Rishi Chohan, administrerende direktør for GFT Technologies i USA – Intervju-serie

Rishi Chohan, administrerende direktør for GFT Technologies i USA, er en erfaren leder inden for digital transformation med over 20 års erfaring inden for software- og serviceindustrien, herunder stillinger hos Ernst & Young og SoftServe. Siden han overtog posten i 2025, har han fokuseret på at skalerer GFT’s AI-drevne strategi på tværs af USA ved at styrke båndene med finansielle institutioner, producenter og teknologipartnere samt modernisere legacy-systemer til AI-beredskab.

GFT Technologies er et globalt digitalt transformations- og softwareingeniørfirma, der specialiserer sig i AI, cloud-modernisering og platform-innovation til banker-, forsikrings- og producentsektorerne. Grundlagt i 1987 og med operationer i over 20 lande, bringer GFT mere end 12.000 fagfolk sammen. Dets arbejde er styret af fem kerneværdier: Omsorg, Forpligtelse, Samarbejde, Mod og Kreativitet.

Du har ledt transformationsprojekter i store institutioner som EY og SoftServe, men at træde ind i rollen som administrerende direktør for GFT i USA under en afgørende AI-skift er en unik udfordring. Hvad trak dig personligt til denne mulighed – og hvad begejstrer dig mest ved at forme GFT’s næste kapitel?

Fra de allerførste samtaler med GFT, indså jeg, at virksomheden var i en position til at angribe almindelige brancher-udfordringer på en helt anden måde end selv de mest etablerede digitale transformations-spillere. Det var tydeligt, at virksomheden var en finansielle services-magt, både i teknisk ekspertise og – måske endnu vigtigere – dyb domæneviden. Teamet, jeg ville arbejde med, havde viden, der måske endda overgik den finansielle institutioner selv.

Da vi fortsatte med at tale, dannede jeg hurtigt en vision for, hvordan jeg ville gribe denne mulighed for at transformere finansielle services-virksomheder til deres egen AI-fremtid, mens GFT samtidig gennemgår sin egen AI-centrerede transformation.

Nu, hvor jeg har arbejdet inden for organisationen i nogle måneder, har jeg bekræftet mine oprindelige formodninger: Det faktum, at vi sidder i skæringspunktet mellem teknisk ekspertise, dyb finansielle viden og omfattende AI-erfaring, sætter os i en meget unik position til at genopfinde legacy-forretningsmodeller og -tilgange – enten fra bunden eller ét stykke ad gangen. Det er en “vælg-din-eget-æventyr”-tilgang til at afbryde en branche, der er moden til afbrydelse, og jeg er glad for at være en del af det.

GFT er midt i en femårig rejse for at blive et fuldt AI-centreret selskab. Hvad ser det ud til internt?

Der er fire store områder, vi beskæftiger os med. I brede træk er disse:

1. At gennemgå vores processer og operationer for at bestemme, hvordan og hvor AI kan hæve teammedlemmerne.
2. At finde muligheder for at kapitalisere på i den korte tid, samt hvad vi skal bygge til den lange tid. Dette inkluderer at identificere områder, hvor medarbejdere kan udnytte AI i deres daglige opgaver nu, mens vi udfører en mere omfattende vejledning, der påvirker operationer holistisk over tid.
3. At anvende vores egen proprietære generative AI-løsning til at skalerer vores softwareudvikling til vores kunder og få dem på markedet hurtigere. Vi har allerede set produktivitetsgevinster på mellem 30% og 90%, afhængigt af projektet, som en direkte følge af implementeringen af denne AI til at levere nye services og tilbud.
4. At uddanne vores medarbejdere gennem overgangen til at sikre, at det er klart for dem, hvor AI kan træde ind og hvor de kan vokse med det for at støtte virksomhedens udvikling.

Kan du dele specifikke eksempler eller use-cases, der illustrerer virkningen af GFT’s generative AI-løsning, især i finansielle services?

Et godt nyligt eksempel, jeg kan pege på, er en ny løsning, vi har udviklet til banker og private kapitalfonde. Vi har bygget en generativ AI-assistent, der vurderer kreditrisiko for at informere om vigtige lånebeslutninger – i eksponentiel skala. Det nye værktøj samler automatisk sammen store mængder af finansielle data for at skabe kreditrapporter, hvilket reducerer tidsrammerne fra timer og endda dage til blot få minutter, mens det sikrer overholdelse. Ved at spare tid på rapportoprettelse (vi siger 40%, men det er konservativt), kan kreditanalytikere nu øge deres fokus på at vurderer komplekse risikobeslutninger.

Dette løser et stort problem, da det i kreditindustrien gælder, at hver sekund tæller – men at bevæge sig for hurtigt kan føre til menneskelige fejl, og en enkelt oversigt kan påvirke vigtige lånebeslutninger.

Fordi det kan tage dage med manuelt arbejde at samle en risikorapport, har virksomheder historisk kun kunnet flytte sig hurtigere ved at skalerer teams. Nu, med denne nye generative AI-tilgang, kan finansielle institutioner træffe lånebeslutninger hurtigere med større tillid.

Et andet nyligt eksempel kommer fra den største forsikringsvirksomhed i Brasilien, der brugte vores proprietære AI-værktøj til at identificere sårbarheder i deres kode og forhindre cyberangreb, før de sker.

Dette er kritisk, da store finansielle institutioner er særligt sårbare over for hackere – og denne forsikringsvirksomhed i særdeleshed oplevede en række angreb hver dag. Mens de havde et stort team, der var dedikeret til at fange og identificere potentielle lækager, før de skete, var hackere stadig i stand til at slippe gennem revner i deres forsvar på grund af den store mængde sårbarheder.

GFT’s AI-løsning har kunnet identificere anomalier 90% hurtigere, end udviklingsteams tidligere kunne. Derudover er AI-løsningen blevet brugt til automatisk at rette sårbarhederne i koden for at forhindre angreb, hvilket gør processen 66% hurtigere end før.

Begge disse kapaciteter sammen repræsenterer effektivitetsgevinster på op til 30% i den samlede udviklingslivscyklus på blot 3-4 måneder.

Med din erfaring med at lede engagementer for top-banker som JPMC, Morgan Stanley (MS ) og Citibank, hvordan tilpasser du GFT’s AI-strategi til at møde de hyper-specifikke behov for USAs finansielle institutioner?

Fra mit arbejde med top-banker og inden for flere aspekter af det finansielle område, er jeg klar over den potentielle, AI repræsenterer for finansielle institutioner. Den viden, jeg bringer med mig til GFT, supplerer virksomhedens egne 35 år i det finansielle område.

Over årene har jeg set de almindelige udfordringer, der opstår på tværs af de projekter, jeg har haft privilegium til at arbejde på, samt de nuancerede smertepunkter, der påvirker enkelte virksomheder. At kunne se disse makro-tendenser og hvordan de påvirker både branchen som helhed og enkelte virksomheder, har givet mig en meget klar forståelse af, hvordan og hvor man kan anvende AI. På tværs af brættet har udfordringer som hvidvask, svindel, kundeidentifikation og komplekse kreditrapporter plaget institutioner i årevis.

For eksempel infuserer GFT Google Vertex AI i en førende bank for at forbedre dens svindeldetektion. Trods teknologiens typiske formål er institutionen nødt til en løsning, der kan integreres let i dets komplekse systemer. For at støtte denne anmodning hjælper GFT banken med at træne Google Vertex på almindelige mønstre for at identificere potentiel svindel og udløse handling for at forhindre det.

Dertil arbejder GFT med AWS på at bygge AI-drevne løsninger til banker. I Singapore har vi bygget en brugerdefineret anti-hvidvask-proces drevet af AI.

Set fra et overordnet GFT-strategi-perspektiv arbejder jeg på at finde den rette balance mellem at fremme vores egne proprietære AI-løsninger og dem, vi bygger til kunder sammen med vores langsigtede teknologipartnere som Google og AWS.

GFT sigter mod at blive en global leder inden for ansvarlig AI. Hvad slags sikkerhedsforanstaltninger eller styrestrukturer implementerer du for at sikre sikkerhed, gennemsigtighed og lovmæssig overensstemmelse, især i højt regulerede sektorer?

Forskellige finansielle institutioner følger forskellige regler; lige nu er der ikke en “en-størrelse-til-alle”-sikkerhedsforanstaltning, når det kommer til AI. Dette betyder, at for at blive i overensstemmelse og sikre sikkerhed for hver enkelt kunde, tilpasser vi os den enkelte organisations regler.

De løsninger, vi tilbyder, er let tilgængelige. Før lancering sikrer vi, at vi er bekendt med reglerne og lovene, der er knyttet til den pågældende institution, og tilpasser løsningen til at overholde deres miljø. På denne måde er der aldrig nogen sikkerheds- eller lovmæssige problemer, der opstår.

Ud over at kuraterer vores løsninger til forskellige virksomheders reguleringskrav følger vi også industriregler som GDPR i Europa.

Du er blevet beskrevet som en data-dreven, handling-orienteret leder. I praksis, hvordan fremmer du denne kultur på tværs af en så stor organisation – især en, der gennemgår en hurtig AI-transformation?

Det første skridt i at fremme en data-dreven kultur på tværs af en organisation er at sikre, at hver enkelt medlem forstår fordelene ved at arbejde på den måde.

For at kunne operere en forretning med succes, har teams brug for adgang til organisationsdata. Det giver en indblik i, hvad der fungerer, og hvad der ikke fungerer, og kan give projekteringer af sandsynlige resultater for forskellige scenarier. Udstyret med disse data er det meget lettere at træffe beslutninger, der er rigtige for din virksomhed.

For at demonstrere dette, er det essentiel at lede ved eksempel og vise, hvordan data-drevne beslutninger kan bringe meningsfulde ændringer, der gavner alle i organisationen. For eksempel, hvis salgsdata viser, at konverteringsraten er lav, ved vi, at det er et område, der kræver opmærksomhed, og kan oprette en strategi for at løse udfordringen. Når de positive resultater af en data-dreven kultur er klare, er det lettere for teams på tværs af organisationen at uhindret antage praksis.

Især, da vi gennemgår en hurtig AI-transformation, er data afgørende for at forstå, hvordan ændringen fungerer, og hvor der måske er områder for forbedring.

Uden for banksektoren, hvordan anvender GFT sin AI-strategi til andre sektorer som produktion? Er der unikke udfordringer eller muligheder i at oversætte finansielle sektorslærdomme til industrielle anvendelser?

I produktionssindustrien har GFT et stærkt partnerskab med Google. Sammen har vi over det sidste år udgivet AI-use-cases specifikt formuleret til producenteres fabriksgulve.

Sidste år annoncerede vi implementeringen af Google Clouds Manufacturing Data Engine (MDE), som fik AI-kapaciteter som visuel produktionslinje-inspektion, prædictivt maskinunderhold og produktionsforudsigelse. Nu, i år, har vi afsløret vores næste sæt af applikationer bygget på Googles Gemini-modeller, herunder evnen til at bestemme årsagen til fejl og defekter, visuelle dashboards, der giver brugerne mulighed for at forespørge organisationsomfattende data på naturlig sprog og evnen til at konvertere tusinder af maskin-træningsmanualer til avatar-ledede video-demonstrationer.

Når det kommer til at oversætte lærdomme fra den finansielle sektor til industrielle anvendelser, handler det mindre om branchen selv og mere om opdagelser i koden. I hver branche er lærdomme om kodeudvikling og software-livscyklusser vigtige og overførbare – koden kan skabe og gøre forskellige ting, men visse vejblokeringer eller udfordringer med software-udvikling er universelle. Vi bruger, hvad vi lærer i hvert projekt, uanset om det er for finansielle institutioner eller producenter, til at bringe dybere indsigt i vores næste projekt.

Med strategiske partnerskaber på plads med NVIDIA (NVDA ), AWS og Google Cloud, hvad ser du som den næste udvikling af GFT’s økosystem-tilgang? Vil vertikalt-specifikke AI-produkter blive co-udviklet eller uafhængigt bygget?

Vi har allerede begyndt både at co-udvikle og uafhængigt bygge AI-løsninger. De produktionsspecifikke AI-use-cases, vi har udgivet med Google Cloud, er kun begyndelsen på vores arbejde med at automatisere fabriksgulvet. Vi planlægger snart at udgive finansielle specifikke AI-use-cases, som vi har udviklet med AWS til USAs banker.

Dertil udvider vi kontinuerligt vores uafhængigt byggede generative AI-løsning til software-udvikling.

GFT’s fem-års-strategi inkluderer ambitiøse mål: at nå en omsætning på 1,5 mia. euro og blive anerkendt som AI-leder. Da du ser frem til 2029, hvad vil være milepæle eller signaler, der fortæller dig, at virksomheden er på rette vej?

Vores to hovedmål, der er afgørende for at nå, handler om kultur og løsninger.

Først og fremmest må vi ændre både mindset og færdigheder hos hver enkelt i organisationen, så AI er i centrum for, hvordan vi opererer. Dette er ikke begrænset til vores tekniske personale; hver enkelt medarbejder, uanset om de er udvikler, salgsrepræsentant eller marketingsperson, vil være fuldt ud uddannet i at bruge vores AI-løsninger.

For det andet måler vi succes ved de højværdiløsninger, vi leverer til vores kunder. I de næste fem år håber vi at se, at procentdelen af projekter med AI-integration i både services og produkter, vi leverer, skyder i vejret.

Vi har allerede set betydelig fremgang på begge fronter, med en stor del af vores personale allerede uddannet og brugende AI internt, samt en øget AI-komponent i de projekter, vi er involveret i. Disse grundlæggende mål er afgørende for at skabe en solid grund. Hos GFT ved vi, at AI vil fortsætte med at udvikle sig i de kommende år, og den eneste måde at forblive foran det på er at forberede os nu.

Til sidst, nu hvor du har haft nogle måneder i rollen – hvad har overrasket dig mest om GFT’s kultur eller kapaciteter? Og hvad er en misforståelse, folk stadig har om enterprise AI-transformation, som du gerne vil rette?

Jeg kan ikke understrege nok, hvor dyb finansielle services- og teknisk ekspertise, der samtidig findes hos GFT. Det sætter os i en position til ikke blot at udføre idéer, som organisationer kommer til os med, men også guide dem baseret på vores erfaring med at arbejde med banker på tværs af verden. Vi udarbejder langsigtede visioner, der ofte er langt større – med langt mere omsætningspotentiale – end hvad de ville have kommet op med på egen hånd. Da jeg fortsætter med at lære om tidligere og nuværende arbejde, GFT har udført på tværs af regioner, indser jeg, at der er få områder i branchen, som GFT ikke har berørt.

Jeg ville sige, at en misforståelse om enterprise AI-transformation er, at det kun er hype. Det er noget, organisationer ofte siger til sig selv for at give sig selv tid til at løse det. Jo før organisationer accepterer, at AI er her for at blive og vil ændre, hvordan de gør alt – på en god måde – jo før de kan begynde at realisere dets potentiale på både små og store måder.

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