TED2009
Dan Ariely: Our buggy moral code
Dan Ariely habla sobre nuestro código moral defectuoso
Filmed:
Readability: 3.2
3,509,395 views
El economista de conducta Dan Ariely estudia los defectos en nuestro código moral: las razones escondidas por las que creemos que está bien, en ocasiones, hacer trampa o robar. Estudios ingeniosos sustentan el argumento de que somos predeciblemente irracionales y que somos influenciados de maneras que no alcanzamos a comprender.
Dan Ariely - Behavioral economist
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why. Full bio
The dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why. Full bio
Double-click the English transcript below to play the video.
00:16
I want to talk to you today a little bit
0
1000
2000
Hoy quiero hablarles un poco
00:18
about predictable irrationality.
1
3000
3000
sobre la irracionalidad predecible.
00:21
And my interest in irrational behavior
2
6000
4000
Mi interés en el comportamiento irracional
00:25
started many years ago in the hospital.
3
10000
3000
comenzó hace varios años en el hospital.
00:28
I was burned very badly.
4
13000
4000
Sufrí quemaduras muy graves.
00:32
And if you spend a lot of time in hospital,
5
17000
3000
Y cuando uno pasa tanto tiempo en el hospital
00:35
you'll see a lot of types of irrationalities.
6
20000
3000
uno ve todo tipo de irracionalidades.
00:38
And the one that particularly bothered me in the burn department
7
23000
5000
Una que en particular me molestaba en el departamento de quemaduras
00:43
was the process by which the nurses took the bandage off me.
8
28000
4000
era el proceso por el cual las enfermeras me quitaban las vendas.
00:48
Now, you must have all taken a Band-Aid off at some point,
9
33000
2000
Seguramente alguna vez en la vida se han quitado una curita,
00:50
and you must have wondered what's the right approach.
10
35000
3000
y se habrán preguntado cuál es la forma correcta de hacerlo.
00:53
Do you rip it off quickly -- short duration but high intensity --
11
38000
4000
Quitarla rápido -- corta duración pero alta intensidad --
00:57
or do you take your Band-Aid off slowly --
12
42000
2000
o quitarla lentamente,
00:59
you take a long time, but each second is not as painful --
13
44000
4000
toma más tiempo, pero cada segundo es menos doloroso,
01:03
which one of those is the right approach?
14
48000
3000
¿cuál de las dos es la forma correcta?
01:06
The nurses in my department thought that the right approach
15
51000
4000
Las enfermeras en mi departamento pensaban que la forma correcta
01:10
was the ripping one, so they would grab hold and they would rip,
16
55000
3000
era quitarlas rápido, así que agarraban y retiraban de un jalón,
01:13
and they would grab hold and they would rip.
17
58000
2000
y agarraban y jalaban.
01:15
And because I had 70 percent of my body burned, it would take about an hour.
18
60000
4000
Como tenía el 70 por ciento de mi cuerpo quemado, esto tomaba cerca de una hora.
01:19
And as you can imagine,
19
64000
3000
Como pueden imaginar,
01:22
I hated that moment of ripping with incredible intensity.
20
67000
4000
odiaba el momento del retiro de vendas con increíble intensidad.
01:26
And I would try to reason with them and say,
21
71000
2000
Y trataba de razonar con ellas y les decía,
01:28
"Why don't we try something else?
22
73000
1000
"¿Por qué no intentamos algo diferente?
01:29
Why don't we take it a little longer --
23
74000
2000
¿Por qué no intentamos tomarnos más tiempo,
01:31
maybe two hours instead of an hour -- and have less of this intensity?"
24
76000
5000
quizá dos horas en lugar de una y reducir la intensidad?"
01:36
And the nurses told me two things.
25
81000
2000
Las enfermeras me decían dos cosas.
01:38
They told me that they had the right model of the patient --
26
83000
4000
Me decían que ellas tenían el modelo correcto para el paciente,
01:42
that they knew what was the right thing to do to minimize my pain --
27
87000
3000
que sabían qué era lo mejor para minimizar el dolor
01:45
and they also told me that the word patient doesn't mean
28
90000
3000
y también me decían que la palabra paciente significa
01:48
to make suggestions or to interfere or ...
29
93000
2000
no hacer sugerencias o interferir o...
01:50
This is not just in Hebrew, by the way.
30
95000
3000
no sólo en hebreo, por cierto.
01:53
It's in every language I've had experience with so far.
31
98000
3000
Esto es en todos los idiomas hasta donde lo he experimentado.
01:56
And, you know, there's not much -- there wasn't much I could do,
32
101000
4000
¿Y saben qué? No hay... no había mucho que pudiera hacer,
02:00
and they kept on doing what they were doing.
33
105000
3000
y siguieron haciendo lo mismo.
02:03
And about three years later, when I left the hospital,
34
108000
2000
Tres años después, cuando dejé el hospital,
02:05
I started studying at the university.
35
110000
3000
empecé a estudiar en la universidad.
02:08
And one of the most interesting lessons I learned
36
113000
3000
Y una de las lecciones más interesantes que aprendí
02:11
was that there is an experimental method
37
116000
2000
fue que existía un método experimental
02:13
that if you have a question you can create a replica of this question
38
118000
4000
que si tienes una pregunta puedes crear una réplica a esa pregunta
02:17
in some abstract way, and you can try to examine this question,
39
122000
4000
en una forma abstracta y puedes intentar examinar esta pregunta,
02:21
maybe learn something about the world.
40
126000
2000
y quizás aprender algo del mundo.
02:23
So that's what I did.
41
128000
2000
Eso fue lo que hice.
02:25
I was still interested
42
130000
1000
Todavía me interesaba la pregunta
02:26
in this question of how do you take bandages off burn patients.
43
131000
2000
de cómo retirar las vendas en pacientes con quemaduras.
02:28
So originally I didn't have much money,
44
133000
3000
En un inicio, no tenía mucho dinero,
02:31
so I went to a hardware store and I bought a carpenter's vice.
45
136000
4000
así que fui a la ferretería y compré una prensa de carpintería.
02:35
And I would bring people to the lab and I would put their finger in it,
46
140000
4000
Llevaba gente al laboratorio y ponía su dedo dentro de la pinza
02:39
and I would crunch it a little bit.
47
144000
2000
y se los aplastaba un poquito.
02:41
(Laughter)
48
146000
2000
(Risas)
02:43
And I would crunch it for long periods and short periods,
49
148000
3000
Y lo aplastaba por periodos largos y cortos
02:46
and pain that went up and pain that went down,
50
151000
2000
y el dolor subía y bajaba,
02:48
and with breaks and without breaks -- all kinds of versions of pain.
51
153000
4000
con pausas y sin pausas, todo tipo de versiones de dolor.
02:52
And when I finished hurting people a little bit, I would ask them,
52
157000
2000
Y cuando terminaba de lastimar un poquito a la gente, les preguntaba,
02:54
so, how painful was this? Or, how painful was this?
53
159000
2000
¿qué tan doloroso fue? ¿cómo te dolió?
02:56
Or, if you had to choose between the last two,
54
161000
2000
O si tenían que elegir entre los dos últimos,
02:58
which one would you choose?
55
163000
2000
¿cuál escogerían?
03:00
(Laughter)
56
165000
3000
(Risas)
03:03
I kept on doing this for a while.
57
168000
3000
Y seguí haciendo esto por un buen rato.
03:06
(Laughter)
58
171000
2000
(Risas)
03:08
And then, like all good academic projects, I got more funding.
59
173000
4000
Y entonces, como todos los buenos proyectos académicos, obtuve más fondos.
03:12
I moved to sounds, electrical shocks --
60
177000
2000
Entonces pasé a choques eléctricos, sonido,
03:14
I even had a pain suit that I could get people to feel much more pain.
61
179000
5000
incluso tuve un traje de dolor con el que podía provocar mucho dolor en la gente.
03:19
But at the end of this process,
62
184000
4000
Y al final del proceso,
03:23
what I learned was that the nurses were wrong.
63
188000
3000
lo que aprendí fue que las enfermeras estaban equivocadas.
03:26
Here were wonderful people with good intentions
64
191000
3000
Aquí tenemos gente linda con buenas intenciones
03:29
and plenty of experience, and nevertheless
65
194000
2000
y mucha experiencia, que sin embargo,
03:31
they were getting things wrong predictably all the time.
66
196000
4000
predeciblemente hacen mal las cosas todo el tiempo.
03:35
It turns out that because we don't encode duration
67
200000
3000
Resulta que como no valoramos la duración
03:38
in the way that we encode intensity,
68
203000
2000
en la forma en que valoramos la intensidad,
03:40
I would have had less pain if the duration would have been longer
69
205000
4000
yo hubiera tenido menos dolor si la duración hubiese sido más larga
03:44
and the intensity was lower.
70
209000
2000
y la intensidad más baja.
03:46
It turns out it would have been better to start with my face,
71
211000
3000
Resulta que si hubieran empezado mejor por mi cara,
03:49
which was much more painful, and move toward my legs,
72
214000
2000
donde era más doloroso y luego seguían hacia mis piernas,
03:51
giving me a trend of improvement over time --
73
216000
3000
dándome una sensación de mejora al paso del tiempo,
03:54
that would have been also less painful.
74
219000
1000
yo habría tenido menos dolor.
03:55
And it also turns out that it would have been good
75
220000
2000
Además resulta que hubiese sido bueno darme
03:57
to give me breaks in the middle to kind of recuperate from the pain.
76
222000
2000
descansos en el proceso como para irme recuperando del dolor.
03:59
All of these would have been great things to do,
77
224000
2000
Hacer todas estas cosas hubiera sido maravilloso,
04:01
and my nurses had no idea.
78
226000
3000
y mis enfermeras no tenían ni idea.
04:04
And from that point on I started thinking,
79
229000
1000
Y desde este punto empecé a pensar,
04:05
are the nurses the only people in the world who get things wrong
80
230000
3000
¿acaso las enfermeras son las únicas personas en el mundo que se
04:08
in this particular decision, or is it a more general case?
81
233000
3000
equivocan en esta decisión en particular o es algo más generalizado?
04:11
And it turns out it's a more general case --
82
236000
2000
Y resulta que es más generalizado,
04:13
there's a lot of mistakes we do.
83
238000
3000
cometemos muchos errores.
04:16
And I want to give you one example of one of these irrationalities,
84
241000
5000
Quiero darles un ejemplo de una de estas irracionalidades,
04:21
and I want to talk to you about cheating.
85
246000
3000
y voy a hablar sobre hacer trampa.
04:24
And the reason I picked cheating is because it's interesting,
86
249000
2000
La razón por la escogí hacer trampa es porque resulta interesante.
04:26
but also it tells us something, I think,
87
251000
2000
además también nos dice algo, creo,
04:28
about the stock market situation we're in.
88
253000
3000
acerca de la situación de la bolsa de valores en la que estamos.
04:31
So, my interest in cheating started
89
256000
3000
Mi interés en hacer trampa empezó
04:34
when Enron came on the scene, exploded all of a sudden,
90
259000
2000
cuando Enron entró a escena, de repente todo explotó,
04:36
and I started thinking about what is happening here.
91
261000
3000
y me puse a pensar sobre lo que lo que estaba ocurriendo aquí.
04:39
Is it the case that there was kind of
92
264000
1000
¿Era un caso en el que había cierto tipo
04:40
a few apples who are capable of doing these things,
93
265000
3000
de manzanas malas capaces de hacer estas cosas,
04:43
or are we talking a more endemic situation,
94
268000
2000
o estamos hablando de una situación endémica,
04:45
that many people are actually capable of behaving this way?
95
270000
4000
en la que mucha gente es capaz en efecto de comportarse así?
04:49
So, like we usually do, I decided to do a simple experiment.
96
274000
4000
Entonces, como solemos hacer, decidí hacer un simple experimento.
04:53
And here's how it went.
97
278000
1000
Y transcurrió de la siguiente manera.
04:54
If you were in the experiment, I would pass you a sheet of paper
98
279000
3000
Si estuvieran en el experimento, yo les pasaba una hoja de papel
04:57
with 20 simple math problems that everybody could solve,
99
282000
4000
con 20 problemas sencillos de matemáticas que cualquiera podría resolver,
05:01
but I wouldn't give you enough time.
100
286000
2000
pero no les daría tiempo suficiente.
05:03
When the five minutes were over, I would say,
101
288000
2000
Pasados 5 minutos, les diría,
05:05
"Pass me the sheets of paper, and I'll pay you a dollar per question."
102
290000
3000
"Denme sus hojas y les voy a pagar un dólar por cada respuesta."
05:08
People did this. I would pay people four dollars for their task --
103
293000
4000
La gente lo hacía y les pagaba cuatro dólares por el trabajo,
05:12
on average people would solve four problems.
104
297000
2000
en promedio la gente resolvía cuatro problemas.
05:14
Other people I would tempt to cheat.
105
299000
3000
A otras personas las tentaba a hacer trampa.
05:17
I would pass their sheet of paper.
106
302000
1000
Les pasaría una hoja de papel.
05:18
When the five minutes were over, I would say,
107
303000
2000
Pasados los cinco minutos, les diría,
05:20
"Please shred the piece of paper.
108
305000
1000
"Por favor rompan sus hojas y pongan
05:21
Put the little pieces in your pocket or in your backpack,
109
306000
3000
los pedazos en su bolsillo o en su mochila,
05:24
and tell me how many questions you got correctly."
110
309000
3000
y díganme cuántas preguntas contestaron correctamente."
05:27
People now solved seven questions on average.
111
312000
3000
En promedio la gente resolvía siete preguntas.
05:30
Now, it wasn't as if there was a few bad apples --
112
315000
5000
Ahora bien, no eran unas pocas manzanas malas,
05:35
a few people cheated a lot.
113
320000
3000
unas cuantas personas haciendo mucha trampa.
05:38
Instead, what we saw is a lot of people who cheat a little bit.
114
323000
3000
Más bien, lo que vimos es mucha gente haciendo un poco de trampa.
05:41
Now, in economic theory,
115
326000
3000
En la teoría económica,
05:44
cheating is a very simple cost-benefit analysis.
116
329000
3000
hacer trampa es un simple análisis de costo-beneficio.
05:47
You say, what's the probability of being caught?
117
332000
2000
Dices ¿cuál es la probabilidad de ser atrapado?
05:49
How much do I stand to gain from cheating?
118
334000
3000
¿Cuánto puedo ganar haciendo trampa?
05:52
And how much punishment would I get if I get caught?
119
337000
2000
¿Y cuánto salgo penalizado si me atrapan?
05:54
And you weigh these options out --
120
339000
2000
Y entonces ponderas estas opciones,
05:56
you do the simple cost-benefit analysis,
121
341000
2000
y haces un simple análisis de costo-beneficio,
05:58
and you decide whether it's worthwhile to commit the crime or not.
122
343000
3000
y decides si vale la pena cometer el crimen o no.
06:01
So, we try to test this.
123
346000
2000
Entonces intentamos probar esto.
06:03
For some people, we varied how much money they could get away with --
124
348000
4000
Para algunas personas, variamos el monto de dinero que podían hurtar,
06:07
how much money they could steal.
125
352000
1000
cuánto dinero podían robar.
06:08
We paid them 10 cents per correct question, 50 cents,
126
353000
3000
Les pagamos 10 centavos por respuesta correcta, 50 centavos,
06:11
a dollar, five dollars, 10 dollars per correct question.
127
356000
3000
un dólar, cinco dólares, 10 dólares por respuesta correcta.
06:14
You would expect that as the amount of money on the table increases,
128
359000
4000
Ustedes esperarían que conforme había más dinero en la mesa,
06:18
people would cheat more, but in fact it wasn't the case.
129
363000
3000
la gente robaría más, pero de hecho no fue el caso.
06:21
We got a lot of people cheating by stealing by a little bit.
130
366000
3000
Tuvimos mucha gente haciendo trampa que robaba un poco.
06:24
What about the probability of being caught?
131
369000
3000
¿Qué hay de la probabilidad de ser atrapado?
06:27
Some people shredded half the sheet of paper,
132
372000
2000
Algunas personas rompían la mitad del papel,
06:29
so there was some evidence left.
133
374000
1000
así que dejaban cierta evidencia.
06:30
Some people shredded the whole sheet of paper.
134
375000
2000
Algunas personas rompían la hoja de papel por completo.
06:32
Some people shredded everything, went out of the room,
135
377000
3000
Algunas personas rompían todo, salían del cuarto,
06:35
and paid themselves from the bowl of money that had over 100 dollars.
136
380000
3000
y se pagan a sí mismas del jarrón de dinero que tenía más de 100 dólares.
06:38
You would expect that as the probability of being caught goes down,
137
383000
3000
Se esperaría que conforme la probabilidad de ser atrapado se reduce,
06:41
people would cheat more, but again, this was not the case.
138
386000
3000
la gente roba más, pero otra vez, no fue el caso.
06:44
Again, a lot of people cheated by just by a little bit,
139
389000
3000
Una vez más, mucha gente robó sólo un poco,
06:47
and they were insensitive to these economic incentives.
140
392000
3000
y fueron insensibles a estos incentivos económicos.
06:50
So we said, "If people are not sensitive
141
395000
1000
Nos dijimos: "Si la gente no es sensible a
06:51
to the economic rational theory explanations, to these forces,
142
396000
5000
las explicaciones teóricas racionales económicas, a estas fuerzas,
06:56
what could be going on?"
143
401000
3000
entonces qué podría estar pasando?"
06:59
And we thought maybe what is happening is that there are two forces.
144
404000
3000
Pensamos que quizá lo que ocurre es que existen dos fuerzas.
07:02
At one hand, we all want to look at ourselves in the mirror
145
407000
2000
Por un lado, todos queremos poder mirarnos en el espejo y
07:04
and feel good about ourselves, so we don't want to cheat.
146
409000
3000
sentirnos bien con nosotros mismos, por eso no queremos hacer trampa.
07:07
On the other hand, we can cheat a little bit,
147
412000
2000
Por otro lado, podemos hacer un poco de trampa,
07:09
and still feel good about ourselves.
148
414000
2000
y sentirnos bien con nosotros mismos.
07:11
So, maybe what is happening is that
149
416000
1000
Entonces quizá lo que ocurre es que
07:12
there's a level of cheating we can't go over,
150
417000
2000
existe un nivel de estafa que no podemos pasar,
07:14
but we can still benefit from cheating at a low degree,
151
419000
4000
pero sí nos podemos beneficiar de hacer un poco de trampa,
07:18
as long as it doesn't change our impressions about ourselves.
152
423000
3000
siempre que no cambie la impresión que tenemos de nosotros mismos.
07:21
We call this like a personal fudge factor.
153
426000
3000
A eso lo llamamos el factor de elusión personal.
07:25
Now, how would you test a personal fudge factor?
154
430000
4000
Ahora bien ¿cómo probarías un factor de elusión personal?
07:29
Initially we said, what can we do to shrink the fudge factor?
155
434000
4000
En un inicio nos dijimos ¿qué podemos hacer para reducir el factor de elusión?
07:33
So, we got people to the lab, and we said,
156
438000
2000
Entonces llevamos gente al laboratorio y les dijimos,
07:35
"We have two tasks for you today."
157
440000
2000
"Hoy tenemos dos tareas para ustedes."
07:37
First, we asked half the people
158
442000
1000
Primero, pedimos a la mitad de la gente
07:38
to recall either 10 books they read in high school,
159
443000
2000
que recordara o bien 10 libros que hubiera leído en la preparatoria
07:40
or to recall The Ten Commandments,
160
445000
3000
o que recordara los Diez Mandamientos,
07:43
and then we tempted them with cheating.
161
448000
2000
y luego los tentamos a que hicieran trampa.
07:45
Turns out the people who tried to recall The Ten Commandments --
162
450000
3000
Resultó que la gente que trató de recordar Los Diez Mandamientos
07:48
and in our sample nobody could recall all of The Ten Commandments --
163
453000
2000
y en nuestra muestra, nadie pudo recordar todos Los Diez Mandamientos,
07:51
but those people who tried to recall The Ten Commandments,
164
456000
4000
pero aquellos que intentaron hacerlo
07:55
given the opportunity to cheat, did not cheat at all.
165
460000
3000
que tuvieron la oportunidad de hacer trampa, no lo hicieron.
07:58
It wasn't that the more religious people --
166
463000
2000
No fue que la gente más religiosa --
08:00
the people who remembered more of the Commandments -- cheated less,
167
465000
1000
-- la gente que recordó más los Mandamientos -- hiciera menos trampa,
08:01
and the less religious people --
168
466000
2000
y los menos religiossos --
08:03
the people who couldn't remember almost any Commandments --
169
468000
1000
-- la gente que no pudo recordar casi ningún Mandamiento --
08:04
cheated more.
170
469000
2000
hiciera más trampa.
08:06
The moment people thought about trying to recall The Ten Commandments,
171
471000
4000
En el momento en que la gente pensó intentar recordar Los Diez Mandamientos,
08:10
they stopped cheating.
172
475000
1000
dejó de hacer trampa.
08:11
In fact, even when we gave self-declared atheists
173
476000
2000
De hecho, incluso cuando le dimos a ateos declarados
08:13
the task of swearing on the Bible and we give them a chance to cheat,
174
478000
4000
la tarea de jurar en la Biblia y les dimos la oportunidad de hacer trampa,
08:17
they don't cheat at all.
175
482000
2000
no lo hicieron en absoluto.
08:21
Now, Ten Commandments is something that is hard
176
486000
2000
Ahora bien, los Diez Mandamientos es algo difícil de
08:23
to bring into the education system, so we said,
177
488000
2000
introducir en el sistema educativo, entonces dijimos,
08:25
"Why don't we get people to sign the honor code?"
178
490000
2000
"¿Por qué no hacemos que la gente firme un código de honor?"
08:27
So, we got people to sign,
179
492000
2000
Así que hicimos que la gente lo firmara,
08:29
"I understand that this short survey falls under the MIT Honor Code."
180
494000
4000
"Acepto que esta breve encuesta se rige bajo el Código de Honor del MIT."
08:33
Then they shredded it. No cheating whatsoever.
181
498000
3000
Luego lo rompíamos. Nada de hacer trampa.
08:36
And this is particularly interesting,
182
501000
1000
Esto es particularmente interesante,
08:37
because MIT doesn't have an honor code.
183
502000
2000
porque el MIT no tiene un código de honor.
08:39
(Laughter)
184
504000
5000
(Risas)
08:44
So, all this was about decreasing the fudge factor.
185
509000
4000
Así que todo esto fue para disminuir el factor de elusión.
08:48
What about increasing the fudge factor?
186
513000
3000
¿Qué hay sobre aumentar el factor de elusión?
08:51
The first experiment -- I walked around MIT
187
516000
2000
En el primer experimento, caminé alrededor del MIT
08:53
and I distributed six-packs of Cokes in the refrigerators --
188
518000
3000
y distribuí paquetes de seis de Cocas en los refrigeradores,
08:56
these were common refrigerators for the undergrads.
189
521000
2000
eran refrigeradores comunes para los universitarios.
08:58
And I came back to measure what we technically call
190
523000
3000
Y luego regresé para medir lo que técnicamente llamamos
09:01
the half-lifetime of Coke -- how long does it last in the refrigerators?
191
526000
4000
la vida promedio de una Coca ¿cuánto dura en el refrigerador?
09:05
As you can expect it doesn't last very long; people take it.
192
530000
3000
Como es de esperarse no es muy larga. La gente se las lleva.
09:08
In contrast, I took a plate with six one-dollar bills,
193
533000
4000
En contraste, puse un plato con seis billetes de un dólar,
09:12
and I left those plates in the same refrigerators.
194
537000
3000
y dejé esos platos en los mismos refrigeradores.
09:15
No bill ever disappeared.
195
540000
1000
Ni un billete desapareció.
09:16
Now, this is not a good social science experiment,
196
541000
3000
Ahora, este no es un buen experimento de ciencias sociales,
09:19
so to do it better I did the same experiment
197
544000
3000
así que para mejorarlo hice el mismo experimento
09:22
as I described to you before.
198
547000
2000
como se los describí anteriormente.
09:24
A third of the people we passed the sheet, they gave it back to us.
199
549000
3000
Un tercio de la gente a la que le pasamos una hoja, nos la regresó.
09:27
A third of the people we passed it to, they shredded it,
200
552000
3000
Un tercio de la gente a la que le pasamos la hoja, la rompió,
09:30
they came to us and said,
201
555000
1000
volvían con nosotros y decían:
09:31
"Mr. Experimenter, I solved X problems. Give me X dollars."
202
556000
3000
"Sr. Experimentador, resolví X problemas, déme X dólares."
09:34
A third of the people, when they finished shredding the piece of paper,
203
559000
3000
A una tercera parte de la gente, cuando terminaban de romper la hoja,
09:37
they came to us and said,
204
562000
2000
volvían con nosotros y decían:
09:39
"Mr Experimenter, I solved X problems. Give me X tokens."
205
564000
6000
"Sr. Experimentador, resolví X problemas, déme X vales."
09:45
We did not pay them with dollars; we paid them with something else.
206
570000
3000
No les pagamos con dólares, les pagamos con otra cosa.
09:48
And then they took the something else, they walked 12 feet to the side,
207
573000
3000
Y tomaban esta otra cosa, caminaban 3 metros hacia un lado
09:51
and exchanged it for dollars.
208
576000
2000
y la intercambiaban por dólares.
09:53
Think about the following intuition.
209
578000
2000
Piensen acerca de la siguiente intuición.
09:55
How bad would you feel about taking a pencil from work home,
210
580000
3000
¿Qué tan mal te parecería llevar un lápiz del trabajo a casa,
09:58
compared to how bad would you feel
211
583000
2000
comparado con qué tan mal te parecería
10:00
about taking 10 cents from a petty cash box?
212
585000
2000
tomar 10 centavos de la caja de monedas?
10:02
These things feel very differently.
213
587000
3000
Estas cosas se sienten diferentes.
10:05
Would being a step removed from cash for a few seconds
214
590000
3000
¿Acaso estar separado del dinero por unos segundos
10:08
by being paid by token make a difference?
215
593000
3000
al pagar con un vale haría diferencia?
10:11
Our subjects doubled their cheating.
216
596000
2000
Nuestros sujetos hicieron trampa al doble.
10:13
I'll tell you what I think
217
598000
2000
Les diré lo que pienso
10:15
about this and the stock market in a minute.
218
600000
2000
acerca de esto y la bolsa de valores en un minuto.
10:18
But this did not solve the big problem I had with Enron yet,
219
603000
4000
Sin embargo esto no resolvió el gran problema que todavía tenía con Enron,
10:22
because in Enron, there's also a social element.
220
607000
3000
porque en Enron, había también un elemento social.
10:25
People see each other behaving.
221
610000
1000
La gente observa el comportamiento de los otros.
10:26
In fact, every day when we open the news
222
611000
2000
De hecho, todos los días cuando vemos las noticias
10:28
we see examples of people cheating.
223
613000
2000
vemos ejemplos de gente haciendo trampa.
10:30
What does this cause us?
224
615000
3000
¿Qué nos ocasiona esto?
10:33
So, we did another experiment.
225
618000
1000
Así que hicimos otro experimento.
10:34
We got a big group of students to be in the experiment,
226
619000
3000
Conseguimos un grupo grande de estudiantes,
10:37
and we prepaid them.
227
622000
1000
y les pagamos por adelantado.
10:38
So everybody got an envelope with all the money for the experiment,
228
623000
3000
Así que todos tenían un sobre con todo el dinero para el experimento,
10:41
and we told them that at the end, we asked them
229
626000
2000
y les dijimos que al final, les pediríamos
10:43
to pay us back the money they didn't make. OK?
230
628000
4000
que devolvieran el dinero que no habían ganado ¿de acuerdo?
10:47
The same thing happens.
231
632000
1000
Ocurrió lo mismo.
10:48
When we give people the opportunity to cheat, they cheat.
232
633000
2000
Cuando le damos a la gente la oportunidad de hacer trampa, hacen trampa.
10:50
They cheat just by a little bit, all the same.
233
635000
3000
Robaban sólo un poco, pero todos robaban.
10:53
But in this experiment we also hired an acting student.
234
638000
3000
En este experimento contratamos a un estudiante de actuación.
10:56
This acting student stood up after 30 seconds, and said,
235
641000
4000
El actor se levantaba a los 30 segundos y decía,
11:00
"I solved everything. What do I do now?"
236
645000
3000
"Lo resolví todo ¿qué hago ahora?"
11:03
And the experimenter said, "If you've finished everything, go home.
237
648000
4000
El experimentador decía: "Si ya terminaste, te puedes ir."
11:07
That's it. The task is finished."
238
652000
1000
Eso es todo. La tarea está completa.
11:08
So, now we had a student -- an acting student --
239
653000
4000
Entonces ahora teníamos un estudiante -- un actor --
11:12
that was a part of the group.
240
657000
2000
que era parte del grupo.
11:14
Nobody knew it was an actor.
241
659000
2000
Nadie sabía que era un actor.
11:16
And they clearly cheated in a very, very serious way.
242
661000
4000
E hicieron trampa de manera muy, muy seria.
11:20
What would happen to the other people in the group?
243
665000
3000
¿Qué le pasaba a la otra gente del grupo?
11:23
Will they cheat more, or will they cheat less?
244
668000
3000
¿Hacían más o menos trampa?
11:26
Here is what happens.
245
671000
2000
Esto es lo que pasa.
11:28
It turns out it depends on what kind of sweatshirt they're wearing.
246
673000
4000
Resulta que depende del tipo de sudadera que estén vistiendo.
11:32
Here is the thing.
247
677000
2000
Esta es la cosa.
11:34
We ran this at Carnegie Mellon and Pittsburgh.
248
679000
3000
Hicimos el experimento en el Carnegie Mellon y Pittsburgh.
11:37
And at Pittsburgh there are two big universities,
249
682000
2000
En Pittsburgh hay dos grandes universidades.
11:39
Carnegie Mellon and University of Pittsburgh.
250
684000
3000
Carnegie Mellon y la Universidad de Pittsburgh.
11:42
All of the subjects sitting in the experiment
251
687000
2000
Todos los sujetos que participaron en el experimento
11:44
were Carnegie Mellon students.
252
689000
2000
eran estudiantes del Carnegie Mellon.
11:46
When the actor who was getting up was a Carnegie Mellon student --
253
691000
4000
Cuando el actor que se levantaba era un estudiante del Carnegie Mellon
11:50
he was actually a Carnegie Mellon student --
254
695000
2000
-- y el estudiante actor era en efecto del Carnegie Mellon --
11:52
but he was a part of their group, cheating went up.
255
697000
4000
pero era parte del grupo, hacían más trampa.
11:56
But when he actually had a University of Pittsburgh sweatshirt,
256
701000
4000
Pero cuando el actor vestía una camiseta de la Universidad de Pittsburg,
12:00
cheating went down.
257
705000
2000
hacían menos trampa.
12:02
(Laughter)
258
707000
3000
(Risas)
12:05
Now, this is important, because remember,
259
710000
3000
Ahora, es importante recordar,
12:08
when the moment the student stood up,
260
713000
2000
que en el momento cuando el estudiante se levantaba,
12:10
it made it clear to everybody that they could get away with cheating,
261
715000
3000
quedaba en claro que podían salirse con la suya haciendo trampa
12:13
because the experimenter said,
262
718000
2000
porque el experimentador decía,
12:15
"You've finished everything. Go home," and they went with the money.
263
720000
2000
"Ya terminaste. Te puedes ir," y se iban con el dinero.
12:17
So it wasn't so much about the probability of being caught again.
264
722000
3000
Así que no se trataba tanto de la probabilidad de ser atrapado otra vez,
12:20
It was about the norms for cheating.
265
725000
3000
sino de las normas para hacer trampa.
12:23
If somebody from our in-group cheats and we see them cheating,
266
728000
3000
Si alguien de nuestro grupo hace trampa y lo vemos hacerlo,
12:26
we feel it's more appropriate, as a group, to behave this way.
267
731000
4000
sentimos que es más apropiado, como grupo, comportarnos de esa manera.
12:30
But if it's somebody from another group, these terrible people --
268
735000
2000
Pero si alguien de otro grupo, esta gente mala
12:32
I mean, not terrible in this --
269
737000
2000
-- quiero decir, no mala en esto --
12:34
but somebody we don't want to associate ourselves with,
270
739000
2000
sino alguien con quien no queremos ser asociados,
12:36
from another university, another group,
271
741000
2000
de otra universidad, de otro grupo,
12:38
all of a sudden people's awareness of honesty goes up --
272
743000
3000
repentinamente la conciencia de honestidad de la gente se va para arriba
12:41
a little bit like The Ten Commandments experiment --
273
746000
2000
-- un poco como con el experimento de Los Diez Mandamientos --
12:43
and people cheat even less.
274
748000
4000
y la gente hace menos trampa.
12:47
So, what have we learned from this about cheating?
275
752000
4000
Entonces ¿qué hemos aprendido de esto sobre hacer trampa?
12:51
We've learned that a lot of people can cheat.
276
756000
3000
Hemos aprendido que mucha gente puede hacer trampa.
12:54
They cheat just by a little bit.
277
759000
3000
Que sólo hacen un poco de trampa.
12:57
When we remind people about their morality, they cheat less.
278
762000
4000
Cuando le recordamos a la gente sobre su moralidad, hacen menos trampa.
13:01
When we get bigger distance from cheating,
279
766000
3000
Cuando la distancia de hacer trampa al objeto del dinero
13:04
from the object of money, for example, people cheat more.
280
769000
4000
es larga, por ejemplo, la gente hace más trampa.
13:08
And when we see cheating around us,
281
773000
2000
Y cuando vemos que a nuestro alrededor hacen trampa,
13:10
particularly if it's a part of our in-group, cheating goes up.
282
775000
4000
en particular si es gente parte de nuestro grupo, hacemos más trampa.
13:14
Now, if we think about this in terms of the stock market,
283
779000
3000
Ahora, si pensamos esto en términos de la bolsa de valores,
13:17
think about what happens.
284
782000
1000
piensen en lo que pasa.
13:18
What happens in a situation when you create something
285
783000
3000
¿Qué ocurre en una situación en donde creas algo
13:21
where you pay people a lot of money
286
786000
2000
que le paga mucho dinero a la gente
13:23
to see reality in a slightly distorted way?
287
788000
3000
para que vea la realidad de manera ligeramente distorsionada?
13:26
Would they not be able to see it this way?
288
791000
3000
¿Podrían no verlo de esta manera?
13:29
Of course they would.
289
794000
1000
Por supuesto que lo verían.
13:30
What happens when you do other things,
290
795000
1000
¿Qué pasa cuando haces otras cosas,
13:31
like you remove things from money?
291
796000
2000
como retirar cosas del dinero?
13:33
You call them stock, or stock options, derivatives,
292
798000
3000
Llámenle acciones, opciones de acción, derivados,
13:36
mortgage-backed securities.
293
801000
1000
préstamos garantizados.
13:37
Could it be that with those more distant things,
294
802000
3000
¿Podría ser que estas cosas más distantes,
13:40
it's not a token for one second,
295
805000
2000
no es un vale por un segundo,
13:42
it's something that is many steps removed from money
296
807000
2000
es algo que está varios pasos alejados del dinero
13:44
for a much longer time -- could it be that people will cheat even more?
297
809000
4000
por un largo tiempo, podría ser que la gente haga más trampa todavía?
13:48
And what happens to the social environment
298
813000
2000
¿Qué pasa en el ambiente social
13:50
when people see other people behave around them?
299
815000
3000
cuando la gente ve el comportamiento de la gente a su alrededor?
13:53
I think all of those forces worked in a very bad way
300
818000
4000
Yo pienso que todas estas fuerzas funcionan de una forma negativa
13:57
in the stock market.
301
822000
2000
en la bolsa de valores.
13:59
More generally, I want to tell you something
302
824000
3000
Más en general, quiero decirles algo
14:02
about behavioral economics.
303
827000
3000
sobre la economía conductista.
14:05
We have many intuitions in our life,
304
830000
4000
Tenemos muchas intuiciones en nuestra vida,
14:09
and the point is that many of these intuitions are wrong.
305
834000
3000
y el punto es que muchas de estas intuiciones están equivocadas.
14:12
The question is, are we going to test those intuitions?
306
837000
3000
La pregunta es ¿vamos a probar estas intuiciones?
14:15
We can think about how we're going to test this intuition
307
840000
2000
Podemos pensar en cómo vamos a probar esta intuición
14:17
in our private life, in our business life,
308
842000
2000
en nuestra vida privada, en nuestra vida de negocios
14:19
and most particularly when it goes to policy,
309
844000
3000
y más particularmente cuando se trata de políticas.
14:22
when we think about things like No Child Left Behind,
310
847000
3000
cuando pensamos sobre cosas como Ningún Niño Abandonado,
14:25
when you create new stock markets, when you create other policies --
311
850000
3000
cuando creamos nuevas bolsas de valores, cuando creamos otras políticas
14:28
taxation, health care and so on.
312
853000
3000
fiscales, de salud y así sucesivamente.
14:31
And the difficulty of testing our intuition
313
856000
2000
La dificultad de poner a prueba nuestra intuición
14:33
was the big lesson I learned
314
858000
2000
fue la gran lección que aprendí
14:35
when I went back to the nurses to talk to them.
315
860000
2000
cuando regresé con las enfermeras a hablar con ellas.
14:37
So I went back to talk to them
316
862000
2000
Así que volví para hablar con ellas
14:39
and tell them what I found out about removing bandages.
317
864000
3000
y contarles lo que había encontrado sobre quitar vendas.
14:42
And I learned two interesting things.
318
867000
2000
Y aprendí dos cosas interesantes.
14:44
One was that my favorite nurse, Ettie,
319
869000
2000
Una que mi enfermera favorita, Ettie,
14:46
told me that I did not take her pain into consideration.
320
871000
4000
me dijo que no tomé en cuenta su dolor.
14:50
She said, "Of course, you know, it was very painful for you.
321
875000
2000
Me dijo: "Por supuesto que sabía que era doloroso para ti,
14:52
But think about me as a nurse,
322
877000
2000
pero piensa en mí como enfermera,
14:54
taking, removing the bandages of somebody I liked,
323
879000
2000
agarrar, quitar las vendas de alguien que me gustaba,
14:56
and had to do it repeatedly over a long period of time.
324
881000
3000
y tenía que hacerlo repetidas veces por una larga temporada;
14:59
Creating so much torture was not something that was good for me, too."
325
884000
3000
provocar tanta tortura no era tampoco bueno para mí."
15:02
And she said maybe part of the reason was it was difficult for her.
326
887000
5000
Y dijo que quizá esa era parte de la razón por la que era difícil para ella.
15:07
But it was actually more interesting than that, because she said,
327
892000
3000
Aunque la realidad fue más interesante que eso, porque me dijo,
15:10
"I did not think that your intuition was right.
328
895000
5000
"No creí que tu intuición fuera correcta,
15:15
I felt my intuition was correct."
329
900000
1000
sentí que mi intuición era la correcta."
15:16
So, if you think about all of your intuitions,
330
901000
2000
Entonces si pensamos sobre todas nuestras intuiciones,
15:18
it's very hard to believe that your intuition is wrong.
331
903000
4000
es muy difícil creer que nuestra intuición esté equivocada.
15:22
And she said, "Given the fact that I thought my intuition was right ..." --
332
907000
3000
Y agregó, ya que yo pensaba que mi intuición era la correcta --
15:25
she thought her intuition was right --
333
910000
2000
ella pensaba que su intuición era la correcta --
15:27
it was very difficult for her to accept doing a difficult experiment
334
912000
5000
era muy difícil que aceptara hacer un experimento difícil
15:32
to try and check whether she was wrong.
335
917000
2000
para comprobar si estaba equivocada.
15:34
But in fact, this is the situation we're all in all the time.
336
919000
4000
Pero de hecho, esta es la situación en la que estamos todo el tiempo.
15:38
We have very strong intuitions about all kinds of things --
337
923000
3000
Tenemos fuertes intuiciones sobre todo tipo de cosas,
15:41
our own ability, how the economy works,
338
926000
3000
sobre nuestra propia habilidad, cómo funciona la economía,
15:44
how we should pay school teachers.
339
929000
2000
cómo debemos pagar a los maestros de escuela.
15:46
But unless we start testing those intuitions,
340
931000
3000
Pero a menos que empecemos a probar estas intuiciones.
15:49
we're not going to do better.
341
934000
2000
no vamos a mejorar.
15:51
And just think about how better my life would have been
342
936000
2000
Sólo piensen cuán mejor habría sido my vida
15:53
if these nurses would have been willing to check their intuition,
343
938000
2000
si estas enfermeras hubiesen estado dispuestas a comprobar su intuición,
15:55
and how everything would have been better
344
940000
1000
y cómo todo habría sido mejor
15:56
if we just start doing more systematic experimentation of our intuitions.
345
941000
5000
si sólo empezamos a hacer una experimentación más sistematizada de nuestras intuiciones.
16:01
Thank you very much.
346
946000
2000
Muchas gracias.
ABOUT THE SPEAKER
Dan Ariely - Behavioral economistThe dismal science of economics is not as firmly grounded in actual behavior as was once supposed. In "Predictably Irrational," Dan Ariely told us why.
Why you should listen
Dan Ariely is a professor of psychology and behavioral economics at Duke University and a founding member of the Center for Advanced Hindsight. He is the author of the bestsellers Predictably Irrational, The Upside of Irrationality, and The Honest Truth About Dishonesty -- as well as the TED Book Payoff: The Hidden Logic that Shapes Our Motivations.
Through his research and his (often amusing and unorthodox) experiments, he questions the forces that influence human behavior and the irrational ways in which we often all behave.
Dan Ariely | Speaker | TED.com