Jim Rowan, szef ds. AI w Deloitte w USA – cykl wywiadów

Jim Rowan kieruje działem AI Deloitte w USA i jest principalem w Deloitte Consulting LLP. Pomaga organizacjom przekładać ambicje związane ze sztuczną inteligencją na wyniki biznesowe. Jego kariera obejmuje technologie dla przedsiębiorstw, analitykę, dane i transformację cyfrową, a doświadczenie zdobywał w naukach przyrodniczych, ochronie zdrowia i telekomunikacji. Pełnił funkcje kierownicze w działach Strategy & Analytics oraz AI & Data firmy Deloitte. Zajmuje się także rozwijaniem talentów i kompetencji potrzebnych organizacjom do wdrażania AI.

Deloitte to organizacja świadcząca profesjonalne usługi w zakresie doradztwa, audytu i usług atestacyjnych, podatków oraz konsultingu. Jej działania związane ze sztuczną inteligencją łączą strategię, dane, technologię, talenty i ład organizacyjny, aby pomagać firmom wdrażać AI i rozwijać jej zastosowanie w całej działalności. W handlu cyfrowym obejmują one przygotowywanie informacji o produktach i systemów przedsiębiorstwa do obsługi agentów AI, łączenie doświadczeń klientów w różnych kanałach oraz wdrażanie mechanizmów weryfikacji tożsamości, autoryzacji i zaufania, niezbędnych do zautomatyzowanych interakcji i transakcji.

Od ponad dwóch dekad pracujesz w Deloitte, zajmując się technologiami dla przedsiębiorstw, analityką, danymi, a obecnie także sztuczną inteligencją. Z tej perspektywy: kiedy stało się dla Ciebie jasne, że agenci AI nie tylko zmienią sposób funkcjonowania firm od wewnątrz, lecz także staną się pośrednikami między przedsiębiorstwami a ich klientami?

W ciągu ostatnich kilku lat z pierwszej ręki obserwowałem rozwój AI, pomagając organizacjom przekładać cele biznesowe na wymierne rezultaty, które kiedyś wydawały się nieosiągalne. Moje doświadczenie w obszarze danych, procesów i technologii stanowiło podstawę mojego rozumienia AI. Zacząłem rozwijać w Deloitte kompetencje związane z przygotowaniem kadr niezbędnych do skutecznego wykorzystania sztucznej inteligencji, między innymi za sprawą naszej AI Academy, która opracowuje programy nauczania zarówno dla naszych pracowników, jak i klientów.

Obecnie organizacje wykorzystują agentów AI na różne sposoby, aby zmieniać swoje strategie handlu cyfrowego: zwiększają widoczność marek, korzystają z silników personalizacji, by wzbogacać interakcje, oraz koordynują spójne doświadczenia wielokanałowe w punktach styku ze światem fizycznym, cyfrowym i społecznościowym. Ten przełom następuje w czasie, gdy marki mierzą się ze zmiennym rynkiem, co stwarza możliwość wykorzystania handlu agentowego, by szybciej, trafniej i bardziej spójnie odpowiadać na potrzeby klientów.

Rozmawiałeś o tym, że firmy muszą przygotować się na „optymalizację wyszukiwania agentowego”. Jak definiujesz to pojęcie i czym zasadniczo różni się optymalizacja pod kątem agenta AI od tradycyjnego SEO czy nowszych metod optymalizacji treści pod kątem silników odpowiedzi AI?

Tradycyjnie rywalizacja o uwagę konsumentów w internecie opierała się na optymalizacji pod kątem wyszukiwarek (SEO) i zakładała, że na drugim końcu zapytania znajduje się człowiek, który czyta, ocenia i podejmuje decyzję o zakupie. W miarę jak konsumenci coraz częściej korzystają z narzędzi opartych na AI, by szukać informacji, pojawiła się optymalizacja pod kątem silników generatywnych (GEO). Optymalizacja wyszukiwania agentowego to kolejny etap rozwoju GEO: uwzględnia fakt, że AI nie tylko poleca produkty lub usługi, lecz także podejmuje działania związane z decyzjami zakupowymi. Oznacza to, że marki muszą optymalizować swoje działania nie tylko pod kątem generatywnej AI, która przede wszystkim przedstawia rekomendacje użytkownikowi końcowemu, lecz także agentowej AI, zaprojektowanej do działania, koordynowania systemów, realizowania procesów i inicjowania transakcji.

Gdy agent AI ma wyszukać, porównać i wybrać krótką listę produktów lub usług, jakie sygnały będą, Twoim zdaniem, dla niego najważniejsze? Czy większe znaczenie zyskają uporządkowane dane o produktach, ceny, recenzje, publikacje zewnętrzne, autorytet marki, czy może zupełnie nowy zestaw sygnałów?

Zestaw marek branych pod uwagę przez agenta AI kształtuje się na podstawie widoczności i trafności. Agent będzie preferować marki, których produkty, usługi, ceny i dane są łatwo dostępne, czytelne dla maszyn i możliwe do natychmiastowej weryfikacji. Spójność informacji na różnych platformach, oceny i recenzje oraz autorytet marki wciąż mają znaczenie, ale sygnały te muszą również być przedstawione w formie danych, które agent potrafi przetworzyć. Ważny będzie także kontekst osobisty: agenci działający w imieniu klientów będą potrzebować niezawodnego dostępu do ich preferencji, uprawnień i wcześniejszych interakcji, aby generować jak najtrafniejsze rekomendacje. O przewadze marki zdecyduje również — oprócz samych sygnałów — to, jak szybko organizacja zdoła sprawić, by jej dane były czytelne, zrozumiałe, wiarygodne i mierzalne według kryteriów, które agent może porównać.

Jednym z wyzwań jest to, że z czasem może powstać tysiące agentów konsumenckich i biznesowych, opartych na różnych modelach i połączonych z różnymi źródłami danych. Jak firma może zadbać o to, by w tym rozproszonym ekosystemie jej informacje były przedstawiane rzetelnie i łatwe do znalezienia, nie próbując optymalizować ich pod kątem każdego agenta z osobna?

Organizacje powinny skupić się na stworzeniu wiarygodnej podstawy w formacie czytelnym maszynowo, do której każdy agent będzie miał dostęp i którą będzie potrafił interpretować, zamiast optymalizować rozwiązania pod kątem poszczególnych agentów. Oznacza to publikowanie w wiarygodnych źródłach możliwych do zweryfikowania, rzetelnych i aktualnych informacji o produktach, cenach i zasadach. Sama możliwość odnalezienia informacji prawdopodobnie nie wystarczy, ponieważ agenci zaczną działać w imieniu konsumentów, co zwiększy potrzebę stosowania systemów umożliwiających weryfikację tożsamości, potwierdzanie uprawnień i bezpieczne przeprowadzanie transakcji. W obecnym, rozdrobnionym ekosystemie agentów najwyższe pozycje w wynikach wyszukiwania będą zajmować marki, których informacje najłatwiej zrozumieć i uzyskać. Firmy powinny jednak unikać opierania się na jednym protokole, ponieważ standardy te wciąż się rozwijają i nie wiadomo jeszcze, który z nich zyska dominującą pozycję. Dlatego należy projektować rozwiązania z myślą o interoperacyjności oraz możliwości szybkiego wdrażania protokołów lub przełączania się między nimi w miarę ewolucji ekosystemu.

Jeśli handel ewoluuje od modelu business-to-consumer w kierunku business-to-agent-to-business, jakie zmiany będą konieczne na poziomie technicznym? Czy firmy będą musiały przemyśleć na nowo swoje strony internetowe, interfejsy API, katalogi produktów, systemy tożsamości lub inną infrastrukturę, aby agenci mogli wchodzić z nimi w bezpośrednie interakcje?

Tak, organizacje będą musiały na nowo przemyśleć i zaprojektować obecne systemy, aby stworzyć odpowiednią architekturę techniczną umożliwiającą handel B2B z udziałem agentów. Nie stanie się to z dnia na dzień — ze względu na zakres prac i skalę koniecznych zmian cały proces zajmie czas. Obecnie możliwości wyszukiwania i dokonywania płatności rozwijają się szybciej niż etap podejmowania decyzji, na którym firmy wciąż nabierają pewności, że mogą pozwolić agentom dokonywać wyborów w ramach określonych zabezpieczeń. Każdy CIO, CTO i CISO powinien skupić się na dostarczaniu skalowalnych platform integracyjnych o niskich opóźnieniach, wspieranych przez solidne partnerstwa technologiczne i integracyjne. Zamiast całkowicie przebudowywać systemy, liderzy powinni poświęcić czas na ustalenie, które z nich można połączyć z agentami, wskazanie tych, które nie pozwalają na takie połączenie, oraz testowanie prostych zadań w kontrolowanych środowiskach. Ważne jest również zachowanie kontroli człowieka nad transakcją, dlatego firmy powinny tworzyć elastyczne ścieżki, które pozwolą klientowi swobodnie przechodzić między interakcjami prowadzonymi przez agenta a tymi z udziałem człowieka, zamiast pogarszać jakość obsługi w imię automatyzacji. Z czasem organizacje mogą przejść do budowy platformy zarządzającej wieloma agentami, modernizacji starszych systemów lub łączenia ich z agentami oraz wdrażania zaawansowanych zabezpieczeń z monitorowaniem w czasie rzeczywistym.

Tradycyjny marketing cyfrowy był w dużej mierze ukierunkowany na pozycje w rankingach, wyświetlenia, kliknięcia i ruch na stronie internetowej. Jeśli agenci będą coraz częściej prowadzić badania, zanim dana osoba w ogóle odwiedzi stronę, jakich nowych wskaźników powinny używać firmy, aby ocenić, czy są rzeczywiście widoczne i konkurencyjne na ścieżce zakupowej, na której działają agenci?

Dotychczas sukces mierzono przede wszystkim zdolnością do przyciągania uwagi konsumentów i zdobywania ich zaufania. W miarę jak agenci będą przejmować coraz większą część procesu zakupowego, organizacje będą potrzebować nowych sposobów oceny, czy ich marki są widoczne, istotne i ostatecznie wybierane. Oznacza to powiązanie rozwoju agentów związanych z marką z pomiarem wyników oraz ocenę, czy agent prezentuje daną markę, rozpoznaje kwalifikujące się oferty i skutecznie finalizuje transakcję. Marki powinny skupiać się na swoich klientach, a nie na konkurencji, aby określać, w co inwestować i jakie zmiany wprowadzać w obsłudze. Powinny też śledzić, w jaki sposób klienci odkrywają produkty, na którym etapie rezygnują i gdzie pozostają. Wskaźniki te mogą nie tylko pomóc markom wyróżnić swoją propozycję wartości, lecz także wykazać zwrot z inwestycji za pomocą mierzalnych rezultatów, które wzmacniają lojalność klientów i doskonałość operacyjną.

Agenci AI mogą podsumowywać informacje o firmie, porównywać ją z konkurencją i potencjalnie rekomendować jej produkty, a firma może nie mieć bezpośredniej kontroli nad sposobem, w jaki jest przedstawiana. Jak marki powinny monitorować nieaktualne lub nieprawdziwe informacje i ustanowić wiarygodne źródło prawdy, z którego agenci będą mogli korzystać?

Podobnie jak w każdej innej branży, kontrolowanie danych o produktach ma kluczowe znaczenie dla zapewnienia widoczności w wyszukiwaniu przez agentów w różnych kanałach. Marki powinny również rozważyć wykorzystanie Model Context Protocol (MCP), który stanowi istotne narzędzie umożliwiające stworzenie kontrolowanego środowiska, w którym dane, narzędzia i kontekst są bezpiecznie udostępniane zewnętrznym agentom zakupowym i platformom. Połączenie danych ustrukturyzowanych z MCP może umożliwić interakcje między agentami, poprawić interoperacyjność oraz pomóc w dokładnym przedstawianiu informacji o marce i zapewnieniu im odpowiedniego priorytetu. Ponieważ protokoły wciąż się rozwijają i nie wiadomo jeszcze, który z nich zyska największą popularność, firmy powinny ponownie zadbać o elastyczność, aby móc szybko łączyć się z nowymi standardami, przełączać się między nimi i je wdrażać w miarę ewolucji ekosystemu.

W miarę jak agenci będą przechodzić od samego polecania produktów do podejmowania działań, takich jak proszenie o wycenę, negocjowanie warunków czy dokonywanie zakupów, jak ważna stanie się infrastruktura tożsamości, autoryzacji i zaufania? Jak firma może odróżnić prawdziwego agenta klienta od systemu automatycznego, któremu nie powinna ufać?

Handel między agentami wiąże się z nowymi zagrożeniami, ponieważ transakcje mogą odbywać się szybko i bez udziału człowieka. Dlatego kluczowe jest zapewnienie możliwości interwencji człowieka i przejęcia kontroli na każdym etapie procesu. Transakcje handlowe realizowane przez agentów wymagają nowych metod zapobiegania oszustwom, strategicznych mechanizmów kontroli finansowej oraz ukierunkowanych ram raportowania, opracowanych specjalnie z myślą o działaniach inicjowanych przez maszyny.

W najbliższym czasie organizacje powinny traktować swoich agentów AI jak pracowników, określając ich obowiązki, zarządzając dostępem i jasno ustalając zakres odpowiedzialności. Będą też potrzebować protokołów służących do weryfikowania, czy agenci są autentyczni, autoryzowania płatności oraz egzekwowania limitów transakcji, uprawnień API i innych zabezpieczeń operacyjnych.

Istnieje również możliwość, że reklama i płatne lokowanie produktów będą podążać za konsumentami do ekosystemu agentowego. Jak, Pana zdaniem, będą ewoluować bodźce komercyjne, gdy agent AI będzie rekomendował produkty w imieniu użytkownika, i jaka przejrzystość będzie niezbędna, by ludzie mogli ufać tym rekomendacjom?

Już teraz obserwujemy przesuwanie kapitału w stronę handlu agentowego: przewiduje się, że amerykańscy reklamodawcy wydadzą około 26 mld dolarów na reklamy w wyszukiwarce opartej na AI do 2029 roku. Nieunikniona jest ewolucja bodźców komercyjnych, gdy przedsiębiorstwa będą decydować, czy promocje i ceny oferowane we własnych kanałach mają być honorowane w środowiskach agentowych. Ta ewolucja wymaga między innymi jasnych zasad określających, w jaki sposób agenci mają postępować z cenami i promocjami. Bez odpowiednich zabezpieczeń agenci mogliby dokonywać zakupów na podstawie cen obowiązujących w chwili transakcji, co potencjalnie mogłoby uruchamiać niezamierzone promocje i progi cenowe oraz prowadzić do utraty marży. Przedsiębiorstwa powinny wdrożyć zasady zgodne z globalnymi standardami ochrony prywatności i danych, a także z parametrami ustalonymi wcześniej przez człowieka dla każdego klienta.

Mimo coraz większej automatyzacji podkreślał Pan, że ludzki osąd pozostanie kluczowy przy podejmowaniu decyzji zakupowych. Gdzie, Pana zdaniem, przebiega granica między decyzjami, które konsumenci chętnie powierzą agentom, a tymi, w przypadku których nadal będą chcieli samodzielnie szukać informacji, porównywać oferty i podejmować ostateczną decyzję?

Granica będzie zależeć od stawki decyzji i zaufania konsumenta do agenta. Ludzie mogą chętnie powierzać agentom rutynowe zakupy o niewielkiej wartości, jeśli ich preferencje są jasno określone, a konsekwencje nietrafionego wyboru są niewielkie. W przypadku decyzji wiążących się ze znacznymi wydatkami, wrażliwymi informacjami lub zobowiązaniami umownymi prawdopodobnie będą oczekiwać większej przejrzystości i zachowają prawo do ostatecznej akceptacji. Gdy znikną przeszkody utrudniające zakupy, konsumenci będą coraz bardziej ufać marce. Dlatego należy zadbać o to, by łatwo mogli zrozumieć, co się dzieje, i mieć pewność, że transakcja zostanie zrealizowana zgodnie z ich oczekiwaniami i bezpiecznie. Marki powinny zatem zapewnić konsumentom jasną kontrolę nad tym, co agent może zrobić samodzielnie, w jakich sytuacjach musi poprosić o zgodę oraz jak łatwo można sprawdzić lub cofnąć jego działania.

Dziękuję za świetny wywiad. Czytelnicy, którzy chcą dowiedzieć się więcej o handlu agentowym, odkrywalności opartej na AI i infrastrukturze zaufania stojącej za zautomatyzowanymi zakupami, powinni odwiedzić stronę Deloitte.