TEDGlobal 2009
Dan Pink: The puzzle of motivation
Dan Pink 가 동기 유발의 놀라운 과학에 대해서 설명합니다.
Filmed:
Readability: 4
25,352,736 views
Career analyst Dan Pink 가 동기 유발의 수수께끼에 대해, 먼저 사회과학 학자들은 알고 있지만 일상 관리자들은 알고 있지 못한 사실 : 전통적인 보상의 개념이 우리가 생각하는 것 처럼 항상 효과적이지 않다는 것 을 설명합니다.
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
시작하기 전에 우선 고백 할 것이 있습니다.
00:16
A little over 20 years ago
1
4000
3000
약 20년쯤 전에
00:19
I did something that I regret,
2
7000
2000
저는 어떤 후회 할만한 일,
00:21
something that I'm not particularly proud of,
3
9000
4000
절대 자랑스럽지 않을,
00:25
something that, in many ways, I wish no one would ever know,
4
13000
3000
아무도 알지 못했으면 하는 일을 했습니다.
00:28
but here I feel kind of obliged to reveal.
5
16000
4000
하지만 그것을 밝혀야만 하겠다는 의무감 같은 것이 듭니다.
00:32
(Laughter)
6
20000
2000
(웃음)
00:34
In the late 1980s,
7
22000
2000
1980년대 후반,
00:36
in a moment of youthful indiscretion,
8
24000
3000
철 없던 어린 시절에
00:39
I went to law school.
9
27000
2000
저는 로스쿨에 갔습니다.
00:41
(Laughter)
10
29000
4000
(웃음)
00:45
Now, in America law is a professional degree:
11
33000
3000
미국의 법학은 전문 학위이기 때문에
00:48
you get your university degree, then you go on to law school.
12
36000
2000
학부를 마치고 나서야 로스쿨을 갈 수 있게 됩니다.
00:50
And when I got to law school,
13
38000
3000
저는 로스쿨에서
00:53
I didn't do very well.
14
41000
2000
별로 성적이 좋지 않았습니다.
00:55
To put it mildly, I didn't do very well.
15
43000
2000
좀 순화하자면, 잘 하지 못했습니다.
00:57
I, in fact, graduated in the part of my law school class
16
45000
3000
사실, 저는 로스쿨을
01:00
that made the top 90 percent possible.
17
48000
4000
상위 90% 의 성적으로 졸업했지요.
01:04
(Laughter)
18
52000
4000
(웃음)
01:08
Thank you.
19
56000
3000
감사합니다.
01:11
I never practiced law a day in my life;
20
59000
3000
저는 법률 업무를 하지는 않았습니다.
01:14
I pretty much wasn't allowed to.
21
62000
2000
그럴 수 있는 허가를 받지 못했으니까요.
01:16
(Laughter)
22
64000
3000
(웃음)
01:19
But today, against my better judgment,
23
67000
3000
하지만 오늘은, 저도 별로 잘하는 것 같지는 않고,
01:22
against the advice of my own wife,
24
70000
3000
그리고 아내도 하지 말라고 했지만,
01:25
I want to try to dust off some of those legal skills --
25
73000
4000
이 자리에서 약간의 기술을 보이려 합니다.
01:29
what's left of those legal skills.
26
77000
2000
그나마 남아있는 법학 기술을요.
01:31
I don't want to tell you a story.
27
79000
3000
저는 진술을 하려고 하는 것이 아닙니다.
01:34
I want to make a case.
28
82000
2000
저는 변론을 하려고 합니다.
01:36
I want to make a hard-headed, evidence-based,
29
84000
4000
빈틈없이, 여러 증거를 바탕으로
01:40
dare I say lawyerly case,
30
88000
3000
오늘의 변론 주제인,
01:43
for rethinking how we run our businesses.
31
91000
4000
비지니스를 운영하는 방법에 대해 다시 생각해보죠.
01:47
So, ladies and gentlemen of the jury, take a look at this.
32
95000
4000
자, 여러 배심원 여러분, 여기를 봐 주십시오.
01:51
This is called the candle problem.
33
99000
2000
이것은 촛불 문제라는 것입니다.
01:53
Some of you might have seen this before.
34
101000
2000
전에 이 문제를 보신 분들도 있겠죠.
01:55
It's created in 1945
35
103000
2000
이 문제는 1945년도에
01:57
by a psychologist named Karl Duncker.
36
105000
2000
심리학자 Karl Duncker 에 의해 만들어졌습니다.
01:59
Karl Duncker created this experiment
37
107000
2000
Karl Duncker 는 행동 과학의 여러가지 측면을 관찰하기 위해
02:01
that is used in a whole variety of experiments in behavioral science.
38
109000
3000
이 실험을 고안해 냈습니다.
02:04
And here's how it works. Suppose I'm the experimenter.
39
112000
3000
이렇게 실험하게 됩니다. : 제가 실험자라고 하면
02:07
I bring you into a room. I give you a candle,
40
115000
4000
피실험자를 방으로 데려와 초를 하나 줍니다.
02:11
some thumbtacks and some matches.
41
119000
2000
그리고 압정들과 성냥을 주고,
02:13
And I say to you, "Your job
42
121000
2000
이렇게 말합니다.
02:15
is to attach the candle to the wall
43
123000
2000
"이 촛불을 벽에 붙이되,
02:17
so the wax doesn't drip onto the table." Now what would you do?
44
125000
4000
촛농이 테이블에 떨어지지 않도록 해야 합니다." 어떻게 하시겠습니까?
02:21
Now many people begin trying to thumbtack the candle to the wall.
45
129000
4000
처음에는 많은 사람들이 압정으로 초를 벽에 붙이려 합니다.
02:25
Doesn't work.
46
133000
2000
하지만 잘 안 됩니다.
02:27
Somebody, some people -- and I saw somebody
47
135000
2000
개중에, 어떤 사람들은, 제가 본 바로는,
02:29
kind of make the motion over here --
48
137000
2000
이런 방식도 취해 봅니다.
02:31
some people have a great idea where they
49
139000
2000
어떤 사람들은 성냥으로 초의 옆을 녹여
02:33
light the match, melt the side of the candle, try to adhere it to the wall.
50
141000
4000
벽에 붙이는 놀라운 아이디어를 보이기도 합니다.
02:37
It's an awesome idea. Doesn't work.
51
145000
3000
대단한 아이디어입니다. 하지만 잘 안됩니다.
02:40
And eventually, after five or 10 minutes,
52
148000
3000
그리고 결국에서야, 약 5분에서 10분 정도 지나서,
02:43
most people figure out the solution,
53
151000
2000
대부분의 사람들이 방법을 찾아냅니다.
02:45
which you can see here.
54
153000
2000
바로 이런 방법입니다.
02:47
The key is to overcome what's called functional fixedness.
55
155000
3000
이 문제를 풀려면 고정관념에서 벗어나야 합니다.
02:50
You look at that box and you see it only as a receptacle for the tacks.
56
158000
4000
보통의 경우 상자를 보면 그저 압정을 담아 두기 위한 용도로 생각합니다.
02:54
But it can also have this other function,
57
162000
2000
하지만 이처럼, 촛불을 담는 다른 기능으로
02:56
as a platform for the candle. The candle problem.
58
164000
4000
사용될 수도 있습니다. 이것이 촛불 문제입니다.
03:00
Now I want to tell you about an experiment
59
168000
2000
이제 제가 이 촛불 문제를 이용한 실험에
03:02
using the candle problem,
60
170000
2000
대한 이야기를 해 보겠습니다.
03:04
done by a scientist named Sam Glucksberg,
61
172000
2000
프린스턴 대학의 Sam Glucksberg 라는
03:06
who is now at Princeton University in the U.S.
62
174000
2000
과학자가 했던 실험인데요,
03:08
This shows the power of incentives.
63
176000
4000
이 실험은 인센티브의 힘을 보여줍니다.
03:12
Here's what he did. He gathered his participants.
64
180000
2000
그는 참가자들을 모집하여 이렇게 말했습니다.
03:14
And he said, "I'm going to time you. How quickly you can solve this problem?"
65
182000
3000
"문제를 얼마나 빨리 풀 수 있는지 시간을 재겠습니다."
03:17
To one group he said,
66
185000
2000
그 중 한 그룹에게는
03:19
"I'm going to time you to establish norms,
67
187000
3000
이런 종류의 문제를 푸는데
03:22
averages for how long it typically takes
68
190000
2000
평균적으로 얼마나 시간이 걸리는지를 측정하기 위해
03:24
someone to solve this sort of problem."
69
192000
2000
시간을 재겠다고 했습니다.
03:26
To the second group he offered rewards.
70
194000
3000
다른 그룹에게는 보상을 제시했습니다.
03:29
He said, "If you're in the top 25 percent of the fastest times,
71
197000
4000
"만약 상위 25% 이내로 빨리 푸는 사람에게는
03:33
you get five dollars.
72
201000
3000
$5 를 지급하겠습니다.
03:36
If you're the fastest of everyone we're testing here today,
73
204000
3000
오늘 실험에서 가장 빨리 문제를 푼 사람은
03:39
you get 20 dollars."
74
207000
2000
$20 를 받게 됩니다."
03:41
Now this is several years ago. Adjusted for inflation,
75
209000
3000
몇년 전의 일이고, 그간의 물가 인상을 감안해 보자면
03:44
it's a decent sum of money for a few minutes of work.
76
212000
2000
단지 몇 분의 작업으로 벌 수 있는 것으로는 상당한 액수입니다.
03:46
It's a nice motivator.
77
214000
2000
좋은 동기 부여가 되지요.
03:48
Question: How much faster
78
216000
3000
문제는 이것입니다. : 이 동기 부여된 그룹이
03:51
did this group solve the problem?
79
219000
2000
다른 그룹에 비해 얼마나 빨리 문제를 풀었을까요?
03:53
Answer: It took them, on average,
80
221000
3000
답은 : 평균적으로,
03:56
three and a half minutes longer.
81
224000
4000
3.5 분이 더 걸리는 것으로 나타났습니다.
04:00
Three and a half minutes longer. Now this makes no sense right?
82
228000
3000
3.5 분이 '더' 걸립니다. 전혀 이해가 되지 않는 일이죠?
04:03
I mean, I'm an American. I believe in free markets.
83
231000
3000
저는 미국인이고, 자유 경쟁 시장의 힘을 믿습니다.
04:06
That's not how it's supposed to work. Right?
84
234000
3000
이렇게 되어서는 안되는 거잖아요. 안 그렇습니까?
04:09
(Laughter)
85
237000
1000
(웃음)
04:10
If you want people to perform better,
86
238000
2000
만약 어떤 사람이 일을 더 잘 하게 하고 싶으면
04:12
you reward them. Right?
87
240000
2000
그 사람에게 보상을 해 줘야 하지 않겠습니까?
04:14
Bonuses, commissions, their own reality show.
88
242000
3000
보너스, 커미션, 인센티브,
04:17
Incentivize them. That's how business works.
89
245000
4000
이런 것들을 제시 해야죠. 그게 비지니스에서 통용되는 것입니다.
04:21
But that's not happening here.
90
249000
2000
하지만 여기에서는 그런 효과가 없습니다.
04:23
You've got an incentive designed to
91
251000
2000
좀 더 날카롭게 생각하고 창의성을 더 발휘하도록
04:25
sharpen thinking and accelerate creativity,
92
253000
4000
인센티브를 받았는데도,
04:29
and it does just the opposite.
93
257000
2000
정확히 반대의 효과로 나타납니다.
04:31
It dulls thinking and blocks creativity.
94
259000
3000
생각은 굳어버리고 창의성도 발휘를 못하게 되지요.
04:34
And what's interesting about this experiment is that it's not an aberration.
95
262000
3000
게다가 흥미로운 사실은,이 결과가 그저 한 번의 잘못된 결과가 아니라는 겁니다.
04:37
This has been replicated over and over
96
265000
3000
이 실험은 거의 40년 동안
04:40
and over again, for nearly 40 years.
97
268000
3000
재현되어 왔습니다.
04:43
These contingent motivators --
98
271000
3000
이런 동기부여자들은,
04:46
if you do this, then you get that --
99
274000
2000
이 것을 하면 저것을 받을 수 있다는 식으로
04:48
work in some circumstances.
100
276000
2000
환경을 조성합니다.
04:50
But for a lot of tasks, they actually either don't work
101
278000
3000
하지만 대부분의 경우, 이는 의도한 효과를 내지 못하고
04:53
or, often, they do harm.
102
281000
3000
때때로 방해가 되기도 합니다.
04:56
This is one of the most robust findings
103
284000
4000
이것이 사회 과학에서 찾아낸
05:00
in social science,
104
288000
3000
가장 확고한 발견 중 하나입니다.
05:03
and also one of the most ignored.
105
291000
2000
하지만 가장 무시되는 발견이기도 하지요.
05:05
I spent the last couple of years looking at the science of
106
293000
2000
저는 지난 몇년간 사람에게 동기를 부여하는 것을
05:07
human motivation,
107
295000
2000
연구해 왔습니다.
05:09
particularly the dynamics of extrinsic motivators
108
297000
2000
그 중에서도 외적 동기 유발자와 내적 동기 유발자의
05:11
and intrinsic motivators.
109
299000
2000
효과에 대해서 연구를 했습니다.
05:13
And I'm telling you, it's not even close.
110
301000
2000
그 관점에서 말씀 드리자면, 현재의 인센티브 효과는 전혀 효과가 없습니다.
05:15
If you look at the science, there is a mismatch
111
303000
2000
이러한 사회과학 실험의 결과를 보면 사회과학에서 밝혀진 사실과
05:17
between what science knows and what business does.
112
305000
4000
비지니스에서 통용되는 사실의 괴리를 발견하게 됩니다.
05:21
And what's alarming here is that our business operating system --
113
309000
3000
또한 우리의 비지니스 운영 시스템이
05:24
think of the set of assumptions and protocols beneath our businesses,
114
312000
3000
어떻게 사람에게 동기를 부여하고, 인재를 활용할 것인지에 대한
05:27
how we motivate people, how we apply our human resources --
115
315000
5000
비지니스의 기반이 되는 가정들과 규약들이 --
05:32
it's built entirely around these extrinsic motivators,
116
320000
3000
완전히 당근과 채찍 같은 외적인 동기부여 효과에만 기대고 있다는 것은
05:35
around carrots and sticks.
117
323000
2000
굉장히 위험한 일입니다.
05:37
That's actually fine for many kinds of 20th century tasks.
118
325000
4000
이런 생각은 20세기 때의 작업에 적합한 생각입니다.
05:41
But for 21st century tasks,
119
329000
2000
하지만 21세기의 업무들은,
05:43
that mechanistic, reward-and-punishment approach
120
331000
4000
보상과 처벌 같은 방식은
05:47
doesn't work, often doesn't work, and often does harm.
121
335000
4000
효과가 없습니다. 대개 효과가 없고, 때때로 역효과를 냅니다.
05:51
Let me show you what I mean.
122
339000
2000
예를 하나 들어보죠.
05:53
So Glucksberg did another experiment similar to this
123
341000
3000
위에서 얘기했던 Glucksberg 는 이와 비슷한 실험을 다시 했습니다.
05:56
where he presented the problem in a slightly different way,
124
344000
2000
사람들에게 약간 다른 방식으로 얘기를 했죠.
05:58
like this up here. Okay?
125
346000
3000
이렇게요 : 양초를 벽에 붙이되,
06:01
Attach the candle to the wall so the wax doesn't drip onto the table.
126
349000
2000
촛농이 테이블에 떨어지지 않도록 하십시오.
06:03
Same deal. You: we're timing for norms.
127
351000
3000
같은 방식입니다. 한 그룹은 평균을 알기 위해 시간을 잰다고 합니다.
06:06
You: we're incentivizing.
128
354000
3000
다른 그룹은 시간을 재서 인센티브를 받게 됩니다.
06:09
What happened this time?
129
357000
2000
이번엔 어떻게 되었을까요?
06:11
This time, the incentivized group
130
359000
2000
이 실험에서는, 인센티브를 받은 그룹이
06:13
kicked the other group's butt.
131
361000
4000
다른 그룹을 완전히 압도했습니다.
06:17
Why? Because when the tacks are out of the box,
132
365000
4000
왜겠습니까? 압정들이 박스에서 나와 있으면
06:21
it's pretty easy isn't it?
133
369000
4000
문제 해결이 굉장히 단순하죠. 안 그렇습니까?
06:25
(Laughter)
134
373000
2000
[바보를 위한 촛불 문제] (웃음)
06:27
If-then rewards work really well
135
375000
3000
행위와 결과에 대한 보상정책은
06:30
for those sorts of tasks,
136
378000
3000
이러한 단순한 공식과
06:33
where there is a simple set of rules and a clear destination
137
381000
2000
명확한 목표를 가진 작업에
06:35
to go to.
138
383000
2000
아주 효과적입니다.
06:37
Rewards, by their very nature,
139
385000
2000
보상은 자연스럽게
06:39
narrow our focus, concentrate the mind;
140
387000
2000
사람의 시야를 좁히고, 생각을 집중하게 해서
06:41
that's why they work in so many cases.
141
389000
2000
단순/명확한 작업을 효과적으로 수행하게 합니다.
06:43
And so, for tasks like this,
142
391000
2000
이런 경우에 대해서는
06:45
a narrow focus, where you just see the goal right there,
143
393000
3000
좁은 시야로 명확한 목표만을 바라보며
06:48
zoom straight ahead to it,
144
396000
2000
해결해 나가는 것이 가능하기 때문에
06:50
they work really well.
145
398000
2000
보상의 효과가 나타납니다.
06:52
But for the real candle problem,
146
400000
2000
하지만 '진짜' 촛불 문제에 대해서는
06:54
you don't want to be looking like this.
147
402000
2000
그런 식의 좁은 시야로는 문제를 해결 할 수 있습니다.
06:56
The solution is not over here. The solution is on the periphery.
148
404000
2000
해답은 눈 앞에 있지는 않습니다. 답은 주변에 있습니다.
06:58
You want to be looking around.
149
406000
2000
좀 더 주위를 둘러 봐야 합니다.
07:00
That reward actually narrows our focus
150
408000
2000
보상은 실제로 우리의 시야를 좁혀서
07:02
and restricts our possibility.
151
410000
2000
가능성을 제약합니다.
07:04
Let me tell you why this is so important.
152
412000
3000
이것이 왜 중요한가 하면,
07:07
In western Europe,
153
415000
2000
서구에서나,
07:09
in many parts of Asia,
154
417000
2000
아시아의 많은 부분에서,
07:11
in North America, in Australia,
155
419000
3000
북미지역, 오스트레일리아에서,
07:14
white-collar workers are doing less of
156
422000
2000
화이트칼라 노동자들이 이러한 작업을
07:16
this kind of work,
157
424000
2000
점점 덜 하게 되고,
07:18
and more of this kind of work.
158
426000
4000
대신 이러한 작업을 점점 더 많이 하게 된다는 것입니다.
07:22
That routine, rule-based, left-brain work --
159
430000
3000
반복적이고, 규칙 기반의, 좌뇌에 기인한 작업들,
07:25
certain kinds of accounting, certain kinds of financial analysis,
160
433000
2000
회계의 특정 종류 작업, 경제 분석의 특정 작업,
07:27
certain kinds of computer programming --
161
435000
2000
프로그래밍의 특정 작업들은
07:29
has become fairly easy to outsource,
162
437000
2000
이제 아웃소싱하거나 자동화 하는 것이
07:31
fairly easy to automate.
163
439000
2000
무척이나 편해졌습니다.
07:33
Software can do it faster.
164
441000
3000
프로그램은 사람보다 훨씬 더 빨리 해결할 수 있습니다.
07:36
Low-cost providers around the world can do it cheaper.
165
444000
2000
다른 지방의 저임금 노동자는 더 싸게 해결할 수 있습니다.
07:38
So what really matters are the more right-brained
166
446000
4000
이제 정말 문제가 되는 것은 우뇌에 기인한
07:42
creative, conceptual kinds of abilities.
167
450000
3000
창의적이고, 개념화하는 능력들입니다.
07:45
Think about your own work.
168
453000
3000
자기 자신이 하고 있는 업무를 돌아 보세요.
07:48
Think about your own work.
169
456000
3000
자기 자신이 하고 있는 업무를 돌아 보세요.
07:51
Are the problems that you face, or even the problems
170
459000
2000
여러분이 맞닥뜨린 문제 또는 우리가 여기에서
07:53
we've been talking about here,
171
461000
2000
다루었던 문제들은,
07:55
are those kinds of problems -- do they have a clear set of rules,
172
463000
2000
명백한 공식이 있고, 한 가지 답이 있는 --
07:57
and a single solution? No.
173
465000
3000
그런 문제였습니까? 아니오.
08:00
The rules are mystifying.
174
468000
2000
규칙은 애매하고,
08:02
The solution, if it exists at all,
175
470000
2000
해결책이 있다고 해도,
08:04
is surprising and not obvious.
176
472000
3000
뻔한 방법이 아니라, 의외의 방법입니다.
08:07
Everybody in this room
177
475000
2000
이 방에 계신 여러분 모두가
08:09
is dealing with their own version
178
477000
3000
자기 자신 버전의 촛불 문제를
08:12
of the candle problem.
179
480000
2000
다루고 있습니다.
08:14
And for candle problems of any kind,
180
482000
3000
어떤 종류의, 어떤 분야의
08:17
in any field,
181
485000
2000
촛불 문제도
08:19
those if-then rewards,
182
487000
3000
대부분의 비지니스에서 생각하는
08:22
the things around which we've built so many of our businesses,
183
490000
4000
당근과 채찍 같은 보상으로는
08:26
don't work.
184
494000
2000
효과가 없습니다.
08:28
Now, I mean it makes me crazy.
185
496000
2000
그러고나니 이게 정말 놀라운 일입니다.
08:30
And this is not -- here's the thing.
186
498000
2000
이건 정말 -- 이런 것입니다.
08:32
This is not a feeling.
187
500000
3000
이것은 어떤 감정이 아닙니다.
08:35
Okay? I'm a lawyer; I don't believe in feelings.
188
503000
3000
아시죠? 전 변호사입니다. 저는 감정은 믿지 않습니다.
08:38
This is not a philosophy.
189
506000
4000
이건 어떤 철학도 아닙니다.
08:42
I'm an American; I don't believe in philosophy.
190
510000
2000
저는 미국인입니다. 저는 철학을 믿지 않습니다.
08:44
(Laughter)
191
512000
3000
(웃음)
08:47
This is a fact --
192
515000
3000
이건 사실입니다.
08:50
or, as we say in my hometown of Washington, D.C.,
193
518000
2000
혹은, 제 고향인 워싱턴 D.C. 같은 곳에서 부르는 대로 하자면,
08:52
a true fact.
194
520000
2000
진짜 사실입니다.
08:54
(Laughter)
195
522000
2000
(웃음)
08:56
(Applause)
196
524000
4000
(박수)
09:00
Let me give you an example of what I mean.
197
528000
2000
다시 예를 더 들어 보도록 하죠.
09:02
Let me marshal the evidence here,
198
530000
2000
그 증거들을 나열해 보겠습니다.
09:04
because I'm not telling you a story, I'm making a case.
199
532000
2000
저는 진술을 하는 것이 아니라, 변론을 하는 중이니까요.
09:06
Ladies and gentlemen of the jury, some evidence:
200
534000
2000
배심원 여러분, 여기 증거들이 있습니다. :
09:08
Dan Ariely, one of the great economists of our time,
201
536000
3000
우리 시대의 손 꼽히는 경제학자인 Dan Ariely 와 그의 세 명의 동료들이
09:11
he and three colleagues, did a study of some MIT students.
202
539000
4000
MIT 학생들을 대상으로 이런 연구를 했습니다.
09:15
They gave these MIT students a bunch of games,
203
543000
3000
MIT 학생들에게 여러가지 게임,
09:18
games that involved creativity,
204
546000
2000
창의성과, 자동차 기술과, 집중력을 요하는
09:20
and motor skills, and concentration.
205
548000
2000
게임들을 던져주고
09:22
And the offered them, for performance,
206
550000
2000
효율성을 위해서 그들에게
09:24
three levels of rewards:
207
552000
2000
세 단계의 보상을 제안했습니다.
09:26
small reward, medium reward, large reward.
208
554000
5000
작은 보상, 중간 보상, 큰 보상을요.
09:31
Okay? If you do really well you get the large reward, on down.
209
559000
4000
만약 정말 잘 한다면 큰 보상을 받게 되겠죠.
09:35
What happened? As long as the task involved only mechanical skill
210
563000
4000
어떻게 되었을까요? 이 문제는 단지 기계적인 기술만 있으면 되는 문제였고
09:39
bonuses worked as they would be expected:
211
567000
2000
보너스는 정확히 예상한대로 작용했습니다.
09:41
the higher the pay, the better the performance.
212
569000
4000
높은 보상을 받은 쪽이 더 높은 성과를 보였습니다.
09:45
Okay? But one the task called for
213
573000
2000
자, 그런데 작업이 기본적인 인지 능력에
09:47
even rudimentary cognitive skill,
214
575000
4000
연관 된 것일 때,
09:51
a larger reward led to poorer performance.
215
579000
5000
더 큰 보상은 오히려 낮은 성과로 이어졌습니다.
09:56
Then they said,
216
584000
2000
혹자는 이렇게 말 했습니다.
09:58
"Okay let's see if there's any cultural bias here.
217
586000
2000
"어쩌면 이 결과는 문화적인 차이로 인한 것일 수도 있으니까
10:00
Lets go to Madurai, India and test this."
218
588000
2000
인도의 마두라이로 가서 실험을 해 보자"
10:02
Standard of living is lower.
219
590000
2000
생활 수준이 좀 더 낮은 곳 말이죠.
10:04
In Madurai, a reward that is modest in North American standards,
220
592000
3000
북미에서는 보통에 해당하는 보상이 마두라이에서는
10:07
is more meaningful there.
221
595000
3000
훨씬 더 큰 의미를 갖습니다.
10:10
Same deal. A bunch of games, three levels of rewards.
222
598000
3000
똑같은 실험을 했습니다. 몇 가지 게임을 주고, 보상에 세 단계를 두었습니다.
10:13
What happens?
223
601000
2000
어떤 일이 벌어졌을까요?
10:15
People offered the medium level of rewards
224
603000
3000
보통의 보상을 제시받은 사람들은
10:18
did no better than people offered the small rewards.
225
606000
3000
적은 보상을 제시받은 사람들 보다 잘 하지 못했습니다.
10:21
But this time, people offered the highest rewards,
226
609000
4000
하지만 이번 실험에서는, 가장 높은 보상을 제시 받은 사람들이
10:25
they did the worst of all.
227
613000
4000
가장 결과가 나빴습니다.
10:29
In eight of the nine tasks we examined across three experiments,
228
617000
3000
3 번의 실험을 통한 9가지 작업 중 8가지 작업에서
10:32
higher incentives led to worse performance.
229
620000
5000
인센티브가 높을 수록, 성과는 안 좋았습니다.
10:37
Is this some kind of touchy-feely
230
625000
3000
여기에 어떤 감상적인
10:40
socialist conspiracy going on here?
231
628000
3000
사회주의자의 음모라도 있는 걸까요?
10:43
No. These are economists from MIT,
232
631000
3000
아닙니다. 이 실험을 주관한 경제학자들은 MIT 와
10:46
from Carnegie Mellon, from the University of Chicago.
233
634000
3000
Carnegie Mellon, 그리고 Chicago 대학의 학자들입니다.
10:49
And do you know who sponsored this research?
234
637000
2000
그리고 이 연구를 누가 후원했는지 아십니까?
10:51
The Federal Reserve Bank of the United States.
235
639000
4000
미국 연방 준비 은행입니다.
10:55
That's the American experience.
236
643000
2000
이 연구는 미국의 실험이었습니다.
10:57
Let's go across the pond to the London School of Economics --
237
645000
3000
이제 장소를 런던 정경대로 옮겨보죠.
11:00
LSE, London School of Economics,
238
648000
3000
LSE, 런던 정치 경제 대학교 말입니다.
11:03
alma mater of 11 Nobel Laureates in economics.
239
651000
3000
노벨 경제학 수상자를 11명이나 배출했지요.
11:06
Training ground for great economic thinkers
240
654000
3000
위대한 경제 사상가들이 여기서 공부했었죠.
11:09
like George Soros, and Friedrich Hayek,
241
657000
3000
조지 소로스, 프리드리히 헤이엑,
11:12
and Mick Jagger. (Laughter)
242
660000
2000
믹 재거(주:록 그룹 롤링스톤즈의 리더). (웃음)
11:14
Last month, just last month,
243
662000
4000
지난 달에, 정확히 한 달 전에,
11:18
economists at LSE looked at 51 studies
244
666000
3000
LSE 의 경제학자들은 성과주의를 도입한
11:21
of pay-for-performance plans, inside of companies.
245
669000
3000
51개 기업의 사례를 조사했습니다.
11:24
Here's what the economists there said: "We find that financial incentives
246
672000
3000
경제학자들은 다음과 같은 결론을 내립니다. "경제적 인센티브가
11:27
can result in a negative impact on overall performance."
247
675000
6000
전체 성과에 부정적인 영향을 미칠 수 있다"
11:33
There is a mismatch between what science knows
248
681000
3000
여기서 사회과학이 밝혀낸 사실과
11:36
and what business does.
249
684000
2000
비지니스에서 하고 있는 것의 차이가 나타납니다.
11:38
And what worries me, as we stand here in the rubble
250
686000
3000
제가 걱정되는 것은, 우리가 지금 경제 위기의
11:41
of the economic collapse,
251
689000
2000
어려운 상황에 있어,
11:43
is that too many organizations
252
691000
2000
너무나 많은 조직들이
11:45
are making their decisions,
253
693000
2000
능력과 사람에 대한 제도를
11:47
their policies about talent and people,
254
695000
2000
결정하는데 있어
11:49
based on assumptions that are outdated, unexamined,
255
697000
6000
진부하고 검증되지도 않은 전제에 기반한 가정을
11:55
and rooted more in folklore than in science.
256
703000
3000
과학적인 실험의 결과보다 더 신뢰하고 사용한다는 것입니다.
11:58
And if we really want to get out of this economic mess,
257
706000
3000
그리고 정말로 이 경제 위기에서 탈출하고자 한다면,
12:01
and if we really want high performance on those
258
709000
2000
정말로 21세기 식의 개념적인 문제를 해결하는데
12:03
definitional tasks of the 21st century,
259
711000
2000
높은 성과를 보이고자 한다면,
12:05
the solution is not to do more of the wrong things,
260
713000
6000
사람에 대해 더 달콤한 당근으로 유혹하고,
12:11
to entice people with a sweeter carrot,
261
719000
3000
혹은 더 가혹한 처벌로 위협하는 등의
12:14
or threaten them with a sharper stick.
262
722000
2000
잘못된 결정을 하지 않아야 합니다.
12:16
We need a whole new approach.
263
724000
2000
우리는 완전히 새로운 방법으로 접근해야 합니다.
12:18
And the good news about all of this is that the scientists
264
726000
2000
좋은 소식은, 동기 부여에 대해 연구하던 과학자들이
12:20
who've been studying motivation have given us this new approach.
265
728000
3000
우리에게 새로운 관점을 가져다 주었다는 것 입니다.
12:23
It's an approach built much more around intrinsic motivation.
266
731000
3000
내재적인 동기 부여에 훨씬 더 강조를 둔 관점입니다.
12:26
Around the desire to do things because they matter,
267
734000
2000
자신의 문제가 되기 때문에, 좋아해서,
12:28
because we like it, because they're interesting,
268
736000
2000
재미있어서, 또는 중요한 것의 일부여서
12:30
because they are part of something important.
269
738000
2000
하고자 하는 욕망에 관련된 것입니다.
12:32
And to my mind, that new operating system for our businesses
270
740000
4000
제 생각에, 비지니스에 대한 새로운 운영 시스템은
12:36
revolves around three elements:
271
744000
2000
세 가지 요소를 축으로 해서 돌아갑니다.
12:38
autonomy, mastery and purpose.
272
746000
3000
주도성, 전문성, 그리고 목적입니다.
12:41
Autonomy: the urge to direct our own lives.
273
749000
3000
주도성은 우리 삶의 방향을 결정하고 싶어하는 욕망입니다.
12:44
Mastery: the desire to get better and better at something that matters.
274
752000
4000
전문성은 의미 있는 것에 좀 더 잘 하고자 하는 욕망입니다.
12:48
Purpose: the yearning to do what we do
275
756000
3000
목적은 우리 자신보다 더 큰 무언가를 향한
12:51
in the service of something larger than ourselves.
276
759000
3000
뭔가 하고 싶다는 열망입니다.
12:54
These are the building blocks of an entirely new operating system
277
762000
3000
이것들이 우리들이 완전히 새로운 비지니스 운영 시스템을 구성하기 위한
12:57
for our businesses.
278
765000
2000
요소입니다.
12:59
I want to talk today only about autonomy.
279
767000
4000
오늘 여기에서는 주도성에 대해서 얘기하고자 합니다.
13:03
In the 20th century, we came up with this idea of management.
280
771000
3000
20세기에는 관리라는 개념이 등장했습니다.
13:06
Management did not emanate from nature.
281
774000
2000
관리라는 개념은 자연적이지 않습니다.
13:08
Management is like -- it's not a tree,
282
776000
2000
관리는 -- 나무 같은 것이 아니라,
13:10
it's a television set.
283
778000
2000
텔레비전 세트 같은 것입니다.
13:12
Okay? Somebody invented it.
284
780000
2000
아시겠죠? 누군가 만들어 낸 것입니다.
13:14
And it doesn't mean it's going to work forever.
285
782000
2000
그리고 그것이 영원히 작용 할 것이라 생각 할 수 없습니다.
13:16
Management is great.
286
784000
2000
관리는 좋은 것입니다.
13:18
Traditional notions of management are great
287
786000
2000
단순히 복종하기를 원한다면 전통적인 관리의 개념은
13:20
if you want compliance.
288
788000
2000
매우 좋은 것입니다.
13:22
But if you want engagement, self-direction works better.
289
790000
3000
하지만 무언가에 기여하고, 자기주도적으로 더 잘 하고 싶다면 그렇지 않습니다.
13:25
Let me give you some examples of some kind of radical
290
793000
2000
여기에 자기주도의 근본적인 관념에 대해서
13:27
notions of self-direction.
291
795000
2000
설명을 해 보도록 하겠습니다.
13:29
What this means -- you don't see a lot of it,
292
797000
3000
자기 주도라 함은 -- 별로 잘 알고 있는 것은 아니지만,
13:32
but you see the first stirrings of something really interesting going on,
293
800000
3000
아주 재미있어 보이는 것을 처음 보았을 때 느끼는 것입니다.
13:35
because what it means is paying people adequately
294
803000
2000
사람에게 적당히, 꽤, 혹은 절대적으로
13:37
and fairly, absolutely --
295
805000
2000
보상하게 되는 것이기 때문에
13:39
getting the issue of money off the table,
296
807000
2000
돈은 이 논점에서 벗어나게 됩니다.
13:41
and then giving people lots of autonomy.
297
809000
2000
그렇게 하면 사람들이 좀 더 주도적으로 움직입니다.
13:43
Let me give you some examples.
298
811000
2000
여기 예를 들어보죠.
13:45
How many of you have heard of the company Atlassian?
299
813000
4000
여기에 계신 분들 중 Atlassian 이라는 회사에 대해서 들어 보신 분?
13:49
It looks like less than half.
300
817000
2000
반이 채 안 되는 것 같군요.
13:51
(Laughter)
301
819000
2000
(웃음)
13:53
Atlassian is an Australian software company.
302
821000
4000
Atlassian 은 호주의 소프트웨어 회사인데,
13:57
And they do something incredibly cool.
303
825000
2000
아주 멋진 일을 했습니다.
13:59
A few times a year they tell their engineers,
304
827000
2000
일년에 몇 번, 회사의 엔지니어들에게
14:01
"Go for the next 24 hours and work on anything you want,
305
829000
4000
"지금부터 24시간동안 정규 업무가 아니라 하지 못했던
14:05
as long as it's not part of your regular job.
306
833000
2000
것을 찾아 하십시오.
14:07
Work on anything you want."
307
835000
2000
무엇이든 좋습니다."
14:09
So that engineers use this time to come up with
308
837000
2000
이 때 엔지니어들은 이 시간동안
14:11
a cool patch for code, come up with an elegant hack.
309
839000
3000
코드를 수정하거나, 엄청난 제품 아이디어를 만들어 내었습니다.
14:14
Then they present all of the stuff that they've developed
310
842000
3000
그리고 그들이 이 시간동안 만들어 낸 것을
14:17
to their teammates, to the rest of the company,
311
845000
3000
팀 동료들과 다른 회사 직원들 앞에서 발표 했습니다.
14:20
in this wild and wooly all-hands meeting
312
848000
2000
그 날을 마감하면서 그러한 비 격식적인
14:22
at the end of the day.
313
850000
2000
미팅을 가졌습니다.
14:24
And then, being Australians, everybody has a beer.
314
852000
2000
그 다음에는, 호주인들이니, 모두들 맥주를 마시러 갔죠.
14:26
They call them FedEx Days.
315
854000
3000
그 날을 FedEx Day 라고 불렀습니다.
14:29
Why? Because you have to deliver something overnight.
316
857000
6000
왜냐하면 그 날 밤 새도록 무언가를 보내야 했기 때문입니다.
14:35
It's pretty. It's not bad. It's a huge trademark violation,
317
863000
2000
멋지지 않나요? 뭐 상표권을 침해한것 같긴 하지만,
14:37
but it's pretty clever.
318
865000
2000
딱 어울리는 이름이에요.
14:39
(Laughter)
319
867000
1000
(웃음)
14:40
That one day of intense autonomy
320
868000
2000
주도적으로 일 할 수 있는 그 하루동안
14:42
has produced a whole array of software fixes
321
870000
2000
그런 활동이 없었으면 나올 수 없었을
14:44
that might never have existed.
322
872000
2000
엄청나게 많은 소프트웨어들이 등장했습니다.
14:46
And it's worked so well that Atlassian has taken it to the next level
323
874000
2000
이 정책은 효과가 정말 좋아서 Attlasian 은 이 시간을 전체 일과 시간의
14:48
with 20 Percent Time --
324
876000
2000
20% 로 끌어올렸습니다.
14:50
done, famously, at Google --
325
878000
2000
Google 에서 그랬던 것 처럼,
14:52
where engineers can work, spend 20 percent of their time
326
880000
2000
엔지니어들이 일과 시간 중 20% 의 시간을
14:54
working on anything they want.
327
882000
2000
무엇이든 원하는 것에 쓸 수 있는 것 처럼요.
14:56
They have autonomy over their time,
328
884000
2000
그들은 그들의 시간과, 작업과, 팀과, 기술의
14:58
their task, their team, their technique.
329
886000
2000
주도권을 갖게 되었습니다.
15:00
Okay? Radical amounts of autonomy.
330
888000
2000
충분히 필요한 만큼의 주도권 말입니다.
15:02
And at Google, as many of you know,
331
890000
4000
그리고 Google 에서는, 많은 분들이 아시다시피,
15:06
about half of the new products in a typical year
332
894000
2000
그 해의 절반 정도의 새로운 생산품들이
15:08
are birthed during that 20 Percent Time:
333
896000
3000
이 20% 의 시간에서 만들어집니다.
15:11
things like Gmail, Orkut, Google News.
334
899000
3000
Gmail, Orkut, Google News 같은 것들이요.
15:14
Let me give you an even more radical example of it:
335
902000
3000
이보다 더 급진적인 예가 있습니다.
15:17
something called the Results Only Work Environment,
336
905000
2000
"결과만 내면 되는 작업 환경" (Results Only Work Environment) 이라는 것이 있습니다
15:19
the ROWE,
337
907000
2000
ROWE 라고 하죠.
15:21
created by two American consultants, in place
338
909000
2000
북미의 상당수 회사들을 컨설팅 한 두 명의
15:23
in place at about a dozen companies around North America.
339
911000
2000
미국 컨설턴트가 만들어 낸 개념입니다.
15:25
In a ROWE people don't have schedules.
340
913000
4000
ROWE 의 작업자는 정규 일정이 없습니다.
15:29
They show up when they want.
341
917000
2000
그저 회사에 오고 싶을 때 옵니다.
15:31
They don't have to be in the office at a certain time,
342
919000
2000
어떤 시간에 꼭 회사에 있을 필요도 없고,
15:33
or any time.
343
921000
2000
아예 오지 않아도 됩니다.
15:35
They just have to get their work done.
344
923000
2000
그들은 그저 자기가 맡은 일만 완수하면 됩니다.
15:37
How they do it, when they do it,
345
925000
2000
어떻게, 언제, 어디서 하는지는,
15:39
where they do it, is totally up to them.
346
927000
3000
전적으로 작업자에게 달려 있습니다.
15:42
Meetings in these kinds of environments are optional.
347
930000
4000
이 환경에서 회의는 선택 사항입니다.
15:46
What happens?
348
934000
2000
어떻게 될까요?
15:48
Almost across the board, productivity goes up,
349
936000
3000
놀랍게도, 생산성이 향상되고,
15:51
worker engagement goes up,
350
939000
3000
작업자들의 기여도는 향상되고,
15:54
worker satisfaction goes up, turnover goes down.
351
942000
3000
작업자 만족도도 향상되고, 불량은 줄었습니다.
15:57
Autonomy, mastery and purpose,
352
945000
2000
주도성, 전문성, 그리고 목적은
15:59
These are the building blocks of a new way of doing things.
353
947000
2000
작업을 하는 새로운 방법의 요소들입니다.
16:01
Now some of you might look at this and say,
354
949000
3000
어쩌면 여러분들은 이렇게 말 할지 모릅니다.
16:04
"Hmm, that sounds nice, but it's Utopian."
355
952000
3000
"흠, 괜찮은 것 같은데, 너무 공상적이야."
16:07
And I say, "Nope. I have proof."
356
955000
5000
그러면 제가 이렇게 말합니다. "아뇨, 증거가 있습니다."
16:12
The mid-1990s, Microsoft started
357
960000
2000
1990년대 중반, Microsoft 는 Encarta 라는
16:14
an encyclopedia called Encarta.
358
962000
2000
백과사전 사업을 시작했습니다.
16:16
They had deployed all the right incentives,
359
964000
2000
그들은 모든 적절한 인센티브를 갖고 있었습니다.
16:18
all the right incentives. They paid professionals to
360
966000
3000
모든 적절한 인센티브 말입니다.
16:21
write and edit thousands of articles.
361
969000
2000
그들은 문서를 작성하고 수정하는데 전문가들을 고용했습니다.
16:23
Well-compensated managers oversaw the whole thing
362
971000
2000
좋은 대우를 받는 관리자들이 정해진 예산과 시간 내에
16:25
to make sure it came in on budget and on time.
363
973000
5000
결과가 나올 수 있도록 전체를 관리했습니다.
16:30
A few years later another encyclopedia got started.
364
978000
2000
그로부터 몇년 후에 다른 백과사전 프로젝트가 시작되었습니다.
16:32
Different model, right?
365
980000
3000
다른 모델이죠. 아십니까?
16:35
Do it for fun. No one gets paid a cent, or a Euro or a Yen.
366
983000
4000
재미로 하고, 그 누구도 한 푼도 받지 못합니다.
16:39
Do it because you like to do it.
367
987000
3000
그것이 재미있기 때문에 합니다.
16:42
Now if you had, just 10 years ago,
368
990000
3000
만약 10년 전에 아무 경제학자에게나
16:45
if you had gone to an economist, anywhere,
369
993000
2000
가서 물어본다면,
16:47
and said, "Hey, I've got these two different models for creating an encyclopedia.
370
995000
4000
"여기 백과사적은 만드는 경쟁적인 두 프로젝트 모델이 있는데,
16:51
If they went head to head, who would win?"
371
999000
3000
누가 이길 것 같습니까?"
16:54
10 years ago you could not have found a single sober economist anywhere
372
1002000
4000
10년 전이라면 제 정신인 어느 경제학자도 Wikipedia 모델이
16:58
on planet Earth
373
1006000
2000
이길 것이라고
17:00
who would have predicted the Wikipedia model.
374
1008000
2000
냉정하게 말 하지 못합니다.
17:02
This is the titanic battle between these two approaches.
375
1010000
3000
이것은 두 관점의 거대한 대결입니다.
17:05
This is the Ali-Frazier of motivation. Right?
376
1013000
3000
비유하자면 동기 부여 모델의 Ali - Frazier 복싱 경기 같은 것이겠죠?
17:08
This is the Thrilla' in Manila.
377
1016000
2000
세기의 대결입니다.
17:10
Alright? Intrinsic motivators versus extrinsic motivators.
378
1018000
3000
그렇지 않습니까? 내적 동기부여 대 외적 동기부여 모델.
17:13
Autonomy, mastery and purpose,
379
1021000
2000
주도성, 전문성, 그리고 목적 대
17:15
versus carrot and sticks. And who wins?
380
1023000
2000
당근과 채찍이죠. 그리고 누가 이겼습니까?
17:17
Intrinsic motivation, autonomy, mastery and purpose,
381
1025000
3000
내적 동기부여입니다. 주도성, 전문성 그리고 목적입니다.
17:20
in a knockout. Let me wrap up.
382
1028000
4000
완벽하게 승리했습니다. 이제 정리 해 보겠습니다.
17:24
There is a mismatch between what science knows and what business does.
383
1032000
3000
사회과학이 밝혀낸 사실은 비지니스에서 하고 있는 것과 차이가 있다.
17:27
And here is what science knows.
384
1035000
2000
사회과학이 밝혀낸 사실은 다음과 같습니다.
17:29
One: Those 20th century rewards,
385
1037000
2000
하나 : 비지니스의 자연스러운 부분으로 여겨졌던
17:31
those motivators we think are a natural part of business,
386
1039000
3000
20세기 식의 보상을 통한 동기 부여 방식은
17:34
do work, but only in a surprisingly narrow band of circumstances.
387
1042000
4000
아주, 굉장히, 좁은 범위에서만 적용 가능하다.
17:38
Two: Those if-then rewards often destroy creativity.
388
1046000
4000
둘 : 이러한 if-then 보상은 창의성을 파괴한다.
17:42
Three: The secret to high performance
389
1050000
2000
셋 : 높은 성과의 비밀은
17:44
isn't rewards and punishments,
390
1052000
2000
보상과 처벌에 있는 것이 아니라,
17:46
but that unseen intrinsic drive --
391
1054000
2000
내재적인 욕구에 기인한다.
17:48
the drive to do things for their own sake.
392
1056000
3000
자신의 것을 하고 싶어하는 욕망,
17:51
The drive to do things cause they matter.
393
1059000
2000
자신에게 중요한 것을 하고 싶어 하는 욕망,
17:53
And here's the best part. Here's the best part.
394
1061000
2000
그리고 여기가 가장 중요합니다.
17:55
We already know this. The science confirms what we know in our hearts.
395
1063000
3000
우리는 이미 그것을 알고 있다. 과학은 우리 마음 속에 알고 있는 것을 확인하는 것 뿐이다.
17:58
So, if we repair this mismatch
396
1066000
3000
그러니, 이제 우리가 사회과학과 비지니스가 알고 있는
18:01
between what science knows and what business does,
397
1069000
2000
괴리를 고쳐 나간다면,
18:03
if we bring our motivation, notions of motivation
398
1071000
3000
우리의 동기 부여라는 개념을
18:06
into the 21st century,
399
1074000
2000
21세기에 활용한다면,
18:08
if we get past this lazy, dangerous, ideology
400
1076000
4000
이 게으르고, 위험하고, 관념적인
18:12
of carrots and sticks,
401
1080000
2000
채찍과 당근을 벗어난다면,
18:14
we can strengthen our businesses,
402
1082000
3000
우리의 비지니스를 더 강력하게 할 수 있고,
18:17
we can solve a lot of those candle problems,
403
1085000
3000
수 많은 촛불 문제를 풀 수 있으며,
18:20
and maybe, maybe, maybe
404
1088000
4000
그리고 아마, 아마도, 혹시라도,
18:24
we can change the world.
405
1092000
2000
세상을 바꿀 수 있습니다.
18:26
I rest my case.
406
1094000
2000
이상, 변론을 마치겠습니다.
18:28
(Applause)
407
1096000
3000
(박수)
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