TED2017
Ray Dalio: How to build a company where the best ideas win
Ray Dalio: Hogyan építsünk céget, amelyben a legjobb ötletek a nyerők?
Filmed:
Readability: 3.9
3,449,614 views
Mi lenne, ha tényleg tudnánk, hogy munkatársaink mit tartanak rólunk, s valójában milyen a jellemük? Ray Dalio esettanulmánya megmutatja, hogy alapvető átláthatósággal és algoritmikus döntéshozatallal hogyan lehet létrehozni az ötletek meritokráciáját, ahol a kollégák kiállhatnak, és elmondhatják, hogy mit gondolnak, még akkor is, ha ellentmondanak a főnöknek. Tudjanak meg többet róla, hogyan segített e stratégia Daliónak létrehoznia a világ egyik legsikeresebb hedge fundját, és hogyan tudjuk hasznosítani az adatokon alapuló csoportos döntéshozatalt.
Ray Dalio - Hedge fund chair
Ray Dalio is the founder, chair and co-chief investment officer of Bridgewater Associates, a global leader in institutional portfolio management and the largest hedge fund in the world. Full bio
Ray Dalio is the founder, chair and co-chief investment officer of Bridgewater Associates, a global leader in institutional portfolio management and the largest hedge fund in the world. Full bio
Double-click the English transcript below to play the video.
00:12
Whether you like it or not,
0
560
1336
Tetszik vagy sem, az alapvető átláthatóság
00:13
radical transparency and algorithmic
decision-making is coming at you fast,
decision-making is coming at you fast,
1
1920
5376
s az algoritmikus döntéshozatal
hamarosan elkerülhetetlen lesz,
hamarosan elkerülhetetlen lesz,
00:19
and it's going to change your life.
2
7320
1976
és megváltoztatja életünket.
00:21
That's because it's now easy
to take algorithms
to take algorithms
3
9320
2816
Azért, mert manapság könnyű algoritmusokat
00:24
and embed them into computers
4
12160
1896
számítógépbe táplálni,
00:26
and gather all that data
that you're leaving on yourself
that you're leaving on yourself
5
14080
2936
és begyűjtetni vele
a rólunk bárhol található adatokat,
00:29
all over the place,
6
17040
1376
00:30
and know what you're like,
7
18440
1696
s megtudni, milyenek vagyunk,
00:32
and then direct the computers
to interact with you
to interact with you
8
20160
2936
majd utasítani a gépet,
hogy jobban működjön együtt velünk.
hogy jobban működjön együtt velünk.
00:35
in ways that are better
than most people can.
than most people can.
9
23120
2120
mint amilyenre a legtöbb ember képes.
00:38
Well, that might sound scary.
10
26160
1616
Ez tán ijesztőnek hangzik.
00:39
I've been doing this for a long time
and I have found it to be wonderful.
and I have found it to be wonderful.
11
27800
3640
Régóta ezzel foglalkozom,
s csodásnak találom.
s csodásnak találom.
00:44
My objective has been
to have meaningful work
to have meaningful work
12
32159
2657
Célom, hogy értelmes munkám
00:46
and meaningful relationships
with the people I work with,
with the people I work with,
13
34840
2856
és értelmes kapcsolatom
legyen munkatársaimmal.
legyen munkatársaimmal.
00:49
and I've learned that I couldn't have that
14
37720
2056
Megtanultam, hogy ezt
alapvető átláthatóság
alapvető átláthatóság
00:51
unless I had that radical transparency
and that algorithmic decision-making.
and that algorithmic decision-making.
15
39800
4280
és algoritmikus döntéshozatal
nélkül nem érhetem el.
nélkül nem érhetem el.
00:56
I want to show you why that is,
16
44680
2016
Megmutatom, miért van ez így,
00:58
I want to show you how it works.
17
46720
1696
és azt is, hogyan valósítható meg.
01:00
And I warn you that some of the things
that I'm going to show you
that I'm going to show you
18
48440
3096
Figyelmeztetem önöket,
hogy egyes említendő dolgok
hogy egyes említendő dolgok
bizonyára kissé megdöbbentők lesznek.
01:03
probably are a little bit shocking.
19
51560
1667
01:05
Since I was a kid,
I've had a terrible rote memory.
I've had a terrible rote memory.
20
53760
3480
Gyerekkorom óta
szörnyen gépies a memóriám.
szörnyen gépies a memóriám.
01:10
And I didn't like following instructions,
21
58120
2176
Nem szerettem szót fogadni,
01:12
I was no good at following instructions.
22
60320
2416
egyáltalán nem ment ez nekem.
01:14
But I loved to figure out
how things worked for myself.
how things worked for myself.
23
62760
3000
De szerettem rájönni,
hogyan működnek a dolgok.
hogyan működnek a dolgok.
01:18
When I was 12,
24
66680
1376
12 éves koromban utáltam az iskolát,
01:20
I hated school but I fell in love
with trading the markets.
with trading the markets.
25
68080
3280
de beleszerettem a tőzsdézésbe.
01:23
I caddied at the time,
26
71920
1656
Akkoriban kifutófiú voltam,
csomagonként kb. öt dollárt kerestem.
01:25
earned about five dollars a bag.
27
73600
1576
01:27
And I took my caddying money,
and I put it in the stock market.
and I put it in the stock market.
28
75200
3200
Az így keresett pénzt
részvénybe fektettem.
részvénybe fektettem.
01:31
And that was just because
the stock market was hot at the time.
the stock market was hot at the time.
29
79240
3376
Azért, mert akkortájt a tőzsde élénk volt.
01:34
And the first company I bought
30
82640
1456
Az első cég, amelyikből bevásároltam,
01:36
was a company by the name
of Northeast Airlines.
of Northeast Airlines.
31
84120
2600
a Northeast Airlines volt.
01:39
Northeast Airlines was
the only company I heard of
the only company I heard of
32
87360
2736
Csupán a Northeast Airlines
egy-egy részvényét árulták
egy-egy részvényét árulták
01:42
that was selling for less
than five dollars a share.
than five dollars a share.
33
90120
2696
öt dollárnál olcsóbban.
01:44
(Laughter)
34
92840
1976
(Nevetés)
01:46
And I figured I could buy more shares,
35
94840
1856
Rájöttem: több részvényt vásárolhatok,
01:48
and if it went up, I'd make more money.
36
96720
2096
és ha fölmegy az áruk, kereshetek rajtuk.
01:50
So, it was a dumb strategy, right?
37
98840
2840
Ostoba stratégia, nem?
01:54
But I tripled my money,
38
102360
1456
De megháromszoroztam a pénzem,
01:55
and I tripled my money
because I got lucky.
because I got lucky.
39
103840
2120
mert szerencsém volt.
01:58
The company was about to go bankrupt,
40
106520
1816
A cég csődközelben volt,
02:00
but some other company acquired it,
41
108360
2096
de egy másik cég fölvásárolta,
s így háromszoroztam meg a pénzem.
02:02
and I tripled my money.
42
110480
1456
02:03
And I was hooked.
43
111960
1200
Belelkesültem.
02:05
And I thought, "This game is easy."
44
113720
2280
Azt gondoltam: "Gyerekjáték."
02:09
With time,
45
117200
1216
Idővel rájöttem,
02:10
I learned this game is anything but easy.
46
118440
1960
hogy minden, csak nem gyerekjáték.
02:12
In order to be an effective investor,
47
120880
2136
Ahhoz, hogy hatékony befektetők legyünk,
02:15
one has to bet against the consensus
48
123040
2896
a közvélekedéssel szemben
kell kockáztatnunk,
kell kockáztatnunk,
02:17
and be right.
49
125960
1256
s igazunk is kell legyen.
02:19
And it's not easy to bet
against the consensus and be right.
against the consensus and be right.
50
127240
2856
Ez egyáltalán nem könnyű.
02:22
One has to bet against
the consensus and be right
the consensus and be right
51
130120
2336
Közvélekedéssel szemben,
meg igazunk is legyen,
meg igazunk is legyen,
02:24
because the consensus
is built into the price.
is built into the price.
52
132480
2640
mert a konszenzus bele van építve az árba.
02:28
And in order to be an entrepreneur,
53
136120
2456
Hogy valaki vállalkozó,
02:30
a successful entrepreneur,
54
138600
1616
sikeres vállalkozó lehessen,
02:32
one has to bet against
the consensus and be right.
the consensus and be right.
55
140240
3480
a közvélekedéssel szemben
kell kockáztatnia.
kell kockáztatnia.
02:37
I had to be an entrepreneur
and an investor --
and an investor --
56
145400
2936
Vállalkozónak és befektetőnek
kellett lennem,
kellett lennem,
02:40
and what goes along with that
is making a lot of painful mistakes.
is making a lot of painful mistakes.
57
148360
4200
s ennek velejárója sok
fájdalmas hiba elkövetése.
fájdalmas hiba elkövetése.
02:45
So I made a lot of painful mistakes,
58
153440
2816
Sok fájdalmas hibát követtem el,
02:48
and with time,
59
156280
1256
de idővel
02:49
my attitude about those mistakes
began to change.
began to change.
60
157560
2960
a hibákkal kapcsolatos
attitűdöm megváltozott.
attitűdöm megváltozott.
02:53
I began to think of them as puzzles.
61
161160
2096
Kezdtem kirakósként gondolni rájuk,
02:55
That if I could solve the puzzles,
62
163280
1936
amelyeket ha megoldok,
02:57
they would give me gems.
63
165240
1440
drágakövekhez jutok.
02:59
And the puzzles were:
64
167160
1656
Ilyen kirakósak voltak:
03:00
What would I do differently in the future
so I wouldn't make that painful mistake?
so I wouldn't make that painful mistake?
65
168840
3880
Mit tegyek majd másként,
hogy ne kövessem el a fájdalmas hibát?
hogy ne kövessem el a fájdalmas hibát?
03:05
And the gems were principles
66
173280
2576
A drágakövek elvek voltak,
03:07
that I would then write down
so I would remember them
so I would remember them
67
175880
3136
amelyeket leírtam,
hogy észben tartsam őket
hogy észben tartsam őket
03:11
that would help me in the future.
68
179040
1572
jövőbeni segítségül.
03:13
And because I wrote them down so clearly,
69
181000
2696
S mert annyira egyértelműen írtam le őket,
03:15
I could then --
70
183720
1336
képes voltam aztán
03:17
eventually discovered --
71
185080
1576
végül fölfedezni őket –,
03:18
I could then embed them into algorithms.
72
186680
3760
beépíthettem őket algoritmusokba.
03:23
And those algorithms
would be embedded in computers,
would be embedded in computers,
73
191400
3456
S az algoritmusokat betáplálhattam
számítógépekbe,
számítógépekbe,
03:26
and the computers would
make decisions along with me;
make decisions along with me;
74
194880
3336
és a gépek velem közös döntéseket hoztak,
03:30
and so in parallel,
we would make these decisions.
we would make these decisions.
75
198240
3136
s így párhuzamosan hoztuk a döntéseket.
03:33
And I could see how those decisions
then compared with my own decisions,
then compared with my own decisions,
76
201400
3976
A kétféle döntést pedig összevethettem,
03:37
and I could see that
those decisions were a lot better.
those decisions were a lot better.
77
205400
3096
és meggyőződtem,
hogy a gép döntései sokkal jobbak.
hogy a gép döntései sokkal jobbak.
03:40
And that was because the computer
could make decisions much faster,
could make decisions much faster,
78
208520
4736
Azért, mert a gép sokkal gyorsabban dönt,
03:45
it could process a lot more information
79
213280
2256
sokkal több információt képes földolgozni,
03:47
and it can process decisions much more --
80
215560
3400
és sokkal több döntést tud hozni
03:51
less emotionally.
81
219880
1200
kevesebb érzelemmel.
03:54
So it radically improved
my decision-making.
my decision-making.
82
222760
3920
Ez gyökeresen megjavította
a döntéshozatalomat.
a döntéshozatalomat.
04:00
Eight years after I started Bridgewater,
83
228440
4896
A Bridgewater elindítása után nyolc évvel
04:05
I had my greatest failure,
84
233360
1536
követtem el a legnagyobb hibát,
04:06
my greatest mistake.
85
234920
1200
a legnagyobb baklövést.
04:09
It was late 1970s,
86
237680
2136
Az 1970-es évek vége felé történt,
04:11
I was 34 years old,
87
239840
1976
34 éves voltam,
04:13
and I had calculated that American banks
88
241840
3656
és úgy okoskodtam, hogy az amerikai bankok
04:17
had lent much more money
to emerging countries
to emerging countries
89
245520
2856
sokkal többet kölcsönöztek
fejlődő országoknak,
fejlődő országoknak,
04:20
than those countries
were going to be able to pay back
were going to be able to pay back
90
248400
2816
mint amennyit azok képesek visszafizetni,
04:23
and that we would have
the greatest debt crisis
the greatest debt crisis
91
251240
2696
ezért olyan pénzügyi válságba
kerülünk, amilyen nem volt
kerülünk, amilyen nem volt
a nagy gazdasági válság óta.
04:25
since the Great Depression.
92
253960
1360
04:28
And with it, an economic crisis
93
256200
2216
A gazdasági válsághoz pedig
04:30
and a big bear market in stocks.
94
258440
2040
a részvények medvepiaca kapcsolódik.
04:33
It was a controversial view at the time.
95
261680
2000
Abban az időben e nézetet vitatták.
04:36
People thought it was
kind of a crazy point of view.
kind of a crazy point of view.
96
264160
2440
Az emberek őrültségnek tartották.
04:39
But in August 1982,
97
267480
2216
Ám 1982 augusztusában
04:41
Mexico defaulted on its debt,
98
269720
1960
Mexico becsődölt,
04:44
and a number of other countries followed.
99
272520
2256
és egy sor ország követte.
04:46
And we had the greatest debt crisis
since the Great Depression.
since the Great Depression.
100
274800
3400
Ez volt a Nagy Válság óta
a legnagyobb adósságválság.
a legnagyobb adósságválság.
04:51
And because I had anticipated that,
101
279080
2776
Mivel ezt előre láttam, fölkértek,
04:53
I was asked to testify to Congress
and appear on "Wall Street Week,"
and appear on "Wall Street Week,"
102
281880
4336
hogy tanúként jelenjek meg
a Kongresszusban a Wall Street Héten,
a Kongresszusban a Wall Street Héten,
az akkori idők legnagyobb látványosságán.
04:58
which was the show of the time.
103
286240
1976
05:00
Just to give you a flavor of that,
I've got a clip here,
I've got a clip here,
104
288240
2936
Hogy érezzék a dolog bukéját,
van róla egy videóm,
van róla egy videóm,
05:03
and you'll see me in there.
105
291200
1920
amelyben engem láthatnak.
05:06
(Video) Mr. Chairman, Mr. Mitchell,
106
294480
1696
(Videó) Elnök úr, Mitchell úr,
05:08
it's a great pleasure and a great honor
to be able to appear before you
to be able to appear before you
107
296200
3376
nagy öröm s megtiszteltetés,
hogy megjelenhetek önök előtt,
hogy megjelenhetek önök előtt,
05:11
in examination with what
is going wrong with our economy.
is going wrong with our economy.
108
299600
3480
hogy megvizsgáljuk,
mi baj történt a gazdaságunkkal.
mi baj történt a gazdaságunkkal.
05:15
The economy is now flat --
109
303640
1936
Most a gazdaság lanyha,
05:17
teetering on the brink of failure.
110
305600
2136
a csőd szélén imbolyog.
05:19
Martin Zweig: You were recently
quoted in an article.
quoted in an article.
111
307760
2496
Martin Zweig: Önt nemrég
egy cikkben idézték.
egy cikkben idézték.
05:22
You said, "I can say this
with absolute certainty
with absolute certainty
112
310280
2336
Azt mondta:
"Teljes bizonyossággal állítom,
"Teljes bizonyossággal állítom,
05:24
because I know how markets work."
113
312640
1616
mert ismerem a piac működését.
05:26
Ray Dalio: I can say
with absolute certainty
with absolute certainty
114
314280
2096
Ray Dalio: Teljes bizonyossággal állítom,
05:28
that if you look at the liquidity base
115
316400
1856
hogy ha a cégek
05:30
in the corporations
and the world as a whole,
and the world as a whole,
116
318280
3376
és a világ egészének likviditását nézzük,
05:33
that there's such reduced
level of liquidity
level of liquidity
117
321680
2096
az olyan alacsony szintű,
05:35
that you can't return
to an era of stagflation."
to an era of stagflation."
118
323800
3216
hogy soha nem tér vissza
a stagfláció korszaka."
a stagfláció korszaka."
05:39
I look at that now, I think,
"What an arrogant jerk!"
"What an arrogant jerk!"
119
327040
3096
Mostani fejemmel azt gondolom:
"Micsoda pökhendi balfék!"
"Micsoda pökhendi balfék!"
05:42
(Laughter)
120
330160
2000
(Nevetés)
05:45
I was so arrogant, and I was so wrong.
121
333760
2456
Pökhendi voltam, és nagyot tévedtem.
05:48
I mean, while the debt crisis happened,
122
336240
2576
Hiszen az adósságválság közben
05:50
the stock market and the economy
went up rather than going down,
went up rather than going down,
123
338840
3976
a részvénypiac és a gazdaság
lábra állt, nem pedig zuhant,
lábra állt, nem pedig zuhant,
05:54
and I lost so much money
for myself and for my clients
for myself and for my clients
124
342840
5016
és rengeteget veszítettem
a magam és ügyfeleim pénzéből,
a magam és ügyfeleim pénzéből,
05:59
that I had to shut down
my operation pretty much,
my operation pretty much,
125
347880
3416
hogy elég sok ügyletemet
ezért le kellett zárnom.
ezért le kellett zárnom.
06:03
I had to let almost everybody go.
126
351320
1880
Majdnem mindenkit
el kellett bocsátanom.
el kellett bocsátanom.
06:05
And these were like extended family,
127
353640
1736
Ők voltak a tágabb értelmű családom.
06:07
I was heartbroken.
128
355400
1616
A szívem össze volt törve.
06:09
And I had lost so much money
129
357040
1816
Oly sok pénzt vesztettem,
06:10
that I had to borrow
4,000 dollars from my dad
4,000 dollars from my dad
130
358880
3336
hogy 4 000 dollárt kölcsönt
kellett kérnem a papámtól
kellett kérnem a papámtól
06:14
to help to pay my family bills.
131
362240
1920
a családi számlák kifizetésére.
06:16
It was one of the most painful
experiences of my life ...
experiences of my life ...
132
364840
3160
Ez volt az egyik legfájóbb,
06:21
but it turned out to be
one of the greatest experiences of my life
one of the greatest experiences of my life
133
369240
3776
de egyben legjelentősebb
élettapasztalatom,
élettapasztalatom,
mert megváltoztatta
a döntéshozatalt illető attitűdömet.
a döntéshozatalt illető attitűdömet.
06:25
because it changed my attitude
about decision-making.
about decision-making.
134
373040
2680
06:28
Rather than thinking, "I'm right,"
135
376360
3056
Annak kijelentése helyett: "Igazam van",
06:31
I started to ask myself,
136
379440
1576
inkább azt kérdeztem magamtól:
06:33
"How do I know I'm right?"
137
381040
1800
"Honnan tudod, hogy igazad van?"
06:36
I gained a humility that I needed
138
384480
1936
Alázatosságra tettem
szert, aminek híján voltam,
szert, aminek híján voltam,
06:38
in order to balance my audacity.
139
386440
2560
hogy pimaszságom ellensúlyozzam.
06:41
I wanted to find the smartest
people who would disagree with me
people who would disagree with me
140
389880
4216
Meg akartam lelni a legokosabb
kollégákat, hogy ellenkezzenek velem,
kollégákat, hogy ellenkezzenek velem,
06:46
to try to understand their perspective
141
394120
1896
hogy megértsem szempontjaikat,
06:48
or to have them
stress test my perspective.
stress test my perspective.
142
396040
2600
vagy próbának vessék alá
az én szempontjaimat.
az én szempontjaimat.
06:51
I wanted to make an idea meritocracy.
143
399400
2776
Az ötletek meritokráciáját
akartam megteremteni.
akartam megteremteni.
06:54
In other words,
144
402200
1216
Másként szólva,
06:55
not an autocracy in which
I would lead and others would follow
I would lead and others would follow
145
403440
3816
nem autokráciát, amelyben én
vezetek, a többiek meg követnek,
vezetek, a többiek meg követnek,
06:59
and not a democracy in which everybody's
points of view were equally valued,
points of view were equally valued,
146
407280
3616
és nem mindenki szempontját
egyformán értékelő demokráciát,
egyformán értékelő demokráciát,
07:02
but I wanted to have an idea meritocracy
in which the best ideas would win out.
in which the best ideas would win out.
147
410920
5096
hanem ötletek meritokráciáját,
amelyben a legjobb ötletek a nyerők.
amelyben a legjobb ötletek a nyerők.
07:08
And in order to do that,
148
416040
1256
Rájöttem, hogy ennek megvalósításához
07:09
I realized that we would need
radical truthfulness
radical truthfulness
149
417320
3576
teljes őszinteségre
és alapvető átláthatóságra
és alapvető átláthatóságra
07:12
and radical transparency.
150
420920
1616
lesz szükségünk.
07:14
What I mean by radical truthfulness
and radical transparency
and radical transparency
151
422560
3856
Teljes őszinteségen és alapvető
átláthatóságon azt értem,
átláthatóságon azt értem,
07:18
is people needed to say
what they really believed
what they really believed
152
426440
2656
hogy a kollégáknak azt kell
elmondaniuk, amit tényleg hisznek,
elmondaniuk, amit tényleg hisznek,
07:21
and to see everything.
153
429120
2000
és mindenbe bele kell látniuk.
07:23
And we literally
tape almost all conversations
tape almost all conversations
154
431480
3936
Majdnem minden megbeszélést fölvettünk,
07:27
and let everybody see everything,
155
435440
1616
s mindenki mindenbe beleláthatott,
07:29
because if we didn't do that,
156
437080
1416
mert ha nem ezt tesszük,
07:30
we couldn't really have
an idea meritocracy.
an idea meritocracy.
157
438520
3080
az nem lett volna ötletek meritokráciája.
07:34
In order to have an idea meritocracy,
158
442760
3696
Az ötletek meritokráciájához hagytuk,
07:38
we have let people speak
and say what they want.
and say what they want.
159
446480
2376
hogy a kollégák elmondhassák,
amit akarnak.
amit akarnak.
07:40
Just to give you an example,
160
448880
1376
Példát említek.
07:42
this is an email from Jim Haskel --
161
450280
2696
Ez itt Jim Haskel ímélje,
07:45
somebody who works for me --
162
453000
1376
Jim nálam dolgozik,
07:46
and this was available
to everybody in the company.
to everybody in the company.
163
454400
3376
s az íméljét mindenki olvashatta a cégnél:
07:49
"Ray, you deserve a 'D-'
164
457800
2536
"Ray, a mai értekezleten
nyújtott teljesítményedért
nyújtott teljesítményedért
07:52
for your performance
today in the meeting ...
today in the meeting ...
165
460360
2256
csak elégségest érdemelsz.
07:54
you did not prepare at all well
166
462640
1696
egyáltalán nem készültél,
07:56
because there is no way
you could have been that disorganized."
you could have been that disorganized."
167
464360
3560
mert szervezetlenebb
már nem is lehetett volna."
már nem is lehetett volna."
08:01
Isn't that great?
168
469520
1216
Hát nem nagyszerű?
08:02
(Laughter)
169
470760
1216
(Nevetés)
08:04
That's great.
170
472000
1216
Nagyszerű.
08:05
It's great because, first of all,
I needed feedback like that.
I needed feedback like that.
171
473240
2936
Mindenekelőtt azért, mert kellettek
az ilyen visszajelzések.
az ilyen visszajelzések.
08:08
I need feedback like that.
172
476200
1616
Kellenek az ilyen visszacsatolások.
08:09
And it's great because if I don't let Jim,
and people like Jim,
and people like Jim,
173
477840
3456
Azért is nagyszerű, mert ha nem
hagyom, hogy Jim meg a többiek
hagyom, hogy Jim meg a többiek
08:13
to express their points of view,
174
481320
1576
kifejtsék véleményüket,
08:14
our relationship wouldn't be the same.
175
482920
2056
viszonyunk nem lesz az igazi.
08:17
And if I didn't make that public
for everybody to see,
for everybody to see,
176
485000
3056
S ha nem hozom nyilvánosságra,
08:20
we wouldn't have an idea meritocracy.
177
488080
1960
nem lesz nálunk ötletek meritokráciája.
08:23
So for that last 25 years
that's how we've been operating.
that's how we've been operating.
178
491760
3280
Fennállásunk utóbbi
25 évében így működünk.
25 évében így működünk.
08:27
We've been operating
with this radical transparency
with this radical transparency
179
495640
3056
Ezzel az alapvető
átláthatósággal működünk
átláthatósággal működünk
08:30
and then collecting these principles,
180
498720
2296
és gyűjtjük az elveket,
08:33
largely from making mistakes,
181
501040
2056
főként hibáinkból,
08:35
and then embedding
those principles into algorithms.
those principles into algorithms.
182
503120
4416
aztán az elveket beépítjük
az algoritmusokba.
az algoritmusokba.
08:39
And then those algorithms provide --
183
507560
2696
Aztán az algoritmusok...
08:42
we're following the algorithms
184
510280
2016
Követjük az algoritmusokat,
08:44
in parallel with our thinking.
185
512320
1440
véleményünkkel párhuzamosan.
08:47
That has been how we've run
the investment business,
the investment business,
186
515280
3176
Így működtetjük a befektetési üzletet,
08:50
and it's how we also deal
with the people management.
with the people management.
187
518480
2736
és így végezzük a csapatépítést is.
08:53
In order to give you a glimmer
into what this looks like,
into what this looks like,
188
521240
3736
Hogy fogalmuk legyen róla,
08:57
I'd like to take you into a meeting
189
525000
2336
meghívom önöket egy értekezletre,
08:59
and introduce you to a tool of ours
called the "Dot Collector"
called the "Dot Collector"
190
527360
3136
és megmutatom
az ún. pontgyűjtő eszközünket,
az ún. pontgyűjtő eszközünket,
09:02
that helps us do this.
191
530520
1280
amely ebben segít.
09:07
A week after the US election,
192
535640
2176
Az USA-választások után egy héttel
09:09
our research team held a meeting
193
537840
2096
kutatócsoportunk értekezett,
09:11
to discuss what a Trump presidency
would mean for the US economy.
would mean for the US economy.
194
539960
3320
hogy megvitassa, mivel jár Trump
elnöksége az USA gazdaságára nézve.
elnöksége az USA gazdaságára nézve.
09:16
Naturally, people had
different opinions on the matter
different opinions on the matter
195
544000
2856
Az embereknek, persze,
eltérő a véleményük róla,
eltérő a véleményük róla,
09:18
and how we were
approaching the discussion.
approaching the discussion.
196
546880
2040
és ez tükröződött a vitában is.
09:21
The "Dot Collector" collects these views.
197
549840
2776
A pontgyűjtő összegyűjti a véleményeket.
09:24
It has a list of a few dozen attributes,
198
552640
2296
Jó pár tucat tényezőt tartalmaz,
09:26
so whenever somebody thinks something
about another person's thinking,
about another person's thinking,
199
554960
4016
így amikor valakinek véleménye
van mások gondolatáról,
van mások gondolatáról,
09:31
it's easy for them
to convey their assessment;
to convey their assessment;
200
559000
2936
könnyű elvégeznie az értékelést;
09:33
they simply note the attribute
and provide a rating from one to 10.
and provide a rating from one to 10.
201
561960
4520
csak megjelöli a tényezőt,
és 1–10 közötti skálán értékeli.
és 1–10 közötti skálán értékeli.
09:39
For example, as the meeting began,
202
567520
2256
Pl. az értekezlet elején
09:41
a researcher named Jen rated me a three --
203
569800
3120
az egyik kutató, Jim,
engem hármasra értékelt,
engem hármasra értékelt,
09:45
in other words, badly --
204
573640
2016
tehát rosszra...
09:47
(Laughter)
205
575680
1376
(Nevetés)
09:49
for not showing a good balance
of open-mindedness and assertiveness.
of open-mindedness and assertiveness.
206
577080
4160
mert nem volt nálam egyensúlyban
az elfogulatlanság s a magabiztosság.
az elfogulatlanság s a magabiztosság.
09:54
As the meeting transpired,
207
582080
1456
Az értekezlet folyamán
09:55
Jen's assessments of people
added up like this.
added up like this.
208
583560
3240
Jen értékelései így következtek.
09:59
Others in the room
have different opinions.
have different opinions.
209
587920
2176
A jelenlévők véleménye különböző volt.
10:02
That's normal.
210
590120
1216
Ez rendben van.
10:03
Different people are always
going to have different opinions.
going to have different opinions.
211
591360
2920
Az embereknek mindig
különböző a véleményük.
különböző a véleményük.
10:06
And who knows who's right?
212
594800
1400
Ki tudja, kinek van igaza?
10:09
Let's look at just what people thought
about how I was doing.
about how I was doing.
213
597240
3440
Nézzük meg, mit gondoltak
rólam az emberek!
rólam az emberek!
10:13
Some people thought I did well,
214
601600
2216
Egyesek szerint jó voltam,
10:15
others, poorly.
215
603840
1200
mások szerint gyenge.
10:18
With each of these views,
216
606080
1336
E nézetekkel kimutathatjuk
10:19
we can explore the thinking
behind the numbers.
behind the numbers.
217
607440
2320
a számok mögötti véleményeket.
10:22
Here's what Jen and Larry said.
218
610520
2160
Ezt mondta Jen és Larry.
10:25
Note that everyone
gets to express their thinking,
gets to express their thinking,
219
613760
2616
Mindenki kifejezi a véleményét,
10:28
including their critical thinking,
220
616400
1656
még ha az kritikus is,
10:30
regardless of their position
in the company.
in the company.
221
618080
2120
függetlenül a beosztásától.
10:33
Jen, who's 24 years old
and right out of college,
and right out of college,
222
621120
3096
A főiskolát most végzett 24 éves Jen
nekem, az elnöknek
nekem, az elnöknek
szemembe mondhatja,
hogy szörnyen fogom föl a dolgokat.
hogy szörnyen fogom föl a dolgokat.
10:36
can tell me, the CEO,
that I'm approaching things terribly.
that I'm approaching things terribly.
223
624240
2840
10:40
This tool helps people
both express their opinions
both express their opinions
224
628480
3776
Az eszköz segít a munkatársaknak
véleményük kifejezésében,
véleményük kifejezésében,
10:44
and then separate themselves
from their opinions
from their opinions
225
632280
3096
majd a személy és véleménye
különválasztásában,
különválasztásában,
hogy magasabb szintről lássák az ügyeket.
10:47
to see things from a higher level.
226
635400
2040
10:50
When Jen and others shift their attentions
from inputting their own opinions
from inputting their own opinions
227
638640
4896
Amikor Jen és a többiek elterelik
figyelmüket saját véleményük kifejtéséről,
figyelmüket saját véleményük kifejtéséről,
és átfogóan vizsgálják az ügyet,
10:55
to looking down on the whole screen,
228
643560
2576
szemléletük megváltozik.
10:58
their perspective changes.
229
646160
1720
11:00
They see their own opinions
as just one of many
as just one of many
230
648680
3136
Véleményük már egy a sok közül,
11:03
and naturally start asking themselves,
231
651840
2536
s így fölteszik maguknak a kérdést:
"Honnan tudom, hogy véleményem helyes?"
11:06
"How do I know my opinion is right?"
232
654400
2000
11:09
That shift in perspective is like going
from seeing in one dimension
from seeing in one dimension
233
657480
4056
E szemléletváltás olyan,
mintha egy dimenzió helyett
mintha egy dimenzió helyett
több dimenzióban látnánk.
11:13
to seeing in multiple dimensions.
234
661560
2256
11:15
And it shifts the conversation
from arguing over our opinions
from arguing over our opinions
235
663840
4096
A beszélgetés véleményünk
védelmezésétől afelé mozdult el,
védelmezésétől afelé mozdult el,
11:19
to figuring out objective criteria
for determining which opinions are best.
for determining which opinions are best.
236
667960
4400
hogy dolgozzuk ki, melyek a legjobb
vélemény objektív kritériumai.
vélemény objektív kritériumai.
11:24
Behind the "Dot Collector"
is a computer that is watching.
is a computer that is watching.
237
672920
3600
A pontgyűjtő hátterében
számítógép van, amely figyeli,
számítógép van, amely figyeli,
11:29
It watches what all
these people are thinking
these people are thinking
238
677120
2176
mit és hogyan gondolnak a munkatársak,
és viszonyt állapít meg a kettő között,
11:31
and it correlates that
with how they think.
with how they think.
239
679320
2576
11:33
And it communicates advice
back to each of them based on that.
back to each of them based on that.
240
681920
3520
és erre alapozva mindenkinek tanácsot ad.
11:38
Then it draws the data
from all the meetings
from all the meetings
241
686520
3416
Aztán a megbeszélésekből
nyert adatokat kirajzolja
nyert adatokat kirajzolja
a pointillista képet
a munkatársak jellemzőiről
a munkatársak jellemzőiről
11:41
to create a pointilist painting
of what people are like
of what people are like
242
689960
3216
és gondolkodásmódjáról.
11:45
and how they think.
243
693200
1240
11:47
And it does that guided by algorithms.
244
695160
2720
Ezt algoritmus útján éri el.
11:50
Knowing what people are like helps
to match them better with their jobs.
to match them better with their jobs.
245
698800
3760
A kollégák ismerete segít összepárosítani
őket a testhez álló feladattal.
őket a testhez álló feladattal.
Például
11:55
For example,
246
703120
1216
egy megbízhatatlan kreatív észjárású
11:56
a creative thinker who is unreliable
247
704360
1736
párosítható valaki
nem kreatív megbízhatóval
nem kreatív megbízhatóval
11:58
might be matched up with someone
who's reliable but not creative.
who's reliable but not creative.
248
706120
3080
Az emberek ismerete
lehetőséget nyújt, hogy eldöntsük,
lehetőséget nyújt, hogy eldöntsük,
12:02
Knowing what people are like
also allows us to decide
also allows us to decide
249
710280
3336
12:05
what responsibilities to give them
250
713640
2256
milyen felelősséggel ruházzuk föl őket,
12:07
and to weigh our decisions
based on people's merits.
based on people's merits.
251
715920
3480
és érdemük szerint
mérlegeljük döntéseinket.
mérlegeljük döntéseinket.
12:12
We call it their believability.
252
720040
1600
Ezt hívjuk hitelességnek.
Itt egy példa rá,
amikor a kollégák zöme
amikor a kollégák zöme
12:14
Here's an example of a vote that we took
253
722560
1976
12:16
where the majority
of people felt one way ...
of people felt one way ...
254
724560
2840
egyféleképpen érzett,
12:20
but when we weighed the views
based on people's merits,
based on people's merits,
255
728920
2936
de amikor nézeteiket
érdemeik alapján mérlegeltük,
érdemeik alapján mérlegeltük,
12:23
the answer was completely different.
256
731880
1840
teljesen más lett az eredmény.
12:26
This process allows us to make decisions
not based on democracy,
not based on democracy,
257
734920
4576
A folyamat lehetővé teszi,
hogy döntéseinket
hogy döntéseinket
ne demokráciára vagy autokráciára
12:31
not based on autocracy,
258
739520
2136
hanem algoritmusokra alapozva hozzuk meg,
amely figyelembe veszi a hitelességet is.
amely figyelembe veszi a hitelességet is.
12:33
but based on algorithms that take
people's believability into consideration.
people's believability into consideration.
259
741680
5240
12:41
Yup, we really do this.
260
749520
1696
Eegen, így csináljuk.
(Nevetés)
12:43
(Laughter)
261
751240
3296
12:46
We do it because it eliminates
262
754560
2856
Azért csináljuk, mert ez fölszámolja
12:49
what I believe to be
one of the greatest tragedies of mankind,
one of the greatest tragedies of mankind,
263
757440
4456
az emberiség tán egyik
legnagyobb tragédiáját,
legnagyobb tragédiáját,
12:53
and that is people arrogantly,
264
761920
2160
mégpedig hogy az emberek pökhendin,
12:56
naïvely holding opinions
in their minds that are wrong,
in their minds that are wrong,
265
764760
4456
naivul tartják magukat
hibás véleményükhöz,
hibás véleményükhöz,
13:01
and acting on them,
266
769240
1256
s aszerint cselekszenek;
13:02
and not putting them out there
to stress test them.
to stress test them.
267
770520
2760
nem vetik alá szilárdságpróbának.
13:06
And that's a tragedy.
268
774000
1336
Ez tragédia.
13:07
And we do it because it elevates ourselves
above our own opinions
above our own opinions
269
775360
5416
Azért csináljuk, mert ez
véleményünk fölé emel minket,
véleményünk fölé emel minket,
13:12
so that we start to see things
through everybody's eyes,
through everybody's eyes,
270
780800
2896
hogy az ügyeket mindenki szemszögéből
és közösen lássuk.
13:15
and we see things collectively.
271
783720
1920
A közös döntéshozatal sokkal jobb
az egyéni döntéshozatalnál,
az egyéni döntéshozatalnál,
13:18
Collective decision-making is so much
better than individual decision-making
better than individual decision-making
272
786360
4336
ha jól csinálják.
13:22
if it's done well.
273
790720
1200
13:24
It's been the secret sauce
behind our success.
behind our success.
274
792360
2616
Ez sikerünk titkos összetevője.
Ezért kerestünk mi sokkal
több pénzt ügyfeleinknek,
több pénzt ügyfeleinknek,
13:27
It's why we've made
more money for our clients
more money for our clients
275
795000
2176
13:29
than any other hedge fund in existence
276
797200
1936
mint bármely más hedge fund;
13:31
and made money
23 out of the last 26 years.
23 out of the last 26 years.
277
799160
2720
az utóbbi 26 évből
23-ban pénzt kerestünk.
23-ban pénzt kerestünk.
13:35
So what's the problem
with being radically truthful
with being radically truthful
278
803880
4536
Mi akadálya, hogy teljesen őszinték
és átláthatók legyünk egymás számára?
13:40
and radically transparent with each other?
279
808440
2240
Azt mondják, hogy ez érzelmileg nehéz.
13:45
People say it's emotionally difficult.
280
813400
2080
13:48
Critics say it's a formula
for a brutal work environment.
for a brutal work environment.
281
816240
4240
Kritikusai szerint ez a brutális
munkahelyi légkör receptje.
munkahelyi légkör receptje.
13:53
Neuroscientists tell me it has to do
with how are brains are prewired.
with how are brains are prewired.
282
821400
4856
Idegtudósok szerint attól függ,
agyidegeink hogyan vannak bedrótozva.
agyidegeink hogyan vannak bedrótozva.
13:58
There's a part of our brain
that would like to know our mistakes
that would like to know our mistakes
283
826280
3216
Agyunk egyik része
szeretné tudni hibáinkat
szeretné tudni hibáinkat
14:01
and like to look at our weaknesses
so we could do better.
so we could do better.
284
829520
3960
és gyengéinket, hogy javulhassunk.
14:06
I'm told that that's
the prefrontal cortex.
the prefrontal cortex.
285
834120
2440
Azt mondták nekem,
hogy ez a homloklebenyi agykéreg.
hogy ez a homloklebenyi agykéreg.
Agyunk más része ezt támadásnak fogja föl.
14:09
And then there's a part of our brain
which views all of this as attacks.
which views all of this as attacks.
286
837040
4856
14:13
I'm told that that's the amygdala.
287
841920
1960
Azt mondták nekem, hogy ez az amigdala.
14:16
In other words,
there are two you's inside you:
there are two you's inside you:
288
844440
3056
Azaz két énünk van:
14:19
there's an emotional you
289
847520
1416
egy érzelmi
és egy intellektuális énünk,
14:20
and there's an intellectual you,
290
848960
1776
s gyakran hadilábon állva egymással
14:22
and often they're at odds,
291
850760
1776
ellenünk dolgoznak.
14:24
and often they work against you.
292
852560
1920
Úgy tapasztaltuk,
hogy megnyerhetjük a csatát.
hogy megnyerhetjük a csatát.
14:27
It's been our experience
that we can win this battle.
that we can win this battle.
293
855160
3736
14:30
We win it as a group.
294
858920
1320
Csoportosan.
Jellemzően 18 hónap alatt
14:33
It takes about 18 months typically
295
861000
2336
rá lehet jönni, hogy a legtöbben
jobb szeretnek így dolgozni,
jobb szeretnek így dolgozni,
14:35
to find that most people
prefer operating this way,
prefer operating this way,
296
863360
3056
eme alapvető átláthatósággal,
14:38
with this radical transparency
297
866440
2016
semmint zavaros környezetben.
14:40
than to be operating
in a more opaque environment.
in a more opaque environment.
298
868480
3336
Nincs intrika, nincs a...
14:43
There's not politics,
there's not the brutality of --
there's not the brutality of --
299
871840
4296
tudják mi, nincs a színfalak mögötti
manőverek brutalitása –,
manőverek brutalitása –,
14:48
you know, all of that hidden,
behind-the-scenes --
behind-the-scenes --
300
876160
2376
az ötletek meritokráciája van,
ahol a kollégák megnyilvánulhatnak.
ahol a kollégák megnyilvánulhatnak.
14:50
there's an idea meritocracy
where people can speak up.
where people can speak up.
301
878560
2936
Ez pedig mindig jó dolog.
14:53
And that's been great.
302
881520
1256
14:54
It's given us more effective work,
303
882800
1656
Ettől hatékonyabb a munka,
14:56
and it's given us
more effective relationships.
more effective relationships.
304
884480
2400
hatékonyabbak a viszonyok.
De nem mindenkinek
14:59
But it's not for everybody.
305
887400
1320
15:01
We found something like
25 or 30 percent of the population
25 or 30 percent of the population
306
889680
2936
Úgy találtuk,
hogy a munkatársak 25-30%-ának
hogy a munkatársak 25-30%-ának
ez nem felel meg.
15:04
it's just not for.
307
892640
1736
15:06
And by the way,
308
894400
1216
Egyébként,
amikor alapvető átláthatóságról beszélek,
15:07
when I say radical transparency,
309
895640
1816
15:09
I'm not saying transparency
about everything.
about everything.
310
897480
2336
ez nem értendő mindenre.
15:11
I mean, you don't have to tell somebody
that their bald spot is growing
that their bald spot is growing
311
899840
3816
Nem kell senkinek szóvá tenni,
hogy erősen kopaszodik,
hogy erősen kopaszodik,
vagy csúnya a gyereke.
15:15
or their baby's ugly.
312
903680
1616
15:17
So, I'm just talking about --
313
905320
2096
Én csupán
(Nevetés)
15:19
(Laughter)
314
907440
1216
a fontos dolgokról beszélek.
15:20
talking about the important things.
315
908680
2176
15:22
So --
316
910880
1216
Úgyhogy...
15:24
(Laughter)
317
912120
3200
(Nevetés)
15:28
So when you leave this room,
318
916600
1416
Mikor innen távoznak,
15:30
I'd like you to observe yourself
in conversations with others.
in conversations with others.
319
918040
4440
kérem, figyeljék meg,
hogyan beszélnek másokkal.
hogyan beszélnek másokkal.
15:35
Imagine if you knew
what they were really thinking,
what they were really thinking,
320
923360
3680
Képzeljék el, hogy tudják,
társaik valójában mit gondolnak,
társaik valójában mit gondolnak,
15:39
and imagine if you knew
what they were really like ...
what they were really like ...
321
927760
2600
s tudják, valójában milyenek,
s képzeljék el, hogy társaik
az önök gondolatait is ismerik,
az önök gondolatait is ismerik,
15:43
and imagine if they knew
what you were really thinking
what you were really thinking
322
931840
3976
15:47
and what were really like.
323
935840
1840
önökről is tudják, milyenek.
15:50
It would certainly clear things up a lot
324
938160
2576
Ez bizonyára jócskán
tisztázza a dolgokat,
tisztázza a dolgokat,
és együttes cselekvésüket
hatékonyabbá teszi.
hatékonyabbá teszi.
15:52
and make your operations
together more effective.
together more effective.
325
940760
2856
Megjavítja viszonyaikat.
15:55
I think it will improve
your relationships.
your relationships.
326
943640
2240
Képzeljék el, hogy van algoritmusuk,
15:58
Now imagine that you can have algorithms
327
946600
3296
16:01
that will help you gather
all of that information
all of that information
328
949920
3816
mellyel eme információkat összegyűjthetik,
16:05
and even help you make decisions
in an idea-meritocratic way.
in an idea-meritocratic way.
329
953760
4560
és még a döntéshozásban
is segít meritokratikus módon.
is segít meritokratikus módon.
16:12
This sort of radical transparency
is coming at you
is coming at you
330
960640
4336
Az alapvető átláthatóság eltölti önöket,
és hatni fog az életükre.
16:17
and it is going to affect your life.
331
965000
1960
16:19
And in my opinion,
332
967600
2056
Nézetem szerint
ez csodálatos lesz.
16:21
it's going to be wonderful.
333
969680
1336
16:23
So I hope it is as wonderful for you
334
971040
2336
Remélem, hogy önöknek
ugyanolyan csodálatos,
ugyanolyan csodálatos,
16:25
as it is for me.
335
973400
1200
mint nekem.
Köszönöm szépen.
16:27
Thank you very much.
336
975160
1256
(Taps)
16:28
(Applause)
337
976440
4360
Translated by Peter Pallós
ABOUT THE SPEAKER
Ray Dalio - Hedge fund chairRay Dalio is the founder, chair and co-chief investment officer of Bridgewater Associates, a global leader in institutional portfolio management and the largest hedge fund in the world.
Why you should listen
Dalio started Bridgewater out of his two-bedroom apartment in New York City in 1975 and has grown it into the fifth most important private company in the U.S. (according to Fortune magazine). Because of the firm’s many industry-changing innovations over its 40-year history, he has been called the “Steve Jobs of investing” by aiCIO magazine and named one of TIME magazine’s "100 Most Influential People."
Dalio attributes Bridgewater’s success to its unique culture. He describes it as “a believability-weighted idea meritocracy” in which the people strive for “meaningful work and meaningful relationships through radical truth and radical transparency.” He has explained this approach in his book Principles, which has been downloaded more than three million times and has produced considerable curiosity and controversy.
Ray Dalio | Speaker | TED.com