TEDIndia 2009
Sendhil Mullainathan: Solving social problems with a nudge
Sendhil Mullainathan: Risolvere problemi sociali con una piccola spinta
Filmed:
Readability: 3.7
581,215 views
Sendhil Mullainathan, vincitore del premio MacArthur, usa le lenti dell'economia comportamentale per studiare uno spinoso gruppo di problemi sociali...quelli che sappiamo come risolvere ma che non risolviamo. Sappiamo come ridurre la mortalità infantile causata dalla diarrea, come prevenire la cecità derivante dal diabete e come mettere in atto la tecnologia delle celle solari...ma in qualche modo non lo facciamo o non possiamo ancora farlo. Perché?
Sendhil Mullainathan - Behavioral economist
Sendhil Mullainathan asks a compelling question: what are the irrational choices we make that perpetuate poverty, corruption, discrimination? Full bio
Sendhil Mullainathan asks a compelling question: what are the irrational choices we make that perpetuate poverty, corruption, discrimination? Full bio
Double-click the English transcript below to play the video.
00:15
As a researcher, every once in a while
0
0
3000
Come ricercatore, di tanto in tanto,
00:18
you encounter something
1
3000
2000
si incontrano cose
00:20
a little disconcerting.
2
5000
2000
un po' sconcertanti.
00:22
And this is something that changes your understanding of the world around you,
3
7000
3000
E questo è qualcosa che cambia la comprensione del mondo che vi circonda,
00:25
and teaches you that you're very wrong
4
10000
2000
e vi insegna che vi sbagliate davvero
00:27
about something that you really believed firmly in.
5
12000
4000
su qualcosa nella quale credevate fermamente.
00:31
And these are unfortunate moments,
6
16000
3000
E questi sono momenti sfortunati,
00:34
because you go to sleep that night
7
19000
2000
perché quella sera andate a letto
00:36
dumber than when you woke up.
8
21000
3000
più silenziosi di quando vi siete svegliati.
00:39
So, that's really the goal of my talk,
9
24000
2000
Quindi, questo è l'obiettivo del mio discorso:
00:41
is to A, communicate that moment to you
10
26000
2000
A, comunicarvi il momento,
00:43
and B, have you leave this session
11
28000
2000
e B, farvi lasciare questa lezione
00:45
a little dumber than when you entered.
12
30000
2000
un po' più silenziosi di quando siete entrati.
00:47
So, I hope I can really accomplish that.
13
32000
3000
Quindi, spero davvero di riuscirci.
00:50
So, this incident that I'm going to describe
14
35000
3000
Quindi, questo incidente che sto per descrivervi
00:53
really began with some diarrhea.
15
38000
3000
inizia davvero con la diarrea.
00:56
Now, we've known for a long time the cause of diarrhea.
16
41000
3000
Ora, è da tanto che conosciamo la causa della diarrea.
00:59
That's why there's a glass of water up there.
17
44000
3000
Ecco perché lassù c'è un bicchiere d'acqua.
01:02
For us, it's a problem, the people in this room.
18
47000
2000
Per noi in questa stanza è un problema,
01:04
For babies, it's deadly.
19
49000
3000
per i bambini, è mortale.
01:07
They lack nutrients, and diarrhea dehydrates them.
20
52000
4000
Hanno mancanza di nutrienti, e la diarrea li disidrata.
01:11
And so, as a result, there is a lot of death,
21
56000
2000
E quindi, come risultato, ci sono molte morti,
01:13
a lot of death.
22
58000
3000
moltissime morti.
01:16
In India in 1960,
23
61000
2000
Nel 1960, in India,
01:18
there was a 24 percent child mortality rate,
24
63000
2000
c'era un tasso di mortalità infantile del 24%,
01:20
lots of people didn't make it. This is incredibly unfortunate.
25
65000
4000
molte persone non ce la facevano. Incredibilmente sfortunate.
01:24
One of the big reasons this happened was
26
69000
2000
Uno dei motivi per i quali accadeva
01:26
because of diarrhea.
27
71000
2000
era la diarrea.
01:28
Now, there was a big effort to solve this problem,
28
73000
3000
Si sono fatti grossi sforzi per risolvere questo problema.
01:31
and there was actually a big solution.
29
76000
4000
E in effetti c'era una grande soluzione.
01:35
This solution has been called, by some,
30
80000
2000
E questa soluzione è stata chiamata, da alcuni,
01:37
"potentially the most important medical
31
82000
2000
"Potenzialmente il più importante progresso
01:39
advance this century."
32
84000
3000
medico di questo secolo".
01:42
Now, the solution turned out to be simple.
33
87000
3000
Ora, è venuto fuori che la soluzione era semplice.
01:45
And what it was was oral rehydration salts.
34
90000
4000
Ed erano sali per la reidratazione orale.
01:49
Many of you have probably used this.
35
94000
2000
Molti di voi probabilmente li hanno usati.
01:51
It's brilliant. It's a way to get sodium
36
96000
2000
E' geniale. E' un modo di mettere insieme
01:53
and glucose together so that when you add it to water
37
98000
3000
sodio e glucosio così che aggiungendoli all'acqua
01:56
the child is able to absorb it even during situations of diarrhea.
38
101000
3000
il bambino possa assorbirli anche durante situazioni di diarrea.
01:59
Remarkable impact on mortality.
39
104000
4000
Notevole impatto sulla mortalità.
02:03
Massive solution to the problem.
40
108000
2000
Soluzione massiccia al problema.
02:05
Flash forward: 1960, 24 percent child mortality
41
110000
3000
Salto in avanti, 1960, il 24% della mortalità è sceso
02:08
has dropped to 6.5 percent today.
42
113000
2000
al 6,5% di oggi.
02:10
Still a big number, but a big drop.
43
115000
3000
Ancora un valore alto, ma un grosso calo.
02:13
It looks like the technological problem is solved.
44
118000
3000
Sembra che il problema tecnologico sia stato risolto.
02:16
But if you look, even today
45
121000
2000
Ma, se date un'occhiata, anche oggi,
02:18
there are about 400,000 diarrhea-related deaths
46
123000
2000
ci sono circa 400.00 morti legate alla diarrea
02:20
in India alone.
47
125000
2000
solo in India.
02:22
What's going on here?
48
127000
2000
Che sta succedendo?
02:24
Well the easy answer is, we just haven't gotten those salts
49
129000
3000
Beh, la risposta più facile sarebbe che non abbiamo dato quei sali
02:27
to those people.
50
132000
2000
a quelle persone.
02:29
That's actually not true.
51
134000
2000
Cosa che in effetti non è vera.
02:31
If you look in areas where these salts are completely available,
52
136000
3000
Se esaminate le zone in cui i sali sono assolutamente reperibili
02:34
the price is low or zero, these deaths still continue abated.
53
139000
3000
il prezzo è basso o zero, le morti continuano ancora lo stesso.
02:37
Maybe there's a biological answer.
54
142000
2000
Forse c'è una risposta biologica.
02:39
Maybe these are the deaths that simple rehydration
55
144000
2000
Forse queste sono morti che non possono essere risolte
02:41
alone doesn't solve. That's not true either.
56
146000
3000
con la semplice reidratazione. Nemmeno questo è vero.
02:44
Many of these deaths were completely preventable,
57
149000
5000
Molte di queste morti erano assolutamente evitabili.
02:49
and this what I want to think of as the disconcerting thing,
58
154000
3000
E questo è ciò a cui voglio pensare come la cosa sconcertante,
02:52
what I want to call "the last mile" problem.
59
157000
2000
ciò che voglio chiamare il problema "dell'ultimo miglio".
02:54
See, we spent a lot of energy, in many domains --
60
159000
4000
Vedete, usiamo molta energia, in molti campi.
02:58
technological, scientific, hard work,
61
163000
2000
Tecnologici, scientifici, duro lavoro,
03:00
creativity, human ingenuity --
62
165000
2000
creatività, ingenuità umana,
03:02
to crack important social problems with technology solutions.
63
167000
4000
per far crollare importanti problemi sociali con soluzioni tecnologiche.
03:06
That's been the discoveries of the last 2,000 years,
64
171000
2000
Sono state le scoperte degli ultimi 2.000 anni.
03:08
that's mankind moving forward.
65
173000
2000
E' l'umanità che va avanti.
03:10
But in this case we cracked it,
66
175000
3000
Ma in questo caso li abbiamo fatti crollare noi,
03:13
but a big part of the problem still remains.
67
178000
2000
ma una grossa parte del problema rimane ancora.
03:15
Nine hundred and ninety-nine miles went well,
68
180000
2000
999 miglia sono andate bene.
03:17
the last mile's proving incredibly stubborn.
69
182000
3000
L'ultimo miglio sta dimostrando incredibile tenacia.
03:20
Now, that's for oral rehydration therapy.
70
185000
4000
Ora, è per la terapia reidratante orale.
03:24
Maybe this is something unique about diarrhea.
71
189000
2000
Forse questo è qualcosa di unico per la diarrea.
03:26
Well, it turns out -- and this is where things get really disconcerting --
72
191000
2000
Beh, è venuto fuori, ed ecco dove tutto diventa sconcertante,
03:28
it's not unique to diarrhea.
73
193000
2000
che non vale solo per la diarrea.
03:30
It's not even unique to poor people in India.
74
195000
2000
Non vale nemmeno soltanto per le persone povere dell'India.
03:32
Here's an example from a variety of contexts.
75
197000
3000
Ecco un esempio da una varietà di contesti.
03:35
I've put a bunch of examples up here.
76
200000
2000
Ho messo qui un gruppo di esempi.
03:37
I'll start with insulin, diabetes
77
202000
3000
Inizierò con insulina, diabete,
03:40
medication in the U.S.
78
205000
2000
cure mediche negli Stati Uniti.
03:42
OK, the American population.
79
207000
2000
Okay, la popolazione americana.
03:44
On Medicaid -- if you're fairly poor you get Medicaid,
80
209000
2000
Con Medicaid se siete piuttosto poveri venite medicati,
03:46
or if you have health insurance -- insulin is pretty straightforward.
81
211000
2000
o se avete un'assicurazione medica, l'insulina è una cosa piuttosto semplice.
03:48
You get it, either in pill form or you get it as an injection;
82
213000
4000
Si trova sia in pillole che per iniezioni.
03:52
you have to take it every day to maintain your blood sugar levels.
83
217000
2000
Bisogna prenderla ogni giorno per mantenere i livelli degli zuccheri nel sangue.
03:54
Massive technological advance:
84
219000
2000
Massiccio progresso tecnologico,
03:56
took an incredibly deadly disease, made it solvable.
85
221000
2000
prende una malattia incredibilmente mortale, la rende risolvibile.
03:58
Adherence rates. How many people are taking their insulin every day?
86
223000
3000
Tassi di aderenze. Quante persone prendono l'insulina ogni giorno?
04:01
About on average, a typical person is taking it 75 percent of the time.
87
226000
4000
Nella media, un soggetto tipico la prende il 75% del tempo.
04:05
As a result, 25,000 people a year go blind,
88
230000
5000
Come risultato, 25.000 persone all'anno diventano cieche,
04:10
hundreds of thousands lose limbs, every year,
89
235000
2000
centinaia di migliaia perdono gli arti, ogni anno,
04:12
for something that's solvable.
90
237000
2000
per qualcosa che si può risolvere.
04:14
Here I have a bunch of other examples,
91
239000
2000
Ecco un altro gruppo di esempi,
04:16
all suffer from the last mile problem.
92
241000
2000
tutti soffrono del problema dell'ultimo miglio.
04:18
It's not just medicine.
93
243000
2000
Non è solo medicina.
04:20
Here's another example from technology:
94
245000
2000
Ecco un altro esempio dalla tecnologia.
04:22
agriculture. We think
95
247000
2000
Agricoltura. Pensiamo
04:24
there's a food problem, so we create new seeds.
96
249000
2000
che ci sia un problema di cibo, quindi creiamo nuovi semi.
04:26
We think there's an income problem, so we create
97
251000
2000
Pensiamo ci sia un problema nel reddito, quindi creiamo
04:28
new ways of farming that increase income.
98
253000
3000
nuovi modi di far crescere quel reddito.
04:31
Well, look at some old ways, some ways that we'd already cracked.
99
256000
3000
Bene, guardiamo alcuni vecchi sistemi, alcuni sistemi che abbiamo già fatto crollare.
04:34
Intercropping. Intercropping really increases income.
100
259000
2000
La consociazione. La consociazione aumenta davvero le entrate.
04:36
Sometimes in rice we found incredible increases in yield
101
261000
3000
A volte troviamo un incredibile aumento nella produzione del riso
04:39
when you mix different varieties of rice side by side.
102
264000
2000
quando si mischiano insieme diverse varietà di riso.
04:41
Some people are doing that,
103
266000
2000
Alcune persone lo stanno facendo,
04:43
many are not. What's going on?
104
268000
2000
molte no. Che succede?
04:45
This is the last mile.
105
270000
2000
Questo è l'ultimo miglio.
04:47
The last mile is, everywhere, problematic.
106
272000
2000
L'ultimo miglio è, dovunque, problematico.
04:49
Alright, what's the problem?
107
274000
2000
Bene, qual'è il problema?
04:51
The problem is this little three-pound machine
108
276000
3000
Il problema è questa piccola macchina da 1,4 Kg
04:54
that's behind your eyes and between your ears.
109
279000
4000
che si trova dietro gli occhi e tra le orecchie.
04:58
This machine is really strange,
110
283000
2000
Questa macchina è davvero strana,
05:00
and one of the consequences is that people are weird.
111
285000
4000
e una delle conseguenze è che le persone sono bizzarre.
05:04
They do lots of inconsistent things.
112
289000
4000
Fanno molte cose inconsistenti.
05:08
(Applause)
113
293000
2000
(Applausi)
05:10
They do lots of inconsistent things.
114
295000
3000
Fanno molte cose inconsistenti.
05:13
And the inconsistencies
115
298000
2000
E le inconsistenze
05:15
create, fundamentally, this last mile problem.
116
300000
3000
creano, sostanzialmente, il problema dell'ultimo miglio.
05:18
See, when we were dealing with our biology, bacteria,
117
303000
3000
Vedete, quando abbiamo a che fare con biologia, batteri,
05:21
the genes, the things inside here, the blood?
118
306000
3000
geni, cose qui dentro, il sangue,
05:24
That's complex, but it's manageable.
119
309000
3000
è complesso ma gestibile.
05:27
When we're dealing with people like this?
120
312000
3000
Quando abbiamo a che fare con persone come queste,
05:30
The mind is more complex.
121
315000
2000
la mente è più complessa.
05:32
That's not as manageable, and that's what we're struggling with.
122
317000
2000
Non è gestibile allo stesso modo. Ed è ciò contro cui stiamo combattendo.
05:34
Let me go back to diarrhea for a second.
123
319000
3000
Fatemi tornare un attimo alla diarrea.
05:37
Here's a question that was asked in the National Sample Survey,
124
322000
3000
Ecco una domanda fatta al National Sample Survey,
05:40
which is a survey asked of many Indian women:
125
325000
2000
che è un'indagine che interessa molte donne indiane.
05:42
"Your child has diarrhea.
126
327000
2000
"Vostro figlio ha la diarrea.
05:44
Should you increase, maintain or decrease the number of fluids?"
127
329000
3000
Dovreste aumentare, mantenere, o diminuire la quantità di liquidi?"
05:47
Just so you don't embarrass yourselves, I'll give you the right answer:
128
332000
3000
Tanto per non mettervi in imbarazzo, vi darò la risposta esatta.
05:50
It's increase.
129
335000
2000
E' aumentare.
05:54
Now, diarrhea's interesting
130
339000
1000
Ora, la diarrea è interessante
05:55
because it's been around for thousands of years,
131
340000
2000
perché sono passati migliaia di anni
05:57
ever since humankind really
132
342000
3000
da quando l'umanità viveva
06:00
lived side by side enough to have really polluted water.
133
345000
3000
davvero fianco a fianco al punto avere acque realmente inquinate.
06:03
One Roman strategy that was very interesting
134
348000
2000
Una strategia romana molto interessante,
06:05
was that -- and it really gave them a comparative advantage --
135
350000
2000
e che diede un vantaggio relativo, fu
06:07
they made sure their soldiers didn't drink
136
352000
3000
quella di assicurarsi che i soldati non bevessero
06:10
even remotely muddied waters.
137
355000
2000
nemmeno lontanamente acqua inquinata.
06:12
Because if some of your troops get diarrhea they're not that effective
138
357000
3000
Perché se alcune delle tue truppe contraggono la diarrea, non sono più efficienti
06:15
on the battlefield.
139
360000
2000
sul campo di battaglia.
06:17
So, if you think of Roman comparative advantage part of it was the breast shields,
140
362000
2000
Quindi, se credete che parte del relativo vantaggio dei romani fossero gli scudi,
06:19
the breastplates, but part of it was drinking the right water.
141
364000
4000
il corsaletto, una parte era bere l'acqua giusta.
06:23
So, here are these women. They've seen their parents
142
368000
2000
Quindi, qui ci sono queste donne che hanno visto i loro genitori
06:25
have struggled with diarrhea, they've struggled with diarrhea,
143
370000
2000
lottare contro la diarrea, loro stesse hanno lottato contro la diarrea.
06:27
they've seen lots of deaths. How do they answer this question?
144
372000
3000
Hanno visto molti morire. Come rispondono alla domanda?
06:30
In India, 35 to 50 percent say "Reduce."
145
375000
4000
In India tra il 35 e il 50% dice "ridurre".
06:34
Think about what that means for a second.
146
379000
2000
Pensate un attimo a cosa significa.
06:36
Thirty-five to 50 percent of women
147
381000
2000
Tra il 35 e il 50% delle donne
06:38
forget oral rehydration therapy,
148
383000
2000
dimentica la terapia di reidratazione orale,
06:40
they are increasing --
149
385000
2000
stanno aumentando,
06:42
they are actually making their child
150
387000
3000
stanno in effetti rendendo maggiormente possibile
06:45
more likely to die through their actions.
151
390000
3000
la morte dei loro bambini attraverso le loro azioni.
06:48
How is that possible?
152
393000
2000
Com'è possibile?
06:50
Well, one possibility -- I think that's how most people respond to this --
153
395000
3000
Beh, una possibilità...credo che sia come le persone rispondono...
06:53
is to say, "That's just stupid."
154
398000
4000
è dire: "E' semplicemente stupido."
06:57
I don't think that's stupid.
155
402000
2000
Non credo che sia stupido.
06:59
I think there is something very profoundly right in what these women are doing.
156
404000
3000
Credo che ci sia qualcosa di profondamente giusto in ciò che stanno facendo queste donne.
07:02
And that is, you don't put water
157
407000
2000
Ed è che, non si mette acqua
07:04
into a leaky bucket.
158
409000
2000
in un secchio bucato.
07:06
So, think of the mental model that goes behind reducing the intake.
159
411000
4000
Quindi, pensate al modello mentale che sta dietro la riduzione dell'assunzione.
07:10
Just doesn't make sense.
160
415000
2000
Non ha alcun senso.
07:12
Now, the model is intuitively right.
161
417000
3000
Ora, il modello è intuitivamente giusto.
07:15
It just doesn't happen to be right about the world.
162
420000
4000
Semplicemente non è giusto in tutto il mondo.
07:19
But it makes a whole lot of sense at some deep level.
163
424000
3000
Ma ha molto senso ad alcuni livelli profondi.
07:22
And that, to me, is the fundamental challenge
164
427000
3000
E ciò, per me, è la sfida fondamentale
07:25
of the last mile.
165
430000
5000
dell'ultimo miglio.
07:30
This first challenge is what I refer to as the persuasion challenge.
166
435000
3000
La prima sfida è ciò a cui io mi riferisco come sfida di persuasione.
07:33
Convincing people to do something --
167
438000
2000
Convincere le persone a fare qualcosa,
07:35
take oral rehydration therapy, intercrop, whatever it might be --
168
440000
2000
- assumere terapie di reidratazione orale, coltura intercalare eccetera -
07:37
is not an act of information:
169
442000
3000
non è un atto d'informazione.
07:40
"Let's give them the data,
170
445000
2000
"Diamogli i dati,
07:42
and when they have data they'll do the right thing."
171
447000
2000
e quando avranno i dati faranno la cosa giusta".
07:44
It's more complex than that.
172
449000
2000
E' più complesso di così.
07:46
And if you want to understand how it's more complex
173
451000
2000
E se volete capire com'è più complesso
07:48
let me start with something kind of interesting.
174
453000
4000
fatemi iniziare con qualcosa d'interessante.
07:52
I'm going to give you a little math problem,
175
457000
2000
Quindi, vi darò un piccolo problema di matematica.
07:54
and I want you to just yell out the answer as fast as possible.
176
459000
3000
E voglio che gridiate la risposta il più velocemente possibile.
07:57
A bat and a ball together cost $1.10.
177
462000
2000
Una mazza e una palla costano insieme 1,10$.
07:59
The bat costs a dollar more than the ball.
178
464000
3000
La mazza costa un dollaro in più della palla.
08:02
How much does the ball cost? Quick.
179
467000
3000
Quanto costa la palla? Veloci.
08:05
So, somebody out there says, "Five."
180
470000
2000
Quindi, qualcuno laggiù dice cinque.
08:07
A lot of you said, "Ten."
181
472000
2000
Molti di voi dicono 10.
08:09
Let's think about 10 for a second.
182
474000
3000
Pensiamo un attimo al 10.
08:12
If the ball costs 10, the bat costs...
183
477000
4000
Se la palla costa 10, la mazza costa...
08:16
this is easy, $1.10.
184
481000
2000
è facile, 1,10$.
08:18
Yeah. So, together they would cost $1.20.
185
483000
3000
Sì. Quindi insieme costerebbero 1,20$.
08:21
So, here you all are, ostensibly educated people.
186
486000
3000
Quindi, eccovi qui, persone apparentemente colte.
08:24
Most of you look smart.
187
489000
3000
Molti di voi sembrano intelligenti.
08:27
The combination of that produces
188
492000
3000
La combinazione di ciò produce
08:30
something that is actually, you got this thing wrong.
189
495000
2000
qualcosa che è difatti, il fatto che vi siete sbagliati.
08:32
How is that possible? Let's go to something else.
190
497000
3000
Com'è possibile? Passiamo ad altro.
08:35
I know algebra can be complicated.
191
500000
3000
So che l'algebra può essere complicata.
08:38
So, let's dial this back. That's what? Fifth grade? Fourth grade?
192
503000
3000
Quindi, andiamo indietro. Cos'è? Scuola elementare?
08:41
Let's go back to kindergarten. OK?
193
506000
3000
Ritorniamo all'asilo. Okay?
08:44
There's a great show on American television that you have to watch.
194
509000
2000
Alla TV americana trasmettono un programma grandioso che dovete guardare.
08:46
It's called "Are You Smarter Than a Fifth Grader?"
195
511000
2000
Si chiama "Siete più intelligenti di un bambino delle elementari?"
08:48
I think we've learned the answer to that here.
196
513000
3000
Credo che qui abbiamo appreso la risposta.
08:51
Let's move to kindergarten. Let's see if we can beat five-year-olds.
197
516000
3000
Passiamo all'asilo. Vediamo se possiamo battere i ragazzini di 5 anni.
08:54
Here's what I'm going to do: I'm going to put objects on the screen.
198
519000
3000
Ecco cosa farò. Metterò degli oggetti sullo schermo.
08:57
I just want you to name the color of the object.
199
522000
4000
Voglio solo che diciate il nome del colore degli oggetti.
09:01
That's all it is. OK?
200
526000
2000
Ecco tutto. Okay?
09:03
I want you to do it fast, and say it out loud with me,
201
528000
3000
Voglio che lo facciate velocemente. E ditelo a voce alta con me.
09:06
and do it quickly. I'll make the first one easy for you.
202
531000
2000
E fatelo rapidamente. Il primo ve lo renderò facile.
09:08
Ready? Black.
203
533000
2000
Pronti? Nero.
09:10
Now the next ones I want you to do quickly and say it out loud.
204
535000
2000
Ora voglio che il prossimo lo diciate velocemente e a voce alta.
09:12
Ready? Go.
205
537000
2000
Pronti? Via.
09:14
Audience: Red. Green.
206
539000
2000
Pubblico: Rosso. Verde.
09:16
Yellow. Blue. Red.
207
541000
2000
Giallo. Blu. Rosso.
09:18
(Laughter)
208
543000
3000
(Risate)
09:21
Sendhil Mullainathan: That's pretty good.
209
546000
4000
Sendhil Mullainathan: Piuttosto bravi.
09:25
Almost out of kindergarten.
210
550000
2000
Quasi fuori dall'asilo.
09:27
What is all this telling us?
211
552000
2000
Cosa ci dice tutto ciò?
09:29
You see, what's going on here, and in the bat and ball problem
212
554000
3000
Vedete, cosa sta succedendo qui, e nel problema della mazza e della palla.
09:32
is that you have some intuitive ways of interacting with the world,
213
557000
3000
E' che avete dei modi intuitivi di interagire con il mondo,
09:35
some models that you use to understand the world.
214
560000
2000
alcuni modelli che usate per capire il mondo.
09:37
These models, like the leaky bucket,
215
562000
2000
Questi modelli, come il secchio bucato,
09:39
work well in most situations.
216
564000
2000
funzionano bene in molte situazioni.
09:41
I suspect most of you --
217
566000
2000
Suppongo che molti di voi,
09:43
I hope that's true for the rest of you --
218
568000
2000
spero che valga per il resto di voi,
09:45
actually do pretty well with addition and subtraction in the real world.
219
570000
4000
in effetti siano piuttosto bravi con addizioni e sottrazioni nel mondo reale.
09:49
I found a problem, a specific problem
220
574000
2000
Ho trovato un problema, un problema specifico
09:51
that actually found an error with that.
221
576000
3000
che in effetti in ciò ha trovato un errore.
09:54
Diarrhea, and many last mile problems, are like that.
222
579000
2000
La diarrea, e molti problemi dell'ultimo miglio sono così.
09:56
They are situations where the mental model
223
581000
2000
Sono situazioni dove i modelli mentali
09:58
doesn't match the reality.
224
583000
2000
non combaciano con la realtà.
10:00
Same thing here:
225
585000
2000
Vale lo stesso qui,
10:02
You had an intuitive response to this that was very quick.
226
587000
2000
avete avuto una risposta intuitiva a questa cosa molto veloce.
10:04
You read "blue" and you wanted to say "blue," even though you knew your task was red.
227
589000
3000
Avete letto blu e volevate dire blu, anche se sapevate di dover dire rosso.
10:07
Now, I do this stuff because it's fun.
228
592000
2000
Ora, faccio queste cose perché sono divertenti.
10:09
But it's more profound than fun.
229
594000
4000
Ma sono più profonde che divertenti.
10:13
I'll give you a good example of how it actually effects persuasion.
230
598000
3000
Vi darò un buon esempio di come in effetti metta in atto la persuasione.
10:16
BMW is a pretty safe car.
231
601000
3000
La BMW è un'auto piuttosto sicura.
10:19
And they are trying to figure out, "Safety is good.
232
604000
2000
E stanno cercando di capire: "La sicurezza è un bene.
10:21
I want to advertise safety. How am I going to advertise safety?"
233
606000
2000
Voglio pubblicizzare la sicurezza. Come posso pubblicizzare la sicurezza?"
10:23
"I could give people numbers. We do well on crash tests."
234
608000
3000
"Potrei dare alle persone dei numeri. Buoni risultati nei crash test."
10:26
But the truth of the matter is, you look at that car,
235
611000
2000
Ma la verità è che se guardate quell'auto,
10:28
it doesn't look like a Volvo,
236
613000
2000
non assomiglia a una Volvo.
10:30
and it doesn't look like a Hummer.
237
615000
2000
E non assomiglia a un Hummer.
10:32
So, what I want you to think about for a few minutes
238
617000
2000
Quindi, ciò a cui voglio che pensiate per qualche minuto
10:34
is: How would you convey safety of the BMW? Okay?
239
619000
3000
è a come trasmettereste la sicurezza di BMW? Okay?
10:37
So now, while you're thinking about that let's move to a second task.
240
622000
3000
Quindi adesso, mentre ci pensate, passiamo al secondo compito.
10:40
The second task is fuel efficiency. Okay?
241
625000
3000
Il secondo punto è l'efficienza del carburante. Okay?
10:43
Here's another puzzle for all of you.
242
628000
2000
Ecco un altro quesito per tutti voi.
10:45
One person walks into a car lot,
243
630000
2000
Una persona cammina in un parcheggio,
10:47
and they're thinking about buying this Toyota Yaris.
244
632000
3000
e pensa di comprare questa Toyota Yaris.
10:50
They are saying, "This is 35 miles per gallon. I'm going to do
245
635000
2000
Dice: "Fa 15 Km con un litro. Farò la cosa
10:52
the environmentally right thing, I'm going to buy the Prius,
246
637000
2000
giusta per l'ambiente. Comprerò la Prius,
10:54
50 miles per gallon."
247
639000
2000
21 km con un litro".
10:56
Another person walks into the lot,
248
641000
2000
Un'altra persona entra nel parcheggio.
10:58
and they're about to buy a Hummer, nine miles per gallon,
249
643000
2000
E sta per comprare un Hummer, 4 km con un litro,
11:00
fully loaded, luxury.
250
645000
2000
accessoriata, di lusso.
11:02
And they say, "You know what? Do I need turbo? Do I need this heavyweight car?"
251
647000
4000
E dice: "Sai cosa? Ho bisogno del turbo? Ho bisogno di questo peso massimo?
11:06
I'm going to do something good for the environment.
252
651000
2000
Farò qualcosa di buono per l'ambiente.
11:08
I'm going to take off some of that weight,
253
653000
2000
Toglierò un po' di quel peso,
11:10
and I'm going to buy a Hummer that's 11 miles per gallon."
254
655000
3000
e comprerò un Hummer che fa 5 km con un litro."
11:13
Which one of these people has done more for the environment?
255
658000
3000
Quale di queste persone ha fatto di più per l'ambiente?
11:16
See, you have a mental model.
256
661000
2000
Vedete, avete un modello mentale.
11:18
Fifty versus 35, that's a big move. Eleven versus nine? Come on.
257
663000
3000
15 contro 21 è un bel salto, ma 4 contro 5? Andiamo.
11:21
Turns out, go home and do the math,
258
666000
3000
Viene fuori, tornando a casa e facendo i conti,
11:24
the nine to 11 is a bigger change. That person has saved more gallons.
259
669000
3000
che il passaggio da 4 a 5 è un grande cambiamento. Quella persona ha risparmiato più litri.
11:27
Why? Because we don't care about miles per gallon, we care about
260
672000
2000
Perché? Perché non ci importa dei km da fare con un litro, ci importa
11:29
gallons per mile.
261
674000
2000
dei litri per km.
11:31
Think about how powerful that is if you're trying to encourage fuel efficiency.
262
676000
3000
Pensate a quanto sia potente se state cercando d'incoraggiare l'efficienza del carburante.
11:34
Miles per gallon is the way we present things.
263
679000
2000
Chilometri per litro è il modo in cui presentiamo le cose.
11:36
If we want to encourage change of behavior,
264
681000
3000
Se vogliamo incoraggiare il cambiamento nell'atteggiamento,
11:39
gallons per mile would have far more effectiveness.
265
684000
2000
litri per chilometro sarebbe molto più effettivo.
11:41
Researchers have found these type of anomalies.
266
686000
3000
I ricercatori hanno scoperto questo tipo di anomalie.
11:44
Okay, back to BMW. What should they do?
267
689000
3000
Okay, torniamo a BMW. Cosa dovrebbero fare?
11:47
The problem BMW faces is this car looks safe.
268
692000
3000
Il problema che affronta BMW è che quest'auto appare sicura.
11:50
This car, which is my Mini, doesn't look that safe.
269
695000
4000
Quest'auto, che è la mia Mini, non appare sicura.
11:54
Here was BMW's brilliant insight, which they embodied into an ad campaign.
270
699000
3000
Ecco la brillante perspicacia che BMW ha espresso in una campagna.
11:57
They showed a BMW driving down the street.
271
702000
2000
Hanno mostrato una BMW che cammina per strada.
11:59
There's a truck on the right. Boxes fall out of the truck.
272
704000
3000
C'è un camion a destra. Cadono delle scatole dal camion.
12:02
The car swerves to avoid it, and therefore doesn't get into an accident.
273
707000
5000
La'auto sterza bruscamente per evitarle, e tuttavia non avviene un incidente.
12:07
BWM realizes safety, in people's minds, has two components.
274
712000
4000
BMW capisce che la sicurezza, nella mente delle persone, ha due componenti.
12:11
You can be safe because when you're hit, you survive,
275
716000
4000
Si può essere sicuri perché quando si viene colpiti si sopravvive,
12:15
or you can be safe because you avoid accidents.
276
720000
2000
o si può essere sicuri perché si evitano gli incidenti.
12:17
Remarkably successful campaign, but notice the power of it.
277
722000
2000
Campagna di considerevole successo. Ma notate il suo potere.
12:19
It harnesses something you already believe.
278
724000
3000
Sfrutta qualcosa nella quale già credete.
12:22
Now, even if I persuaded you to do something,
279
727000
4000
Ora, anche se vi ho convinti a fare qualcosa
12:26
it's hard sometimes to actually get action as a result.
280
731000
4000
a volte è difficile ottenere davvero delle azioni come risultato.
12:30
You all probably intended to wake up,
281
735000
2000
Forse tutti voi volevate svegliarvi
12:32
I don't know, 6:30, 7 a.m.
282
737000
3000
che so, alle 6:30, 7.
12:35
This is a battle we all fight every day,
283
740000
2000
Questa è una battaglia che combattiamo ogni giorno,
12:37
along with trying to get to the gym.
284
742000
3000
insieme al tentativo di arrivare fino alla palestra.
12:40
Now, this is an example of that battle,
285
745000
3000
Ora, questo è un esempio di quella battaglia,
12:43
and makes us realize intentions don't always translate into action,
286
748000
3000
e ci fa comprendere che le intenzioni non vengono sempre traslate in azioni.
12:46
and so one of the fundamental challenges
287
751000
2000
Quindi una delle sfide fondmentali
12:48
is how we would actually do that. OK?
288
753000
4000
è come riusciamo a farlo in effetti. Okay?
12:52
So, let me now talk about the last mile problem.
289
757000
3000
Quindi, lasciate che vi parli del problema dell'ultimo miglio.
12:55
So far, I've been pretty negative.
290
760000
3000
Fino a ora, sono stato piuttosto negativo.
12:58
I've been trying to show you the oddities of human behavior.
291
763000
3000
Ho cercato di mostrarvi stranezze nel comportamento umano.
13:01
And I think maybe I'm being too negative.
292
766000
2000
E credo forse, di essere stato troppo negativo.
13:03
Maybe it's the diarrhea.
293
768000
2000
Forse è la diarrea.
13:05
Maybe the last mile problem really should be thought of
294
770000
2000
Forse il problema dell'ultimo miglio dovrebbe essere pensato davvero
13:07
as the last mile opportunity.
295
772000
2000
come l'opportunità dell'ultimo miglio.
13:09
Let's go back to diabetes.
296
774000
2000
Andiamo al diabete.
13:11
This is a typical insulin injection.
297
776000
3000
Questa è una tipica iniezione d'insulina.
13:14
Now, carrying this thing around is complicated.
298
779000
3000
Ora, portarla in giro è complicato.
13:17
You gotta carry the bottle, you gotta carry the syringe.
299
782000
4000
Dovete portare la bottiglia, dovete portare la siringa.
13:21
It's also painful.
300
786000
2000
E' anche doloroso.
13:23
Now, you may think to yourself, "Well, if my eyes depended on it,
301
788000
4000
Ora, potreste pensare: "Beh, se ne dipendessero i miei occhi
13:27
you know, I would obviously use it every day."
302
792000
2000
sapete, ovviamente la userei tutti i giorni".
13:29
But the pain, the discomfort,
303
794000
2000
Ma il dolore, la scomodità,
13:31
you know, paying attention, remembering to put it in your purse
304
796000
2000
sapete, prestare attenzione, ricordare di metterla nella borsa
13:33
when you go on a long trip:
305
798000
2000
quando si parte per un lungo viaggio,
13:35
These are the day-to-day of life, and they do pose problems.
306
800000
4000
questi sono dettagli quotidiani, e pongono dei problemi.
13:39
Here is an innovation, a design innovation.
307
804000
3000
Ecco un'innovazione, un'innovazione nel design.
13:42
This is a pen, it's called an insulin pen, preloaded.
308
807000
4000
Questa è una penna, si chiama penna insulinica, precaricata.
13:46
The needle is particularly sharp.
309
811000
1000
L'ago è particolarmente sottile.
13:47
You just gotta carry this thing around.
310
812000
2000
Si deve solo portare con sé.
13:49
It's much easier to use, much less painful.
311
814000
2000
E' molto più facile da usare, molto meno dolorosa.
13:51
Anywhere between five and 10 percent increase in adherence,
312
816000
4000
Il risultato è stato dovunque un incremento nell'uso che va
13:55
just as a result of this.
313
820000
2000
dal 5 al 10%.
13:57
That's what I'm talking about as a last mile opportunity.
314
822000
3000
E' ciò a cui mi riferisco quando parlo di opportunità dell'ultimo miglio.
14:00
You see, we tend to think the problem is solved
315
825000
3000
Vedete, tendiamo a pensare che il problema sia risolto
14:03
when we solve the technology problem.
316
828000
2000
quando risolviamo il problema tecnologico.
14:05
But the human innovation, the human problem
317
830000
2000
Ma l'innovazione umana, il problema umano
14:07
still remains, and that's a great frontier that we have left.
318
832000
4000
rimane ancora, ed è una grande frontiera che abbiamo lasciato.
14:11
This isn't about the biology of people;
319
836000
2000
Non riguarda la biologia delle persone.
14:13
this is now about the brains, the psychology of people,
320
838000
4000
Ora riguarda i cervelli, la psicologia delle persone.
14:17
and innovation needs to continue all the way through
321
842000
2000
E l'innovazione ha bisogno di continuare il percorso attraverso
14:19
the last mile.
322
844000
2000
l'ultimo miglio.
14:21
Here's another example of this.
323
846000
2000
Eccone un altro esempio.
14:23
This is from a company called Positive Energy.
324
848000
3000
Questo arriva da una compagnia chiamata Energia Positiva.
14:26
This is about energy efficiency.
325
851000
2000
Riguarda l'efficienza energetica.
14:28
We're spending a lot of time on fuel cells right now.
326
853000
3000
In questo momento stiamo passando molto tempo sulle celle di carburante.
14:31
What this company does is they send a letter
327
856000
2000
Quello che fa questa compagnia è mandare alle famiglie
14:33
to households that say, "Here's your energy use,
328
858000
2000
una lettera che dice: "Ecco il vostro consumo energetico,
14:35
here's your neighbor's energy use: You're doing well." Smiley face.
329
860000
3000
ecco il consumo del vostro vicino, state andando bene". Faccino sorridente.
14:38
"You're doing worse." Frown.
330
863000
2000
"State facendo peggio". Espressione seria.
14:40
And what they find is just this letter, nothing else,
331
865000
3000
E quello che scoprono è che solo questa lettera, nient'altro,
14:43
has a two to three percent reduction in electricity use.
332
868000
2000
causa una riduzione nel consumo tra il 2 e il 3%.
14:45
And you want to think about the social value of that
333
870000
2000
E volete pensare al valore sociale che ha
14:47
in terms of carbon offsets, reduced electricity,
334
872000
2000
in termini di compensazione di carbone, elettricità ridotta,
14:49
900 million dollars per year.
335
874000
2000
900 milioni di dollari all'anno.
14:51
Why? Because for free,
336
876000
2000
Perché? Perché è gratis,
14:53
this isn't a new technology, this is a letter --
337
878000
2000
questa non è una nuova tecnologia, questa è una lettera,
14:55
we're getting a Big Bang in behavior.
338
880000
2000
stiamo avendo un big bang nel comportamento.
14:57
So, how do we tackle the last mile?
339
882000
4000
Quindi, come affrontiamo l'ultimo miglio?
15:01
I think this tells us there is an opportunity.
340
886000
3000
Credo che questo ci dica che c'è un'opportunità.
15:04
And I think to tackle it, we need to combine
341
889000
2000
E credo che per affrontarlo, abbiamo bisogno di combinare
15:06
psychology,
342
891000
2000
psicologia,
15:08
marketing,
343
893000
2000
marketing,
15:10
art, we've seen that.
344
895000
2000
arte, lo abbiamo visto.
15:12
But you know what we need to combine it with?
345
897000
2000
Ma sapete con cosa dobbiamo combinarle?
15:14
We need to combine this with the scientific method.
346
899000
2000
Dobbiamo combinarle con il metodo scientifico.
15:16
See what's really puzzling and frustrating about the last mile, to me,
347
901000
4000
Quindi quello che mi disorienta e mi frustra dell'ultimo miglio,
15:20
is that the first 999 miles are all about science.
348
905000
3000
è che le prime 999 miglia riguardano tutte la scienza.
15:23
No one would say, "Hey, I think this medicine works, go ahead and use it."
349
908000
4000
Nessuno direbbe: "Ehi, credo che questa medicina funzioni, andiamo avanti e usiamola".
15:27
We have testing, we go to the lab, we try it again, we have refinement.
350
912000
2000
Facciamo dei test, andiamo nei laboratori, ci proviamo ancora, ci perfezioniamo.
15:29
But you know what we do on the last mile?
351
914000
3000
Ma sapete cosa facciamo all'ultimo miglio?
15:32
"Oh, this is a good idea. People will like this. Let's put it out there."
352
917000
3000
"Oh, questa è una buona idea. Alle persone piacerà. Mettiamola sul mercato".
15:35
The amount of resources we put in are disparate.
353
920000
2000
La quantità di risorse che ci mettiamo dentro sono disparate.
15:37
We put billions of dollars into fuel-efficient technologies.
354
922000
3000
Mettiamo miliardi di dollari nelle tecnologie di efficienza del carburante.
15:40
How much are we putting into
355
925000
2000
Quanti ne mettiamo
15:42
energy behavior change
356
927000
2000
nel cambiamento di comportamento energetico,
15:44
in a credible, systematic, testing way?
357
929000
3000
in modo credibile, sistematico, impegnativo?
15:47
Now, I think that we're on the verge of something big.
358
932000
3000
Ora, credo che siamo sull'orlo di qualcosa di grosso.
15:50
We're on the verge of a whole new social science.
359
935000
3000
Siamo sull'orlo di una scienza sociale tutta nuova.
15:53
It's a social science that recognizes --
360
938000
2000
E' una scienza sociale che riconosce,
15:55
much like science recognizes the complexity of the body,
361
940000
3000
più come la scienza riconosce la complessità del corpo,
15:58
biology recognizes the complexity of the body -- we'll recognize
362
943000
2000
la biologia riconosce la complessità del corpo, noi riconosceremo
16:00
the complexity of the human mind.
363
945000
2000
la complessità della mente umana.
16:02
The careful testing, retesting, design,
364
947000
2000
Testare attentamente, testare di nuovo, progettare.
16:04
are going to open up vistas of understanding,
365
949000
3000
Apriremo prospettive di comprensione,
16:07
complexities, difficult things.
366
952000
2000
complessità, cose difficili.
16:09
And those vistas will both create new science,
367
954000
3000
E quelle prospettive creeranno entrambe nuove scienze,
16:12
and fundamental change in the world as we see it, in the next hundred years.
368
957000
4000
e un cambiamento fondamentale nel mondo come lo vediamo, nei prossimi cento anni.
16:16
All right. Thank you very much.
369
961000
2000
Bene. Grazie mille.
16:18
(Applause)
370
963000
2000
(Applausi)
16:20
Chris Anderson: Sendhil, thank you so much.
371
965000
2000
Chris Anderson: Sedhil, grazie mille.
16:22
So, this whole area is so fascinating.
372
967000
3000
Tutta quest'area è così affascinante.
16:25
I mean, it sometimes feels, listening to behavioral economists
373
970000
3000
Voglio dire, a volte ascoltando economisti del comportamento ci si sente
16:28
that they are kind of putting into place
374
973000
3000
come se stessero mettendo ordine
16:31
academically, what great marketers
375
976000
2000
in modo accademico, ciò che i grandi del marketing
16:33
have sort of intuitively known for a long time.
376
978000
3000
hanno saputo per molto tempo in modo intuitivo.
16:36
How much is your field talking to great marketers
377
981000
4000
In quale misura il vostro settore comunica con i grandi del marketing
16:40
about their insights into human psychology?
378
985000
2000
riguardo le loro idee sulla psicologia umana?
16:42
Because they've seen it on the ground.
379
987000
2000
Perché l'hanno visto sul campo.
16:44
Sendhil Mullainathan: Yeah, we spend a lot of time talking to marketers,
380
989000
2000
Sendhil Mullainathan: Sì, abbiamo passato molto tempo parlando con chi si occupa di marketing.
16:46
and I think 60 percent of it is exactly what you say,
381
991000
3000
E credo che per il 60% sia esattamente come dici tu,
16:49
there are insights to be gleaned there.
382
994000
2000
ci sono idee che vanno raccimolate,
16:51
Forty percent of it is about what marketing is.
383
996000
2000
il 40% riguarda cos'è il marketing.
16:53
Marketing is selling an ad to a firm.
384
998000
5000
Il marketing è vendere e fare pubblicità a un marchio.
16:58
So, in some sense, a lot of marketing is about
385
1003000
2000
Quindi, in un certo senso, gran parte del marketing riguarda
17:00
convincing a CEO, "This is a good ad campaign."
386
1005000
3000
convincere la CEO che sia una buona campagna.
17:03
So, there is a little bit of slippage there.
387
1008000
2000
Quindi, lì c'è un po' di ritardo.
17:05
That's just a caveat. That's different from actually having an effective ad campaign.
388
1010000
4000
E' solo un ammonimento. Quindi, è diverso dall'avere una reale campagna.
17:09
And one of the new movements in marketing is: How do we actually
389
1014000
2000
E uno dei nuovi movimenti del marketing è, come misurare davvero
17:11
measure effectiveness? Are we effective?
390
1016000
2000
l'effettività. Siamo effettivi?
17:13
CA: How you take your insights here
391
1018000
4000
CA: Come prendete le vostre idee
17:17
and actually get them integrated
392
1022000
3000
e riuscite in effetti a farle integrare
17:20
into working business models on the ground,
393
1025000
3000
in modelli di affari al lavoro, sul campo,
17:23
in Indian villages, for example?
394
1028000
2000
nei villaggi dell'India, per esempio.
17:25
SM: So, the scientific method I alluded to is pretty important.
395
1030000
3000
SM: Quindi, il metodo scientifico al quale ho fatto allusione è piuttosto importante.
17:28
We work closely with companies that have operational capacity,
396
1033000
2000
Lavoriamo da vicino con compagnie che hanno capacità operazionali,
17:30
or nonprofits that have operational capacity.
397
1035000
2000
o non profit che hanno capacità operazionali.
17:32
And then we say, "Well, you want to get this behavior change.
398
1037000
2000
E poi diciamo, beh, volete ottenere questo cambiamento nell'atteggiamento.
17:34
Let's come up with a few ideas, test them,
399
1039000
3000
Troviamo qualche idea, testiamola,
17:37
see which is working, go back, synthesize,
400
1042000
2000
vediamo quale funziona, torniamo indietro, sintetizziamo,
17:39
and try to come up with a thing that works,"
401
1044000
2000
e cerchiamo di trovare qualcosa che funzioni,
17:41
and then we're able to scale with partners.
402
1046000
2000
e poi saremo in grado di fare la scalata con i partner.
17:43
It's kind of the model that has worked in other contexts.
403
1048000
2000
E' un tipo di modello che ha funzionato in altri contesti.
17:45
If you have biological problems
404
1050000
2000
Se avete problemi biologici
17:47
we try and fix it, see if it works, and then work the scale.
405
1052000
2000
noi cerchiamo di sistemarli, vediamo se funziona, e poi lavoriamo sulla scalata.
17:49
CA: Alright Sendhil, thanks so much for coming to TED. Thank you.
406
1054000
3000
CA: Bene Sendhil, grazie mille per essere stato a TED. Grazie.
17:52
(Applause)
407
1057000
3000
(Applausi)
ABOUT THE SPEAKER
Sendhil Mullainathan - Behavioral economistSendhil Mullainathan asks a compelling question: what are the irrational choices we make that perpetuate poverty, corruption, discrimination?
Why you should listen
To study big questions such as "What are the measurable effects of corruption?"" Sendhil Mullainathan and his collaborators look at the day-to-day decisions made by real people, running deep-data studies on groups around the world to tease out patterns. Awarded a MacArthur ""genius"" grant in 2002, he has produced and collaborated on a string of research papers that make for a must-read CV -- including a fascinating, if dispiriting, study of the corruption involved in getting a driver's license in India.
Lately he and his team have been studying women who sell fruit and vegetables on the streets in developing countries. They're usually in debt to a moneylender in the market, who takes about half their profits each day as interest. Some of the women have figured a simple way to get out of debt and keep all their profits. But most of the women make a choice every day that keeps them in debt. How would these businesswomen behave, he wondered, if the slate was wiped clean? So he got a grant, paid off their debt, and waits to see what happens next."
Sendhil Mullainathan | Speaker | TED.com