TED@Cannes
Clay Shirky: How cognitive surplus will change the world
Clay Shirky: Cómo el excedente cognitivo cambiará el mundo
Filmed:
Readability: 4.5
1,065,787 views
Clay Shirky mira el "excedente cognitivo", el trabajo compartido, en línea, que hacemos con nuestros ciclos cerebrales libres. Mientras estamos ocupados editando Wikipedia, posteando en Ushahidi (y, sí, haciendo LOLcats), estamos construyendo un mundo mejor, más cooperativo.
Clay Shirky - Social Media Theorist
Clay Shirky argues that the history of the modern world could be rendered as the history of ways of arguing, where changes in media change what sort of arguments are possible -- with deep social and political implications. Full bio
Clay Shirky argues that the history of the modern world could be rendered as the history of ways of arguing, where changes in media change what sort of arguments are possible -- with deep social and political implications. Full bio
Double-click the English transcript below to play the video.
00:16
The story starts in Kenya
0
1000
2000
La historia comienza en Kenia
00:18
in December of 2007,
1
3000
2000
en diciembre de 2007,
00:20
when there was a disputed presidential election,
2
5000
2000
cuando hubo una elección presidencial reñida.
00:22
and in the immediate aftermath of that election,
3
7000
3000
E inmediatamente después de esa elección,
00:25
there was an outbreak of ethnic violence.
4
10000
2000
se produjo una oleada de violencia étnica.
00:27
And there was a lawyer in Nairobi, Ory Okolloh --
5
12000
3000
Y había una abogada de Nairobi, Ory Okolloh,
00:30
who some of you may know from her TEDTalk --
6
15000
2000
a quien quizá algunos conozcan por tu charla TED,
00:32
who began blogging about it on her site,
7
17000
2000
ella comenzó a publicar al respecto en su blog,
00:34
Kenyan Pundit.
8
19000
2000
Kenyan Pundit (Keniatas Expertos)
00:36
And shortly after the election and the outbreak of violence,
9
21000
3000
Y poco después de las elecciones y de la oleada de violencia,
00:39
the government suddenly imposed
10
24000
2000
el gobierno impuso de repente
00:41
a significant media blackout.
11
26000
2000
una importante censura de medios.
00:43
And so weblogs went from being
12
28000
2000
Y así los blogs pasaron de ser solamente
00:45
commentary as part of the media landscape
13
30000
2000
comentarios que eran parte del paisaje mediático
00:47
to being a critical part of the media landscape
14
32000
3000
a ser una parte fundamental del paisaje mediático
00:50
in trying to understand where the violence was.
15
35000
3000
para tratar de entender dónde estaba la violencia.
00:53
And Okolloh solicited
16
38000
2000
Así Okolloh le solicitó
00:55
from her commenters
17
40000
2000
a sus comentaristas
00:57
more information about what was going on.
18
42000
2000
más información sobre lo que estaba sucediendo.
00:59
The comments began pouring in,
19
44000
2000
Y los comentarios comenzaron a surgir a borbotones.
01:01
and Okolloh would collate them. She would post them.
20
46000
2000
Y Okolloh los cotejaría. Los publicaría
01:03
And she quickly said, "It's too much.
21
48000
2000
Y se apresuró a decir: "Esto es demasiado.
01:05
I could do this all day every day
22
50000
2000
Podría dedicarme a esto todo el día
01:07
and I can't keep up.
23
52000
2000
y aún así no terminarlo.
01:09
There is more information
24
54000
2000
Hay más información
01:11
about what's going on in Kenya right now
25
56000
2000
de lo que sucede en Kenia ahora mismo
01:13
than any one person can manage.
26
58000
2000
de la que una sola persona puede manejar.
01:15
If only there was a way to automate this."
27
60000
2000
Si al menos hubiera una manera de automatizar esto".
01:17
And two programmers who read her blog
28
62000
2000
Y dos programadores que leyeron su blog
01:19
held their hands up and said, "We could do that,"
29
64000
3000
levantaron sus manos y dijeron: "Podemos hacerlo".
01:22
and in 72 hours, they launched Ushahidi.
30
67000
3000
Y en 72 horas lanzaron Ushahidi.
01:25
Ushahidi -- the name means "witness"
31
70000
2000
Ushahidi, el nombre significa "testigo"
01:27
or "testimony" in Swahili --
32
72000
2000
o "testimonio" en swahili,
01:29
is a very simple way of taking reports from the field,
33
74000
3000
es una manera muy simple de tomar informes de campo,
01:32
whether it's from the web or, critically,
34
77000
3000
ya sea de la web o, en momentos críticos,
01:35
via mobile phones and SMS,
35
80000
2000
mediante móviles y SMS,
01:37
aggregating it and putting it on a map.
36
82000
3000
agregándola y poniéndola en un mapa.
01:40
That's all it is, but that's all that's needed
37
85000
2000
Eso es todo, pero es todo lo que hace falta.
01:42
because what it does is it takes the tacit information
38
87000
3000
Porque lo que hace es poner la información tácita
01:45
available to the whole population --
39
90000
2000
a disposición de toda la población,
01:47
everybody knows where the violence is,
40
92000
2000
todo el mundo sabe en dónde está la violencia
01:49
but no one person knows what everyone knows --
41
94000
3000
pero nadie sabe lo que todos saben,
01:52
and it takes that tacit information
42
97000
2000
y se toma esa información tácita,
01:54
and it aggregates it,
43
99000
2000
y se agrega,
01:56
and it maps it and it makes it public.
44
101000
2000
y se ubica en un mapa y se hace pública.
01:58
And that, that maneuver
45
103000
2000
Y esa maniobra,
02:00
called "crisis mapping,"
46
105000
2000
llamada "mapeo de la crisis",
02:02
was kicked off in Kenya
47
107000
3000
fue lanzada en Kenia
02:05
in January of 2008.
48
110000
2000
en enero de 2008.
02:07
And enough people looked at it and found it valuable enough
49
112000
3000
Y bastante gente la vio, encontrándola tan valiosa
02:10
that the programmers who created Ushahidi
50
115000
2000
que los programadores que crearon Ushahidi
02:12
decided they were going to make it open source
51
117000
2000
decidieron que lo iban a hacer de código libre
02:14
and turn it into a platform.
52
119000
2000
y convertirlo en una plataforma.
02:16
It's since been deployed in Mexico
53
121000
2000
Desde entonces se empleó en México
02:18
to track electoral fraud.
54
123000
2000
para seguir el fraude electoral.
02:20
It's been deployed in Washington D.C. to track snow cleanup.
55
125000
3000
En Washington D.C. para seguir la limpieza de nieve.
02:23
And it's been used most famously in Haiti
56
128000
2000
Y más célebremente se usó en Haití
02:25
in the aftermath of the earthquake.
57
130000
3000
a raíz del terremoto.
02:28
And when you look at the map
58
133000
2000
Y si uno mira el mapa,
02:30
now posted on the Ushahidi front page,
59
135000
2000
ahora disponible en la página principal de Ushahidi,
02:32
you can see that the number of deployments in Ushahidi
60
137000
2000
se puede ver que la cantidad de despliegues en Ushahidi
02:34
has gone worldwide, all right?
61
139000
3000
se ha vuelto mundial, ¿de acuerdo?
02:37
This went from a single idea
62
142000
2000
Pasó de una idea simple
02:39
and a single implementation
63
144000
2000
y una implementación simple
02:41
in East Africa in the beginning of 2008
64
146000
3000
en África Oriental a principios de 2008
02:44
to a global deployment
65
149000
2000
a un despliegue mundial
02:46
in less than three years.
66
151000
3000
en menos de tres años.
02:49
Now what Okolloh did
67
154000
3000
Ahora bien, lo que hizo Okolloh
02:52
would not have been possible
68
157000
2000
no hubiera sido posible
02:54
without digital technology.
69
159000
3000
sin la tecnología digital.
02:57
What Okolloh did would not have been possible
70
162000
3000
Lo que hizo Okolloh no hubiera sido posible
03:00
without human generosity.
71
165000
2000
sin la generosidad humana.
03:02
And the interesting moment now,
72
167000
2000
Y lo interesante del momento actual,
03:04
the number of environments
73
169000
2000
la cantidad de entornos
03:06
where the social design challenge
74
171000
2000
donde el desafío de diseño social,
03:08
relies on both of those things being true.
75
173000
3000
recae en que ambas cosas se cumplan.
03:11
That is the resource that I'm talking about.
76
176000
3000
Ese es el recurso al que me refiero.
03:14
I call it cognitive surplus.
77
179000
2000
Yo lo llamo "excedente cognitivo".
03:16
And it represents the ability
78
181000
2000
Y éste representa la capacidad
03:18
of the world's population
79
183000
2000
de la población mundial
03:20
to volunteer and to contribute and collaborate
80
185000
3000
de ser voluntario, contribuir y colaborar
03:23
on large, sometimes global, projects.
81
188000
3000
en grandes proyectos, a veces mundiales.
03:26
Cognitive surplus is made up of two things.
82
191000
2000
El excedente cognitivo se compone de dos cosas.
03:28
The first, obviously, is the world's free time and talents.
83
193000
3000
La primera, obviamente, es el tiempo y talento libre del mundo.
03:31
The world has over
84
196000
2000
El mundo cuenta con más de
03:33
a trillion hours a year
85
198000
3000
un billón de horas al año
03:36
of free time
86
201000
2000
de tiempo libre
03:38
to commit to shared projects.
87
203000
2000
para comprometerse con proyectos compartidos.
03:40
Now, that free time existed in the 20th century,
88
205000
2000
Ahora bien, ese tiempo libre existía en el siglo XX
03:42
but we didn't get Ushahidi in the 20th century.
89
207000
3000
pero no teníamos Ushahidi en el siglo XX.
03:45
That's the second half of cognitive surplus.
90
210000
2000
Esa es la segunda mitad del excedente cognitivo.
03:47
The media landscape in the 20th century
91
212000
2000
El paisaje mediático del siglo XX
03:49
was very good at helping people consume,
92
214000
3000
fue muy bueno en ayudar a la gente a consumir.
03:52
and we got, as a result,
93
217000
2000
Y, como resultado, tenemos
03:54
very good at consuming.
94
219000
2000
muy buen consumo.
03:56
But now that we've been given media tools --
95
221000
2000
Pero ahora que contamos con herramientas mediáticas
03:58
the Internet, mobile phones -- that let us do more than consume,
96
223000
3000
Internet, equipos móviles, que nos permiten hacer más que consumir
04:01
what we're seeing is that people weren't couch potatoes
97
226000
3000
lo que estamos viendo es que la gente no era adicta a la T.V.
04:04
because we liked to be.
98
229000
2000
porque le gustara.
04:06
We were couch potatoes because that was
99
231000
2000
Éramos adictos a la T.V. porque esa era
04:08
the only opportunity given to us.
100
233000
2000
la única oportunidad que nos daban.
04:10
We still like to consume, of course.
101
235000
2000
Todavía nos gusta consumir, claro.
04:12
But it turns out we also like to create,
102
237000
2000
Pero resulta que también nos gusta crear,
04:14
and we like to share.
103
239000
3000
y nos gusta compartir.
04:17
And it's those two things together --
104
242000
2000
Y son esas dos cosas juntas,
04:19
ancient human motivation
105
244000
2000
la motivación humana ancestral
04:21
and the modern tools to allow that motivation
106
246000
2000
y las herramientas modernas que permiten que esa motivación
04:23
to be joined up in large-scale efforts --
107
248000
3000
se una a esfuerzos en gran escala,
04:26
that are the new design resource.
108
251000
3000
que son el nuevo recurso de diseño.
04:29
And using cognitive surplus,
109
254000
2000
Y al usar los excedentes cognitivos
04:31
we're starting to see truly incredible experiments
110
256000
3000
estamos empezando a ver experimentos realmente increíbles
04:34
in scientific, literary,
111
259000
2000
en esfuerzos científicos, literarios,
04:36
artistic, political efforts.
112
261000
3000
artísticos y políticos.
04:39
Designing.
113
264000
2000
De diseño.
04:41
We're also getting, of course, a lot of LOLcats.
114
266000
3000
También estamos recibiendo, por supuesto, un montón de LOLcats.
04:44
LOLcats are cute pictures of cats
115
269000
2000
Los LOLcats son imágenes lindas de gatos
04:46
made cuter with the addition of cute captions.
116
271000
3000
que se hacen más lindas con leyendas lindas.
04:49
And they are also
117
274000
2000
Y también son
04:51
part of the abundant media landscape we're getting now.
118
276000
3000
parte del abundante paisaje mediático actual.
04:54
This is one of the participatory --
119
279000
2000
Éste es uno de los modelos
04:56
one of the participatory models
120
281000
2000
uno de los modelos participativos
04:58
we see coming out of that, along with Ushahidi.
121
283000
3000
que vemos surgir junto con Ushahidi.
05:01
Now I want to stipulate, as the lawyers say,
122
286000
2000
Ahora quiero estipular, como dicen los abogados,
05:03
that LOLcats are the stupidest possible
123
288000
2000
que los LOLcats son el acto creativo
05:05
creative act.
124
290000
2000
más estúpido posible.
05:07
There are other candidates of course,
125
292000
2000
Hay otros candidatos, por supuesto,
05:09
but LOLcats will do as a general case.
126
294000
3000
pero los LOLcats servirán como caso general.
05:12
But here's the thing:
127
297000
2000
Pero ahí está lo interesante.
05:14
The stupidest possible creative act
128
299000
2000
El acto creativo más estúpido posible
05:16
is still a creative act.
129
301000
3000
sigue siendo un acto creativo.
05:19
Someone who has done something like this,
130
304000
3000
Alguien capaz de hacer algo como esto,
05:22
however mediocre and throwaway,
131
307000
3000
aunque sea mediocre y desechable,
05:25
has tried something, has put something forward in public.
132
310000
3000
ha intentado algo, ha propuesto algo hacia el público.
05:28
And once they've done it, they can do it again,
133
313000
3000
Y una vez que lo han hecho, pueden hacerlo nuevamente.
05:31
and they could work on getting it better.
134
316000
2000
Y podrían mejorarlo.
05:33
There is a spectrum between mediocre work and good work,
135
318000
3000
Existe un espectro entre el trabajo mediocre y el trabajo bueno.
05:36
and as anybody who's worked as an artist or a creator knows,
136
321000
3000
Y como cualquiera que haya trabajado como artista o creador sabe
05:39
it's a spectrum you're constantly
137
324000
2000
que es un espectro en que uno está constantemente
05:41
struggling to get on top of.
138
326000
2000
luchando para estar en la cima.
05:43
The gap is between
139
328000
2000
La brecha está entre
05:45
doing anything and doing nothing.
140
330000
3000
hacer algo y no hacer nada.
05:48
And someone who makes a LOLcat
141
333000
2000
Y alguien que hace un LOLcat
05:50
has already crossed over that gap.
142
335000
3000
ya ha cruzado esa brecha.
05:53
Now it's tempting to want to get the Ushahidis
143
338000
2000
Ahora, es tentador querer tener Ushahidis
05:55
without the LOLcats, right,
144
340000
2000
sin los LOLcats, ¿no?
05:57
to get the serious stuff without the throwaway stuff.
145
342000
3000
tener la parte seria sin el material descartable.
06:00
But media abundance never works that way.
146
345000
3000
Pero la abundancia de medios nunca funciona así.
06:03
Freedom to experiment means freedom to experiment with anything.
147
348000
3000
La libertad para experimentar significa libertad para experimentar todo.
06:06
Even with the sacred printing press,
148
351000
2000
Incluso en la sagrada prensa escrita
06:08
we got erotic novels 150 years
149
353000
2000
tuvimos novelas eróticas 150 años
06:10
before we got scientific journals.
150
355000
3000
antes de tener revistas científicas.
06:14
So before I talk about
151
359000
3000
Así que antes de hablar de
06:17
what is, I think, the critical difference
152
362000
2000
lo que creo que son las diferencias fundamentales
06:19
between LOLcats and Ushahidi,
153
364000
2000
entre los LOLcats y Ushahidi,
06:21
I want to talk about
154
366000
2000
quiero hablar de
06:23
their shared source.
155
368000
2000
su fuente compartida.
06:25
And that source is design for generosity.
156
370000
3000
Y esa fuente es el diseño de la generosidad.
06:28
It is one of the curiosities of our historical era
157
373000
3000
Esta es una de las curiosidades de nuestra era histórica
06:31
that even as cognitive surplus
158
376000
2000
que incluso así como el excedente cognitivo
06:33
is becoming a resource we can design around,
159
378000
2000
se está volviendo una fuente que podemos diseñar,
06:35
social sciences are also starting to explain
160
380000
3000
las ciencias sociales están comenzando a explicar
06:38
how important
161
383000
2000
lo importante
06:40
our intrinsic motivations are to us,
162
385000
2000
que son nuestras motivaciones internas para nosotros,
06:42
how much we do things because we like to do them
163
387000
3000
en qué medida hacemos las cosas porque nos gustan
06:45
rather than because our boss told us to do them,
164
390000
2000
y no porque nos lo pida nuestro jefe
06:47
or because we're being paid to do them.
165
392000
3000
o porque nos paguen por ello.
06:50
This is a graph from a paper
166
395000
3000
Este gráfico de un periódico
06:53
by Uri Gneezy and Aldo Rustichini,
167
398000
2000
de Uri Gneezy y Alfredo Rusticini,
06:55
who set out to test, at the beginning of this decade,
168
400000
3000
quien tenía por objeto determinar, a principios de esta década,
06:58
what they called "deterrence theory."
169
403000
2000
lo que llamaron la "teoría de la disuasión".
07:00
And deterrence theory is a very simple theory of human behavior:
170
405000
2000
Y la teoría de la disuasión es una teoría muy simple del comportamiento humano.
07:02
If you want somebody to do less of something,
171
407000
2000
Si quiere que alguien haga menos de algo,
07:04
add a punishment and they'll do less of it.
172
409000
2000
agregue un castigo y ellos harán menos de eso.
07:06
Simple, straightforward, commonsensical --
173
411000
3000
Simple, directo, con sentido común,
07:09
also, largely untested.
174
414000
2000
y sin mucho sustento.
07:11
And so they went and studied
175
416000
2000
Por eso fueron a estudiar
07:13
10 daycare centers in Haifa, Israel.
176
418000
2000
10 guarderías de Haifa, Israel.
07:15
They studied those daycare centers
177
420000
2000
Estudiaron esas guarderías
07:17
at the time of highest tension,
178
422000
2000
en los momentos de mayor tensión
07:19
which is pick-up time.
179
424000
2000
que es el momento de recolección.
07:21
At pick-up time the teachers,
180
426000
2000
En ese momento los maestros
07:23
who have been with your children all day,
181
428000
2000
que han estado con nuestros hijos todo el día,
07:25
would like you to be there at the appointed hour to take your children back.
182
430000
3000
quisieran que uno esté allí a la hora señalada para retirar a los hijos.
07:28
Meanwhile, the parents -- perhaps a little busy at work, running late, running errands --
183
433000
3000
Mientras tanto los padres, quizá algo ocupados en el trabajo, con retraso, haciendo encargos --
07:31
want a little slack to pick the kids up late.
184
436000
3000
quieren un poco de margen para buscar los niños más tarde.
07:34
So Gneezy and Rustichini said,
185
439000
2000
Así, Gneezy y Rusticini dijeron:
07:36
"How many instances of late pick-ups
186
441000
2000
"¿Cuántos casos de demoras
07:38
are there at these 10 daycare centers?"
187
443000
2000
hay en estas 10 guarderías?".
07:40
Now they saw -- and this is what the graph is,
188
445000
2000
Lo que vieron, y esto es lo que muestra el gráfico,
07:42
these are the number of weeks and these are the number of late arrivals --
189
447000
3000
ésta es la cantidad de semanas y ésta la cantidad de llegadas tarde,
07:45
that there were between six and 10
190
450000
2000
que ocurrían entre 6 y 10
07:47
instances of late pick-ups
191
452000
2000
casos de llegadas tarde
07:49
on average in these 10 daycare centers.
192
454000
2000
en promedio en estas 10 guarderías.
07:51
So they divided the daycare centers into two groups.
193
456000
3000
Así que dividieron las guarderías en dos grupos.
07:54
The white group there
194
459000
2000
El grupo blanco es
07:56
is the control group; they change nothing.
195
461000
3000
el grupo de control; no cambiaron nada.
07:59
But the group of daycare centers represented by the black line,
196
464000
3000
Pero en el grupo de guarderías representado por la línea negra,
08:02
they said, "We are changing this bargain
197
467000
2000
dijeron: "Estamos cambiando este trato
08:04
as of right now.
198
469000
2000
a partir de ahora.
08:06
If you pick your kid up more than 10 minutes late,
199
471000
2000
Si viene a buscar a su niño más de 10 minutos tarde,
08:08
we're going to add a 10 shekel fine to your bill.
200
473000
2000
le vamos a sumar 10 shekel de multa a su cuenta.
08:10
Boom. No ifs, ands or buts."
201
475000
3000
¡Bum! Sin condiciones, ni peros".
08:13
And the minute they did that,
202
478000
2000
Y desde el momento en que lo hicieron
08:15
the behavior in those daycare centers changed.
203
480000
2000
cambió el comportamiento en esas guarderías.
08:17
Late pick-ups went up
204
482000
2000
Aumentaron las llegadas tarde
08:19
every week for the next four weeks
205
484000
3000
cada semana, durante las siguientes 4 semanas
08:22
until they topped out at triple the pre-fine average,
206
487000
3000
hasta que llegó al triple del promedio pre-multa,
08:25
and then they fluctuated
207
490000
2000
y luego fluctuaron
08:27
at between double and triple the pre-fine average
208
492000
2000
entre el doble y el triple del promedio pre-multa
08:29
for the life of the fine.
209
494000
2000
mientras duró la multa.
08:31
And you can see immediately what happened, right?
210
496000
3000
Y pueden ver de inmediato lo que sucedió, ¿si?
08:35
The fine broke the culture
211
500000
2000
La multa rompió la cultura
08:37
of the daycare center.
212
502000
2000
de la guardería.
08:39
By adding a fine,
213
504000
2000
Al agregar una multa
08:41
what they did was communicate to the parents
214
506000
2000
lo que hicieron fue comunicarle a los padres
08:43
that their entire debt to the teachers
215
508000
2000
que toda la deuda con los maestros
08:45
had been discharged
216
510000
2000
se había saldado
08:47
with the payment of 10 shekels,
217
512000
2000
con el pago de 10 shekels
08:49
and that there was no residue of guilt or social concern
218
514000
3000
y que no quedaba vestigio de culpa o preocupación social
08:52
that the parents owed the teachers.
219
517000
2000
de los padres hacia los maestros.
08:54
And so the parents, quite sensibly, said,
220
519000
2000
Y así los padres, con bastante sensatez, dijeron:
08:56
"10 shekels to pick my kid up late?
221
521000
2000
"¿10 shekels por buscar tarde a mi hijo?
08:58
What could be bad?"
222
523000
2000
¿Qué tiene de malo?"
09:00
(Laughter)
223
525000
2000
(Risas)
09:04
The explanation of human behavior
224
529000
2000
La explicación del comportamiento humano
09:06
that we inherited in the 20th century
225
531000
3000
que heredamos en el siglo XX
09:09
was that we are all rational, self-maximizing actors,
226
534000
3000
era que todos somos actores racionales, auto-maximizadores.
09:12
and in that explanation --
227
537000
2000
Y en esa explicación --
09:14
the daycare center had no contract --
228
539000
3000
la guardería no tenía contrato --
09:17
should have been operating without any constraints.
229
542000
3000
debería haber estado operando sin restricciones.
09:20
But that's not right.
230
545000
2000
Pero eso no es correcto.
09:22
They were operating with social constraints
231
547000
2000
Ellos estaban operando con las restricciones sociales
09:24
rather than contractual ones.
232
549000
2000
más que con las contractuales.
09:26
And critically, the social constraints
233
551000
2000
Y, fundamentalmente, las restricciones sociales
09:28
created a culture that was more generous
234
553000
3000
crearon una cultura más generosa
09:31
than the contractual constraints did.
235
556000
2000
que la que crearon las restricciones contractuales.
09:33
So Gneezy and Rustichini run this experiment for a dozen weeks --
236
558000
3000
Gneezy y Rustichini realizaron este experimento durante 12 semanas --
09:36
run the fine for a dozen weeks --
237
561000
2000
pusieron la multa 12 semanas --
09:38
and then they say, "Okay, that's it. All done; fine."
238
563000
3000
y luego dijeron: "Bueno, eso es todo. Quitamos la multa".
09:41
And then a really interesting thing happens:
239
566000
2000
Y luego sucedió algo muy interesante.
09:43
Nothing changes.
240
568000
3000
Nada cambió.
09:46
The culture that got broken by the fine
241
571000
3000
La cultura corrompida por la multa
09:49
stayed broken when the fine was removed.
242
574000
3000
siguió corrompida cuando se quitó la multa.
09:52
Not only are economic motivations
243
577000
3000
No sólo son las motivaciones
09:55
and intrinsic motivations
244
580000
2000
económicas e intrínsecas
09:57
incompatible,
245
582000
2000
incompatibles,
09:59
that incompatibility
246
584000
2000
sino que esa incompatibilidad
10:01
can persist over long periods.
247
586000
3000
puede persistir por largos períodos.
10:04
So the trick
248
589000
2000
Así que el truco
10:06
in designing these kinds of situations
249
591000
2000
de diseñar este tipo de situaciones
10:08
is to understand where you're relying on
250
593000
3000
es entender dónde uno está contando con
10:11
the economic part of the bargain -- as with the parents paying the teachers --
251
596000
3000
la parte económica de un trato, como cuando los padres pagan a los maestros,
10:14
and when you're relying on the social part of the bargain,
252
599000
3000
y cuando uno está contando con la parte social del trato,
10:17
when you're really designing for generosity.
253
602000
3000
cuando uno está realmente diseñando la generosidad.
10:20
This brings me back to the LOLcats
254
605000
3000
Esto me lleva nuevamente a los LOLcats
10:23
and to Ushahidi.
255
608000
2000
y a Ushahidi.
10:25
This is, I think, the range that matters.
256
610000
2000
Es este, creo, el rango que importa.
10:27
Both of these rely on cognitive surplus.
257
612000
2000
Ambos se basan en el excedente cognitivo.
10:29
Both of these design for the assumption
258
614000
2000
Ambos diseñan suponiendo
10:31
that people like to create and we want to share.
259
616000
3000
que a la gente le gusta crear y que queremos compartir.
10:34
Here is the critical difference between these:
260
619000
3000
Esta es la diferencia fundamental entre ambas.
10:39
LOLcats is communal value.
261
624000
3000
Los LOLcats tienen valor comunal.
10:42
It's value created by the participants
262
627000
2000
Es un valor creado por los participantes
10:44
for each other.
263
629000
2000
de unos a otros.
10:46
Communal value on the networks we have
264
631000
3000
El valor comunal en las redes que tenemos
10:49
is everywhere --
265
634000
2000
está en todos lados.
10:51
every time you see a large aggregate
266
636000
2000
Siempre que uno ve ingentes cantidades
10:53
of shared, publicly available data,
267
638000
3000
de datos públicamente agregados y disponibles,
10:56
whether it's photos on Flickr
268
641000
2000
ya sean fotos en Flickr
10:58
or videos on Youtube or whatever.
269
643000
2000
videos en Youtube, o lo que sea.
11:00
This is good. I like LOLcats as much as the next guy,
270
645000
2000
Esto es bueno. Me gustan los LOLcats tanto como a cualquiera,
11:02
maybe a little more even,
271
647000
2000
quizá un poquito más, incluso.
11:04
but this is also
272
649000
3000
Pero este es también
11:07
a largely solved problem.
273
652000
2000
un problema en gran medida resuelto.
11:09
I have a hard time envisioning a future
274
654000
2000
Me resulta difícil vislumbrar un futuro
11:11
in which someone is saying,
275
656000
2000
en el que alguien diga:
11:13
"Where, oh where, can I find a picture
276
658000
2000
"¿Dónde, oh dónde, puedo encontrar una imagen
11:15
of a cute cat?"
277
660000
2000
de un lindo gato?"
11:17
Ushahidi, by contrast,
278
662000
2000
Ushahidi, en cambio,
11:19
is civic value.
279
664000
2000
tiene valor cívico.
11:21
It's value created by the participants
280
666000
2000
Es un valor creado por los participantes,
11:23
but enjoyed by society as a whole.
281
668000
2000
pero disfrutado por la sociedad en su conjunto.
11:25
The goals set out by Ushahidi
282
670000
2000
Las metas de Ushahidi
11:27
are not just to make life better
283
672000
2000
no son sólo facilitarle la vida
11:29
for the participants,
284
674000
2000
a los participantes,
11:31
but to make life better for everyone in the society
285
676000
3000
sino mejorar la vida de todos en la sociedad
11:34
in which Ushahidi is operating.
286
679000
2000
en la que opera Ushahidi.
11:36
And that kind of civic value
287
681000
3000
Y ese tipo de valor cívico
11:39
is not just a side effect
288
684000
2000
no es sólo un efecto secundario
11:41
of opening up to human motivation.
289
686000
3000
de la apertura a la motivación humana.
11:44
It really is going to be a side effect
290
689000
2000
En realidad va a ser un efecto secundario
11:46
of what we, collectively,
291
691000
2000
de lo que, colectivamente,
11:48
make of these kinds of efforts.
292
693000
3000
hagamos con este tipo de esfuerzos.
11:51
There are a trillion
293
696000
2000
Hay un billón
11:53
hours a year
294
698000
2000
de horas al año
11:55
of participatory value
295
700000
2000
de valor de participación
11:57
up for grabs.
296
702000
2000
a disposición.
11:59
That will be true year-in and year-out.
297
704000
3000
Eso se cumplirá año tras año.
12:02
The number of people who are going to be able
298
707000
2000
La cantidad de personas que van a poder
12:04
to participate in these kinds of projects
299
709000
2000
participar en este tipo de proyectos
12:06
is going to grow,
300
711000
2000
va a crecer.
12:08
and we can see that organizations
301
713000
3000
Y podemos ver que las organizaciones
12:11
designed around a culture of generosity
302
716000
2000
diseñadas en torno a una cultura de la generosidad
12:13
can achieve incredible effects
303
718000
2000
pueden lograr efectos increíbles
12:15
without an enormous amount of contractual overhead --
304
720000
3000
sin gran cantidad de carga contractual.
12:18
a very different model
305
723000
2000
Un modelo muy diferente
12:20
than our default model for large-scale group action in the 20th century.
306
725000
3000
de nuestro modelo por defecto de las acciones colectivas de gran escala del siglo XX.
12:24
What's going to make the difference here
307
729000
3000
Lo que va a marcar la diferencia aquí
12:27
is what Dean Kamen said,
308
732000
3000
es lo que dijo Dean Kamen,
12:30
the inventor and entrepreneur.
309
735000
2000
el inventor y el emprendedor.
12:32
Kamen said, "Free cultures get what they celebrate."
310
737000
3000
Kamen dijo: "Las culturas libres consiguen lo que celebran".
12:36
We've got a choice before us.
311
741000
3000
Tenemos una opción delante nuestro.
12:39
We've got this trillion hours a year.
312
744000
2000
Tenemos este billón de horas al año.
12:41
We can use it to crack each other up, and we're going to do that.
313
746000
3000
Podemos usarlas para potenciarnos mutuamente, y lo vamos a hacer.
12:44
That, we get for free.
314
749000
2000
Eso, lo obtenemos gratis.
12:46
But we can also celebrate
315
751000
2000
Pero podemos también celebrar
12:48
and support and reward the people
316
753000
2000
y apoyar y recompensar a las personas
12:50
trying to use cognitive surplus
317
755000
2000
que tratan de usar el excedente cognitivo
12:52
to create civic value.
318
757000
2000
para crear valor cívico.
12:54
And to the degree we're going to do that, to the degree we're able to do that,
319
759000
3000
Y en el grado en que lo vamos a hacer, en el grado en que podamos hacerlo,
12:57
we'll be able to change society.
320
762000
2000
podremos cambiar la sociedad.
12:59
Thank you very much.
321
764000
2000
Muchísimas gracias.
ABOUT THE SPEAKER
Clay Shirky - Social Media TheoristClay Shirky argues that the history of the modern world could be rendered as the history of ways of arguing, where changes in media change what sort of arguments are possible -- with deep social and political implications.
Why you should listen
Clay Shirky's work focuses on the rising usefulness of networks -- using decentralized technologies such as peer-to-peer sharing, wireless, software for social creation, and open-source development. New technologies are enabling new kinds of cooperative structures to flourish as a way of getting things done in business, science, the arts and elsewhere, as an alternative to centralized and institutional structures, which he sees as self-limiting. In his writings and speeches he has argued that "a group is its own worst enemy."
Shirky is an adjunct professor in New York Universityʼs graduate Interactive Telecommunications Program, where he teaches a course named “Social Weather.” Heʼs the author of several books. This spring at the TED headquarters in New York, he gave an impassioned talk against SOPA/PIPA that saw 1 million views in 48 hours.
Clay Shirky | Speaker | TED.com