Denis Romanovskiy, Chief AI Officer ve společnosti SOFTSWISS – Interview Series

Denis Romanovskiy, Chief AI Officer ve společnosti SOFTSWISS, je zkušený technologický manažer s více než 25 lety zkušeností s vedením velkých technických programů napříč herními, podnikovými softwarovými, IoT a high-load online platformami. Za posledních pět let strávených v sektoru iGaming previously působil jako zástupce technického ředitele ve společnosti SOFTSWISS, kde dohlížel na technické řízení napříč několika produktovými týmy se silným zaměřením na kasinové a sportovní platformy, než přešel do své současné role, aby definoval a implementoval firemní AI strategii.

SOFTSWISS je maltská společnost specializující se na technologie pro iGaming, která poskytuje komplexní řešení pro online kasina a sportovní sázení, včetně kasinové platformy, herního agregátoru, sportovního sázkového řešení a spravovaných služeb. Společnost podporuje provozovatele po celém světě s infrastrukturou navrženou pro škálovatelnost, dodržování předpisů a spolehlivost, čímž se umístila na rozhraní herních technologií a vznikající AI-driven optimalizace.

Povedl jste velké technické programy napříč několika odvětvími a nyní definujete firemní AI strategii ve společnosti SOFTSWISS, jak vaše zkušenosti s high-load, high-availability systémy ovlivnily váš přístup k implementaci AI napříč organizací s více než 2 000 zaměstnanci?

Mé zkušenosti s high-load, high-availability systémy mi naučily jednu základní lekci: každá složitá změna v měřítku vyžaduje systémový přístup. Nemůžete jen nasadit technologii a doufat, že bude fungovat – musíte navrhnout celý ekosystém kolem ní a zajistit, aby procesy, struktura a technologie všechny pracovaly вместе.

Tento princip aplikujeme přesně na adopci AI ve společnosti SOFTSWISS. Začíná to na individuální úrovni. Vysvětlujeme každému zaměstnanci, jak bezpečně a účinně používat AI – co může udělat, kde jsou jeho limity a jaké jsou s tím spojené rizika. Zásadně je důležité, aby si uvědomili, že jejich odpovědnost za výsledky nezmizí, když AI vstoupí do obrazu. AI rozšiřuje vaše schopnosti, ale odpovědnost zůstává u vás. Stále vlastníte kvalitu výstupu, rozhodnutí a výsledky.

Pak přecházíme na úroveň týmu, a tady se dynamika mění. Vznikají nové příležitosti – rychlejší plánovací cykly, automatizovaná verifikace, vylepšená analýza – ale také nová rizika: nadměrná závislost na výstupech AI, eroze kritického myšlení, nekonzistentní adopce napříč týmem. Tady manažeři hrají rozhodující roli. Musí přizpůsobit, jak kontrolují práci, jaké otázky kladou a jaké signály hledají. Když někdo dodá výsledek dvakrát rychleji, úkolem manažera je pochopit, zda kvalita držela a zda osoba skutečně rozumí tomu, co dodala.

Tento vrstevnatý přístup – individuální povědomí, úprava na úrovni týmu, dohled manažerů – je to, co nám umožňuje škálovat AI napříč velkou organizací bez ohrožení stability a spolehlivosti, které naše regulovaná prostředí vyžaduje. Není to jen o technologii. Je to o budování systému kolem ní, který činí adopci udržitelnou.

Co odlišuje nasazení AI jako produktivity nástroje od nasazení AI přímo do jádra infrastruktury a rozhodovacích systémů, a jak tato odlišnost mění dlouhodobé obchodní výsledky?

Productivity AI – chat asistenti a kódoví piloti – je tam, kde lidé poprvé potkají AI v práci. Tento krok je důležitý, a nemůžete ho přeskočit. Buduje AI gramotnost, učí lidi, jak hodnotit výstupy, a vytváří návyky zodpovědného používání napříč organizací.

Ale existuje zásadní rozdíl mezi AI, která pomáhá jednotlivci, a AI integrovanou do toho, jak organizace funguje. Infrastrukturální AI – integrovaná do vašich podnikových systémů prostřednictvím AI platforem – se stává součástí manažerského systému. Zahrnuje plánování, kontrolu a audit. Respektuje rámce řízení a přímo se napojuje do rozhodovacích řetězců.

Rozdíl v dopadu je významný. Produktivity nástroje poskytují 20-30% zisků v efektivitě na jednotlivých úkolech – cenné, ale inkrementální. Infrastrukturální AI urychluje celé procesy 3-5krát. A v průběhu času mění samotnou organizaci – eliminuje některé role částečně nebo úplně, vytváří nové a komprimuje pracovní postupy, které dříve vyžadovaly多 ruce.

Proto vyžadují tyto dvě kategorie odlišné přístupy. Produktivity AI je výzvou pro umožnění. Infrastrukturální AI je organizační transformací, která vyžaduje pečlivé plánování, řízení změn a nepřetržitý dohled.

Jaké architektonické a kulturní posuny jsou vyžadovány pro přechod z izolovaných AI experimentů na centralizovanou, organizaci-wide AI platformu?

Architektonicky je centralizovaná platforma nezbytná – ta, která poskytuje zabezpečený přístup k více modelovým dodavatelům, zatímco udržuje přísnou správu dat. Bez této vrstvy se experimenty škálováním místo hodnoty.

Kulturně je větší posun v přechodu od myšlení zaměřeného na provedení k myšlení zaměřenému na návrh. Jakmile se provedení stává levnějším a rychlejším s AI, konkurenční výhoda se posouvá k tomu, jak dobře týmy architektury pracovních postupů. Zaměstnanci by měli navrhnout procesy, kde AI zpracovává opakující se operace, zatímco lidé zůstávají v kontrolním řízení a kvalitě rozhodnutí.

Jak mohou velké podniky systematicky zvýšit svou učící rychlost při nasazení AI, a jaké provozní mechanismy činí to měřitelné?

Učící rychlost se zvyšuje, když je experimentování strukturováno. Ve společnosti SOFTSWISS jmenujeme AI šampiony uvnitř produktových týmů, kteří identifikují použití, rafinují nejlepší postupy a sdílejí je napříč organizací. Workshopy dále urychlují přenos znalostí.

Měření je spojeno s obchodními KPI. Sledujeme ukazatele, jako je doba řešení v podpoře nebo úroveň automatizace v kódové kontrole. Pokud adopce AI nezlepšuje měřitelné metriky, zůstává povrchní.

Které legacy procesy nejčastěji omezují dopad adopce AI ve zavedených technologických společnostech?

Hlavním omezením je pokus o integraci AI do rigidních manažerských struktur s dlouhými plánovacími cykly a fixní alokací zdrojů. AI výhoda je rychlost, a zastaralé modely řízení zpomalují tuto výhodu.

Dalším omezujícím faktorem je slabá klasifikace dat. Bez strukturovaných a dobře spravovaných dat se zabezpečená a škálovatelná integrace AI stává extrémně obtížnou.

Můžete sdílet příklady, kde integrace AI přímo do jádra systémů přinesla měřitelné zisky v efektivitě, příjmech nebo provozním výkonu?

V technické podpoře AI integrovaná do Jiry analyzuje historii tiketů a dokumentaci, aby navrhla řešení, což významně snižuje dobu řešení.

V HR automatizovaní asistenti zpracovávající dotazy na benefity a dovolené šetří stovky hodin každý měsíc.

Ve vývoji AI-poháněná automatizace kódové kontroly dosahuje 60–80%, urychluje vývojový cyklus dvakrát až čtyřikrát. Tyto zisky jsou provozně měřitelné a přímo ovlivňují efektivitu.

Jak navrhujete rámce řízení, které zajišťují audibilitu, bezpečnost a odpovědnost, když je AI hluboce integrována do podnikových pracovních postupů?

Řízení musí vytvořit kontrolované prostředí, spíše než omezit inovace. Spoléháme se na podnikové smlouvy s dodavateli a aplikujeme maskování dat před odesláním informací do cloudových modelů.

Odpovědnost je vestavěna do systémového designu. AI-poháněné akce fungují v definovaných oknech rollback, umožňujících lidské přerušení. Odpovědnost nakonec zůstává u týmového lídra, který navrhuje a vlastní pracovní postup.

Jaké strukturální výhody umožňují malým AI-rodným týmům škálovat rychleji než tradiční podniky, a jak mohou větší organizace adaptovat bez ztráty stability?

Zásadním rozdílem je architektura. Tradiční společnosti rozdělují práci do sekvenčních fází – každá vlastněná samostatnou rolí, s handoffy a frontami mezi nimi. AI-rodné týmy mohou vykonávat napříč všemi fázemi současně. Neexistují žádné fronty, žádné čekání na další osobu v řetězci. Celý proces je automatizován od začátku do konce, což jim dává obrovskou rychlostní výhodu.

Pro větší organizace je cesta vpřed postupná. Nejprve – vybudujte AI gramotnost a vybavte týmy AI nástroji. Dejte lidem čas naučit se, experimentovat a integrovat AI do svých stávajících pracovních postupů. V této fázi se inovace dějí uvnitř stávajících procesů, ne místo nich.

Jakmile týmy získají zkušenosti a sebevědomí, můžete nastavit ambicióznější cíle – optimalizovat celé procesy, spíše než jednotlivé kroky. Tady真正 transformace začíná, ale funguje pouze tehdy, když jsou lidé a procesy připraveni na to.

Klíčovým je tempo. Pohybovat se příliš rychle a rozbití stability. Pohybovat se příliš pomalu a trhavý vás zanechá pozadu. Správný přístup je úmyslný, sekvenční pokrok – aby se organizace vyvinula bez ztráty toho, co již funguje.

Jak provozování v sektoru iGaming, s jeho regulačními a spolehlivostními požadavky, ovlivňuje způsob, jakým je AI infrastruktura architektonicky navržena a nasazena?

iGaming je jedinečné prostředí. Zahrnuje skutečné peníze, reálné transakce a regulační dohled napříč několika jurisdikcemi. Ve společnosti SOFTSWISS operujeme pod několika licencemi – každá s vlastními požadavky na dodržování předpisů. To znamená, že každé technologické rozhodnutí, včetně AI, musí brát v úvahu komplexní regulační krajiny, která jde daleko za standardní ochranu dat.

Regulované trhy vyžadují přísné dodržování pravidel pro ukládání, mazání a zpracování dat, včetně GDPR. Ale v iGaming je rozsah širší – požadavky na boj proti praní špinavých peněz, závazky zodpovědného hazardu, licenční podmínky, které určují, jak data proudí a kde mohou být zpracována. Infrastruktura musí zaručit, že citlivá data nejsou použita pro externí modelové školení a že každé AI-poháněné rozhodnutí zůstává auditable.

Současně jsou standardy spolehlivosti výjimečně vysoké. Systémy fungují 24/7 s obrovskými transakčními objemy. Každý AI systém, který nasazujeme, musí splňovat stejné standardy – vždy dostupný, plně auditable a schopný zpracovat datové objemy, které vidíme v podpoře a operacích dodržování předpisů. V tomto odvětví není selhání AI jen nepříjemností – je to regulační a finanční riziko.

Jak se zrání podnikového AI, jaké schopnosti budou odlišovat společnosti, které skutečně integrují AI do svého provozního modelu, od těch, které zůstávají povrchními uživateli?

V zralých AI organizacích bude mít každý zaměstnanec AI na dosah – se zabezpečeným přístupem k firemním datům napříč systémy, bez bariér nebo manuálních požadavků. Procesy budou automatizovány od začátku do konce, bez front a handoffů mezi rolami. Práce bude plynout nepřetržitě, ne v etapách.

Ale automatizace sama o sobě nestačí. Co odlišuje lídry od ostatních, je schopnost řídit AI-poháněnou práci v měřítku. Týmy a organizace se přizpůsobí automatizovanému monitorování kvality – detekci problémů brzy a opravě předtím, než se zhorší.

Role jednotlivého zaměstnance se фундаментálně mění. Místo provádění úkolů definují specifikace pro AI – poskytují dostatečný kontext, jasně stanovené cíle a metody kvalitní kontroly. Jejich hodnota spočívá v řízení AI a optimalizaci jeho výstupu, ne v manuálním provádění práce.

Role manažerů se také mění. Manažeři a výkonní ředitelé se stávají architekty systémového myšlení napříč organizací. Jejich úkolem je propojit různé pracovní toky, nástroje a artefakty do hodnotových toků, které řeší zákaznické problémy lépe než konkurenti, ne optimalizují jednotlivé úkoly – ale navrhují, jak vše dohromady.

Tato hloubka integrace – AI v každé ruce, automatizované procesy, systematická kontrola kvality a vedení zaměřené na konečný hodnotu – bude definovat dlouhodobou konkurenční výhodu.

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