How to train employees to have difficult conversations | Tamekia MizLadi Smith

113,946 views ・ 2018-08-20

TED


Fare doppio clic sui sottotitoli in inglese per riprodurre il video.

Traduttore: Sara Lobasso Revisore: Veronica Viscardi
Viviamo in un mondo dove la raccolta di dati è continua,
24 ore su 24, sette giorni su sette, 365 giorni all’anno.
00:12
We live in a world where the collection of data
0
12968
2198
Questi dati sono solitamente raccolti dagli impiegati del front-desk.
00:15
is happening 24 hours a day, seven days a week,
1
15190
2548
Sono i commessi dei nostri grandi magazzini preferiti,
00:17
365 days a year.
2
17762
2293
i cassieri dei negozi di alimentari, gli infermieri allo sportello in ospedale
00:20
This data is usually collected by what we call a front-desk specialist now.
3
20730
4323
e persino la persona che vi ha venduto l'ultimo biglietto del cinema.
00:25
These are the retail clerks at your favorite department stores,
4
25077
3120
00:28
the cashiers at the grocery stores,
5
28221
2443
Fanno domande discrete come: “Posso avere il suo codice postale?”
00:30
the registration specialists at the hospital
6
30688
2605
Oppure “Vuole usare la tessera punti?”
00:33
and even the person that sold you your last movie ticket.
7
33317
3114
Tutto questo fornisce dei dati.
00:36
They ask discreet questions, like: "May I please have your zip code?"
8
36908
3875
Tuttavia, il discorso si fa più complesso
00:40
Or, "Would you like to use your savings card today?"
9
40807
3111
quando si devono fare domande più difficili.
00:44
All of which gives us data.
10
44369
2309
00:46
However, the conversation becomes a little bit more complex
11
46702
4587
Lasciate che vi racconti una storia.
C’era una volta una donna di nome Margaret.
00:51
when the more difficult questions need to be asked.
12
51313
3318
Margaret aveva lavorato al front-desk per 20 anni
00:54
Let me tell you a story, see.
13
54655
1793
e in tutto quel tempo non aveva mai, e dico mai,
00:56
Once upon a time, there was a woman named Miss Margaret.
14
56750
3018
chiesto a un paziente il genere, la razza o l'etnia.
00:59
Miss Margaret had been a front-desk specialist
15
59792
2151
01:01
for almost 20 years.
16
61967
1460
Perché vedete, Margaret ha la capacità di guardarvi e capire chi siete.
01:03
And in all that time, she has never, and I do mean never,
17
63451
3817
Capisce se siete un uomo o una donna, bianchi o neri, americani o stranieri.
01:07
had to ask a patient their gender, race or ethnicity.
18
67292
3520
01:10
Because, see, now Miss Margaret has the ability to just look at you.
19
70836
3223
E per lei queste erano le sole categorie.
01:14
Uh-huh.
20
74083
1158
01:15
And she can tell if you are a boy or a girl,
21
75265
2777
Quindi potete immaginare quel giorno nefasto,
01:18
black or white, American or non-American.
22
78066
3237
in cui il suo supervisore l’ha invitata a un incontro rivoluzionario
01:21
And in her mind, those were the only categories.
23
81327
3238
dicendole che avrebbe dovuto chiedere a ogni singolo paziente di auto-definirsi.
01:24
So imagine that grave day,
24
84589
2016
01:26
when her sassy supervisor invited her to this "change everything" meeting
25
86629
4893
Le ha fornito sei sessi, otto razze e oltre 100 etnie.
01:31
and told her that would have to ask each and every last one of her patients
26
91546
3634
Beh, Margaret era sconvolta, nonché molto offesa:
01:35
to self-identify.
27
95204
1405
01:36
She gave her six genders, eight races and over 100 ethnicities.
28
96633
4770
così tanto che corse giù alle risorse umane
per chiedere il pensionamento anticipato e finì la sua sfuriata dicendo
01:41
Well, now, Miss Margaret was appalled.
29
101427
2588
01:44
I mean, highly offended.
30
104039
1397
che quando il suo supervisore l’aveva invitata a quell’incontro
01:45
So much so that she marched down to that human-resource department
31
105460
3331
01:48
to see if she was eligible for an early retirement.
32
108815
2524
non aveva, non aveva nemmeno portato del cibo, cibo, cibo, cibo.
01:51
And she ended her rant by saying
33
111363
1960
01:53
that her sassy supervisor invited her to this "change everything" meeting
34
113347
4870
(Risate)
(Applausi)
01:58
and didn't, didn't, even, even
35
118241
2024
02:00
bring, bring food, food, food, food.
36
120289
3028
Si sa che bisogna portare cibo a queste riunioni.
02:03
(Laughter)
37
123341
1154
02:04
(Applause) (Cheers)
38
124519
5067
(Risate)
Comunque...
(Risate)
Ora, questo era un esempio in ambito sanitario,
02:10
You know you've got to bring food to these meetings.
39
130681
2434
ma, naturalmente, tutte le aziende raccolgono dati.
02:13
(Laughter)
40
133139
2343
02:15
Anyway.
41
135506
1159
Storia vera.
02:16
(Laughter)
42
136689
1508
Stavo andando a fare un bonifico
02:18
Now, that was an example of a healthcare setting,
43
138221
2769
e l’addetta al servizio clienti ha chiesto se fossi nata negli Stati Uniti.
02:21
but of course, all businesses collect some form of data.
44
141014
3333
02:24
True story: I was going to wire some money.
45
144371
3142
Io ho esitato a rispondere alla domanda,
e prima ancora che si rendesse conto del perché avessi esitato,
02:28
And the customer service representative asked me
46
148165
2555
02:30
if I was born in the United States.
47
150744
2334
ha iniziato a pugnalare alle spalle la sua azienda.
02:33
Now, I hesitated to answer her question,
48
153419
2381
Disse: “Signorina, so che è stupido, ma ci fanno fare queste domande”.
02:35
and before she even realized why I hesitated,
49
155824
3130
02:38
she began to throw the company she worked for under the bus.
50
158978
3015
(Risate)
Per il modo in cui me l’ha detto
02:42
She said, "Girl, I know it's stupid, but they makin' us ask this question."
51
162017
5072
io faccio: “Signorina, perché? Perché vi fanno fare queste domande?
Deportano qualcuno?"
02:47
(Laughter)
52
167113
1151
02:48
Because of the way she presented it to me,
53
168288
2073
(Risate)
02:50
I was like, "Girl, why?
54
170385
1600
Poi sono tornata a vestire i panni della me più professionale e poetica.
02:52
Why they makin' you ask this question?
55
172561
2230
02:54
Is they deportin' people?"
56
174815
1802
Quello che capiva che persone come Margaret erano ovunque.
02:56
(Laughter)
57
176641
2142
02:58
But then I had to turn on the other side of me,
58
178807
2222
Brave persone, forse anche bravi dipendenti,
03:01
the more professional speaker-poet side of me.
59
181053
2568
che non sapevano porre correttamente le domande
03:04
The one that understood that there were little Miss Margarets all over the place.
60
184164
4150
e che per questo venivano messe in cattiva luce,
03:08
People who were good people, maybe even good employees,
61
188871
2968
ma la cosa più grave era che l’azienda ne usciva anche peggio.
03:11
but lacked the ability to ask their questions properly
62
191863
2552
Perché non aveva idea di chi fossi, cioè avrei potuto essere una donna
03:14
and unfortunately, that made her look bad,
63
194439
2535
03:16
but the worst, that made the business look even worse
64
196998
3246
che avrebbe parlato in un TED e che l’avrebbe usata come esempio.
03:20
than how she was looking.
65
200268
1666
Immaginatevi.
03:22
Because she had no idea who I was.
66
202236
1767
(Applausi)
03:24
I mean, I literally could have been a woman who was scheduled to do a TED Talk
67
204027
3685
E purtroppo, succede che la gente si rifiuta di rispondere,
03:27
and would use her as an example.
68
207736
1778
03:29
Imagine that.
69
209538
1300
03:30
(Applause)
70
210862
4262
perché sente che le informazioni vengono usate per discriminarli
e tutto per colpa di come vengono presentate le informazioni.
03:35
And unfortunately,
71
215148
1183
03:36
what happens is people would decline to answer the questions,
72
216355
2895
A quel punto, otteniamo dati errati e tutti sanno a cosa portano dati errati.
03:39
because they feel like you would use the information
73
219274
2509
03:41
to discriminate against them,
74
221807
1425
I dati errati costano tempo, soldi e risorse.
03:43
all because of how you presented the information.
75
223256
2391
03:45
And at that point, we get bad data.
76
225671
1778
Purtroppo, quando si hanno dati errati, i costi aumentano
03:47
And everybody knows what bad data does.
77
227473
2111
03:49
Bad data costs you time, it costs you money
78
229608
2793
perché ci sono disuguaglianze sanitarie, fattori sociali che riguardano la salute
03:52
and it costs you resources.
79
232425
1946
03:54
Unfortunately, when you have bad data,
80
234395
2563
03:56
it also costs you a lot more,
81
236982
3079
e c’è la mortalità infantile e tutto dipende dai dati che raccogliamo
04:00
because we have health disparities,
82
240085
2395
e se abbiamo dati errati, questi problemi peggiorano.
04:02
and we have social determinants of health,
83
242504
2214
Abbiamo popolazioni svantaggiate che rimangono povere e svantaggiate
04:04
and we have the infant mortality,
84
244742
1658
04:06
all of which depends on the data that we collect,
85
246424
2643
perché i dati che stiamo usando o sono obsoleti,
04:09
and if we have bad data, than we have those issues still.
86
249091
3248
04:12
And we have underprivileged populations
87
252363
1899
o non sono buoni, o non li abbiamo proprio.
04:14
that remain unfortunate and underprivileged,
88
254286
2791
Ora, non sarebbe fantastico se gente come Margaret
04:17
because the data that we're using is either outdated,
89
257101
3926
e l’addetta al servizio clienti del bonifico di prima
04:21
or is not good at all or we don't have anything at all.
90
261051
3293
raccogliessero i dati con un atteggiamento più umano?
04:24
Now, wouldn't it be amazing if people like Miss Margaret
91
264987
2636
04:27
and the customer-service representative at the wiring place
92
267647
3150
Vi spiego cosa intendo per "umano"?
Ho scritto un acrostico.
04:30
were graced to collect data with compassionate care?
93
270821
4374
U: Umanizzare gli addetti al front-desk facendogli capire
04:35
Can I explain to you what I mean by "graced?"
94
275562
2317
M: la Missione del loro ruolo man mano che diventano responsabili
04:38
I wrote an acrostic poem.
95
278324
1666
04:40
G: Getting the front desk specialist involved and letting them know
96
280300
4773
A: dell’Accuratezza dei dati durante l’implementazione di
N: un Nuovo atteggiamento umano con tutti i clienti dopo essere stati
04:45
R: the Relevance of their role as they become
97
285097
3953
O: Opportunamente istruiti per informare le persone
04:49
A: Accountable for the accuracy of data while implementing
98
289074
3531
04:52
C: Compassionate care within all encounters by becoming
99
292629
4044
sul perché la raccolta dei dati è così importante.
04:56
E: Equipped with the education needed to inform people
100
296697
3301
(Applausi)
Sì, sono un'artista.
05:00
of why data collection is so important.
101
300022
3293
Quello che mi succede è che quando creo qualcosa di artistico,
05:04
(Applause)
102
304315
2949
si risveglia anche l’istruttrice che è in me.
Quindi ho iniziato a sviluppare quell’acrostico
05:07
Now, I'm an artist.
103
307288
2096
05:09
And so what happens with me
104
309408
1674
in un corso chiamato “Sono U.M.A.N.O.”
05:11
is that when I create something artistically,
105
311106
2174
Perché mi ricordo, essendo stata addetta al front-desk,
05:13
the trainer in me is awakened as well.
106
313304
1923
05:15
So what I did was, I began to develop that acrostic poem into a full training
107
315251
4072
che quando sono andata in ufficio per iniziare a lavorare, ho detto:
“È per questo che ci hanno chiesto di fare quella domanda?”
05:19
entitled "I'm G.R.A.C.E.D."
108
319347
1548
05:20
Because I remember, being the front-desk specialist,
109
320919
2841
È diventato tutto così chiaro
05:23
and when I went to the office of equity to start working,
110
323784
2674
e mi sono resa conto che ho chiesto alle persone...
05:26
I was like, "Is that why they asked us to ask that question?"
111
326482
3555
ho sbagliato il loro genere, ho sbagliato la loro razza,
05:30
It all became a bright light to me,
112
330061
1768
ho sbagliato la loro etnia e così l’ambiente è diventato ostile,
05:31
and I realized that I asked people and I told people about --
113
331853
3637
la gente era offesa e io ero frustrata perché non sono stata umana.
05:35
I called them by the wrong gender, I called them by the wrong race,
114
335514
3284
05:38
I called them by the wrong ethnicity,
115
338822
1803
Ricordo la mia formazione al pc e purtroppo,
05:40
and the environment became hostile,
116
340649
2007
05:42
people was offended and I was frustrated because I was not graced.
117
342680
4284
quella formazione non mi aveva preparata a stemperare queste situazioni.
05:46
I remember my computerized training,
118
346988
2587
Non mi ha preparato ad avere momenti in cui
05:49
and unfortunately, that training did not prepare me to deescalate a situation.
119
349599
5626
facevo delle domande sulle domande che dovevo fare.
Guardavo il computer e dicevo: “Cosa faccio quando succede questo?”
05:55
It did not prepare me to have teachable moments when I had questions
120
355249
3376
E il computer diceva...
nulla, perché un computer non può risponderti.
05:58
about asking the questions.
121
358649
1658
06:00
I would look at the computer and say, "So, what do I do when this happens?"
122
360331
3564
(Risate)
06:03
And the computer would say ...
123
363919
1858
Quindi questo è il valore di una persona
06:05
nothing, because a computer cannot talk back to you.
124
365801
3268
che è stata addestrata per dirti cosa devi fare in situazioni del genere.
06:09
(Laughter)
125
369093
3207
Così, quando ho creato il corso “Sono U.M.A.N.O.”,
06:12
So that's the importance of having someone there
126
372324
2571
06:14
who was trained to teach you and tell you what you do
127
374919
2777
l’ho creato con la mia esperienza ma anche con la mia convinzione.
06:17
in situations like that.
128
377720
1690
Perché volevo che avesse una struttura didattica
06:20
So, when I created the "I'm G.R.A.C.E.D" training,
129
380030
2626
che fosse uno spazio sicuro per un dialogo aperto con tutti.
06:22
I created it with that experience that I had in mind,
130
382680
2994
Volevo parlare di pregiudizi, quelli consapevoli e inconsapevoli
06:25
but also that conviction that I had in mind.
131
385698
2516
06:28
Because I wanted the instructional design of it
132
388238
2253
e di come ci comportiamo.
06:30
to be a safe space for open dialogue for people.
133
390515
2778
Perché ora so che quando coinvolgi le persone nel perché delle cose,
06:33
I wanted to talk about biases,
134
393317
1895
sfidi la loro prospettiva e cambi il loro atteggiamento.
06:35
the unconscious ones and the conscious ones,
135
395236
2397
06:37
and what we do.
136
397657
1166
So che i dati che abbiamo al front-desk
06:38
Because now I know that when you engage people in the why,
137
398847
3944
si traducono in una ricerca che elimina disparità e trova cure.
06:42
it challenges their perspective, and it changes their attitudes.
138
402815
3476
Ora so che insegnare alle persone un cambiamento transitorio
06:46
Now I know that data that we have at the front desk
139
406315
3159
06:49
translates into research that eliminates disparities and finds cures.
140
409498
4813
invece di sconvolgerli con il cambiamento
è sempre un modo migliore di implementarlo.
06:54
Now I know that teaching people transitional change
141
414335
3706
Ora so che è più probabile che la gente condivida informazioni
06:58
instead of shocking them into change
142
418065
2846
quando è trattata con rispetto da personale esperto.
07:00
is always a better way of implementing change.
143
420935
3255
Ora so che non c’è bisogno di essere uno statistico
07:04
See, now I know people are more likely to share information
144
424214
3046
per comprendere il potere e lo scopo dei dati,
07:07
when they are treated with respect by knowledgeable staff members.
145
427284
3859
ma che bisogna trattare la gente con rispetto e con un atteggiamento umano.
07:11
Now I know that you don't have to be a statistician
146
431167
3021
Ora so che se sei stato umanizzato è tuo dovere aiutare gli altri.
07:14
to understand the power and the purpose of data,
147
434212
3001
07:17
but you do have to treat people with respect and have compassionate care.
148
437237
4364
Ma, cosa più importante, ora so che a insegnare agli esseri umani
07:21
Now I know that when you've been graced,
149
441625
2825
07:24
it is your responsibility to empower somebody else.
150
444474
3376
a comunicare con altri esseri umani, devono farlo gli esseri umani.
07:27
But most importantly, now I know
151
447874
2425
07:30
that when teaching human beings
152
450323
2413
07:32
to communicate with other human beings,
153
452760
3079
(Applausi)
07:35
it should be delivered by a human being.
154
455863
3785
Quindi quando andrete al lavoro e farete quella riunione “rivoluzionaria”
07:40
(Applause)
155
460117
6792
(Risate)
ricordatevi di Margaret.
07:46
So when y'all go to work
156
466933
1849
E non dimenticate il cibo, il cibo, il cibo.
07:48
and y'all schedule that "change everything" meeting --
157
468806
3335
Grazie.
07:52
(Laughter)
158
472165
1650
(Applausi)
07:53
remember Miss Margaret.
159
473839
1515
07:55
And don't forget the food, the food, the food, the food.
160
475792
3819
Grazie.
(Applausi)
08:00
Thank you.
161
480103
1151
08:01
(Applause) (Cheers)
162
481278
5475
08:06
Thank you.
163
486777
1175
08:07
(Applause)
164
487976
1595
A proposito di questo sito web

Questo sito vi presenterà i video di YouTube utili per l'apprendimento dell'inglese. Vedrete lezioni di inglese tenute da insegnanti di alto livello provenienti da tutto il mondo. Fate doppio clic sui sottotitoli in inglese visualizzati su ogni pagina video per riprodurre il video da lì. I sottotitoli scorrono in sincronia con la riproduzione del video. Se avete commenti o richieste, contattateci tramite questo modulo di contatto.

https://forms.gle/WvT1wiN1qDtmnspy7