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: Zagadka motywacji

Filmed:
25,352,736 views

Zawodowy analityk Dan Pink bada zagadkę motywacji, zaczynając od faktu znanego socjologom, ale nie menedżerom: tradycyjne nagrody nie zawsze są tak skuteczne, jak myślimy. Posłuchaj pouczających historii, a może i sugestii na przyszłość.
- 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 confessionwyznanie at the outsetpoczątku here.
0
0
4000
Muszę się od razu do czegoś przyznać.
00:16
A little over 20 yearslat agotemu
1
4000
3000
Nieco ponad 20 lat temu
00:19
I did something that I regretżal,
2
7000
2000
zrobiłem coś, czego żałuję,
00:21
something that I'm not particularlyszczególnie prouddumny of,
3
9000
4000
coś, z czego nie jestem zbyt dumny,
00:25
something that, in manywiele wayssposoby, I wishżyczenie no one would ever know,
4
13000
3000
coś, co pod wieloma względami
chciałbym zachować w sekrecie.
00:28
but here I feel kinduprzejmy of obligedzobowiązany to revealodsłonić.
5
16000
4000
Ale tu czuję się w obowiązku to wyjawić.
00:32
(LaughterŚmiech)
6
20000
2000
(Śmiech)
00:34
In the latepóźno 1980s,
7
22000
2000
Pod koniec lat 80.,
00:36
in a momentza chwilę of youthfulmłodzieńczy indiscretionniedyskrecji,
8
24000
3000
w chwili młodzieńczej nierozwagi,
00:39
I wentposzedł to lawprawo schoolszkoła.
9
27000
2000
poszedłem do szkoły prawniczej.
00:41
(LaughterŚmiech)
10
29000
4000
(Śmiech)
00:45
Now, in AmericaAmeryka lawprawo is a professionalprofesjonalny degreestopień:
11
33000
3000
W USA prawo to zawód.
00:48
you get your universityUniwersytet degreestopień, then you go on to lawprawo schoolszkoła.
12
36000
2000
Po uniwersytecie
idziesz do szkoły prawniczej.
00:50
And when I got to lawprawo schoolszkoła,
13
38000
3000
W szkole prawniczej
00:53
I didn't do very well.
14
41000
2000
nie poszło mi najlepiej
00:55
To put it mildlyłagodnie, I didn't do very well.
15
43000
2000
To delikatnie powiedziane.
00:57
I, in factfakt, graduatedukończył in the partczęść of my lawprawo schoolszkoła classklasa
16
45000
3000
Ukończyłem w tej części rocznika,
01:00
that madezrobiony the topTop 90 percentprocent possiblemożliwy.
17
48000
4000
która umożliwiła zaistnienie
najlepszym 90% absolwentów.
01:04
(LaughterŚmiech)
18
52000
4000
(Śmiech)
01:08
Thank you.
19
56000
3000
Dziękuję.
01:11
I never practicedpraktykowane lawprawo a day in my life;
20
59000
3000
Nie praktykowałem prawa
nawet przez jeden dzień w życiu,
01:14
I prettyładny much wasn'tnie było alloweddozwolony to.
21
62000
2000
w zasadzie mi nie pozwolili.
01:16
(LaughterŚmiech)
22
64000
3000
(Śmiech)
01:19
But todaydzisiaj, againstprzeciwko my better judgmentosąd,
23
67000
3000
Ale dziś, wbrew rozsądkowi,
01:22
againstprzeciwko the adviceRada of my ownwłasny wifeżona,
24
70000
3000
wbrew radzie mojej własnej żony,
01:25
I want to try to dustkurz off some of those legalprawny skillsumiejętności --
25
73000
4000
chciałbym odświeżyć niektóre
z prawniczych umiejętności,
01:29
what's left of those legalprawny skillsumiejętności.
26
77000
2000
to, co z nich zostało.
01:31
I don't want to tell you a storyfabuła.
27
79000
3000
Nie chcę opowiadać wam historii.
01:34
I want to make a casewalizka.
28
82000
2000
Chcę wytoczyć proces.
01:36
I want to make a hard-headedna czele, evidence-basedoparte na dowodach,
29
84000
4000
Solidną, opartą o dowody,
01:40
dareodważyć się I say lawyerlylawyerly casewalizka,
30
88000
3000
śmiem powiedzieć: prawniczą sprawę,
01:43
for rethinkingponowne przemyślenie how we runbiegać our businessesbiznes.
31
91000
4000
dotyczącą przemyślenia sposobu,
w jaki prowadzimy firmy.
01:47
So, ladiesdamski and gentlemenpanowie of the juryjury, take a look at this.
32
95000
4000
Zatem, panie i panowie przysięgli,
przyjrzyjcie się temu.
01:51
This is callednazywa the candleŚwieca problemproblem.
33
99000
2000
To tak zwany problem świecy.
01:53
Some of you mightmoc have seenwidziany this before.
34
101000
2000
Niektórzy może to znają.
01:55
It's createdstworzony in 1945
35
103000
2000
Został stworzony w roku 1945
01:57
by a psychologistpsycholog namedo imieniu KarlKarl DunckerDuncker.
36
105000
2000
przez psychologa Karla Dunckera.
01:59
KarlKarl DunckerDuncker createdstworzony this experimenteksperyment
37
107000
2000
Ten eksperyment jest wykorzystywany
02:01
that is used in a wholecały varietyróżnorodność of experimentseksperymenty in behavioralbehawioralne sciencenauka.
38
109000
3000
w całej gamie
eksperymentów behawioralnych.
02:04
And here'soto jest how it worksPrace. SupposeZałóżmy, że I'm the experimentereksperymentator.
39
112000
3000
Oto jak to działa.
Załóżmy, że jestem eksperymentatorem.
02:07
I bringprzynieść you into a roompokój. I give you a candleŚwieca,
40
115000
4000
Wprowadzam cię do pokoju.
Daję świeczkę,
kilka pinezek i kilka zapałek.
02:11
some thumbtackspinezki and some matchesmecze.
41
119000
2000
02:13
And I say to you, "Your jobpraca
42
121000
2000
I mówię tak:
"Masz przymocować świeczkę do ściany,
02:15
is to attachdołączać the candleŚwieca to the wallŚciana
43
123000
2000
02:17
so the waxwosk doesn't dripkroplówki ontona the tablestół." Now what would you do?
44
125000
4000
ale tak, żeby wosk nie skapywał na stół".
Co zrobisz?
02:21
Now manywiele people beginzaczynać tryingpróbować to thumbtackszpilka the candleŚwieca to the wallŚciana.
45
129000
4000
Wielu próbuje przyczepić
świeczkę pinezkami do ściany.
02:25
Doesn't work.
46
133000
2000
Nie działa.
02:27
SomebodyKtoś, some people -- and I saw somebodyktoś
47
135000
2000
Niektórzy, tak jak tu ktoś pokazywał,
02:29
kinduprzejmy of make the motionruch over here --
48
137000
2000
02:31
some people have a great ideapomysł where they
49
139000
2000
wpadają na świetny pomysł,
żeby zapalić zapałkę
02:33
lightlekki the matchmecz, meltMelt the sidebok of the candleŚwieca, try to adhereprzestrzegać it to the wallŚciana.
50
141000
4000
topią bok świeczki
i próbują przylepić ją do ściany.
02:37
It's an awesomeniesamowite ideapomysł. Doesn't work.
51
145000
3000
To świetny pomysł. Nie działa.
02:40
And eventuallyostatecznie, after fivepięć or 10 minutesminuty,
52
148000
3000
W końcu po 5 lub 10 minutach
02:43
mostwiększość people figurepostać out the solutionrozwiązanie,
53
151000
2000
większość wpada na rozwiązanie,
02:45
whichktóry you can see here.
54
153000
2000
które możecie zobaczyć tu.
02:47
The keyklawisz is to overcomeprzezwyciężać what's callednazywa functionalfunkcjonalny fixednessFiksacja.
55
155000
3000
Kluczem jest pokonanie tak zwanej
fiksacji funkcjonalnej.
02:50
You look at that boxpudełko and you see it only as a receptacleGniazdo for the tacksfastryga.
56
158000
4000
Patrzysz na pudełko
i widzisz tylko pojemnik na pinezki.
02:54
But it can alsorównież have this other functionfunkcjonować,
57
162000
2000
Ale może mieć również inną funkcję,
02:56
as a platformPlatforma for the candleŚwieca. The candleŚwieca problemproblem.
58
164000
4000
jako podstawka pod świeczkę.
Problem świeczki.
03:00
Now I want to tell you about an experimenteksperyment
59
168000
2000
Opowiem o pewnym eksperymencie,
03:02
usingza pomocą the candleŚwieca problemproblem,
60
170000
2000
wykorzystującym problem świeczki,
03:04
doneGotowe by a scientistnaukowiec namedo imieniu SamSam GlucksbergGlucksberg,
61
172000
2000
autorstwa naukowca
o nazwisku Sam Glucksberg,
03:06
who is now at PrincetonPrinceton UniversityUniwersytet in the U.S.
62
174000
2000
obecnie wykładowcy
na Uniwersytecie Princeton w USA
03:08
This showsprzedstawia the powermoc of incentiveszachęt.
63
176000
4000
Pokazuje on siłę zachęty.
03:12
Here'sTutaj jest what he did. He gatheredZebrane his participantsUczestnicy.
64
180000
2000
Oto co zrobił.
Powiedział uczestnikom:
03:14
And he said, "I'm going to time you. How quicklyszybko you can solverozwiązać this problemproblem?"
65
182000
3000
"Będę mierzyć, ile czasu
zajmie wam rozwiązanie problemu".
03:17
To one groupGrupa he said,
66
185000
2000
Jednej grupie powiedział:
03:19
"I'm going to time you to establishustalić normsnormy,
67
187000
3000
Zmierzę wam czas, żeby ustalić normy,
03:22
averagesśrednie for how long it typicallyzwykle takes
68
190000
2000
średni czas potrzebny na rozwiązanie
03:24
someonektoś to solverozwiązać this sortsortować of problemproblem."
69
192000
2000
tego rodzaju problemu.
03:26
To the seconddruga groupGrupa he offeredoferowany rewardsNagrody.
70
194000
3000
Drugiej grupie zaproponował nagrody.
03:29
He said, "If you're in the topTop 25 percentprocent of the fastestnajszybszy timesczasy,
71
197000
4000
Powiedział: "Jeśli będziesz
wśród najszybszych 25%,
03:33
you get fivepięć dollarsdolarów.
72
201000
3000
dostaniesz pięć dolarów.
03:36
If you're the fastestnajszybszy of everyonekażdy we're testingtestowanie here todaydzisiaj,
73
204000
3000
Jeśli będziesz najszybszy z wszystkich,
03:39
you get 20 dollarsdolarów."
74
207000
2000
dostaniesz 20 dolarów".
03:41
Now this is severalkilka yearslat agotemu. AdjustedDostosować for inflationinflacja,
75
209000
3000
To było wiele lat temu,
więc z poprawką na inflację
03:44
it's a decentprzyzwoity sumsuma of moneypieniądze for a fewkilka minutesminuty of work.
76
212000
2000
to przyzwoita suma za kilka minut pracy.
03:46
It's a nicemiły motivatorczynnikiem motywującym.
77
214000
2000
Całkiem miły bodziec.
03:48
QuestionPytanie: How much fasterszybciej
78
216000
3000
Pytanie: o ile szybciej
03:51
did this groupGrupa solverozwiązać the problemproblem?
79
219000
2000
ta grupa rozwiązała problem?
03:53
AnswerOdpowiedź: It tookwziął them, on averageśredni,
80
221000
3000
Odpowiedź: przeciętnie, zabrało im to
03:56
threetrzy and a halfpół minutesminuty longerdłużej.
81
224000
4000
trzy i pół minuty dłużej.
04:00
ThreeTrzy and a halfpół minutesminuty longerdłużej. Now this makesczyni no sensesens right?
82
228000
3000
To bez sensu, prawda?
04:03
I mean, I'm an AmericanAmerykański. I believe in freewolny marketsrynki.
83
231000
3000
Jestem Amerykaninem, wierzę w wolny rynek.
04:06
That's not how it's supposeddomniemany to work. Right?
84
234000
3000
To nie tak powinno działać. Prawda?
04:09
(LaughterŚmiech)
85
237000
1000
(Śmiech)
04:10
If you want people to performwykonać better,
86
238000
2000
Chcecie, żeby ludzie pracowali lepiej,
04:12
you rewardnagroda them. Right?
87
240000
2000
to ich nagradzacie, prawda?
04:14
BonusesBonusy, commissionsprowizje, theirich ownwłasny realityrzeczywistość showpokazać.
88
242000
3000
Premie, prowizje, własne reality show.
04:17
IncentivizeIncentivize them. That's how businessbiznes worksPrace.
89
245000
4000
Motywuj przez nagrody.
Tak działa biznes.
04:21
But that's not happeningwydarzenie here.
90
249000
2000
Ale tu stało się inaczej.
04:23
You've got an incentivezachęta designedzaprojektowany to
91
251000
2000
Nagrodę zaprojektowano tak,
04:25
sharpenWyostrzanie thinkingmyślący and accelerateprzyśpieszyć creativitykreatywność,
92
253000
4000
żeby wyostrzyła myślenie
i przyspieszyła kreatywność,
04:29
and it does just the oppositenaprzeciwko.
93
257000
2000
a ona działa dokładnie na odwrót.
04:31
It dullsparaliżuje thinkingmyślący and blocksBloki creativitykreatywność.
94
259000
3000
Spowalnia myślenie i blokuje kreatywność.
04:34
And what's interestingciekawy about this experimenteksperyment is that it's not an aberrationAberracja.
95
262000
3000
Co interesujące, to nie jest anomalia.
04:37
This has been replicatedreplikowane over and over
96
265000
3000
Ten test powtarzano wiele razy
04:40
and over again, for nearlyprawie 40 yearslat.
97
268000
3000
przez prawie 40 lat.
04:43
These contingentwarunkowe motivatorsorganizatorów --
98
271000
3000
Te standardowe bodźce,
04:46
if you do this, then you get that --
99
274000
2000
"jak zrobisz to, otrzymasz tamto",
04:48
work in some circumstancesokoliczności.
100
276000
2000
działają w pewnych warunkach.
04:50
But for a lot of taskszadania, they actuallytak właściwie eitherzarówno don't work
101
278000
3000
Ale przy wielu zadaniach nie pomagają,
04:53
or, oftenczęsto, they do harmszkoda.
102
281000
3000
a często wręcz szkodzą.
04:56
This is one of the mostwiększość robustkrzepki findingsustalenia
103
284000
4000
To jedno z najbardziej solidnych odkryć
05:00
in socialspołeczny sciencenauka,
104
288000
3000
w naukach społecznych
05:03
and alsorównież one of the mostwiększość ignoredignorowane.
105
291000
2000
i jedno z najbardziej ignorowanych.
05:05
I spentwydany the last couplepara of yearslat looking at the sciencenauka of
106
293000
2000
Spędziłem ostatnie kilka lat,
05:07
humanczłowiek motivationmotywacja,
107
295000
2000
śledząc naukę o ludzkiej motywacji,
05:09
particularlyszczególnie the dynamicsdynamika of extrinsiczewnętrzne motivatorsorganizatorów
108
297000
2000
a zwłaszcza o działaniu
bodźców zewnętrznych i wewnętrznych.
05:11
and intrinsicwewnętrzne motivatorsorganizatorów.
109
299000
2000
05:13
And I'm tellingwymowny you, it's not even closeblisko.
110
301000
2000
Mówię wam, to ogromna różnica.
05:15
If you look at the sciencenauka, there is a mismatchniezgodność
111
303000
2000
Z punktu widzenia nauki widać rozbieżność
05:17
betweenpomiędzy what sciencenauka knowswie and what businessbiznes does.
112
305000
4000
między tym co wie nauka,
a tym, co robi biznes.
05:21
And what's alarmingniepokojące here is that our businessbiznes operatingoperacyjny systemsystem --
113
309000
3000
Co alarmujące, system operacyjny biznesu
05:24
think of the setzestaw of assumptionszałożenia and protocolsprotokoły beneathpod our businessesbiznes,
114
312000
3000
czyli zestaw założeń i protokołów
u podstaw biznesu,
05:27
how we motivatemotywować people, how we applyzastosować our humanczłowiek resourceszasoby --
115
315000
5000
sposób motywowania i wykorzystania kadr,
05:32
it's builtwybudowany entirelycałkowicie around these extrinsiczewnętrzne motivatorsorganizatorów,
116
320000
3000
w całości opiera się o zewnętrzne bodźce,
05:35
around carrotsmarchew and stickskije.
117
323000
2000
o kije i marchewki.
05:37
That's actuallytak właściwie fine for manywiele kindsrodzaje of 20thth centurystulecie taskszadania.
118
325000
4000
To właściwe podejście dla wielu
rodzajów zadań z XX wieku.
05:41
But for 21stul centurystulecie taskszadania,
119
329000
2000
Ale dla zadań z XXI wieku
05:43
that mechanisticmechanistyczne, reward-and-punishmentNagroda i kara approachpodejście
120
331000
4000
mechanistyczne, oparte o system
nagród i kar podejście
05:47
doesn't work, oftenczęsto doesn't work, and oftenczęsto does harmszkoda.
121
335000
4000
często nie działa, a często szkodzi.
05:51
Let me showpokazać you what I mean.
122
339000
2000
Pokażę, o co mi chodzi.
05:53
So GlucksbergGlucksberg did anotherinne experimenteksperyment similarpodobny to this
123
341000
3000
Glucksberg zrobił inny,
podobny eksperyment,
w którym pokazał problem
w nieco inny sposób,
05:56
where he presentedprzedstawione the problemproblem in a slightlynieco differentróżne way,
124
344000
2000
05:58
like this up here. Okay?
125
346000
3000
tak jak tutaj.
[Problem świecy]
06:01
AttachZałączyć the candleŚwieca to the wallŚciana so the waxwosk doesn't dripkroplówki ontona the tablestół.
126
349000
2000
Przymocuj świecę do ściany,
żeby wosk nie kapał na stół.
06:03
SameTym samym dealsprawa. You: we're timingwyczucie czasu for normsnormy.
127
351000
3000
Wam mierzymy czas dla normy,
06:06
You: we're incentivizingEIT jako bodziec dla.
128
354000
3000
was motywujemy przez nagrody.
06:09
What happenedstało się this time?
129
357000
2000
Co zdarzyło się tym razem?
06:11
This time, the incentivizedincentivized groupGrupa
130
359000
2000
Tym razem, grupa nagradzana
06:13
kickedkopnięty the other group'sgrupy buttTyłek.
131
361000
4000
dokopała tej drugiej.
06:17
Why? Because when the tacksfastryga are out of the boxpudełko,
132
365000
4000
Dlaczego? Bo kiedy pinezki
są poza pudełkiem,
06:21
it's prettyładny easyłatwo isn't it?
133
369000
4000
robi się łatwo, prawda?
[Problem świecy dla opornych]
06:25
(LaughterŚmiech)
134
373000
2000
(Śmiech)
06:27
If-thenJeżeli to rewardsNagrody work really well
135
375000
3000
Nagrody warunkowe działają bardzo dobrze
06:30
for those sortssortuje of taskszadania,
136
378000
3000
dla tych zadań, gdzie zasady są proste,
06:33
where there is a simpleprosty setzestaw of ruleszasady and a clearjasny destinationprzeznaczenie
137
381000
2000
a cel jest jasno wyznaczony.
06:35
to go to.
138
383000
2000
06:37
RewardsNagrody, by theirich very natureNatura,
139
385000
2000
Nagrody, ze swojej natury,
06:39
narrowwąska our focusskupiać, concentratekoncentrować the mindumysł;
140
387000
2000
zawężają uwagę, koncentrują umysł.
06:41
that's why they work in so manywiele casesprzypadki.
141
389000
2000
Dlatego działają w tak wielu przypadkach.
06:43
And so, for taskszadania like this,
142
391000
2000
Dlatego dla zadań typu:
06:45
a narrowwąska focusskupiać, where you just see the goalcel right there,
143
393000
3000
"zawężona uwaga, wyznaczony cel,
06:48
zoomPowiększenie straightproste aheadprzed siebie to it,
144
396000
2000
prosta droga"
06:50
they work really well.
145
398000
2000
działają bardzo dobrze.
06:52
But for the realreal candleŚwieca problemproblem,
146
400000
2000
Ale dla prawdziwego "problemu świeczki",
06:54
you don't want to be looking like this.
147
402000
2000
nie chcesz, by to tak wyglądało.
06:56
The solutionrozwiązanie is not over here. The solutionrozwiązanie is on the peripheryna obrzeżach.
148
404000
2000
Rozwiązanie nie jest tutaj.
Rozwiązanie jest na pograniczu.
06:58
You want to be looking around.
149
406000
2000
Trzeba się rozglądać.
07:00
That rewardnagroda actuallytak właściwie narrowszwęża our focusskupiać
150
408000
2000
Nagroda zawęża naszą uwagę
07:02
and restrictsogranicza our possibilitymożliwość.
151
410000
2000
i ogranicza nasze możliwości.
07:04
Let me tell you why this is so importantważny.
152
412000
3000
Wyjaśnię, dlaczego to jest ważne.
07:07
In westernwestern EuropeEuropy,
153
415000
2000
W Zachodniej Europie,
07:09
in manywiele partsCzęści of AsiaAsia,
154
417000
2000
w wielu częściach Azji,
07:11
in NorthPółnoc AmericaAmeryka, in AustraliaAustralia,
155
419000
3000
w Ameryce Północnej, w Australii,
07:14
white-collarumysłowych workerspracownicy are doing lessmniej of
156
422000
2000
pracownicy umysłowi
wykonują coraz mniej takich zadań,
07:16
this kinduprzejmy of work,
157
424000
2000
07:18
and more of this kinduprzejmy of work.
158
426000
4000
a coraz więcej takich.
07:22
That routinerutyna, rule-basedoparte na regułach, left-brainuregulowaną work --
159
430000
3000
Rutynową, uregulowaną pracę,
wykorzystującą lewą półkulę,
07:25
certainpewny kindsrodzaje of accountingrachunkowości, certainpewny kindsrodzaje of financialbudżetowy analysisanaliza,
160
433000
2000
niektóre rodzaje księgowości,
analizy finansowej
07:27
certainpewny kindsrodzaje of computerkomputer programmingprogramowanie --
161
435000
2000
lub programowania,
07:29
has becomestają się fairlydość easyłatwo to outsourceoutsourcingu,
162
437000
2000
łatwo zlecić podwykonawcom,
07:31
fairlydość easyłatwo to automateAutomatyzacja.
163
439000
2000
łatwo zautomatyzować.
07:33
SoftwareOprogramowanie can do it fasterszybciej.
164
441000
3000
Program komputerowy zrobi to szybciej.
07:36
Low-costNiski kosztować providersdostawcy around the worldświat can do it cheapertaniej.
165
444000
2000
Zagraniczni podwykonawcy
mogą to zrobić taniej.
07:38
So what really matterssprawy are the more right-brainedIdea
166
446000
4000
Naprawdę liczą się zadania
wykorzystujące prawą półkulę mózgu,
07:42
creativetwórczy, conceptualkonceptualistyczny kindsrodzaje of abilitiesumiejętności.
167
450000
3000
twórcze, koncepcyjne rodzaje zdolności.
07:45
Think about your ownwłasny work.
168
453000
3000
Pomyśl o swojej własnej pracy
07:48
Think about your ownwłasny work.
169
456000
3000
07:51
Are the problemsproblemy that you facetwarz, or even the problemsproblemy
170
459000
2000
Czy problemy z jakimi się stykasz,
07:53
we'vemamy been talkingmówić about here,
171
461000
2000
a nawet problemy, o których mówimy tutaj,
07:55
are those kindsrodzaje of problemsproblemy -- do they have a clearjasny setzestaw of ruleszasady,
172
463000
2000
mają jasne zasady i jedno rozwiązanie?
07:57
and a singlepojedynczy solutionrozwiązanie? No.
173
465000
3000
Nie.
08:00
The ruleszasady are mystifyingtajemnicze.
174
468000
2000
Reguły są mylące.
08:02
The solutionrozwiązanie, if it existsistnieje at all,
175
470000
2000
Rozwiązanie, jeśli w ogóle istnieje,
08:04
is surprisingzaskakujący and not obviousoczywisty.
176
472000
3000
jest zaskakujące i nieoczywiste.
08:07
EverybodyKażdy in this roompokój
177
475000
2000
Każdy na tej sali
08:09
is dealingpostępowanie with theirich ownwłasny versionwersja
178
477000
3000
zajmuje się swoją własną wersją
08:12
of the candleŚwieca problemproblem.
179
480000
2000
problemu świeczki.
08:14
And for candleŚwieca problemsproblemy of any kinduprzejmy,
180
482000
3000
A dla problemów świeczki
08:17
in any fieldpole,
181
485000
2000
w dowolnej dziedzinie
08:19
those if-thenJeżeli to rewardsNagrody,
182
487000
3000
te warunkowe nagrody,
08:22
the things around whichktóry we'vemamy builtwybudowany so manywiele of our businessesbiznes,
183
490000
4000
wokół których zbudowaliśmy
tak wiele firm,
08:26
don't work.
184
494000
2000
nie działają!
08:28
Now, I mean it makesczyni me crazyzwariowany.
185
496000
2000
Dostaję od tego szału.
08:30
And this is not -- here'soto jest the thing.
186
498000
2000
Oto w czym rzecz.
08:32
This is not a feelinguczucie.
187
500000
3000
To nie jest uczucie
08:35
Okay? I'm a lawyerprawnik; I don't believe in feelingsuczucia.
188
503000
3000
Jestem prawnikiem, nie wierzę w uczucia
08:38
This is not a philosophyfilozofia.
189
506000
4000
To nie jest filozofia.
08:42
I'm an AmericanAmerykański; I don't believe in philosophyfilozofia.
190
510000
2000
Jestem Amerykaninem,
nie wierzę w filozofię.
08:44
(LaughterŚmiech)
191
512000
3000
(Śmiech)
08:47
This is a factfakt --
192
515000
3000
To jest fakt.
08:50
or, as we say in my hometownmiasto rodzinne of WashingtonWaszyngton, D.C.,
193
518000
2000
Jak mawiamy w moim rodzinnym Waszyngtonie:
08:52
a trueprawdziwe factfakt.
194
520000
2000
prawdziwy fakt.
08:54
(LaughterŚmiech)
195
522000
2000
(Śmiech)
08:56
(ApplauseAplauz)
196
524000
4000
(Oklaski)
09:00
Let me give you an exampleprzykład of what I mean.
197
528000
2000
Podam przykład.
09:02
Let me marshalMarszałek the evidencedowód here,
198
530000
2000
Przedstawię materiał dowodowy,
bo nie opowiadam historii,
tylko przedstawiam sprawę,
09:04
because I'm not tellingwymowny you a storyfabuła, I'm makingzrobienie a casewalizka.
199
532000
2000
09:06
LadiesPanie and gentlemenpanowie of the juryjury, some evidencedowód:
200
534000
2000
panie i panowie przysięgli.
Oto dowody:
09:08
DanDan ArielyAriely, one of the great economistsekonomiści of our time,
201
536000
3000
Dan Ariely, jeden z wielkich
ekonomistów naszych czasów,
09:11
he and threetrzy colleagueskoledzy, did a studybadanie of some MITMIT studentsstudenci.
202
539000
4000
zbadał z trzema kolegami
grupę studentów MIT.
09:15
They gavedał these MITMIT studentsstudenci a bunchwiązka of gamesGry,
203
543000
3000
Dali studentom zestaw gier,
09:18
gamesGry that involvedzaangażowany creativitykreatywność,
204
546000
2000
które wymagały kreatywności,
09:20
and motorsilnik skillsumiejętności, and concentrationstężenie.
205
548000
2000
umiejętności motorycznych i koncentracji.
09:22
And the offeredoferowany them, for performancewydajność,
206
550000
2000
Zaoferowali im za dobre wyniki
09:24
threetrzy levelspoziomy of rewardsNagrody:
207
552000
2000
trzy poziomy nagród:
09:26
smallmały rewardnagroda, mediumśredni rewardnagroda, largeduży rewardnagroda.
208
554000
5000
małe, średnie i duże.
09:31
Okay? If you do really well you get the largeduży rewardnagroda, on down.
209
559000
4000
Duży sukces, duża nagroda i tak dalej.
09:35
What happenedstało się? As long as the taskzadanie involvedzaangażowany only mechanicalmechaniczny skillumiejętność
210
563000
4000
Co się stało?
Dla zadań wymagających
zdolności czysto mechanicznych
09:39
bonusesbonusy workedpracował as they would be expectedspodziewany:
211
567000
2000
nagrody działały zgodnie z oczekiwaniem:
09:41
the higherwyższy the payzapłacić, the better the performancewydajność.
212
569000
4000
im większa premia, tym lepsza efektywność.
09:45
Okay? But one the taskzadanie callednazywa for
213
573000
2000
Ale kiedy zadanie wymagało
09:47
even rudimentaryelementarne cognitivepoznawczy skillumiejętność,
214
575000
4000
choćby szczątkowych
umiejętności poznawczych,
09:51
a largerwiększy rewardnagroda led to poorerbiedniejszych performancewydajność.
215
579000
5000
większa nagroda prowadziła
do gorszych wyników.
09:56
Then they said,
216
584000
2000
Powiedzieli: "Zobaczmy,
czy są tu jakieś zależności kulturowe.
09:58
"Okay let's see if there's any culturalkulturalny biasstronniczość here.
217
586000
2000
10:00
LetsPozwala go to MaduraiMadurai, IndiaIndie and testtest this."
218
588000
2000
Zbadajmy to w Madurai w Indiach".
10:02
StandardStandardowe of livingżycie is lowerniższy.
219
590000
2000
Poziom życia jest niższy.
10:04
In MaduraiMadurai, a rewardnagroda that is modestskromny in NorthPółnoc AmericanAmerykański standardsstandardy,
220
592000
3000
Skromna jak na USA nagroda
10:07
is more meaningfulznaczący there.
221
595000
3000
w Madurai więcej znaczy.
10:10
SameTym samym dealsprawa. A bunchwiązka of gamesGry, threetrzy levelspoziomy of rewardsNagrody.
222
598000
3000
Ten sam test.
Kilka zadań, 3 poziomy nagród
10:13
What happensdzieje się?
223
601000
2000
Co się dzieje?
10:15
People offeredoferowany the mediumśredni levelpoziom of rewardsNagrody
224
603000
3000
Ludzie, którym zaoferowano
średni poziom nagród
10:18
did no better than people offeredoferowany the smallmały rewardsNagrody.
225
606000
3000
nie prześcignęli tych,
którym oferowano małe nagrody.
10:21
But this time, people offeredoferowany the highestnajwyższy rewardsNagrody,
226
609000
4000
Ale tym razem badani,
którym zaoferowano najwyższe nagrody,
10:25
they did the worstnajgorszy of all.
227
613000
4000
wypadli najgorzej z wszystkich.
10:29
In eightosiem of the ninedziewięć taskszadania we examinedbadany acrossprzez threetrzy experimentseksperymenty,
228
617000
3000
W 8 na 9 zadań w 3 eksperymentach
10:32
higherwyższy incentiveszachęt led to worsegorzej performancewydajność.
229
620000
5000
wyższe nagrody prowadziły
do mniejszej efektywności.
10:37
Is this some kinduprzejmy of touchy-feelymiłe w dotyku
230
625000
3000
Czy mamy tu do czynienia z jakąś
emocjonalną, socjalistyczną zmową?
10:40
socialistSocjalistycznej conspiracyspisek going on here?
231
628000
3000
10:43
No. These are economistsekonomiści from MITMIT,
232
631000
3000
Nie, To ekonomiści z MIT,
10:46
from CarnegieCarnegie MellonMellon, from the UniversityUniwersytet of ChicagoChicago.
233
634000
3000
z Canergie Mellon,
z Uniwersytetu w Chicago.
10:49
And do you know who sponsoredsponsorowane this researchBadania?
234
637000
2000
I wiecie kto sponsorował te badania?
10:51
The FederalFederalnej ReserveRezerwy BankBank of the UnitedStany Zjednoczone StatesPaństwa.
235
639000
4000
Bank Rezerwy Federalnej USA.
10:55
That's the AmericanAmerykański experiencedoświadczenie.
236
643000
2000
Oto amerykańskie doświadczenie.
10:57
Let's go acrossprzez the pondstaw to the LondonLondyn SchoolSzkoła of EconomicsEkonomia --
237
645000
3000
przenieśmy się za morze,
do London School of Economics, LSE,
11:00
LSELSE, LondonLondyn SchoolSzkoła of EconomicsEkonomia,
238
648000
3000
11:03
almaAlma materMater of 11 NobelLaureat Nagrody Nobla LaureatesLaureaci in economicsEkonomia.
239
651000
3000
Alma Mater 11 laureatów
nagrody Nobla z ekonomii
11:06
TrainingSzkolenia groundziemia for great economicgospodarczy thinkersmyśliciele
240
654000
3000
Miejsce szkolenia
wielkich myślicieli ekonomii,
11:09
like GeorgeGeorge SorosSoros, and FriedrichFriedrich HayekHayek,
241
657000
3000
jak George Soros i Friedrich Hayek.
11:12
and MickMick JaggerJagger. (LaughterŚmiech)
242
660000
2000
I Mick Jagger. (Śmiech)
11:14
Last monthmiesiąc, just last monthmiesiąc,
243
662000
4000
Właśnie w zeszłym miesiącu
11:18
economistsekonomiści at LSELSE lookedspojrzał at 51 studiesstudia
244
666000
3000
ekonomiści z LSE przejrzeli 51 badań
11:21
of pay-for-performancewynagrodzenie za wyniki plansplany, insidewewnątrz of companiesfirmy.
245
669000
3000
programów premiujących
wydajność w firmach.
11:24
Here'sTutaj jest what the economistsekonomiści there said: "We find that financialbudżetowy incentiveszachęt
246
672000
3000
Oto co powiedzieli:
"Bonusy finansowe mogą mieć
zły wpływ na ogólną wydajność."
11:27
can resultwynik in a negativenegatywny impactwpływ on overallogólnie performancewydajność."
247
675000
6000
11:33
There is a mismatchniezgodność betweenpomiędzy what sciencenauka knowswie
248
681000
3000
Jest rozdźwięk między tym, co wie nauka,
11:36
and what businessbiznes does.
249
684000
2000
a tym, co robi biznes.
11:38
And what worriessumowanie me, as we standstoisko here in the rubblegruz
250
686000
3000
Gdy tak stoimy na ruinach
11:41
of the economicgospodarczy collapsezawalić się,
251
689000
2000
upadłej gospodarki,
11:43
is that too manywiele organizationsorganizacje
252
691000
2000
martwi mnie, że zbyt wiele organizacji
11:45
are makingzrobienie theirich decisionsdecyzje,
253
693000
2000
podejmuje decyzje,
11:47
theirich policieszasady about talenttalent and people,
254
695000
2000
kształtuje podejście do talentów i ludzi,
11:49
basedna podstawie on assumptionszałożenia that are outdatednieaktualne, unexaminedniekwestionowane,
255
697000
6000
w oparciu o założenia
przestarzałe, niesprawdzone
11:55
and rootedukorzeniony more in folkloreFolklor than in sciencenauka.
256
703000
3000
i zakorzenione bardziej
w folklorze niż w nauce.
11:58
And if we really want to get out of this economicgospodarczy messbałagan,
257
706000
3000
Żeby wyjść z ekonomicznego bałaganu
12:01
and if we really want highwysoki performancewydajność on those
258
709000
2000
i osiągnąć wysoką skuteczność
12:03
definitionaldefinicyjnych taskszadania of the 21stul centurystulecie,
259
711000
2000
w tych kluczowych zadaniach XXI wieku,
12:05
the solutionrozwiązanie is not to do more of the wrongźle things,
260
713000
6000
trzeba przestać powtarzać błędy,
12:11
to enticezachęcić people with a sweetersłodszy carrotmarchewka,
261
719000
3000
przestać kusić słodszą marchewką
12:14
or threatenzagrażają them with a sharperostrzejsze stickkij.
262
722000
2000
albo grozić większym patykiem.
12:16
We need a wholecały newNowy approachpodejście.
263
724000
2000
Potrzebujemy całkowicie nowego podejścia.
12:18
And the good newsAktualności about all of this is that the scientistsnaukowcy
264
726000
2000
Na szczęście naukowcy badający motywację
12:20
who'vekto been studyingstudiować motivationmotywacja have givendany us this newNowy approachpodejście.
265
728000
3000
dali nam to nowe podejście,
12:23
It's an approachpodejście builtwybudowany much more around intrinsicwewnętrzne motivationmotywacja.
266
731000
3000
zbudowane głównie
na wewnętrznej motywacji,
12:26
Around the desirepragnienie to do things because they mattermateria,
267
734000
2000
na chęci robienia czegoś,
bo jest istotne,
12:28
because we like it, because they're interestingciekawy,
268
736000
2000
bo nas cieszy, bo nas interesuje,
12:30
because they are partczęść of something importantważny.
269
738000
2000
bo jest częścią czegoś ważnego.
12:32
And to my mindumysł, that newNowy operatingoperacyjny systemsystem for our businessesbiznes
270
740000
4000
Moim zdaniem ten system działania
12:36
revolvesobraca się around threetrzy elementselementy:
271
744000
2000
obraca się wokół trzech składników:
12:38
autonomyautonomii, masterymistrzostwo and purposecel, powód.
272
746000
3000
autonomii, mistrzostwa i celu.
12:41
AutonomyAutonomii: the urgepopęd to directbezpośredni our ownwłasny liveszyje.
273
749000
3000
Autonomia: pragnienie,
by kierować własnym życiem.
12:44
MasteryMistrzostwo: the desirepragnienie to get better and better at something that matterssprawy.
274
752000
4000
Mistrzostwo: pragnienie doskonalenia
w czymś, co ma znaczenie.
12:48
PurposeCelem: the yearningtęsknota to do what we do
275
756000
3000
Celu: tęsknota do działania
12:51
in the serviceusługa of something largerwiększy than ourselvesmy sami.
276
759000
3000
w służbie czegoś większego niż my sami.
12:54
These are the buildingbudynek blocksBloki of an entirelycałkowicie newNowy operatingoperacyjny systemsystem
277
762000
3000
To są fundamenty całkowicie nowego systemu
12:57
for our businessesbiznes.
278
765000
2000
działalności gospodarczej.
12:59
I want to talk todaydzisiaj only about autonomyautonomii.
279
767000
4000
Chcę dziś mówić tylko o autonomii.
13:03
In the 20thth centurystulecie, we cameoprawa ołowiana witrażu up with this ideapomysł of managementzarządzanie.
280
771000
3000
W XX wieku wymyśliliśmy zarządzanie.
13:06
ManagementZarządzanie did not emanateemanować from natureNatura.
281
774000
2000
Zarządzanie nie wyłoniło się z natury
13:08
ManagementZarządzanie is like -- it's not a treedrzewo,
282
776000
2000
Zarządzanie nie jest jak drzewo,
13:10
it's a televisiontelewizja setzestaw.
283
778000
2000
jest jak odbiornik telewizyjny.
13:12
Okay? SomebodyKtoś inventedzmyślony it.
284
780000
2000
Ktoś je wynalazł.
13:14
And it doesn't mean it's going to work foreverna zawsze.
285
782000
2000
Nie będzie działało wiecznie.
13:16
ManagementZarządzanie is great.
286
784000
2000
Zarządzanie jest świetne.
13:18
TraditionalTradycyjne notionsgalanteria of managementzarządzanie are great
287
786000
2000
Tradycyjne reguły zarządzania działają,
13:20
if you want compliancezgodności.
288
788000
2000
jeśli potrzebujesz podporządkowania.
13:22
But if you want engagementzaręczynowy, self-directionsamodzielności worksPrace better.
289
790000
3000
Ale jeśli chcesz zaangażowania,
samodzielność działa lepiej.
13:25
Let me give you some examplesprzykłady of some kinduprzejmy of radicalrodnik
290
793000
2000
Kilka przykładów
radykalnych pojęć samodzielności.
13:27
notionsgalanteria of self-directionsamodzielności.
291
795000
2000
13:29
What this meansznaczy -- you don't see a lot of it,
292
797000
3000
To jeszcze rzadkość,
13:32
but you see the first stirringsStirrings of something really interestingciekawy going on,
293
800000
3000
ale widać pierwsze objawy
czegoś bardzo interesującego,
13:35
because what it meansznaczy is payingintratny people adequatelyodpowiednio
294
803000
2000
Mowa o adekwatnej i uczciwej płacy,
13:37
and fairlydość, absolutelyabsolutnie --
295
805000
2000
co usuwa problem pieniędzy,
13:39
gettinguzyskiwanie the issuekwestia of moneypieniądze off the tablestół,
296
807000
2000
13:41
and then givingdający people lots of autonomyautonomii.
297
809000
2000
i danie ludziom mnóstwa autonomii.
13:43
Let me give you some examplesprzykłady.
298
811000
2000
Kilka przykładów.
13:45
How manywiele of you have heardsłyszał of the companyfirma AtlassianAtlassian?
299
813000
4000
Ilu z was słyszało o firmie Atlassian?
13:49
It lookswygląda like lessmniej than halfpół.
300
817000
2000
Chyba mniej niż połowa.
13:51
(LaughterŚmiech)
301
819000
2000
(Śmiech)
13:53
AtlassianAtlassian is an AustralianAustralijski softwareoprogramowanie companyfirma.
302
821000
4000
Atlassian to australijska
firma software'owa.
13:57
And they do something incrediblyniewiarygodnie coolchłodny.
303
825000
2000
Robią coś odlotowego.
13:59
A fewkilka timesczasy a yearrok they tell theirich engineersinżynierowie,
304
827000
2000
Kilka razy do roku mówią inżynierom:
14:01
"Go for the nextNastępny 24 hoursgodziny and work on anything you want,
305
829000
4000
"Masz 24 godziny, pracuj nad czym chcesz,
byle nie nad tym, co w pracy.
14:05
as long as it's not partczęść of your regularregularny jobpraca.
306
833000
2000
14:07
Work on anything you want."
307
835000
2000
Cokolwiek innego".
14:09
So that engineersinżynierowie use this time to come up with
308
837000
2000
Inżynierowie wykorzystują
ten czas na wymyślenie
14:11
a coolchłodny patchłata for codekod, come up with an elegantelegancki hackwłamać się.
309
839000
3000
fajnej łatki do kodu, eleganckiego skrótu.
14:14
Then they presentteraźniejszość all of the stuffrzeczy that they'veoni developedrozwinięty
310
842000
3000
Przedstawiają to, co zrobili
14:17
to theirich teammatesdrużyny, to the restodpoczynek of the companyfirma,
311
845000
3000
kolegom z zespołu, reszcie firmy,
14:20
in this wilddziki and woolyWooly all-handsAll ręce meetingspotkanie
312
848000
2000
podczas zakręconych spotkań
pod koniec dnia.
14:22
at the endkoniec of the day.
313
850000
2000
14:24
And then, beingistota AustraliansAustralijczycy, everybodywszyscy has a beerpiwo.
314
852000
2000
I, jak to Australijczycy,
strzelają po piwku.
14:26
They call them FedExFedEx DaysDni.
315
854000
3000
Nazywają to Dniami FedEx,
14:29
Why? Because you have to deliverdostarczyć something overnightnocny.
316
857000
6000
bo musisz dostarczyć coś w jeden dzień.
14:35
It's prettyładny. It's not badzły. It's a hugeolbrzymi trademarkznak towarowy violationnaruszenie,
317
863000
2000
Fajna rzecz.
Wielkie naruszenie
znaku towarowego, ale zmyślne.
14:37
but it's prettyładny cleversprytny.
318
865000
2000
14:39
(LaughterŚmiech)
319
867000
1000
(Śmiech)
14:40
That one day of intenseintensywny autonomyautonomii
320
868000
2000
Jeden dzień intensywnej autonomii
14:42
has producedwytworzony a wholecały arrayszyk of softwareoprogramowanie fixespoprawki
321
870000
2000
obrodził mnóstwem poprawek do programów,
14:44
that mightmoc never have existedistniały.
322
872000
2000
które mogły nigdy nie powstać.
14:46
And it's workedpracował so well that AtlassianAtlassian has takenwzięty it to the nextNastępny levelpoziom
323
874000
2000
Sprawdziło się tak dobrze,
że Atlassian poszli o krok dalej
14:48
with 20 PercentProcent Time --
324
876000
2000
z 20% czasu.
14:50
doneGotowe, famouslyznakomicie, at GoogleGoogle --
325
878000
2000
Robi to też Google,
14:52
where engineersinżynierowie can work, spendwydać 20 percentprocent of theirich time
326
880000
2000
gdzie programiści mogą spędzić 20% czasu
14:54
workingpracujący on anything they want.
327
882000
2000
na pracy nad czym tylko chcą.
14:56
They have autonomyautonomii over theirich time,
328
884000
2000
Mogą decydować o swoim czasie,
14:58
theirich taskzadanie, theirich teamzespół, theirich techniquetechnika.
329
886000
2000
zadaniach, zespole, technice.
15:00
Okay? RadicalRadykalne amountskwoty of autonomyautonomii.
330
888000
2000
Radykalnie dużo autonomii.
15:02
And at GoogleGoogle, as manywiele of you know,
331
890000
4000
Jak wielu z was wie,
15:06
about halfpół of the newNowy productsprodukty in a typicaltypowy yearrok
332
894000
2000
co roku połowa nowych produktów Google
15:08
are birthedrodził się duringpodczas that 20 PercentProcent Time:
333
896000
3000
pochodzi z tych 20% czasu:
15:11
things like GmailGmail, OrkutOrkut, GoogleGoogle NewsAktualności.
334
899000
3000
Gmail, Orkut, Google News.
15:14
Let me give you an even more radicalrodnik exampleprzykład of it:
335
902000
3000
Oto jeszcze bardziej radykalny przykład:
15:17
something callednazywa the ResultsWyniki Only Work EnvironmentŚrodowisko,
336
905000
2000
Środowisko pracy zorientowane na rezultat
15:19
the ROWEROWE,
337
907000
2000
po angielsku ROWE,
15:21
createdstworzony by two AmericanAmerykański consultantskonsultanci, in placemiejsce
338
909000
2000
stworzone przez dwóch konsultantów z USA,
15:23
in placemiejsce at about a dozentuzin companiesfirmy around NorthPółnoc AmericaAmeryka.
339
911000
2000
wdrożone w 12 firmach w Ameryce Północnej.
15:25
In a ROWEROWE people don't have schedulesharmonogramy.
340
913000
4000
Personel nie ma harmonogramów pracy.
15:29
They showpokazać up when they want.
341
917000
2000
Przychodzą, kiedy chcą.
15:31
They don't have to be in the officegabinet at a certainpewny time,
342
919000
2000
Nie muszą przyjść o określonej godzinie,
15:33
or any time.
343
921000
2000
a nawet wcale.
15:35
They just have to get theirich work doneGotowe.
344
923000
2000
Mają wykonać pracę.
15:37
How they do it, when they do it,
345
925000
2000
Jak, kiedy i gdzie to robią,
15:39
where they do it, is totallycałkowicie up to them.
346
927000
3000
zależy tylko od nich.
15:42
MeetingsSpotkania in these kindsrodzaje of environmentsśrodowiska are optionalopcjonalne.
347
930000
4000
Narady są opcjonalne.
15:46
What happensdzieje się?
348
934000
2000
Co się dzieje?
15:48
AlmostPrawie acrossprzez the boardtablica, productivitywydajność goesidzie up,
349
936000
3000
Prawie wszędzie wydajność rośnie,
15:51
workerpracownik engagementzaręczynowy goesidzie up,
350
939000
3000
zaangażowanie rośnie,
15:54
workerpracownik satisfactionzadowolenie goesidzie up, turnoverobroty goesidzie down.
351
942000
3000
satysfakcja rośnie, fluktuacja kadr spada.
15:57
AutonomyAutonomii, masterymistrzostwo and purposecel, powód,
352
945000
2000
Autonomia, mistrzostwo, cel.
15:59
These are the buildingbudynek blocksBloki of a newNowy way of doing things.
353
947000
2000
To kamienie węgielne
nowego sposobu działania.
16:01
Now some of you mightmoc look at this and say,
354
949000
3000
Ktoś może stwierdzić, że to utopia.
16:04
"HmmHmm, that soundsDźwięki nicemiły, but it's UtopianUtopijny."
355
952000
3000
Odpowiadam, że mam dowody.
16:07
And I say, "NopeNope. I have proofdowód."
356
955000
5000
16:12
The mid-Środek-1990s, MicrosoftMicrosoft startedRozpoczęty
357
960000
2000
Połowa lat 90., Microsoft rozpoczyna
16:14
an encyclopediaencyklopedia callednazywa EncartaEncarta.
358
962000
2000
tworzenie encyklopedii o nazwie Encarta.
16:16
They had deployedwdrożone all the right incentiveszachęt,
359
964000
2000
Wprowadzili odpowiednie bodźce,
16:18
all the right incentiveszachęt. They paidpłatny professionalsprofesjonaliści to
360
966000
3000
opłacili zawodowców,
16:21
writepisać and editedytować thousandstysiące of articlesartykuły.
361
969000
2000
by napisali i poddali edycji
tysiące artykułów.
16:23
Well-compensatedDobrze opłacany managersmenedżerowie oversawnadzorował the wholecały thing
362
971000
2000
Dobrze wynagradzani menedżerowie
nadzorowali projekt,
16:25
to make sure it cameoprawa ołowiana witrażu in on budgetbudżet and on time.
363
973000
5000
żeby powstał o czasie i w ramach budżetu.
16:30
A fewkilka yearslat laterpóźniej anotherinne encyclopediaencyklopedia got startedRozpoczęty.
364
978000
2000
Kilka lat później rozpoczęto
tworzenie innej encyklopedii.
16:32
DifferentRóżne modelModel, right?
365
980000
3000
Inny model.
16:35
Do it for funzabawa. No one getsdostaje paidpłatny a centcent, or a EuroEuro or a YenJen.
366
983000
4000
Piszcie dla zabawy.
Nikt nie dostanie ani centa,
ani euro, ani jena.
16:39
Do it because you like to do it.
367
987000
3000
Zróbcie to, bo lubicie.
16:42
Now if you had, just 10 yearslat agotemu,
368
990000
3000
Ledwie 10 lat temu,
16:45
if you had goneodszedł to an economistekonomista, anywheregdziekolwiek,
369
993000
2000
gdybyście zapytali dowolnego ekonomistę,
16:47
and said, "Hey, I've got these two differentróżne modelsmodele for creatingtworzenie an encyclopediaencyklopedia.
370
995000
4000
który z tych dwóch modeli wygra,
16:51
If they wentposzedł headgłowa to headgłowa, who would winzdobyć?"
371
999000
3000
16:54
10 yearslat agotemu you could not have founduznany a singlepojedynczy sobertrzeźwy economistekonomista anywheregdziekolwiek
372
1002000
4000
ani jeden trzeźwy ekonomista na Ziemi
16:58
on planetplaneta EarthZiemia
373
1006000
2000
17:00
who would have predictedprzewidywane the WikipediaWikipedia modelModel.
374
1008000
2000
nie przewidziałby Wikipedii.
17:02
This is the titanictytaniczny battlebitwa betweenpomiędzy these two approachesawanse.
375
1010000
3000
Te dwa podejścia to walka Tytanów.
17:05
This is the Ali-FrazierAli-Frazier of motivationmotywacja. Right?
376
1013000
3000
To Muhammad Ali kontra Frazier
17:08
This is the Thrilla'Thrilla' in ManilaManila.
377
1016000
2000
podczas walki w Manili.
17:10
AlrightW porządku? IntrinsicWewnętrzne motivatorsorganizatorów versusprzeciw extrinsiczewnętrzne motivatorsorganizatorów.
378
1018000
3000
Wewnętrzne bodźce
kontra zewnętrzne bodźce.
17:13
AutonomyAutonomii, masterymistrzostwo and purposecel, powód,
379
1021000
2000
Autonomia, mistrzostwo, cel
17:15
versusprzeciw carrotmarchewka and stickskije. And who winswygrywa?
380
1023000
2000
przeciw kijom i marchewkom.
I kto wygrywa?
17:17
IntrinsicWewnętrzne motivationmotywacja, autonomyautonomii, masterymistrzostwo and purposecel, powód,
381
1025000
3000
Wewnętrzna motywacja,
autonomia, mistrzostwo i cel,
17:20
in a knockoutnokaut. Let me wrapowinąć up.
382
1028000
4000
i to przez nokaut.
Podsumujmy.
17:24
There is a mismatchniezgodność betweenpomiędzy what sciencenauka knowswie and what businessbiznes does.
383
1032000
3000
Istnieje rozdźwięk między tym,
co wie nauka,
a tym co robią firmy.
17:27
And here is what sciencenauka knowswie.
384
1035000
2000
I oto co wie nauka.
17:29
One: Those 20thth centurystulecie rewardsNagrody,
385
1037000
2000
Po pierwsze XX-wieczne nagrody,
17:31
those motivatorsorganizatorów we think are a naturalnaturalny partczęść of businessbiznes,
386
1039000
3000
bodźce, które uważamy
za naturalną część biznesu,
17:34
do work, but only in a surprisinglyzaskakująco narrowwąska bandzespół muzyczny of circumstancesokoliczności.
387
1042000
4000
działają, ale tylko
w wąskiej grupie sytuacji.
17:38
Two: Those if-thenJeżeli to rewardsNagrody oftenczęsto destroyzniszczyć creativitykreatywność.
388
1046000
4000
2. Nagrody warunkowe
często niszczą kreatywność.
17:42
ThreeTrzy: The secretsekret to highwysoki performancewydajność
389
1050000
2000
3. Tajemnica wysokiej wydajności
17:44
isn't rewardsNagrody and punishmentskary,
390
1052000
2000
nie tkwi w nagrodach i karach,
17:46
but that unseenskryte intrinsicwewnętrzne drivenapęd --
391
1054000
2000
ale w niewidocznym, wewnętrznym dążeniu,
17:48
the drivenapęd to do things for theirich ownwłasny sakewzgląd.
392
1056000
3000
by robić rzeczy dla nich samych.
17:51
The drivenapęd to do things causeprzyczyna they mattermateria.
393
1059000
2000
By robić coś, co ma znaczenie.
17:53
And here'soto jest the bestNajlepiej partczęść. Here'sTutaj jest the bestNajlepiej partczęść.
394
1061000
2000
I teraz najlepsza część.
17:55
We alreadyjuż know this. The sciencenauka confirmspotwierdza what we know in our heartskiery.
395
1063000
3000
My już to wiemy.
Nauka potwierdza to, co wiemy w sercach.
17:58
So, if we repairnaprawa this mismatchniezgodność
396
1066000
3000
Jeśli naprawimy rozdźwięk
18:01
betweenpomiędzy what sciencenauka knowswie and what businessbiznes does,
397
1069000
2000
między tym, co wie nauka,
a tym, co robią firmy,
18:03
if we bringprzynieść our motivationmotywacja, notionsgalanteria of motivationmotywacja
398
1071000
3000
jeśli wniesiemy znajomość motywacji
18:06
into the 21stul centurystulecie,
399
1074000
2000
w XXI wiek,
18:08
if we get pastprzeszłość this lazyleniwy, dangerousniebezpieczny, ideologyideologii
400
1076000
4000
jeśli zwalczymy tę leniwą,
niebezpieczną ideologię
18:12
of carrotsmarchew and stickskije,
401
1080000
2000
kija i marchewki,
18:14
we can strengthenwzmocnienie our businessesbiznes,
402
1082000
3000
możemy wzmocnić firmy,
18:17
we can solverozwiązać a lot of those candleŚwieca problemsproblemy,
403
1085000
3000
możemy rozwiązać
wiele problemów świeczki
18:20
and maybe, maybe, maybe
404
1088000
4000
i może
18:24
we can changezmiana the worldświat.
405
1092000
2000
możemy zmienić świat
18:26
I restodpoczynek my casewalizka.
406
1094000
2000
Nie mam nic więcej do dodania.
18:28
(ApplauseAplauz)
407
1096000
3000
(Brawa)
Translated by Arkadiusz Siechowicz
Reviewed by Rysia Wand

▲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