China Widener, Wiceprzewodnicząca, Lider Działu Technologii, Mediów i Telekomunikacji w Deloitte – Wywiad

China Widener jest wiceprzewodniczącą Deloitte oraz liderem amerykańskiego działu Technologii, Mediów i Telekomunikacji (TMT). Pełni również funkcję członka Rady Dyrektorów Deloitte USA.

Oferta wyjątkowej perspektywy na przyszłość branży TMT, ze szczególnym zainteresowaniem ewolucją Agentic AI – systemów inteligentnych zdolnych do podejmowania autonomicznych decyzji – oraz ich przełomowego wpływu na cały przedsiębiorstwo. Jest pasjonatem pomagania klientom w pełnym wykorzystaniu potencjału Agentic AI w celu przyspieszenia innowacji, poprawy efektywności operacyjnej i tworzenia nowych źródeł przewagi konkurencyjnej, przy jednoczesnym zachowaniu niezachwianej wierności zaufanemu AI.

China jest współautorem artykułów o AI, ramach technologicznych dla przedsiębiorstw, analizie modelu dostarczania i zamykaniu luki talentów. Jest bardzo poszukiwanym mówcą i moderatorem, a jej doświadczenie i kariera zostały przedstawione w kilku podcastach i publikacjach.

Deloitte jest jedną z największych firm świadczących usługi profesjonalne, świadczącą usługi audytorskie, konsultingowe, podatkowe, doradztwa ryzyka i finansowego dla organizacji z niemal każdej branży. Z siecią globalną obejmującą ponad 150 krajów, Deloitte współpracuje z korporacjami międzynarodowymi, rządami i firmami wschodzącymi, aby pokonywać złożone wyzwania, napędzać transformację cyfrową i poprawiać wyniki operacyjne. Firma jest szczególnie znana ze swojej ekspertyzy w obszarach takich jak konsulting technologiczny, analiza danych, cyberbezpieczeństwo i zgodność z przepisami, pomagając klientom dostosowywać się do szybko zmieniających się rynków, przy jednoczesnym utrzymaniu silnej governance i długoterminowych strategii wzrostu.

Badania Deloitte pokazują, że większość organizacji nadal tkwi w trybie pilotażowym. Jaki jest największy błąd, jaki popełniają liderzy, jeśli chodzi o to, co jest potrzebne do skalowania AI w całym przedsiębiorstwie?

Organizacje często próbują „dodawać AI” do istniejących procesów, kiedy w rzeczywistości skaling wymaga przebudowy, w jaki sposób wykonywana jest praca. Największym błędem, jaki widzę, jest to, że skalowanie AI jest przede wszystkim wyzwaniem technologicznym. W rzeczywistości technologia jest często najłatwiejszym elementem. To, czego liderzy zwykle nie doceniają, to stopień zmiany modelu operacyjnego wymaganej – od przepływów pracy i praw decyzyjnych do talentów, motywacji i governance.

Przełom od izolowanych przypadków użycia do koordynacji na poziomie przedsiębiorstwa może być odblokowany, gdy ludzie, procesy i technologia ewoluują razem. Bez tego wyrównania nawet najbardziej zaawansowane AI pozostaje w trybie pilotażowym.

Dlaczego tak wiele inicjatyw AI nie przynosi wymiernych korzyści, nawet gdy podstawowa technologia jest słuszna?

Prawdziwe korzyści pojawiają się, gdy AI jest wbudowane w procesy końcowe, a nie traktowane jako izolowane eksperymenty. Większość inicjatyw AI nie zawodzi, ponieważ technologia nie działa – zawodzą, ponieważ biznes nie jest ustawiony w taki sposób, aby czerpać korzyści z niego.

Oddzielne przypadki użycia, słaba integracja przepływów pracy i niejasne śledzenie wartości uniemożliwiają AI przekładanie się na wymierny wpływ. Często brakuje koordynacji. Wartość AI nie jest tylko pionowa – w ramach jednej funkcjonalności lub procesu – ale także pozioma, obejmująca procesy, zespoły i całe przedsiębiorstwo. Gdy organizacje nie łączą tych warstw, kończą się na kieszeniach postępu, które nie skalują.

Wartość pochodzi z wyrównania technologii z przepływami pracy i wynikami biznesowymi, aby AI mogło działać w całym przedsiębiorstwie, a nie tylko w silo. To, kiedy przechodzisz od eksperymentowania do prawdziwej transformacji i zaczynasz realizować trwałe, cross-funkcjonalne korzyści.

Kiedy firma powinna przestać eksperymentować i zdecydować się na transformację AI na poziomie przedsiębiorstwa, a jakie sygnały wskazują, że są gotowi?

Organizacje powinny wyjść poza eksperymenty, gdy są gotowe wbudować AI w procesy końcowe. To przesunięcie od traktowania AI jako kolekcji bespoke pilotów do traktowania go jako strategicznej transformacji zakotwiczonej w jasnej mapie drogowej, gdzie istnieje wartość i jak ją przechwytywać.

To oznacza wyrównanie interesariuszy wokół wspólnych priorytetów, określenie, gdzie AI może wywrzeć największy wpływ na funkcje, i ustanowienie odpowiedniej governance i modelu operacyjnego, aby wykonać to. Bez tej jasności organizacje pozostają zakleszczone w pilotach, które są trudne do skalowania lub powtarzania.

W skrócie, sukces będzie zależał od przesunięcia od fragmentarycznego eksperymentowania do skoordynowanej, przedsiębiorstwowej strategii – gdzie wartość jest wyraźnie zdefiniowana, priorytetowa i systematycznie realizowana.

Jak powinni liderzy przemyśleć ROI w kontekście AI, zwłaszcza gdy korzyści sięgają poza oszczędności kosztów w kierunku produktywności, przebudowy siły roboczej i długoterminowej przewagi strategicznej?

To jest myślenie o ROI AI jako czymś więcej niż tylko oszczędności kosztów. Gdy przechodzisz do szerszego równania wartości, które obejmuje zyski produktywności, transformację siły roboczej i nowe źródła wzrostu, to wtedy odblokowujesz prawdziwą wartość AI. Chociaż efektywność ma znaczenie, większy wpływ często pochodzi z przebudowy ról, przyspieszania podejmowania decyzji i umożliwiania całkowicie nowych modeli biznesowych. Wyzwaniem jest to, że te korzyści nie zawsze pojawiają się w tradycyjnych wskaźnikach finansowych lub krótkoterminowych cyklach P&L. Kluczem jest przyjęcie bardziej holistycznych podejść do pomiaru, które łączą finansowe, operacyjne i wyniki siły roboczej. Ostatecznie celem jest ocena AI nie tylko jako dźwigni kosztów, ale jako napędzającej długoterminowej przewagi konkurencyjnej.

Jednym z wyzwań jest luka między widocznością a działaniem. Dlaczego organizacje mają trudności z operacjonalizowaniem wniosków wygenerowanych przez AI?

Luka między wglądem a działaniem jest problemem wykonawczym, a nie analitycznym. Organizacje mogą czasem generować wglądy, ale niejasne prawa decyzyjne, niezgodne przepływy pracy i brak odpowiedzialności uniemożliwiają działanie. Governance jest kluczowa. Zamykanie tej luki wymaga wbudowania AI i zrozumienia wpływu na przepływy pracy, praktyki, polityki i ścieżki wykonawcze.

Deloitte sugeruje, że Enterprise AI Navigator może znacznie skrócić czas strategii i projektowania. Co konkretnie się zmienia w podejściu organizacji do podejmowania decyzji AI, gdy używają systemu takiego jak ten?

Enterprise AI Navigator łączy finansowe, przepływowe i siłę roboczą w zunifikowaną mapę drogową transformacji. To, co się zmienia, to przesunięcie od podejmowania decyzji opartych na intuicji do podejmowania decyzji opartych na danych, które odzwierciedlają dyscyplinowane podejście do użycia w całym krajobrazie interesariuszy. Z Enterprise AI Navigator Deloitte może pomóc modelować scenariusze przed inwestowaniem, podejmować decyzje AI związane bezpośrednio z wpływem finansowym i przepływowym, i przechodzić od izolowanych pilotów do spójnej, przedsiębiorstwowej mapy drogowej.

Skutecznie kompresuje cykle strategii i projektowania, dając liderom wgląd w to, co działa – zanim go skalują.

Spójrzmy 1-2 lata do przodu, co będzie oddzielać firmy, które skutecznie przekształcą AI w przewagę konkurencyjną od tych, które pozostaną w fazie eksperymentowania?

Podział nie będzie dotyczył tego, kto przyjął AI; będzie dotyczył tego, kto się przekształcił dzięki temu. Ci liderzy będą traktować AI jako dźwignię transformacji biznesowej, a nie tylko zestaw narzędzi. To oznacza przebudowę przepływów pracy i modeli operacyjnych na całym przedsiębiorstwie, przy jednoczesnym mierzeniu wartości w sposób holistyczny w całym finansowym, siłę roboczą i wynikach wzrostu.

Kluczowo, rozpoznają, że produktywność sama w sobie nie jest metą. Wiele organizacji już widzi przyrosty wydajności, ale przewaga konkurencyjna pochodzi z użycia AI do odblokowania nowych strumieni przychodu, przebudowy ofert i napędzania wzrostu na poziomie przedsiębiorstwa, a nie tylko robienia tej samej pracy szybciej.

Te, które pozostaną w tyle, będą nadal koncentrować się na narzędziach zamiast wyników, ścigając izolowane przypadki użycia bez łączenia ich w całym biznesie. Będą również tendencją do niedoinwestowania w zarządzanie zmianą, governance i koordynację – co utrudni skalowanie wpływu.

W skrócie, zwycięzcy będą tymi, którzy przesuną się od AI-wykwalifikowanych do AI-napędzanych przedsiębiorstw. Te przedsiębiorstwa będą wbudowywać AI w to, jak biznes działa, jak rośnie i jak konkurować, a nie tylko jak eksperymentować.

Dziękujemy za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Deloitte.