TEDGlobal 2009
Dan Pink: The puzzle of motivation
Dan Pink: De verrassende wetenschap van de motivatie
Filmed:
Readability: 4
25,352,736 views
Beroepenanalyst Dan Pink onderzoekt het raadsel van de motivatie, te beginnen met een feit dat sociale wetenschappers kennen maar de meeste managers niet: traditionele beloningen zijn niet altijd zo effectief als we denken. Luister naar verhelderende verhalen -- en misschien een nieuwe weg.
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
Ik moet bij het begin een bekentenis doen.
00:16
A little over 20 years ago
1
4000
3000
Iets meer dan 20 jaar geleden
deed ik iets dat ik betreur,
00:19
I did something that I regret,
2
7000
2000
00:21
something that I'm not particularly proud of,
3
9000
4000
iets waar ik niet zo trots op ben,
iets waarvan ik wilde
dat niemand het wist,
dat niemand het wist,
00:25
something that, in many ways, I wish no one would ever know,
4
13000
3000
00:28
but here I feel kind of obliged to reveal.
5
16000
4000
maar hier voel ik me
verplicht het te onthullen.
verplicht het te onthullen.
00:32
(Laughter)
6
20000
2000
(Gelach)
00:34
In the late 1980s,
7
22000
2000
In de late jaren 80,
in een moment van jeugdige overmoed,
00:36
in a moment of youthful indiscretion,
8
24000
3000
ben ik rechten gaan studeren.
00:39
I went to law school.
9
27000
2000
00:41
(Laughter)
10
29000
4000
(Gelach)
Welnu, in Amerika is rechten
een beroepsdiploma.
een beroepsdiploma.
00:45
Now, in America law is a professional degree:
11
33000
3000
00:48
you get your university degree, then you go on to law school.
12
36000
2000
Na je universitair diploma
studeer je verder af in rechten.
studeer je verder af in rechten.
00:50
And when I got to law school,
13
38000
3000
En toen ik ging studeren
00:53
I didn't do very well.
14
41000
2000
deed ik het niet zo goed.
00:55
To put it mildly, I didn't do very well.
15
43000
2000
Dat is nog zacht uitgedrukt.
00:57
I, in fact, graduated in the part of my law school class
16
45000
3000
Ik studeerde af in het deel
van mijn rechtenklas
van mijn rechtenklas
01:00
that made the top 90 percent possible.
17
48000
4000
dat de top 90 procent mogelijk maakte.
01:04
(Laughter)
18
52000
4000
(Gelach)
01:08
Thank you.
19
56000
3000
Bedankt.
Ik heb geen dag het beroep
van advocaat uitgeoefend.
van advocaat uitgeoefend.
01:11
I never practiced law a day in my life;
20
59000
3000
01:14
I pretty much wasn't allowed to.
21
62000
2000
Ik mocht dat ook niet.
01:16
(Laughter)
22
64000
3000
(Gelach)
01:19
But today, against my better judgment,
23
67000
3000
Maar vandaag, tegen beter weten in,
01:22
against the advice of my own wife,
24
70000
3000
tegen het advies van mijn eigen vrouw,
01:25
I want to try to dust off some of those legal skills --
25
73000
4000
wil ik proberen een paar van die
juridische vaardigheden af te stoffen,
juridische vaardigheden af te stoffen,
01:29
what's left of those legal skills.
26
77000
2000
wat er nog van over is.
01:31
I don't want to tell you a story.
27
79000
3000
Ik wil jullie geen verhaal vertellen,
ik wil een zaak bepleiten.
01:34
I want to make a case.
28
82000
2000
01:36
I want to make a hard-headed, evidence-based,
29
84000
4000
Ik wil een zakelijk, op feiten gebaseerd
01:40
dare I say lawyerly case,
30
88000
3000
pleidooi houden, ik zou
bijna zeggen als advocaat,
bijna zeggen als advocaat,
01:43
for rethinking how we run our businesses.
31
91000
4000
om opnieuw na te denken
over hoe wij onze bedrijven managen.
over hoe wij onze bedrijven managen.
01:47
So, ladies and gentlemen of the jury, take a look at this.
32
95000
4000
Dus, dames en heren
van de jury, bekijk dit eens.
van de jury, bekijk dit eens.
01:51
This is called the candle problem.
33
99000
2000
Dit is het zogenaamde kaarsvraagstuk.
01:53
Some of you might have seen this before.
34
101000
2000
Dat heb je misschien al eerder gezien.
01:55
It's created in 1945
35
103000
2000
Het is ontwikkeld in 1945
door de psycholoog Karl Duncker.
01:57
by a psychologist named Karl Duncker.
36
105000
2000
Karl Duncker heeft dit
experiment ontwikkeld,
experiment ontwikkeld,
01:59
Karl Duncker created this experiment
37
107000
2000
02:01
that is used in a whole variety of experiments in behavioral science.
38
109000
3000
dat wordt gebruikt in veel
experimenten in de Gedragswetenschappen.
experimenten in de Gedragswetenschappen.
02:04
And here's how it works. Suppose I'm the experimenter.
39
112000
3000
Het werkt zo. Stel dat ik
de leider van het experiment ben.
de leider van het experiment ben.
02:07
I bring you into a room. I give you a candle,
40
115000
4000
Ik breng je naar een kamer.
Ik geef je een kaars,
wat punaises en wat lucifers.
wat punaises en wat lucifers.
02:11
some thumbtacks and some matches.
41
119000
2000
Ik zeg je: "Jouw taak
02:13
And I say to you, "Your job
42
121000
2000
is om de kaars aan de muur te bevestigen
02:15
is to attach the candle to the wall
43
123000
2000
02:17
so the wax doesn't drip onto the table." Now what would you do?
44
125000
4000
zodat het kaarsvet niet
op de tafel druppelt." Wat zou je doen?
op de tafel druppelt." Wat zou je doen?
02:21
Now many people begin trying to thumbtack the candle to the wall.
45
129000
4000
Veel mensen beginnen de kaars
met punaises aan de muur te bevestigen.
met punaises aan de muur te bevestigen.
02:25
Doesn't work.
46
133000
2000
Werkt niet.
Iemand, sommige mensen - en ik zag iemand
02:27
Somebody, some people -- and I saw somebody
47
135000
2000
02:29
kind of make the motion over here --
48
137000
2000
de beweging hier maken -
sommige mensen hebben een heel goed idee.
02:31
some people have a great idea where they
49
139000
2000
02:33
light the match, melt the side of the candle, try to adhere it to the wall.
50
141000
4000
Ze smelten de kaars van opzij,
en proberen die vast te plakken.
en proberen die vast te plakken.
02:37
It's an awesome idea. Doesn't work.
51
145000
3000
Het is een geweldig idee. Werkt niet.
02:40
And eventually, after five or 10 minutes,
52
148000
3000
En uiteindelijk, na vijf of 10 minuten,
02:43
most people figure out the solution,
53
151000
2000
vinden de meeste mensen hoe het moet.
02:45
which you can see here.
54
153000
2000
Dat zie je hier.
De sleutel is het overwinnen
van zogenaamde functionele fixatie.
van zogenaamde functionele fixatie.
02:47
The key is to overcome what's called functional fixedness.
55
155000
3000
02:50
You look at that box and you see it only as a receptacle for the tacks.
56
158000
4000
Je kijkt naar het doosje en je ziet het
alleen als een bakje voor de punaises.
alleen als een bakje voor de punaises.
02:54
But it can also have this other function,
57
162000
2000
Maar het kan ook
een andere functie vervullen,
een andere functie vervullen,
02:56
as a platform for the candle. The candle problem.
58
164000
4000
als platform voor de kaars.
Het kaarsvraagstuk.
Het kaarsvraagstuk.
Nu wil ik je vertellen over een experiment
03:00
Now I want to tell you about an experiment
59
168000
2000
03:02
using the candle problem,
60
170000
2000
aan de hand van het kaarsvraagstuk,
gedaan door de wetenschapper
Sam Glucksberg,
Sam Glucksberg,
03:04
done by a scientist named Sam Glucksberg,
61
172000
2000
03:06
who is now at Princeton University in the U.S.
62
174000
2000
die nu aan de Princeton University
in de VS werkt.
in de VS werkt.
03:08
This shows the power of incentives.
63
176000
4000
Dit toont de kracht aan
van beloningsprikkels.
van beloningsprikkels.
Hij verzamelde zijn deelnemers.
03:12
Here's what he did. He gathered his participants.
64
180000
2000
Hij zei: "Ik ga jullie tijd opnemen.
Hoe snel los je dit vraagstuk op?"
Hoe snel los je dit vraagstuk op?"
03:14
And he said, "I'm going to time you. How quickly you can solve this problem?"
65
182000
3000
03:17
To one group he said,
66
185000
2000
Eén groep vertelde hij:
03:19
"I'm going to time you to establish norms,
67
187000
3000
ik ga jullie tijd opnemen
om de norm vast te stellen,
om de norm vast te stellen,
gemiddelden voor
de typische tijd die nodig is
de typische tijd die nodig is
03:22
averages for how long it typically takes
68
190000
2000
03:24
someone to solve this sort of problem."
69
192000
2000
om dit soort vraagstuk op te lossen.
03:26
To the second group he offered rewards.
70
194000
3000
De tweede groep bood hij beloningen aan.
03:29
He said, "If you're in the top 25 percent of the fastest times,
71
197000
4000
Hij zei: "Als je in
de snelste 25% terechtkomt,
de snelste 25% terechtkomt,
03:33
you get five dollars.
72
201000
3000
krijg je vijf dollar.
Als je de snelste bent
van iedereen die we vandaag testen,
van iedereen die we vandaag testen,
03:36
If you're the fastest of everyone we're testing here today,
73
204000
3000
03:39
you get 20 dollars."
74
207000
2000
dan krijg je 20 dollar."
Dit is enkele jaren geleden.
Aangepast voor inflatie.
Aangepast voor inflatie.
03:41
Now this is several years ago. Adjusted for inflation,
75
209000
3000
Het is een behoorlijke som
voor een paar minuten werk.
voor een paar minuten werk.
03:44
it's a decent sum of money for a few minutes of work.
76
212000
2000
03:46
It's a nice motivator.
77
214000
2000
Het is een mooie motivator.
03:48
Question: How much faster
78
216000
3000
Vraag: Hoeveel sneller
loste deze groep het vraagstuk op?
03:51
did this group solve the problem?
79
219000
2000
03:53
Answer: It took them, on average,
80
221000
3000
Antwoord: Gemiddeld deden ze er
03:56
three and a half minutes longer.
81
224000
4000
drie en een halve minuut langer over.
04:00
Three and a half minutes longer. Now this makes no sense right?
82
228000
3000
Drie en een halve minuut langer.
Dit slaat toch nergens op?
Dit slaat toch nergens op?
04:03
I mean, I'm an American. I believe in free markets.
83
231000
3000
Ik bedoel, ik ben een Amerikaan.
Ik geloof in de vrije markt.
Ik geloof in de vrije markt.
04:06
That's not how it's supposed to work. Right?
84
234000
3000
Dat is niet hoe het
hoort te werken. Akkoord?
hoort te werken. Akkoord?
04:09
(Laughter)
85
237000
1000
(Gelach)
04:10
If you want people to perform better,
86
238000
2000
Als je wil dat mensen beter presteren,
04:12
you reward them. Right?
87
240000
2000
beloon je ze. Toch?
04:14
Bonuses, commissions, their own reality show.
88
242000
3000
Bonussen, commissies,
hun eigen reality show.
hun eigen reality show.
04:17
Incentivize them. That's how business works.
89
245000
4000
Beloon ze. Zo werkt dat
in het bedrijfsleven.
in het bedrijfsleven.
04:21
But that's not happening here.
90
249000
2000
Maar dat gebeurt hier niet.
04:23
You've got an incentive designed to
91
251000
2000
Je hebt een beloningsprikkel ontworpen
04:25
sharpen thinking and accelerate creativity,
92
253000
4000
om het denken aan te scherpen
en de creativiteit te versnellen.
en de creativiteit te versnellen.
04:29
and it does just the opposite.
93
257000
2000
En je bereikt het omgekeerde effect.
04:31
It dulls thinking and blocks creativity.
94
259000
3000
Het stompt het denken af
en blokkeert de creativiteit.
en blokkeert de creativiteit.
04:34
And what's interesting about this experiment is that it's not an aberration.
95
262000
3000
Interessant aan dit experiment
is dat het geen afwijking is.
is dat het geen afwijking is.
04:37
This has been replicated over and over
96
265000
3000
Dit is keer op keer overgedaan,
04:40
and over again, for nearly 40 years.
97
268000
3000
telkens weer, bijna veertig jaar lang.
04:43
These contingent motivators --
98
271000
3000
Deze voorwaardelijke motivatoren
-- als je dit doet, krijg je dat --
04:46
if you do this, then you get that --
99
274000
2000
04:48
work in some circumstances.
100
276000
2000
werken in sommige omstandigheden.
04:50
But for a lot of tasks, they actually either don't work
101
278000
3000
Maar voor veel taken
werken ze ofwel niet,
werken ze ofwel niet,
04:53
or, often, they do harm.
102
281000
3000
ofwel - vaak - doen ze kwaad.
04:56
This is one of the most robust findings
103
284000
4000
Dit is één van de best
onderbouwde onderzoeksresultaten
onderbouwde onderzoeksresultaten
05:00
in social science,
104
288000
3000
van de sociale wetenschappen.
En ook een van de meest genegeerde.
05:03
and also one of the most ignored.
105
291000
2000
05:05
I spent the last couple of years looking at the science of
106
293000
2000
Ik heb de laatste jaren onderzoek gedaan
naar menselijke motivatie.
naar menselijke motivatie.
05:07
human motivation,
107
295000
2000
Vooral de dynamiek
van extrinsieke motivatoren
van extrinsieke motivatoren
05:09
particularly the dynamics of extrinsic motivators
108
297000
2000
05:11
and intrinsic motivators.
109
299000
2000
en intrinsieke motivatoren.
En ik zeg je, het komt
niet eens in de buurt.
niet eens in de buurt.
05:13
And I'm telling you, it's not even close.
110
301000
2000
05:15
If you look at the science, there is a mismatch
111
303000
2000
Als je kijkt naar de wetenschap,
is er een mismatch
is er een mismatch
05:17
between what science knows and what business does.
112
305000
4000
tussen wat de wetenschap weet
en wat het bedrijfsleven doet.
en wat het bedrijfsleven doet.
05:21
And what's alarming here is that our business operating system --
113
309000
3000
Het is verontrustend dat onze
manier van werken in bedrijven --
manier van werken in bedrijven --
05:24
think of the set of assumptions and protocols beneath our businesses,
114
312000
3000
denk aan de aannames en protocollen
waarop onze bedrijven gebaseerd zijn,
waarop onze bedrijven gebaseerd zijn,
05:27
how we motivate people, how we apply our human resources --
115
315000
5000
hoe we mensen motiveren,
hoe we onze mensen inzetten --
hoe we onze mensen inzetten --
05:32
it's built entirely around these extrinsic motivators,
116
320000
3000
volledig op deze extrinsieke
motivatoren is gebouwd,
motivatoren is gebouwd,
05:35
around carrots and sticks.
117
323000
2000
op straffen en belonen.
05:37
That's actually fine for many kinds of 20th century tasks.
118
325000
4000
Dat werkt goed voor veel soorten
20e-eeuwse taken.
20e-eeuwse taken.
05:41
But for 21st century tasks,
119
329000
2000
Maar voor 21e-eeuwse taken
05:43
that mechanistic, reward-and-punishment approach
120
331000
4000
werkt die mechanistische benadering
van belonen en straffen niet,
van belonen en straffen niet,
05:47
doesn't work, often doesn't work, and often does harm.
121
335000
4000
ze werkt vaak niet, en vaak doet ze kwaad.
05:51
Let me show you what I mean.
122
339000
2000
Ik toon jullie wat ik bedoel.
05:53
So Glucksberg did another experiment similar to this
123
341000
3000
Glucksberg deed nóg een experiment
dat hierop lijkt.
dat hierop lijkt.
05:56
where he presented the problem in a slightly different way,
124
344000
2000
Hij stelde het probleem
een beetje anders voor,
een beetje anders voor,
05:58
like this up here. Okay?
125
346000
3000
zoals hierboven.
Kaars aan de muur,
geen kaarsvet op de tafel.
geen kaarsvet op de tafel.
06:01
Attach the candle to the wall so the wax doesn't drip onto the table.
126
349000
2000
06:03
Same deal. You: we're timing for norms.
127
351000
3000
Zelfde afspraak.
Met jullie tijd bepalen we de norm.
Met jullie tijd bepalen we de norm.
06:06
You: we're incentivizing.
128
354000
3000
Aan jullie geven we een beloning.
Wat gebeurde er deze keer?
06:09
What happened this time?
129
357000
2000
06:11
This time, the incentivized group
130
359000
2000
Deze keer deed de groep met de beloningen
06:13
kicked the other group's butt.
131
361000
4000
het stukken beter dan de andere.
06:17
Why? Because when the tacks are out of the box,
132
365000
4000
Waarom? Als de punaises
uit het doosje zijn,
uit het doosje zijn,
is het nogal makkelijk, niet?
06:21
it's pretty easy isn't it?
133
369000
4000
[kaarsprobleem voor dummies]
06:25
(Laughter)
134
373000
2000
(Gelach)
06:27
If-then rewards work really well
135
375000
3000
Als-dan-beloningen werken goed
06:30
for those sorts of tasks,
136
378000
3000
voor dat soort van taken,
met een eenvoudige set van regels
06:33
where there is a simple set of rules and a clear destination
137
381000
2000
en een duidelijk doel om na te streven.
06:35
to go to.
138
383000
2000
06:37
Rewards, by their very nature,
139
385000
2000
Door hun aard beperken
beloningen onze focus.
beloningen onze focus.
06:39
narrow our focus, concentrate the mind;
140
387000
2000
Ze concentreren de gedachten.
06:41
that's why they work in so many cases.
141
389000
2000
Daarom werken ze zo vaak.
06:43
And so, for tasks like this,
142
391000
2000
Voor taken als deze --
06:45
a narrow focus, where you just see the goal right there,
143
393000
3000
een nauwe focus,
je ziet het doel voor ogen,
je ziet het doel voor ogen,
06:48
zoom straight ahead to it,
144
396000
2000
je gaat er recht op af --
06:50
they work really well.
145
398000
2000
werken ze heel goed.
Maar voor het echte kaarsvraagstuk
06:52
But for the real candle problem,
146
400000
2000
wil je niet zo werken.
06:54
you don't want to be looking like this.
147
402000
2000
De oplossing ligt niet hier.
die ligt in de periferie.
die ligt in de periferie.
06:56
The solution is not over here. The solution is on the periphery.
148
404000
2000
06:58
You want to be looking around.
149
406000
2000
Je kunt beter rondkijken.
07:00
That reward actually narrows our focus
150
408000
2000
De beloning versmalt onze focus
07:02
and restricts our possibility.
151
410000
2000
en beperkt onze mogelijkheden.
07:04
Let me tell you why this is so important.
152
412000
3000
Laat me je vertellen
waarom dit zo belangrijk is.
waarom dit zo belangrijk is.
07:07
In western Europe,
153
415000
2000
In West-Europa,
in vele delen van Azië,
07:09
in many parts of Asia,
154
417000
2000
07:11
in North America, in Australia,
155
419000
3000
in Noord-Amerika, in Australië,
07:14
white-collar workers are doing less of
156
422000
2000
doen kantoorwerkers steeds minder
07:16
this kind of work,
157
424000
2000
van dit soort werk
07:18
and more of this kind of work.
158
426000
4000
en steeds meer van dit soort werk.
Dat routinewerk, met regeltjes,
vanuit je linkerhersenhelft,
vanuit je linkerhersenhelft,
07:22
That routine, rule-based, left-brain work --
159
430000
3000
bepaalde vormen van boekhouding
en financiële analyse,
en financiële analyse,
07:25
certain kinds of accounting, certain kinds of financial analysis,
160
433000
2000
07:27
certain kinds of computer programming --
161
435000
2000
bepaalde soorten van programmeren,
07:29
has become fairly easy to outsource,
162
437000
2000
kan je vandaag gemakkelijk outsourcen,
07:31
fairly easy to automate.
163
439000
2000
of automatiseren.
07:33
Software can do it faster.
164
441000
3000
Software kan het sneller.
Low-cost-aanbieders over de hele wereld
kunnen het goedkoper.
kunnen het goedkoper.
07:36
Low-cost providers around the world can do it cheaper.
165
444000
2000
07:38
So what really matters are the more right-brained
166
446000
4000
Belangrijk zijn de meer vanuit
de rechterhersenhelft komende
de rechterhersenhelft komende
07:42
creative, conceptual kinds of abilities.
167
450000
3000
creatieve, conceptuele vaardigheden.
07:45
Think about your own work.
168
453000
3000
Denk aan je eigen werk.
07:48
Think about your own work.
169
456000
3000
Denk aan je eigen werk.
De problemen waar je voorstaat,
07:51
Are the problems that you face, or even the problems
170
459000
2000
zelfs de problemen die we
hier besproken hebben --
hier besproken hebben --
07:53
we've been talking about here,
171
461000
2000
07:55
are those kinds of problems -- do they have a clear set of rules,
172
463000
2000
hebben die een duidelijke set regels
07:57
and a single solution? No.
173
465000
3000
en één enkele oplossing? Nee.
08:00
The rules are mystifying.
174
468000
2000
De regels zijn verwarrend.
08:02
The solution, if it exists at all,
175
470000
2000
De oplossing, als ze al bestaat,
08:04
is surprising and not obvious.
176
472000
3000
is verrassend en ligt niet voor de hand.
08:07
Everybody in this room
177
475000
2000
Iedereen in deze zaal
08:09
is dealing with their own version
178
477000
3000
werkt aan zijn eigen versie
08:12
of the candle problem.
179
480000
2000
van het kaarsvraagstuk.
08:14
And for candle problems of any kind,
180
482000
3000
Voor kaarsvraagstukken van welke aard ook,
08:17
in any field,
181
485000
2000
op elk gebied, geldt
dat die als-dan-beloningen,
08:19
those if-then rewards,
182
487000
3000
waarop we zovele van onze
bedrijven hebben gebouwd,
bedrijven hebben gebouwd,
08:22
the things around which we've built so many of our businesses,
183
490000
4000
08:26
don't work.
184
494000
2000
gewoon niet werken.
08:28
Now, I mean it makes me crazy.
185
496000
2000
Hier word ik gek van.
08:30
And this is not -- here's the thing.
186
498000
2000
En dit is niet - hier gaat het om.
08:32
This is not a feeling.
187
500000
3000
Dit is geen gevoel.
08:35
Okay? I'm a lawyer; I don't believe in feelings.
188
503000
3000
Ik ben advocaat.
Ik geloof niet in gevoelens.
Ik geloof niet in gevoelens.
08:38
This is not a philosophy.
189
506000
4000
Het is geen filosofie.
08:42
I'm an American; I don't believe in philosophy.
190
510000
2000
Ik ben Amerikaan.
Ik geloof niet in filosofie.
Ik geloof niet in filosofie.
08:44
(Laughter)
191
512000
3000
(Gelach)
08:47
This is a fact --
192
515000
3000
Dit is een feit.
08:50
or, as we say in my hometown of Washington, D.C.,
193
518000
2000
Of, zoals wij zeggen
in mijn thuisstad Washington D.C.,
in mijn thuisstad Washington D.C.,
08:52
a true fact.
194
520000
2000
een waar feit.
08:54
(Laughter)
195
522000
2000
(Gelach)
08:56
(Applause)
196
524000
4000
(Applaus)
09:00
Let me give you an example of what I mean.
197
528000
2000
Ik geef een voorbeeld van wat ik bedoel.
09:02
Let me marshal the evidence here,
198
530000
2000
Hier is het bewijs.
Want ik vertel geen verhaal,
ik bepleit een zaak,
ik bepleit een zaak,
09:04
because I'm not telling you a story, I'm making a case.
199
532000
2000
09:06
Ladies and gentlemen of the jury, some evidence:
200
534000
2000
dames en heren van de jury.
Dan Ariely, een van de
grote economen van onze tijd,
grote economen van onze tijd,
09:08
Dan Ariely, one of the great economists of our time,
201
536000
3000
09:11
he and three colleagues, did a study of some MIT students.
202
539000
4000
en drie collega's van hem,
deden een studie onder MIT-studenten.
deden een studie onder MIT-studenten.
09:15
They gave these MIT students a bunch of games,
203
543000
3000
Die gaven ze een aantal spelletjes.
Spelletjes waar creativiteit,
09:18
games that involved creativity,
204
546000
2000
motoriek en concentratie
bij te pas kwamen.
bij te pas kwamen.
09:20
and motor skills, and concentration.
205
548000
2000
09:22
And the offered them, for performance,
206
550000
2000
Ze boden hun, als ze goed presteerden,
09:24
three levels of rewards:
207
552000
2000
drie niveaus van beloningen aan.
09:26
small reward, medium reward, large reward.
208
554000
5000
Kleine beloning, middelgrote beloning,
grote beloning.
grote beloning.
09:31
Okay? If you do really well you get the large reward, on down.
209
559000
4000
Als je het echt goed doet,
krijg je de grote beloning, enz.
krijg je de grote beloning, enz.
Wat gebeurde er? Waren voor de taak
alleen mechanische vaardigheden nodig,
alleen mechanische vaardigheden nodig,
09:35
What happened? As long as the task involved only mechanical skill
210
563000
4000
09:39
bonuses worked as they would be expected:
211
567000
2000
dan werkten de bonussen zoals verwacht:
09:41
the higher the pay, the better the performance.
212
569000
4000
hoe meer geld, hoe beter de prestaties.
09:45
Okay? But one the task called for
213
573000
2000
Maar zodra er voor de taak ook maar
09:47
even rudimentary cognitive skill,
214
575000
4000
rudimentaire cognitieve
vaardigheden nodig waren,
vaardigheden nodig waren,
09:51
a larger reward led to poorer performance.
215
579000
5000
leidde meer geld tot slechtere prestaties.
09:56
Then they said,
216
584000
2000
Toen zeiden ze:
"Laten we checken of
culturele aspecten een rol spelen.
culturele aspecten een rol spelen.
09:58
"Okay let's see if there's any cultural bias here.
217
586000
2000
10:00
Lets go to Madurai, India and test this."
218
588000
2000
We testen het in Madurai, India."
10:02
Standard of living is lower.
219
590000
2000
Daar is de levensstandaard lager.
10:04
In Madurai, a reward that is modest in North American standards,
220
592000
3000
Een beloning die bescheiden is
naar Noord-Amerikaanse normen,
naar Noord-Amerikaanse normen,
10:07
is more meaningful there.
221
595000
3000
is significanter in Madurai.
10:10
Same deal. A bunch of games, three levels of rewards.
222
598000
3000
Hetzelfde. Een aantal spelletjes,
drie niveaus van beloningen.
drie niveaus van beloningen.
10:13
What happens?
223
601000
2000
Wat gebeurt er?
Mensen die het middenniveau
van beloningen kregen aangeboden,
van beloningen kregen aangeboden,
10:15
People offered the medium level of rewards
224
603000
3000
10:18
did no better than people offered the small rewards.
225
606000
3000
deden het niet beter dan de mensen
met de kleine beloningen.
met de kleine beloningen.
10:21
But this time, people offered the highest rewards,
226
609000
4000
Maar hier deden de mensen die
de hoogste beloningen aangeboden kregen,
de hoogste beloningen aangeboden kregen,
10:25
they did the worst of all.
227
613000
4000
het het slechtst van allemaal.
In 8 van de 9 onderzochte taken,
over 3 experimenten,
over 3 experimenten,
10:29
In eight of the nine tasks we examined across three experiments,
228
617000
3000
10:32
higher incentives led to worse performance.
229
620000
5000
leidden hogere beloningen
tot slechtere resultaten.
tot slechtere resultaten.
10:37
Is this some kind of touchy-feely
230
625000
3000
Word ik hier een zweem van
10:40
socialist conspiracy going on here?
231
628000
3000
socialistische samenzwering gewaar?
10:43
No. These are economists from MIT,
232
631000
3000
Nee. Dit zijn economen van MIT,
10:46
from Carnegie Mellon, from the University of Chicago.
233
634000
3000
van Carnegie Mellon,
van de Universiteit van Chicago.
van de Universiteit van Chicago.
Weet je wie de sponsor
van het onderzoek was?
van het onderzoek was?
10:49
And do you know who sponsored this research?
234
637000
2000
10:51
The Federal Reserve Bank of the United States.
235
639000
4000
De Federal Reserve Bank
van de Verenigde Staten.
van de Verenigde Staten.
10:55
That's the American experience.
236
643000
2000
Dat is de Amerikaanse ervaring.
10:57
Let's go across the pond to the London School of Economics --
237
645000
3000
Laten we de plas oversteken
naar de London School of Economics.
naar de London School of Economics.
11:00
LSE, London School of Economics,
238
648000
3000
LSE, London School of Economics.
Alma mater van 11
Nobelprijswinnaars in de economie.
Nobelprijswinnaars in de economie.
11:03
alma mater of 11 Nobel Laureates in economics.
239
651000
3000
11:06
Training ground for great economic thinkers
240
654000
3000
Trainingsbasis van
grote economische denkers
grote economische denkers
11:09
like George Soros, and Friedrich Hayek,
241
657000
3000
zoals George Soros, en Friedrich Hayek,
11:12
and Mick Jagger. (Laughter)
242
660000
2000
en Mick Jagger. (Gelach)
11:14
Last month, just last month,
243
662000
4000
Vorige maand, net vorige maand,
bekeken economen aan LSE
11:18
economists at LSE looked at 51 studies
244
666000
3000
51 studies over
prestatiebeloningsprogamma's in bedrijven.
prestatiebeloningsprogamma's in bedrijven.
11:21
of pay-for-performance plans, inside of companies.
245
669000
3000
Dit hadden ze te zeggen:
"We concluderen dat financiële prikkels
"We concluderen dat financiële prikkels
11:24
Here's what the economists there said: "We find that financial incentives
246
672000
3000
11:27
can result in a negative impact on overall performance."
247
675000
6000
de algehele prestatie
negatief kunnen beïnvloeden."
negatief kunnen beïnvloeden."
Er is een discrepantie
tussen wat de wetenschap weet
tussen wat de wetenschap weet
11:33
There is a mismatch between what science knows
248
681000
3000
11:36
and what business does.
249
684000
2000
en wat het bedrijfsleven doet.
11:38
And what worries me, as we stand here in the rubble
250
686000
3000
Wat mij zorgen baart,
nu we hier tussen de brokstukken
nu we hier tussen de brokstukken
11:41
of the economic collapse,
251
689000
2000
van de economische ineenstorting staan,
11:43
is that too many organizations
252
691000
2000
is dat te veel organisaties
11:45
are making their decisions,
253
693000
2000
hun beslissingen nemen,
11:47
their policies about talent and people,
254
695000
2000
hun beleid over talent en mensen bepalen
11:49
based on assumptions that are outdated, unexamined,
255
697000
6000
op basis van veronderstellingen
die achterhaald zijn, niet onderzocht
die achterhaald zijn, niet onderzocht
en geworteld in de folklore
eerder dan in de wetenschap.
eerder dan in de wetenschap.
11:55
and rooted more in folklore than in science.
256
703000
3000
11:58
And if we really want to get out of this economic mess,
257
706000
3000
Als we echt uit deze economische
knoeiboel willen geraken,
knoeiboel willen geraken,
12:01
and if we really want high performance on those
258
709000
2000
als we heel goed
willen presteren op die taken
willen presteren op die taken
12:03
definitional tasks of the 21st century,
259
711000
2000
die de 21ste eeuw bepalen,
12:05
the solution is not to do more of the wrong things,
260
713000
6000
dan is de oplossing niet
om meer verkeerde dingen te doen.
om meer verkeerde dingen te doen.
12:11
to entice people with a sweeter carrot,
261
719000
3000
Om mensen te lokken
met een grotere beloning,
met een grotere beloning,
12:14
or threaten them with a sharper stick.
262
722000
2000
of te bedreigen met een hardere straf.
12:16
We need a whole new approach.
263
724000
2000
We hebben een volledig
nieuwe aanpak nodig.
nieuwe aanpak nodig.
12:18
And the good news about all of this is that the scientists
264
726000
2000
Het goede nieuws is dat de wetenschappers
12:20
who've been studying motivation have given us this new approach.
265
728000
3000
die motivatie bestuderen,
ons deze aanpak hebben aangegeven.
ons deze aanpak hebben aangegeven.
12:23
It's an approach built much more around intrinsic motivation.
266
731000
3000
Het is een aanpak die
steunt op intrinsieke motivatie.
steunt op intrinsieke motivatie.
12:26
Around the desire to do things because they matter,
267
734000
2000
Dingen willen doen die belangrijk zijn,
12:28
because we like it, because they're interesting,
268
736000
2000
die we leuk of interessant vinden,
12:30
because they are part of something important.
269
738000
2000
omdat ze deel zijn van iets belangrijks.
12:32
And to my mind, that new operating system for our businesses
270
740000
4000
Volgens mij draait dat nieuwe
besturingssysteem voor bedrijven
besturingssysteem voor bedrijven
12:36
revolves around three elements:
271
744000
2000
rond drie elementen:
12:38
autonomy, mastery and purpose.
272
746000
3000
autonomie, meesterschap en zinvol doel.
12:41
Autonomy: the urge to direct our own lives.
273
749000
3000
Autonomie, de drang ons leven te sturen.
12:44
Mastery: the desire to get better and better at something that matters.
274
752000
4000
Meesterschap, de wens om alsmaar
beter te worden in iets belangrijks.
beter te worden in iets belangrijks.
12:48
Purpose: the yearning to do what we do
275
756000
3000
Zinvol doel, het verlangen
om te doen wat we doen
om te doen wat we doen
12:51
in the service of something larger than ourselves.
276
759000
3000
in dienst van iets
dat groter is dan onszelf.
dat groter is dan onszelf.
12:54
These are the building blocks of an entirely new operating system
277
762000
3000
Dit zijn de bouwstenen van
een geheel nieuw besturingssysteem
een geheel nieuw besturingssysteem
12:57
for our businesses.
278
765000
2000
voor onze bedrijven.
12:59
I want to talk today only about autonomy.
279
767000
4000
Ik wil vandaag alleen
over autonomie spreken.
over autonomie spreken.
In de 20ste eeuw kwamen we
met dit idee van management.
met dit idee van management.
13:03
In the 20th century, we came up with this idea of management.
280
771000
3000
13:06
Management did not emanate from nature.
281
774000
2000
Management komt niet
uit de natuur voort.
uit de natuur voort.
13:08
Management is like -- it's not a tree,
282
776000
2000
Het is als -- het is geen boom.
13:10
it's a television set.
283
778000
2000
Het is als een televisietoestel.
13:12
Okay? Somebody invented it.
284
780000
2000
Iemand heeft het uitgevonden.
13:14
And it doesn't mean it's going to work forever.
285
782000
2000
Dat betekent niet dat het
altijd zal blijven werken.
altijd zal blijven werken.
13:16
Management is great.
286
784000
2000
Traditionele managementideeën
zijn fantastisch,
zijn fantastisch,
13:18
Traditional notions of management are great
287
786000
2000
13:20
if you want compliance.
288
788000
2000
als je volgzaamheid wil.
13:22
But if you want engagement, self-direction works better.
289
790000
3000
Maar als je engagement wil,
werkt zelfsturing beter.
werkt zelfsturing beter.
13:25
Let me give you some examples of some kind of radical
290
793000
2000
Ik geef jullie een paar voorbeelden
van radicale noties van zelfsturing.
13:27
notions of self-direction.
291
795000
2000
13:29
What this means -- you don't see a lot of it,
292
797000
3000
Wat dit betekent -- je ziet het niet vaak,
13:32
but you see the first stirrings of something really interesting going on,
293
800000
3000
maar je ziet de eerste tekenen
van iets heel interessants.
van iets heel interessants.
13:35
because what it means is paying people adequately
294
803000
2000
Het betekent dat je mensen
naar behoren betaalt,
naar behoren betaalt,
13:37
and fairly, absolutely --
295
805000
2000
en fair, absoluut.
13:39
getting the issue of money off the table,
296
807000
2000
Zorg ervoor dat geld
geen discussiepunt is.
geen discussiepunt is.
13:41
and then giving people lots of autonomy.
297
809000
2000
En geef mensen dan veel autonomie.
13:43
Let me give you some examples.
298
811000
2000
Enkele voorbeelden.
Hoeveel van jullie hebben
gehoord van het bedrijf Atlassian?
gehoord van het bedrijf Atlassian?
13:45
How many of you have heard of the company Atlassian?
299
813000
4000
Minder dan de helft, zo lijkt het.
13:49
It looks like less than half.
300
817000
2000
13:51
(Laughter)
301
819000
2000
(Gelach)
Atlassian is een
Australisch softwarebedrijf.
Australisch softwarebedrijf.
13:53
Atlassian is an Australian software company.
302
821000
4000
En ze doen iets ongelooflijk cools.
13:57
And they do something incredibly cool.
303
825000
2000
13:59
A few times a year they tell their engineers,
304
827000
2000
Een paar keer per jaar
zeggen ze aan hun ingenieurs:
zeggen ze aan hun ingenieurs:
14:01
"Go for the next 24 hours and work on anything you want,
305
829000
4000
"Ga voor de komende 24 uur
werken aan wat je maar wil,
werken aan wat je maar wil,
14:05
as long as it's not part of your regular job.
306
833000
2000
zolang het geen deel uitmaakt
van je gewone job.
van je gewone job.
14:07
Work on anything you want."
307
835000
2000
Werk aan wat je maar wil.
14:09
So that engineers use this time to come up with
308
837000
2000
Ingenieurs gebruiken deze tijd
14:11
a cool patch for code, come up with an elegant hack.
309
839000
3000
om een leuke softwarepatch,
of elegante hack te ontwikkelen.
of elegante hack te ontwikkelen.
14:14
Then they present all of the stuff that they've developed
310
842000
3000
Ze stellen dan alles
wat ze ontwikkeld hebben,
wat ze ontwikkeld hebben,
voor aan hun teamgenoten,
de rest van het bedrijf,
de rest van het bedrijf,
14:17
to their teammates, to the rest of the company,
311
845000
3000
in een wilde, wollige
voltallige personeelsvergadering,
voltallige personeelsvergadering,
14:20
in this wild and wooly all-hands meeting
312
848000
2000
14:22
at the end of the day.
313
850000
2000
aan het eind van de dag.
14:24
And then, being Australians, everybody has a beer.
314
852000
2000
Dan drinkt iedereen een biertje.
14:26
They call them FedEx Days.
315
854000
3000
Ze noemen dit FedEx-Dagen.
14:29
Why? Because you have to deliver something overnight.
316
857000
6000
Waarom? Omdat je iets
in één nacht moet leveren.
in één nacht moet leveren.
Het is ... niet slecht.
Het is een zware merkinbreuk.
Het is een zware merkinbreuk.
14:35
It's pretty. It's not bad. It's a huge trademark violation,
317
863000
2000
14:37
but it's pretty clever.
318
865000
2000
Maar slim gevonden.
(Gelach)
14:39
(Laughter)
319
867000
1000
14:40
That one day of intense autonomy
320
868000
2000
Die ene dag van intense autonomie
heeft een hele reeks
softwarefixes opgeleverd
softwarefixes opgeleverd
14:42
has produced a whole array of software fixes
321
870000
2000
14:44
that might never have existed.
322
872000
2000
die misschien nooit zou hebben bestaan.
14:46
And it's worked so well that Atlassian has taken it to the next level
323
874000
2000
Het werkt zo goed dat Atlassian
een trapje hoger ging:
een trapje hoger ging:
14:48
with 20 Percent Time --
324
876000
2000
20 Procent Tijd.
14:50
done, famously, at Google --
325
878000
2000
Google is er beroemd om.
14:52
where engineers can work, spend 20 percent of their time
326
880000
2000
Ingenieurs mogen 20 procent van hun tijd
14:54
working on anything they want.
327
882000
2000
werken aan wat ze willen.
14:56
They have autonomy over their time,
328
884000
2000
Ze delen hun tijd autonoom in,
14:58
their task, their team, their technique.
329
886000
2000
hun taak, hun team, hun techniek.
15:00
Okay? Radical amounts of autonomy.
330
888000
2000
Radicale hoeveelheden autonomie.
15:02
And at Google, as many of you know,
331
890000
4000
Bij Google, zoals velen
van jullie weten, komen ongeveer
van jullie weten, komen ongeveer
de helft van de nieuwe producten
in een typisch jaar
in een typisch jaar
15:06
about half of the new products in a typical year
332
894000
2000
15:08
are birthed during that 20 Percent Time:
333
896000
3000
voort uit deze 20 Procent Tijd.
Dingen zoals Gmail, Orkut, Google Nieuws.
15:11
things like Gmail, Orkut, Google News.
334
899000
3000
Ik geef jullie een
nog radicaler voorbeeld.
nog radicaler voorbeeld.
15:14
Let me give you an even more radical example of it:
335
902000
3000
Het heet "Results Only Work Environment".
15:17
something called the Results Only Work Environment,
336
905000
2000
15:19
the ROWE,
337
907000
2000
De ROWE.
Ontworpen door
twee Amerikaanse consultants,
twee Amerikaanse consultants,
15:21
created by two American consultants, in place
338
909000
2000
gebruikt in ongeveer een dozijn
Noord-Amerikaanse bedrijven
Noord-Amerikaanse bedrijven
15:23
in place at about a dozen companies around North America.
339
911000
2000
15:25
In a ROWE people don't have schedules.
340
913000
4000
In een ROWE
hebben mensen geen dagindeling.
hebben mensen geen dagindeling.
15:29
They show up when they want.
341
917000
2000
Ze komen wanneer ze willen.
15:31
They don't have to be in the office at a certain time,
342
919000
2000
Ze hoeven niet op een
bepaald moment op kantoor zijn,
bepaald moment op kantoor zijn,
15:33
or any time.
343
921000
2000
ze hoeven er helemaal niet zijn.
15:35
They just have to get their work done.
344
923000
2000
Ze hoeven alleen hun werk te doen.
15:37
How they do it, when they do it,
345
925000
2000
Hoe ze het doen, wanneer ze het doen,
15:39
where they do it, is totally up to them.
346
927000
3000
waar ze het doen, dat kiezen ze zelf.
15:42
Meetings in these kinds of environments are optional.
347
930000
4000
In dit soort omgevingen
zijn vergaderingen optioneel.
zijn vergaderingen optioneel.
15:46
What happens?
348
934000
2000
Wat gebeurt er?
15:48
Almost across the board, productivity goes up,
349
936000
3000
De productiviteit gaat
bijna over de hele lijn omhoog,
bijna over de hele lijn omhoog,
15:51
worker engagement goes up,
350
939000
3000
de betrokkenheid van het personeel stijgt,
de werknemerstevredenheid stijgt,
het verloop daalt.
het verloop daalt.
15:54
worker satisfaction goes up, turnover goes down.
351
942000
3000
Autonomie, meesterschap en zinvol doel.
15:57
Autonomy, mastery and purpose,
352
945000
2000
Dit zijn de bouwstenen
van een nieuwe werkwijze.
van een nieuwe werkwijze.
15:59
These are the building blocks of a new way of doing things.
353
947000
2000
16:01
Now some of you might look at this and say,
354
949000
3000
Sommigen van jullie
zullen dit bekijken en zeggen:
zullen dit bekijken en zeggen:
"Hmm, dat klinkt mooi.
Maar het is een utopie."
Maar het is een utopie."
16:04
"Hmm, that sounds nice, but it's Utopian."
355
952000
3000
16:07
And I say, "Nope. I have proof."
356
955000
5000
En ik zeg: "Nee. Ik kan het bewijzen."
In het midden van
de jaren 90 startte Microsoft
de jaren 90 startte Microsoft
16:12
The mid-1990s, Microsoft started
357
960000
2000
16:14
an encyclopedia called Encarta.
358
962000
2000
met een encyclopedie genaamd Encarta.
16:16
They had deployed all the right incentives,
359
964000
2000
Ze hadden de juiste beloningsprikkels
in stelling gebracht.
in stelling gebracht.
16:18
all the right incentives. They paid professionals to
360
966000
3000
Ze betaalden professionals
om duizenden artikels
te schrijven en na te kijken.
te schrijven en na te kijken.
16:21
write and edit thousands of articles.
361
969000
2000
16:23
Well-compensated managers oversaw the whole thing
362
971000
2000
Goedbetaalde managers zagen toe op alles,
16:25
to make sure it came in on budget and on time.
363
973000
5000
om zeker te zijn dat het binnen budget
en tijdig zou worden opgeleverd.
en tijdig zou worden opgeleverd.
Enkele jaren later startte
een andere encyclopedie.
een andere encyclopedie.
16:30
A few years later another encyclopedia got started.
364
978000
2000
16:32
Different model, right?
365
980000
3000
Ander model, niet?
16:35
Do it for fun. No one gets paid a cent, or a Euro or a Yen.
366
983000
4000
Doe het voor je plezier. Niemand krijgt
een cent, een euro of een yen.
een cent, een euro of een yen.
16:39
Do it because you like to do it.
367
987000
3000
Doe het omdat je het graag doet.
16:42
Now if you had, just 10 years ago,
368
990000
3000
Als je 10 jaar geleden
naar een econoom was gestapt,
naar een econoom was gestapt,
16:45
if you had gone to an economist, anywhere,
369
993000
2000
waar dan ook,
16:47
and said, "Hey, I've got these two different models for creating an encyclopedia.
370
995000
4000
en had gezegd: "Welke van deze 2 modellen
om een encyclopedie op te zetten
om een encyclopedie op te zetten
16:51
If they went head to head, who would win?"
371
999000
3000
zou het halen in een tweestrijd?"
16:54
10 years ago you could not have found a single sober economist anywhere
372
1002000
4000
10 jaar geleden had je geen enkele
nuchtere econoom gevonden
nuchtere econoom gevonden
16:58
on planet Earth
373
1006000
2000
waar dan ook op aarde,
die het Wikipediamodel
zou hebben voorspeld.
zou hebben voorspeld.
17:00
who would have predicted the Wikipedia model.
374
1008000
2000
17:02
This is the titanic battle between these two approaches.
375
1010000
3000
Dit is de titanenstrijd
tussen deze twee benaderingen.
tussen deze twee benaderingen.
17:05
This is the Ali-Frazier of motivation. Right?
376
1013000
3000
Dit is de Ali-Frazier
van de motivatie. Nietwaar?
van de motivatie. Nietwaar?
17:08
This is the Thrilla' in Manila.
377
1016000
2000
Dit is de "Thrilla in Manilla".
17:10
Alright? Intrinsic motivators versus extrinsic motivators.
378
1018000
3000
Intrinsieke motivatie
versus extrinsieke motivatie.
versus extrinsieke motivatie.
17:13
Autonomy, mastery and purpose,
379
1021000
2000
Autonomie, meesterschap en zinvol doel,
17:15
versus carrot and sticks. And who wins?
380
1023000
2000
versus belonen en straffen. En wie wint?
17:17
Intrinsic motivation, autonomy, mastery and purpose,
381
1025000
3000
Intrinsieke motivatie: autonomie,
meesterschap en zinvol doel,
meesterschap en zinvol doel,
17:20
in a knockout. Let me wrap up.
382
1028000
4000
door knockout. Ik vat het even samen.
Er is een discrepantie
17:24
There is a mismatch between what science knows and what business does.
383
1032000
3000
tussen wat de wetenschap weet
en wat het bedrijfsleven doet.
en wat het bedrijfsleven doet.
17:27
And here is what science knows.
384
1035000
2000
De wetenschap weet dit:
17:29
One: Those 20th century rewards,
385
1037000
2000
1) De beloningen van de 20ste eeuw,
die motivatoren die we zien als
natuurlijk deel van het bedrijfsleven,
natuurlijk deel van het bedrijfsleven,
17:31
those motivators we think are a natural part of business,
386
1039000
3000
17:34
do work, but only in a surprisingly narrow band of circumstances.
387
1042000
4000
werken, maar alleen binnen
een verbazend nauwe bandbreedte.
een verbazend nauwe bandbreedte.
2) Die als-dan-beloningen
vernietigen vaak de creativiteit.
vernietigen vaak de creativiteit.
17:38
Two: Those if-then rewards often destroy creativity.
388
1046000
4000
17:42
Three: The secret to high performance
389
1050000
2000
3) Het geheim van hoge prestatie
17:44
isn't rewards and punishments,
390
1052000
2000
ligt niet in beloningen en straffen,
17:46
but that unseen intrinsic drive --
391
1054000
2000
maar in die onzichtbare intrinsieke drive.
17:48
the drive to do things for their own sake.
392
1056000
3000
De drive om dingen te doen
om de dingen zelf,
om de dingen zelf,
17:51
The drive to do things cause they matter.
393
1059000
2000
omdat ze ertoe doen.
Hier komt het beste deel.
17:53
And here's the best part. Here's the best part.
394
1061000
2000
We weten dit al. De wetenschap
bevestigt wat we in ons hart weten.
bevestigt wat we in ons hart weten.
17:55
We already know this. The science confirms what we know in our hearts.
395
1063000
3000
17:58
So, if we repair this mismatch
396
1066000
3000
Als we deze discrepantie oplossen,
tussen wat de wetenschap weet
en wat het bedrijfsleven doet,
en wat het bedrijfsleven doet,
18:01
between what science knows and what business does,
397
1069000
2000
18:03
if we bring our motivation, notions of motivation
398
1071000
3000
als we ons begrip van motivatie
18:06
into the 21st century,
399
1074000
2000
naar de 21ste eeuw overbrengen,
18:08
if we get past this lazy, dangerous, ideology
400
1076000
4000
als we voorbijgaan aan
die luie, gevaarlijke ideologie
die luie, gevaarlijke ideologie
18:12
of carrots and sticks,
401
1080000
2000
van belonen en straffen
18:14
we can strengthen our businesses,
402
1082000
3000
dan kunnen we onze bedrijven versterken,
18:17
we can solve a lot of those candle problems,
403
1085000
3000
veel van die kaarsvraagstukken oplossen,
18:20
and maybe, maybe, maybe
404
1088000
4000
en misschien, misschien, misschien
kunnen we de wereld veranderen.
18:24
we can change the world.
405
1092000
2000
18:26
I rest my case.
406
1094000
2000
Ik sluit mijn pleidooi af.
18:28
(Applause)
407
1096000
3000
(Applaus)
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