TEDGlobal 2009
Dan Pink: The puzzle of motivation
ダニエル・ピンク 「やる気に関する驚きの科学」
Filmed:
Readability: 4
25,352,736 views
キャリアアナリストであるダニエル・ピンクが、社会科学者が知っていて多くのマネージャが知らない「伝統的な報奨は我々が考えているほど有効ではない」という事実を手始めに、やる気の謎を調べます。啓発される話に耳を傾け、そして前に進むことにしましょう。
Dan Pink - Career analyst
Bidding adieu to his last "real job" as Al Gore's speechwriter, Dan Pink went freelance to spark a right-brain revolution in the career marketplace. Full bio
Bidding adieu to his last "real job" as Al Gore's speechwriter, Dan Pink went freelance to spark a right-brain revolution in the career marketplace. Full bio
Double-click the English transcript below to play the video.
00:12
I need to make a confession at the outset here.
0
0
4000
最初に告白させてください
00:16
A little over 20 years ago
1
4000
3000
20年ほど前にした あることを
00:19
I did something that I regret,
2
7000
2000
私は後悔しています
00:21
something that I'm not particularly proud of,
3
9000
4000
あまり自慢できないようなことを してしまいました
00:25
something that, in many ways, I wish no one would ever know,
4
13000
3000
誰にも知られたくないと思うようなことです
00:28
but here I feel kind of obliged to reveal.
5
16000
4000
それでも明かさなければならないと感じています
00:32
(Laughter)
6
20000
2000
(ざわざわ)
00:34
In the late 1980s,
7
22000
2000
1980年代の後半に
00:36
in a moment of youthful indiscretion,
8
24000
3000
私は若気の至りから
00:39
I went to law school.
9
27000
2000
ロースクールに行ったのです
00:41
(Laughter)
10
29000
4000
(笑)
00:45
Now, in America law is a professional degree:
11
33000
3000
アメリカでは 法律は専門職学位です
00:48
you get your university degree, then you go on to law school.
12
36000
2000
まず大学を出て それからロースクールへ行きます
00:50
And when I got to law school,
13
38000
3000
ロースクールで私は
00:53
I didn't do very well.
14
41000
2000
あまり成績が芳しくありませんでした
00:55
To put it mildly, I didn't do very well.
15
43000
2000
控えめに言ってもあまり良くなく
00:57
I, in fact, graduated in the part of my law school class
16
45000
3000
上位90パーセント以内という成績で
01:00
that made the top 90 percent possible.
17
48000
4000
卒業しました
01:04
(Laughter)
18
52000
4000
(笑)
01:08
Thank you.
19
56000
3000
どうも
01:11
I never practiced law a day in my life;
20
59000
3000
法律関係の仕事はしたことがありません
01:14
I pretty much wasn't allowed to.
21
62000
2000
やらせてもらえなかったというべきかも
01:16
(Laughter)
22
64000
3000
(笑)
01:19
But today, against my better judgment,
23
67000
3000
しかしながら今日は 良くないことだとは思いつつ
01:22
against the advice of my own wife,
24
70000
3000
妻の忠告にも反しながら
01:25
I want to try to dust off some of those legal skills --
25
73000
4000
この法律のスキルを
01:29
what's left of those legal skills.
26
77000
2000
再び引っ張り出すことにしました
01:31
I don't want to tell you a story.
27
79000
3000
今日はストーリーは語りません
01:34
I want to make a case.
28
82000
2000
主張を立証します
01:36
I want to make a hard-headed, evidence-based,
29
84000
4000
合理的で 証拠に基づいた
01:40
dare I say lawyerly case,
30
88000
3000
法廷におけるような論証で
01:43
for rethinking how we run our businesses.
31
91000
4000
ビジネスのやり方を再考してみたいと思います
01:47
So, ladies and gentlemen of the jury, take a look at this.
32
95000
4000
陪審員の皆さん こちらをご覧ください
01:51
This is called the candle problem.
33
99000
2000
これは「ロウソクの問題」と呼ばれるものです
01:53
Some of you might have seen this before.
34
101000
2000
ご存じの方もいるかもしれません
01:55
It's created in 1945
35
103000
2000
1945年に
01:57
by a psychologist named Karl Duncker.
36
105000
2000
カール ドゥンカーという心理学者が
01:59
Karl Duncker created this experiment
37
107000
2000
この実験を考案し
02:01
that is used in a whole variety of experiments in behavioral science.
38
109000
3000
様々な行動科学の実験で用いました
02:04
And here's how it works. Suppose I'm the experimenter.
39
112000
3000
ご説明しましょう 私が実験者だとします
02:07
I bring you into a room. I give you a candle,
40
115000
4000
私はあなた方を部屋に入れて ロウソクと
02:11
some thumbtacks and some matches.
41
119000
2000
画鋲と マッチを渡します
02:13
And I say to you, "Your job
42
121000
2000
そしてこう言います 「テーブルに蝋がたれないように
02:15
is to attach the candle to the wall
43
123000
2000
ロウソクを壁に
02:17
so the wax doesn't drip onto the table." Now what would you do?
44
125000
4000
取り付けてください」 あなたならどうしますか?
02:21
Now many people begin trying to thumbtack the candle to the wall.
45
129000
4000
多くの人は 画鋲でロウソクを 壁に留めようとします
02:25
Doesn't work.
46
133000
2000
でも うまくいきません
02:27
Somebody, some people -- and I saw somebody
47
135000
2000
あそこで
02:29
kind of make the motion over here --
48
137000
2000
手真似をしている人がいましたが
02:31
some people have a great idea where they
49
139000
2000
マッチの火でロウソクを溶かして
02:33
light the match, melt the side of the candle, try to adhere it to the wall.
50
141000
4000
壁にくっつけるというアイデアを思いつく人もいます
02:37
It's an awesome idea. Doesn't work.
51
145000
3000
いいアイデアですが うまくいきません
02:40
And eventually, after five or 10 minutes,
52
148000
3000
5分か10分すると
02:43
most people figure out the solution,
53
151000
2000
たいていの人は解決法を見つけます
02:45
which you can see here.
54
153000
2000
このようにすればいいのです
02:47
The key is to overcome what's called functional fixedness.
55
155000
3000
鍵になるのは「機能的固着」を乗り越えるということです
02:50
You look at that box and you see it only as a receptacle for the tacks.
56
158000
4000
最初あの箱を見て 単なる画鋲の入れ物だと思います
02:54
But it can also have this other function,
57
162000
2000
しかしそれは別な使い方をすることもでき
02:56
as a platform for the candle. The candle problem.
58
164000
4000
ロウソクの台になるのです これがロウソクの問題です
03:00
Now I want to tell you about an experiment
59
168000
2000
次にサム グラックスバーグという科学者が
03:02
using the candle problem,
60
170000
2000
このロウソクの問題を使って行った
03:04
done by a scientist named Sam Glucksberg,
61
172000
2000
実験をご紹介します
03:06
who is now at Princeton University in the U.S.
62
174000
2000
彼は現在プリンストン大学にいます
03:08
This shows the power of incentives.
63
176000
4000
この実験でインセンティブの力がわかります
03:12
Here's what he did. He gathered his participants.
64
180000
2000
彼は参加者を集めて こう言いました
03:14
And he said, "I'm going to time you. How quickly you can solve this problem?"
65
182000
3000
「この問題をどれくらい早く解けるか時計で計ります」
03:17
To one group he said,
66
185000
2000
そして1つのグループには
03:19
"I'm going to time you to establish norms,
67
187000
3000
この種の問題を解くのに
03:22
averages for how long it typically takes
68
190000
2000
一般にどれくらい時間がかかるのか
03:24
someone to solve this sort of problem."
69
192000
2000
平均時間を知りたいのだと言います
03:26
To the second group he offered rewards.
70
194000
3000
もう1つのグループには 報酬を提示します
03:29
He said, "If you're in the top 25 percent of the fastest times,
71
197000
4000
「上位25パーセントの人には
03:33
you get five dollars.
72
201000
3000
5ドルお渡しします
03:36
If you're the fastest of everyone we're testing here today,
73
204000
3000
1番になった人は
03:39
you get 20 dollars."
74
207000
2000
20ドルです」
03:41
Now this is several years ago. Adjusted for inflation,
75
209000
3000
これは何年も前の話なので 物価上昇を考慮に入れれば
03:44
it's a decent sum of money for a few minutes of work.
76
212000
2000
数分の作業でもらえる金額としては 悪くありません
03:46
It's a nice motivator.
77
214000
2000
十分なモチベーションになります
03:48
Question: How much faster
78
216000
3000
このグループはどれくらい早く
03:51
did this group solve the problem?
79
219000
2000
問題を解けたのでしょう?
03:53
Answer: It took them, on average,
80
221000
3000
答えは 平均で―
03:56
three and a half minutes longer.
81
224000
4000
3分半 余計に時間がかかりました
04:00
Three and a half minutes longer. Now this makes no sense right?
82
228000
3000
3分半長くかかったのです そんなのおかしいですよね?
04:03
I mean, I'm an American. I believe in free markets.
83
231000
3000
私はアメリカ人です 自由市場を信じています
04:06
That's not how it's supposed to work. Right?
84
234000
3000
そんな風になるわけがありません
04:09
(Laughter)
85
237000
1000
(笑)
04:10
If you want people to perform better,
86
238000
2000
人々により良く働いてもらおうと思ったら
04:12
you reward them. Right?
87
240000
2000
報酬を出せばいい
04:14
Bonuses, commissions, their own reality show.
88
242000
3000
ボーナスに コミッション あるいは何であれ―
04:17
Incentivize them. That's how business works.
89
245000
4000
インセンティブを与えるのです ビジネスの世界ではそうやっています
04:21
But that's not happening here.
90
249000
2000
しかしここでは結果が違いました
04:23
You've got an incentive designed to
91
251000
2000
思考が鋭くなり
04:25
sharpen thinking and accelerate creativity,
92
253000
4000
クリエイティビティが加速されるようにと インセンティブを用意したのに
04:29
and it does just the opposite.
93
257000
2000
結果は反対になりました
04:31
It dulls thinking and blocks creativity.
94
259000
3000
思考は鈍く クリエイティビティは阻害されたのです
04:34
And what's interesting about this experiment is that it's not an aberration.
95
262000
3000
この実験が興味深いのは それが例外ではないということです
04:37
This has been replicated over and over
96
265000
3000
この結果は何度も何度も
04:40
and over again, for nearly 40 years.
97
268000
3000
40年に渡って再現されてきたのです
04:43
These contingent motivators --
98
271000
3000
この成功報酬的な動機付け―If Then式に
04:46
if you do this, then you get that --
99
274000
2000
「これをしたら これが貰える」というやり方は
04:48
work in some circumstances.
100
276000
2000
状況によっては機能します
04:50
But for a lot of tasks, they actually either don't work
101
278000
3000
しかし多くの作業ではうまくいかず
04:53
or, often, they do harm.
102
281000
3000
時には害にすらなります
04:56
This is one of the most robust findings
103
284000
4000
これは社会科学における
05:00
in social science,
104
288000
3000
最も確固とした発見の1つです
05:03
and also one of the most ignored.
105
291000
2000
そして最も無視されている発見でもあります
05:05
I spent the last couple of years looking at the science of
106
293000
2000
私はこの数年というもの
05:07
human motivation,
107
295000
2000
動機付けの科学に注目してきました
05:09
particularly the dynamics of extrinsic motivators
108
297000
2000
特に外的動機付けと内的動機付けの
05:11
and intrinsic motivators.
109
299000
2000
ダイナミクスについてです
05:13
And I'm telling you, it's not even close.
110
301000
2000
大きな違いがあります
05:15
If you look at the science, there is a mismatch
111
303000
2000
これを見ると 科学が解明したことと
05:17
between what science knows and what business does.
112
305000
4000
ビジネスで行われていることに食い違いがあるのがわかります
05:21
And what's alarming here is that our business operating system --
113
309000
3000
ビジネス運営のシステム
05:24
think of the set of assumptions and protocols beneath our businesses,
114
312000
3000
つまりビジネスの背後にある前提や手順においては
05:27
how we motivate people, how we apply our human resources --
115
315000
5000
どう人を動機付け どう人を割り当てるかという問題は
05:32
it's built entirely around these extrinsic motivators,
116
320000
3000
もっぱら外的動機付け
05:35
around carrots and sticks.
117
323000
2000
アメとムチにたよっています
05:37
That's actually fine for many kinds of 20th century tasks.
118
325000
4000
20世紀的な作業の多くでは これは実際うまくいきます
05:41
But for 21st century tasks,
119
329000
2000
しかし21世紀的な作業には
05:43
that mechanistic, reward-and-punishment approach
120
331000
4000
機械的なご褒美と罰というアプローチは
05:47
doesn't work, often doesn't work, and often does harm.
121
335000
4000
機能せず うまくいかないか 害になるのです
05:51
Let me show you what I mean.
122
339000
2000
どういうことか説明しましょう
05:53
So Glucksberg did another experiment similar to this
123
341000
3000
グラックスバーグはこれと似た別な実験もしました
05:56
where he presented the problem in a slightly different way,
124
344000
2000
このように若干違った形で
05:58
like this up here. Okay?
125
346000
3000
問題を提示したのです
06:01
Attach the candle to the wall so the wax doesn't drip onto the table.
126
349000
2000
机に蝋がたれないようにロウソクを壁に付けてください
06:03
Same deal. You: we're timing for norms.
127
351000
3000
条件は同じ あなたたちは平均時間を計ります
06:06
You: we're incentivizing.
128
354000
3000
あなたたちにはインセンティブを与えます
06:09
What happened this time?
129
357000
2000
どうなったのでしょう?
06:11
This time, the incentivized group
130
359000
2000
今回は―
06:13
kicked the other group's butt.
131
361000
4000
インセンティブを与えられたグループの方が断然勝ちました
06:17
Why? Because when the tacks are out of the box,
132
365000
4000
なぜでしょう? 箱に画鋲が入っていなかったら
06:21
it's pretty easy isn't it?
133
369000
4000
問題はバカみたいに簡単になるからです
06:25
(Laughter)
134
373000
2000
(「サルでもわかる」ロウソクの問題) (笑)
06:27
If-then rewards work really well
135
375000
3000
If Then式の報酬は
06:30
for those sorts of tasks,
136
378000
3000
このような作業にはとても効果があります
06:33
where there is a simple set of rules and a clear destination
137
381000
2000
単純なルールと
06:35
to go to.
138
383000
2000
明確な答えがある場合です
06:37
Rewards, by their very nature,
139
385000
2000
報酬というのは
06:39
narrow our focus, concentrate the mind;
140
387000
2000
視野を狭め 心を集中させるものです
06:41
that's why they work in so many cases.
141
389000
2000
報酬が機能する場合が多いのはそのためです
06:43
And so, for tasks like this,
142
391000
2000
だからこのような
06:45
a narrow focus, where you just see the goal right there,
143
393000
3000
狭い視野で 目の前にあるゴールを
06:48
zoom straight ahead to it,
144
396000
2000
まっすぐ見ていればよい場合には
06:50
they work really well.
145
398000
2000
うまく機能するのです
06:52
But for the real candle problem,
146
400000
2000
しかし本当のロウソクの問題では
06:54
you don't want to be looking like this.
147
402000
2000
そのような見方をしているわけにはいきません
06:56
The solution is not over here. The solution is on the periphery.
148
404000
2000
答えが目の前に転がってはいないからです
06:58
You want to be looking around.
149
406000
2000
周りを見回す必要があります
07:00
That reward actually narrows our focus
150
408000
2000
報酬は視野を狭め
07:02
and restricts our possibility.
151
410000
2000
私たちの可能性を限定してしまうのです
07:04
Let me tell you why this is so important.
152
412000
3000
これがどうしてそんなに重要なことなのでしょうか
07:07
In western Europe,
153
415000
2000
西ヨーロッパ
07:09
in many parts of Asia,
154
417000
2000
アジアの多く
07:11
in North America, in Australia,
155
419000
3000
北アメリカ オーストラリアなどでは
07:14
white-collar workers are doing less of
156
422000
2000
ホワイトカラーの仕事には
07:16
this kind of work,
157
424000
2000
このような種類の仕事は少なく
07:18
and more of this kind of work.
158
426000
4000
このような種類の仕事が増えています
07:22
That routine, rule-based, left-brain work --
159
430000
3000
ルーチン的 ルール適用型 左脳的な仕事
07:25
certain kinds of accounting, certain kinds of financial analysis,
160
433000
2000
ある種の会計 ある種の財務分析
07:27
certain kinds of computer programming --
161
435000
2000
ある種のプログラミングは
07:29
has become fairly easy to outsource,
162
437000
2000
簡単にアウトソースできます
07:31
fairly easy to automate.
163
439000
2000
簡単に自動化できます
07:33
Software can do it faster.
164
441000
3000
ソフトウェアのほうが早くできます
07:36
Low-cost providers around the world can do it cheaper.
165
444000
2000
世界中に低価格のサービス提供者がいます
07:38
So what really matters are the more right-brained
166
446000
4000
だから重要になるのは もっと右脳的で
07:42
creative, conceptual kinds of abilities.
167
450000
3000
クリエイティブな 考える能力です
07:45
Think about your own work.
168
453000
3000
ご自分の仕事を考えてみてください
07:48
Think about your own work.
169
456000
3000
あなた方が直面している問題は
07:51
Are the problems that you face, or even the problems
170
459000
2000
あるいは私たちが―
07:53
we've been talking about here,
171
461000
2000
この場で議論しているような問題は
07:55
are those kinds of problems -- do they have a clear set of rules,
172
463000
2000
こちらの種類でしょうか? 明確なルールと
07:57
and a single solution? No.
173
465000
3000
1つの答えがあるような? そうではないでしょう
08:00
The rules are mystifying.
174
468000
2000
ルールはあいまいで
08:02
The solution, if it exists at all,
175
470000
2000
答えは そもそも存在するとしての話ですが
08:04
is surprising and not obvious.
176
472000
3000
驚くようなものであり けっして自明ではありません
08:07
Everybody in this room
177
475000
2000
ここにいる誰もが
08:09
is dealing with their own version
178
477000
3000
その人のバージョンの
08:12
of the candle problem.
179
480000
2000
ロウソクの問題を扱っています
08:14
And for candle problems of any kind,
180
482000
3000
そしてロウソクの問題は どんな種類であれ
08:17
in any field,
181
485000
2000
どんな分野であれ
08:19
those if-then rewards,
182
487000
3000
If Then式の報酬は―
08:22
the things around which we've built so many of our businesses,
183
490000
4000
企業の多くはそうしていますが―
08:26
don't work.
184
494000
2000
機能しないのです
08:28
Now, I mean it makes me crazy.
185
496000
2000
これには頭がおかしくなりそうです
08:30
And this is not -- here's the thing.
186
498000
2000
どういうことかというと
08:32
This is not a feeling.
187
500000
3000
これは感情ではありません
08:35
Okay? I'm a lawyer; I don't believe in feelings.
188
503000
3000
私は法律家です 感情なんて信じません
08:38
This is not a philosophy.
189
506000
4000
これは哲学でもありません
08:42
I'm an American; I don't believe in philosophy.
190
510000
2000
私はアメリカ人です 哲学なんて信じません
08:44
(Laughter)
191
512000
3000
(笑)
08:47
This is a fact --
192
515000
3000
これは事実なのです
08:50
or, as we say in my hometown of Washington, D.C.,
193
518000
2000
私が住んでいるワシントンDCでよく使われる言い方をすると
08:52
a true fact.
194
520000
2000
真実の事実です
08:54
(Laughter)
195
522000
2000
(笑)
08:56
(Applause)
196
524000
4000
(拍手)
09:00
Let me give you an example of what I mean.
197
528000
2000
例を使って説明しましょう
09:02
Let me marshal the evidence here,
198
530000
2000
証拠の品を提示します
09:04
because I'm not telling you a story, I'm making a case.
199
532000
2000
私はストーリーを語っているのではありません 立証しているのです
09:06
Ladies and gentlemen of the jury, some evidence:
200
534000
2000
陪審員の皆さん 証拠を提示します
09:08
Dan Ariely, one of the great economists of our time,
201
536000
3000
ダン アリエリーは現代における最高の経済学者の1人です
09:11
he and three colleagues, did a study of some MIT students.
202
539000
4000
彼は3人の仲間とともに MITの学生を対象に実験を行いました
09:15
They gave these MIT students a bunch of games,
203
543000
3000
学生たちにたくさんのゲームを与えます
09:18
games that involved creativity,
204
546000
2000
クリエイティビティや 運動能力や
09:20
and motor skills, and concentration.
205
548000
2000
集中力が要求されるようなゲームです
09:22
And the offered them, for performance,
206
550000
2000
そして成績に対する報酬を
09:24
three levels of rewards:
207
552000
2000
3種類用意しました
09:26
small reward, medium reward, large reward.
208
554000
5000
小さな報酬 中くらいの報酬 大きな報酬です
09:31
Okay? If you do really well you get the large reward, on down.
209
559000
4000
非常にいい成績なら全額 いい成績なら半分の報酬がもらえます
09:35
What happened? As long as the task involved only mechanical skill
210
563000
4000
どうなったのでしょう? 「タスクが機械的にできるものである限りは
09:39
bonuses worked as they would be expected:
211
567000
2000
報酬は期待通りに機能し
09:41
the higher the pay, the better the performance.
212
569000
4000
報酬が大きいほど パフォーマンスが良くなった
09:45
Okay? But one the task called for
213
573000
2000
しかし認知能力が多少とも
09:47
even rudimentary cognitive skill,
214
575000
4000
要求されるタスクになると
09:51
a larger reward led to poorer performance.
215
579000
5000
より大きな報酬は より低い成績をもたらした」
09:56
Then they said,
216
584000
2000
それで彼らはこう考えました
09:58
"Okay let's see if there's any cultural bias here.
217
586000
2000
「文化的なバイアスがあるのかもしれない
10:00
Lets go to Madurai, India and test this."
218
588000
2000
インドのマドゥライで試してみよう」
10:02
Standard of living is lower.
219
590000
2000
生活水準が低いので
10:04
In Madurai, a reward that is modest in North American standards,
220
592000
3000
北アメリカではたいしたことのない報酬が
10:07
is more meaningful there.
221
595000
3000
マドゥライでは大きな意味を持ちます
10:10
Same deal. A bunch of games, three levels of rewards.
222
598000
3000
実験の条件は同じです たくさんのゲームと 3レベルの報酬
10:13
What happens?
223
601000
2000
どうなったのでしょう?
10:15
People offered the medium level of rewards
224
603000
3000
中くらいの報酬を提示された人たちは
10:18
did no better than people offered the small rewards.
225
606000
3000
小さな報酬の人たちと成績が変わりませんでした
10:21
But this time, people offered the highest rewards,
226
609000
4000
しかし今回は 最大の報酬を提示された人たちの成績が
10:25
they did the worst of all.
227
613000
4000
最低になったのです
10:29
In eight of the nine tasks we examined across three experiments,
228
617000
3000
「3回の実験を通して 9つのタスクのうちの8つで
10:32
higher incentives led to worse performance.
229
620000
5000
より高いインセンティブがより低い成績という結果となった」
10:37
Is this some kind of touchy-feely
230
625000
3000
これはおなじみの 感覚的な
10:40
socialist conspiracy going on here?
231
628000
3000
社会主義者の陰謀なのでしょうか?
10:43
No. These are economists from MIT,
232
631000
3000
いいえ 彼らはMITに カーネギーメロンに
10:46
from Carnegie Mellon, from the University of Chicago.
233
634000
3000
シカゴ大学の経済学者です
10:49
And do you know who sponsored this research?
234
637000
2000
そしてこの研究に資金を出したのはどこでしょう?
10:51
The Federal Reserve Bank of the United States.
235
639000
4000
合衆国連邦準備銀行です
10:55
That's the American experience.
236
643000
2000
これはまさにアメリカの経験なのです
10:57
Let's go across the pond to the London School of Economics --
237
645000
3000
海の向こう ロンドン スクール オブ エコノミクス (LSE) に
11:00
LSE, London School of Economics,
238
648000
3000
行ってみましょう
11:03
alma mater of 11 Nobel Laureates in economics.
239
651000
3000
11人のノーベル経済学賞受賞者を輩出しています
11:06
Training ground for great economic thinkers
240
654000
3000
偉大な経済の頭脳がここで学んでいます
11:09
like George Soros, and Friedrich Hayek,
241
657000
3000
ジョージ ソロス、フリードリヒ ハイエク、
11:12
and Mick Jagger. (Laughter)
242
660000
2000
ミック ジャガー (笑)
11:14
Last month, just last month,
243
662000
4000
先月 ほんの先月のこと
11:18
economists at LSE looked at 51 studies
244
666000
3000
LSEの経済学者が 企業内における
11:21
of pay-for-performance plans, inside of companies.
245
669000
3000
成果主義を導入した工場 51の事例を調べました
11:24
Here's what the economists there said: "We find that financial incentives
246
672000
3000
彼らの結論は 「金銭的なインセンティブは…
11:27
can result in a negative impact on overall performance."
247
675000
6000
全体的なパフォーマンスに対しマイナスの影響を持ちうる」ということでした
11:33
There is a mismatch between what science knows
248
681000
3000
科学が見出したことと ビジネスで行われていることの間には
11:36
and what business does.
249
684000
2000
食い違いがあるのです
11:38
And what worries me, as we stand here in the rubble
250
686000
3000
この潰れた経済の瓦礫の中に立って
11:41
of the economic collapse,
251
689000
2000
私が心配するのは
11:43
is that too many organizations
252
691000
2000
あまりに多くの組織が
11:45
are making their decisions,
253
693000
2000
その決断や
11:47
their policies about talent and people,
254
695000
2000
人や才能に関するポリシーを
11:49
based on assumptions that are outdated, unexamined,
255
697000
6000
時代遅れで検証されていない前提に基づいて行っている
11:55
and rooted more in folklore than in science.
256
703000
3000
科学よりは神話に基づいて行っているということです
11:58
And if we really want to get out of this economic mess,
257
706000
3000
この経済の窮地から抜けだそうと思うなら
12:01
and if we really want high performance on those
258
709000
2000
21世紀的な答えのないタスクで
12:03
definitional tasks of the 21st century,
259
711000
2000
高いパフォーマンスを出そうと思うのなら
12:05
the solution is not to do more of the wrong things,
260
713000
6000
間違ったことを これ以上続けるのはやめるべきです
12:11
to entice people with a sweeter carrot,
261
719000
3000
人をより甘いアメで誘惑したり
12:14
or threaten them with a sharper stick.
262
722000
2000
より鋭いムチで脅すのはやめることです
12:16
We need a whole new approach.
263
724000
2000
まったく新しいアプローチが必要なのです
12:18
And the good news about all of this is that the scientists
264
726000
2000
いいニュースは 科学者たちが
12:20
who've been studying motivation have given us this new approach.
265
728000
3000
新しいアプローチを示してくれているということです
12:23
It's an approach built much more around intrinsic motivation.
266
731000
3000
内的な動機付けに基づくアプローチです
12:26
Around the desire to do things because they matter,
267
734000
2000
重要だからやる
12:28
because we like it, because they're interesting,
268
736000
2000
好きだからやる 面白いからやる
12:30
because they are part of something important.
269
738000
2000
何か重要なことの一部を担っているからやる
12:32
And to my mind, that new operating system for our businesses
270
740000
4000
ビジネスのための新しい運営システムは
12:36
revolves around three elements:
271
744000
2000
3つの要素を軸にして回ります
12:38
autonomy, mastery and purpose.
272
746000
3000
自主性 成長 目的
12:41
Autonomy: the urge to direct our own lives.
273
749000
3000
自主性は 自分の人生の方向は自分で決めたいという欲求です
12:44
Mastery: the desire to get better and better at something that matters.
274
752000
4000
成長は 何か大切なことについて上達したいということです
12:48
Purpose: the yearning to do what we do
275
756000
3000
目的は 私たち自身よりも大きな何かのために
12:51
in the service of something larger than ourselves.
276
759000
3000
やりたいという切望です
12:54
These are the building blocks of an entirely new operating system
277
762000
3000
これらが私たちのビジネスの全く新しい
12:57
for our businesses.
278
765000
2000
運営システムの要素なのです
12:59
I want to talk today only about autonomy.
279
767000
4000
今日は自主性についてだけお話ししましょう
13:03
In the 20th century, we came up with this idea of management.
280
771000
3000
20世紀にマネジメントという考えが生まれました
13:06
Management did not emanate from nature.
281
774000
2000
マネジメントというのは自然に生じたものではありません
13:08
Management is like -- it's not a tree,
282
776000
2000
マネジメントは木のようなものではなく
13:10
it's a television set.
283
778000
2000
テレビのようなものです
13:12
Okay? Somebody invented it.
284
780000
2000
誰かが発明したのです
13:14
And it doesn't mean it's going to work forever.
285
782000
2000
永久に機能しつづけはしないということです
13:16
Management is great.
286
784000
2000
マネジメントは素晴らしいです
13:18
Traditional notions of management are great
287
786000
2000
服従を望むなら 伝統的なマネジメントの考え方は
13:20
if you want compliance.
288
788000
2000
ふさわしいものです
13:22
But if you want engagement, self-direction works better.
289
790000
3000
しかし参加を望むなら 自主性のほうがうまく機能します
13:25
Let me give you some examples of some kind of radical
290
793000
2000
自主性について少し過激な考え方の
13:27
notions of self-direction.
291
795000
2000
例を示しましょう
13:29
What this means -- you don't see a lot of it,
292
797000
3000
あまり多くはありませんが
13:32
but you see the first stirrings of something really interesting going on,
293
800000
3000
非常に面白いことが起きています
13:35
because what it means is paying people adequately
294
803000
2000
人々に適切に 公正に
13:37
and fairly, absolutely --
295
805000
2000
間違いなく 支払い
13:39
getting the issue of money off the table,
296
807000
2000
お金の問題はそれ以上考えさせないことにします
13:41
and then giving people lots of autonomy.
297
809000
2000
そして人々に大きな自主性を認めます
13:43
Let me give you some examples.
298
811000
2000
具体的な例でお話しします
13:45
How many of you have heard of the company Atlassian?
299
813000
4000
Atlassianという会社をご存じの方はどれくらいいますか?
13:49
It looks like less than half.
300
817000
2000
(誰も手を挙げない) …半分もいない感じですね
13:51
(Laughter)
301
819000
2000
(笑)
13:53
Atlassian is an Australian software company.
302
821000
4000
Atlassianはオーストラリアのソフトウェア会社です
13:57
And they do something incredibly cool.
303
825000
2000
彼らはすごくクールなことをやっています
13:59
A few times a year they tell their engineers,
304
827000
2000
1年に何回か エンジニアたちに言うのです
14:01
"Go for the next 24 hours and work on anything you want,
305
829000
4000
「これから24時間何をやってもいい
14:05
as long as it's not part of your regular job.
306
833000
2000
普段の仕事の一部でさえなければ何でもいい
14:07
Work on anything you want."
307
835000
2000
何でも好きなことをやれ」
14:09
So that engineers use this time to come up with
308
837000
2000
エンジニアたちはこの時間を使って
14:11
a cool patch for code, come up with an elegant hack.
309
839000
3000
コードを継ぎ接ぎしたり エレガントなハックをしたりします
14:14
Then they present all of the stuff that they've developed
310
842000
3000
そしてその日の終わりには
14:17
to their teammates, to the rest of the company,
311
845000
3000
雑然とした全員参加の会合があって
14:20
in this wild and wooly all-hands meeting
312
848000
2000
チームメートや会社のみんなに
14:22
at the end of the day.
313
850000
2000
何を作ったのか見せるのです
14:24
And then, being Australians, everybody has a beer.
314
852000
2000
オーストラリアですからみんなでビールを飲みます
14:26
They call them FedEx Days.
315
854000
3000
彼らはこれを「FedExの日」と呼んでいます
14:29
Why? Because you have to deliver something overnight.
316
857000
6000
なぜかって? それは何かを一晩で送り届けなければならないからです
14:35
It's pretty. It's not bad. It's a huge trademark violation,
317
863000
2000
素敵ですよね 商標権は侵害しているかもしれませんが
14:37
but it's pretty clever.
318
865000
2000
ピッタリしています
14:39
(Laughter)
319
867000
1000
(笑)
14:40
That one day of intense autonomy
320
868000
2000
この1日の集中的な自主活動で生まれた
14:42
has produced a whole array of software fixes
321
870000
2000
多数のソフトウェアの修正は
14:44
that might never have existed.
322
872000
2000
この活動なしには生まれなかったでしょう
14:46
And it's worked so well that Atlassian has taken it to the next level
323
874000
2000
これがうまくいったので次のレベルへと進み
14:48
with 20 Percent Time --
324
876000
2000
「20パーセントの時間」を始めました
14:50
done, famously, at Google --
325
878000
2000
Googleがやっていることで有名ですね
14:52
where engineers can work, spend 20 percent of their time
326
880000
2000
エンジニアは仕事時間の20パーセントを
14:54
working on anything they want.
327
882000
2000
何でも好きなことに使うことができます
14:56
They have autonomy over their time,
328
884000
2000
時間、タスク、チーム、使う技術
14:58
their task, their team, their technique.
329
886000
2000
すべてに自主性が認められます
15:00
Okay? Radical amounts of autonomy.
330
888000
2000
すごく大きな裁量です
15:02
And at Google, as many of you know,
331
890000
4000
そしてGoogleでは よく知られている通り
15:06
about half of the new products in a typical year
332
894000
2000
新製品の半分近くが
15:08
are birthed during that 20 Percent Time:
333
896000
3000
この20パーセントの時間から生まれています
15:11
things like Gmail, Orkut, Google News.
334
899000
3000
Gmail、Orkut、Google Newsなどがそうです
15:14
Let me give you an even more radical example of it:
335
902000
3000
さらに過激な例をご紹介しましょう
15:17
something called the Results Only Work Environment,
336
905000
2000
「完全結果志向の職場環境」と呼ばれるものがあります
15:19
the ROWE,
337
907000
2000
ROWE (Results Only Work Environment)
15:21
created by two American consultants, in place
338
909000
2000
アメリカのコンサルタントたちにより考案され
15:23
in place at about a dozen companies around North America.
339
911000
2000
実施している会社が北アメリカに10社ばかりあります
15:25
In a ROWE people don't have schedules.
340
913000
4000
ROWEでは 人々にはスケジュールがありません
15:29
They show up when they want.
341
917000
2000
好きなときに出社できます
15:31
They don't have to be in the office at a certain time,
342
919000
2000
特定の時間に会社にいなきゃいけないということがありません
15:33
or any time.
343
921000
2000
全然行かなくてもかまいません
15:35
They just have to get their work done.
344
923000
2000
ただ仕事を成し遂げれば良いのです
15:37
How they do it, when they do it,
345
925000
2000
どのようにやろうと いつやろうと
15:39
where they do it, is totally up to them.
346
927000
3000
どこでやろうと かまわないのです
15:42
Meetings in these kinds of environments are optional.
347
930000
4000
そのような環境では ミーティングはオプショナルです
15:46
What happens?
348
934000
2000
どんな結果になるのでしょう?
15:48
Almost across the board, productivity goes up,
349
936000
3000
ほとんどの場合 生産性は上がり
15:51
worker engagement goes up,
350
939000
3000
雇用期間は長くなり
15:54
worker satisfaction goes up, turnover goes down.
351
942000
3000
社員満足度は上がり 離職率は下がります
15:57
Autonomy, mastery and purpose,
352
945000
2000
自主性 成長 目的は
15:59
These are the building blocks of a new way of doing things.
353
947000
2000
物事をする新しいやり方の構成要素なのです
16:01
Now some of you might look at this and say,
354
949000
3000
こういう話を聞いて
16:04
"Hmm, that sounds nice, but it's Utopian."
355
952000
3000
「結構だけど 夢物語だね」と言う人もいることでしょう
16:07
And I say, "Nope. I have proof."
356
955000
5000
違います 証拠があるのです
16:12
The mid-1990s, Microsoft started
357
960000
2000
1990年代半ば Microsoftは
16:14
an encyclopedia called Encarta.
358
962000
2000
Encartaという百科事典を作り始めました
16:16
They had deployed all the right incentives,
359
964000
2000
適切なインセンティブを設定しました
16:18
all the right incentives. They paid professionals to
360
966000
3000
何千というプロにお金を払って
16:21
write and edit thousands of articles.
361
969000
2000
記事を書いてもらいました
16:23
Well-compensated managers oversaw the whole thing
362
971000
2000
たっぷり報酬をもらっているマネージャが全体を監督し
16:25
to make sure it came in on budget and on time.
363
973000
5000
予算と納期の中で出来上がるようにしました
16:30
A few years later another encyclopedia got started.
364
978000
2000
何年か後に 別な百科事典が開始されました
16:32
Different model, right?
365
980000
3000
別なモデルを採っていました
16:35
Do it for fun. No one gets paid a cent, or a Euro or a Yen.
366
983000
4000
楽しみでやる 1セント、1ユーロ、1円たりとも支払われません
16:39
Do it because you like to do it.
367
987000
3000
みんな好きだからやるのです
16:42
Now if you had, just 10 years ago,
368
990000
3000
ほんの10年前に
16:45
if you had gone to an economist, anywhere,
369
993000
2000
経済学者のところへ行ってこう聞いたとします
16:47
and said, "Hey, I've got these two different models for creating an encyclopedia.
370
995000
4000
「ねえ 百科事典を作る2つのモデルを考えたんだけど
16:51
If they went head to head, who would win?"
371
999000
3000
対決したらどっちが勝つと思います?」
16:54
10 years ago you could not have found a single sober economist anywhere
372
1002000
4000
10年前 この地球上のまともな経済学者で
16:58
on planet Earth
373
1006000
2000
Wikipediaのモデルが勝つという人は
17:00
who would have predicted the Wikipedia model.
374
1008000
2000
1人もいなかったでしょう
17:02
This is the titanic battle between these two approaches.
375
1010000
3000
これは 2つのアプローチの 大きな対決なのです
17:05
This is the Ali-Frazier of motivation. Right?
376
1013000
3000
モチベーションにおけるアリ vs フレージャー戦です
17:08
This is the Thrilla' in Manila.
377
1016000
2000
伝説のマニラ決戦です
17:10
Alright? Intrinsic motivators versus extrinsic motivators.
378
1018000
3000
内的な動機付け vs 外的な動機付け
17:13
Autonomy, mastery and purpose,
379
1021000
2000
自主性 成長 目的 vs アメとムチ
17:15
versus carrot and sticks. And who wins?
380
1023000
2000
そしてどちらが勝つのでしょう?
17:17
Intrinsic motivation, autonomy, mastery and purpose,
381
1025000
3000
内的な動機付け 自主性 成長 目的が
17:20
in a knockout. Let me wrap up.
382
1028000
4000
ノックアウト勝利します まとめましょう
17:24
There is a mismatch between what science knows and what business does.
383
1032000
3000
科学が解明したことと ビジネスで行われていることの間には食い違いがあります
17:27
And here is what science knows.
384
1035000
2000
科学が解明したのは
17:29
One: Those 20th century rewards,
385
1037000
2000
1. 20世紀的な報酬―
17:31
those motivators we think are a natural part of business,
386
1039000
3000
ビジネスで当然のものだとみんなが思っている動機付けは
17:34
do work, but only in a surprisingly narrow band of circumstances.
387
1042000
4000
機能はするが驚くほど狭い範囲の状況にしか合いません
17:38
Two: Those if-then rewards often destroy creativity.
388
1046000
4000
2. If Then式の報酬は 時にクリエイティビティを損なってしまいます
17:42
Three: The secret to high performance
389
1050000
2000
3. 高いパフォーマンスの秘訣は
17:44
isn't rewards and punishments,
390
1052000
2000
報酬と罰ではなく
17:46
but that unseen intrinsic drive --
391
1054000
2000
見えない内的な意欲にあります
17:48
the drive to do things for their own sake.
392
1056000
3000
自分自身のためにやるという意欲
17:51
The drive to do things cause they matter.
393
1059000
2000
それが重要なことだからやるという意欲
17:53
And here's the best part. Here's the best part.
394
1061000
2000
大事なのは―
17:55
We already know this. The science confirms what we know in our hearts.
395
1063000
3000
私たちがこのことを知っているということです 科学はそれを確認しただけです
17:58
So, if we repair this mismatch
396
1066000
3000
科学知識とビジネスの慣行の間の
18:01
between what science knows and what business does,
397
1069000
2000
このミスマッチを正せば
18:03
if we bring our motivation, notions of motivation
398
1071000
3000
21世紀的な動機付けの考え方を
18:06
into the 21st century,
399
1074000
2000
採用すれば
18:08
if we get past this lazy, dangerous, ideology
400
1076000
4000
怠惰で危険でイデオロギー的な
18:12
of carrots and sticks,
401
1080000
2000
アメとムチを脱却すれば
18:14
we can strengthen our businesses,
402
1082000
3000
私たちは会社を強くし
18:17
we can solve a lot of those candle problems,
403
1085000
3000
多くのロウソクの問題を解き
18:20
and maybe, maybe, maybe
404
1088000
4000
そしておそらくは
18:24
we can change the world.
405
1092000
2000
世界を変えることができるのです
18:26
I rest my case.
406
1094000
2000
これにて立証を終わります
18:28
(Applause)
407
1096000
3000
(拍手)
ABOUT THE SPEAKER
Dan Pink - Career analystBidding adieu to his last "real job" as Al Gore's speechwriter, Dan Pink went freelance to spark a right-brain revolution in the career marketplace.
Why you should listen
With a trio of influential bestsellers, Dan Pink has changed the way companies view the modern workplace. In the pivotal A Whole New Mind, Pink identifies a sea change in the global workforce -- the shift of an information-based corporate culture to a conceptual base, where creativity and big-picture design dominates the landscape.
His latest book, The Adventures of Johnny Bunko, is an evolutionary transformation of the familiar career guide. Replacing linear text with a manga-inspired comic, Pink outlines six career laws vastly differing from the ones you've been taught. Members of the Johnny Bunko online forum participated in an online contest to create the seventh law -- "stay hungry."
A contributing editor for Wired, Pink is working on a new book on the science and economics of motivation for release in late 2009.
Dan Pink | Speaker | TED.com