Rishi Chohan, CEO GFT Technologies AS – Seri Wawancara

Rishi Chohan, CEO GFT Technologies AS, adalah seorang pemimpin transformasi digital berpengalaman dengan lebih dari 20 tahun pengalaman di industri perangkat lunak dan jasa, termasuk peran di Ernst & Young dan SoftServe. Sejak mengambil alih jabatan pada tahun 2025, ia telah fokus pada pengembangan strategi AI-driven GFT di seluruh AS dengan memperkuat hubungan dengan lembaga keuangan, produsen, dan mitra teknologi sambil memodernisasi sistem warisan untuk kesiapan AI.

GFT Technologies adalah sebuah perusahaan transformasi digital dan rekayasa perangkat lunak global yang berspesialisasi dalam AI, modernisasi awan, dan inovasi platform untuk sektor perbankan, asuransi, dan manufaktur. Didirikan pada tahun 1987 dan beroperasi di lebih dari 20 negara, GFT mengumpulkan lebih dari 12.000 profesional. Pekerjaannya dipandu oleh lima nilai inti: Peduli, Berkomitmen, Kolaboratif, Berani, dan Kreatif.

Anda telah memimpin transformasi di lembaga-lembaga besar seperti EY dan SoftServe, tetapi memasuki peran CEO GFT AS selama perubahan AI yang penting adalah tantangan unik. Apa yang secara pribadi menarik Anda ke kesempatan ini – dan apa yang paling Anda sukai tentang membentuk babak baru GFT?

Sejak awal percakapan saya dengan GFT, saya menyadari bahwa perusahaan ini berada dalam posisi untuk menyerang tantangan industri yang umum dengan cara yang berbeda dari pemain transformasi digital yang paling mapan. Jelas bahwa perusahaan ini adalah kekuatan besar di bidang jasa keuangan, baik dari segi keahlian teknis maupun, mungkin lebih penting lagi, pengetahuan domain yang mendalam. Tim yang akan saya kerja sama memiliki pengetahuan yang mungkin melebihi lembaga keuangan itu sendiri.

Ketika kita terus berbicara, saya dengan cepat membentuk visi tentang bagaimana saya akan mendekati kesempatan ini untuk mengubah perusahaan jasa keuangan untuk masa depan AI mereka, sementara GFT secara bersamaan menjalani transformasi yang berfokus pada AI.

Sekarang bahwa saya telah menghabiskan beberapa bulan bekerja di dalam organisasi, saya telah mengkonfirmasi kecurigaan awal saya: Fakta bahwa kita berada di persimpangan keahlian teknis, pengetahuan keuangan yang mendalam, dan pengalaman AI yang luas membuat kita berada dalam posisi unik untuk mereinventasi model bisnis warisan dan pendekatan – baik dari awal atau satu per satu. Ini adalah pendekatan “pilih petualangan Anda sendiri” untuk mengganggu industri yang sudah matang untuk diganggu, dan saya senang menjadi bagian darinya.

GFT sedang dalam perjalanan lima tahun untuk menjadi perusahaan yang sepenuhnya berfokus pada AI. Secara internal, seperti apa perjalanan itu sejauh ini?

Terdapat empat area utama yang kita tangani. Dalam garis besar, itu adalah:

1. Mengaudit proses dan operasi kita untuk menentukan bagaimana dan di mana AI dapat meningkatkan tim.
2. Menentukan peluang untuk dimanfaatkan dalam jangka pendek, serta apa yang perlu kita bangun untuk jangka panjang. Ini termasuk mengidentifikasi area di mana karyawan dapat menggunakan AI dalam tugas sehari-hari mereka sekarang, sementara kita menjalankan roadmap yang lebih luas yang mempengaruhi operasi secara holistik dari waktu ke waktu.
3. Menggunakan solusi AI generatif milik kita sendiri untuk meningkatkan pengembangan perangkat lunak untuk klien kita dan membawa mereka ke pasar lebih cepat. Kita telah melihat peningkatan produktivitas yang berkisar dari 30% hingga 90%, tergantung pada proyek, sebagai hasil langsung dari implementasi AI ini untuk mengirimkan layanan dan penawaran baru.
4. Mengedukasi karyawan kita melalui transisi untuk memastikan bahwa jelas bagi mereka di mana AI dapat berperan dan di mana mereka dapat tumbuh dengannya untuk mendukung evolusi perusahaan.

Apakah Anda dapat membagikan contoh spesifik atau studi kasus yang menggambarkan dampak dari solusi AI generatif GFT, terutama di sektor jasa keuangan?

Sebuah contoh kasus baru yang baik yang dapat saya sebutkan adalah solusi baru yang kita kembangkan untuk bank dan perusahaan modal swasta. Kita membangun asisten AI generatif yang menilai risiko kredit untuk memandu keputusan pemberian kredit yang signifikan – dengan skala eksponensial. Alat baru ini secara otomatis merakit data keuangan yang luas untuk membuat laporan kredit, mengurangi waktu dari jam dan bahkan hari menjadi beberapa menit, sementara memastikan kepatuhan. Dengan menyelamatkan waktu pada pembuatan laporan (kita katakan 40% tetapi itu konservatif), analis kredit sekarang dapat meningkatkan fokus pada penilaian keputusan risiko yang kompleks.

Ini memecahkan masalah besar mengingat bahwa di industri kredit, setiap detik berarti – tetapi bergerak terlalu cepat dapat menyebabkan kesalahan manusia, dan satu kelalaian dapat mempengaruhi keputusan pemberian kredit yang signifikan.

Karena membutuhkan hari-hari kerja manual untuk mengompilasi laporan risiko, satu-satunya cara perusahaan dapat bergerak lebih cepat – tanpa membebani pekerja dan mengambil risiko kesalahan – telah menjadi dengan menskalakan tim. Sekarang, dengan pendekatan AI generatif baru ini, lembaga keuangan dapat membuat keputusan pemberian kredit lebih cepat dengan kepercayaan yang lebih tinggi.

Contoh lainnya berasal dari perusahaan asuransi terbesar di Brasil, yang menggunakan alat AI milik kita untuk mengidentifikasi kerentanan dalam kode mereka dan mencegah serangan siber sebelum terjadi.

Ini sangat penting karena lembaga keuangan besar sangat rentan terhadap peretas – dan perusahaan asuransi ini khususnya mengalami sejumlah serangan setiap hari. Meskipun mereka memiliki tim besar yang didedikasikan untuk menangkap dan mengidentifikasi potensi kebocoran sebelum terjadi, karena jumlah kerentanan yang besar, peretas masih dapat menyusup melalui celah dalam pertahanan mereka.

Solusi AI GFT telah dapat mengidentifikasi anomali 90% lebih cepat daripada tim pengembang sebelumnya. Selain itu, setelah diidentifikasi, solusi AI digunakan untuk secara otomatis memperbaiki kerentanan dalam kode untuk mencegah serangan, membuat proses 66% lebih cepat daripada sebelumnya.

Kedua kemampuan ini bersama-sama mewakili peningkatan efisiensi hingga 30% dalam siklus pengembangan keseluruhan hanya dalam 3-4 bulan.

Dengan pengalaman Anda memimpin keterlibatan untuk bank-bank top seperti JPMC, Morgan Stanley (MS ), dan Citibank, bagaimana Anda menyesuaikan strategi AI GFT untuk memenuhi kebutuhan khusus lembaga keuangan AS?

Dari pekerjaan saya dengan bank-bank top, dan dalam berbagai aspek ruang keuangan, saya yakin tentang potensi yang dimiliki AI untuk lembaga keuangan. Pengetahuan yang saya bawa ke GFT melengkapi pengalaman 35 tahun perusahaan di ruang keuangan.

Selama bertahun-tahun, saya telah menyaksikan langsung tantangan umum yang muncul di seluruh proyek yang telah saya kerjakan, serta nyeri spesifik yang dihadapi oleh perusahaan individu. Dengan dapat melihat tren makro ini dan bagaimana mereka mempengaruhi industri secara keseluruhan dan perusahaan secara khusus, saya telah memperoleh pemahaman yang sangat jelas tentang bagaimana dan di mana menerapkan AI. Di seluruh papan, tantangan seperti pencucian uang, penipuan, identifikasi pelanggan, dan laporan kredit yang kompleks telah membelenggu lembaga selama bertahun-tahun.

Sebagai contoh, GFT menginfuskan Google Vertex AI ke sebuah bank terkemuka untuk meningkatkan deteksi penipuan. Meskipun teknologi ini tidak biasanya digunakan untuk tujuan tersebut, lembaga tersebut membutuhkan solusi yang dapat dengan mudah diintegrasikan ke dalam sistem kompleks mereka. Untuk mendukung permintaan ini, GFT membantu bank melatih Google Vertex pada pola umum untuk mengidentifikasi potensi penipuan dan memicu tindakan untuk mencegahnya.

Selain itu, GFT bekerja sama dengan AWS untuk membangun solusi AI-driven untuk bank. Di Singapura, kita telah membangun proses anti-pencucian uang kustom yang didorong oleh AI.

Dari perspektif strategi GFT yang lebih besar, saya bekerja untuk mencapai keseimbangan yang tepat antara mengembangkan solusi AI milik kita sendiri dan yang kita bangun untuk klien di samping mitra teknologi jangka panjang seperti Google dan AWS.

GFT bertujuan untuk menjadi pemimpin global dalam AI yang bertanggung jawab. Apa guardrail atau kerangka tata kelola yang Anda tetapkan untuk memastikan keamanan, transparansi, dan keselarasan peraturan, terutama di sektor yang sangat diatur?

Perusahaan keuangan yang berbeda mengikuti peraturan yang berbeda; saat ini, tidak ada satu ukuran yang pas untuk semua guardrail ketika datang ke AI. Ini berarti bahwa untuk tetap patuh dan memastikan keamanan untuk setiap klien, kita menyesuaikan dengan aturan khusus organisasi tersebut.

Solusi yang kita sediakan sangat mudah disesuaikan. Sebelum meluncurkan, kita memastikan bahwa kita telah mengenal peraturan dan aturan yang terkait dengan lembaga tersebut dan menyesuaikan solusi untuk mematuhi lingkungan mereka. Dengan cara ini, tidak pernah ada masalah keamanan atau peraturan yang timbul.

Di samping menyusun solusi kita untuk memenuhi persyaratan peraturan perusahaan yang berbeda, kita juga mengikuti peraturan industri seperti GDPR di Eropa.

Anda telah digambarkan sebagai pemimpin yang berorientasi pada data dan tindakan. Dalam praktek, bagaimana Anda mendorong budaya ini di seluruh organisasi yang besar – terutama satu yang menjalani transformasi AI yang cepat?

Langkah pertama dalam mendorong budaya yang berorientasi pada data di seluruh organisasi adalah memastikan bahwa setiap anggota memahami manfaat bekerja dengan cara itu.

Untuk mengoperasikan bisnis dengan sukses, tim memerlukan akses ke data organisasi. Ini memberikan wawasan tentang apa yang berhasil dan apa yang tidak, dan dapat memberikan proyeksi tentang hasil yang mungkin untuk skenario yang berbeda. Dengan data ini, lebih mudah untuk membuat keputusan yang tepat untuk perusahaan.

Untuk menunjukkan ini, sangat penting untuk memimpin dengan contoh dan menunjukkan bagaimana keputusan yang berorientasi pada data dapat membawa perubahan yang berarti yang menguntungkan semua orang di organisasi. Misalnya, jika data penjualan menunjukkan bahwa tingkat konversi rendah, kita tahu bahwa itu adalah area yang memerlukan perhatian dan dapat membuat strategi untuk memperbaiki tantangan tersebut. Setelah hasil yang menguntungkan dari budaya yang berorientasi pada data jelas, lebih mudah bagi tim di seluruh organisasi untuk mengadopsi praktik ini dengan lancar.

Terutama karena kita menjalani transformasi AI yang cepat, data sangat penting untuk memahami bagaimana perubahan itu berfungsi dan di mana ada area untuk perbaikan.

Di luar perbankan, bagaimana GFT menerapkan strategi AI-nya ke sektor lain seperti manufaktur? Apakah ada tantangan atau peluang unik dalam menerjemahkan pembelajaran sektor keuangan ke aplikasi industri?

Di industri manufaktur, GFT memiliki kemitraan yang kuat dengan Google. Bersama-sama selama setahun terakhir, kita telah merilis kasus penggunaan AI yang dirancang khusus untuk lantai pabrik manufaktur.

Tahun lalu, kita mengumumkan implementasi Mesin Data Manufaktur (MDE) Google Cloud, yang memicu kemampuan AI seperti inspeksi garis produksi visual, perawatan mesin prediktif, dan peramalan produksi. Sekarang, tahun ini, kita telah meluncurkan serangkaian aplikasi berikutnya yang dibangun di atas Model Gemini Google, termasuk kemampuan untuk menentukan penyebab akar kesalahan dan cacat, dashboard visual yang memungkinkan pengguna untuk mengquery data organisasi secara luas dengan bahasa alami, dan kemampuan untuk mengubah ribuan manual pelatihan mesin menjadi demonstrasi video yang dipimpin oleh avatar.

Ketika datang ke menerjemahkan pembelajaran dari sektor keuangan ke aplikasi industri, itu kurang tentang industri itu sendiri dan lebih tentang penemuan dalam kode. Di setiap industri, pembelajaran tentang pengembangan kode dan siklus hidup perangkat lunak sangat penting dan dapat dipindahkan – kode tersebut mungkin menciptakan dan melakukan hal-hal yang berbeda, tetapi beberapa hambatan atau tantangan dengan pengembangan perangkat lunak adalah universal. Kita menggunakan apa yang kita pelajari dalam setiap proyek, baik untuk lembaga keuangan maupun manufaktur, untuk membawa wawasan yang lebih dalam ke proyek berikutnya.

Dengan kemitraan strategis yang ada dengan NVIDIA (NVDA ), AWS, dan Google Cloud, apa yang Anda lihat sebagai evolusi berikutnya dari pendekatan ekosistem GFT? Apakah produk AI spesifik vertikal akan dikembangkan bersama atau dibangun secara mandiri?

Kita telah memulai baik pengembangan bersama maupun pembangunan mandiri solusi AI. Kasus penggunaan AI manufaktur yang kita luncurkan dengan Google Cloud hanyalah awal dari pekerjaan kita dalam mengotomatisasi lantai pabrik. Kita juga segera merencanakan untuk meluncurkan kasus penggunaan AI spesifik keuangan yang kita kembangkan dengan AWS untuk bank AS.

Selain itu, kita terus memperluas solusi AI generatif mandiri kita untuk pengembangan perangkat lunak.

Strategi lima tahun GFT mencakup target yang ambisius: mencapai €1,5 miliar dalam pendapatan dan menjadi pemimpin AI yang diakui. Ketika Anda melihat ke depan ke tahun 2029, apa yang akan menjadi tonggak atau sinyal yang menunjukkan bahwa perusahaan benar-benar pada jalur yang tepat?

Terdapat dua tujuan utama yang sangat penting untuk kita capai, yaitu budaya dan solusi.

Pertama, kita harus mengubah baik mindset maupun keterampilan keras semua orang di organisasi sehingga AI berada di garis depan cara kita beroperasi. Ini tidak terbatas pada staf teknis kita; setiap anggota tim, apakah mereka pengembang, perwakilan penjualan, atau pemasar, akan sepenuhnya terlatih menggunakan solusi AI kita.

Kedua, kita mengukur kesuksesan dengan layanan bernilai tinggi yang kita berikan kepada pelanggan. Dalam lima tahun ke depan, kita berharap melihat persentase proyek yang memiliki AI tertanam ke dalam layanan dan produk yang kita berikan melonjak.

Kita telah melihat kemajuan signifikan di kedua front, dengan sebagian besar staf kita sudah terlatih dan menggunakan AI secara internal, serta elemen AI yang meningkat dalam proyek yang kita jalankan. Tujuan dasar ini sangat penting untuk membangun fondasi yang kuat. Di GFT, kita tahu bahwa AI akan terus berkembang dalam tahun-tahun mendatang, dan satu-satunya cara untuk tetap di depan adalah dengan mempersiapkan diri sekarang.

Akhirnya, sekarang bahwa Anda telah menghabiskan beberapa bulan di jabatan ini – apa yang paling mengejutkan Anda tentang budaya atau kemampuan GFT? Dan apa yang salah satu kesalahpahaman tentang transformasi AI perusahaan yang ingin Anda perbaiki?

Saya tidak bisa menekankan cukup tentang kedalaman pengetahuan jasa keuangan dan keahlian teknis yang bersamaan di GFT. Ini memposisikan kita untuk tidak hanya melaksanakan ide yang organisasi datangkan kepada kita, tetapi juga memandu mereka berdasarkan pengalaman kita bekerja dengan bank di seluruh dunia. Kita merancang visi jangka panjang yang seringkali jauh lebih besar – dengan potensi pendapatan yang jauh lebih besar – daripada yang mereka akan buat sendiri. Ketika saya terus belajar tentang pekerjaan masa lalu dan saat ini GFT di seluruh wilayah, saya menyadari bahwa ada sedikit ruang di industri yang GFT belum sentuh.

Saya akan mengatakan bahwa salah satu kesalahpahaman tentang transformasi AI perusahaan adalah bahwa itu semua hanyalah hype. Itu sesuatu yang organisasi sering kali suka mengatakan kepada diri mereka sendiri untuk membeli waktu untuk memahaminya. Semakin cepat organisasi menerima bahwa AI ada untuk tetap dan akan mengubah cara mereka melakukan segala sesuatu – dengan cara yang baik – semakin cepat mereka dapat mulai memahami potensinya dalam cara-cara kecil dan besar. Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi GFT Technologies.