China Widener, visestyreleder, US Tech, Media & Telecommunications-leder i Deloitte – Intervju-serie

China Widener er Deloittes visestyreleder og leder for US Technology, Media & Telecommunications (TMT)-bransjen. Hun sitter også i Deloittes US-styret.

Hun tilbyr en distinkt perspektiv på fremtiden for TMT-bransjen, med særlig interesse for utviklingen av Agentic AI – intelligente systemer som kan ta autonome beslutninger – og deres transformative effekt på hele bedriften. Hun er lidenskapelig opptatt av å hjelpe kunder med å låse opp det fulle potensialet i Agentic AI for å akselerere innovasjon, forbedre operasjonell effisiens og skape nye kilder til konkurransefordel, samtidig som de opprettholder en urokkelig forpliktelse til pålitelig AI.

China har skrevet artikler om AI, teknologiske rammer for bedrifter, leveringsmodellanalyse og lukking av kompetansegapet. Hun er en meget etterspurt foredragsholder og fasilitator, og hennes teknologi-erfaring og karriere-utvikling har blitt presentert i flere podcaster og publikasjoner.

Deloitte er ett av verdens største profesjonelle tjenesteforetak, som tilbyr revisjons-, konsulent-, skatte-, risikostyrings- og finansielle rådgivningstjenester til organisasjoner over nesten alle bransjer. Med et globalt nettverk som omfatter over 150 land, arbeider Deloitte med multinasjonale selskaper, regjeringer og nye bedrifter for å navigere komplekse utfordringer, drive digital transformasjon og forbedre operasjonell ytelse. Firmaet er særlig kjent for sin ekspertise innen områder som teknologikonsultering, dataanalyse, cybersikkerhet og regulatorisk overholdelse, og hjelper kunder med å tilpasse seg raskt endrende markeder samtidig som de opprettholder sterk styring og langsiktig vekststrategi.

Deloittes forskning viser at de fleste organisasjoner fortsatt er fanget i pilot-modus. Hva er den største misforståelsen ledere har om hva det tar å skalerer AI på tvers av bedriften?

Organisasjoner prøver ofte å “skru AI på” eksisterende prosesser, når skaleringsmessig krever omgjøring av hvordan arbeidet blir gjort. Den største misforståelsen jeg ser, er at skaleringsmessig AI primært er en teknologisk utfordring. I virkeligheten er teknologien ofte den enkleste delen. Det ledere tenderer til å undervurdere, er graden av endring av driftsmodellen som kreves – fra arbeidsflyter og beslutningsrettigheter til kompetanse, incitamenter og styring. 

Skiftet fra isolerte brukstilfeller til bedrifts-nivå-koordinering kan låses opp når mennesker, prosesser og teknologi utvikler seg sammen. Uten denne tilpasningen, blir selv de mest avanserte AI-systemer fanget i pilot-modus.

Hvorfor lykkes så mange AI-initiativer ikke å levere målbare ROI, selv når den underliggende teknologien er lykkes?

Ekte ROI kommer når AI er integrert i sluttpunkt-prosesser, ikke behandlet som isolert eksperimentering. De fleste AI-initiativer mislykkes ikke fordi teknologien ikke fungerer – de mislykkes fordi bedriften ikke er satt opp for å fange verdi fra det.

Frakoblete brukstilfeller, dårlig arbeidsflyt-integrasjon og uklar verdi-sporing forhindrer AI fra å oversette til målbare effekter. Det som ofte mangler, er koordinering. AI-verdi er ikke bare vertikal – innenfor en enkelt evne eller funksjon – men også horisontal, som omfatter prosesser, team og hele bedriften. Når organisasjoner ikke kobler disse lagene, ender de opp med lommer av fremgang som aldri skalerer.

Verdi kommer fra å tilpasse teknologi med arbeidsflyter og forretningsresultater, så AI kan operere på tvers av bedriften, ikke bare innenfor siloer. Det er da du går fra eksperimentering til sanne transformasjoner og begynner å realisere varige, tverrfunksjonelle verdier.

Når bør et selskap slutte å eksperimentere og forplikte seg til bedrifts-omfattende AI-transformasjon, og hva signaler indikerer at de er klare?

Organisasjoner bør gå utenfor eksperimentering når de er klare til å integrere AI i sluttpunkt-prosesser. Det er en skifte fra å behandle AI som en samling av spesifikke piloter til å se på det som en strategisk transformasjon som er forankret i en klar veikart for hvor verdi finnes og hvordan den kan fanges.

Det betyr å tilpasse interessenter rundt felles prioriteringer, definere hvor AI kan drive den største effekten på tvers av funksjoner, og sette riktig styring og driftsmodell på plass for å utføre mot det. Uten den klarheten, forblir organisasjoner fanget med piloter som er vanskelige å skalerer eller replikere.

I kort, suksessen vil komme ned til å gå fra fragmentert eksperimentering til en koordinert, bedrifts-omfattende strategi – hvor verdi er tydelig definert, prioriterer og systematisk realisert.

Hvordan bør ledere tenke om ROI i sammenheng med AI, særlig når fordeler strekker seg beyond kostnadsbesparelser inn i produktivitet, arbeidsstyrke-gjenoppbygging og langsiktig strategisk fordel?

Det handler om å tenke på AI-ROI som mer enn bare kostnadsbesparelser. Når du går inn i en bredere verdi-ligning som inkluderer produktivitetsgevinster, arbeidsstyrke-transformasjon og nye muligheter for vekst, det er da du låser opp AI-sann verdi. Mens effisiens er viktig, kommer ofte den større effekten fra å gjenoppbygge roller, akselerere beslutningsprosesser og muliggjøre helt nye forretningsmodeller. Utfordringen er at disse fordelene ikke alltid viser seg i tradisjonelle finansielle målinger eller korte P&L-sykluser. Nøkkel er å adoptere mer holistiske målemetoder som kombinerer finansielle, operative og arbeidsstyrke-resultater. Til slutt er målet å evaluere AI ikke bare som en kost-lever, men som en driver av langsiktig konkurransefordel.

En av utfordringene som er fremhevet, er gapet mellom synlighet og handling. Hvorfor sliter organisasjoner med å operasjonalisere innsikter generert av AI?

Gapet mellom innsikt og handling er et utføringsproblem, ikke et analytisk problem. Organisasjoner kan noen ganger generere innsikter, men uklare beslutningsrettigheter, misjusterte arbeidsflyter og manglende ansvar forhindrer handling. Styring er nøkkel. Lukking av dette gapet krever å integrere AI og forstå effekten på arbeidsflyter, praksis, politikk og utføringsveier.

Deloittes Enterprise AI Navigator understreker “agentifiseringen” av oppgaver. Hvordan bør ledere bestemme hvilke prosesser som er best egnet for AI-agenter versus menneske-drevne arbeidsflyter?

Forskjellige prosesser krever forskjellige nivåer av automatisering; effektiv transformasjon handler om å gjøre de riktige valg. Nøkkelspørsmålet er ikke hvorvidt å deployere AI-agenter – det er hvor de skaper mest verdi.

Denne verdien kan vurderes på to primære måter: organisatorisk “tilpasning” og finansiell effekt. For noen organisasjoner vil tilpasning til eksisterende arbeidsflyter, kultur og måter å arbeide på være prioritet, gjøre “tilpasning” til den beste startpunktet. For andre vil fokus være på målbare finansielle avkastninger, hvor forståelse av omfanget og skalaen av verdi-oppbygging blir den primære driveren. Evnen til å vurdere begge dimensjoner er det som muliggjør mer informert, strategisk beslutning.

Det er viktig å merke seg at ikke alle prosesser bør “agentifiseres”. Noen krever menneskelig dømmekraft, tillit eller kreativitet. Målet er en hybrid-modell, hvor mennesker og agenter er bevisst designet for å komplementere hverandre.

Mange organisasjoner investerer tungt i AI-verktøy, men ikke redesigner arbeidsflyter. Hvor kritisk er organisatorisk omstrukturering for å oppnå sanne AI-impakter?

Organisatorisk omstrukturering er ikke valgfritt; det er sentralt for å oppnå AI-impakt. Selskaper som investerer i verktøy uten å redesigne arbeidsflyter, ser vanligvis bare inkrementelle gevinster. Sanne verdier kommer når organisasjoner tenker om roller og ansvar, team-strukturer og hvordan beslutninger tas. AI endrer ikke bare oppgaver: det endrer hvordan arbeid flyter på tvers av bedriften. Uten strukturtilpasning, er sanne transformasjoner begrensede.

Styring er etter igjen adopsjonen, særlig med agentic AI. Hva risikoer underskattes av selskaper når de skalerer mer autonome systemer?

Vår forskning viser at bare 21% av organisasjoner har moden styring på plass for autonome agenter. Uten en sterk, sluttpunkt-styringsprogram, tøver mange selskaper å deployere disse verktøyene. Den tøvenheten fører ofte til oppblomstringen av “skygge-AI”, som introduserer betydelig ustyrt risiko. 

Sammen med det, underskatter organisasjoner ofte rollen ansatte kan spille i styring. Politikk og rapporteringsstrukturer er kritiske, men de er ikke nok på egen hånd. Ansatte ønsker vanligvis å bruke AI ansvarlig – og når de er utstyrt med klare retningslinjer, blir de en kraftfull forsvarslinje.

Det betyr at organisasjoner bør fokusere på å utdanne sin arbeidsstyrke: hva som er trygt, hva som er risikabelt, og hvordan man tar gode avgjørelsene i sanntid. For eksempel, å pause og spørre: bør jeg inkludere følsomme finansielle data her? Den type dag-til-dag-beslutning er der styring virkelig kommer til live. Ansatte, når informert og empowerment, aktivt forsterker organisasjonens risikostilling.

Til slutt, kontinuerlig overvåking og periodisk testing er underutnyttet, men essensiell. Etter hvert som vi går videre i agentic AI-æraen, må kontinuerlig tilsyn bli en selvfølge for enhver organisasjon som deployer disse evnene i stor skala.

Deloitte foreslår at Enterprise AI Navigator kan redusere strategi- og design-tid betydelig. Hva spesifikt endrer seg i hvordan organisasjoner nærmer seg AI-beslutninger når de bruker et system som dette?

Enterprise AI Navigator kobler finansielle, arbeidsflyt- og arbeidsstyrke-innsikter inn i en samlet transformasjonsveikart. Det som endrer seg, er skiftet fra intuisjons-ledet beslutning til data-informert transformasjon som reflekterer en disiplinert tilnærming som kan brukes på tvers av interessent-landskapet. Med Enterprise AI Navigator, kan Deloitte hjelpe med å modellere scenarier før investering, gjøre AI-beslutninger knyttet direkte til finansiell og arbeidsflyt-impakt, og gå fra isolerte piloter til en samlet, bedrifts-omfattende veikart

Det komprimerer effektivt strategi- og design-sykluser ved å gi ledere synlighet inn i hva som vil fungere – før de skalerer det.

Om 1 til 2 år, hva vil skille selskaper som suksessfullt gjør AI til en konkurransefordel fra de som forblir fanget i eksperimentering?

Skillet vil ikke være om hvem som adopterte AI; det vil være om hvem som transformerte på grunn av det. Disse lederne vil behandle AI som en forretnings-transformasjons-hevel, ikke bare et verktøysett. Det betyr å redesigne arbeidsflyter og driftsmodeller fra sluttpunkt til sluttpunkt, samtidig som de måler verdi holistisk på tvers av finansielle, arbeidsstyrke- og vekst-resultater.

Kritisk vil de også erkjenne at produktivitet alene ikke er målstreken. Mange organisasjoner ser allerede inkrementelle effisiens-gevinster, men konkurransefordel kommer fra å bruke AI til å låse opp nye inntektsstrømmer, omforme tilbud og drive bedrifts-omfattende vekst, ikke bare gjøre det samme arbeidet raskere.

De som ligger etter, vil fortsette å fokusere på verktøy over resultater, jage isolerte brukstilfeller uten å koble dem på tvers av bedriften. De vil også tendere til å underinvestere i endringsledelse, styring og koordinering – noe som gjør det vanskelig å skalerer impakt.

I kort, vinnerne vil være de som går fra AI-aktivert til AI-drevne bedrifter. Disse bedriftene vil integrere AI i hvordan bedriften kjører, hvordan den vokser og hvordan den konkurrerer, ikke bare hvordan den eksperimenterer.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Deloitte.