thank you.
19
56000
3000
Спасибо.
01:11
I never practiced law a day in my life;
20
59000
3000
Я ни дня не занимался юридической практикой.
01:14
I pretty much wasn't allowed to.
21
62000
2000
Вообще-то, меня просто не допустили.
01:16
(Laughter)
22
64000
3000
(Смех)
01:19
But today, against my better judgment,
23
67000
3000
Но сегодня, наперекор моему благоразумию,
01:22
against the advice of my own wife,
24
70000
3000
наперекор советам моей жены,
01:25
I want to try to dust off some of those legal skills --
25
73000
4000
я собираюсь напрячь свои юридические способности,
01:29
what's left of those legal skills.
26
77000
2000
или то, что от них осталось.
01:31
I don't want to tell you a story.
27
79000
3000
Я не хочу тут истории рассказывать.
01:34
I want to make a case.
28
82000
2000
Я хочу изложить речь на суде.
01:36
I want to make a hard-headed, evidence-based,
29
84000
4000
Речь расчётливую, обоснованную
01:40
dare I say lawyerly case,
30
88000
3000
речь, достойную, я бы сказал, юриста,
01:43
for rethinking how we run our businesses.
31
91000
4000
речь на тему переоценки нашего метода управления бизнесом.
01:47
So, ladies and gentlemen of the jury, take a look at this.
32
95000
4000
Итак, господа присяжные, взгляните сюда.
01:51
This is called the candle problem.
33
99000
2000
Это называется «загадка свечи».
01:53
Some of you might have seen this before.
34
101000
2000
Некоторые, возможно, уже знакомы с ней.
01:55
It's created in 1945
35
103000
2000
Её придумал в 1945-м году
01:57
by a psychologist named Karl Duncker.
36
105000
2000
психолог Карл Дункер.
01:59
Karl Duncker created this experiment
37
107000
2000
Карл Дункер задумал эксперимент, который
02:01
that is used in a whole variety of experiments in behavioral science.
38
109000
3000
в разнообразных формах применяется в настоящее время в поведенческой науке.
02:04
And here's how it works. Suppose I'm the experimenter.
39
112000
3000
Вот как он работает. Положим, я – экспериментатор.
02:07
I bring you into a room. I give you a candle,
40
115000
4000
Завожу вас в комнату и даю вам свечу,
02:11
some thumbtacks and some matches.
41
119000
2000
коробку с кнопками и спички.
02:13
And I say to you, "Your job
42
121000
2000
Ваша задача –
02:15
is to attach the candle to the wall
43
123000
2000
прикрепить свечу к стене так,
02:17
so the wax doesn't drip onto the table." Now what would you do?
44
125000
4000
чтобы воск не капал на стол. Ваши действия?
02:21
Now many people begin trying to thumbtack the candle to the wall.
45
129000
4000
Некоторые начинают с попытки прикрепить свечу к стене кнопками.
02:25
Doesn't work.
46
133000
2000
Не получается.
02:27
Somebody, some people -- and I saw somebody
47
135000
2000
Другие … вижу-вижу, мне тут с места
02:29
kind of make the motion over here --
48
137000
2000
кто-то знаками показывает…
02:31
some people have a great idea where they
49
139000
2000
Другие считают, что лучше всего
02:33
light the match, melt the side of the candle, try to adhere it to the wall.
50
141000
4000
зажечь свечу, расплавить кончик и приклеить её к стене.
02:37
It's an awesome idea. Doesn't work.
51
145000
3000
Идея грандиозная, но… не получается.
02:40
And eventually, after five or 10 minutes,
52
148000
3000
В конечном итоге, минут эдак через 5-10,
02:43
most people figure out the solution,
53
151000
2000
большинство участников находят решение,
02:45
which you can see here.
54
153000
2000
которое вы здесь видите.
02:47
The key is to overcome what's called functional fixedness.
55
155000
3000
Ключевой момент – преодоление т.н. функциональной фиксации.
02:50
You look at that box and you see it only as a receptacle for the tacks.
56
158000
4000
Вы смотрите на коробку и видите лишь вместилище для кнопок.
02:54
But it can also have this other function,
57
162000
2000
Но ведь она может иметь иную функцию,
02:56
as a platform for the candle. The candle problem.
58
164000
4000
например, стать платформой для свечи. Вот она – «загадка свечи».
03:00
Now I want to tell you about an experiment
59
168000
2000
Теперь я расскажу об эксперименте,
03:02
using the candle problem,
60
170000
2000
основанном на «загадке свечи»,
03:04
done by a scientist named Sam Glucksberg,
61
172000
2000
который проделал ученый Сэм Глаксберг.
03:06
who is now at Princeton University in the U.S.
62
174000
2000
который сейчас в Принстоне, США.
03:08
This shows the power of incentives.
63
176000
4000
Эксперимент на тему силы стимулов.
03:12
Here's what he did. He gathered his participants.
64
180000
2000
Вот его суть. Глаксберг изложил условия эксперимента
03:14
And he said, "I'm going to time you. How quickly you can solve this problem?"
65
182000
3000
так: «Я засекаю время, чтобы узнать, как быстро вы можете решить задачу?»
03:17
To one group he said,
66
185000
2000
Одной группе при этом он сказал:
03:19
"I'm going to time you to establish norms,
67
187000
3000
«Ваше время решения будет служить нормой,
03:22
averages for how long it typically takes
68
190000
2000
которая покажет сколько в среднем требуется
03:24
someone to solve this sort of problem."
69
192000
2000
типичному участнику для решения такой задачи».
03:26
To the second group he offered rewards.
70
194000
3000
Второй группе он предложил вознаграждение,
03:29
He said, "If you're in the top 25 percent of the fastest times,
71
197000
4000
сказав: «Каждый, чье время будет среди лучших 25% результатов,
03:33
you get five dollars.
72
201000
3000
получит 5 долларов.
03:36
If you're the fastest of everyone we're testing here today,
73
204000
3000
А самый лучший результат дня вознаграждается
03:39
you get 20 dollars."
74
207000
2000
20-ю долларами.»
03:41
Now this is several years ago. Adjusted for inflation,
75
209000
3000
Это было несколько лет назад, и цифры подправлены с учётом инфляции.
03:44
it's a decent sum of money for a few minutes of work.
76
212000
2000
Сумма приличная, за пару минут работы.
03:46
It's a nice motivator.
77
214000
2000
Вполне хороший стимул.
03:48
Question: How much faster
78
216000
3000
Вопрос: Насколько быстрее
03:51
did this group solve the problem?
79
219000
2000
вторая группа решила задачу?
03:53
Answer: It took them, on average,
80
221000
3000
Ответ: В среднем, им понадобилось
03:56
three and a half minutes longer.
81
224000
4000
на три с половиной минуты больше.
04:00
Three and a half minutes longer. Now this makes no sense right?
82
228000
3000
Повторюсь: больше, на 3,5 минуты. Но ведь так не должно быть!
04:03
I mean, I'm an American. I believe in free markets.
83
231000
3000
Хочу сказать, что я – американец и я верю в свободный рынок.
04:06
That's not how it's supposed to work. Right?
84
234000
3000
И так он работать не должен, правда?
04:09
(Laughter)
85
237000
1000
(Смех)
04:10
If you want people to perform better,
86
238000
2000
Чтобы люди проявили себя лучше,
04:12
you reward them. Right?
87
240000
2000
их надо вознаграждать, разве нет?
04:14
Bonuses, commissions, their own reality show.
88
242000
3000
Премии, комиссионные, всё что угодно.
04:17
Incentivize them. That's how business works.
89
245000
4000
Дай им только стимул. Так работает бизнес.
04:21
But that's not happening here.
90
249000
2000
Но здесь что-то не срабатывает.
04:23
You've got an incentive designed to
91
251000
2000
Налицо стимул, рассчитанный на
04:25
sharpen thinking and accelerate creativity,
92
253000
4000
обострение мысли и ускорение творчества.
04:29
and it does just the opposite.
93
257000
2000
Но действует он прямо противоположно.
04:31
It dulls thinking and blocks creativity.
94
259000
3000
Притупляет мысль, мешает творчеству.
04:34
And what's interesting about this experiment is that it's not an aberration.
95
262000
3000
И что самое интересное: этот эксперимент – не какое-то там отклонение от норм.
04:37
This has been replicated over and over
96
265000
3000
Он повторялся много-много раз
04:40
and over again, for nearly 40 years.
97
268000
3000
в течение почти 40 лет.
04:43
These contingent motivators --
98
271000
3000
Условные стимулы,
04:46
if you do this, then you get that --
99
274000
2000
«если сделаешь вот так, то получишь вот это»,
04:48
work in some circumstances.
100
276000
2000
работают при определённых условиях.
04:50
But for a lot of tasks, they actually either don't work
101
278000
3000
Но для многих видов работ, они либо не срабатывают,
04:53
or, often, they do harm.
102
281000
3000
либо же, зачастую, просто вредят.
04:56
This is one of the most robust findings
103
284000
4000
Это открытие – одно из самых обоснованных
05:00
in social science,
104
288000
3000
в социальной науке.
05:03
and also one of the most ignored.
105
291000
2000
А также – одно из самых игнорируемых.
05:05
I spent the last couple of years looking at the science of
106
293000
2000
В последние несколько лет я заинтересовался
05:07
human motivation,
107
295000
2000
наукой мотивации человека,
05:09
particularly the dynamics of extrinsic motivators
108
297000
2000
в особенности динамикой внешних стимулов
05:11
and intrinsic motivators.
109
299000
2000
и стимулов внутренних.
05:13
And I'm telling you, it's not even close.
110
301000
2000
Скажу вам, что их воздействие весьма различно.
05:15
If you look at the science, there is a mismatch
111
303000
2000
Ситуация такова, что имеется разрыв между тем,
05:17
between what science knows and what business does.
112
305000
4000
что знает наука и тем, что практикует бизнес.
05:21
And what's alarming here is that our business operating system --
113
309000
3000
Особенно тревожно то, что наша система функционирования бизнеса –
05:24
think of the set of assumptions and protocols beneath our businesses,
114
312000
3000
имеется в виду набор предпосылок и соглашений, на которых зиждется бизнес,
05:27
how we motivate people, how we apply our human resources --
115
315000
5000
а именно, система мотивации и управления кадрами –
05:32
it's built entirely around these extrinsic motivators,
116
320000
3000
вся она построена на основе именно внешних стимулов,
05:35
around carrots and sticks.
117
323000
2000
на основе системы кнута и пряника.
05:37
That's actually fine for many kinds of 20th century tasks.
118
325000
4000
Вообще-то, это вполне нормально для типичной работы 20-го века.
05:41
But for 21st century tasks,
119
329000
2000
Но для типичной работы 21-го века,
05:43
that mechanistic, reward-and-punishment approach
120
331000
4000
этот механистический подход кнута и пряника
05:47
doesn't work, often doesn't work, and often does harm.
121
335000
4000
не подходит, часто не действует и часто противодействует.
05:51
Let me show you what I mean.
122
339000
2000
Проясню, что я имею в виду
05:53
So Glucksberg did another experiment similar to this
123
341000
3000
Сэм Глаксберг проделал вариант того же эксперимента,
05:56
where he presented the problem in a slightly different way,
124
344000
2000
в котором он преподнёс ту же задачку по-другому.
05:58
like this up here. Okay?
125
346000
3000
Вот так. Надеюсь, понятно?
06:01
Attach the candle to the wall so the wax doesn't drip onto the table.
126
349000
2000
«Прикрепите свечу к стене, чтобы воск не капал на стол.»
06:03
Same deal. You: we're timing for norms.
127
351000
3000
Те же условия. Одним: мы вас замеряем для нормы.
06:06
You: we're incentivizing.
128
354000
3000
Другим: мы вам даем стимулы.
06:09
What happened this time?
129
357000
2000
Что же получилось на это раз?
06:11
This time, the incentivized group
130
359000
2000
На этот раз мотивированная группа
06:13
kicked the other group's butt.
131
361000
4000
заткнула другую группу за пояс.
06:17
Why? Because when the tacks are out of the box,
132
365000
4000
Почему? Да потому, что, когда кнопки вне коробочки,
06:21
it's pretty easy isn't it?
133
369000
4000
задачка довольно легкая, не так ли?
06:25
(Laughter)
134
373000
2000
(Смех)
06:27
If-then rewards work really well
135
375000
3000
Стимул «если…то….» очень хорошо воздействует
06:30
for those sorts of tasks,
136
378000
3000
в тех заданиях,
06:33
where there is a simple set of rules and a clear destination
137
381000
2000
где правила просты и направление работы
06:35
to go to.
138
383000
2000
очевидно.
06:37
Rewards, by their very nature,
139
385000
2000
Награда, в силу своей природы,
06:39
narrow our focus, concentrate the mind;
140
387000
2000
сужает наш фокус, концентрирует мозг.
06:41
that's why they work in so many cases.
141
389000
2000
Вот отчего она действенна во многих случаях.
06:43
And so, for tasks like this,
142
391000
2000
А потому, для такого рода заданий,
06:45
a narrow focus, where you just see the goal right there,
143
393000
3000
когда узкое фокусирование на конкретной цели
06:48
zoom straight ahead to it,
144
396000
2000
ведёт нас прямо к ней,
06:50
they work really well.
145
398000
2000
вознаграждение срабатывает очень хорошо.
06:52
But for the real candle problem,
146
400000
2000
Но решению настоящей «загадки свечи»
06:54
you don't want to be looking like this.
147
402000
2000
такой взгляд не способствует.
06:56
The solution is not over here. The solution is on the periphery.
148
404000
2000
Решение не очевидно. Оно за границей поля зрения.
06:58
You want to be looking around.
149
406000
2000
И нужно осмотреться вокруг.
07:00
That reward actually narrows our focus
150
408000
2000
И тут именно награда, фактически, сужает наш фокус
07:02
and restricts our possibility.
151
410000
2000
и ограничивает наши возможности.
07:04
Let me tell you why this is so important.
152
412000
3000
Проясню, почему это так важно.
07:07
In western Europe,
153
415000
2000
В Западной Европе,
07:09
in many parts of Asia,
154
417000
2000
во многих регионах Азии,
07:11
in North America, in Australia,
155
419000
3000
в Северной Америке и в Австралии,
07:14
white-collar workers are doing less of
156
422000
2000
«белые воротнички» всё меньше заняты
07:16
this kind of work,
157
424000
2000
этим видом работ,
07:18
and more of this kind of work.
158
426000
4000
и всё больше – вот этим видом работ.
07:22
That routine, rule-based, left-brain work --
159
430000
3000
Установленные и отрегулированные виды работ левого полушария,
07:25
certain kinds of accounting, certain kinds of financial analysis,
160
433000
2000
часть работы по бухучёту и финансовому анализу,
07:27
certain kinds of computer programming --
161
435000
2000
некоторые задачи программирования,
07:29
has become fairly easy to outsource,
162
437000
2000
стало довольно легко перепоручать в прочие страны,
07:31
fairly easy to automate.
163
439000
2000
стало легко автоматизировать.
07:33
Software can do it faster.
164
441000
3000
Компьютер сделает вам это быстрее.
07:36
Low-cost providers around the world can do it cheaper.
165
444000
2000
Поставщики из стран с низкой оплатой труда сделают вам это дешевле.
07:38
So what really matters are the more right-brained
166
446000
4000
Намного важнее стали виды работ правого полушария,
07:42
creative, conceptual kinds of abilities.
167
450000
3000
где заложены способности к творчеству и абстракции.
07:45
Think about your own work.
168
453000
3000
Подумайте о собственной работе.
07:48
Think about your own work.
169
456000
3000
Задумайтесь о своей работе.
07:51
Are the problems that you face, or even the problems
170
459000
2000
Разве те проблемы, что вам надо решать, или даже те,
07:53
we've been talking about here,
171
461000
2000
что мы затрагиваем здесь,
07:55
are those kinds of problems -- do they have a clear set of rules,
172
463000
2000
проблемы такого рода – разве они основаны на чётких правилах
07:57
and a single solution? No.
173
465000
3000
и имеют единственное решение? Нет, конечно.
08:00
The rules are mystifying.
174
468000
2000
Правила окружены таинственностью.
08:02
The solution, if it exists at all,
175
470000
2000
Решение, если оно вообще имеется,
08:04
is surprising and not obvious.
176
472000
3000
удивительно и далеко не очевидно.
08:07
Everybody in this room
177
475000
2000
Каждый, кто сидит в этом зале,
08:09
is dealing with their own version
178
477000
3000
решает свой вариант
08:12
of the candle problem.
179
480000
2000
«загадки свечи».
08:14
And for candle problems of any kind,
180
482000
3000
Так вот для загадок свечи любого рода,
08:17
in any field,
181
485000
2000
из любой области,
08:19
those if-then rewards,
182
487000
3000
вознаграждения типа «если … то …»,
08:22
the things around which we've built so many of our businesses,
183
490000
4000
т.е. основа, на которой зиждется управление многих фирм,
08:26
don't work.
184
494000
2000
просто не срабатывают.
08:28
Now, I mean it makes me crazy.
185
496000
2000
Меня это бесит, когда я об этом думаю.
08:30
And this is not -- here's the thing.
186
498000
2000
И это не … – вот в чём дело!
08:32
This is not a feeling.
187
500000
3000
Это – не чувство.
08:35
Okay? I'm a lawyer; I don't believe in feelings.
188
503000
3000
Понимаете? Я – юрист, и я отвергаю чувства.
08:38
This is not a philosophy.
189
506000
4000
Это – не философия.
08:42
I'm an American; I don't believe in philosophy.
190
510000
2000
Я – американец, и я отвергаю философию.
08:44
(Laughter)
191
512000
3000
(Смех)
08:47
This is a fact --
192
515000
3000
Это – не что иное, как факт.
08:50
or, as we say in my hometown of Washington, D.C.,
193
518000
2000
Или, как говорится в моем родном Вашингтоне,
08:52
a true fact.
194
520000
2000
это – истинный факт.
08:54
(Laughter)
195
522000
2000
(Смех)
08:56
(Applause)
196
524000
4000
(Аплодисменты)
09:00
Let me give you an example of what I mean.
197
528000
2000
Попробую разъяснить свои мысли на примере.
09:02
Let me marshal the evidence here,
198
530000
2000
Введите в зал моих свидетелей.
09:04
because I'm not telling you a story, I'm making a case.
199
532000
2000
Ведь я вам не истории рассказываю. Я выступаю с речью на суде.
09:06
Ladies and gentlemen of the jury, some evidence:
200
534000
2000
Господа присяжные, слово свидетелю:
09:08
Dan Ariely, one of the great economists of our time,
201
536000
3000
Дан Ариэли, один из великий экономистов нашего времени.
09:11
he and three colleagues, did a study of some MIT students.
202
539000
4000
Он и его трое коллег из МТИ, провели следующее исследование.
09:15
They gave these MIT students a bunch of games,
203
543000
3000
Они дали студентам МТИ кучу игр.
09:18
games that involved creativity,
204
546000
2000
В каких-то играх требовалось творчество,
09:20
and motor skills, and concentration.
205
548000
2000
каких-то движение, или концентрация.
09:22
And the offered them, for performance,
206
550000
2000
Студенты знали, что по итогам продуктивности их ждут
09:24
three levels of rewards:
207
552000
2000
три уровня вознаграждения.
09:26
small reward, medium reward, large reward.
208
554000
5000
Малое, среднее, крупное.
09:31
Okay? If you do really well you get the large reward, on down.
209
559000
4000
Думаю, ясно: при большом успехе получаешь большую премию, и далее вниз …
09:35
What happened? As long as the task involved only mechanical skill
210
563000
4000
Что же произошло? Если в задании требовались только механические усилия,
09:39
bonuses worked as they would be expected:
211
567000
2000
премии имели ожидаемый эффект:
09:41
the higher the pay, the better the performance.
212
569000
4000
чем сумма выше, тем лучших результатов достигали студенты.
09:45
Okay? But one the task called for
213
573000
2000
Пока ясно. Но как только задание предполагало
09:47
even rudimentary cognitive skill,
214
575000
4000
наличие самых элементарных умственных усилий,
09:51
a larger reward led to poorer performance.
215
579000
5000
более крупная премия вела к понижению продуктивности.
09:56
Then they said,
216
584000
2000
Тогда авторы эксперимента подумали:
09:58
"Okay let's see if there's any cultural bias here.
217
586000
2000
«А может здесь влияют какие-то местные особенности?
10:00
Lets go to Madurai, India and test this."
218
588000
2000
Проведём-ка мы этот тест в древнем индийском городе Мадурай.»
10:02
Standard of living is lower.
219
590000
2000
Поскольку там уровень жизни ниже,
10:04
In Madurai, a reward that is modest in North American standards,
220
592000
3000
то скромный по американским меркам размер вознаграждения
10:07
is more meaningful there.
221
595000
3000
приобретает тем больший смысл.
10:10
Same deal. A bunch of games, three levels of rewards.
222
598000
3000
Условия те же: серия игр, три уровня премий.
10:13
What happens?
223
601000
2000
Каковы же результаты там?
10:15
People offered the medium level of rewards
224
603000
3000
При вознаграждении среднего размера
10:18
did no better than people offered the small rewards.
225
606000
3000
результаты не были лучше, чем при малом размере.
10:21
But this time, people offered the highest rewards,
226
609000
4000
Но на этот раз, наибольшее вознаграждение
10:25
they did the worst of all.
227
613000
4000
приводило к наихудшей производительности.
10:29
In eight of the nine tasks we examined across three experiments,
228
617000
3000
В 8-ми из 9-и заданий в каждом из 3-х экспериментов
10:32
higher incentives led to worse performance.
229
620000
5000
увеличение премии приводило к ухудшению производительности.
10:37
Is this some kind of touchy-feely
230
625000
3000
Уж не занимаются ли здесь своей подрывной деятельностью
10:40
socialist conspiracy going on here?
231
628000
3000
оголтелые сторонники коммунизма?
10:43
No. These are economists from MIT,
232
631000
3000
Нет, сэр. Этим делом руководили экономисты из частных университетов:
10:46
from Carnegie Mellon, from the University of Chicago.
233
634000
3000
МТИ, Карнеги-Меллон, Чикагский.
10:49
And do you know who sponsored this research?
234
637000
2000
И знаете, кто спонсировал исследование?
10:51
The Federal Reserve Bank of the United States.
235
639000
4000
Федеральный резервный банк США.
10:55
That's the American experience.
236
643000
2000
Это – американский опыт.
10:57
Let's go across the pond to the London School of Economics --
237
645000
3000
Ну что ж, давайте заглянем через океан в знаменитую
11:00
LSE, London School of Economics,
238
648000
3000
LSE, Лондонскую Школу Экономики.
11:03
alma mater of 11 Nobel Laureates in economics.
239
651000
3000
Колыбель будущих 11 нобелевских лауреатов по экономике.
11:06
Training ground for great economic thinkers
240
654000
3000
Из нее выросли кумиры экономики:
11:09
like George Soros, and Friedrich Hayek,
241
657000
3000
Джордж Сорос, Фридрих Хайек, а еще и
11:12
and Mick Jagger. (Laughter)
242
660000
2000
Мик Джаггер. (кумир поклонников Rolling Stones) (Смех)
11:14
Last month, just last month,
243
662000
4000
Не далее, как в прошлом месяце
11:18
economists at LSE looked at 51 studies
244
666000
3000
экономисты из LSE провели обзор 51 компании,
11:21
of pay-for-performance plans, inside of companies.
245
669000
3000
которые платят сотрудникам только за результативность.
11:24
Here's what the economists there said: "We find that financial incentives
246
672000
3000
Вот что пишут экономисты LSE: «Мы пришли к выводу, что финансовые стимулы
11:27
can result in a negative impact on overall performance."
247
675000
6000
могут негативно повлиять на общую продуктивность труда.»
11:33
There is a mismatch between what science knows
248
681000
3000
Имеется разрыв между тем, что известно науке
11:36
and what business does.
249
684000
2000
и что практикуют компании.
11:38
And what worries me, as we stand here in the rubble
250
686000
3000
Я с беспокойством наблюдаю, посреди
11:41
of the economic collapse,
251
689000
2000
завала экономического кризиса,
11:43
is that too many organizations
252
691000
2000
как огромное число организаций
11:45
are making their decisions,
253
693000
2000
принимает решения
11:47
their policies about talent and people,
254
695000
2000
по управлению своими ценными кадрами
11:49
based on assumptions that are outdated, unexamined,
255
697000
6000
исходя из устаревших и непроверенных предпосылок,
11:55
and rooted more in folklore than in science.
256
703000
3000
основанных более на «народной мудрости», чем на науке.
11:58
And if we really want to get out of this economic mess,
257
706000
3000
А ведь для выхода из нынешних экономических неприятностей,
12:01
and if we really want high performance on those
258
709000
2000
для достижения высокой продуктивности в решении
12:03
definitional tasks of the 21st century,
259
711000
2000
характерных для 21-го века задач,
12:05
the solution is not to do more of the wrong things,
260
713000
6000
бежать быстрее в неправильном направлении – не решение.
12:11
to entice people with a sweeter carrot,
261
719000
3000
Привлекать пряником послаще – не решение,
12:14
or threaten them with a sharper stick.
262
722000
2000
угрожать кнутом подлиннее – не решение.
12:16
We need a whole new approach.
263
724000
2000
Нам срочно нужен абсолютно новый подход.
12:18
And the good news about all of this is that the scientists
264
726000
2000
По счастью, научное изучение мотивации.
12:20
who've been studying motivation have given us this new approach.
265
728000
3000
даёт именно такой новый подход.
12:23
It's an approach built much more around intrinsic motivation.
266
731000
3000
Это - подход, основанный больше на внутренней мотивации.
12:26
Around the desire to do things because they matter,
267
734000
2000
На стремлении создавать что-то значимое,
12:28
because we like it, because they're interesting,
268
736000
2000
потому что это нравится, потому что это интересно,
12:30
because they are part of something important.
269
738000
2000
потому что это часть чего-то более важного.
12:32
And to my mind, that new operating system for our businesses
270
740000
4000
Мне лично кажется, что новая система для функционирования наших компаний
12:36
revolves around three elements:
271
744000
2000
должна строиться на трёх принципах:
12:38
autonomy, mastery and purpose.
272
746000
3000
самостоятельность, профессионализм и целенаправленность.
12:41
Autonomy: the urge to direct our own lives.
273
749000
3000
Самостоятельность – потребность самому направлять свою жизнь.
12:44
Mastery: the desire to get better and better at something that matters.
274
752000
4000
Профессионализм – желание становиться лучше и лучше в важном деле.
12:48
Purpose: the yearning to do what we do
275
756000
3000
Целенаправленность – стремление делать своё дело
12:51
in the service of something larger than ourselves.
276
759000
3000
во имя чего-то большего, чем ты сам.
12:54
These are the building blocks of an entirely new operating system
277
762000
3000
Вот – краеугольные камни для совершенно новой системы функционирования
12:57
for our businesses.
278
765000
2000
наших компаний.
12:59
I want to talk today only about autonomy.
279
767000
4000
Сегодня я коснусь только самостоятельности.
13:03
In the 20th century, we came up with this idea of management.
280
771000
3000
В 20-м веке появилась идея управления людьми, т.н. менеджмента.
13:06
Management did not emanate from nature.
281
774000
2000
Так вот, менеджмент – не создание природы.
13:08
Management is like -- it's not a tree,
282
776000
2000
Менеджмент – это как…короче, это – не звёздное небо.
13:10
it's a television set.
283
778000
2000
Это – как радиоприёмник.
13:12
Okay? Somebody invented it.
284
780000
2000
Ясно я выразился? Его изобрели.
13:14
And it doesn't mean it's going to work forever.
285
782000
2000
И никто не сказал, что он будет работать вечно.
13:16
Management is great.
286
784000
2000
Менеджмент – это прекрасно.
13:18
Traditional notions of management are great
287
786000
2000
Его традиционные идеи безупречны,
13:20
if you want compliance.
288
788000
2000
если требуется исполнительность.
13:22
But if you want engagement, self-direction works better.
289
790000
3000
Но когда нужно участие, намного лучший результат дает саморегуляция.
13:25
Let me give you some examples of some kind of radical
290
793000
2000
Я сейчас приведу пару примеров фундаментального
13:27
notions of self-direction.
291
795000
2000
толкования саморегуляции.
13:29
What this means -- you don't see a lot of it,
292
797000
3000
В чем идея? Да, это нечасто встретишь,
13:32
but you see the first stirrings of something really interesting going on,
293
800000
3000
но налицо первые признаки рождения действительно захватывающих вещей.
13:35
because what it means is paying people adequately
294
803000
2000
Идея в том, что во-первых, зарплата должна быть адекватной
13:37
and fairly, absolutely --
295
805000
2000
и справедливой, это без всяких сомнений.
13:39
getting the issue of money off the table,
296
807000
2000
Этим вопрос денег снят с повестки дня.
13:41
and then giving people lots of autonomy.
297
809000
2000
А затем работнику предоставляют большую долю самостоятельности.
13:43
Let me give you some examples.
298
811000
2000
Обратимся к практике.
13:45
How many of you have heard of the company Atlassian?
299
813000
4000
Кто-нибудь слышал о компании Atlassian?
13:49
It looks like less than half.
300
817000
2000
Видно, что меньше половины зала.
13:51
(Laughter)
301
819000
2000
(Смех)
13:53
Atlassian is an Australian software company.
302
821000
4000
Atlassian – это австралийская софтверная компания.
13:57
And they do something incredibly cool.
303
825000
2000
И они делают нечто невероятно классное.
13:59
A few times a year they tell their engineers,
304
827000
2000
Несколько раз в год они говорят своим инженерам:
14:01
"Go for the next 24 hours and work on anything you want,
305
829000
4000
«В течение следующих суток работайте над чем хотите,
14:05
as long as it's not part of your regular job.
306
833000
2000
только чтобы это не было связано с вашей текущей работой.
14:07
Work on anything you want."
307
835000
2000
Работайте над чем вашей душе угодно.»
14:09
So that engineers use this time to come up with
308
837000
2000
И вот инженеры тратят это время, чтобы создать
14:11
a cool patch for code, come up with an elegant hack.
309
839000
3000
какую-нибудь прелестную мозаику из кода, придумать какой-нибудь элегантный трюк.
14:14
Then they present all of the stuff that they've developed
310
842000
3000
Затем каждый представляет своё детище
14:17
to their teammates, to the rest of the company,
311
845000
3000
коллегам и остальным сотрудникам
14:20
in this wild and wooly all-hands meeting
312
848000
2000
на шумном и неуправляемом общем собрании,
14:22
at the end of the day.
313
850000
2000
в конце дня.
14:24
And then, being Australians, everybody has a beer.
314
852000
2000
А потом, как принято в Австралии, все пьют пиво.
14:26
They call them FedEx Days.
315
854000
3000
Они называют это Днями Экспресс-почты Fedex.
14:29
Why? Because you have to deliver something overnight.
316
857000
6000
Почему? Да ведь на доставку у вас есть лишь 24 часа.
14:35
It's pretty. It's not bad. It's a huge trademark violation,
317
863000
2000
Это оригинально. И это не плохо, хотя налицо грубое нарушение прав торговой марки.
14:37
but it's pretty clever.
318
865000
2000
Но ведь это чертовски умно.
14:39
(Laughter)
319
867000
1000
(Смех)
14:40
That one day of intense autonomy
320
868000
2000
Такой день усиленной самостоятельности
14:42
has produced a whole array of software fixes
321
870000
2000
помогает создать целый ряд программных решений,
14:44
that might never have existed.
322
872000
2000
которых могло бы никогда не быть.
14:46
And it's worked so well that Atlassian has taken it to the next level
323
874000
2000
Метод был настолько продуктивен, что Atlassian поднял его на следующий уровень,
14:48
with 20 Percent Time --
324
876000
2000
на уровень «20% времени».
14:50
done, famously, at Google --
325
878000
2000
Это – знаменитая система работы на Google.
14:52
where engineers can work, spend 20 percent of their time
326
880000
2000
Инженеры на Google могут тратить 20% времени
14:54
working on anything they want.
327
882000
2000
на любую работу по своему вкусу.
14:56
They have autonomy over their time,
328
884000
2000
Они самостоятельны в выборе времени,
14:58
their task, their team, their technique.
329
886000
2000
в выборе задачи, команды, техники.
15:00
Okay? Radical amounts of autonomy.
330
888000
2000
Понимаете? Фундаментальный объем самостоятельности.
15:02
And at Google, as many of you know,
331
890000
4000
И как многие из вас знают, у Гугл
15:06
about half of the new products in a typical year
332
894000
2000
каждый год примерно половина новых продуктов
15:08
are birthed during that 20 Percent Time:
333
896000
3000
рождается в период тех самых «20% Времени».
15:11
things like Gmail, Orkut, Google News.
334
899000
3000
Такие продукты как: Gmail, Orkut, Google News.
15:14
Let me give you an even more radical example of it:
335
902000
3000
Приведу еще более радикальный пример той же идеи.
15:17
something called the Results Only Work Environment,
336
905000
2000
Называется «Рабочие Условия Направленные Исключительно на Результат».
15:19
the ROWE,
337
907000
2000
Сокращенно: ROWE.
15:21
created by two American consultants, in place
338
909000
2000
Система разработана двумя американскими консультантами
15:23
in place at about a dozen companies around North America.
339
911000
2000
для примерно десяти компаний по всей Северной Америке.
15:25
In a ROWE people don't have schedules.
340
913000
4000
При ROWE, у работников нет графика выхода на работу.
15:29
They show up when they want.
341
917000
2000
Они появляются на работе когда хотят.
15:31
They don't have to be in the office at a certain time,
342
919000
2000
Нет определенного времени пребывания в офисе,
15:33
or any time.
343
921000
2000
можно вообще не приходить.
15:35
They just have to get their work done.
344
923000
2000
Нужно только сделать работу.
15:37
How they do it, when they do it,
345
925000
2000
Как делать, когда делать,
15:39
where they do it, is totally up to them.
346
927000
3000
где делать – это каждый решает сам.
15:42
Meetings in these kinds of environments are optional.
347
930000
4000
Встречи и собрания в этих условиях – исключительно по желанию.
15:46
What happens?
348
934000
2000
И каков результат?
15:48
Almost across the board, productivity goes up,
349
936000
3000
Практически повсеместно: рост продуктивности,
15:51
worker engagement goes up,
350
939000
3000
рост участия работников в делах фирмы,
15:54
worker satisfaction goes up, turnover goes down.
351
942000
3000
рост удовлетворённости, падение текучести кадров.
15:57
Autonomy, mastery and purpose,
352
945000
2000
Самостоятельность, профессионализм, целенаправленность –
15:59
These are the building blocks of a new way of doing things.
353
947000
2000
на этих столпах надо строить новые условия продуктивной деятельности.
16:01
Now some of you might look at this and say,
354
949000
3000
Вы, наверно, скажете:
16:04
"Hmm, that sounds nice, but it's Utopian."
355
952000
3000
«Ммм-да-с. Соблазнительно, но утопично.»
16:07
And I say, "Nope. I have proof."
356
955000
5000
Отвечу: «Нннет-с. Предъявляю доказательства.»
16:12
The mid-1990s, Microsoft started
357
960000
2000
Середина 90-х, Microsoft начинает проект
16:14
an encyclopedia called Encarta.
358
962000
2000
электронной энциклопедии Encarta.
16:16
They had deployed all the right incentives,
359
964000
2000
Были задействованы все нужные стимулы.
16:18
all the right incentives. They paid professionals to
360
966000
3000
Все правильные стимулы. Специалистам платили
16:21
write and edit thousands of articles.
361
969000
2000
за написание и редактирование статей.
16:23
Well-compensated managers oversaw the whole thing
362
971000
2000
Процессом руководили хорошо оплачиваемые менеджеры,
16:25
to make sure it came in on budget and on time.
363
973000
5000
соблюдая рамки бюджета и времени.
16:30
A few years later another encyclopedia got started.
364
978000
2000
А потом, через пару лет, появилась еще одна энциклопедия.
16:32
Different model, right?
365
980000
3000
На совсем другой модели, как мы знаем.
16:35
Do it for fun. No one gets paid a cent, or a Euro or a Yen.
366
983000
4000
Делай в своё удовольствие! Никакой оплаты – ни цента, ни евро, ни иены.
16:39
Do it because you like to do it.
367
987000
3000
Создавай! – потому, что тебе это нравится.
16:42
Now if you had, just 10 years ago,
368
990000
3000
Давайте предположим, что каких-то 10 лет назад
16:45
if you had gone to an economist, anywhere,
369
993000
2000
вы бы обратились к экономистам, в любой стране,
16:47
and said, "Hey, I've got these two different models for creating an encyclopedia.
370
995000
4000
и сказали: «У меня вопрос. Вот вам две разные модели создания энциклопедии.
16:51
If they went head to head, who would win?"
371
999000
3000
Если им придётся столкнуться лбами, чья возьмёт?»
16:54
10 years ago you could not have found a single sober economist anywhere
372
1002000
4000
Так вот, 10 лет назад ни один серьёзный экономист,
16:58
on planet Earth
373
1006000
2000
ни в одной стране мира,
17:00
who would have predicted the Wikipedia model.
374
1008000
2000
не мог бы предсказать победу модели Википедии.
17:02
This is the titanic battle between these two approaches.
375
1010000
3000
Это была борьба титанов, борьба двух различных подходов.
17:05
This is the Ali-Frazier of motivation. Right?
376
1013000
3000
Это была битва века на арене мотивации, подобно поединку
17:08
This is the Thrilla' in Manila.
377
1016000
2000
за звание чемпиона мира по боксу среди супер-тяжеловесов.
17:10
Alright? Intrinsic motivators versus extrinsic motivators.
378
1018000
3000
На глазах у всех! Мотивация внутренняя выступает против внешней мотивации.
17:13
Autonomy, mastery and purpose,
379
1021000
2000
Самостоятельность, профессионализм и целенаправленность
17:15
versus carrot and sticks. And who wins?
380
1023000
2000
против кнута и пряника. И кто победил?
17:17
Intrinsic motivation, autonomy, mastery and purpose,
381
1025000
3000
Внутренняя мотивация, самостоятельность, профессионализм и целенапрвленность
17:20
in a knockout. Let me wrap up.
382
1028000
4000
выбивают противника нокаутом. Я закругляюсь.
17:24
There is a mismatch between what science knows and what business does.
383
1032000
3000
Имеется разрыв между научным знанием и деловой практикой.
17:27
And here is what science knows.
384
1035000
2000
Что известно науке?
17:29
One: Those 20th century rewards,
385
1037000
2000
Во-первых, типичные для 20-го века вознаграждения,
17:31
those motivators we think are a natural part of business,
386
1039000
3000
те самые стимулы, которые считаются неотъемлемой частью умения вести бизнес,
17:34
do work, but only in a surprisingly narrow band of circumstances.
387
1042000
4000
работают, но только в предельно узком диапазоне условий.
17:38
Two: Those if-then rewards often destroy creativity.
388
1046000
4000
Во-вторых, те же вознаграждения типа «если… то …» часто губят творчество.
17:42
Three: The secret to high performance
389
1050000
2000
В-третьих, секрет высокой продуктивности
17:44
isn't rewards and punishments,
390
1052000
2000
не в системе награждения и наказания,
17:46
but that unseen intrinsic drive --
391
1054000
2000
а в невидимом внутреннем двигателе.
17:48
the drive to do things for their own sake.
392
1056000
3000
Стремлении создавать вещи ради них самих.
17:51
The drive to do things cause they matter.
393
1059000
2000
Стремлении делать что-то, потому что это важно.
17:53
And here's the best part. Here's the best part.
394
1061000
2000
Вот вам самое главное. Вот – самое лучшее.
17:55
We already know this. The science confirms what we know in our hearts.
395
1063000
3000
Честно говоря, мы это уже знали. Наука подтверждает то, что мы чуем сердцем.
17:58
So, if we repair this mismatch
396
1066000
3000
Так что, если нам удастся устранить разрыв
18:01
between what science knows and what business does,
397
1069000
2000
между научным знанием и деловой практикой,
18:03
if we bring our motivation, notions of motivation
398
1071000
3000
если нам удастся утвердить наше понимание мотивации, и пронести его
18:06
into the 21st century,
399
1074000
2000
в 21-й век,
18:08
if we get past this lazy, dangerous, ideology
400
1076000
4000
если нам удастся отбросить ленивую по природе и опасную идеологию
18:12
of carrots and sticks,
401
1080000
2000
кнута и пряника,
18:14
we can strengthen our businesses,
402
1082000
3000
мы сможем усилить наш бизнес,
18:17
we can solve a lot of those candle problems,
403
1085000
3000
мы сможем решить множество «загадок свечи»
18:20
and maybe, maybe, maybe
404
1088000
4000
и возможно, возможно, возможно,
18:24
we can change the world.
405
1092000
2000
нам удастся изменить мир.
18:26
I rest my case.
406
1094000
2000
Я закончил свою речь.
18:28
(Applause)
407
1096000
3000
(Аплодисменты)
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