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

डॅन पिंक: प्रोत्साहनाचं कोडं

Filmed:
25,352,736 views

पारंपारिक पुरस्कार नेहमी आपल्याला वाटतात तेवढे परिणामकारक नसतात हि वस्तुस्थिती जी समाजशास्त्रज्ञांना माहिती आहे पण व्यवस्थापकांना नाही या गोष्टीने सुरुवात करत कारकीर्द विश्लेषक डॅन पिंक प्रोत्साहनाचं कोडं तपासून बघतात. त्यांचे बोधप्रद किस्से ऐका -- आणि कदाचित तो भविष्यातील मार्ग असेल.
- 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 confession at the outset here.
0
0
4000
सुरुवातीलाच मला एक गोष्ट कबूल करायची आहे.
साधारण वीसेक वर्षांपूर्वी मी एक गोष्ट केली
ज्याचा मला पश्चाताप होतो
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
अशी गोष्ट ज्याचा मला विशेष अभिमान नाही.
अशी गोष्ट जी बऱ्याच अंगांनी कोणाला
कळू नये हि माझी इच्छा आहे
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
पण इथे मला ती उघड करावीशी वाटते.
(हशा)
00:32
(Laughter)
6
20000
2000
१९८० च्या दशकाच्या उत्तरार्धात,
00:34
In the late 1980s,
7
22000
2000
तारुण्याच्या एका असमंजस क्षणी,
00:36
in a moment of youthful indiscretion,
8
24000
3000
00:39
I went to law school.
9
27000
2000
मी विधी विद्यालयात गेलो.
(हशा)
00:41
(Laughter)
10
29000
4000
00:45
Now, in America law is a professional degree:
11
33000
3000
अमेरिकेत कायद्याची पदवी हि पांढरपेशी आहे:
विद्यापीठाच्या पदवीनंतर तुम्ही विधी
विद्यालयात जाता
00:48
you get your university degree, then you go on to law school.
12
36000
2000
00:50
And when I got to law school,
13
38000
3000
जेव्हा मी विधी विद्यालयात गेलो,
मी फारसा यशस्वी झालो नाही.
00:53
I didn't do very well.
14
41000
2000
00:55
To put it mildly, I didn't do very well.
15
43000
2000
सौम्यपणे सांगायचं तर,
मी यशस्वी झालो नाही
00:57
I, in fact, graduated in the part of my law school class
16
45000
3000
खरंतर मी आमच्या वर्गातील उत्तीर्ण
झालेल्या त्या गटात होतो
01:00
that made the top 90 percent possible.
17
48000
4000
जे पहिले ९०% होते.
01:04
(Laughter)
18
52000
4000
(हशा)
01:08
Thank you.
19
56000
3000
धन्यवाद.
माझ्या आयुष्यात मी एकही दिवस
कायद्याचा व्यवसाय केला नाही
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
मला त्याची परवानगीच नव्हती.
01:16
(Laughter)
22
64000
3000
(हशा)
01:19
But today, against my better judgment,
23
67000
3000
पण आज, माझ्या योग्य निर्णयाला डावलून,
01:22
against the advice of my own wife,
24
70000
3000
माझ्या पत्नीच्या सल्ल्याविरुद्ध,
01:25
I want to try to dust off some of those legal skills --
25
73000
4000
मला त्या काही विधी कौशल्यांवरची
धूळ साफ करायची आहे
01:29
what's left of those legal skills.
26
77000
2000
त्या उरल्यासुरल्या विधी कौशल्यांवरची.
01:31
I don't want to tell you a story.
27
79000
3000
मला कथाकथन करायचं नाही.
01:34
I want to make a case.
28
82000
2000
मला खटला भरायचा आहे.
01:36
I want to make a hard-headed, evidence-based,
29
84000
4000
मला एक व्यवहारी,
पुरावे असलेला,
01:40
dare I say lawyerly case,
30
88000
3000
बिनधास्त म्हणेन कायदेशीर खटला,
01:43
for rethinking how we run our businesses.
31
91000
4000
आपण व्यवसाय कसे करतो याचा
पुनर्विचार करण्याबाबत
01:47
So, ladies and gentlemen of the jury, take a look at this.
32
95000
4000
तेव्हा जुरीतील सभ्य स्त्री पुरुषहो,
हे बघा.
01:51
This is called the candle problem.
33
99000
2000
ह्याला मेणबत्तीची समस्या म्हणतात.
01:53
Some of you might have seen this before.
34
101000
2000
आपल्यातील काहींना कदाचित माहिती असेल.
01:55
It's created in 1945
35
103000
2000
ती १९४५ मध्ये निर्माण केली होती
01:57
by a psychologist named Karl Duncker.
36
105000
2000
कार्ल डंकर नावाच्या मानसशास्त्रज्ञाने.
01:59
Karl Duncker created this experiment
37
107000
2000
त्यांनी हा प्रयोग केला होता
02:01
that is used in a whole variety of experiments in behavioral science.
38
109000
3000
जो वर्तनशास्त्राच्या इतर प्रयोगांसोबत
वापरला जातो
02:04
And here's how it works. Suppose I'm the experimenter.
39
112000
3000
आणि तो असा केला जातो. समजा मी
प्रयोग करणारा आहे
02:07
I bring you into a room. I give you a candle,
40
115000
4000
मी तुम्हाला एका खोलीत आणलंय.
मी तुम्हाला एक मेणबत्ती,
टाचण्या आणि काडेपेटीतील काड्या देतो
02:11
some thumbtacks and some matches.
41
119000
2000
आणि मी तुम्हाला म्हणतो
02:13
And I say to you, "Your job
42
121000
2000
"तुम्ही मेणबत्ती भिंतीला अशी लावा कि
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
जेणेकरून मेण टेबलावर पडणार नाही."
आता तुम्ही काय कराल?
02:21
Now many people begin trying to thumbtack the candle to the wall.
45
129000
4000
पुष्कळ जणं मेणबत्ती टाचणीने
भिंतीला लावायला लागतात
02:25
Doesn't work.
46
133000
2000
ते कामाचं नाही.
मी कुणालातरी या इथे तशी
हालचाल करताना पाहिलं--
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
काही लोकांच्या भन्नाट कल्पनेनुसार
ते काडी पेटवतात,
02:33
light the match, melt the side of the candle, try to adhere it to the wall.
50
141000
4000
मेणबत्तीची एक बाजू वितळवतात व
भिंतीला चिकटवायचा प्रयत्न करतात
02:37
It's an awesome idea. Doesn't work.
51
145000
3000
हि एक जबरदस्त कल्पना आहे. पण कामाची नाही.
02:40
And eventually, after five or 10 minutes,
52
148000
3000
आणि शेवटी, पाच दहा मिनिटांनंतर,
02:43
most people figure out the solution,
53
151000
2000
बऱ्याच लोकांना उत्तर सापडतं,
02:45
which you can see here.
54
153000
2000
जे तुम्ही इथे पाहू शकता.
ज्याला कार्यस्थिरता म्हणतात त्यावर
मात करणे महत्त्वाचे आहे.
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
तुम्ही टाचण्यांच्या पेटीकडे केवळ
एक पेटी म्हणून बघता.
02:54
But it can also have this other function,
57
162000
2000
पण तिचा उपयोग असाही होऊ शकतो,
02:56
as a platform for the candle. The candle problem.
58
164000
4000
मेणबत्तीचा आधार म्हणून.
मेणबत्तीची समस्या.
03:00
Now I want to tell you about an experiment
59
168000
2000
मेणबत्तीच्या समस्येचा उपयोग करून केलेल्या
प्रयोगाबद्दल मला आपल्याला सांगायचं आहे,
03:02
using the candle problem,
60
170000
2000
सॅम ग्लक्सबर्ग नावाच्या
शात्रज्ञाने केलेल्या
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
जे अमेरिकेत प्रिन्स्टन
विद्यापीठात सध्या आहेत
03:08
This shows the power of incentives.
63
176000
4000
यातून प्रलोभनांची शक्ती दिसून येते.
03:12
Here's what he did. He gathered his participants.
64
180000
2000
सहभागी होणाऱ्यांना बोलावून ते म्हणाले
03:14
And he said, "I'm going to time you. How quickly you can solve this problem?"
65
182000
3000
"किती वेळात तुम्ही हि समस्या सोडवू
शकता हे मी पाहणार आहे."
03:17
To one group he said,
66
185000
2000
एका गटाला ते म्हणाले,
03:19
"I'm going to time you to establish norms,
67
187000
3000
"मी तुमचा वेळ प्रमाण ठरवण्यासाठी
मोजणार आहे
03:22
averages for how long it typically takes
68
190000
2000
एखाद्याला या प्रकारची समस्या सोडवण्यासाठी
सरासरी किती वेळ लागतो ते पाहण्यासाठी."
03:24
someone to solve this sort of problem."
69
192000
2000
03:26
To the second group he offered rewards.
70
194000
3000
दुसऱ्या गटाला त्यांनी बक्षिसं देऊ केली.
03:29
He said, "If you're in the top 25 percent of the fastest times,
71
197000
4000
ते म्हणाले "अत्यंत कमी वेळात समस्या
सोडवणाऱ्या पहिल्या २५% पैकी तुम्ही असाल
03:33
you get five dollars.
72
201000
3000
तर पाच डॉलर्स मिळतील.
या प्रयोगात जर तुम्ही सर्वांत वेगवान असाल,
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
तर २० डॉलर्स मिळतील."
03:41
Now this is several years ago. Adjusted for inflation,
75
209000
3000
आता हे खूप वर्षांपूर्वीचं आहे, चलन
फुगवटा लक्षात घेता
काही मिनिटांच्या कामाकरिता हा एक
छानसा मोबदला आहे
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
हे एक चांगलं प्रोत्साहन आहे.
03:48
Question: How much faster
78
216000
3000
प्रश्न:
या गटाने किती अधिक वेगाने समस्या सोडवली?
03:51
did this group solve the problem?
79
219000
2000
03:53
Answer: It took them, on average,
80
221000
3000
उत्तर:
सरासरी त्यांना साडेतीन मिनीटं जास्त लागली.
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
३.५ मिनीटं जास्त.
याला काही अर्थ नाही, खरंय ना?
04:03
I mean, I'm an American. I believe in free markets.
83
231000
3000
म्हणजे, मी एक अमेरिकन आहे. मी मुक्त
बाजार व्यवस्था मानतो.
04:06
That's not how it's supposed to work. Right?
84
234000
3000
ती अशी काम करत नाही, नाही का?
04:09
(Laughter)
85
237000
1000
(हशा)
04:10
If you want people to perform better,
86
238000
2000
जर तुम्हाला लोकांनी चांगलं काम करावं असं
वाटत असेल तर तुम्ही बक्षीस देता. हो ना?
04:12
you reward them. Right?
87
240000
2000
04:14
Bonuses, commissions, their own reality show.
88
242000
3000
बोनस, कमिशन त्यांचा स्वतःचा रिअॅलिटी शो.
04:17
Incentivize them. That's how business works.
89
245000
4000
प्रलोभित करता.
व्यवसाय असाच चालतो.
04:21
But that's not happening here.
90
249000
2000
पण इथे ते घडत नाहीये.
04:23
You've got an incentive designed to
91
251000
2000
तुम्ही बक्षिसाचं स्वरूप केलं आहे ते
04:25
sharpen thinking and accelerate creativity,
92
253000
4000
विचारप्रवृत्त करण्यासाठी आणि
सर्जनशीलता वाढवण्यासाठी
आणि ते अगदी विरुद्ध काम करतं.
04:29
and it does just the opposite.
93
257000
2000
04:31
It dulls thinking and blocks creativity.
94
259000
3000
त्यामुळे विचारप्रक्रिया मंदावते आणि
सर्जनशीलतेत अडथळा येतो
04:34
And what's interesting about this experiment is that it's not an aberration.
95
262000
3000
या प्रयोगाची मनोरंजक गोष्ट हि आहे
कि ते अस्वाभाविक नाही.
04:37
This has been replicated over and over
96
265000
3000
ह्याची पुष्कळवेळा पुनरावृत्ती झालेली आहे
04:40
and over again, for nearly 40 years.
97
268000
3000
जवळजवळ गेली ४० वर्षं.
04:43
These contingent motivators --
98
271000
3000
ही सशर्त प्रोत्साहनं --
04:46
if you do this, then you get that --
99
274000
2000
तुम्ही हे केलं तर ते मिळेल --
04:48
work in some circumstances.
100
276000
2000
काही परिस्थितीच उपयुक्त ठरतं.
04:50
But for a lot of tasks, they actually either don't work
101
278000
3000
पण बऱ्याचशा कामांबाबत ते एकतर चालत नाहीत
04:53
or, often, they do harm.
102
281000
3000
किंवा बऱ्याचदा हानीकारक ठरतात.
04:56
This is one of the most robust findings
103
284000
4000
समाजशास्त्रातील हा एक प्रबळ शोध आहे,
05:00
in social science,
104
288000
3000
आणि सर्वांत दुर्लक्षित देखील.
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
मी गेली दोन वर्षं घालवली
मानवी प्रोत्साहनामागचं शास्त्र बघण्यात,
05:07
human motivation,
107
295000
2000
विशेषतः बाहेरील प्रोत्साहनांमागची
प्रेरक शक्ती
05:09
particularly the dynamics of extrinsic motivators
108
297000
2000
05:11
and intrinsic motivators.
109
299000
2000
आणि अंगभूत असलेली प्रेरक शक्ती.
05:13
And I'm telling you, it's not even close.
110
301000
2000
आणि मी तुम्हाला सांगतो, ते जवळपासही नाही.
05:15
If you look at the science, there is a mismatch
111
303000
2000
जर तुम्ही शास्त्र पाहिलं तर विसंगती आहे
05:17
between what science knows and what business does.
112
305000
4000
शास्त्र जे जाणतं त्यात
आणि व्यवसायात जे घडतं त्यात.
05:21
And what's alarming here is that our business operating system --
113
309000
3000
इथे अस्वस्थ करणारी गोष्ट हि आहे
कि आपली व्यवसायपद्धती
05:24
think of the set of assumptions and protocols beneath our businesses,
114
312000
3000
व्यवसायातील गृहीतकं आणि
शिष्टाचारांचा विचार करते
05:27
how we motivate people, how we apply our human resources --
115
315000
5000
लोकांना आपण कसं प्रोत्साहित करतो,
मानवी संसाधनांचा वापर कसा करतो
05:32
it's built entirely around these extrinsic motivators,
116
320000
3000
हे सगळं वरदर्शी प्रोत्साहनांभोवती फिरतं,
05:35
around carrots and sticks.
117
323000
2000
प्रलोभनांची गाजरं दाखवली जातात.
05:37
That's actually fine for many kinds of 20th century tasks.
118
325000
4000
२० व्या शतकातील बऱ्याच प्रकारच्या
कामांसाठी ते ठीक आहे
05:41
But for 21st century tasks,
119
329000
2000
पण २१ व्या शतकातील कामांसाठी,
05:43
that mechanistic, reward-and-punishment approach
120
331000
4000
ते तंत्र, बक्षिसी आणि शिक्षा हा दृष्टिकोन
05:47
doesn't work, often doesn't work, and often does harm.
121
335000
4000
कामाचं नाही,
नेहमीच काम करत नाही,
बऱ्याचदा हानीकारक ठरतं
05:51
Let me show you what I mean.
122
339000
2000
मी आपल्याला दाखवतो.
ग्लक्सबर्गनी दुसरा यासारखाच प्रयोग केला,
05:53
So Glucksberg did another experiment similar to this
123
341000
3000
त्यांनी प्रश्न थोड्या वेगळ्या
पद्धतीने मांडला
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
जसा इथे आहे.
मेणबत्ती भिंतीला अशा पद्धतीने लावा कि
जेणेकरून मेण टेबलावर पडणार नाही
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
पुन्हा तेच. तुम्ही: आम्ही
वेळ प्रमाणित करतो आहोत
06:06
You: we're incentivizing.
128
354000
3000
आम्ही प्रलोभनं दाखवतो आहोत.
यावेळी काय घडलं?
06:09
What happened this time?
129
357000
2000
06:11
This time, the incentivized group
130
359000
2000
यावेळी, प्रलोभनं दाखवलेल्या गटाने
दुसऱ्या गटाला झिडकारलं
06:13
kicked the other group's butt.
131
361000
4000
06:17
Why? Because when the tacks are out of the box,
132
365000
4000
का?
कारण खोक्यातून टाचण्या बाहेर काढल्यावर,
06:21
it's pretty easy isn't it?
133
369000
4000
ते खूपच सोपं आहे, नाही का?
06:25
(Laughter)
134
373000
2000
(हशा)
06:27
If-then rewards work really well
135
375000
3000
म्हणजेच बक्षिसी त्याच कामांसाठी
उपयोगी ठरते
06:30
for those sorts of tasks,
136
378000
3000
जिथे नियम अगदी साधेसोपे असतात
06:33
where there is a simple set of rules and a clear destination
137
381000
2000
आणि नक्की काय करायचं आहे ते ठाऊक असतं.
06:35
to go to.
138
383000
2000
06:37
Rewards, by their very nature,
139
385000
2000
प्रलोभनं त्यांच्या अंगभूत गुणांनी,
06:39
narrow our focus, concentrate the mind;
140
387000
2000
दृष्टिकोन अरुंद करतात,
मन संकुचित करतात
06:41
that's why they work in so many cases.
141
389000
2000
म्हणून बऱ्याच ठिकाणी ते चालून जातात.
06:43
And so, for tasks like this,
142
391000
2000
म्हणून यासारख्या कामांसाठी,
06:45
a narrow focus, where you just see the goal right there,
143
393000
3000
संकुचीत दृष्टीने, जिथे ध्येय तुम्हाला
समोर दिसतं
06:48
zoom straight ahead to it,
144
396000
2000
सरळ पुढे जायचं असतं,
06:50
they work really well.
145
398000
2000
त्यांचा खरंच उपयोग होतो.
पण खऱ्या मेणबत्तीच्या समस्येसाठी,
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
तुम्हाला यासारखं असावं वाटणार नाही.
06:56
The solution is not over here. The solution is on the periphery.
148
404000
2000
उत्तर सीमेवर आहे. तुम्हाला ते शोधायचंय.
06:58
You want to be looking around.
149
406000
2000
खरंतर प्रलोभन आपली दृष्टी संकुचीत करतं
07:00
That reward actually narrows our focus
150
408000
2000
07:02
and restricts our possibility.
151
410000
2000
आणि शक्यतेवर बंधन आणतं.
07:04
Let me tell you why this is so important.
152
412000
3000
हे का महत्वाचं आहे ते मी आपल्याला सांगतो.
07:07
In western Europe,
153
415000
2000
पश्चिम युरोपात,
07:09
in many parts of Asia,
154
417000
2000
आशियातील बऱ्याच भागांत,
07:11
in North America, in Australia,
155
419000
3000
अमेरिकेत, ऑस्ट्रेलियात,
07:14
white-collar workers are doing less of
156
422000
2000
पांढरपेशे लोक अशी कामं कमी
प्रमाणात करताहेत,
07:16
this kind of work,
157
424000
2000
आणि अशा प्रकारची जास्त कामं करताहेत.
07:18
and more of this kind of work.
158
426000
4000
ते नेहमीचंच, नियमबद्ध,
डाव्या मेंदूचं काम --
07:22
That routine, rule-based, left-brain work --
159
430000
3000
ठराविक प्रकारची हिशेबाची कामं,
आर्थिक विश्लेषण,
07:25
certain kinds of accounting, certain kinds of financial analysis,
160
433000
2000
07:27
certain kinds of computer programming --
161
435000
2000
संगणक प्रणाली बनवणे --
07:29
has become fairly easy to outsource,
162
437000
2000
बाहेरून करून घेणं जास्त सोपं झालंय,
07:31
fairly easy to automate.
163
439000
2000
त्यांना स्वयंचलीत करणं सोपं आहे.
07:33
Software can do it faster.
164
441000
3000
सॉफ्टवेअर ते अधिक जलद करतं.
कमी खर्चीक पुरवठादार स्वस्तात
करून देऊ शकतात
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
मग महत्वाचं काय आहे तर
सर्जनशील, संकल्पनात्मक, उजवा
मेंदू वापराव्या लागणाऱ्या क्षमता
07:42
creative, conceptual kinds of abilities.
167
450000
3000
07:45
Think about your own work.
168
453000
3000
तुम्ही स्वतः करत असलेल्या कामाचा
विचार करा
07:48
Think about your own work.
169
456000
3000
तुमच्या स्वतःच्या कामाचा विचार करा.
ज्या प्रश्नांना तुम्ही सामोरं
जाता
07:51
Are the problems that you face, or even the problems
170
459000
2000
किंवा ज्या प्रश्नांबद्दल आपण
इथे बोलतो आहोत
07:53
we've been talking about here,
171
461000
2000
07:55
are those kinds of problems -- do they have a clear set of rules,
172
463000
2000
त्यांचे काही ठराविक नियम,
07:57
and a single solution? No.
173
465000
3000
आणि उत्तर आहे का?
नाही. ते नियम गोंधळात टाकणारे आहेत.
08:00
The rules are mystifying.
174
468000
2000
08:02
The solution, if it exists at all,
175
470000
2000
उत्तर, जर असलंच तर,
08:04
is surprising and not obvious.
176
472000
3000
आश्चर्यकारक आणि अस्वाभाविक आहे.
08:07
Everybody in this room
177
475000
2000
या सभागृहातील प्रत्येकजण
08:09
is dealing with their own version
178
477000
3000
स्वतःला भेडसावत असलेल्या
मेणबत्तीच्या समस्येशी झुंजतोय
08:12
of the candle problem.
179
480000
2000
08:14
And for candle problems of any kind,
180
482000
3000
आणि मेणबत्तीच्या प्रश्नासारख्या
कोणत्याही समस्येवर
08:17
in any field,
181
485000
2000
कुठल्याही क्षेत्रात
ती जर-तरची बक्षिसं,
08:19
those if-then rewards,
182
487000
3000
ज्यांच्याभोवती आपण आपले बरेचसे
व्यवसाय उभे केले आहेत,
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
कामाचे नाहीत!
या गोष्टीने मला चक्रावून टाकलंय.
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
आणि ही एक गोष्ट आहे.
08:32
This is not a feeling.
187
500000
3000
ही काही भावना नाही.
08:35
Okay? I'm a lawyer; I don't believe in feelings.
188
503000
3000
ठीक आहे? मी एक वकील आहे;
मी भावनांना मानत नाही.
08:38
This is not a philosophy.
189
506000
4000
हे तत्त्वज्ञान नाही.
08:42
I'm an American; I don't believe in philosophy.
190
510000
2000
मी एक अमेरिकन आहे;
मी तत्त्वज्ञान मानत नाही.
08:44
(Laughter)
191
512000
3000
(हशा)
08:47
This is a fact --
192
515000
3000
हि वस्तुस्थिती आहे--
08:50
or, as we say in my hometown of Washington, D.C.,
193
518000
2000
किंवा आमच्या वॉशिंग्टन, डी. सी.
मध्ये म्हणतात तसं
08:52
a true fact.
194
520000
2000
एक सत्य वस्तुस्थिती.
08:54
(Laughter)
195
522000
2000
(हशा)
08:56
(Applause)
196
524000
4000
(टाळ्या)
09:00
Let me give you an example of what I mean.
197
528000
2000
मी तुम्हाला एक उदाहरण देतो.
09:02
Let me marshal the evidence here,
198
530000
2000
मला पुरावा गोळा करू द्या.
09:04
because I'm not telling you a story, I'm making a case.
199
532000
2000
मी कथाकथन करत नाहीये,
एक खटला तयार करतोय.
09:06
Ladies and gentlemen of the jury, some evidence:
200
534000
2000
ज्युरींतील सभ्य गृहस्थहो, हा पुरावा:
09:08
Dan Ariely, one of the great economists of our time,
201
536000
3000
डॅन एरिएली, महान अर्थशास्त्रज्ञांपैकी एक
09:11
he and three colleagues, did a study of some MIT students.
202
539000
4000
त्यांनी व त्यांच्या तीन सहकाऱ्यांनी
MITतील विद्यार्थ्यांचा एक अभ्यास केला.
09:15
They gave these MIT students a bunch of games,
203
543000
3000
त्यांनी या MIT च्या विद्यार्थ्यांना
काही खेळ दिले
09:18
games that involved creativity,
204
546000
2000
ज्यांत सर्जनशीलता आवश्यक होती,
09:20
and motor skills, and concentration.
205
548000
2000
आणि गतीप्रेरक कौशल्ये, एकाग्रतासुद्धा.
09:22
And the offered them, for performance,
206
550000
2000
कामगिरी पूर्ण करण्यासाठी त्यांनी त्यांना,
09:24
three levels of rewards:
207
552000
2000
तीन वेगळ्या स्तरांची बक्षिसं देऊ केली;
09:26
small reward, medium reward, large reward.
208
554000
5000
छोटं बक्षीस, मध्यम बक्षीस, मोठं बक्षीस.
तुम्ही जर खरंच चांगली कामगिरी केली
तर तुम्हाला मोठं बक्षीस या क्रमाने
09:31
Okay? If you do really well you get the large reward, on down.
209
559000
4000
काय घडलं?
09:35
What happened? As long as the task involved only mechanical skill
210
563000
4000
जोवर कामात यांत्रिक कौशल्यांची गरज होती
09:39
bonuses worked as they would be expected:
211
567000
2000
अपेक्षेप्रमाणे बक्षिसांनी काम केलं:
09:41
the higher the pay, the better the performance.
212
569000
4000
बक्षिसाची रक्कम जितकी जास्त तितकी
कामगिरी चांगली
ठीक आहे?
09:45
Okay? But one the task called for
213
573000
2000
पण जेव्हा कामात प्राथमिक आकलन
कौशल्याची गरज भासली
09:47
even rudimentary cognitive skill,
214
575000
4000
09:51
a larger reward led to poorer performance.
215
579000
5000
तेव्हा बक्षीस मोठं असूनही कामगिरी
खराब झाली
09:56
Then they said,
216
584000
2000
मग ते म्हणाले,
09:58
"Okay let's see if there's any cultural bias here.
217
586000
2000
"इथे काही सांस्कृतिक कल आहे का ते बघू.
10:00
Lets go to Madurai, India and test this."
218
588000
2000
आपण भारतात मदुराईला जाऊ आणि बघू."
10:02
Standard of living is lower.
219
590000
2000
राहणीमान कमी दर्जाचं आहे.
10:04
In Madurai, a reward that is modest in North American standards,
220
592000
3000
मदुराईमध्ये अमेरिकेत
साधं समजलं जाणारं बक्षिसदेखील
10:07
is more meaningful there.
221
595000
3000
जास्त अर्थपूर्ण आहे.
पुन्हा तेच: काही खेळ, बक्षिसांचे तीन स्तर.
10:10
Same deal. A bunch of games, three levels of rewards.
222
598000
3000
10:13
What happens?
223
601000
2000
काय होतं?
10:15
People offered the medium level of rewards
224
603000
3000
ज्या लोकांना मध्यम स्तरावरची
बक्षिसं देऊ केली
10:18
did no better than people offered the small rewards.
225
606000
3000
ते छोटी बक्षिसं मिळालेल्यांपेक्षा
वरचढ नव्हते
पण यावेळी ज्या लोकांना मोठी
बक्षिसं मिळाली,
10:21
But this time, people offered the highest rewards,
226
609000
4000
10:25
they did the worst of all.
227
613000
4000
त्यांनी सर्वांत खराब केलं.
तीन प्रयोगांत, नऊपैकी जी आठ
कामं आम्ही तपासली,
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
त्यात अधिक प्रोत्साहनांमुळे कामगिरी
अजूनच खराब झाली.
10:37
Is this some kind of touchy-feely
230
625000
3000
हे काही कुठल्या प्रकारचं भावनिक
सामाजिक कारस्थान चालू आहे?
10:40
socialist conspiracy going on here?
231
628000
3000
10:43
No. These are economists from MIT,
232
631000
3000
नाही हे अर्थशास्त्रज्ञ आहेत MIT चे,
10:46
from Carnegie Mellon, from the University of Chicago.
233
634000
3000
कार्नेजी मेलनचे, शिकागो विद्यापीठाचे.
10:49
And do you know who sponsored this research?
234
637000
2000
हे संशोधन कोणी प्रायोजित केलं
होतं हे तुम्हाला ठाऊक आहे?
10:51
The Federal Reserve Bank of the United States.
235
639000
4000
अमेरिकेच्या फेडरल रिजर्व्ह बँकेने.
10:55
That's the American experience.
236
643000
2000
हा अमेरिकी अनुभव आहे.
10:57
Let's go across the pond to the London School of Economics --
237
645000
3000
आता पलीकडे लंडन स्कूल ऑफ
इकॉनॉमिक्सला जाऊन बघू,
11:00
LSE, London School of Economics,
238
648000
3000
LSE, लंडन स्कूल ऑफ इकॉनॉमिक्स
11:03
alma mater of 11 Nobel Laureates in economics.
239
651000
3000
अर्थशास्त्रात नोबेल पुरस्कारप्राप्त अशा
अकरा जणांचं महाविद्यालय.
11:06
Training ground for great economic thinkers
240
654000
3000
अर्थशास्त्रातील महान विचारवंतांची
शिक्षणभूमी
11:09
like George Soros, and Friedrich Hayek,
241
657000
3000
जॉर्ज सोरोस, फ्रेडरिक हायेक,
11:12
and Mick Jagger. (Laughter)
242
660000
2000
आणि मिक जॅगर यांसारख्या.
(हशा)
11:14
Last month, just last month,
243
662000
4000
गेल्या महिन्यात,
अगदी गेल्या महिन्यातच,
LSEच्या अर्थशास्त्रज्ञांनी ५१ अभ्यास पहिले
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
जे कंपन्यांमधील कामगिरीसाठी
बक्षीस या योजनेचे होते.
11:24
Here's what the economists there said: "We find that financial incentives
246
672000
3000
ते काय म्हणाले ते बघा:
"आम्हाला आढळलं
कि आर्थिक प्रोत्साहनं
11:27
can result in a negative impact on overall performance."
247
675000
6000
संपूर्ण कामगिरीवर नकारात्मक
परिणाम करू शकतात."
एक असंबद्धता आहे शास्त्राला
माहिती असलेल्यामधे
11:33
There is a mismatch between what science knows
248
681000
3000
11:36
and what business does.
249
684000
2000
आणि व्यवसायात जे होतं त्यामधे.
11:38
And what worries me, as we stand here in the rubble
250
686000
3000
आणि मला चिंता याची वाटते, कोसळलेल्या
अर्थव्यवस्थेच्या
11:41
of the economic collapse,
251
689000
2000
अवशेषांमध्ये उभे असताना,
11:43
is that too many organizations
252
691000
2000
बऱ्याचशा संघटना निर्णय घेताहेत,
11:45
are making their decisions,
253
693000
2000
11:47
their policies about talent and people,
254
695000
2000
लोक आणि बुद्धिमत्तेची धोरणं ठरवताहेत,
11:49
based on assumptions that are outdated, unexamined,
255
697000
6000
अशा गृहीतकांच्या आधारे जे कालबाह्य,
न पडताळलेले,
आणि शास्त्रापेक्षा लोकपरंपरेत
मूळ असलेले आहेत.
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
जर आपल्याला या आर्थिक
गुंत्यातून खरंच बाहेर पडायचं असेल
12:01
and if we really want high performance on those
258
709000
2000
जर खरंच उच्च कामगिरी हवी असेल
12:03
definitional tasks of the 21st century,
259
711000
2000
२१ व्या शतकातील त्या सुस्पष्ट कामांमधे,
12:05
the solution is not to do more of the wrong things,
260
713000
6000
तर चुकीच्या गोष्टी पुनःपुन्हा करणे
हे त्याचं उत्तर नव्हे,
12:11
to entice people with a sweeter carrot,
261
719000
3000
लोकांना प्रलोभनांची गाजरं दाखवायची,
किंवा धाकदपटशा करून कामाला लावायचं.
12:14
or threaten them with a sharper stick.
262
722000
2000
12:16
We need a whole new approach.
263
724000
2000
आपल्याला पूर्ण नवा
दृष्टिकोन हवाय.
12:18
And the good news about all of this is that the scientists
264
726000
2000
खुशखबर हि आहे कि जे शास्त्रज्ञ
12:20
who've been studying motivation have given us this new approach.
265
728000
3000
प्रेरणेचा अभ्यास करताहेत त्यांनी हा
नवीन दृष्टिकोन दिला आहे.
12:23
It's an approach built much more around intrinsic motivation.
266
731000
3000
तो बऱ्याच प्रमाणात अंतर्गत
प्रेरणेशी निगडीत आहे.
12:26
Around the desire to do things because they matter,
267
734000
2000
केल्याने होत आहे रे या इच्छेभोवती,
12:28
because we like it, because they're interesting,
268
736000
2000
कारण आम्हाला ते आवडतं, चित्तवेधक
आहेत, किंवा काहीतरी महत्वाचं आहे.
12:30
because they are part of something important.
269
738000
2000
12:32
And to my mind, that new operating system for our businesses
270
740000
4000
आणि माझ्या मते, आपल्या व्यवसायांसाठीची
ती नवीन कार्यपद्धती
12:36
revolves around three elements:
271
744000
2000
तीन घटकांभोवती फिरते:
स्वायत्तता, प्रभुत्व आणि उद्देश.
12:38
autonomy, mastery and purpose.
272
746000
3000
12:41
Autonomy: the urge to direct our own lives.
273
749000
3000
स्वायत्तता: स्वतःच्या आयुष्याला दिशा
देण्याची उत्कट इच्छा.
12:44
Mastery: the desire to get better and better at something that matters.
274
752000
4000
प्रभुत्व: ज्याला महत्व आहे अशी गोष्ट
अधिकाधिक चांगली करण्याची इच्छा.
12:48
Purpose: the yearning to do what we do
275
756000
3000
उद्देश: असं काहीतरी करण्याची तळमळ
12:51
in the service of something larger than ourselves.
276
759000
3000
जे आपण आपल्यापेक्षा मोठ्या असणाऱ्या
गोष्टींच्या सेवेसाठी करतो.
12:54
These are the building blocks of an entirely new operating system
277
762000
3000
एक पूर्ण नवी कार्यपद्धती उभी
करण्यासाठीचे हे घटक आहेत
12:57
for our businesses.
278
765000
2000
आपल्या व्यवसायांसाठी.
12:59
I want to talk today only about autonomy.
279
767000
4000
आज मी फक्त स्वायत्ततेबद्दल बोलू इच्छितो.
13:03
In the 20th century, we came up with this idea of management.
280
771000
3000
२० व्या शतकात व्यवस्थापनेची हि
कल्पना आपल्याला सुचली.
13:06
Management did not emanate from nature.
281
774000
2000
व्यवस्थापनशास्त्राचं मूळ निसर्गात नव्हतं.
13:08
Management is like -- it's not a tree,
282
776000
2000
व्यवस्थापनशास्त्र हे काही झाड नाही, ते
एक दूरचित्रवाणी संच आहे.
13:10
it's a television set.
283
778000
2000
13:12
Okay? Somebody invented it.
284
780000
2000
कोणीतरी त्याचा शोध लावला.
13:14
And it doesn't mean it's going to work forever.
285
782000
2000
म्हणजे असं नाही कि
ते वर्षानुवर्षं चालेल.
13:16
Management is great.
286
784000
2000
व्यवस्थापनशास्त्र महान आहे.
13:18
Traditional notions of management are great
287
786000
2000
व्यवस्थापनातील
पारंपरिक कल्पना महान आहेत
13:20
if you want compliance.
288
788000
2000
जर तुम्हाला मान्यता हवी असेल तर.
13:22
But if you want engagement, self-direction works better.
289
790000
3000
पण जर तुम्हाला सहभाग हवा असेल
तर स्वायत्तता अधिक चांगली.
13:25
Let me give you some examples of some kind of radical
290
793000
2000
काही प्रकारच्या स्वायत्ततेच्या मूलगामी
कल्पनांची उदाहरणं.
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
आपल्याला ती खूप कमी दिसतात,
13:32
but you see the first stirrings of something really interesting going on,
293
800000
3000
पण आपल्याला काही चित्तवेधक
गोष्टींची हालचाल दिसू लागते,
13:35
because what it means is paying people adequately
294
803000
2000
याचा अर्थ असा कि लोकांना पूरक
आणि न्याय्य, संपूर्ण पगार द्यायचा --
13:37
and fairly, absolutely --
295
805000
2000
13:39
getting the issue of money off the table,
296
807000
2000
आर्थिक मुद्दा बाजूला सारायचा,
13:41
and then giving people lots of autonomy.
297
809000
2000
आणि मग त्यांना पुष्कळ स्वायत्तता द्यायची.
13:43
Let me give you some examples.
298
811000
2000
काही उदाहरणं.
13:45
How many of you have heard of the company Atlassian?
299
813000
4000
तुमच्यापैकी किती जणांनी ऍटलाशियन
या कंपनीबद्दल ऐकलं आहे?
13:49
It looks like less than half.
300
817000
2000
असं दिसतंय निम्म्याहून कमी.
13:51
(Laughter)
301
819000
2000
(हशा)
ऍटलाशियन हि ऑस्ट्रेलियाची
सॉफ्टवेअर कंपनी आहे.
13:53
Atlassian is an Australian software company.
302
821000
4000
13:57
And they do something incredibly cool.
303
825000
2000
आणि ते अचंबित करणारी
भन्नाट गोष्ट करतात.
वर्षातून काही वेळा ते त्यांच्या
अभियंत्यांना सांगतात,
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
"पुढचे २४ तास तुम्ही असं काहीही करा,
14:05
as long as it's not part of your regular job.
306
833000
2000
ज्याचा रोजच्या कामाशी
काहीही संबंध नाही.
14:07
Work on anything you want."
307
835000
2000
तुम्हाला हवं ते काम करा."
14:09
So that engineers use this time to come up with
308
837000
2000
अभियंते या वेळेचा वापर एखाद्या
प्रणालीची डागडुजी करण्यासाठी,
14:11
a cool patch for code, come up with an elegant hack.
309
839000
3000
छानसा जुगाड
करण्यासाठी करतात.
14:14
Then they present all of the stuff that they've developed
310
842000
3000
नंतर त्या सगळ्या गोष्टी ते प्रस्तुत करतात
14:17
to their teammates, to the rest of the company,
311
845000
3000
त्यांच्या सहकाऱ्यांसमोर आणि
कंपनीतल्या इतरांसमोर,
14:20
in this wild and wooly all-hands meeting
312
848000
2000
दिवसाखेर, विचित्र आणि संदिग्ध सभेत.
14:22
at the end of the day.
313
850000
2000
14:24
And then, being Australians, everybody has a beer.
314
852000
2000
ऑस्ट्रेलियन असल्यामुळे प्रत्येकजण
बिअर पितो.
14:26
They call them FedEx Days.
315
854000
3000
ते त्यांना फेडेक्स दिवस म्हणतात.
14:29
Why? Because you have to deliver something overnight.
316
857000
6000
का?
कारण तुम्हाला काहीतरी एका
रात्रीत द्यायचं असतं.
हे छान आहे, काही वाईट नाही.
14:35
It's pretty. It's not bad. It's a huge trademark violation,
317
863000
2000
हे व्यापारी मुद्रेचं उल्लंघन
आहे पण चतुरतेने केलेलं.
14:37
but it's pretty clever.
318
865000
2000
14:39
(Laughter)
319
867000
1000
(हशा)
14:40
That one day of intense autonomy
320
868000
2000
प्रखर स्वायत्ततेच्या
एका दिवसाने
14:42
has produced a whole array of software fixes
321
870000
2000
सॉफ्टवेअरच्या पुष्कळ
दुरुस्त्या तयार केल्या
14:44
that might never have existed.
322
872000
2000
ज्या कधी अस्तित्वातच आल्या नसत्या.
14:46
And it's worked so well that Atlassian has taken it to the next level
323
874000
2000
हे इतकं उपयुक्त ठरलंय कि ऍटलाशियनने
ते पुढच्या पातळीवर नेलंय
14:48
with 20 Percent Time --
324
876000
2000
२०% वेळेने--
14:50
done, famously, at Google --
325
878000
2000
गुगल कंपनीत केलं जातं जे प्रसिद्ध आहे--
14:52
where engineers can work, spend 20 percent of their time
326
880000
2000
जिथे अभियंते त्यांच्या वेळेचा २०% भाग
14:54
working on anything they want.
327
882000
2000
त्यांना आवडणाऱ्या
गोष्टीसाठी वापरतात
14:56
They have autonomy over their time,
328
884000
2000
त्यांना स्वायत्तता असते वेळेची,
14:58
their task, their team, their technique.
329
886000
2000
कामाची, संघाची आणि तंत्राची.
15:00
Okay? Radical amounts of autonomy.
330
888000
2000
संपूर्ण स्वायत्तता.
15:02
And at Google, as many of you know,
331
890000
4000
आणि गुगलमधे, तुमच्यापैकी
अनेकांना ठाऊक असेल,
15:06
about half of the new products in a typical year
332
894000
2000
एका वर्षात नवीन उत्पादनांपैकी
निम्मी उत्पादनांचा
15:08
are birthed during that 20 Percent Time:
333
896000
3000
जन्म हा त्या २०% वेळेत होतो:
15:11
things like Gmail, Orkut, Google News.
334
899000
3000
जीमेल, ऑर्कुट, गुगल न्यूज सारखी उत्पादनं.
15:14
Let me give you an even more radical example of it:
335
902000
3000
मी आपल्याला याचं अजून एक अत्यंत
पुरोगामी उदाहरण देतो:
ज्याला Results Only Work
Environment (ROWE) म्हणतात.
15:17
something called the Results Only Work Environment,
336
905000
2000
15:19
the ROWE,
337
907000
2000
दोन अमेरिकी सल्लागारांनी तयार केलेलं
15:21
created by two American consultants, in place
338
909000
2000
जे डझनभर अमेरिकी कंपन्यांमध्ये वापरतात.
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 मधे लोकांसाठी वेळापत्रकं नसतात.
15:29
They show up when they want.
341
917000
2000
त्यांना हवं तेव्हा कामावर येतात.
15:31
They don't have to be in the office at a certain time,
342
919000
2000
त्यांनी ठराविक वेळी किंवा कोणत्याही वेळी
कार्यालयात असण्याची गरज नसते.
15:33
or any time.
343
921000
2000
15:35
They just have to get their work done.
344
923000
2000
त्यांनी फक्त त्याचं काम करायचं असतं
15:37
How they do it, when they do it,
345
925000
2000
ते त्यांनी कसं करायचं, केव्हा करायचं,
कुठे करायचं हे पूर्णतः त्यांच्यावर असतं.
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
या प्रकारच्या वातावरणांत सभा ह्या
ऐच्छिक असतात.
15:46
What happens?
348
934000
2000
काय होतं?
15:48
Almost across the board, productivity goes up,
349
936000
3000
जवळजवळ सगळ्यांचीच
उत्पादकता वाढते, कामातील सहभाग वाढतो,
15:51
worker engagement goes up,
350
939000
3000
कामातून अधिक समाधान मिळतं, सोडून
जाण्याचं प्रमाण कमी होतं.
15:54
worker satisfaction goes up, turnover goes down.
351
942000
3000
15:57
Autonomy, mastery and purpose,
352
945000
2000
स्वायत्तता, प्रभुत्व आणि उद्देश,
15:59
These are the building blocks of a new way of doing things.
353
947000
2000
काम करण्याच्या नवीन पद्धतीचा पाया.
16:01
Now some of you might look at this and say,
354
949000
3000
तुमच्यापैकी काहीजण हे पाहून म्हणतील,
16:04
"Hmm, that sounds nice, but it's Utopian."
355
952000
3000
"हं हे छान वाटतंय पण खूपच स्वप्नवत आहे."
16:07
And I say, "Nope. I have proof."
356
955000
5000
आणि मी म्हणेन "नाही.
माझ्याकडे पुरावा आहे."
16:12
The mid-1990s, Microsoft started
357
960000
2000
१९९० च्या दशकात, मायक्रोसॉफ्ट कंपनीने
एनकार्टा नावाचा ज्ञानकोश सुरु केला.
16:14
an encyclopedia called Encarta.
358
962000
2000
16:16
They had deployed all the right incentives,
359
964000
2000
त्यांनी सर्व योग्य ती प्रलोभनं दिली होती,
16:18
all the right incentives. They paid professionals to
360
966000
3000
त्यांनी लोकांना हजारो लेख लिहिण्यासाठी
आणि संपादित करण्यासाठी पगार दिला.
16:21
write and edit thousands of articles.
361
969000
2000
16:23
Well-compensated managers oversaw the whole thing
362
971000
2000
चांगला पगाराच्या व्यवस्थापकांनी
सगळ्या गोष्टी हाताळल्या
16:25
to make sure it came in on budget and on time.
363
973000
5000
अंदाजपत्रकानुसार आणि वेळेत तो यावा म्हणून.
16:30
A few years later another encyclopedia got started.
364
978000
2000
काही वर्षांनंतर आणखी एक
ज्ञानकोश सुरु झाला.
16:32
Different model, right?
365
980000
3000
वेगळा नमुना. बरोबर?
16:35
Do it for fun. No one gets paid a cent, or a Euro or a Yen.
366
983000
4000
गंमत म्हणून करा.
कुणाला एक पैसाही मिळणार नाही.
16:39
Do it because you like to do it.
367
987000
3000
केवळ तुम्हाला आवडतं म्हणून करा.
16:42
Now if you had, just 10 years ago,
368
990000
3000
फक्त १० वर्षांपूर्वी,
16:45
if you had gone to an economist, anywhere,
369
993000
2000
तुम्ही कुठेही एखाद्या अर्थतज्ञाकडे
गेला असता,
16:47
and said, "Hey, I've got these two different models for creating an encyclopedia.
370
995000
4000
"माझ्याकडे ज्ञानकोश तयार
करण्याचे हे दोन नमुने आहेत.
या दोघांपैकी कुठला यशस्वी ठरेल?"
16:51
If they went head to head, who would win?"
371
999000
3000
१० वर्षांपूर्वी तुम्हाला एकही शांत
चित्ताचा अर्थतज्ज्ञ भेटला नसता
16:54
10 years ago you could not have found a single sober economist anywhere
372
1002000
4000
या पृथ्वीतलावर
16:58
on planet Earth
373
1006000
2000
ज्याने विकिपीडियाच्या नमुन्याचा
अंदाज वर्तवला असता.
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
या दोन दृष्टिकोनांतील हे एक
प्रचंड युद्ध आहे.
17:05
This is the Ali-Frazier of motivation. Right?
376
1013000
3000
प्रेरणेचा हा अली - फ्रेझीयर
सामना आहे, बरोबर?
17:08
This is the Thrilla' in Manila.
377
1016000
2000
हे मनिलातील थ्रील्ला आहे.
17:10
Alright? Intrinsic motivators versus extrinsic motivators.
378
1018000
3000
अंतःप्रेरणा विरुद्ध बाह्यप्रेरणा.
17:13
Autonomy, mastery and purpose,
379
1021000
2000
स्वायत्तता, प्रभुत्व आणि उद्देश,
17:15
versus carrot and sticks. And who wins?
380
1023000
2000
विरुद्ध प्रलोभनं आणि धाकदपटशा, कोण जिंकतं?
17:17
Intrinsic motivation, autonomy, mastery and purpose,
381
1025000
3000
अंतःप्रेरणा, स्वायत्तता, प्रभुत्व आणि
उद्देश बाद फेरीत जिंकतात.
17:20
in a knockout. Let me wrap up.
382
1028000
4000
शेवटी मी म्हणतो.
17:24
There is a mismatch between what science knows and what business does.
383
1032000
3000
शास्त्र जे जाणतं आणि व्यवसाय जे
करतो यात सुसंगती नाही.
17:27
And here is what science knows.
384
1035000
2000
शास्त्राला हे माहिती आहे.
17:29
One: Those 20th century rewards,
385
1037000
2000
एक: ती २० व्या शतकातील प्रलोभनं,
17:31
those motivators we think are a natural part of business,
386
1039000
3000
ती प्रेरक जी आपण समजतो व्यवसायाचा
नैसर्गिक भाग आहेत,
17:34
do work, but only in a surprisingly narrow band of circumstances.
387
1042000
4000
पण आश्चर्याची गोष्ट म्हणजे फक्त काही
ठराविक परिस्थितीतच.
दोन: ती जर - तरची बक्षिसं सर्जनशीलतेचा
नाश करतात.
17:38
Two: Those if-then rewards often destroy creativity.
388
1046000
4000
17:42
Three: The secret to high performance
389
1050000
2000
तीन: उच्च कामगिरीमागचे गुपित बक्षिसं
किंवा शासन नाही,
17:44
isn't rewards and punishments,
390
1052000
2000
17:46
but that unseen intrinsic drive --
391
1054000
2000
तर ती अदृश्य आंतरिक इच्छा --
17:48
the drive to do things for their own sake.
392
1056000
3000
स्वसमाधानासाठी गोष्टी करण्याची इच्छा.
17:51
The drive to do things cause they matter.
393
1059000
2000
महत्व असलेल्या गोष्टी करण्याची इच्छा.
17:53
And here's the best part. Here's the best part.
394
1061000
2000
आणि हे सर्वांत छान आहे.
आपल्याला हे आधीच माहिती आहे.
17:55
We already know this. The science confirms what we know in our hearts.
395
1063000
3000
आपल्या अंतःकरणात जे आहे त्याला
शास्त्र पुष्टी देतं.
17:58
So, if we repair this mismatch
396
1066000
3000
म्हणून जर आपण शास्त्र आणि व्यवसाय
यांतील हि विसंगती दूर केली,
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
जर आपण आपली प्रेरणा, प्रेरणेच्या कल्पना
18:06
into the 21st century,
399
1074000
2000
२१ व्या शतकात आणल्या,
18:08
if we get past this lazy, dangerous, ideology
400
1076000
4000
आपण जर या आळशी,
धोकादायक विचारसरणीतून पुढे आलो
18:12
of carrots and sticks,
401
1080000
2000
प्रलोभनं आणि शासनाच्या,
18:14
we can strengthen our businesses,
402
1082000
3000
आपण आपल्या व्यवसायांचं सशक्तीकरण करू शकतो,
18:17
we can solve a lot of those candle problems,
403
1085000
3000
आपण मेणबत्तीच्या समस्येसारखे
बरेच प्रश्न सोडवू शकतो,
आणि कदाचित --
18:20
and maybe, maybe, maybe
404
1088000
4000
18:24
we can change the world.
405
1092000
2000
आपण जग बदलू शकतो.
मी इथेच थांबतो.
18:26
I rest my case.
406
1094000
2000
(टाळ्या)
18:28
(Applause)
407
1096000
3000
Translated by Amol Terkar
Reviewed by Abhinav Garule

▲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