Rishi Chohan, CEO di GFT Technologies per gli Stati Uniti – Serie di interviste

Rishi Chohan, CEO di GFT Technologies per gli Stati Uniti, è un leader di trasformazione digitale con oltre 20 anni di esperienza nell’industria del software e dei servizi, tra cui ruoli in Ernst & Young e SoftServe. Dal momento in cui ha assunto la guida nel 2025, si è concentrato sull’ampliamento della strategia di GFT guidata dall’AI negli Stati Uniti, rafforzando i legami con le istituzioni finanziarie, i produttori e i partner tecnologici, oltre a modernizzare i sistemi legacy per la prontezza dell’AI.

GFT Technologies è una società globale di trasformazione digitale e ingegneria del software specializzata in AI, modernizzazione del cloud e innovazione delle piattaforme per i settori bancario, assicurativo e manifatturiero. Fondata nel 1987 e operante in oltre 20 paesi, GFT riunisce oltre 12.000 professionisti. Il suo lavoro è guidato da cinque valori fondamentali: Caring, Committed, Collaborative, Courageous e Creative.

Avete guidato trasformazioni in importanti istituzioni come EY e SoftServe, ma assumere il ruolo di CEO di GFT negli Stati Uniti durante un momento di spostamento verso l’AI è una sfida unica. Cosa vi ha personalmente attirato verso questa opportunità e cosa vi entusiasma di più nel plasmare il prossimo capitolo di GFT?

Fin dall’inizio delle mie conversazioni con GFT, ho realizzato che l’azienda era in una posizione per affrontare le sfide comuni dell’industria in modo molto diverso rispetto ai giocatori più stabiliti della trasformazione digitale. Era chiaro che l’azienda era una potenza nel settore dei servizi finanziari, sia in termini di competenza tecnica che, forse ancora più importante, di profonda conoscenza del dominio. Il team con cui avrei lavorato aveva una conoscenza che poteva superare addirittura quella delle istituzioni finanziarie stesse.

Mentre continuavamo a parlare, ho rapidamente formato una visione di come avrei affrontato questa opportunità per trasformare le società di servizi finanziari per il loro stesso futuro dell’AI, mentre GFT stava contemporaneamente subendo la sua stessa trasformazione centrata sull’AI.

Ora che ho trascorso alcuni mesi lavorando all’interno dell’organizzazione, ho confermato le mie prime supposizioni: il fatto che ci troviamo all’incrocio tra competenza tecnica, profonda conoscenza finanziaria e ampia esperienza con l’AI ci mette in una posizione molto unica per reinventare modelli e approcci di business legacy – sia dalla base sia pezzo per pezzo. È un approccio “scegli la tua avventura” per disturbare un’industria che è matura per essere disturbata, e sono felice di farne parte.

GFT è nel mezzo di un viaggio di cinque anni per diventare un’azienda completamente centrata sull’AI. Internamente, cosa significa questo fino ad ora?

Ci sono quattro aree principali che stiamo affrontando. In larghe linee, queste sono:

1. Verificare i nostri processi e operazioni per determinare come e dove l’AI possa elevare i membri del team.
2. Determinare le opportunità da capitalizzare nel breve termine, nonché cosa dobbiamo costruire per il lungo termine. Ciò include l’identificazione delle aree in cui i dipendenti possono utilizzare l’AI nei loro compiti quotidiani adesso, mentre eseguiamo una roadmap più ampia che influenza le operazioni in modo olistico nel tempo.
3. Applicare la nostra soluzione di AI generativa proprietaria per ampliare lo sviluppo del software per i nostri clienti e farli arrivare sul mercato più velocemente. Abbiamo già visto guadagni di produttività che vanno dal 30% fino al 90%, a seconda del progetto, come risultato diretto dell’implementazione di questa AI per consegnare nuovi servizi e offerte.
4. Educazione dei nostri dipendenti attraverso la transizione per assicurarsi che sia chiaro per loro dove l’AI possa intervenire e dove possono crescere con essa per supportare l’evoluzione dell’azienda.

Potreste condividere esempi specifici o casi d’uso che illustrano l’impatto della soluzione di AI generativa di GFT, in particolare nel settore dei servizi finanziari?

Un buon caso d’uso recente a cui posso fare riferimento è una nuova soluzione che abbiamo sviluppato per banche e società di capitali privati. Abbiamo costruito un assistente di AI generativa che valuta il rischio di credito per informare decisioni di prestito importanti – su una scala esponenziale. Lo strumento nuovo automaticamente compone grandi quantità di dati finanziari per creare rapporti di credito, riducendo i tempi da ore e addirittura giorni a pochi minuti, garantendo al tempo stesso la conformità. Risparmiando tempo sulla creazione dei rapporti (diciamo il 40% ma è una stima conservativa), gli analisti del credito possono ora aumentare la loro attenzione sulla valutazione di decisioni di rischio complesse.

Questo risolve un problema importante considerando che nel settore del credito, ogni secondo conta – ma muoversi troppo rapidamente può portare a errori umani, e un’unica omissione può influenzare decisioni di prestito importanti.

Poiché può richiedere giorni di lavoro manuale per compilare un rapporto di rischio, l’unico modo in cui le aziende sono storicamente riuscite a muoversi più velocemente – senza sovraccaricare i lavoratori e rischiare errori – è stato quello di ampliare i team. Ora, con questo nuovo approccio di AI generativa, le istituzioni finanziarie possono prendere decisioni di prestito più velocemente con maggiore fiducia.

Un altro esempio recente proviene dalla più grande società di assicurazioni del Brasile, che ha utilizzato la nostra strumentazione di AI proprietaria per identificare vulnerabilità nel loro codice e prevenire attacchi informatici prima che si verifichino.

Questo è critico poiché le grandi istituzioni finanziarie sono particolarmente vulnerabili agli hacker – e questa assicuratrice in particolare stava subendo un numero di attacchi ogni giorno. Mentre avevano un grande team dedicato a rilevare e identificare potenziali falle prima che si verificassero, a causa della grande quantità di vulnerabilità, gli hacker riuscivano comunque a superare le loro difese.

La soluzione di AI di GFT è stata in grado di identificare le anomalie nel 90% dei casi più velocemente di quanto i team di sviluppatori potessero fare in precedenza. Inoltre, una volta identificate, la soluzione di AI è stata utilizzata per correggere automaticamente le vulnerabilità nel codice per prevenire attacchi, rendendo il processo il 66% più veloce di prima.

Entrambe queste capacità insieme hanno rappresentato guadagni di efficienza fino al 30% nel ciclo di vita di sviluppo complessivo in soli 3-4 mesi.

Con la vostra esperienza nella gestione di progetti per importanti banche come JPMC, Morgan Stanley e Citibank, come state adattando la strategia di AI di GFT per soddisfare le esigenze iperspecifiche delle istituzioni finanziarie statunitensi?

Dal mio lavoro con banche di primo livello e all’interno di diversi aspetti dello spazio finanziario, sono chiaro sul potenziale che l’AI rappresenta per le istituzioni finanziarie. La conoscenza che porto con me a GFT complementa l’esperienza di 35 anni dell’azienda nello spazio finanziario.

Negli anni, ho assistito personalmente alle sfide comuni che sorgono attraverso i progetti su cui ho avuto il privilegio di lavorare, nonché ai dolori specifici affrontati da singole aziende. Essere in grado di vedere queste tendenze macro e come influenzano sia l’industria nel suo complesso che le singole aziende mi ha dato una comprensione molto chiara di come e dove applicare l’AI. In generale, sfide come il riciclaggio di denaro, la frode, l’identificazione del cliente e i rapporti di credito complessi hanno afflitto le istituzioni per anni.

Ad esempio, GFT sta infondendo Google Vertex AI in una banca leader per migliorare la sua rilevazione delle frodi. Nonostante la tecnologia non sia solitamente utilizzata a questo scopo, l’istituzione necessitava di una soluzione che potesse essere facilmente integrata nei suoi sistemi complessi. Per supportare questa richiesta, GFT sta aiutando la banca ad addestrare Google Vertex sui modelli comuni per identificare potenziali frodi e attivare azioni per prevenirle.

Inoltre, GFT sta lavorando con AWS per costruire soluzioni guidate dall’AI per le banche. A Singapore, abbiamo costruito un processo di anti-riciclaggio di denaro guidato dall’AI.

Da una prospettiva di strategia di GFT a livello generale, sto lavorando per trovare il giusto equilibrio tra l’avanzamento delle nostre soluzioni di AI proprietarie e quelle che stiamo costruendo per i clienti insieme ai nostri partner tecnologici di lungo termine come Google e AWS.

GFT mira a diventare un leader globale nell’AI responsabile. Quali paracadute o framework di governance state mettendo in atto per garantire la sicurezza, la trasparenza e l’allineamento normativo, in particolare in settori altamente regolamentati?

Diverse istituzioni finanziarie seguono regolamenti diversi; al momento, non esiste un paracadute universale quando si tratta di AI. Ciò significa che, per rimanere conformi e garantire la sicurezza per ogni cliente, ci adattiamo alle regole specifiche di ciascuna organizzazione e adattiamo la soluzione per essere conforme al loro ambiente. In questo modo, non sorgono mai problemi di sicurezza o normativi.

Oltre a curare le nostre soluzioni per i requisiti normativi di diverse aziende, seguiamo anche le norme dell’industria come il GDPR in Europa.

Siete stato descritto come un leader orientato ai dati e all’azione. Nella pratica, come coltivate questa cultura all’interno di un’organizzazione così grande – specialmente una che sta subendo una rapida trasformazione dell’AI?

Il primo passo per coltivare una cultura orientata ai dati all’interno di un’organizzazione è assicurarsi che ogni membro capisca il beneficio di lavorare in questo modo.

Per operare con successo un’attività, i team hanno bisogno di accedere ai dati dell’organizzazione. Ciò fornisce uno sguardo approfondito su cosa funziona e cosa no, e può fornire proiezioni di risultati probabili per diversi scenari. Armato di questi dati, è molto più facile prendere decisioni che sono giuste per la vostra azienda.

Per dimostrare ciò, è essenziale guidare per esempio e mostrare come le decisioni basate sui dati possano portare a cambiamenti significativi che beneficiano tutti all’interno dell’organizzazione. Ad esempio, se i dati di vendita mostrano che il tasso di conversione è basso, sappiamo che è un’area che necessita di attenzione e possiamo creare una strategia per rimediare alla sfida. Una volta che gli esiti benefici di una cultura orientata ai dati sono chiari, è più facile per i team in tutta l’organizzazione adottare senza problemi questa pratica.

Specialmente mentre stiamo subendo una rapida trasformazione dell’AI, i dati sono essenziali per capire come funziona il cambiamento e dove potrebbero esserci aree per il miglioramento.

Oltre al settore bancario, come sta applicando GFT la sua strategia di AI ad altri settori come la manifattura? Ci sono sfide uniche o opportunità nel tradurre le conoscenze del settore finanziario in applicazioni industriali?

Nel settore manifatturiero, GFT ha una forte partnership con Google. Insieme, nell’ultimo anno, abbiamo rilasciato casi d’uso di AI specificamente formulati per i reparti di produzione dei produttori.

L’anno scorso, abbiamo annunciato l’implementazione del Manufacturing Data Engine (MDE) di Google Cloud, che ha alimentato capacità di AI come l’ispezione della linea di produzione visiva, la manutenzione predittiva delle macchine e la previsione della produzione. Ora, quest’anno, abbiamo presentato la nostra prossima serie di applicazioni costruite sui modelli Gemini di Google, tra cui la capacità di determinare la causa radice degli errori e dei difetti, dashboard visive che consentono agli utenti di interrogare i dati dell’organizzazione in tutto il mondo in linguaggio naturale e la capacità di convertire migliaia di manuali di formazione delle macchine in dimostrazioni video guidate da avatar.

Quando si tratta di tradurre le conoscenze del settore finanziario in applicazioni industriali, si tratta meno dell’industria stessa e più delle scoperte nel codice. In ogni industria, le conoscenze sulla sviluppo del codice e i cicli di vita del software sono importanti e trasferibili – il codice può creare e fare cose diverse, ma certi ostacoli o sfide nello sviluppo del software sono universali. Utilizziamo ciò che impariamo in ogni progetto, sia che si tratti di istituzioni finanziarie o produttori, per portare conoscenze più profonde nel nostro prossimo progetto.

Con partnership strategiche in atto con NVIDIA, AWS e Google Cloud, cosa vedete come la prossima evoluzione dell’approccio di GFT all’ecosistema? Saranno prodotti di AI specifici per settori co-sviluppati o costruiti in modo indipendente?

Abbiamo già iniziato a co-sviluppare e costruire in modo indipendente soluzioni di AI. I casi d’uso di AI per la manifattura che abbiamo rilasciato con Google Cloud sono solo l’inizio del nostro lavoro per automatizzare il reparto di produzione. Stiamo anche per rilasciare casi d’uso di AI specifici per il settore finanziario che abbiamo sviluppato con AWS per le banche statunitensi.

Inoltre, stiamo continuamente espandendo la nostra soluzione di AI generativa proprietaria per lo sviluppo del software.

La strategia di cinque anni di GFT include obiettivi ambiziosi: raggiungere 1,5 miliardi di euro di entrate e diventare un leader riconosciuto nell’AI. Mentre guardate avanti al 2029, quali pietre miliari o segnali vi diranno che l’azienda è veramente sulla strada giusta?

I nostri due obiettivi principali che sono essenziali da raggiungere ruotano attorno alla cultura e alle soluzioni.

In primo luogo, dobbiamo cambiare sia la mentalità che le competenze tecniche di ogni persona all’interno dell’organizzazione in modo che l’AI sia al centro di come operiamo. Ciò non è limitato al nostro personale tecnico; ogni membro del team, sia esso uno sviluppatore, un rappresentante delle vendite o un marketer, sarà completamente formato sull’utilizzo delle nostre soluzioni di AI.

In secondo luogo, stiamo misurando il successo attraverso i servizi ad alto valore che stiamo consegnando ai nostri clienti. Nei prossimi cinque anni, speriamo di vedere la percentuale di progetti che hanno l’AI integrata sia nei servizi che nei prodotti che stiamo consegnando aumentare notevolmente.

Abbiamo già visto progressi significativi su entrambi i fronti, con una grande parte del nostro personale già formato e che utilizza l’AI internamente, nonché un aumento degli elementi di AI nei progetti in cui stiamo partecipando. Questi obiettivi di base sono essenziali per stabilire una solida base. A GFT sappiamo che l’AI continuerà a evolversi negli anni a venire e l’unico modo per stare al passo è prepararsi ora.

Infine, ora che avete trascorso alcuni mesi nel ruolo – cosa vi ha sorpreso di più della cultura o delle capacità di GFT? E quale malinteso che le persone hanno ancora sulla trasformazione dell’AI aziendale vorreste correggere?

Non posso sottolineare abbastanza la profondità di competenza nel settore finanziario e tecnico che coesistono simultaneamente a GFT. Ciò ci mette in una posizione per non solo eseguire le idee che le organizzazioni ci portano, ma guidarle in base alla nostra esperienza lavorando con banche in tutto il mondo. Stabiliamo visioni a lungo termine che sono spesso molto più grandi – con molto più potenziale di generare entrate – di quanto loro stessi avrebbero potuto concepire. Mentre continuo a scoprire il lavoro passato e attuale di GFT attraverso le regioni, realizzo che ci sono pochi spazi nell’industria che GFT non ha toccato.

Direi che un malinteso sulla trasformazione dell’AI aziendale è che sia tutta iperbole. È qualcosa che le organizzazioni spesso si dicono per comprarsi del tempo per capirla. Più presto le organizzazioni accettano che l’AI è qui per rimanere e cambierà come fanno tutto – in un buon senso – più presto potranno iniziare a realizzarne il potenziale in modi sia piccoli che grandi.

Grazie per la grande intervista; i lettori che desiderano saperne di più possono visitare GFT Technologies.