China Widener, místopředsedkyně, US Tech, Media & Telecommunications leader ve firmě Deloitte – Interview Series

China Widener je místopředsedkyně a vedoucí odvětví Technology, Media & Telecommunications (TMT) ve firmě Deloitte. Také zasedá v představenstvu Deloitte USA.

Nabízí jedinečný pohled na budoucnost odvětví TMT, se zvláštním zájmem o vývoj Agentic AI—inteligentních systémů schopných autonomního rozhodování—a jejich transformační dopad na celou firmu. Je vášnivá o tom, aby pomohla klientům využít plný potenciál Agentic AI, aby urychlit inovace, zlepšit provozní efektivitu a vytvořit nové zdroje konkurenční výhody, a to vše při zachování pevného závazku k důvěryhodné AI.

China je spoluautorkou článků o AI, technologických rámcích pro firmy, analýze dodavatelského modelu a uzavírání mezery v oblasti talentů. Je vysoce žádanou řečníkem a facilitátorkou a její zkušenosti v oblasti technologií a kariérního postupu byly uveřejněny v několika podcastech a publikacích.

Deloitte je jednou z největších profesních služebních firem na světě, poskytující auditorské, poradenské, daňové, poradenské služby v oblasti rizik a finančních poradenských služeb organizacím napříč téměř všemi odvětvími. S globální sítí pokrývající více než 150 zemí Deloitte spolupracuje s nadnárodními korporacemi, vládami a začínajícími firmami, aby pomohla řešit složitá výzva, pohánět digitální transformaci a zlepšit provozní výkon. Firma je zvláště známa pro svou odbornost v oblastech, jako je technologické poradenství, datové analýzy, kybernetická bezpečnost a soulad s předpisy, pomáhající klientům přizpůsobit se rychle se měnícím trhům, zatímco zachovávají silné řízení a dlouhodobé růstové strategie.

Výzkum Deloitte ukazuje, že většina organizací je stále uvězněna v pilotním režimu. Jaký je největší omyl, který mají lídři o tom, co je potřeba k tomu, aby se AI rozšířila napříč celou firmou?

Organizace často пыtají se „připojit AI“ k existujícím procesům, zatímco škálování ve skutečnosti vyžaduje re-architekturu toho, jak se práce provádí. Největší omyl, který vidím, je, že škálování AI je primárně technologickou výzvou. Ve skutečnosti je technologie často nejjednodušší částí. To, co lídři tendenci podceňují, je stupeň změny operačního modelu, který je vyžadován – od pracovních postupů a rozhodovacích práv po talent, motivaci a řízení. 

Přechod z izolovaných případů použití k orchestraci na úrovni celé firmy může být odemčen, když se lidé, procesy a technologie vyvíjejí společně. Bez této aliance může být i nejmodernější AI uvězněna v pilotním režimu.

Proč tolik AI iniciativ selhává při poskytování měřitelné návratnosti investic, i když základní technologie je funkční?

Skutečná návratnost investic přichází, když je AI začleněna do koncových procesů, nikoli když je považována za izolované experimenty. Většina AI iniciativ neselhává, protože technologie nefunguje – selhávají, protože firma není nastavena tak, aby z ní mohla získat hodnotu.

Odpojené případy použití, špatná integrace pracovních postupů a nejasné sledování hodnoty brání AI v překladu do měřitelného dopadu. To, co často chybí, je orchestrace. Hodnota AI není pouze vertikální – v rámci jedné schopnosti nebo funkce – ale také horizontální, pokrývající procesy, týmy a celou firmu. Když organizace tyto vrstvy nebudou propojovat, skončí s kapsami pokroku, které se nikdy nebudou škálovat.

Hodnota pochází z vyrovnání technologie s pracovními postupy a obchodními výsledky, aby AI mohla fungovat napříč celou firmou, nikoli pouze v rámci izolovaných funkcí. To je okamžik, kdy se přechází od experimentů k skutečné transformaci a začíná se dosahovat udržitelné, mezioborové hodnoty.

V kterém okamžiku by společnost měla přestat experimentovat a zavázat se k transformaci AI na úrovni celé firmy, a které signály ukazují, že jsou na to připraveni?

Organizace by měly jít za hranice experimentů, když jsou připraveny začlenit AI do koncových procesů. To je posun od považování AI za sbírku individuálních pilotních projektů k pohledu na ni jako na strategickou transformaci ukotvenou v jasném plánu, kde existuje hodnota a jak ji získat.

To znamená vyrovnat zúčastněné strany kolem sdílených priorit, definovat, kde AI může mít největší dopad napříč funkcemi, a nastavit správné řízení a operační model, aby se proti němu mohlo jednat. Bez této jasnosti organizace zůstávají uvězněny v pilotech, které jsou obtížně škálovatelné nebo reprodukovatelné.

V krátkosti, úspěch bude záviset na přechodu od fragmentovaných experimentů k koordinované, firmě-wide strategii – kde je hodnota jasně definována, prioritizována a systematicky realizována.

Jak by měli výkonní ředitelé přehodnotit návratnost investic v kontextu AI, zejména když přínosy sahají za úspory nákladů do produktivity, redesignu pracovní síly a dlouhodobé strategické výhody?

Jedná se o to, aby se návratnost investic AI považovala za více než jen úspory nákladů. Když se přechází do širší rovnice hodnoty, která zahrnuje produktivní zisky, transformaci pracovní síly a nové cesty pro růst, je to okamžik, kdy se odemyká skutečná hodnota AI. Zatímco efektivita je důležitá, větší dopad často pochází z redesignu rolí, urychlení rozhodování a umožnění zcela nových obchodních modelů. Výzvou je, že tyto přínosy se ne vždy objevují v tradičních finančních metrikách nebo krátkodobých P&L cyklech. Klíčem je přijetí holistických přístupů k měření, které kombinují finanční, provozní a pracovní výsledky. V konečném důsledku je cílem vyhodnotit AI ne jako nákladový páku, ale jako hnací sílu dlouhodobé konkurenční výhody.

Jedna z výzev, které jsou zdůrazněny, je mezera mezi viditelností a akcí. Proč organizace zápasí s operacionalizací poznatků generovaných AI?

Mezera mezi poznatkem a akcí je problémem realizace, ne analytickým. Organizace mohou někdy generovat poznatky, ale nejasná rozhodovací práva, nesoulad pracovních postupů a nedostatek odpovědnosti brání akcím. Řízení je klíčové. Zavření této mezery vyžaduje začlenění AI a pochopení dopadu na pracovních postupech, postupech, zásadách a cestách realizace.

Enterprise AI Navigator zdůrazňuje „agentifikaci“ úkolů. Jak by měli lídři rozhodnout, které procesy jsou nejlépe vhodné pro AI agenty versus lidsky řízené pracovní postupy?

Různé procesy vyžadují různé úrovně automatizace; efektivní transformace spočívá v tom, aby se dělaly správné volby. Klíčová otázka není zda nasadit AI agenty – je kde vytvářejí největší hodnotu.

Tato hodnota může být vyhodnocena dvěma primárními způsoby: organizační „fit“ a finanční dopad. Pro některé organizace bude prioritou soulad s existujícími pracovními postupy, kulturou a způsoby práce, což činí „fit“ nejlepší výchozím bodem. Pro ostatní bude prioritou měřitelné finanční návraty, kde je pochopení rozsahu a měřítka tvorby hodnoty primárním hnacím motorem. Schopnost posoudit obě dimenze je to, co umožňuje více informovaná, strategická rozhodování.

Je důležité poznamenat, že ne každý proces by měl být agentifikován. Některé vyžadují lidské úsudky, důvěru nebo kreativitu. Cílem je hybridní model, ve kterém jsou lidé a agenti záměrně navrženi tak, aby se doplňovali.

Mnohé organizace investují značné prostředky do AI nástrojů, ale neřeší redesign pracovních postupů. Jak kritické je organizační restrukturalizace pro dosažení skutečného dopadu AI?

Organizační restrukturalizace není volitelná; je centrální pro dosažení dopadu AI. Společnosti, které investují do nástrojů bez redesignu pracovních postupů, obvykle vidí pouze.incrementální zisky. Skutečná hodnota pochází z toho, že organizace přehodnotí role a odpovědnosti, týmové struktury a rozhodování. AI nezmění pouze úkoly: změní, jak práce proudí napříč celou firmou. Bez strukturální aliance je skutečná transformace omezena.

Řízení je v pozadí za přijetím, zejména u agentic AI. Jaká rizika společnosti podceňují, když škáluje více autonomních systémů?

Naše výzkumy ukazují, že pouze 21 % organizací má zavedeno zralé řízení pro autonomní agenty. Bez silného, komplexního programu řízení mnoho společností váhá nasadit tyto nástroje. To často vede k vzniku „stínového AI“, které představuje významné neřízené riziko. 

Ve stejnou dobu organizace často podceňují roli, kterou mohou sehrát zaměstnanci v řízení. Zásady a reportovací struktury jsou kritické, ale nejsou dostatečné samy o sobě. Zaměstnanci obecně chtějí používat AI zodpovědně – a když jsou vybaveni jasnými pokyny, stávají se silnou linií obrany.

To znamená, že organizace by se měly soustředit na vzdělávání své pracovní síly: co je bezpečné, co je riskantní a jak dělat dobré úsudky v reálném čase. Například pozastavení se a položení otázky: mám zahrnout citlivá finanční data zde? To je typ denního rozhodování, kde se řízení skutečně projevuje. Zaměstnanci, když jsou informováni a vybaveni, aktivně posilují rizikovou pozici organizace.

Nakonec, průběžné monitorování a periodické testování zůstávají nedostatečně využité, ale jsou nezbytné. Když se budeme dále pohybovat v éře agentic AI, kontinuální dohled se musí stát samozřejmostí pro jakoukoli organizaci, která nasazuje tyto schopnosti ve velkém měřítku.

Deloitte navrhuje, že Enterprise AI Navigator může výrazně snížit dobu strategie a návrhu. Co se přesně změní v přístupu organizací k rozhodování o AI, když se používá systém jako tento?

Enterprise AI Navigator spojuje finanční, pracovní a pracovní síly do jednotného transformačního plánu. To, co se změní, je posun od intuice vedeného rozhodování k datům informovanému transformačnímu procesu, který odráží disciplinovaný přístup, který lze použít napříč celým krajem zúčastněných stran. S Enterprise AI Navigator může Deloitte pomoci modelovat scénáře před investicemi, dělat rozhodnutí o AI přímo spojená s finančním a pracovním dopadem a přecházet z izolovaných pilotů k ucelenému, firmě-wide plánu

Účinně komprimuje strategické a návrhové cykly, poskytujíc lídrům přehled o tom, co bude fungovat – předtím, než se škáluje.

Pohledem vpřed 1 až 2 roky, co bude oddělovat společnosti, které úspěšně promění AI v konkurenční výhodu, od těch, které zůstávají uvězněny v experimentech?

Rozdíl nebude o tom, kdo přijal AI; bude o tom, kdo se transformoval díky ní. Ti lídři budou považovat AI za obchodní transformační páku, ne pouze za nástrojový set. To znamená redesign pracovních postupů a operačních modelů od začátku do konce, zatímco měření hodnoty holisticky napříč finančním, pracovním a růstovým výsledky.

Klíčově budou rozpoznávat, že produktivita sama o sobě není cílem. Mnohé organizace již vidí.incrementální zisky z efektivnosti, ale konkurenční výhoda pochází z použití AI k odemknutí nových příjmů, přetvoření nabídek a pohánění růstu na úrovni celé firmy, ne pouze dělat stejnou práci rychleji.

Ti, kteří zůstanou pozadu, budou pokračovat ve.focusování na nástroje nad výsledky, honbě za izolovanými případy použití bez propojení je napříč firmou. Také budou tendenci podinvestovat do řízení změn, řízení a orchestrace – což jim bude bránit v škálování dopadu.

V krátkosti, vítězi budou ti, kteří přejdou z AI-podporovaných na AI-poháněné firmy. Tyto firmy budou začleňovat AI do toho, jak firma funguje, jak roste a jak soutěží, ne pouze jak experimentuje.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Deloitte.