TEDGlobal 2009
Dan Pink: The puzzle of motivation
Dan Pink: Motivationens gåta
Filmed:
Readability: 4
25,352,736 views
Karriäranalytikern Dan Pink undersöker motivationens byggstenar. Han börjar med att konstatera att samhällsvetare vet något de flesta chefer inte vet: Traditionella belöningar är inte alltid så effektiva som vi tror. Lyssna för att få berättelser - och kanske, ett nytt sätt att tänka framåt.
Dan Pink - Career analyst
Bidding adieu to his last "real job" as Al Gore's speechwriter, Dan Pink went freelance to spark a right-brain revolution in the career marketplace. Full bio
Bidding adieu to his last "real job" as Al Gore's speechwriter, Dan Pink went freelance to spark a right-brain revolution in the career marketplace. Full bio
Double-click the English transcript below to play the video.
00:12
I need to make a confession at the outset here.
0
0
4000
Jag måste börja med att erkänna en sak.
För lite mer än 20 år sedan
gjorde jag något jag ångrar,
gjorde jag något jag ångrar,
00:16
A little over 20 years ago
1
4000
3000
00:19
I did something that I regret,
2
7000
2000
00:21
something that I'm not particularly proud of,
3
9000
4000
något som jag inte är så stolt över.
Något som jag av flera orsaker
önskar att ingen kände till,
önskar att ingen kände till,
00:25
something that, in many ways, I wish no one would ever know,
4
13000
3000
00:28
but here I feel kind of obliged to reveal.
5
16000
4000
men här känns det som att jag
är tvingad att avslöja det ...
är tvingad att avslöja det ...
(Skratt)
00:32
(Laughter)
6
20000
2000
På sent 80-tal,
00:34
In the late 1980s,
7
22000
2000
i en tid av ungdomlig tanklöshet,
00:36
in a moment of youthful indiscretion,
8
24000
3000
00:39
I went to law school.
9
27000
2000
gick jag en juristutbildning.
(Skratt)
00:41
(Laughter)
10
29000
4000
00:45
Now, in America law is a professional degree:
11
33000
3000
I USA är juridik en yrkesexamen:
00:48
you get your university degree, then you go on to law school.
12
36000
2000
efter sin universitetsexamen
går man juristutbildningen.
går man juristutbildningen.
00:50
And when I got to law school,
13
38000
3000
När jag kom till juristutbildningen
00:53
I didn't do very well.
14
41000
2000
så gick det inte så bra.
00:55
To put it mildly, I didn't do very well.
15
43000
2000
För att uttrycka det milt
så gick det inte så bra.
så gick det inte så bra.
00:57
I, in fact, graduated in the part of my law school class
16
45000
3000
I själva verket var jag tillhörde de
01:00
that made the top 90 percent possible.
17
48000
4000
som gjorde de duktigare
90 procenten möjliga.
90 procenten möjliga.
01:04
(Laughter)
18
52000
4000
(Skratt)
01:08
Thank you.
19
56000
3000
Tack.
Jag har inte praktiserat juridik
en enda dag;
en enda dag;
01:11
I never practiced law a day in my life;
20
59000
3000
01:14
I pretty much wasn't allowed to.
21
62000
2000
vilket kan bero på att jag
helt enkelt inte fick.
helt enkelt inte fick.
01:16
(Laughter)
22
64000
3000
(Skratt)
01:19
But today, against my better judgment,
23
67000
3000
Men i dag, tvärsemot mitt eget omdöme,
01:22
against the advice of my own wife,
24
70000
3000
tvärsemot rådet från min fru,
01:25
I want to try to dust off some of those legal skills --
25
73000
4000
ska jag försöka damma av några
av mina juridiska kunskaper -
av mina juridiska kunskaper -
01:29
what's left of those legal skills.
26
77000
2000
vad som nu finns kvar av dem.
01:31
I don't want to tell you a story.
27
79000
3000
Jag vill inte bara berätta en historia.
01:34
I want to make a case.
28
82000
2000
Jag vill hålla en plädering.
01:36
I want to make a hard-headed, evidence-based,
29
84000
4000
Jag vill göra en saklig,
bevisbaserad,
01:40
dare I say lawyerly case,
30
88000
3000
vågar jag säga, juridisk plädering,
01:43
for rethinking how we run our businesses.
31
91000
4000
för att vi ska ändra på
hur vi driver våra företag.
hur vi driver våra företag.
Så, mina damer och herrar i juryn,
01:47
So, ladies and gentlemen of the jury, take a look at this.
32
95000
4000
titta på det här.
01:51
This is called the candle problem.
33
99000
2000
Detta är "ljusproblemet".
01:53
Some of you might have seen this before.
34
101000
2000
Några av er kanske känner till det.
01:55
It's created in 1945
35
103000
2000
Det skapades 1945
01:57
by a psychologist named Karl Duncker.
36
105000
2000
av psykologen Karl Duncker.
01:59
Karl Duncker created this experiment
37
107000
2000
Han skapade det här experimentet
02:01
that is used in a whole variety of experiments in behavioral science.
38
109000
3000
som används i många beteendestudier.
02:04
And here's how it works. Suppose I'm the experimenter.
39
112000
3000
Så här fungerar det.
Anta att jag är försöksledaren.
Anta att jag är försöksledaren.
02:07
I bring you into a room. I give you a candle,
40
115000
4000
Jag tar in dig i ett rum.
Jag ger dig en ljus,
några häftstift och några tändstickor.
några häftstift och några tändstickor.
02:11
some thumbtacks and some matches.
41
119000
2000
Och så säger jag till dig,
02:13
And I say to you, "Your job
42
121000
2000
"Din uppgift är att fästa
ljuset på väggen
ljuset på väggen
02:15
is to attach the candle to the wall
43
123000
2000
02:17
so the wax doesn't drip onto the table." Now what would you do?
44
125000
4000
så att stearinet inte droppar på bordet."
Hur skulle du göra?
02:21
Now many people begin trying to thumbtack the candle to the wall.
45
129000
4000
Många börjar med att försöka fästa ljuset
på väggen med häftstift.
på väggen med häftstift.
02:25
Doesn't work.
46
133000
2000
Fungerar inte.
några, jag såg någon göra
den gesten här -
den gesten här -
02:27
Somebody, some people -- and I saw somebody
47
135000
2000
02:29
kind of make the motion over here --
48
137000
2000
02:31
some people have a great idea where they
49
139000
2000
några får den fantastiska idén
att tända tändstickan,
att tända tändstickan,
02:33
light the match, melt the side of the candle, try to adhere it to the wall.
50
141000
4000
smälta sidan på stearinljuset,
försöker fästa det på väggen.
försöker fästa det på väggen.
02:37
It's an awesome idea. Doesn't work.
51
145000
3000
Det är en underbar idé. Fungerar inte.
02:40
And eventually, after five or 10 minutes,
52
148000
3000
Och slutligen, efter fem-tio minuter,
02:43
most people figure out the solution,
53
151000
2000
så har de flesta räknat ut lösningen,
02:45
which you can see here.
54
153000
2000
som du ser här.
Det viktiga är att övervinna
vad som kallas "funktionell fixering".
vad som kallas "funktionell fixering".
02:47
The key is to overcome what's called functional fixedness.
55
155000
3000
02:50
You look at that box and you see it only as a receptacle for the tacks.
56
158000
4000
Du tittar på lådan och ser den bara
som en behållare för häftstift.
som en behållare för häftstift.
02:54
But it can also have this other function,
57
162000
2000
Men den kan alltså ha ännu en funktion
02:56
as a platform for the candle. The candle problem.
58
164000
4000
som en hylla för ljuset.
Ljusproblemet.
03:00
Now I want to tell you about an experiment
59
168000
2000
Jag ska berätta om ett experiment,
där ljusproblemet används,
där ljusproblemet används,
03:02
using the candle problem,
60
170000
2000
skapat av forskaren Sam Glucksberg,
03:04
done by a scientist named Sam Glucksberg,
61
172000
2000
03:06
who is now at Princeton University in the U.S.
62
174000
2000
som nu är vid Princeton University, USA.
03:08
This shows the power of incentives.
63
176000
4000
Experimentet mäter belöningars kraft.
03:12
Here's what he did. He gathered his participants.
64
180000
2000
Han samlade sina deltagare och sa:
03:14
And he said, "I'm going to time you. How quickly you can solve this problem?"
65
182000
3000
"Jag kommer att mäta hur snabbt
ni löser detta problem."
ni löser detta problem."
03:17
To one group he said,
66
185000
2000
Till en grupp sade han,
03:19
"I'm going to time you to establish norms,
67
187000
3000
"Jag kommer mäta tiden
för att få fram ett medelvärde på
för att få fram ett medelvärde på
03:22
averages for how long it typically takes
68
190000
2000
hur lång tid det tar att lösa
denna typ av problem."
denna typ av problem."
03:24
someone to solve this sort of problem."
69
192000
2000
03:26
To the second group he offered rewards.
70
194000
3000
Till den andra gruppen
utfäste han belöningar.
utfäste han belöningar.
03:29
He said, "If you're in the top 25 percent of the fastest times,
71
197000
4000
Han sa: "Om du är i topp 25%
av de snabbaste tiderna
av de snabbaste tiderna
03:33
you get five dollars.
72
201000
3000
får du fem dollar.
Om du är den snabbaste av alla
vi testar här i dag,
vi testar här i dag,
03:36
If you're the fastest of everyone we're testing here today,
73
204000
3000
03:39
you get 20 dollars."
74
207000
2000
så får du 20 dollar."
03:41
Now this is several years ago. Adjusted for inflation,
75
209000
3000
Detta var för flera år sedan,
justerat för inflationen,
justerat för inflationen,
så är det en rejäl summa
för några minuters arbete.
för några minuters arbete.
03:44
it's a decent sum of money for a few minutes of work.
76
212000
2000
03:46
It's a nice motivator.
77
214000
2000
Det är en bra morot.
03:48
Question: How much faster
78
216000
3000
Fråga:
Hur mycket snabbare gick det
för den här gruppen att lösa problemet?
för den här gruppen att lösa problemet?
03:51
did this group solve the problem?
79
219000
2000
03:53
Answer: It took them, on average,
80
221000
3000
Svar:
Det tog dem, i genomsnitt,
tre och en halv minut längre tid.
tre och en halv minut längre tid.
03:56
three and a half minutes longer.
81
224000
4000
04:00
Three and a half minutes longer. Now this makes no sense right?
82
228000
3000
3,5 minuter längre tid.
Obegripligt, eller hur?
04:03
I mean, I'm an American. I believe in free markets.
83
231000
3000
Jag menar, jag är från USA.
Jag tror på fria marknader.
Jag tror på fria marknader.
04:06
That's not how it's supposed to work. Right?
84
234000
3000
Det är väl inte hur det borde fungera?
(Skratt)
04:09
(Laughter)
85
237000
1000
04:10
If you want people to perform better,
86
238000
2000
Om du vill att folk ska prestera bättre,
belöna dem, eller hur?
belöna dem, eller hur?
04:12
you reward them. Right?
87
240000
2000
04:14
Bonuses, commissions, their own reality show.
88
242000
3000
Bonus, provision, sin egen dokusåpa.
04:17
Incentivize them. That's how business works.
89
245000
4000
Ge dem belöningar.
Det är ju så företag fungerar.
04:21
But that's not happening here.
90
249000
2000
Men det är inte det som händer här.
04:23
You've got an incentive designed to
91
251000
2000
Vi har en morot som skall
04:25
sharpen thinking and accelerate creativity,
92
253000
4000
skärpa tänkandet och öka kreativiteten,
men den gör precis tvärtom.
04:29
and it does just the opposite.
93
257000
2000
04:31
It dulls thinking and blocks creativity.
94
259000
3000
Den försämrar tänkandet
och blockerar kreativitet.
och blockerar kreativitet.
Vad som är intressant
med det här experimentet
med det här experimentet
04:34
And what's interesting about this experiment is that it's not an aberration.
95
262000
3000
är att det inte är engångsföreteelse.
04:37
This has been replicated over and over
96
265000
3000
Detta har upprepats om och om igen
04:40
and over again, for nearly 40 years.
97
268000
3000
i nästan 40 år.
04:43
These contingent motivators --
98
271000
3000
Dessa villkorade motivationsfaktorer -
04:46
if you do this, then you get that --
99
274000
2000
om du gör det, så får du det där -
04:48
work in some circumstances.
100
276000
2000
det fungerar under vissa omständigheter.
04:50
But for a lot of tasks, they actually either don't work
101
278000
3000
Men för många uppgifter,
fungerar de faktiskt inte
fungerar de faktiskt inte
04:53
or, often, they do harm.
102
281000
3000
eller som ofta, så blir det en försämring.
04:56
This is one of the most robust findings
103
284000
4000
Detta är en av de mest grundlagda rönen
i beteendevetenskapen,
i beteendevetenskapen,
05:00
in social science,
104
288000
3000
och även ett av de mest ignorerade.
05:03
and also one of the most ignored.
105
291000
2000
05:05
I spent the last couple of years looking at the science of
106
293000
2000
Jag har de senaste åren
tittat på vetenskapen
om mänsklig motivation,
om mänsklig motivation,
05:07
human motivation,
107
295000
2000
05:09
particularly the dynamics of extrinsic motivators
108
297000
2000
speciellt då på yttre motivationsfaktorer
05:11
and intrinsic motivators.
109
299000
2000
och inre drivkrafter.
05:13
And I'm telling you, it's not even close.
110
301000
2000
Och jag kan säga det
att det är inte ens nära.
att det är inte ens nära.
05:15
If you look at the science, there is a mismatch
111
303000
2000
Om man tittar på vetenskap,
så skiljer det sig mycket
så skiljer det sig mycket
05:17
between what science knows and what business does.
112
305000
4000
på vad vetenskapen vet
och hur företag gör.
05:21
And what's alarming here is that our business operating system --
113
309000
3000
Det som är alarmerande här
är att vi i våra företags affärsplaner -
är att vi i våra företags affärsplaner -
05:24
think of the set of assumptions and protocols beneath our businesses,
114
312000
3000
tar in en uppsättning antaganden
och regler in i beslutsunderlagen,
och regler in i beslutsunderlagen,
05:27
how we motivate people, how we apply our human resources --
115
315000
5000
på hur vi motivera människor,
på hur vi använder vår personal -
på hur vi använder vår personal -
05:32
it's built entirely around these extrinsic motivators,
116
320000
3000
som helt baseras på
de yttre motivationsfaktorerna,
de yttre motivationsfaktorerna,
05:35
around carrots and sticks.
117
323000
2000
på morötter och piskor.
05:37
That's actually fine for many kinds of 20th century tasks.
118
325000
4000
Det fungerade bra på många
av 1900-talets arbetsuppgifter.
av 1900-talets arbetsuppgifter.
05:41
But for 21st century tasks,
119
329000
2000
Men för 2000-talets arbetsuppgifter
05:43
that mechanistic, reward-and-punishment approach
120
331000
4000
är det så att denna robotaktiga,
belöning-och-straff metod
belöning-och-straff metod
05:47
doesn't work, often doesn't work, and often does harm.
121
335000
4000
inte fungerar,
ofta inte fungerar,
och ofta gör skada.
05:51
Let me show you what I mean.
122
339000
2000
Låt mig visa dig.
Glucksberg gjorde ett liknande experiment.
05:53
So Glucksberg did another experiment similar to this
123
341000
3000
Han presenterade problemet
på ett lite annorlunda sätt,
på ett lite annorlunda sätt,
05:56
where he presented the problem in a slightly different way,
124
344000
2000
05:58
like this up here. Okay?
125
346000
3000
som på bilden här uppe.
Fäst ljuset på väggen
så att stearinet inte droppar på bordet.
så att stearinet inte droppar på bordet.
06:01
Attach the candle to the wall so the wax doesn't drip onto the table.
126
349000
2000
06:03
Same deal. You: we're timing for norms.
127
351000
3000
Samma upplägg. Ni: Vi mäter medelvärde.
06:06
You: we're incentivizing.
128
354000
3000
Ni: Vi belönar.
Vad hände nu den här gången?
06:09
What happened this time?
129
357000
2000
06:11
This time, the incentivized group
130
359000
2000
Den här gången utklassade belöningsgruppen
06:13
kicked the other group's butt.
131
361000
4000
den andra gruppen.
06:17
Why? Because when the tacks are out of the box,
132
365000
4000
Varför?
För när häftstiften ligger utanför lådan,
06:21
it's pretty easy isn't it?
133
369000
4000
är det väl lätt?
[Ljusproblemet för dumskallar] (Skratt)
06:25
(Laughter)
134
373000
2000
06:27
If-then rewards work really well
135
375000
3000
Om-så-belöningar fungerar riktigt bra
för de typer av uppgifter
för de typer av uppgifter
06:30
for those sorts of tasks,
136
378000
3000
där det finns en enkel uppsättning regler
06:33
where there is a simple set of rules and a clear destination
137
381000
2000
och ett tydligt mål man ska nå.
06:35
to go to.
138
383000
2000
06:37
Rewards, by their very nature,
139
385000
2000
Belöningar får oss att
skärpa vårt fokus
och koncentrera tankarna;
och koncentrera tankarna;
06:39
narrow our focus, concentrate the mind;
140
387000
2000
06:41
that's why they work in so many cases.
141
389000
2000
och det är därför de så ofta fungerar.
06:43
And so, for tasks like this,
142
391000
2000
Så för uppgifter som denna,
06:45
a narrow focus, where you just see the goal right there,
143
393000
3000
med ett klart fokus, där målet
är helt uppenbart,
är helt uppenbart,
06:48
zoom straight ahead to it,
144
396000
2000
där man zoomar rakt in på det,
06:50
they work really well.
145
398000
2000
då fungerar de riktigt bra.
Men för det verkliga ljusproblemet,
06:52
But for the real candle problem,
146
400000
2000
06:54
you don't want to be looking like this.
147
402000
2000
borde man inte göra så här.
06:56
The solution is not over here. The solution is on the periphery.
148
404000
2000
Lösningen är i periferin.
Man borde titta runt.
Man borde titta runt.
06:58
You want to be looking around.
149
406000
2000
Den där belöningen
smalnar faktiskt av vårt fokus
smalnar faktiskt av vårt fokus
07:00
That reward actually narrows our focus
150
408000
2000
07:02
and restricts our possibility.
151
410000
2000
och begränsar våra möjligheter.
07:04
Let me tell you why this is so important.
152
412000
3000
Och varför tycker jag det är så viktigt?
07:07
In western Europe,
153
415000
2000
I Västeuropa,
07:09
in many parts of Asia,
154
417000
2000
i många delar av Asien,
07:11
in North America, in Australia,
155
419000
3000
i Nordamerika, i Australien,
07:14
white-collar workers are doing less of
156
422000
2000
arbetar tjänstemän mindre
med denna typ av arbete,
med denna typ av arbete,
07:16
this kind of work,
157
424000
2000
och mer med denna typ av arbete.
07:18
and more of this kind of work.
158
426000
4000
Det där rutinmässiga, regelbaserade,
vänstra-hjärnhalvan-arbetet -
vänstra-hjärnhalvan-arbetet -
07:22
That routine, rule-based, left-brain work --
159
430000
3000
vissa typer av redovisningsjobb,
finansiella analyser,
finansiella analyser,
07:25
certain kinds of accounting, certain kinds of financial analysis,
160
433000
2000
07:27
certain kinds of computer programming --
161
435000
2000
dataprogrammering -
07:29
has become fairly easy to outsource,
162
437000
2000
har blivit ganska lätt att köpa utifrån,
07:31
fairly easy to automate.
163
439000
2000
och ganska lätt att automatisera.
07:33
Software can do it faster.
164
441000
3000
Datorer kan göra det snabbare.
Lågkostnadsföretag kan göra det billigare.
07:36
Low-cost providers around the world can do it cheaper.
165
444000
2000
07:38
So what really matters are the more right-brained
166
446000
4000
Så vad som verkligen betyder något
är de mer högra-hjärnhalvan-kreativa,
analytiska egenskaperna.
analytiska egenskaperna.
07:42
creative, conceptual kinds of abilities.
167
450000
3000
07:45
Think about your own work.
168
453000
3000
Tänk på ditt eget arbete.
07:48
Think about your own work.
169
456000
3000
Tänk på ditt eget arbete.
Är problem du ställs inför,
07:51
Are the problems that you face, or even the problems
170
459000
2000
eller hur är det med de problem
vi har talat om här,
vi har talat om här,
07:53
we've been talking about here,
171
461000
2000
har de en uppsättning enkla regler
07:55
are those kinds of problems -- do they have a clear set of rules,
172
463000
2000
07:57
and a single solution? No.
173
465000
3000
och har de en enda lösning?
Nej. Reglerna är outredda.
08:00
The rules are mystifying.
174
468000
2000
08:02
The solution, if it exists at all,
175
470000
2000
Lösningen, om den existerar,
08:04
is surprising and not obvious.
176
472000
3000
är oväntad och inte självklar.
08:07
Everybody in this room
177
475000
2000
Alla i det här rummet
08:09
is dealing with their own version
178
477000
3000
arbetar med sina egna versioner
av ljusproblemet.
av ljusproblemet.
08:12
of the candle problem.
179
480000
2000
08:14
And for candle problems of any kind,
180
482000
3000
Och för alla ljusproblem,
08:17
in any field,
181
485000
2000
oavsett område,
är det så att de här enkla belöningarna,
08:19
those if-then rewards,
182
487000
3000
som finns inbyggt
i så många av våra företag,
i så många av våra företag,
08:22
the things around which we've built so many of our businesses,
183
490000
4000
08:26
don't work.
184
494000
2000
de fungerar inte!
Det gör mig galen.
08:28
Now, I mean it makes me crazy.
185
496000
2000
08:30
And this is not -- here's the thing.
186
498000
2000
Nu är det faktiskt så att
08:32
This is not a feeling.
187
500000
3000
detta är inte en känsla jag har.
08:35
Okay? I'm a lawyer; I don't believe in feelings.
188
503000
3000
Okej? Jag är advokat;
Jag tror inte på känslor.
Jag tror inte på känslor.
08:38
This is not a philosophy.
189
506000
4000
Detta är inte en filosofi.
08:42
I'm an American; I don't believe in philosophy.
190
510000
2000
Jag är från USA;
Jag tror inte på filosofi.
Jag tror inte på filosofi.
08:44
(Laughter)
191
512000
3000
(Skratt)
08:47
This is a fact --
192
515000
3000
Detta är ett faktum -
08:50
or, as we say in my hometown of Washington, D.C.,
193
518000
2000
eller, som vi säger i min hemstad
Washington, D.C.,
Washington, D.C.,
08:52
a true fact.
194
520000
2000
detta är en sanning.
08:54
(Laughter)
195
522000
2000
(Skratt)
08:56
(Applause)
196
524000
4000
(Applåder)
09:00
Let me give you an example of what I mean.
197
528000
2000
Jag förtydligar med ett exempel.
09:02
Let me marshal the evidence here,
198
530000
2000
Låt mig lägga fram bevisen inför er.
09:04
because I'm not telling you a story, I'm making a case.
199
532000
2000
Jag berättar inte en historia,
jag lägger fram bevis.
jag lägger fram bevis.
09:06
Ladies and gentlemen of the jury, some evidence:
200
534000
2000
Damer och herrar i
juryn, här kommer bevis.
juryn, här kommer bevis.
09:08
Dan Ariely, one of the great economists of our time,
201
536000
3000
Dan Ariely, en av vår tids
största ekonomer
största ekonomer
09:11
he and three colleagues, did a study of some MIT students.
202
539000
4000
gjorde tillsammans med tre kollegor
en studie på MIT-studenter.
en studie på MIT-studenter.
09:15
They gave these MIT students a bunch of games,
203
543000
3000
De gav studenterna en bunt spel,
09:18
games that involved creativity,
204
546000
2000
spel som involverade kreativitet,
09:20
and motor skills, and concentration.
205
548000
2000
motorik och koncentration.
09:22
And the offered them, for performance,
206
550000
2000
De erbjöd belöningar för prestationerna,
09:24
three levels of rewards:
207
552000
2000
på tre olika nivåer:
09:26
small reward, medium reward, large reward.
208
554000
5000
liten belöning, mellanbelöning
och stor belöning.
och stor belöning.
Om man presterar riktigt bra
får man den stora belöningen,
får man den stora belöningen,
09:31
Okay? If you do really well you get the large reward, on down.
209
559000
4000
Vad hände?
09:35
What happened? As long as the task involved only mechanical skill
210
563000
4000
Så länge uppgiften löstes
med rena mekaniska färdigheter
med rena mekaniska färdigheter
09:39
bonuses worked as they would be expected:
211
567000
2000
fungerade bonus precis som förväntat.
09:41
the higher the pay, the better the performance.
212
569000
4000
Ju högre belöning,
ju bättre presterade man.
ju bättre presterade man.
Okej?
09:45
Okay? But one the task called for
213
573000
2000
Men när det behövdes
det minsta lilla av kreativt tänkande,
det minsta lilla av kreativt tänkande,
09:47
even rudimentary cognitive skill,
214
575000
4000
09:51
a larger reward led to poorer performance.
215
579000
5000
så ledde större belöning
till sämre prestation.
till sämre prestation.
09:56
Then they said,
216
584000
2000
Då undrade dom,
09:58
"Okay let's see if there's any cultural bias here.
217
586000
2000
"Är det lika i olika kulturer?
10:00
Lets go to Madurai, India and test this."
218
588000
2000
Vi gör testet i Madurai, Indien."
10:02
Standard of living is lower.
219
590000
2000
Levnadsstandarden där är lägre.
10:04
In Madurai, a reward that is modest in North American standards,
220
592000
3000
Så är kanske är belöningen,
jämfört med i USA,
jämfört med i USA,
10:07
is more meaningful there.
221
595000
3000
meningsfullare där.
Samma upplägg. En bunt med spel,
tre nivåer av belöningar.
tre nivåer av belöningar.
10:10
Same deal. A bunch of games, three levels of rewards.
222
598000
3000
10:13
What happens?
223
601000
2000
Vad händer?
10:15
People offered the medium level of rewards
224
603000
3000
De som erbjöds mellannivån på belöningar
klarade sig inte bättre
än de som erbjöds de små belöningarna.
än de som erbjöds de små belöningarna.
10:18
did no better than people offered the small rewards.
225
606000
3000
Men den här gången visade det sig
att de som erbjöds de högsta belöningarna
att de som erbjöds de högsta belöningarna
10:21
But this time, people offered the highest rewards,
226
609000
4000
10:25
they did the worst of all.
227
613000
4000
fick absolut sämst resultat.
I åtta fall av nio,
baserat på tre experiment,
baserat på tre experiment,
10:29
In eight of the nine tasks we examined across three experiments,
228
617000
3000
10:32
higher incentives led to worse performance.
229
620000
5000
ledde högre belöning
till sämre prestation.
till sämre prestation.
10:37
Is this some kind of touchy-feely
230
625000
3000
Är detta något slags känslopjåskig
socialistisk konspiration som pågår här?
socialistisk konspiration som pågår här?
10:40
socialist conspiracy going on here?
231
628000
3000
10:43
No. These are economists from MIT,
232
631000
3000
Nej, de är ekonomer från MIT,
10:46
from Carnegie Mellon, from the University of Chicago.
233
634000
3000
från Carnegie Mellon
och från University of Chicago.
och från University of Chicago.
10:49
And do you know who sponsored this research?
234
637000
2000
Och vem har bekostat forskningen?
10:51
The Federal Reserve Bank of the United States.
235
639000
4000
USA:s centralbank.
10:55
That's the American experience.
236
643000
2000
Detta är vad man vet i USA.
10:57
Let's go across the pond to the London School of Economics --
237
645000
3000
Om vi då hoppar över Atlanten
till London School of Economics,
till London School of Economics,
11:00
LSE, London School of Economics,
238
648000
3000
LSE, London School of Economics,
ett universitet som fostrat
11:03
alma mater of 11 Nobel Laureates in economics.
239
651000
3000
elva nobelpristagare i ekonomi.
11:06
Training ground for great economic thinkers
240
654000
3000
Skola för stora ekonomiska tänkare
11:09
like George Soros, and Friedrich Hayek,
241
657000
3000
som George Soros, och Friedrich Hayek,
11:12
and Mick Jagger. (Laughter)
242
660000
2000
och Mick Jagger.
(Skratt)
11:14
Last month, just last month,
243
662000
4000
Förra månaden,
för bara en månad sedan,
gick ekonomer på LSE igenom 51 studier
11:18
economists at LSE looked at 51 studies
244
666000
3000
11:21
of pay-for-performance plans, inside of companies.
245
669000
3000
av företags olika belöningssystem.
11:24
Here's what the economists there said: "We find that financial incentives
246
672000
3000
De kom fram till att
"Vi finner att ekonomiska morötter
11:27
can result in a negative impact on overall performance."
247
675000
6000
kan resultera i en negativ inverkan
på den generella prestationen. "
på den generella prestationen. "
Det skiljer mycket
mellan vad vetenskapen vet
mellan vad vetenskapen vet
11:33
There is a mismatch between what science knows
248
681000
3000
11:36
and what business does.
249
684000
2000
och hur företag gör.
11:38
And what worries me, as we stand here in the rubble
250
686000
3000
Det som oroar mig,
när vi nu står här i spillrorna
när vi nu står här i spillrorna
11:41
of the economic collapse,
251
689000
2000
av den ekonomiska kollapsen,
11:43
is that too many organizations
252
691000
2000
är att för många organisationer
fattar sina beslut,
fattar sina beslut,
11:45
are making their decisions,
253
693000
2000
11:47
their policies about talent and people,
254
695000
2000
skapar strategier,
bedömer talang och människor,
bedömer talang och människor,
11:49
based on assumptions that are outdated, unexamined,
255
697000
6000
baserat på antaganden som är föråldrade,
dåligt undersökta,
och rotade mer i folktro än i vetenskap.
11:55
and rooted more in folklore than in science.
256
703000
3000
11:58
And if we really want to get out of this economic mess,
257
706000
3000
Och om vi verkligen vill komma ut
ur denna ekonomiska röra,
ur denna ekonomiska röra,
12:01
and if we really want high performance on those
258
709000
2000
om vi verkligen vill vara prestera bra
12:03
definitional tasks of the 21st century,
259
711000
2000
i 2000-talets utmaningar,
12:05
the solution is not to do more of the wrong things,
260
713000
6000
så är inte lösningen
att göra mer av fel saker,
att göra mer av fel saker,
12:11
to entice people with a sweeter carrot,
261
719000
3000
som att locka med än sötare morötter,
eller att hota med hårdare piskor.
12:14
or threaten them with a sharper stick.
262
722000
2000
12:16
We need a whole new approach.
263
724000
2000
Vi behöver en helt ny strategi.
12:18
And the good news about all of this is that the scientists
264
726000
2000
Den goda nyheten är att forskarna
12:20
who've been studying motivation have given us this new approach.
265
728000
3000
som har studerat motivation
nu har gett oss den strategin.
nu har gett oss den strategin.
12:23
It's an approach built much more around intrinsic motivation.
266
731000
3000
Den är byggd mycket mer
på inre motivation.
på inre motivation.
Baserat på vår önskan
att göra saker som känns meningsfulla,
att göra saker som känns meningsfulla,
12:26
Around the desire to do things because they matter,
267
734000
2000
12:28
because we like it, because they're interesting,
268
736000
2000
som vi gillar och tycker är intressant
12:30
because they are part of something important.
269
738000
2000
eller är en del av något stort.
12:32
And to my mind, that new operating system for our businesses
270
740000
4000
Och enligt min mening
så är denna nya företagskultur
så är denna nya företagskultur
12:36
revolves around three elements:
271
744000
2000
uppbyggd kring tre grundelement:
självstyre, kompetens och mening.
12:38
autonomy, mastery and purpose.
272
746000
3000
12:41
Autonomy: the urge to direct our own lives.
273
749000
3000
Självstyre: strävan efter
att få styra våra egna liv.
att få styra våra egna liv.
12:44
Mastery: the desire to get better and better at something that matters.
274
752000
4000
Kompetens: lusten att bli bättre
och bättre på något som har betydelse.
och bättre på något som har betydelse.
12:48
Purpose: the yearning to do what we do
275
756000
3000
Mening: längtan efter att det vi gör
12:51
in the service of something larger than ourselves.
276
759000
3000
bidrar till något stort
som är meningsfullt för många.
som är meningsfullt för många.
12:54
These are the building blocks of an entirely new operating system
277
762000
3000
Detta är de byggstenarna
till en helt ny strategi
till en helt ny strategi
12:57
for our businesses.
278
765000
2000
för våra företag.
12:59
I want to talk today only about autonomy.
279
767000
4000
Jag kommer idag att tala om självstyre.
13:03
In the 20th century, we came up with this idea of management.
280
771000
3000
På 1900-talet kom vi fram till
idén om ledarskap.
idén om ledarskap.
13:06
Management did not emanate from nature.
281
774000
2000
Ledarskap härrör inte från naturen.
13:08
Management is like -- it's not a tree,
282
776000
2000
Ledarskap är inte ett träd,
det är en TV-apparat.
det är en TV-apparat.
13:10
it's a television set.
283
778000
2000
13:12
Okay? Somebody invented it.
284
780000
2000
Någon uppfann det.
Det betyder inte att
det kommer att fungera för evigt.
det kommer att fungera för evigt.
13:14
And it doesn't mean it's going to work forever.
285
782000
2000
13:16
Management is great.
286
784000
2000
Ledarskap är fantastiskt.
De traditionella föreställningarna
om ledarskap är bra
om ledarskap är bra
13:18
Traditional notions of management are great
287
786000
2000
13:20
if you want compliance.
288
788000
2000
om du vill ha jasägare.
13:22
But if you want engagement, self-direction works better.
289
790000
3000
Men om du vill ha engagemang
så fungerar självstyre bättre.
så fungerar självstyre bättre.
13:25
Let me give you some examples of some kind of radical
290
793000
2000
Här är exempel på några
radikala varianter av självstyre.
radikala varianter av självstyre.
13:27
notions of self-direction.
291
795000
2000
13:29
What this means -- you don't see a lot of it,
292
797000
3000
Man ser inte så mycket av det,
13:32
but you see the first stirrings of something really interesting going on,
293
800000
3000
men man kan se att något
riktigt intressant är på gång,
riktigt intressant är på gång,
13:35
because what it means is paying people adequately
294
803000
2000
det handlar om att betala folk
tillräckligt och rättvist, för att -
tillräckligt och rättvist, för att -
13:37
and fairly, absolutely --
295
805000
2000
13:39
getting the issue of money off the table,
296
807000
2000
helt få frågan om pengar ut ur bilden,
13:41
and then giving people lots of autonomy.
297
809000
2000
och sedan ge människor
massor av självstyre.
massor av självstyre.
13:43
Let me give you some examples.
298
811000
2000
Till exempel.
Hur många av er
har hört om företaget Atlassian.
har hört om företaget Atlassian.
13:45
How many of you have heard of the company Atlassian?
299
813000
4000
13:49
It looks like less than half.
300
817000
2000
Det ser ut som mindre än hälften.
13:51
(Laughter)
301
819000
2000
(Skratt)
Atlassian är ett australiensiskt
mjukvaruföretag.
mjukvaruföretag.
13:53
Atlassian is an Australian software company.
302
821000
4000
13:57
And they do something incredibly cool.
303
825000
2000
Och de gör något otroligt häftigt.
Några gånger om året
säger de till sina utvecklare,
säger de till sina utvecklare,
13:59
A few times a year they tell their engineers,
304
827000
2000
14:01
"Go for the next 24 hours and work on anything you want,
305
829000
4000
"De kommande 24 timmarna
så kan du utveckla vad du vill,
så kan du utveckla vad du vill,
14:05
as long as it's not part of your regular job.
306
833000
2000
så länge det inte är en del
av ditt vanliga jobb.
av ditt vanliga jobb.
14:07
Work on anything you want."
307
835000
2000
Så utveckla vad du vill. "
14:09
So that engineers use this time to come up with
308
837000
2000
Man tar fram fantastiska rader programkod
14:11
a cool patch for code, come up with an elegant hack.
309
839000
3000
eller smarta hack.
14:14
Then they present all of the stuff that they've developed
310
842000
3000
Sedan presenterar de allt
som de har utvecklat
som de har utvecklat
14:17
to their teammates, to the rest of the company,
311
845000
3000
för sina medarbetare
och för resten av företaget,
och för resten av företaget,
14:20
in this wild and wooly all-hands meeting
312
848000
2000
i en lös och ledig gemensam samling,
vid slutet av dagen.
vid slutet av dagen.
14:22
at the end of the day.
313
850000
2000
14:24
And then, being Australians, everybody has a beer.
314
852000
2000
Eftersom det är i Australien,
har alla en öl.
har alla en öl.
14:26
They call them FedEx Days.
315
854000
3000
De kallar dem FedEx-dagar.
14:29
Why? Because you have to deliver something overnight.
316
857000
6000
Varför?
Eftersom man måste
leverera något över natten.
leverera något över natten.
Det är snyggt; inte dåligt.
14:35
It's pretty. It's not bad. It's a huge trademark violation,
317
863000
2000
Det är ett stort varumärkesintrång,
men det är ganska smart.
men det är ganska smart.
14:37
but it's pretty clever.
318
865000
2000
14:39
(Laughter)
319
867000
1000
(Skratt)
14:40
That one day of intense autonomy
320
868000
2000
Denna enda dag av självstyre
14:42
has produced a whole array of software fixes
321
870000
2000
har producerat en hel rad programlösningar
14:44
that might never have existed.
322
872000
2000
som kanske inte hade funnits annars.
14:46
And it's worked so well that Atlassian has taken it to the next level
323
874000
2000
Det fungerade så bra
att Atlassian tog det till nästa nivå
att Atlassian tog det till nästa nivå
14:48
with 20 Percent Time --
324
876000
2000
och avsatte 20% av tiden -
14:50
done, famously, at Google --
325
878000
2000
vilket Google blev kända för att införa -
14:52
where engineers can work, spend 20 percent of their time
326
880000
2000
där utvecklare
kan tillbringa 20% av sin tid
kan tillbringa 20% av sin tid
14:54
working on anything they want.
327
882000
2000
med att arbeta med vad de vill.
14:56
They have autonomy over their time,
328
884000
2000
De har självstyre över sin tid,
14:58
their task, their team, their technique.
329
886000
2000
sin uppgift, sitt team och sin teknik.
15:00
Okay? Radical amounts of autonomy.
330
888000
2000
Radikala mängder självständighet.
15:02
And at Google, as many of you know,
331
890000
4000
Och på Google, som många av er vet,
skapas ungefär hälften
av de nya produkterna under året
av de nya produkterna under året
15:06
about half of the new products in a typical year
332
894000
2000
15:08
are birthed during that 20 Percent Time:
333
896000
3000
på de här 20 procenten:
15:11
things like Gmail, Orkut, Google News.
334
899000
3000
saker som Gmail, Orkut och Google News.
15:14
Let me give you an even more radical example of it:
335
902000
3000
Låt mig ge dig ett
ännu mer radikalt exempel:
ännu mer radikalt exempel:
15:17
something called the Results Only Work Environment,
336
905000
2000
Resultatinriktad arbetsmiljö, ROWE,
15:19
the ROWE,
337
907000
2000
skapat av två amerikanska konsulter,
15:21
created by two American consultants, in place
338
909000
2000
finns på ett dussin företag
runt om i Nordamerika.
runt om i Nordamerika.
15:23
in place at about a dozen companies around North America.
339
911000
2000
15:25
In a ROWE people don't have schedules.
340
913000
4000
ROWE-anställda har inga scheman.
15:29
They show up when they want.
341
917000
2000
De dyker upp när de vill.
15:31
They don't have to be in the office at a certain time,
342
919000
2000
De behöver inte vara på kontoret
vid en viss tidpunkt eller överhuvudtaget.
vid en viss tidpunkt eller överhuvudtaget.
15:33
or any time.
343
921000
2000
15:35
They just have to get their work done.
344
923000
2000
De ska bara att få jobbet gjort.
15:37
How they do it, when they do it,
345
925000
2000
Hur de gör det, när de gör det,
var de gör det, är helt upp till dem.
var de gör det, är helt upp till dem.
15:39
where they do it, is totally up to them.
346
927000
3000
15:42
Meetings in these kinds of environments are optional.
347
930000
4000
Möten i dessa typer
av ROWE-miljöer är valfria.
av ROWE-miljöer är valfria.
15:46
What happens?
348
934000
2000
Vad händer?
15:48
Almost across the board, productivity goes up,
349
936000
3000
Nästan överallt,
stiger produktiviteten,
engagemanget ökar,
engagemanget ökar,
15:51
worker engagement goes up,
350
939000
3000
arbetstillfredsställelse går upp
och omkostnaderna minskar.
och omkostnaderna minskar.
15:54
worker satisfaction goes up, turnover goes down.
351
942000
3000
15:57
Autonomy, mastery and purpose,
352
945000
2000
Självstyre, kompetens och mening,
15:59
These are the building blocks of a new way of doing things.
353
947000
2000
byggstenarna till
ett nytt sätt att göra saker.
ett nytt sätt att göra saker.
16:01
Now some of you might look at this and say,
354
949000
3000
Några av er kanske funderar och säger,
16:04
"Hmm, that sounds nice, but it's Utopian."
355
952000
3000
"Hmm, det låter trevligt,
men det är utopiskt."
men det är utopiskt."
16:07
And I say, "Nope. I have proof."
356
955000
5000
Men då säger jag: "Nej.
Jag har bevis. "
16:12
The mid-1990s, Microsoft started
357
960000
2000
I mitten av 1990-talet började Microsoft
med ett uppslagsverk som kallades Encarta.
med ett uppslagsverk som kallades Encarta.
16:14
an encyclopedia called Encarta.
358
962000
2000
16:16
They had deployed all the right incentives,
359
964000
2000
De hade infört
alla de rätta belöningarna.
alla de rätta belöningarna.
16:18
all the right incentives. They paid professionals to
360
966000
3000
De betalade proffs för att skriva
och redigera tusentals artiklar.
och redigera tusentals artiklar.
16:21
write and edit thousands of articles.
361
969000
2000
16:23
Well-compensated managers oversaw the whole thing
362
971000
2000
Välbetalda chefer
övervakade det hela
övervakade det hela
16:25
to make sure it came in on budget and on time.
363
973000
5000
för att se till att det kom in
enligt budget och i tid.
enligt budget och i tid.
16:30
A few years later another encyclopedia got started.
364
978000
2000
Några år senare startas
ett annat uppslagsverk.
ett annat uppslagsverk.
16:32
Different model, right?
365
980000
3000
Enligt en annan modell, eller hur?
16:35
Do it for fun. No one gets paid a cent, or a Euro or a Yen.
366
983000
4000
Man gör det för skojs skull.
Ingen får betalt ett öre,
en euro eller en yen.
en euro eller en yen.
16:39
Do it because you like to do it.
367
987000
3000
Man gör det för att
man gillar att göra det.
man gillar att göra det.
16:42
Now if you had, just 10 years ago,
368
990000
3000
För bara 10 år sedan,
16:45
if you had gone to an economist, anywhere,
369
993000
2000
om du hade gått till
vilken ekonom som helst,
vilken ekonom som helst,
16:47
and said, "Hey, I've got these two different models for creating an encyclopedia.
370
995000
4000
"Hej, jag har dessa två olika modeller
för att skapa en encyklopedi.
för att skapa en encyklopedi.
Om de tävlade, vilken skulle vinna? "
16:51
If they went head to head, who would win?"
371
999000
3000
För 10 år sedan hade du inte
hittat en enda nykter ekonom,
hittat en enda nykter ekonom,
16:54
10 years ago you could not have found a single sober economist anywhere
372
1002000
4000
var som helst på jorden,
16:58
on planet Earth
373
1006000
2000
som skulle ha förutspått
Wikipedia-modellen.
Wikipedia-modellen.
17:00
who would have predicted the Wikipedia model.
374
1008000
2000
17:02
This is the titanic battle between these two approaches.
375
1010000
3000
Detta är "Titanic-striden"
mellan dessa två synsätt.
mellan dessa två synsätt.
17:05
This is the Ali-Frazier of motivation. Right?
376
1013000
3000
Detta är mästarfajten, likt Ali-Frazier,
om motivation, eller hur?
om motivation, eller hur?
17:08
This is the Thrilla' in Manila.
377
1016000
2000
Som matchen "the Thrilla in Manila".
17:10
Alright? Intrinsic motivators versus extrinsic motivators.
378
1018000
3000
Inre drivkrafter
mot yttre motivationsfaktorer.
mot yttre motivationsfaktorer.
17:13
Autonomy, mastery and purpose,
379
1021000
2000
Självstyre, kompetens och mening
17:15
versus carrot and sticks. And who wins?
380
1023000
2000
mot morötter och piskor
och vilken vinner?
och vilken vinner?
17:17
Intrinsic motivation, autonomy, mastery and purpose,
381
1025000
3000
Inre drivkrafter, självstyre,
kompetens och mening, på knockout.
kompetens och mening, på knockout.
17:20
in a knockout. Let me wrap up.
382
1028000
4000
Låt mig avsluta.
17:24
There is a mismatch between what science knows and what business does.
383
1032000
3000
Det skiljer mycket på
vad vetenskapen vet och hur företag gör.
vad vetenskapen vet och hur företag gör.
17:27
And here is what science knows.
384
1035000
2000
Vetenskapen vet följande.
17:29
One: Those 20th century rewards,
385
1037000
2000
Ett: 1900-talets belöningar,
motivationskrafter som vi tror
är en självklar del av företaget,
är en självklar del av företaget,
17:31
those motivators we think are a natural part of business,
386
1039000
3000
17:34
do work, but only in a surprisingly narrow band of circumstances.
387
1042000
4000
fungerar, men bara
under väldigt speciella villkor.
under väldigt speciella villkor.
Två: Utlovade morötter
sänker oftast kreativiteten.
sänker oftast kreativiteten.
17:38
Two: Those if-then rewards often destroy creativity.
388
1046000
4000
17:42
Three: The secret to high performance
389
1050000
2000
Tre: Hemligheten bakom höga prestationer
är inte belöningar och straff,
är inte belöningar och straff,
17:44
isn't rewards and punishments,
390
1052000
2000
17:46
but that unseen intrinsic drive --
391
1054000
2000
utan den inneboende drivkraften -
17:48
the drive to do things for their own sake.
392
1056000
3000
drivkraften att göra saker
för sin egen skull.
för sin egen skull.
Drivkraften att göra saker
som har mening.
som har mening.
17:51
The drive to do things cause they matter.
393
1059000
2000
17:53
And here's the best part. Here's the best part.
394
1061000
2000
Och här kommer det bästa.
17:55
We already know this. The science confirms what we know in our hearts.
395
1063000
3000
Vi vet redan detta.
Vetenskap bekräftar
vad vi egentligen känner.
vad vi egentligen känner.
17:58
So, if we repair this mismatch
396
1066000
3000
Så, om vi tar bort skillnaden
mellan vetenskap och näringsliv,
mellan vetenskap och näringsliv,
18:01
between what science knows and what business does,
397
1069000
2000
18:03
if we bring our motivation, notions of motivation
398
1071000
3000
och lyfter in motivation,
kunskaperna om motivation
kunskaperna om motivation
18:06
into the 21st century,
399
1074000
2000
in i 2000-talet,
18:08
if we get past this lazy, dangerous, ideology
400
1076000
4000
om vi kan komma förbi
den lata, farliga ideologin
den lata, farliga ideologin
18:12
of carrots and sticks,
401
1080000
2000
med morötter och piskor,
18:14
we can strengthen our businesses,
402
1082000
3000
så kan vi stärka våra företag,
18:17
we can solve a lot of those candle problems,
403
1085000
3000
vi kan lösa en hel del
av dessa ljusproblem,
av dessa ljusproblem,
och kanske, kanske -
18:20
and maybe, maybe, maybe
404
1088000
4000
18:24
we can change the world.
405
1092000
2000
kan vi förändra världen.
Jag avslutar härmed min plädering.
18:26
I rest my case.
406
1094000
2000
(Applåder)
18:28
(Applause)
407
1096000
3000
ABOUT THE SPEAKER
Dan Pink - Career analystBidding adieu to his last "real job" as Al Gore's speechwriter, Dan Pink went freelance to spark a right-brain revolution in the career marketplace.
Why you should listen
With a trio of influential bestsellers, Dan Pink has changed the way companies view the modern workplace. In the pivotal A Whole New Mind, Pink identifies a sea change in the global workforce -- the shift of an information-based corporate culture to a conceptual base, where creativity and big-picture design dominates the landscape.
His latest book, The Adventures of Johnny Bunko, is an evolutionary transformation of the familiar career guide. Replacing linear text with a manga-inspired comic, Pink outlines six career laws vastly differing from the ones you've been taught. Members of the Johnny Bunko online forum participated in an online contest to create the seventh law -- "stay hungry."
A contributing editor for Wired, Pink is working on a new book on the science and economics of motivation for release in late 2009.
Dan Pink | Speaker | TED.com