TEDGlobal 2009
Dan Pink: The puzzle of motivation
Dan Pink sobre la sorprenent ciència de la motivació
Filmed:
Readability: 4
25,352,736 views
L'analista Dan Pink examina el trencaclosques de la motivació, començant amb un fet que els sociòlegs saben però la majoria de directius desconeixen. Les recompenses tradicionals no són sempre tan efectives com creiem. Escolteu les històries reveladores -- i potser, bastant innovadores.
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
Voldria fer una confessió només començar.
00:16
A little over 20 years ago
1
4000
3000
Fa poc més de 20 anys
00:19
I did something that I regret,
2
7000
2000
vaig fer una cosa de la que em penedeixo,
00:21
something that I'm not particularly proud of,
3
9000
4000
una cosa de la que no estic gaire orgullós,
00:25
something that, in many ways, I wish no one would ever know,
4
13000
3000
quelcom que, d'alguna manera, no voldria que ningú sapigues,
00:28
but here I feel kind of obliged to reveal.
5
16000
4000
però que aqui em sento obligat a revelar.
00:32
(Laughter)
6
20000
2000
(Riures)
00:34
In the late 1980s,
7
22000
2000
A finals dels vuitanta,
00:36
in a moment of youthful indiscretion,
8
24000
3000
en un moment d'indiscreció juvenil,
00:39
I went to law school.
9
27000
2000
vaig anar a la facultat de Dret.
00:41
(Laughter)
10
29000
4000
(Riures)
00:45
Now, in America law is a professional degree:
11
33000
3000
Bé, a Estats Units, el Dret és un títol professional.
00:48
you get your university degree, then you go on to law school.
12
36000
2000
Obtens el teu títol universitari. Llavors vas a l'escola de Dret.
00:50
And when I got to law school,
13
38000
3000
I quan vaig anar a l'escola de Dret,
00:53
I didn't do very well.
14
41000
2000
no ho vaig fer gaire bé.
00:55
To put it mildly, I didn't do very well.
15
43000
2000
Per no dir una cosa pitjor, no ho vaig fer gaire bé.
00:57
I, in fact, graduated in the part of my law school class
16
45000
3000
De fet em vaig graduar junt amb els que
01:00
that made the top 90 percent possible.
17
48000
4000
vam fer possible que hi hagués un 90% de gent bona.
01:04
(Laughter)
18
52000
4000
(Riures)
01:08
Thank you.
19
56000
3000
Gràcies.
01:11
I never practiced law a day in my life;
20
59000
3000
Mai vaig arribar a exercir d'advocat.
01:14
I pretty much wasn't allowed to.
21
62000
2000
És com si no hagués estat autoritzat.
01:16
(Laughter)
22
64000
3000
(Riures)
01:19
But today, against my better judgment,
23
67000
3000
Però avui, contra el que el seny em diu,
01:22
against the advice of my own wife,
24
70000
3000
contra el consell de la meva propia dona,
01:25
I want to try to dust off some of those legal skills --
25
73000
4000
vull intentar treure la pols a algunes d'aquells coneixements jurídics,
01:29
what's left of those legal skills.
26
77000
2000
del que queda d'aquells coneixements jurídics.
01:31
I don't want to tell you a story.
27
79000
3000
No us vull explicar una història.
01:34
I want to make a case.
28
82000
2000
Us vull plantejar un cas.
01:36
I want to make a hard-headed, evidence-based,
29
84000
4000
Vull plantejar un cas realista, amb proves,
01:40
dare I say lawyerly case,
30
88000
3000
m'atreviria a dir un cas legal,
01:43
for rethinking how we run our businesses.
31
91000
4000
per repensar com portem les nostres empreses.
01:47
So, ladies and gentlemen of the jury, take a look at this.
32
95000
4000
Així que, senyores i senyors del jurat, donin un cop d'ull a això.
01:51
This is called the candle problem.
33
99000
2000
Això és conegut com el problema de l'espelma.
01:53
Some of you might have seen this before.
34
101000
2000
Alguns de vosaltres potser ja l'heu vist abans.
01:55
It's created in 1945
35
103000
2000
Es va idear l'any 1945
01:57
by a psychologist named Karl Duncker.
36
105000
2000
pel psicòleg Karl Duncker.
01:59
Karl Duncker created this experiment
37
107000
2000
Karl Duncker va crear aquest experiment
02:01
that is used in a whole variety of experiments in behavioral science.
38
109000
3000
que s'utilitza en una gran quantitat d'experiments en la ciència del comportament.
02:04
And here's how it works. Suppose I'm the experimenter.
39
112000
3000
I així és com funciona. Suposeu que jo sóc el que fa l'experiment.
02:07
I bring you into a room. I give you a candle,
40
115000
4000
Us porto a una habitació. Us dono una espelma,
02:11
some thumbtacks and some matches.
41
119000
2000
algunes xinxetes i alguns mistos.
02:13
And I say to you, "Your job
42
121000
2000
I us dic, "La vostra feina
02:15
is to attach the candle to the wall
43
123000
2000
consisteix en subjectar l'espelma a la paret
02:17
so the wax doesn't drip onto the table." Now what would you do?
44
125000
4000
sense que la cera caigui a la taula." Com ho farieu?
02:21
Now many people begin trying to thumbtack the candle to the wall.
45
129000
4000
Molta gent primer prova d'enganxar l'espelma a la paret amb xinxetes.
02:25
Doesn't work.
46
133000
2000
No funciona.
02:27
Somebody, some people -- and I saw somebody
47
135000
2000
Alguns, i he vist alguna persona
02:29
kind of make the motion over here --
48
137000
2000
aquí que feia el gest.
02:31
some people have a great idea where they
49
139000
2000
Alguns tenen una gran idea quan
02:33
light the match, melt the side of the candle, try to adhere it to the wall.
50
141000
4000
encenen un misto, fonen part de l'espelma i proven d'enganxar-la a la paret.
02:37
It's an awesome idea. Doesn't work.
51
145000
3000
És una gran idea però no funciona.
02:40
And eventually, after five or 10 minutes,
52
148000
3000
Finalment, després de cinc o deu minuts,
02:43
most people figure out the solution,
53
151000
2000
la majoria de gent troba la solució,
02:45
which you can see here.
54
153000
2000
que podeu veure aquí.
02:47
The key is to overcome what's called functional fixedness.
55
155000
3000
La clau és superar el que s'anomena rigidesa funcional.
02:50
You look at that box and you see it only as a receptacle for the tacks.
56
158000
4000
Quan mirem la capsa, només veiem un recipient per a les xinxetes.
02:54
But it can also have this other function,
57
162000
2000
Però pot tenir també una altra funció,
02:56
as a platform for the candle. The candle problem.
58
164000
4000
com a suport per a l'espelma. El problema de l'espelma.
03:00
Now I want to tell you about an experiment
59
168000
2000
M'agradaria ara explicar-vos un experiment
03:02
using the candle problem,
60
170000
2000
que fa ús del problema de l'espelma,
03:04
done by a scientist named Sam Glucksberg,
61
172000
2000
fet per un científic anomenat Sam Glucksberg,
03:06
who is now at Princeton University in the U.S.
62
174000
2000
de la Universitat de Princeton, als EUA.
03:08
This shows the power of incentives.
63
176000
4000
Això demostra el poder dels incentius.
03:12
Here's what he did. He gathered his participants.
64
180000
2000
Això és el que va fer. Va reunir als participants.
03:14
And he said, "I'm going to time you. How quickly you can solve this problem?"
65
182000
3000
I va dir, "Us cronometraré per veure amb quina rapidesa podeu resoldre aquest problema."
03:17
To one group he said,
66
185000
2000
A un grup els va dir,
03:19
"I'm going to time you to establish norms,
67
187000
3000
Us cronometraré per a tenir pautes
03:22
averages for how long it typically takes
68
190000
2000
i mitjanes per a saber, en general, quan temps
03:24
someone to solve this sort of problem."
69
192000
2000
li costa a algú resoldre aquest tipus de problema.
03:26
To the second group he offered rewards.
70
194000
3000
Al segon grup els va oferir recompenses.
03:29
He said, "If you're in the top 25 percent of the fastest times,
71
197000
4000
Els va dir, "Si aconseguiu estar en el grup dels 25% més ràpids
03:33
you get five dollars.
72
201000
3000
us donaré cinc dòlars.
03:36
If you're the fastest of everyone we're testing here today,
73
204000
3000
Qui sigui el més ràpid de tots els participants d'avui
03:39
you get 20 dollars."
74
207000
2000
aconseguirà 20 dòlars."
03:41
Now this is several years ago. Adjusted for inflation,
75
209000
3000
Això va passar fa uns quants anys i està ajustat d'acord amb la inflació.
03:44
it's a decent sum of money for a few minutes of work.
76
212000
2000
És una quantitat de diners acceptable per a uns quants minuts de feina.
03:46
It's a nice motivator.
77
214000
2000
És un bon motivador.
03:48
Question: How much faster
78
216000
3000
Pregunta: Quan va trigar
03:51
did this group solve the problem?
79
219000
2000
aquest grup a resoldre el problema?
03:53
Answer: It took them, on average,
80
221000
3000
Resposta: va trigar, de promig,
03:56
three and a half minutes longer.
81
224000
4000
tres minuts i mig més que l'altre grup.
04:00
Three and a half minutes longer. Now this makes no sense right?
82
228000
3000
Tres minuts i mig més. Això no té cap ni peus, oi?
04:03
I mean, I'm an American. I believe in free markets.
83
231000
3000
Vull dir, sóc americà. Crec en el mercat lliure.
04:06
That's not how it's supposed to work. Right?
84
234000
3000
Així no és com se suposa que hauria d'anar, oi?
04:09
(Laughter)
85
237000
1000
(Riures)
04:10
If you want people to perform better,
86
238000
2000
Si vols que la gent ho faci millor,
04:12
you reward them. Right?
87
240000
2000
els has de recompensar, correcte?
04:14
Bonuses, commissions, their own reality show.
88
242000
3000
Bons, comissions, el seu propi "reality show".
04:17
Incentivize them. That's how business works.
89
245000
4000
Incentival's. Així és com funciona el món de l'empresa.
04:21
But that's not happening here.
90
249000
2000
Però això no és el que passa aquí.
04:23
You've got an incentive designed to
91
251000
2000
Teniu un incentiu dissenyat per a
04:25
sharpen thinking and accelerate creativity,
92
253000
4000
aguditzar l'enginy i accelerar la creativitat.
04:29
and it does just the opposite.
93
257000
2000
I fa tot el contrari.
04:31
It dulls thinking and blocks creativity.
94
259000
3000
Entorpeix l'enginy i bloqueja la creativitat.
04:34
And what's interesting about this experiment is that it's not an aberration.
95
262000
3000
I el que és interessant sobre aquest experiment és que no és un cas aïllat.
04:37
This has been replicated over and over
96
265000
3000
S'ha repetit una i altra vegada
04:40
and over again, for nearly 40 years.
97
268000
3000
durant gairebé 40 anys.
04:43
These contingent motivators --
98
271000
3000
Aquests motivadors eventuals,
04:46
if you do this, then you get that --
99
274000
2000
si fas això, obtens això altre,
04:48
work in some circumstances.
100
276000
2000
funcionen en algunes circumstàncies.
04:50
But for a lot of tasks, they actually either don't work
101
278000
3000
Però per a un munt de tasques, simplement no van bé
04:53
or, often, they do harm.
102
281000
3000
o, sovint, van pitjor.
04:56
This is one of the most robust findings
103
284000
4000
Aquesta és una de les troballes més consistents
05:00
in social science,
104
288000
3000
en les Ciències Socials.
05:03
and also one of the most ignored.
105
291000
2000
I també una de les més ignorades.
05:05
I spent the last couple of years looking at the science of
106
293000
2000
He passat els dos darrers anys investigant la ciència de
05:07
human motivation,
107
295000
2000
la motivació humana.
05:09
particularly the dynamics of extrinsic motivators
108
297000
2000
En particular, la dinàmica dels motivadors extrínsecs
05:11
and intrinsic motivators.
109
299000
2000
i dels motivadors intrínsecs.
05:13
And I'm telling you, it's not even close.
110
301000
2000
I us dic que no tenen gaire en comú.
05:15
If you look at the science, there is a mismatch
111
303000
2000
Hi ha un desajust
05:17
between what science knows and what business does.
112
305000
4000
entre el que la ciència sap i el que les empreses fan.
05:21
And what's alarming here is that our business operating system --
113
309000
3000
I el més alarmant és que el nostre sistema operatiu de les empreses --
05:24
think of the set of assumptions and protocols beneath our businesses,
114
312000
3000
penseu en totes les assumpcions i protocols que utilitzen les nostres empreses,
05:27
how we motivate people, how we apply our human resources --
115
315000
5000
com motivem a la gent, com portem els nostres recursos humans --
05:32
it's built entirely around these extrinsic motivators,
116
320000
3000
està totalment construït sobre aquests motivadors extrínsecs,
05:35
around carrots and sticks.
117
323000
2000
sobre pals i pastanagues.
05:37
That's actually fine for many kinds of 20th century tasks.
118
325000
4000
Això està bé per molts tipus de tasques del segle XX.
05:41
But for 21st century tasks,
119
329000
2000
Però per les tasques del segle XXI,
05:43
that mechanistic, reward-and-punishment approach
120
331000
4000
aquest enfocament mecànic de recompensa i càstig
05:47
doesn't work, often doesn't work, and often does harm.
121
335000
4000
no funciona, sovint no funciona i sovint és perjudicial.
05:51
Let me show you what I mean.
122
339000
2000
Deixeu-me mostrar-vos el que vull dir.
05:53
So Glucksberg did another experiment similar to this
123
341000
3000
En Glucksberg va fer un altre experiment semblant a aquest
05:56
where he presented the problem in a slightly different way,
124
344000
2000
on va presentar el problema d'una forma lleugerament diferent,
05:58
like this up here. Okay?
125
346000
3000
com el que hi ha aquí. D'acord?
06:01
Attach the candle to the wall so the wax doesn't drip onto the table.
126
349000
2000
Subjecteu l'espelma a la paret de forma que la cera no caigui sobre la taula.
06:03
Same deal. You: we're timing for norms.
127
351000
3000
El mateix tracte. Vosaltres: us cronometrem per obtenir pautes.
06:06
You: we're incentivizing.
128
354000
3000
Vosaltres: us incentivarem.
06:09
What happened this time?
129
357000
2000
Què va passar aquest cop?
06:11
This time, the incentivized group
130
359000
2000
Aquest cop, el grup incentivat
06:13
kicked the other group's butt.
131
361000
4000
va apallisar a l'altre grup.
06:17
Why? Because when the tacks are out of the box,
132
365000
4000
Per què? Perquè quan les xinxetes estan fora de la capsa
06:21
it's pretty easy isn't it?
133
369000
4000
és realment fàcil, oi?
06:25
(Laughter)
134
373000
2000
(Riures)
06:27
If-then rewards work really well
135
375000
3000
Les recompenses "si-llavors" funcionen molt bé
06:30
for those sorts of tasks,
136
378000
3000
per a aquest tipus de tasques,
06:33
where there is a simple set of rules and a clear destination
137
381000
2000
on hi ha un conjunt de normes simples i un objectiu clar
06:35
to go to.
138
383000
2000
per a dur a terme.
06:37
Rewards, by their very nature,
139
385000
2000
Les recompenses, degut a la seva natura,
06:39
narrow our focus, concentrate the mind;
140
387000
2000
ens fan centrar en l'objectiu, concentren la ment.
06:41
that's why they work in so many cases.
141
389000
2000
Per això funcionen en tantes ocasions.
06:43
And so, for tasks like this,
142
391000
2000
I així, per tasques com aquesta,
06:45
a narrow focus, where you just see the goal right there,
143
393000
3000
punt de mira reduït, que és pot veure de forma evident,
06:48
zoom straight ahead to it,
144
396000
2000
per anar directe a ell,
06:50
they work really well.
145
398000
2000
funcionen molt bé.
06:52
But for the real candle problem,
146
400000
2000
Però pel problema autèntic de l'espelma,
06:54
you don't want to be looking like this.
147
402000
2000
no heu d'estar mirant així.
06:56
The solution is not over here. The solution is on the periphery.
148
404000
2000
La solució no està per aquí. La solució està en la perifèria.
06:58
You want to be looking around.
149
406000
2000
Heu de mirar al voltant.
07:00
That reward actually narrows our focus
150
408000
2000
Aquesta recompensa realment ens redueix el punt de mira
07:02
and restricts our possibility.
151
410000
2000
i ens restringeix les nostres possibilitats.
07:04
Let me tell you why this is so important.
152
412000
3000
Deixeu-me explicar-vos perquè això és tant important.
07:07
In western Europe,
153
415000
2000
A l'Europa occidental,
07:09
in many parts of Asia,
154
417000
2000
en moltes parts d'Àsia,
07:11
in North America, in Australia,
155
419000
3000
a Nord Àmerica, a Austràlia,
07:14
white-collar workers are doing less of
156
422000
2000
els treballadors d'oficina fan menys feina
07:16
this kind of work,
157
424000
2000
d'aquest tipus,
07:18
and more of this kind of work.
158
426000
4000
i més feina d'aquest altre tipus.
07:22
That routine, rule-based, left-brain work --
159
430000
3000
Aquesta rutina, basada en regles, feina per al cervell esquerre,
07:25
certain kinds of accounting, certain kinds of financial analysis,
160
433000
2000
certs tipus de comptabilitat, certs tipus d'anàl·lisi financer,
07:27
certain kinds of computer programming --
161
435000
2000
certs tipus de programació d'ordinadors,
07:29
has become fairly easy to outsource,
162
437000
2000
són més propensos a ser subcontractats,
07:31
fairly easy to automate.
163
439000
2000
més propensos a automatitzar-se.
07:33
Software can do it faster.
164
441000
3000
El programari pot fer-ho més de pressa.
07:36
Low-cost providers around the world can do it cheaper.
165
444000
2000
Els proveïdors de baix cost d'arreu del món poden fer-ho més barat.
07:38
So what really matters are the more right-brained
166
446000
4000
Així que el que realment importa són les habilitats
07:42
creative, conceptual kinds of abilities.
167
450000
3000
del cervell dret, creatives, del tipus conceptual.
07:45
Think about your own work.
168
453000
3000
Penseu en el vostre treball.
07:48
Think about your own work.
169
456000
3000
Penseu en el vostre treball.
07:51
Are the problems that you face, or even the problems
170
459000
2000
Els problemes als que us afronteu, o els problemes
07:53
we've been talking about here,
171
461000
2000
que hem estat comentant aquí,
07:55
are those kinds of problems -- do they have a clear set of rules,
172
463000
2000
són aquest tipus de problemes -- tenen un conjunt de regles definides,
07:57
and a single solution? No.
173
465000
3000
i una única solució? No.
08:00
The rules are mystifying.
174
468000
2000
Les regles són difícils d'explicar.
08:02
The solution, if it exists at all,
175
470000
2000
La solució, si existeix,
08:04
is surprising and not obvious.
176
472000
3000
és sorprenent i no és pas òbvia.
08:07
Everybody in this room
177
475000
2000
Tothom en aquesta sala
08:09
is dealing with their own version
178
477000
3000
tracta amb la seva pròpia versió
08:12
of the candle problem.
179
480000
2000
del problema de l'espelma.
08:14
And for candle problems of any kind,
180
482000
3000
I pels problemes de l'espelma de qualsevol tipus,
08:17
in any field,
181
485000
2000
en qualsevol àmbit,
08:19
those if-then rewards,
182
487000
3000
les recompenses "si-llavors",
08:22
the things around which we've built so many of our businesses,
183
490000
4000
les coses sobre les que hem construït tantes de les nostres empreses,
08:26
don't work.
184
494000
2000
no funcionen.
08:28
Now, I mean it makes me crazy.
185
496000
2000
Això em fa tornar boig.
08:30
And this is not -- here's the thing.
186
498000
2000
I això no és -- aquí està la qüestió.
08:32
This is not a feeling.
187
500000
3000
Això no és un sentiment.
08:35
Okay? I'm a lawyer; I don't believe in feelings.
188
503000
3000
D'acord? Sóc advocat. No crec en els sentiments.
08:38
This is not a philosophy.
189
506000
4000
Això no és filosofia.
08:42
I'm an American; I don't believe in philosophy.
190
510000
2000
Sóc un americà. No crec en la filosofia.
08:44
(Laughter)
191
512000
3000
(Riures)
08:47
This is a fact --
192
515000
3000
Això és un fet.
08:50
or, as we say in my hometown of Washington, D.C.,
193
518000
2000
O, com diem a la meva ciutat natal de Washington D.C.,
08:52
a true fact.
194
520000
2000
un fet veritable.
08:54
(Laughter)
195
522000
2000
(Riures)
08:56
(Applause)
196
524000
4000
(Aplaudiments)
09:00
Let me give you an example of what I mean.
197
528000
2000
Deixeu-me posar-vos un exemple del que us vull dir.
09:02
Let me marshal the evidence here,
198
530000
2000
Deixeu-me reunir les proves.
09:04
because I'm not telling you a story, I'm making a case.
199
532000
2000
Perquè no us estic explicant una història. Us estic presentant un cas.
09:06
Ladies and gentlemen of the jury, some evidence:
200
534000
2000
Senyores i senyors del jurat, una prova:
09:08
Dan Ariely, one of the great economists of our time,
201
536000
3000
Dan Ariely, un dels millors economistes dels nostres temps,
09:11
he and three colleagues, did a study of some MIT students.
202
539000
4000
i tres col·legues més van fer un estudi d'alguns estudiants del MIT.
09:15
They gave these MIT students a bunch of games,
203
543000
3000
Van donar a aquests estudiants del MIT una pila de jocs.
09:18
games that involved creativity,
204
546000
2000
Jocs que involucraven creativitat,
09:20
and motor skills, and concentration.
205
548000
2000
habilitats motores i concentració.
09:22
And the offered them, for performance,
206
550000
2000
I els van oferir, per a realitzar-los,
09:24
three levels of rewards:
207
552000
2000
tres tipus de recompenses.
09:26
small reward, medium reward, large reward.
208
554000
5000
Petita, mitjana i gran recompensa.
09:31
Okay? If you do really well you get the large reward, on down.
209
559000
4000
D'acord? Si ho feu realment bé us emporteu la recompensa gran.
09:35
What happened? As long as the task involved only mechanical skill
210
563000
4000
Què va passar? Sempre i quan la tasca comportava només habilitats mecàniques
09:39
bonuses worked as they would be expected:
211
567000
2000
els premis van funcionar com s'esperava:
09:41
the higher the pay, the better the performance.
212
569000
4000
quan més bé pagaven, més bé es feia la feina.
09:45
Okay? But one the task called for
213
573000
2000
D'acord? Però quan la tasca demanava
09:47
even rudimentary cognitive skill,
214
575000
4000
encara que fos habilitat cognitiva rudimentària,
09:51
a larger reward led to poorer performance.
215
579000
5000
la recompensa gran comportava una realització més pobre.
09:56
Then they said,
216
584000
2000
Llavors van dir,
09:58
"Okay let's see if there's any cultural bias here.
217
586000
2000
"D'acord, anem a veure si hi ha un biaix cultural aquí.
10:00
Lets go to Madurai, India and test this."
218
588000
2000
Anem a Madurai, a l'Índia per a provar això."
10:02
Standard of living is lower.
219
590000
2000
El nivell de vida és més baix.
10:04
In Madurai, a reward that is modest in North American standards,
220
592000
3000
A Madurai, una recompensa que és modesta a Nord Àmerica,
10:07
is more meaningful there.
221
595000
3000
és més important.
10:10
Same deal. A bunch of games, three levels of rewards.
222
598000
3000
Les mateixes condicions. Una pila de jocs, tres tipus de premis.
10:13
What happens?
223
601000
2000
Què va passar?
10:15
People offered the medium level of rewards
224
603000
3000
La gent a qui se li oferia les recompenses mitjanes
10:18
did no better than people offered the small rewards.
225
606000
3000
no ho van fer més bé que les de les recompenses petites.
10:21
But this time, people offered the highest rewards,
226
609000
4000
Però aquest cop, la gent a qui se li oferia les recompenses més grans,
10:25
they did the worst of all.
227
613000
4000
van ser els que ho van fer pitjor de tots.
10:29
In eight of the nine tasks we examined across three experiments,
228
617000
3000
En vuit de les nou tasques que vàrem examinar en aquests tres experiments,
10:32
higher incentives led to worse performance.
229
620000
5000
els premis més alts comportaven un rendiment pitjor.
10:37
Is this some kind of touchy-feely
230
625000
3000
És això potser alguna mena de conspiració
10:40
socialist conspiracy going on here?
231
628000
3000
socialista sensiblera?
10:43
No. These are economists from MIT,
232
631000
3000
No. Es tracta d'economistes del MIT,
10:46
from Carnegie Mellon, from the University of Chicago.
233
634000
3000
de Carnegie Mellon, de la Universitat de Chicago.
10:49
And do you know who sponsored this research?
234
637000
2000
I sabeu qui va patrocinar aquesta investigació?
10:51
The Federal Reserve Bank of the United States.
235
639000
4000
El Banc de la Reserva Federal dels Estats Units.
10:55
That's the American experience.
236
643000
2000
Això és l'experiència americana.
10:57
Let's go across the pond to the London School of Economics --
237
645000
3000
Atravessem l'oceà per anar a l'Escola d'Economia de Londres.
11:00
LSE, London School of Economics,
238
648000
3000
LSE, l'Escola d'Economia de Londres.
11:03
alma mater of 11 Nobel Laureates in economics.
239
651000
3000
Alma mater d'onze premis Nobel en economia.
11:06
Training ground for great economic thinkers
240
654000
3000
Terreny d'entrenament per a grans pensadors econòmics
11:09
like George Soros, and Friedrich Hayek,
241
657000
3000
com George Soros, i Friedrich Hayek,
11:12
and Mick Jagger. (Laughter)
242
660000
2000
i Mick Jagger. (Riures)
11:14
Last month, just last month,
243
662000
4000
El mes passat, tot just el mes passat,
11:18
economists at LSE looked at 51 studies
244
666000
3000
els economistes de la LSE van revisar 51 estudis
11:21
of pay-for-performance plans, inside of companies.
245
669000
3000
de plans de recompensa per tasques, dins d'empreses.
11:24
Here's what the economists there said: "We find that financial incentives
246
672000
3000
Això és el que van dir, "Hem trobat que els incentius financers
11:27
can result in a negative impact on overall performance."
247
675000
6000
poden comportar un impacte negatiu en el rendiment general."
11:33
There is a mismatch between what science knows
248
681000
3000
Hi ha un desajust entre el que la ciència sap
11:36
and what business does.
249
684000
2000
i el que fa l'empresa.
11:38
And what worries me, as we stand here in the rubble
250
686000
3000
I el que em preocupa, mentre estem plantats a les runes
11:41
of the economic collapse,
251
689000
2000
del col·lapse econòmic,
11:43
is that too many organizations
252
691000
2000
és que hi ha massa organitzacions
11:45
are making their decisions,
253
693000
2000
que estan prenent les seves decisions,
11:47
their policies about talent and people,
254
695000
2000
les seves polítiques sobre talent i persones,
11:49
based on assumptions that are outdated, unexamined,
255
697000
6000
basades en assumpcions que estan desfasades, sense fonament,
11:55
and rooted more in folklore than in science.
256
703000
3000
i més arrelades al folclore que a la ciència.
11:58
And if we really want to get out of this economic mess,
257
706000
3000
I si volem sortir realment d'aquest batibull econòmic,
12:01
and if we really want high performance on those
258
709000
2000
i si volem realment un alt rendiment en aquelles
12:03
definitional tasks of the 21st century,
259
711000
2000
tasques del segle XXI,
12:05
the solution is not to do more of the wrong things,
260
713000
6000
la solució no consisteix en fer més allò equivocat.
12:11
to entice people with a sweeter carrot,
261
719000
3000
Atraure la gent amb una pastanaga més dolça,
12:14
or threaten them with a sharper stick.
262
722000
2000
o amenaçar-la amb un pal més esmolat.
12:16
We need a whole new approach.
263
724000
2000
Ens cal un plantejament totalment nou.
12:18
And the good news about all of this is that the scientists
264
726000
2000
I la bona notícia de tot plegat és que els científics
12:20
who've been studying motivation have given us this new approach.
265
728000
3000
que han estat estudiant la motivació ens han donat un nou plantejament.
12:23
It's an approach built much more around intrinsic motivation.
266
731000
3000
És un plantejament construït molt més al voltant de la motivació intrínseca.
12:26
Around the desire to do things because they matter,
267
734000
2000
Al voltant del desig de fer coses perquè tenen importància,
12:28
because we like it, because they're interesting,
268
736000
2000
perquè ens agraden, perquè són interessants,
12:30
because they are part of something important.
269
738000
2000
perquè formen part d'alguna cosa important.
12:32
And to my mind, that new operating system for our businesses
270
740000
4000
I segons el meu parer, aquest nou sistema operatiu per a les nostres empreses
12:36
revolves around three elements:
271
744000
2000
giren al voltant d'aquests tres elements:
12:38
autonomy, mastery and purpose.
272
746000
3000
autonomia, mestria i propòsit.
12:41
Autonomy: the urge to direct our own lives.
273
749000
3000
Autonomia, les ganes de dirigir les nostres pròpies vides.
12:44
Mastery: the desire to get better and better at something that matters.
274
752000
4000
Mestria, el desig de millorar en quelcom que importa.
12:48
Purpose: the yearning to do what we do
275
756000
3000
Propòsit, l'anhel de fer el que fem
12:51
in the service of something larger than ourselves.
276
759000
3000
com a servei d'alguna cosa més gran que nosaltres mateixos.
12:54
These are the building blocks of an entirely new operating system
277
762000
3000
Aquests són els fonaments d'un sistema operatiu completament nou
12:57
for our businesses.
278
765000
2000
per a les nostres empreses.
12:59
I want to talk today only about autonomy.
279
767000
4000
Us vull parlar avui només sobre autonomia.
13:03
In the 20th century, we came up with this idea of management.
280
771000
3000
Al segle XX, ens vam inventar la idea de gestió.
13:06
Management did not emanate from nature.
281
774000
2000
La gestió no va sorgir de la natura.
13:08
Management is like -- it's not a tree,
282
776000
2000
La gestió és com -- no és un arbre.
13:10
it's a television set.
283
778000
2000
És un televisor.
13:12
Okay? Somebody invented it.
284
780000
2000
D'acord? Algú la va inventar.
13:14
And it doesn't mean it's going to work forever.
285
782000
2000
I això no implicar que hagi de funcionar sempre.
13:16
Management is great.
286
784000
2000
La gestió està molt bé.
13:18
Traditional notions of management are great
287
786000
2000
Les nocions tradicionals de gestió estan molt bé
13:20
if you want compliance.
288
788000
2000
si voleu conformitat.
13:22
But if you want engagement, self-direction works better.
289
790000
3000
Però si voleu compromís, l'auto-direcció funciona millor.
13:25
Let me give you some examples of some kind of radical
290
793000
2000
Deixeu me posar-vos alguns exemples d'alguns tipus de
13:27
notions of self-direction.
291
795000
2000
nocions radicals d'auto-direcció.
13:29
What this means -- you don't see a lot of it,
292
797000
3000
El que això vol dir -- no es veuen gaires d'aquesta mena,
13:32
but you see the first stirrings of something really interesting going on,
293
800000
3000
pero es veuen els primers indicis d'alguna cosa realment interessant.
13:35
because what it means is paying people adequately
294
803000
2000
Perquè el que vol dir és pagar a la gent adequadament
13:37
and fairly, absolutely --
295
805000
2000
i de forma justa, i tant!
13:39
getting the issue of money off the table,
296
807000
2000
Treient la qüestió dels diners fora de la taula.
13:41
and then giving people lots of autonomy.
297
809000
2000
I llavors donar a la gent un munt d'autonomia.
13:43
Let me give you some examples.
298
811000
2000
Us posaré alguns exemples.
13:45
How many of you have heard of the company Atlassian?
299
813000
4000
Quants de vosaltres heu sentit a parlar de la companyia Atlassian?
13:49
It looks like less than half.
300
817000
2000
Sembla que menys de la meitat.
13:51
(Laughter)
301
819000
2000
(Riures)
13:53
Atlassian is an Australian software company.
302
821000
4000
Atlassian és una companyia de programari australiana.
13:57
And they do something incredibly cool.
303
825000
2000
I fan quelcom que està molt bé.
13:59
A few times a year they tell their engineers,
304
827000
2000
Uns quants cops a l'any diuen als seus enginyers,
14:01
"Go for the next 24 hours and work on anything you want,
305
829000
4000
"Durant les properes 24 hores treballeu en allò que vulgueu,
14:05
as long as it's not part of your regular job.
306
833000
2000
sempre i quan no formi part del vostre treball quotidià.
14:07
Work on anything you want."
307
835000
2000
Treballeu en allò que vulgueu."
14:09
So that engineers use this time to come up with
308
837000
2000
Així que els enginyers utilitzen aquest temps per inventar-se
14:11
a cool patch for code, come up with an elegant hack.
309
839000
3000
un pedaç per a codi, o un "hack" elegant.
14:14
Then they present all of the stuff that they've developed
310
842000
3000
Llavors presenten tot el que han estat desenvolupant
14:17
to their teammates, to the rest of the company,
311
845000
3000
als seus companys de feina, a la resta de la companyia,
14:20
in this wild and wooly all-hands meeting
312
848000
2000
en una esbojarrada reunió
14:22
at the end of the day.
313
850000
2000
al final del dia.
14:24
And then, being Australians, everybody has a beer.
314
852000
2000
I és clar, tractant-se d'australians, tothom té una cervesa.
14:26
They call them FedEx Days.
315
854000
3000
Els anomenen els dies FedEx
14:29
Why? Because you have to deliver something overnight.
316
857000
6000
Per què? Perquè has de lliurar alguna cosa a l'endemà.
14:35
It's pretty. It's not bad. It's a huge trademark violation,
317
863000
2000
Està bé. No està malament. És una enorme violació de la marca registrada.
14:37
but it's pretty clever.
318
865000
2000
Però és molt intel·ligent.
14:39
(Laughter)
319
867000
1000
(Riures)
14:40
That one day of intense autonomy
320
868000
2000
Aquest dia d'intensa autonomia
14:42
has produced a whole array of software fixes
321
870000
2000
ha produït gran quantitat de solucions al programari
14:44
that might never have existed.
322
872000
2000
que podrien no haver existit mai.
14:46
And it's worked so well that Atlassian has taken it to the next level
323
874000
2000
I ha funcionat tant bé que Atlassian ho ha dut més enllà
14:48
with 20 Percent Time --
324
876000
2000
amb el 20% del temps.
14:50
done, famously, at Google --
325
878000
2000
Dut a terme, amb fama, per Google.
14:52
where engineers can work, spend 20 percent of their time
326
880000
2000
On els enginyers poden treballar, passar el 20% del seu temps
14:54
working on anything they want.
327
882000
2000
treballant en qualsevol cosa que vulguin.
14:56
They have autonomy over their time,
328
884000
2000
Tenen autonomia sobre el seu temps,
14:58
their task, their team, their technique.
329
886000
2000
la seva tasca, el seu equip, la seva tècnica.
15:00
Okay? Radical amounts of autonomy.
330
888000
2000
D'acord? Quantitats radicals d'autonomia.
15:02
And at Google, as many of you know,
331
890000
4000
I a Google, com molts de vosaltres sabreu,
15:06
about half of the new products in a typical year
332
894000
2000
aproximadament la meitat dels nous productes en un any
15:08
are birthed during that 20 Percent Time:
333
896000
3000
neixen durant aquest 20% de temps.
15:11
things like Gmail, Orkut, Google News.
334
899000
3000
Coses com Gmail, Orkut (xarxa social), Google News.
15:14
Let me give you an even more radical example of it:
335
902000
3000
Us posaré un exemple encara més radical d'això.
15:17
something called the Results Only Work Environment,
336
905000
2000
Quelcom anomenat Entorn de Treball Només per Resultats (ROWE en anglès).
15:19
the ROWE,
337
907000
2000
El ROWE.
15:21
created by two American consultants, in place
338
909000
2000
Creat per dos consultors americans, que han estat
15:23
in place at about a dozen companies around North America.
339
911000
2000
a una dotzena d'empreses de Nord Amèrica.
15:25
In a ROWE people don't have schedules.
340
913000
4000
En un ROWE la gent no té horaris.
15:29
They show up when they want.
341
917000
2000
Arriben quan volen.
15:31
They don't have to be in the office at a certain time,
342
919000
2000
No han d'estar a l'oficina a una certa hora,
15:33
or any time.
343
921000
2000
o a qualsevol hora.
15:35
They just have to get their work done.
344
923000
2000
Només han d'aconseguir que la feina estigui feta.
15:37
How they do it, when they do it,
345
925000
2000
Com ho fan, quan ho fan,
15:39
where they do it, is totally up to them.
346
927000
3000
on ho fan, depèn totalment d'ells.
15:42
Meetings in these kinds of environments are optional.
347
930000
4000
Les reunions en aquest tipus d'entorns són opcionals.
15:46
What happens?
348
934000
2000
Quin és el resultat?
15:48
Almost across the board, productivity goes up,
349
936000
3000
En la majoria dels casos la productivitat creix,
15:51
worker engagement goes up,
350
939000
3000
el compromís amb el treball creix,
15:54
worker satisfaction goes up, turnover goes down.
351
942000
3000
la satisfacció del treballador creix, la marxa de treballadors baixa.
15:57
Autonomy, mastery and purpose,
352
945000
2000
Autonomia, mestria i propòsit,
15:59
These are the building blocks of a new way of doing things.
353
947000
2000
Aquests són els fonaments d'una nova forma de fer les coses.
16:01
Now some of you might look at this and say,
354
949000
3000
Potser alguns de vosaltres veieu això i direu,
16:04
"Hmm, that sounds nice, but it's Utopian."
355
952000
3000
"Mmm, això sona bé. Però és una utopia."
16:07
And I say, "Nope. I have proof."
356
955000
5000
I jo respondré, "No. Tinc proves."
16:12
The mid-1990s, Microsoft started
357
960000
2000
A mitjans dels anys 90, Microsoft va començar
16:14
an encyclopedia called Encarta.
358
962000
2000
una enciclopèdia anomenada Encarta.
16:16
They had deployed all the right incentives,
359
964000
2000
Van fer servir tots els incentius adients.
16:18
all the right incentives. They paid professionals to
360
966000
3000
Tots els incentius adients. Van pagar a professionals per
16:21
write and edit thousands of articles.
361
969000
2000
escriure i editar milers d'articles.
16:23
Well-compensated managers oversaw the whole thing
362
971000
2000
Gestors ben pagats van dirigir-ho tot plegat
16:25
to make sure it came in on budget and on time.
363
973000
5000
per assegurar-se que tot entrava dins del pressupost i es feia a temps.
16:30
A few years later another encyclopedia got started.
364
978000
2000
Pocs anys després una altra enciclopèdia va començar.
16:32
Different model, right?
365
980000
3000
Un model diferent, d'acord?
16:35
Do it for fun. No one gets paid a cent, or a Euro or a Yen.
366
983000
4000
Fes-ho per diversió. Ningú et pagarà un cèntim, o un euro, o un ien.
16:39
Do it because you like to do it.
367
987000
3000
Fes-ho perquè t'agrada fer-ho.
16:42
Now if you had, just 10 years ago,
368
990000
3000
Si haguèssiu, tot just fa 10 anys,
16:45
if you had gone to an economist, anywhere,
369
993000
2000
si haguèssiu anat a un economista, de qualsevol lloc,
16:47
and said, "Hey, I've got these two different models for creating an encyclopedia.
370
995000
4000
per dir-li, "Ei, tinc aquests dos models diferents per a crear una enciclopèdia.
16:51
If they went head to head, who would win?"
371
999000
3000
Si estèssin confrontats, qui guanyaria?"
16:54
10 years ago you could not have found a single sober economist anywhere
372
1002000
4000
Fa 10 anys no haguèssiu trobat ni un sol economista sobri
16:58
on planet Earth
373
1006000
2000
en tot el planeta Terra,
17:00
who would have predicted the Wikipedia model.
374
1008000
2000
que predigués el model Wikipedia.
17:02
This is the titanic battle between these two approaches.
375
1010000
3000
Aquesta és la batalla titànica entre aquests dos models.
17:05
This is the Ali-Frazier of motivation. Right?
376
1013000
3000
Això és el combat de boxa Ali contra Frazier de la motivació.
17:08
This is the Thrilla' in Manila.
377
1016000
2000
Això és el Thrilla' in Manila (històric darrer combat entre Ali i Frazier)
17:10
Alright? Intrinsic motivators versus extrinsic motivators.
378
1018000
3000
D'acord? Motivadors intrínsecs contra motivadors extrínsecs.
17:13
Autonomy, mastery and purpose,
379
1021000
2000
Autonomia, mestria i propòsit,
17:15
versus carrot and sticks. And who wins?
380
1023000
2000
contra pals i pastanagues. I qui guanya?
17:17
Intrinsic motivation, autonomy, mastery and purpose,
381
1025000
3000
Motivació intrínseca, autonomia, mestria i propòsit,
17:20
in a knockout. Let me wrap up.
382
1028000
4000
per KO. Permeteu-me concloure.
17:24
There is a mismatch between what science knows and what business does.
383
1032000
3000
Hi ha un desajust entre el que la ciència sap i el que les empreses fan.
17:27
And here is what science knows.
384
1035000
2000
I això és el que la ciència sap.
17:29
One: Those 20th century rewards,
385
1037000
2000
Primer: Les recompenses del segle XX,
17:31
those motivators we think are a natural part of business,
386
1039000
3000
aquells motivadors que pensem que formen part natural d'un negoci,
17:34
do work, but only in a surprisingly narrow band of circumstances.
387
1042000
4000
funcionen, però només en unes sorprenents poques circumstàncies.
17:38
Two: Those if-then rewards often destroy creativity.
388
1046000
4000
Segon: Aquestes recompenses "si-llavors" sovint destrueixen la creativitat.
17:42
Three: The secret to high performance
389
1050000
2000
Tercer: El secret d'un alt rendiment
17:44
isn't rewards and punishments,
390
1052000
2000
no consisteix en recompenses i càstigs,
17:46
but that unseen intrinsic drive --
391
1054000
2000
sinó en l'impuls intrínsec que no es veu.
17:48
the drive to do things for their own sake.
392
1056000
3000
L'impuls per fer les coses pel seu propi bé.
17:51
The drive to do things cause they matter.
393
1059000
2000
L'impuls per fer les coses perquè importen.
17:53
And here's the best part. Here's the best part.
394
1061000
2000
I aquí ve la millor part. Aquí ve la millor part.
17:55
We already know this. The science confirms what we know in our hearts.
395
1063000
3000
Ja ho sabem, això. La ciència confirma el que sabem en els nostres cors.
17:58
So, if we repair this mismatch
396
1066000
3000
Així que, si reparem aquest desajust
18:01
between what science knows and what business does,
397
1069000
2000
entre el que la ciència sap i les empreses fan,
18:03
if we bring our motivation, notions of motivation
398
1071000
3000
Si portem la nostra motivació, les nocions de motivació
18:06
into the 21st century,
399
1074000
2000
al segle XXI,
18:08
if we get past this lazy, dangerous, ideology
400
1076000
4000
si superem aquesta ideologia mandrosa, perillosa
18:12
of carrots and sticks,
401
1080000
2000
dels pals i les pastanagues,
18:14
we can strengthen our businesses,
402
1082000
3000
podem enfortir les nostres empreses,
18:17
we can solve a lot of those candle problems,
403
1085000
3000
podem resoldre un munt de problemes de l'espelma,
18:20
and maybe, maybe, maybe
404
1088000
4000
i potser, potser, potser
18:24
we can change the world.
405
1092000
2000
podem canviar el món.
18:26
I rest my case.
406
1094000
2000
Fins aquí el meu cas.
18:28
(Applause)
407
1096000
3000
(Aplaudiments)
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