China Widener, Deloitten varapuheenjohtaja, US Tech, Media & Telecommunications -johtaja – Haastattelusarja

China Widener on Deloitten varapuheenjohtaja ja US Technology, Media & Telecommunications (TMT) -teollisuuden johtaja. Hän toimii myös Deloitten US Board of Directorsissa.

Hän tarjoaa erityisen näkemyksen TMT-teollisuuden tulevaisuudesta, erityisesti Agentic AI:n kehityksestä – älykkäistä järjestelmistä, jotka pystyvät tekemään itsenäisiä päätöksiä – ja niiden muuntavan vaikutuksesta koko yrityksessä. Hän on intohimoinen auttamaan asiakkaita lukitsemaan Agentic AI:n täyden potentiaalin, jotta he voivat kiihdyttää innovaatioita, parantaa operatiivista tehokkuutta ja luoda uusia kilpailuetuja, samalla kun he pitävät kiinni luotettavasta AI:sta.

China on kirjoittanut artikkeleita AI:sta, teknologisen kehyksen yrityksille, toimitusmallin analyysistä ja kykyjen aukon sulkemisesta. Hän on suosittu puhuja ja fasilitaattori, ja hänen tekninen kokemus ja urakehitys on esitetty useissa podcaasteissa ja julkaisuissa.

Deloitte on yksi maailman suurimmista ammattipalvelujen yrityksistä, joka tarjoaa tilintarkastus-, konsultointi-, veroneuvonta-, riskienhallinta- ja rahoituksellisia neuvontapalveluita organisaatioille lähes jokaisessa toimialassa. Deloitte toimii yli 150 maassa ja työskentelee monikansallisten yritysten, hallitusten ja nousujohtavien yritysten kanssa, jotta ne voivat navigoida monimutkaisissa haasteissa, ajaa digitaalista muutosta ja parantaa operatiivista suorituskykyä. Yritys on erityisesti tunnettu asiantuntemuksestaan alueilla, kuten teknologian konsultointi, data-analytiikka, kyberturva ja sääntelyn mukainen toiminta, jotta asiakkaat voivat sopeutua nopeasti muuttuviin markkinoihin, samalla kun he ylläpitävät vahvaa hallintoa ja pitkän aikavälin kasvustrategioita.

Deloitten tutkimuksen mukaan useimmat organisaatiot ovat edelleen kiinni kokeiluvaiheessa. Mikä on johtajien suurin väärinkäsitys siitä, mitä vaaditaan AI:n skaalaukseen koko yrityksessä?

Organisaatiot yrittävät usein “kiinnittää AI:n” olemassa oleviin prosesseihin, kun skaalaukseen vaaditaan todellisuudessa prosessien uudelleenarkkitehtuuri. Suurin väärinkäsitys, jonka näen, on se, että AI:n skaalaukseen liittyy ennen kaikkea teknologinen haaste. Todellisuudessa teknologia on usein helpoin osa. Johtajat aliarvioivat usein sitä, kuinka paljon toimintamallin muutosta vaaditaan – työvirtojen, päätösoikeuksien, kykyjen, kannustimien ja hallinnon osalta. 

Siirtymä erillisten sovellustapauksien ja yrityskohtaisen orkestraation välillä voidaan avata, kun ihmiset, prosessit ja teknologia kehittyvät yhdessä. Ilman tätä linjaa jopa edistynein AI jää kiinni kokeiluvaiheeseen.

Miksi niin moni AI-aloite epäonnistuu toimittamaan mitattavaa ROI:ta, vaikka perustana oleva teknologia on terve?

Todellinen ROI saavutetaan, kun AI on upotettu loppupäästä loppuun prosesseihin, eikä sitä käsitellä erillisenä kokeiluna. Useimmat AI-aloitteet eivät epäonnistu, koska teknologia ei toimi – ne epäonnistuvat, koska liiketoiminta ei ole järjestetty siten, että se voi hyödyntää sitä.

Erilliset sovellustapaukset, huonot työvirran integraatiot ja epäselvät arvon seuranta estävät AI:ta kääntymästä mitattavaksi vaikutukseksi. Usein puuttuu orkestraatio. AI-arvo ei ole vain pystysuora – yhden kyvyn tai toiminnon sisällä – vaan se on myös vaakasuora, käsittäen prosessit, tiimit ja koko yrityksen. Kun organisaatiot eivät yhdistä näitä kerroksia, he päätyvät taskuihin, joissa on edistystä, mutta ne eivät skaalaa.

Arvo tulee teknologian ja työvirtojen sekä liiketoimintatuloksien linjaamisesta, jotta AI voi toimia koko yrityksessä, eikä ainoastaan siloissa. Silloin siirrytään kokeilusta todelliseen muutokseen ja alkaa toteutua kestävää, ristiinlaatuista arvoa.

Milloin yritys tulisi lopettaa kokeilun ja sitoutua AI:n yrityskohtaiseen muutokseen, ja mitkä signaalit osoittavat, että he ovat valmiit?

Organisaatiot tulisi siirtyä kokeiluvaiheesta, kun he ovat valmiit upottamaan AI:n loppupäästä loppuun prosesseihin. Se on siirtymä AI:n käsittelystä erillisenä kokoelmana kokeiluista AI:n strategiseen muutokseen, joka on ankkuroitu selkeään tiekarttaan, jossa on määritelty, missä arvo on ja miten se voidaan saavuttaa.

Se tarkoittaa sidosryhmien linjaamista yhteisten etujen ympärillä, määrittelyä siitä, missä AI voi tuottaa suurimman vaikutuksen toimintojen yli ja oikean hallinnon ja toimintamallin asettamista paikalleen, jotta voidaan toimia sen mukaisesti. Ilman tätä selkeyttä organisaatiot jäävät jumiin kokeiluihin, jotka ovat vaikeita skaalata tai toistaa.

Lyhyesti, menestys tulee olemaan siirtymisestä hajanaisesta kokeilusta koordinoituun, yrityskohtaiseen strategiaan – jossa arvo on selkeästi määritelty, priorisoitu ja järjestelmällisesti toteutettu.

Miten johtajien tulisi uudelleenarvioida ROI:ta AI:n kontekstissa, erityisesti kun hyödyt ulottuvat kustannussäästöjen lisäksi tuottavuuden parantamiseen, työvoiman uudelleenmuotoiluun ja pitkän aikavälin strategiseen etuihin?

Se on ajateltava AI:n ROI:ta enemmän kuin vain kustannussäästöjä. Kun siirrytään laajempaan arvon yhtälöön, joka sisältää tuottavuuden parantamisen, työvoiman muodonmuutoksen ja uudet kasvun väylät, silloin AI:n todellinen arvo avautuu. Vaikka tehokkuus on tärkeää, suurempi vaikutus tulee usein roolien uudelleenmuotoilusta, päätöksenteon kiihdyttämisestä ja uusien liiketoimintamallien mahdollistamisesta. Haaste on, että nämä hyödyt eivät aina näy perinteisissä taloudellisissa mittareissa tai lyhytaikaisissa P&L-sykleissä. Avain on omaksuminen holistisempia mittauslähestymistapoja, jotka yhdistävät taloudelliset, operatiiviset ja työvoiman tulokset. Lopulta tavoitteena on arvioida AI:ta ei ainoastaan kustannusvipuna, vaan pitkän aikavälin kilpailuetuna.

Yksi haasteista, josta mainittiin, on kuilu näkyvyyden ja toiminnan välillä. Miksi organisaatiot kamppailevat AI:n avulla tuotettujen oivallusten operationalisoinnissa?

Kuilu oivalluksen ja toiminnan välillä on toimeenpano-ongelma, ei analytics-ongelma. Organisaatiot voivat joskus tuottaa oivalluksia, mutta epäselvät päätösoikeudet, väärälinjatut työvirrat ja vastuun puute estävät toiminnan. Hallinto on avainasemassa. Kuilun sulkeminen edellyttää AI:n upottamista ja ymmärtämistä työvirtojen, käytäntöjen, politiikkojen ja toimeenpanon polkujen vaikutuksista.

Deloitten Enterprise AI Navigator korostaa “agenttien” tehtävien luomista. Miten johtajien tulisi päättää, mitkä prosessit ovat parhaiten soveltuvia AI-agentteihin verrattuna ihmisten johtamiin työvirtoihin?

Erilaiset prosessit vaativat eri tasoja automaatiota; tehokas muutos on tehtävä oikeat valinnat. Avainkysymys ei ole onko AI-agenttien käyttäminen vaan missä ne luovat eniten arvoa.

Tätä arvoa voidaan arvioida kahtena pääasiallisena tavoin: organisaatioiden “soveltuvuus” ja taloudellinen vaikutus. Joillekin organisaatioille tärkeintä on soveltuvuus olemassa oleviin työvirtoihin, kulttuuriin ja työskentelytapaan, jolloin “soveltuvuus” on paras lähtökohta. Toisille tärkeintä on mitattavissa olevat taloudelliset palautteet, jossa ymmärtäminen arvon luomisen alueesta ja mittakaavasta tulee ensisijaiseksi ohjaimen. Kyky arvioida molempia ulottuvuuksia mahdollistaa tietoisemman, strategisen päätöksenteon.

On tärkeää huomata, että ei kaikki prosessit tulisi agenttisoida. Jotkut vaativat ihmisen arviointia, luottamusta tai luovuutta. Tavoitteena on hybridimalli, jossa ihmiset ja agentit on tarkoituksella suunniteltu täydentämään toisiaan.

Monet organisaatiot panostavat voimakkaasti AI-työkaluihin, mutta eivät uudelleenmuotoile työvirtoja. Kuinka kriittinen on organisaatioiden uudelleenjärjestäminen todellisen AI-vaikutuksen saavuttamiseksi?

Organisaatioiden uudelleenjärjestäminen ei ole valinnainen; se on keskeinen osa AI-vaikutuksen saavuttamiseksi. Yritykset, jotka panostavat työkaluihin ilman työvirtojen uudelleenmuotoilua, näkevät yleensä ainoastaan marginaalisia hyötyjä. Todellinen arvo tulee, kun organisaatiot uudelleenajattelevat rooleja ja vastuualueita, tiimien rakenteita ja päätöksentekoprosesseja. AI ei ainoastaan muuta tehtäviä: se muuttaa, miten työ virtaa koko yrityksessä. Ilman rakenteellista linjaa todellinen muutos on rajoitettu.

Governance on jäljessä omaksuntaa, erityisesti agentic AI:n osalta. Mitkä riskit yritykset aliarvioivat, kun ne skaalavat enemmän autonomisia järjestelmiä?

Meidän tutkimuksemme osoittaa, että vain 21 %:lla organisaatioista on kypsä hallinto autonomisten agenttien osalla. Ilman vahvaa, loppupäästä loppuun hallintohjelmaa monet yritykset epäröivät ottaa näitä työkaluja käyttöön. Tämä epäröinti johtaa usein “varjoihin AI:hin”, joka tuo merkittävän hallitsemattoman riskin. 

Samaan aikaan organisaatiot usein aliarvioivat työntekijöiden roolia hallinnossa. Käytäntöjen ja raportointirakenteiden on tärkeä, mutta ne eivät ole riittäviä yksin. Työntekijät haluavat yleensä käyttää AI:ta vastuullisesti – ja kun heille annetaan selkeät ohjeet, he muodostavat voimakkaan puolustuslinjan.

Se tarkoittaa, että organisaatioiden tulisi keskittyä työvoimansa kouluttamiseen: mitä on turvallista, mitä on riskialtista ja miten tehdä hyviä päätöksiä reaaliajassa. Esimerkiksi pysähtymällä kysymään: pitäisikö sisällyttää herkkää taloudellista tietoa tähän? Tämä päivittäinen päätöksenteko on siellä, missä hallinto todella elää. Työntekijät, kun he ovat informoituja ja valtuutettuja, vahvistavat aktiivisesti organisaation riskiasennetta.

Lopulta, jatkuva seuranta ja satunnaiset testit ovat aliedustettuja, mutta ne ovat olennaisia. Kun siirrytään agentic AI:n aikakauteen, jatkuva valvonta tulisi olla välttämätöntä kunkin organisaation, joka ottaa nämä kyvyt laajasti käyttöön.

Deloitte ehdottaa, että Enterprise AI Navigator voi merkittävästi vähentää strategian ja suunnittelun aikaa. Mitä tarkalleen muuttuu siinä, miten organisaatiot lähestyvät AI-päätöksentekoa, kun he käyttävät järjestelmää, kuten tätä?

Enterprise AI Navigator yhdistää taloudelliset, työvirran ja työvoiman oivallukset yhtenäiseen muutoskarttaan. Se, mikä muuttuu, on siirtymä intuitiivisesta päätöksenteosta tietoihin perustuvaan muutokseen, joka heijastaa kurinalaista lähestymistapaa, jota voidaan soveltaa koko sidosryhmien maisemaan. Enterprise AI Navigatorin avulla Deloitte voi auttaa mallintamaan skenaarioita ennen investointeja, tehdä AI-päätöksiä, jotka liittyvät suoraan taloudelliseen ja työvirran vaikutukseen, ja siirtyä erillisten kokeilujen koherenttiin, yrityskohtaiseen tiekarttaan

Se purkaa strategian ja suunnittelun syklit antamalla johtajille näkyvyyden siihen, mitä toimii – ennen kuin he skaalavat sitä.

Katsoen 1-2 vuotta eteenpäin, mitä erottaa yritykset, jotka onnistuvat muuttamaan AI:n kilpailuedulla yrityksistä, jotka jäävät kiinni kokeiluvaiheeseen?

Jaottelu ei ole siinä, kuka omaksui AI:n; se on siinä, kuka muuntui sen ansiosta. Nämä johtajat käsittelevät AI:ta liiketoimintamuutoksen välineenä, ei ainoastaan työkalupakettina. Se tarkoittaa prosessien ja toimintamallien uudelleenmuotoilua loppupäästä loppuun, samalla kun he mitoittavat arvoa holistisesti taloudellisten, työvoiman ja kasvun tuloksien yli.

Olennaisesti he tunnistavat, että tuottavuus yksin ei ole maaliviiva. Monet organisaatiot ovat jo nähneet marginaalisia tehokkuuden parannuksia, mutta kilpailuetu tulee siitä, että AI:ta käytetään lukitsemaan uudet tulovirtaukset, muokkaamaan tarjontaa ja ajamaan yrityksenlaajuista kasvua, eikä ainoastaan tekemään samaa työtä nopeammin.

Nämä, jotka jäävät jälkeen, jatkavat työkalujen keskittymistä tuloksien sijaan, jahtaavat erillisiä sovellustapauksia ilman niiden yhdistämistä liiketoiminnan yli. He myös altistavat alihallinnolle ja orkestraatiolle, mikä tekee vaikeaksi skaalata vaikutusta.

Lyhyesti, voittajat ovat ne, jotka siirtyvät AI-käyttöön AI-voimasta. Nämä yritykset upottavat AI:ta siihen, miten liiketoiminta toimii, miten se kasvaa ja miten se kilpailee, eikä ainoastaan miten se kokeilee.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Deloitten sivustolla.