ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Dan Pink | Speaker | TED.com
TEDGlobal 2009

Dan Pink: The puzzle of motivation

Dan Pink: De verrassende wetenschap van de motivatie

Filmed:
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.
- 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

Double-click the English transcript below to play the video.

00:12
I need to make a confessionbekentenis at the outsetbegin here.
0
0
4000
Ik moet bij het begin een bekentenis doen.
00:16
A little over 20 yearsjaar agogeleden
1
4000
3000
Iets meer dan 20 jaar geleden
deed ik iets dat ik betreur,
00:19
I did something that I regretspijt,
2
7000
2000
00:21
something that I'm not particularlyvooral proudtrots of,
3
9000
4000
iets waar ik niet zo trots op ben,
iets waarvan ik wilde
dat niemand het wist,
00:25
something that, in manyveel waysmanieren, I wishwens no one would ever know,
4
13000
3000
00:28
but here I feel kindsoort of obligedverplicht to revealonthullen.
5
16000
4000
maar hier voel ik me
verplicht het te onthullen.
00:32
(LaughterGelach)
6
20000
2000
(Gelach)
00:34
In the latelaat 1980s,
7
22000
2000
In de late jaren 80,
in een moment van jeugdige overmoed,
00:36
in a momentmoment of youthfuljeugdige indiscretionindiscretion,
8
24000
3000
ben ik rechten gaan studeren.
00:39
I wentgegaan to lawwet schoolschool-.
9
27000
2000
00:41
(LaughterGelach)
10
29000
4000
(Gelach)
Welnu, in Amerika is rechten
een beroepsdiploma.
00:45
Now, in AmericaAmerika lawwet is a professionalprofessioneel degreemate:
11
33000
3000
00:48
you get your universityUniversiteit degreemate, then you go on to lawwet schoolschool-.
12
36000
2000
Na je universitair diploma
studeer je verder af in rechten.
00:50
And when I got to lawwet schoolschool-,
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 mildlymild, I didn't do very well.
15
43000
2000
Dat is nog zacht uitgedrukt.
00:57
I, in factfeit, graduatedafgestudeerd in the partdeel of my lawwet schoolschool- classklasse
16
45000
3000
Ik studeerde af in het deel
van mijn rechtenklas
01:00
that madegemaakt the toptop 90 percentprocent possiblemogelijk.
17
48000
4000
dat de top 90 procent mogelijk maakte.
01:04
(LaughterGelach)
18
52000
4000
(Gelach)
01:08
Thank you.
19
56000
3000
Bedankt.
Ik heb geen dag het beroep
van advocaat uitgeoefend.
01:11
I never practicedgeoefend lawwet a day in my life;
20
59000
3000
01:14
I prettymooi much wasn'twas niet allowedtoegestaan to.
21
62000
2000
Ik mocht dat ook niet.
01:16
(LaughterGelach)
22
64000
3000
(Gelach)
01:19
But todayvandaag, againsttegen my better judgmentoordeel,
23
67000
3000
Maar vandaag, tegen beter weten in,
01:22
againsttegen the adviceadvies of my owneigen wifevrouw,
24
70000
3000
tegen het advies van mijn eigen vrouw,
01:25
I want to try to duststof off some of those legalwettelijk skillsvaardigheden --
25
73000
4000
wil ik proberen een paar van die
juridische vaardigheden af te stoffen,
01:29
what's left of those legalwettelijk skillsvaardigheden.
26
77000
2000
wat er nog van over is.
01:31
I don't want to tell you a storyverhaal.
27
79000
3000
Ik wil jullie geen verhaal vertellen,
ik wil een zaak bepleiten.
01:34
I want to make a casegeval.
28
82000
2000
01:36
I want to make a hard-headedhard headed-, evidence-basedevidence based,
29
84000
4000
Ik wil een zakelijk, op feiten gebaseerd
01:40
daredurven I say lawyerlylawyerly casegeval,
30
88000
3000
pleidooi houden, ik zou
bijna zeggen als advocaat,
01:43
for rethinkingheroverwegen how we runrennen our businessesondernemingen.
31
91000
4000
om opnieuw na te denken
over hoe wij onze bedrijven managen.
01:47
So, ladiesDames and gentlemenmijne heren of the juryjury, take a look at this.
32
95000
4000
Dus, dames en heren
van de jury, bekijk dit eens.
01:51
This is calledriep the candlekaars problemprobleem.
33
99000
2000
Dit is het zogenaamde kaarsvraagstuk.
01:53
Some of you mightmacht have seengezien this before.
34
101000
2000
Dat heb je misschien al eerder gezien.
01:55
It's createdaangemaakt in 1945
35
103000
2000
Het is ontwikkeld in 1945
door de psycholoog Karl Duncker.
01:57
by a psychologistpsycholoog namedgenaamd KarlKarl DunckerDuncker.
36
105000
2000
Karl Duncker heeft dit
experiment ontwikkeld,
01:59
KarlKarl DunckerDuncker createdaangemaakt this experimentexperiment
37
107000
2000
02:01
that is used in a wholegeheel varietyverscheidenheid of experimentsexperimenten in behavioralgedrags sciencewetenschap.
38
109000
3000
dat wordt gebruikt in veel
experimenten in de Gedragswetenschappen.
02:04
And here'shier is how it workswerken. SupposeStel dat I'm the experimenterexperimenteer.
39
112000
3000
Het werkt zo. Stel dat ik
de leider van het experiment ben.
02:07
I bringbrengen you into a roomkamer. I give you a candlekaars,
40
115000
4000
Ik breng je naar een kamer.
Ik geef je een kaars,
wat punaises en wat lucifers.
02:11
some thumbtacksthumbtacks and some matcheswedstrijden.
41
119000
2000
Ik zeg je: "Jouw taak
02:13
And I say to you, "Your jobbaan
42
121000
2000
is om de kaars aan de muur te bevestigen
02:15
is to attachhechten the candlekaars to the wallmuur
43
123000
2000
02:17
so the waxWax doesn't dripinfuus ontonaar the tabletafel." Now what would you do?
44
125000
4000
zodat het kaarsvet niet
op de tafel druppelt." Wat zou je doen?
02:21
Now manyveel people beginbeginnen tryingproberen to thumbtackPunaise the candlekaars to the wallmuur.
45
129000
4000
Veel mensen beginnen de kaars
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
SomebodyIemand, some people -- and I saw somebodyiemand
47
135000
2000
02:29
kindsoort of make the motionbeweging over here --
48
137000
2000
de beweging hier maken -
sommige mensen hebben een heel goed idee.
02:31
some people have a great ideaidee where they
49
139000
2000
02:33
lightlicht the matchbij elkaar passen, meltsmelten the sidekant of the candlekaars, try to adherehouden it to the wallmuur.
50
141000
4000
Ze smelten de kaars van opzij,
en proberen die vast te plakken.
02:37
It's an awesomegeweldig ideaidee. Doesn't work.
51
145000
3000
Het is een geweldig idee. Werkt niet.
02:40
And eventuallytenslotte, after fivevijf or 10 minutesnotulen,
52
148000
3000
En uiteindelijk, na vijf of 10 minuten,
02:43
mostmeest people figurefiguur out the solutionoplossing,
53
151000
2000
vinden de meeste mensen hoe het moet.
02:45
whichwelke you can see here.
54
153000
2000
Dat zie je hier.
De sleutel is het overwinnen
van zogenaamde functionele fixatie.
02:47
The keysleutel is to overcomeoverwinnen what's calledriep functionalfunctioneel fixednessvastheid.
55
155000
3000
02:50
You look at that boxdoos and you see it only as a receptaclerecipiënt for the tackskopspijkers.
56
158000
4000
Je kijkt naar het doosje en je ziet het
alleen als een bakje voor de punaises.
02:54
But it can alsoook have this other functionfunctie,
57
162000
2000
Maar het kan ook
een andere functie vervullen,
02:56
as a platformplatform for the candlekaars. The candlekaars problemprobleem.
58
164000
4000
als platform voor de kaars.
Het kaarsvraagstuk.
Nu wil ik je vertellen over een experiment
03:00
Now I want to tell you about an experimentexperiment
59
168000
2000
03:02
usinggebruik makend van the candlekaars problemprobleem,
60
170000
2000
aan de hand van het kaarsvraagstuk,
gedaan door de wetenschapper
Sam Glucksberg,
03:04
donegedaan by a scientistwetenschapper namedgenaamd SamSam GlucksbergGlucksberg,
61
172000
2000
03:06
who is now at PrincetonPrinceton UniversityUniversiteit in the U.S.
62
174000
2000
die nu aan de Princeton University
in de VS werkt.
03:08
This showsshows the powermacht of incentivesprikkels.
63
176000
4000
Dit toont de kracht aan
van beloningsprikkels.
Hij verzamelde zijn deelnemers.
03:12
Here'sHier is what he did. He gatheredverzamelde his participantsdeelnemers.
64
180000
2000
Hij zei: "Ik ga jullie tijd opnemen.
Hoe snel los je dit vraagstuk op?"
03:14
And he said, "I'm going to time you. How quicklysnel you can solveoplossen this problemprobleem?"
65
182000
3000
03:17
To one groupgroep he said,
66
185000
2000
Eén groep vertelde hij:
03:19
"I'm going to time you to establishtot stand brengen normsnormen,
67
187000
3000
ik ga jullie tijd opnemen
om de norm vast te stellen,
gemiddelden voor
de typische tijd die nodig is
03:22
averagesgemiddelden for how long it typicallytypisch takes
68
190000
2000
03:24
someoneiemand to solveoplossen this sortsoort of problemprobleem."
69
192000
2000
om dit soort vraagstuk op te lossen.
03:26
To the secondtweede groupgroep he offeredaangeboden rewardsbeloningen.
70
194000
3000
De tweede groep bood hij beloningen aan.
03:29
He said, "If you're in the toptop 25 percentprocent of the fastestsnelst timestijden,
71
197000
4000
Hij zei: "Als je in
de snelste 25% terechtkomt,
03:33
you get fivevijf dollarsdollars.
72
201000
3000
krijg je vijf dollar.
Als je de snelste bent
van iedereen die we vandaag testen,
03:36
If you're the fastestsnelst of everyoneiedereen we're testingtesting here todayvandaag,
73
204000
3000
03:39
you get 20 dollarsdollars."
74
207000
2000
dan krijg je 20 dollar."
Dit is enkele jaren geleden.
Aangepast voor inflatie.
03:41
Now this is severalverscheidene yearsjaar agogeleden. AdjustedAangepast for inflationinflatie,
75
209000
3000
Het is een behoorlijke som
voor een paar minuten werk.
03:44
it's a decentfatsoenlijk sumsom of moneygeld for a fewweinig minutesnotulen of work.
76
212000
2000
03:46
It's a niceleuk motivatormotivatie.
77
214000
2000
Het is een mooie motivator.
03:48
QuestionVraag: How much fastersneller
78
216000
3000
Vraag: Hoeveel sneller
loste deze groep het vraagstuk op?
03:51
did this groupgroep solveoplossen the problemprobleem?
79
219000
2000
03:53
AnswerAntwoord: It tooknam them, on averagegemiddelde,
80
221000
3000
Antwoord: Gemiddeld deden ze er
03:56
threedrie and a halfvoor de helft minutesnotulen longerlanger.
81
224000
4000
drie en een halve minuut langer over.
04:00
ThreeDrie and a halfvoor de helft minutesnotulen longerlanger. Now this makesmerken no sensezin right?
82
228000
3000
Drie en een halve minuut langer.
Dit slaat toch nergens op?
04:03
I mean, I'm an AmericanAmerikaanse. I believe in freegratis marketsmarkten.
83
231000
3000
Ik bedoel, ik ben een Amerikaan.
Ik geloof in de vrije markt.
04:06
That's not how it's supposedvermeend to work. Right?
84
234000
3000
Dat is niet hoe het
hoort te werken. Akkoord?
04:09
(LaughterGelach)
85
237000
1000
(Gelach)
04:10
If you want people to performuitvoeren better,
86
238000
2000
Als je wil dat mensen beter presteren,
04:12
you rewardbeloning them. Right?
87
240000
2000
beloon je ze. Toch?
04:14
BonusesBonussen, commissionscommissies, theirhun owneigen realityrealiteit showtonen.
88
242000
3000
Bonussen, commissies,
hun eigen reality show.
04:17
IncentivizeIncentivize them. That's how businessbedrijf workswerken.
89
245000
4000
Beloon ze. Zo werkt dat
in het bedrijfsleven.
04:21
But that's not happeninggebeurtenis here.
90
249000
2000
Maar dat gebeurt hier niet.
04:23
You've got an incentiveaansporing designedontworpen to
91
251000
2000
Je hebt een beloningsprikkel ontworpen
04:25
sharpenscherper maken thinkinghet denken and accelerateversnellen creativitycreativiteit,
92
253000
4000
om het denken aan te scherpen
en de creativiteit te versnellen.
04:29
and it does just the oppositetegenover.
93
257000
2000
En je bereikt het omgekeerde effect.
04:31
It dullsstompt thinkinghet denken and blocksblokken creativitycreativiteit.
94
259000
3000
Het stompt het denken af
en blokkeert de creativiteit.
04:34
And what's interestinginteressant about this experimentexperiment is that it's not an aberrationaberratie.
95
262000
3000
Interessant aan dit experiment
is dat het geen afwijking is.
04:37
This has been replicatedgerepliceerd over and over
96
265000
3000
Dit is keer op keer overgedaan,
04:40
and over again, for nearlybijna 40 yearsjaar.
97
268000
3000
telkens weer, bijna veertig jaar lang.
04:43
These contingentvoorwaardelijke motivatorsmotivatoren --
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 circumstancessituatie.
100
276000
2000
werken in sommige omstandigheden.
04:50
But for a lot of taskstaken, they actuallywerkelijk eithereen van beide don't work
101
278000
3000
Maar voor veel taken
werken ze ofwel niet,
04:53
or, oftenvaak, they do harmkwaad.
102
281000
3000
ofwel - vaak - doen ze kwaad.
04:56
This is one of the mostmeest robustrobuust findingsbevindingen
103
284000
4000
Dit is één van de best
onderbouwde onderzoeksresultaten
05:00
in socialsociaal sciencewetenschap,
104
288000
3000
van de sociale wetenschappen.
En ook een van de meest genegeerde.
05:03
and alsoook one of the mostmeest ignoredbuiten beschouwing gelaten.
105
291000
2000
05:05
I spentdoorgebracht the last couplepaar of yearsjaar looking at the sciencewetenschap of
106
293000
2000
Ik heb de laatste jaren onderzoek gedaan
naar menselijke motivatie.
05:07
humanmenselijk motivationmotivatie,
107
295000
2000
Vooral de dynamiek
van extrinsieke motivatoren
05:09
particularlyvooral the dynamicsdynamica of extrinsicExtrinsieke motivatorsmotivatoren
108
297000
2000
05:11
and intrinsicintrinsieke motivatorsmotivatoren.
109
299000
2000
en intrinsieke motivatoren.
En ik zeg je, het komt
niet eens in de buurt.
05:13
And I'm tellingvertellen you, it's not even closedichtbij.
110
301000
2000
05:15
If you look at the sciencewetenschap, there is a mismatchmismatch
111
303000
2000
Als je kijkt naar de wetenschap,
is er een mismatch
05:17
betweentussen what sciencewetenschap knowsweet and what businessbedrijf does.
112
305000
4000
tussen wat de wetenschap weet
en wat het bedrijfsleven doet.
05:21
And what's alarmingalarmerende here is that our businessbedrijf operatingbedrijfs- systemsysteem --
113
309000
3000
Het is verontrustend dat onze
manier van werken in bedrijven --
05:24
think of the setreeks of assumptionsveronderstellingen and protocolsprotocollen beneathonder our businessesondernemingen,
114
312000
3000
denk aan de aannames en protocollen
waarop onze bedrijven gebaseerd zijn,
05:27
how we motivatemotiveren people, how we applyvan toepassing zijn our humanmenselijk resourcesmiddelen --
115
315000
5000
hoe we mensen motiveren,
hoe we onze mensen inzetten --
05:32
it's builtgebouwd entirelygeheel around these extrinsicExtrinsieke motivatorsmotivatoren,
116
320000
3000
volledig op deze extrinsieke
motivatoren is gebouwd,
05:35
around carrotswortelen and sticksstokken.
117
323000
2000
op straffen en belonen.
05:37
That's actuallywerkelijk fine for manyveel kindssoorten of 20thth centuryeeuw taskstaken.
118
325000
4000
Dat werkt goed voor veel soorten
20e-eeuwse taken.
05:41
But for 21stst centuryeeuw taskstaken,
119
329000
2000
Maar voor 21e-eeuwse taken
05:43
that mechanisticmechanistisch, reward-and-punishmentbeloning en straf approachnadering
120
331000
4000
werkt die mechanistische benadering
van belonen en straffen niet,
05:47
doesn't work, oftenvaak doesn't work, and oftenvaak does harmkwaad.
121
335000
4000
ze werkt vaak niet, en vaak doet ze kwaad.
05:51
Let me showtonen you what I mean.
122
339000
2000
Ik toon jullie wat ik bedoel.
05:53
So GlucksbergGlucksberg did anothereen ander experimentexperiment similarsoortgelijk to this
123
341000
3000
Glucksberg deed nóg een experiment
dat hierop lijkt.
05:56
where he presentedgepresenteerd the problemprobleem in a slightlylicht differentverschillend way,
124
344000
2000
Hij stelde het probleem
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.
06:01
AttachHechten the candlekaars to the wallmuur so the waxWax doesn't dripinfuus ontonaar the tabletafel.
126
349000
2000
06:03
SameDezelfde dealtransactie. You: we're timingtiming for normsnormen.
127
351000
3000
Zelfde afspraak.
Met jullie tijd bepalen we de norm.
06:06
You: we're incentivizingincentivizing.
128
354000
3000
Aan jullie geven we een beloning.
Wat gebeurde er deze keer?
06:09
What happenedgebeurd this time?
129
357000
2000
06:11
This time, the incentivizedincentivized groupgroep
130
359000
2000
Deze keer deed de groep met de beloningen
06:13
kickedgeschopt the other group'svan groep buttkont.
131
361000
4000
het stukken beter dan de andere.
06:17
Why? Because when the tackskopspijkers are out of the boxdoos,
132
365000
4000
Waarom? Als de punaises
uit het doosje zijn,
is het nogal makkelijk, niet?
06:21
it's prettymooi easygemakkelijk isn't it?
133
369000
4000
[kaarsprobleem voor dummies]
06:25
(LaughterGelach)
134
373000
2000
(Gelach)
06:27
If-thenAls-dan rewardsbeloningen work really well
135
375000
3000
Als-dan-beloningen werken goed
06:30
for those sortssoorten of taskstaken,
136
378000
3000
voor dat soort van taken,
met een eenvoudige set van regels
06:33
where there is a simpleeenvoudig setreeks of rulesreglement and a clearduidelijk destinationbestemming
137
381000
2000
en een duidelijk doel om na te streven.
06:35
to go to.
138
383000
2000
06:37
RewardsBeloningen, by theirhun very naturenatuur,
139
385000
2000
Door hun aard beperken
beloningen onze focus.
06:39
narrowsmal our focusfocus, concentrateconcentreren the mindgeest;
140
387000
2000
Ze concentreren de gedachten.
06:41
that's why they work in so manyveel casesgevallen.
141
389000
2000
Daarom werken ze zo vaak.
06:43
And so, for taskstaken like this,
142
391000
2000
Voor taken als deze --
06:45
a narrowsmal focusfocus, where you just see the goaldoel right there,
143
393000
3000
een nauwe focus,
je ziet het doel voor ogen,
06:48
zoomzoom straightrecht aheadverder 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 realecht candlekaars problemprobleem,
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.
06:56
The solutionoplossing is not over here. The solutionoplossing is on the peripheryperiferie.
148
404000
2000
06:58
You want to be looking around.
149
406000
2000
Je kunt beter rondkijken.
07:00
That rewardbeloning actuallywerkelijk narrowsNarrows our focusfocus
150
408000
2000
De beloning versmalt onze focus
07:02
and restrictsbeperkt our possibilitymogelijkheid.
151
410000
2000
en beperkt onze mogelijkheden.
07:04
Let me tell you why this is so importantbelangrijk.
152
412000
3000
Laat me je vertellen
waarom dit zo belangrijk is.
07:07
In westernwestern EuropeEuropa,
153
415000
2000
In West-Europa,
in vele delen van Azië,
07:09
in manyveel partsonderdelen of AsiaAsia,
154
417000
2000
07:11
in NorthNoord AmericaAmerika, in AustraliaAustralië,
155
419000
3000
in Noord-Amerika, in Australië,
07:14
white-collarwitte boorden workersarbeiders are doing lessminder of
156
422000
2000
doen kantoorwerkers steeds minder
07:16
this kindsoort of work,
157
424000
2000
van dit soort werk
07:18
and more of this kindsoort of work.
158
426000
4000
en steeds meer van dit soort werk.
Dat routinewerk, met regeltjes,
vanuit je linkerhersenhelft,
07:22
That routineroutine-, rule-basedregels gebaseerde, left-brainlinks work --
159
430000
3000
bepaalde vormen van boekhouding
en financiële analyse,
07:25
certainzeker kindssoorten of accountingboekhouding, certainzeker kindssoorten of financialfinancieel analysisanalyse,
160
433000
2000
07:27
certainzeker kindssoorten of computercomputer programmingprogrammering --
161
435000
2000
bepaalde soorten van programmeren,
07:29
has becomeworden fairlytamelijk easygemakkelijk to outsourceuitbesteden,
162
437000
2000
kan je vandaag gemakkelijk outsourcen,
07:31
fairlytamelijk easygemakkelijk to automateautomatiseren.
163
439000
2000
of automatiseren.
07:33
SoftwareSoftware can do it fastersneller.
164
441000
3000
Software kan het sneller.
Low-cost-aanbieders over de hele wereld
kunnen het goedkoper.
07:36
Low-costLow-cost providersaanbieders around the worldwereld- can do it cheapergoedkoper.
165
444000
2000
07:38
So what really mattersaangelegenheden are the more right-brainedrechts hersenen-
166
446000
4000
Belangrijk zijn de meer vanuit
de rechterhersenhelft komende
07:42
creativecreatief, conceptualconceptuele kindssoorten of abilitiescapaciteiten.
167
450000
3000
creatieve, conceptuele vaardigheden.
07:45
Think about your owneigen work.
168
453000
3000
Denk aan je eigen werk.
07:48
Think about your owneigen work.
169
456000
3000
Denk aan je eigen werk.
De problemen waar je voorstaat,
07:51
Are the problemsproblemen that you facegezicht, or even the problemsproblemen
170
459000
2000
zelfs de problemen die we
hier besproken hebben --
07:53
we'vewij hebben been talkingpratend about here,
171
461000
2000
07:55
are those kindssoorten of problemsproblemen -- do they have a clearduidelijk setreeks of rulesreglement,
172
463000
2000
hebben die een duidelijke set regels
07:57
and a singlesingle solutionoplossing? No.
173
465000
3000
en één enkele oplossing? Nee.
08:00
The rulesreglement are mystifyingopeningsavond.
174
468000
2000
De regels zijn verwarrend.
08:02
The solutionoplossing, if it existsbestaat at all,
175
470000
2000
De oplossing, als ze al bestaat,
08:04
is surprisingverrassend and not obviousduidelijk.
176
472000
3000
is verrassend en ligt niet voor de hand.
08:07
EverybodyIedereen in this roomkamer
177
475000
2000
Iedereen in deze zaal
08:09
is dealingomgang with theirhun owneigen versionversie
178
477000
3000
werkt aan zijn eigen versie
08:12
of the candlekaars problemprobleem.
179
480000
2000
van het kaarsvraagstuk.
08:14
And for candlekaars problemsproblemen of any kindsoort,
180
482000
3000
Voor kaarsvraagstukken van welke aard ook,
08:17
in any fieldveld-,
181
485000
2000
op elk gebied, geldt
dat die als-dan-beloningen,
08:19
those if-thenAls-dan rewardsbeloningen,
182
487000
3000
waarop we zovele van onze
bedrijven hebben gebouwd,
08:22
the things around whichwelke we'vewij hebben builtgebouwd so manyveel of our businessesondernemingen,
183
490000
4000
08:26
don't work.
184
494000
2000
gewoon niet werken.
08:28
Now, I mean it makesmerken me crazygek.
185
496000
2000
Hier word ik gek van.
08:30
And this is not -- here'shier is the thing.
186
498000
2000
En dit is niet - hier gaat het om.
08:32
This is not a feelinggevoel.
187
500000
3000
Dit is geen gevoel.
08:35
Okay? I'm a lawyeradvocaat; I don't believe in feelingsgevoelens.
188
503000
3000
Ik ben advocaat.
Ik geloof niet in gevoelens.
08:38
This is not a philosophyfilosofie.
189
506000
4000
Het is geen filosofie.
08:42
I'm an AmericanAmerikaanse; I don't believe in philosophyfilosofie.
190
510000
2000
Ik ben Amerikaan.
Ik geloof niet in filosofie.
08:44
(LaughterGelach)
191
512000
3000
(Gelach)
08:47
This is a factfeit --
192
515000
3000
Dit is een feit.
08:50
or, as we say in my hometownhometown of WashingtonWashington, D.C.,
193
518000
2000
Of, zoals wij zeggen
in mijn thuisstad Washington D.C.,
08:52
a truewaar factfeit.
194
520000
2000
een waar feit.
08:54
(LaughterGelach)
195
522000
2000
(Gelach)
08:56
(ApplauseApplaus)
196
524000
4000
(Applaus)
09:00
Let me give you an examplevoorbeeld of what I mean.
197
528000
2000
Ik geef een voorbeeld van wat ik bedoel.
09:02
Let me marshalMaarschalk the evidencebewijsmateriaal here,
198
530000
2000
Hier is het bewijs.
Want ik vertel geen verhaal,
ik bepleit een zaak,
09:04
because I'm not tellingvertellen you a storyverhaal, I'm makingmaking a casegeval.
199
532000
2000
09:06
LadiesDames and gentlemenmijne heren of the juryjury, some evidencebewijsmateriaal:
200
534000
2000
dames en heren van de jury.
Dan Ariely, een van de
grote economen van onze tijd,
09:08
DanDan ArielyAriely, one of the great economistseconomen of our time,
201
536000
3000
09:11
he and threedrie colleaguescollega's, did a studystudie of some MITMIT studentsstudenten.
202
539000
4000
en drie collega's van hem,
deden een studie onder MIT-studenten.
09:15
They gavegaf these MITMIT studentsstudenten a bunchbos of gamesspellen,
203
543000
3000
Die gaven ze een aantal spelletjes.
Spelletjes waar creativiteit,
09:18
gamesspellen that involvedbetrokken creativitycreativiteit,
204
546000
2000
motoriek en concentratie
bij te pas kwamen.
09:20
and motormotor skillsvaardigheden, and concentrationconcentratie.
205
548000
2000
09:22
And the offeredaangeboden them, for performanceprestatie,
206
550000
2000
Ze boden hun, als ze goed presteerden,
09:24
threedrie levelslevels of rewardsbeloningen:
207
552000
2000
drie niveaus van beloningen aan.
09:26
smallklein rewardbeloning, mediummedium rewardbeloning, largegroot rewardbeloning.
208
554000
5000
Kleine beloning, middelgrote beloning,
grote beloning.
09:31
Okay? If you do really well you get the largegroot rewardbeloning, on down.
209
559000
4000
Als je het echt goed doet,
krijg je de grote beloning, enz.
Wat gebeurde er? Waren voor de taak
alleen mechanische vaardigheden nodig,
09:35
What happenedgebeurd? As long as the tasktaak involvedbetrokken only mechanicalmechanisch skillbekwaamheid
210
563000
4000
09:39
bonusesbonussen workedwerkte as they would be expectedverwacht:
211
567000
2000
dan werkten de bonussen zoals verwacht:
09:41
the higherhoger the paybetalen, the better the performanceprestatie.
212
569000
4000
hoe meer geld, hoe beter de prestaties.
09:45
Okay? But one the tasktaak calledriep for
213
573000
2000
Maar zodra er voor de taak ook maar
09:47
even rudimentaryrudimentaire cognitivecognitieve skillbekwaamheid,
214
575000
4000
rudimentaire cognitieve
vaardigheden nodig waren,
09:51
a largergrotere rewardbeloning led to poorerarmere performanceprestatie.
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.
09:58
"Okay let's see if there's any culturalcultureel biasvooroordeel here.
217
586000
2000
10:00
LetsLaat go to MaduraiMadurai, IndiaIndia and testtest this."
218
588000
2000
We testen het in Madurai, India."
10:02
StandardStandaard of livingleven is lowerlager.
219
590000
2000
Daar is de levensstandaard lager.
10:04
In MaduraiMadurai, a rewardbeloning that is modestbescheiden in NorthNoord AmericanAmerikaanse standardsstandaarden,
220
592000
3000
Een beloning die bescheiden is
naar Noord-Amerikaanse normen,
10:07
is more meaningfulbelangrijk there.
221
595000
3000
is significanter in Madurai.
10:10
SameDezelfde dealtransactie. A bunchbos of gamesspellen, threedrie levelslevels of rewardsbeloningen.
222
598000
3000
Hetzelfde. Een aantal spelletjes,
drie niveaus van beloningen.
10:13
What happensgebeurt?
223
601000
2000
Wat gebeurt er?
Mensen die het middenniveau
van beloningen kregen aangeboden,
10:15
People offeredaangeboden the mediummedium levelniveau of rewardsbeloningen
224
603000
3000
10:18
did no better than people offeredaangeboden the smallklein rewardsbeloningen.
225
606000
3000
deden het niet beter dan de mensen
met de kleine beloningen.
10:21
But this time, people offeredaangeboden the highesthoogst rewardsbeloningen,
226
609000
4000
Maar hier deden de mensen die
de hoogste beloningen aangeboden kregen,
10:25
they did the worstslechtst of all.
227
613000
4000
het het slechtst van allemaal.
In 8 van de 9 onderzochte taken,
over 3 experimenten,
10:29
In eightacht of the ninenegen taskstaken we examinedonderzocht acrossaan de overkant threedrie experimentsexperimenten,
228
617000
3000
10:32
higherhoger incentivesprikkels led to worseerger performanceprestatie.
229
620000
5000
leidden hogere beloningen
tot slechtere resultaten.
10:37
Is this some kindsoort of touchy-feelylichtgeraakt-feely
230
625000
3000
Word ik hier een zweem van
10:40
socialistsocialistische conspiracysamenzwering going on here?
231
628000
3000
socialistische samenzwering gewaar?
10:43
No. These are economistseconomen from MITMIT,
232
631000
3000
Nee. Dit zijn economen van MIT,
10:46
from CarnegieCarnegie MellonMellon, from the UniversityUniversiteit of ChicagoChicago.
233
634000
3000
van Carnegie Mellon,
van de Universiteit van Chicago.
Weet je wie de sponsor
van het onderzoek was?
10:49
And do you know who sponsoredgesponsord this researchOnderzoek?
234
637000
2000
10:51
The FederalFederaal ReserveReserve BankBank of the UnitedVerenigd StatesStaten.
235
639000
4000
De Federal Reserve Bank
van de Verenigde Staten.
10:55
That's the AmericanAmerikaanse experienceervaring.
236
643000
2000
Dat is de Amerikaanse ervaring.
10:57
Let's go acrossaan de overkant the pondvijver to the LondonLonden SchoolSchool of EconomicsEconomie --
237
645000
3000
Laten we de plas oversteken
naar de London School of Economics.
11:00
LSELSE, LondonLonden SchoolSchool of EconomicsEconomie,
238
648000
3000
LSE, London School of Economics.
Alma mater van 11
Nobelprijswinnaars in de economie.
11:03
almaAlma materMater of 11 NobelNobel LaureatesLaureaten in economicseconomie.
239
651000
3000
11:06
TrainingOpleiding groundgrond for great economiceconomisch thinkersdenkers
240
654000
3000
Trainingsbasis van
grote economische denkers
11:09
like GeorgeGeorge SorosSoros, and FriedrichFriedrich HayekHayek,
241
657000
3000
zoals George Soros, en Friedrich Hayek,
11:12
and MickMick JaggerMick Jagger. (LaughterGelach)
242
660000
2000
en Mick Jagger. (Gelach)
11:14
Last monthmaand, just last monthmaand,
243
662000
4000
Vorige maand, net vorige maand,
bekeken economen aan LSE
11:18
economistseconomen at LSELSE lookedkeek at 51 studiesstudies
244
666000
3000
51 studies over
prestatiebeloningsprogamma's in bedrijven.
11:21
of pay-for-performancepay-for-performance plansplannen, insidebinnen of companiesbedrijven.
245
669000
3000
Dit hadden ze te zeggen:
"We concluderen dat financiële prikkels
11:24
Here'sHier is what the economistseconomen there said: "We find that financialfinancieel incentivesprikkels
246
672000
3000
11:27
can resultresultaat in a negativenegatief impactbotsing on overallglobaal performanceprestatie."
247
675000
6000
de algehele prestatie
negatief kunnen beïnvloeden."
Er is een discrepantie
tussen wat de wetenschap weet
11:33
There is a mismatchmismatch betweentussen what sciencewetenschap knowsweet
248
681000
3000
11:36
and what businessbedrijf does.
249
684000
2000
en wat het bedrijfsleven doet.
11:38
And what worrieszorgen me, as we standstand here in the rubblepuin
250
686000
3000
Wat mij zorgen baart,
nu we hier tussen de brokstukken
11:41
of the economiceconomisch collapseineenstorting,
251
689000
2000
van de economische ineenstorting staan,
11:43
is that too manyveel organizationsorganisaties
252
691000
2000
is dat te veel organisaties
11:45
are makingmaking theirhun decisionsbeslissingen,
253
693000
2000
hun beslissingen nemen,
11:47
theirhun policiesbeleid about talenttalent and people,
254
695000
2000
hun beleid over talent en mensen bepalen
11:49
basedgebaseerde on assumptionsveronderstellingen that are outdatedverouderd, unexaminedonderzochte,
255
697000
6000
op basis van veronderstellingen
die achterhaald zijn, niet onderzocht
en geworteld in de folklore
eerder dan in de wetenschap.
11:55
and rootedingeworteld more in folklorefolklore than in sciencewetenschap.
256
703000
3000
11:58
And if we really want to get out of this economiceconomisch messknoeien,
257
706000
3000
Als we echt uit deze economische
knoeiboel willen geraken,
12:01
and if we really want highhoog performanceprestatie on those
258
709000
2000
als we heel goed
willen presteren op die taken
12:03
definitionaldefinities taskstaken of the 21stst centuryeeuw,
259
711000
2000
die de 21ste eeuw bepalen,
12:05
the solutionoplossing is not to do more of the wrongfout things,
260
713000
6000
dan is de oplossing niet
om meer verkeerde dingen te doen.
12:11
to enticeverleiden people with a sweeterzoeter carrotwortel,
261
719000
3000
Om mensen te lokken
met een grotere beloning,
12:14
or threatenbedreigen them with a sharperscherper stickstok.
262
722000
2000
of te bedreigen met een hardere straf.
12:16
We need a wholegeheel newnieuwe approachnadering.
263
724000
2000
We hebben een volledig
nieuwe aanpak nodig.
12:18
And the good newsnieuws about all of this is that the scientistswetenschappers
264
726000
2000
Het goede nieuws is dat de wetenschappers
12:20
who'vedie hebben been studyingaan het studeren motivationmotivatie have givengegeven us this newnieuwe approachnadering.
265
728000
3000
die motivatie bestuderen,
ons deze aanpak hebben aangegeven.
12:23
It's an approachnadering builtgebouwd much more around intrinsicintrinsieke motivationmotivatie.
266
731000
3000
Het is een aanpak die
steunt op intrinsieke motivatie.
12:26
Around the desireverlangen to do things because they matterer toe doen,
267
734000
2000
Dingen willen doen die belangrijk zijn,
12:28
because we like it, because they're interestinginteressant,
268
736000
2000
die we leuk of interessant vinden,
12:30
because they are partdeel of something importantbelangrijk.
269
738000
2000
omdat ze deel zijn van iets belangrijks.
12:32
And to my mindgeest, that newnieuwe operatingbedrijfs- systemsysteem for our businessesondernemingen
270
740000
4000
Volgens mij draait dat nieuwe
besturingssysteem voor bedrijven
12:36
revolvesdraait around threedrie elementselementen:
271
744000
2000
rond drie elementen:
12:38
autonomyautonomie, masterymeesterschap and purposedoel.
272
746000
3000
autonomie, meesterschap en zinvol doel.
12:41
AutonomyAutonomie: the urgedrang to directdirect our owneigen liveslevens.
273
749000
3000
Autonomie, de drang ons leven te sturen.
12:44
MasteryMeesterschap: the desireverlangen to get better and better at something that mattersaangelegenheden.
274
752000
4000
Meesterschap, de wens om alsmaar
beter te worden in iets belangrijks.
12:48
PurposeDoel: the yearningverlangen to do what we do
275
756000
3000
Zinvol doel, het verlangen
om te doen wat we doen
12:51
in the serviceservice of something largergrotere than ourselvesonszelf.
276
759000
3000
in dienst van iets
dat groter is dan onszelf.
12:54
These are the buildinggebouw blocksblokken of an entirelygeheel newnieuwe operatingbedrijfs- systemsysteem
277
762000
3000
Dit zijn de bouwstenen van
een geheel nieuw besturingssysteem
12:57
for our businessesondernemingen.
278
765000
2000
voor onze bedrijven.
12:59
I want to talk todayvandaag only about autonomyautonomie.
279
767000
4000
Ik wil vandaag alleen
over autonomie spreken.
In de 20ste eeuw kwamen we
met dit idee van management.
13:03
In the 20thth centuryeeuw, we camekwam up with this ideaidee of managementbeheer.
280
771000
3000
13:06
ManagementBeheer did not emanateuitgaan from naturenatuur.
281
774000
2000
Management komt niet
uit de natuur voort.
13:08
ManagementBeheer is like -- it's not a treeboom,
282
776000
2000
Het is als -- het is geen boom.
13:10
it's a televisiontelevisie setreeks.
283
778000
2000
Het is als een televisietoestel.
13:12
Okay? SomebodyIemand inventeduitgevonden it.
284
780000
2000
Iemand heeft het uitgevonden.
13:14
And it doesn't mean it's going to work forevervoor altijd.
285
782000
2000
Dat betekent niet dat het
altijd zal blijven werken.
13:16
ManagementBeheer is great.
286
784000
2000
Traditionele managementideeën
zijn fantastisch,
13:18
TraditionalTraditionele notionsnoties of managementbeheer are great
287
786000
2000
13:20
if you want compliancenaleving.
288
788000
2000
als je volgzaamheid wil.
13:22
But if you want engagementverloving, self-directionzelf richting workswerken better.
289
790000
3000
Maar als je engagement wil,
werkt zelfsturing beter.
13:25
Let me give you some examplesvoorbeelden of some kindsoort of radicalradicaal
290
793000
2000
Ik geef jullie een paar voorbeelden
van radicale noties van zelfsturing.
13:27
notionsnoties of self-directionzelf richting.
291
795000
2000
13:29
What this meansmiddelen -- 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 stirringsroerselen of something really interestinginteressant going on,
293
800000
3000
maar je ziet de eerste tekenen
van iets heel interessants.
13:35
because what it meansmiddelen is payingbetalen people adequatelyvoldoende
294
803000
2000
Het betekent dat je mensen
naar behoren betaalt,
13:37
and fairlytamelijk, absolutelyAbsoluut --
295
805000
2000
en fair, absoluut.
13:39
gettingkrijgen the issuekwestie of moneygeld off the tabletafel,
296
807000
2000
Zorg ervoor dat geld
geen discussiepunt is.
13:41
and then givinggeven people lots of autonomyautonomie.
297
809000
2000
En geef mensen dan veel autonomie.
13:43
Let me give you some examplesvoorbeelden.
298
811000
2000
Enkele voorbeelden.
Hoeveel van jullie hebben
gehoord van het bedrijf Atlassian?
13:45
How manyveel of you have heardgehoord of the companybedrijf AtlassianAtlassian?
299
813000
4000
Minder dan de helft, zo lijkt het.
13:49
It lookslooks like lessminder than halfvoor de helft.
300
817000
2000
13:51
(LaughterGelach)
301
819000
2000
(Gelach)
Atlassian is een
Australisch softwarebedrijf.
13:53
AtlassianAtlassian is an AustralianAustralische softwaresoftware companybedrijf.
302
821000
4000
En ze doen iets ongelooflijk cools.
13:57
And they do something incrediblyongelooflijk coolkoel.
303
825000
2000
13:59
A fewweinig timestijden a yearjaar they tell theirhun engineersingenieurs,
304
827000
2000
Een paar keer per jaar
zeggen ze aan hun ingenieurs:
14:01
"Go for the nextvolgende 24 hoursuur and work on anything you want,
305
829000
4000
"Ga voor de komende 24 uur
werken aan wat je maar wil,
14:05
as long as it's not partdeel of your regularregelmatig jobbaan.
306
833000
2000
zolang het geen deel uitmaakt
van je gewone job.
14:07
Work on anything you want."
307
835000
2000
Werk aan wat je maar wil.
14:09
So that engineersingenieurs use this time to come up with
308
837000
2000
Ingenieurs gebruiken deze tijd
14:11
a coolkoel patchlap for codecode, come up with an elegantelegant hackhouwen.
309
839000
3000
om een leuke softwarepatch,
of elegante hack te ontwikkelen.
14:14
Then they presentaanwezig all of the stuffspul that they'veze hebben developedontwikkelde
310
842000
3000
Ze stellen dan alles
wat ze ontwikkeld hebben,
voor aan hun teamgenoten,
de rest van het bedrijf,
14:17
to theirhun teammatesteamgenoten, to the restrust uit of the companybedrijf,
311
845000
3000
in een wilde, wollige
voltallige personeelsvergadering,
14:20
in this wildwild and woolyWooly all-handsall-handen meetingvergadering
312
848000
2000
14:22
at the endeinde of the day.
313
850000
2000
aan het eind van de dag.
14:24
And then, beingwezen AustraliansAustraliërs, everybodyiedereen has a beerbier.
314
852000
2000
Dan drinkt iedereen een biertje.
14:26
They call them FedExFedEx DaysDagen.
315
854000
3000
Ze noemen dit FedEx-Dagen.
14:29
Why? Because you have to deliverleveren something overnightgedurende de nacht.
316
857000
6000
Waarom? Omdat je iets
in één nacht moet leveren.
Het is ... niet slecht.
Het is een zware merkinbreuk.
14:35
It's prettymooi. It's not badslecht. It's a hugereusachtig trademarkhandelsmerk violationschending,
317
863000
2000
14:37
but it's prettymooi cleverknap.
318
865000
2000
Maar slim gevonden.
(Gelach)
14:39
(LaughterGelach)
319
867000
1000
14:40
That one day of intenseintens autonomyautonomie
320
868000
2000
Die ene dag van intense autonomie
heeft een hele reeks
softwarefixes opgeleverd
14:42
has producedgeproduceerd a wholegeheel arrayrangschikking of softwaresoftware fixesfixes
321
870000
2000
14:44
that mightmacht never have existedbestonden.
322
872000
2000
die misschien nooit zou hebben bestaan.
14:46
And it's workedwerkte so well that AtlassianAtlassian has takeningenomen it to the nextvolgende levelniveau
323
874000
2000
Het werkt zo goed dat Atlassian
een trapje hoger ging:
14:48
with 20 PercentProcent Time --
324
876000
2000
20 Procent Tijd.
14:50
donegedaan, famouslyberoemd, at GoogleGoogle --
325
878000
2000
Google is er beroemd om.
14:52
where engineersingenieurs can work, spendbesteden 20 percentprocent of theirhun time
326
880000
2000
Ingenieurs mogen 20 procent van hun tijd
14:54
workingwerkend on anything they want.
327
882000
2000
werken aan wat ze willen.
14:56
They have autonomyautonomie over theirhun time,
328
884000
2000
Ze delen hun tijd autonoom in,
14:58
theirhun tasktaak, theirhun teamteam, theirhun techniquetechniek.
329
886000
2000
hun taak, hun team, hun techniek.
15:00
Okay? RadicalRadicale amountshoeveelheden of autonomyautonomie.
330
888000
2000
Radicale hoeveelheden autonomie.
15:02
And at GoogleGoogle, as manyveel of you know,
331
890000
4000
Bij Google, zoals velen
van jullie weten, komen ongeveer
de helft van de nieuwe producten
in een typisch jaar
15:06
about halfvoor de helft of the newnieuwe productsproducten in a typicaltypisch yearjaar
332
894000
2000
15:08
are birthedgeboren duringgedurende that 20 PercentProcent Time:
333
896000
3000
voort uit deze 20 Procent Tijd.
Dingen zoals Gmail, Orkut, Google Nieuws.
15:11
things like GmailGmail, OrkutOrkut, GoogleGoogle NewsNieuws.
334
899000
3000
Ik geef jullie een
nog radicaler voorbeeld.
15:14
Let me give you an even more radicalradicaal examplevoorbeeld of it:
335
902000
3000
Het heet "Results Only Work Environment".
15:17
something calledriep the ResultsResultaten Only Work EnvironmentMilieu,
336
905000
2000
15:19
the ROWEROWE,
337
907000
2000
De ROWE.
Ontworpen door
twee Amerikaanse consultants,
15:21
createdaangemaakt by two AmericanAmerikaanse consultantsconsultants, in placeplaats
338
909000
2000
gebruikt in ongeveer een dozijn
Noord-Amerikaanse bedrijven
15:23
in placeplaats at about a dozendozijn companiesbedrijven around NorthNoord AmericaAmerika.
339
911000
2000
15:25
In a ROWEROWE people don't have schedulesschema 's.
340
913000
4000
In een ROWE
hebben mensen geen dagindeling.
15:29
They showtonen up when they want.
341
917000
2000
Ze komen wanneer ze willen.
15:31
They don't have to be in the officekantoor at a certainzeker time,
342
919000
2000
Ze hoeven niet op een
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 theirhun work donegedaan.
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 totallyhelemaal up to them.
346
927000
3000
waar ze het doen, dat kiezen ze zelf.
15:42
MeetingsVergaderingen in these kindssoorten of environmentsomgevingen are optionaloptioneel.
347
930000
4000
In dit soort omgevingen
zijn vergaderingen optioneel.
15:46
What happensgebeurt?
348
934000
2000
Wat gebeurt er?
15:48
AlmostBijna acrossaan de overkant the boardboord, productivityproduktiviteit goesgaat up,
349
936000
3000
De productiviteit gaat
bijna over de hele lijn omhoog,
15:51
workerarbeider engagementverloving goesgaat up,
350
939000
3000
de betrokkenheid van het personeel stijgt,
de werknemerstevredenheid stijgt,
het verloop daalt.
15:54
workerarbeider satisfactiontevredenheid goesgaat up, turnoveromzet goesgaat down.
351
942000
3000
Autonomie, meesterschap en zinvol doel.
15:57
AutonomyAutonomie, masterymeesterschap and purposedoel,
352
945000
2000
Dit zijn de bouwstenen
van een nieuwe werkwijze.
15:59
These are the buildinggebouw blocksblokken of a newnieuwe way of doing things.
353
947000
2000
16:01
Now some of you mightmacht look at this and say,
354
949000
3000
Sommigen van jullie
zullen dit bekijken en zeggen:
"Hmm, dat klinkt mooi.
Maar het is een utopie."
16:04
"HmmHmm, that soundsklanken niceleuk, but it's UtopianUtopische."
355
952000
3000
16:07
And I say, "NopeNope. I have proofbewijs."
356
955000
5000
En ik zeg: "Nee. Ik kan het bewijzen."
In het midden van
de jaren 90 startte Microsoft
16:12
The mid-mid-1990s, MicrosoftMicrosoft startedbegonnen
357
960000
2000
16:14
an encyclopediaencyclopedie calledriep EncartaEncarta.
358
962000
2000
met een encyclopedie genaamd Encarta.
16:16
They had deployedingezet all the right incentivesprikkels,
359
964000
2000
Ze hadden de juiste beloningsprikkels
in stelling gebracht.
16:18
all the right incentivesprikkels. They paidbetaald professionalsprofessionals to
360
966000
3000
Ze betaalden professionals
om duizenden artikels
te schrijven en na te kijken.
16:21
writeschrijven and editBewerk thousandsduizenden of articlesartikelen.
361
969000
2000
16:23
Well-compensatedGoed gecompenseerd managersmanagers oversawoverzag the wholegeheel thing
362
971000
2000
Goedbetaalde managers zagen toe op alles,
16:25
to make sure it camekwam in on budgetbegroting and on time.
363
973000
5000
om zeker te zijn dat het binnen budget
en tijdig zou worden opgeleverd.
Enkele jaren later startte
een andere encyclopedie.
16:30
A fewweinig yearsjaar laterlater anothereen ander encyclopediaencyclopedie got startedbegonnen.
364
978000
2000
16:32
DifferentVerschillende modelmodel-, right?
365
980000
3000
Ander model, niet?
16:35
Do it for funpret. No one getskrijgt paidbetaald a centcent, or a EuroEuro or a YenYen.
366
983000
4000
Doe het voor je plezier. Niemand krijgt
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 yearsjaar agogeleden,
368
990000
3000
Als je 10 jaar geleden
naar een econoom was gestapt,
16:45
if you had goneweg to an economisteconoom, anywhereoveral,
369
993000
2000
waar dan ook,
16:47
and said, "Hey, I've got these two differentverschillend modelsmodellen for creatinghet creëren van an encyclopediaencyclopedie.
370
995000
4000
en had gezegd: "Welke van deze 2 modellen
om een encyclopedie op te zetten
16:51
If they wentgegaan headhoofd to headhoofd, who would winwinnen?"
371
999000
3000
zou het halen in een tweestrijd?"
16:54
10 yearsjaar agogeleden you could not have foundgevonden a singlesingle sobersober economisteconoom anywhereoveral
372
1002000
4000
10 jaar geleden had je geen enkele
nuchtere econoom gevonden
16:58
on planetplaneet EarthAarde
373
1006000
2000
waar dan ook op aarde,
die het Wikipediamodel
zou hebben voorspeld.
17:00
who would have predictedvoorspelde the WikipediaWikipedia modelmodel-.
374
1008000
2000
17:02
This is the titanicreusachtig battlestrijd betweentussen these two approachesbenaderingen.
375
1010000
3000
Dit is de titanenstrijd
tussen deze twee benaderingen.
17:05
This is the Ali-FrazierAli-Frazier of motivationmotivatie. Right?
376
1013000
3000
Dit is de Ali-Frazier
van de motivatie. Nietwaar?
17:08
This is the Thrilla'Thrilla' in ManilaManilla.
377
1016000
2000
Dit is de "Thrilla in Manilla".
17:10
AlrightOke? IntrinsicIntrinsieke motivatorsmotivatoren versusversus extrinsicExtrinsieke motivatorsmotivatoren.
378
1018000
3000
Intrinsieke motivatie
versus extrinsieke motivatie.
17:13
AutonomyAutonomie, masterymeesterschap and purposedoel,
379
1021000
2000
Autonomie, meesterschap en zinvol doel,
17:15
versusversus carrotwortel and sticksstokken. And who winswint?
380
1023000
2000
versus belonen en straffen. En wie wint?
17:17
IntrinsicIntrinsieke motivationmotivatie, autonomyautonomie, masterymeesterschap and purposedoel,
381
1025000
3000
Intrinsieke motivatie: autonomie,
meesterschap en zinvol doel,
17:20
in a knockoutknock-out. Let me wrapinpakken up.
382
1028000
4000
door knockout. Ik vat het even samen.
Er is een discrepantie
17:24
There is a mismatchmismatch betweentussen what sciencewetenschap knowsweet and what businessbedrijf does.
383
1032000
3000
tussen wat de wetenschap weet
en wat het bedrijfsleven doet.
17:27
And here is what sciencewetenschap knowsweet.
384
1035000
2000
De wetenschap weet dit:
17:29
One: Those 20thth centuryeeuw rewardsbeloningen,
385
1037000
2000
1) De beloningen van de 20ste eeuw,
die motivatoren die we zien als
natuurlijk deel van het bedrijfsleven,
17:31
those motivatorsmotivatoren we think are a naturalnatuurlijk partdeel of businessbedrijf,
386
1039000
3000
17:34
do work, but only in a surprisinglyverrassend narrowsmal bandband of circumstancessituatie.
387
1042000
4000
werken, maar alleen binnen
een verbazend nauwe bandbreedte.
2) Die als-dan-beloningen
vernietigen vaak de creativiteit.
17:38
Two: Those if-thenAls-dan rewardsbeloningen oftenvaak destroyvernietigen creativitycreativiteit.
388
1046000
4000
17:42
ThreeDrie: The secretgeheim to highhoog performanceprestatie
389
1050000
2000
3) Het geheim van hoge prestatie
17:44
isn't rewardsbeloningen and punishmentsstraffen,
390
1052000
2000
ligt niet in beloningen en straffen,
17:46
but that unseenongezien intrinsicintrinsieke driverijden --
391
1054000
2000
maar in die onzichtbare intrinsieke drive.
17:48
the driverijden to do things for theirhun owneigen sakesake.
392
1056000
3000
De drive om dingen te doen
om de dingen zelf,
17:51
The driverijden to do things causeoorzaak they matterer toe doen.
393
1059000
2000
omdat ze ertoe doen.
Hier komt het beste deel.
17:53
And here'shier is the bestbeste partdeel. Here'sHier is the bestbeste partdeel.
394
1061000
2000
We weten dit al. De wetenschap
bevestigt wat we in ons hart weten.
17:55
We alreadynu al know this. The sciencewetenschap confirmsbevestigt what we know in our heartsharten.
395
1063000
3000
17:58
So, if we repairreparatie this mismatchmismatch
396
1066000
3000
Als we deze discrepantie oplossen,
tussen wat de wetenschap weet
en wat het bedrijfsleven doet,
18:01
betweentussen what sciencewetenschap knowsweet and what businessbedrijf does,
397
1069000
2000
18:03
if we bringbrengen our motivationmotivatie, notionsnoties of motivationmotivatie
398
1071000
3000
als we ons begrip van motivatie
18:06
into the 21stst centuryeeuw,
399
1074000
2000
naar de 21ste eeuw overbrengen,
18:08
if we get pastverleden this lazylui, dangerousgevaarlijk, ideologyideologie
400
1076000
4000
als we voorbijgaan aan
die luie, gevaarlijke ideologie
18:12
of carrotswortelen and sticksstokken,
401
1080000
2000
van belonen en straffen
18:14
we can strengthenversterken our businessesondernemingen,
402
1082000
3000
dan kunnen we onze bedrijven versterken,
18:17
we can solveoplossen a lot of those candlekaars problemsproblemen,
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 changeverandering the worldwereld-.
405
1092000
2000
18:26
I restrust uit my casegeval.
406
1094000
2000
Ik sluit mijn pleidooi af.
18:28
(ApplauseApplaus)
407
1096000
3000
(Applaus)
Translated by Els De Keyser
Reviewed by Jurriaan Vroom

▲Back to top

ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Dan Pink | Speaker | TED.com