China Widener, Vice Chair, US Tech, Medier & Telekommunikation leder hos Deloitte – Interview Serie

China Widener er Deloittes viceformand og leder af US Technology, Media & Telecommunications (TMT) industri. Hun sidder også i Deloittes bestyrelse i USA.

Hun tilbyder en særlig perspektiv på fremtiden for TMT-industrien, med en særlig interesse for udviklingen af Agentic AI—intelligente systemer, der kan træffe autonome beslutninger—og deres transformative indvirkning på virksomheden. Hun er passioneret om at hjælpe kunder med at udnytte det fulde potentiale i Agentic AI til at accelerere innovation, forbedre operationel effektivitet og skabe nye kilder til konkurrencefordel, samtidig med at hun fastholder et stærkt engagement for troværdig AI.

China har co-forfattet artikler om AI, teknologiske rammer for virksomheder, leveringsmodelanalyse og lukning af talentgapet. Hun er en meget efterspurgt taler og facilitator, og hendes teknologioplevelse og karriereudvikling er blevet fremhævet i flere podcasts og publikationer.

Deloitte er en af verdens største professionelle services-virksomheder, der tilbyder revision, rådgivning, skat, risikoadvisering og finansielle rådgivningstjenester til organisationer i næsten alle brancher. Med et globalt netværk, der spænder over mere end 150 lande, arbejder Deloitte med multinationale koncerner, regeringer og nye virksomheder for at navigere komplekse udfordringer, drive digital transformation og forbedre operationel præstation. Virksomheden er særligt kendt for sin ekspertise inden for områder som teknologirådgivning, dataanalyse, cybersikkerhed og regulativ overholdelse, og hjælper kunder med at tilpasse sig hurtigt skiftende markeder, mens de fastholder stærk governance og langsigtede vækststrategier.

Deloittes forskning viser, at de fleste organisationer stadig er fastlåst i pilotmode. Hvad er den største misforståelse, ledere har om, hvad det kræver for at skala AI på tværs af virksomheden?

Organisationer prøver ofte at “sætte AI på” eksisterende processer, når skalaering i virkeligheden kræver en omstrukturering af, hvordan arbejdet udføres. Den største misforståelse, jeg ser, er, at skalaering af AI primært er en teknologisk udfordring. I virkeligheden er teknologien ofte den letteste del. Det, ledere tendenser til at undervurdere, er graden af ændring af driftsmodellen, der kræves – fra arbejdsprocesser og beslutningsrettigheder til talent, incitamenter og governance. 

Skiftet fra isolerede brugstilfælde til virksomhedsniveau-koordination kan låses op, når mennesker, processer og teknologi udvikler sig sammen. Uden denne tilpasning bliver selv de mest avancerede AI fastlåst i pilotmode.

Hvorfor lykkes så mange AI-initiativer ikke med at levere målbart ROI, selvom den underliggende teknologi er sund?

Rigtig ROI kommer, når AI er integreret i slut-til-slut-processer, og ikke behandles som isolerede eksperimenter. De fleste AI-initiativer fejler ikke, fordi teknologien ikke virker – de fejler, fordi forretningen ikke er sat op til at indfange værdi fra det.

Afskårne brugstilfælde, dårlig arbejdsprocesintegration og uklar værditracking forhindrer AI i at oversætte til målbart indflydelse. Det, der ofte mangler, er koordination. AI-værdi er ikke kun vertikal – inden for en enkelt funktion eller kapacitet – men også horisontal, der spænder over processer, hold og virksomheden. Når organisationer ikke forbinder disse lag, ender de med lommer af fremgang, der aldrig skalerer.

Værdi kommer fra at tilpasse teknologi med arbejdsprocesser og forretningsresultater, så AI kan fungere på tværs af virksomheden, og ikke kun inden for siloer. Det er, når du bevæger dig fra eksperimenter til sand transformation og begynder at realisere bæredygtig, tværfunktionel værdi.

På hvilket tidspunkt skal en virksomhed stoppe med at eksperimentere og forpligte sig til en virksomhedsomfattende AI-transformation, og hvilke signaler indikerer, at de er klar?

Organisationer skal bevæge sig ud over eksperimenter, når de er klar til at integrere AI i slut-til-slut-processer. Det er et skift fra at behandle AI som en samling af specialtilfælde til at se det som en strategisk transformation, der er forankret i en klar vejviser for, hvor værdi findes, og hvordan den kan indfanges.

Det betyder at tilpasse interessenter omkring fælles prioriteter, definere, hvor AI kan drive den største indvirkning på tværs af funktioner, og sætte den rette governance og driftsmodel på plads for at udføre det. Uden denne klarhed forbliver organisationer fastlåst med piloter, der er svære at skala eller replikere.

I kort, succes vil komme ned til at bevæge sig fra fragmenteret eksperimenter til en koordineret, virksomhedsomfattende strategi – hvor værdi er tydeligt defineret, prioriteret og systematisk realiseret.

Hvordan skal ledere omdefinere ROI i sammenhæng med AI, især når fordelene strækker sig ud over omkostningsbesparelser til produktivitet, arbejdskraftsdesign og langsigtede strategiske fordele?

Det handler om at tænke på AI-ROI som mere end bare omkostningsbesparelser. Når du bevæger dig ind i en bredere værdi-ligning, der inkluderer produktivitetsgevinster, arbejdskraftstransformation og nye vækstmuligheder, er det, når du låser AI’s sande værdi op. Mens effektivitet er vigtig, kommer den større indvirkning ofte fra at redesigne roller, accelerere beslutningstagning og muliggøre helt nye forretningsmodeller. Udfordringen er, at disse fordele ikke altid viser sig i traditionelle finansielle målinger eller korte P&L-cykler. Nøglen er at antage mere holistiske målemetoder, der kombinerer finansielle, operationelle og arbejdskraftsresultater. Til sidst er målet at evaluere AI ikke kun som en omkostningshebel, men som en driver af langsigtede konkurrencefordel.

En af udfordringerne, der er fremhævet, er gapet mellem synlighed og handling. Hvorfor kæmper organisationer med at operationalisere indsigt genereret af AI?

Gapet mellem indsigt og handling er et udførelsesproblem, ikke et analytics-problem. Organisationer kan generere indsigt, men uklare beslutningsrettigheder, misalignerede arbejdsprocesser og mangel på ansvar forhindrer handling. Governance er nøgle. Lukning af dette gap kræver at integrere AI og forstå indvirkningen på arbejdsprocesser, praksis, politikker og udførelsesveje.

Enterprise AI Navigator fremhæver “agentificeringen” af opgaver. Hvordan skal ledere afgøre, hvilke processer der er bedst egnede til AI-agenter versus menneske-drevne arbejdsprocesser?

Forskellige processer kræver forskellige niveauer af automatisering; effektiv transformation handler om at træffe de rette valg. Spørgsmålet er ikke, om man skal udrulle AI-agenter – det er, hvor de skaber den største værdi.

Denne værdi kan vurderes på to primære måder: organisations “fit” og finansielle indvirkning. For nogle organisationer vil tilpasning til eksisterende arbejdsprocesser, kultur og måder at arbejde på være prioritet, og “fit” vil være det bedste udgangspunkt. For andre vil fokus være på målbare finansielle afkast, hvor forståelse af værdioprettelse bliver den primære driver. Evnen til at vurderer begge dimensioner er, hvad der muliggør mere informeret, strategisk beslutningstagning.

Det er vigtigt at bemærke, at ikke alle processer skal “agentificeres”. Nogle kræver menneskelig dømmekraft, tillid eller kreativitet. Målet er en hybridmodel, hvor mennesker og agenter er intentionelt designet til at supplere hinanden.

Mange organisationer investerer massivt i AI-værktøjer, men ikke i omstrukturering af arbejdsprocesser. Hvor kritisk er organisationsstrukturering til at opnå reel AI-indvirkning?

Organisationsstrukturering er ikke valgfrit; det er centralt for at opnå AI-indvirkning. Virksomheder, der investerer i værktøjer uden at omstrukturere arbejdsprocesser, ser typisk kun marginale gevinster. Rigtig værdi kommer, når organisationer omdefinerer roller og ansvar, teamstrukturer og hvordan beslutninger træffes. AI ændrer ikke kun opgaver, men også, hvordan arbejdet flyder på tværs af virksomheden. Uden strukturtilpasning er sand transformation begrænset.

Governance er langsom til at følge med adoptionen, især med hensyn til agentic AI. Hvilke risici undervurderer virksomheder, når de skalerer mere autonome systemer?

Vores forskning viser, at kun 21% af organisationer har en moden governance-struktur på plads for autonome agenter. Uden en stærk, slut-til-slut-governance-program tøver mange virksomheder med at udrulle disse værktøjer. Denne tøven fører ofte til opkomsten af “skygge-AI”, som introducerer betydelige urådige risici. 

Sammen med dette undervurderer organisationer ofte rollen, medarbejderne kan spille i governance. Politikker og rapporteringsstrukturer er kritiske, men de er ikke nok i sig selv. Medarbejdere vil generelt bruge AI ansvarligt – og når de er udstyret med klare retningslinjer, bliver de en kraftfuld forsvarslinje.

Det betyder, at organisationer skal fokusere på at uddanne deres arbejdskraft: hvad der er sikkert, hvad der er risikabelt, og hvordan man træffer gode dømmekraftsbeslutninger i realtid. For eksempel, pause for at spørge: skal jeg inkludere følsomme finansielle data her? Den slags dag-til-dag-beslutningstagning er, hvor governance virkelig kommer til live. Medarbejdere, når de er informerede og beføjede, forstærker aktivt organisationens risikoprofil.

Til sidst er kontinuerlig overvågning og periodisk testning underudnyttet, men essentiel. Mens vi bevæger os længere ind i æraen for agentic AI, skal kontinuerlig tilsyn blive en grundlæggende forudsætning for enhver organisation, der udruller disse kapaciteter i stor målestok.

Deloitte foreslår, at Enterprise AI Navigator kan reducere strategi- og designtid betydeligt. Hvad ændrer sig specifikt i, hvordan organisationer tilgår AI-beslutningstagning, når de bruger et system som dette?

Enterprise AI Navigator forbinder finansielle, arbejdsproces- og arbejdskraftsindsigt i en samlet transformationsvejviser. Det, der ændrer sig, er skiftet fra intuition-drevet beslutningstagning til data-informeret transformation, der afspejler en disciplineret tilgang, der kan bruges på tværs af interessegrupperne. Med Enterprise AI Navigator kan Deloitte hjælpe med at modellere scenarier, før man investerer, træffe AI-beslutninger, der er direkte knyttet til finansielle og arbejdsproces-indvirkning, og bevæge sig fra isolerede piloter til en samlet, virksomhedsomfattende vejviser

Det komprimerer effektivt strategi- og designcykler ved at give ledere indsigt i, hvad der vil virke – før de skalerer det.

Settende 1 til 2 år frem, hvad vil adskille virksomheder, der succesfuldt omdanner AI til en konkurrencefordel, fra dem, der forbliver fastlåst i eksperimenter?

Skellet vil ikke være om, hvem der adopterede AI; det vil være om, hvem transformede på grund af det. Disse ledere vil behandle AI som en forretnings-transformation-hebel, ikke kun et værktøjsæt. Det betyder at redesigne arbejdsprocesser og driftsmodeller slut-til-slut, mens man måler værdi holistisk på tværs af finansielle, arbejdskrafts- og vækstresultater.

Vigtigt er, at de vil erkende, at produktivitet alene ikke er målstregen. Mange organisationer ser allerede inkrementelle effektivitetsgevinster, men konkurrencefordel kommer fra at bruge AI til at låse nye indtægtsstrømme op, omforme tilbud og drive virksomhedsomfattende vækst, og ikke kun gøre det samme arbejde hurtigere.

De, der ligger efter, vil fortsætte med at fokusere på værktøjer over resultater, jagte isolerede brugstilfælde uden at forbinde dem på tværs af forretningen. De vil også tende til at underinvestere i forandringsmanagement, governance og koordination – hvilket gør det svært at skala indvirkning.

I kort, vinderne vil være dem, der bevæger sig fra AI-aktiveret til AI-drevne virksomheder. Disse virksomheder vil integrere AI i, hvordan forretningen køres, hvordan den vokser og hvordan den konkurrerer, og ikke kun hvordan den eksperimenterer.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Deloitte.