Rishi Chohan, CEO van GFT Technologies in de VS – Interviewreeks

Rishi Chohan, CEO van GFT Technologies in de VS, is een ervaren leider in digitale transformatie met meer dan 20 jaar ervaring in de software- en dienstensector, waaronder rollen bij Ernst & Young en SoftServe. Sinds hij het roer overnam in 2025, heeft hij zich gericht op het opschalen van de AI-gedreven strategie van GFT in de VS door banden te versterken met financiële instellingen, fabrikanten en technologiepartners, en door legacy-systemen te moderniseren voor AI-klaarheid.

GFT Technologies is een wereldwijd bedrijf in digitale transformatie en software-engineering, gespecialiseerd in AI, cloudmodernisering en platforminnovatie voor de bank-, verzekering- en fabricage sectoren. Opgericht in 1987 en actief in meer dan 20 landen, brengt GFT meer dan 12.000 professionals samen. Het werk van het bedrijf wordt geleid door vijf kernwaarden: zorgzaam, toegewijd, samenwerkend, moedig en creatief.

U hebt transformaties geleid bij grote instellingen zoals EY en SoftServe, maar het aantreden van de rol van CEO van GFT in de VS tijdens een cruciale AI-shift is een unieke uitdaging. Wat trok u persoonlijk aan in deze kans – en wat vindt u het meest spannend aan het vormgeven van de volgende hoofdstuk van GFT?

Vanaf het begin van mijn gesprekken met GFT, realiseerde ik me dat het bedrijf in staat was om gemeenschappelijke industrie-uitdagingen op een andere manier aan te pakken dan zelfs de meest gevestigde spelers in digitale transformatie. Het was duidelijk dat het bedrijf een financiële dienstverleningsreus was, zowel in termen van technische expertise als, misschien nog belangrijker, diepe domeinkennis. Het team waarmee ik zou gaan werken, had kennis die zelfs die van de financiële instellingen zelf kon overtreffen.

Terwijl we verder praatten, vormde ik al snel een visie voor hoe ik deze kans zou benaderen om financiële dienstverleningsbedrijven te transformeren voor hun eigen AI-toekomst, terwijl GFT tegelijkertijd zijn eigen AI-gecentreerde transformatie onderging.

Nu ik een paar maanden binnen het bedrijf heb gewerkt, heb ik mijn eerste vermoedens bevestigd: het feit dat we op het snijvlak van technische expertise, diepe financiële kennis en uitgebreide AI-ervaring zitten, stelt ons in staat om legacy-bedrijfsmodellen en -benaderingen te herscheppen – hetzij vanaf de grond af, hetzij stap voor stap. Het is een kies-je-eigen-avontuur-benadering van het verstoren van een industrie die rijp is voor verandering, en ik ben blij om er deel van uit te maken.

GFT bevindt zich midden in een vijfjarige reis om een volledig AI-gecentreerd bedrijf te worden. Intern, hoe ziet dat er nu uit?

Er zijn vier belangrijke gebieden die we aan het aanpakken zijn. In brede streken zijn dat:

1. Onze processen en operaties controleren om te bepalen hoe en waar AI onze teamleden kan verheffen.
2. Bepalen van kansen om op korte termijn te kapitaliseren, evenals wat we moeten bouwen voor de lange termijn. Dit omvat het identificeren van gebieden waar medewerkers AI kunnen gebruiken in hun dagelijkse taken, terwijl we een meer omvattende roadmap uitvoeren die operaties holistisch beïnvloedt over tijd.
3. Onze eigen propriëtaire generatieve AI-oplossing toepassen om onze software-ontwikkeling voor onze klanten te schalen en hen sneller naar de markt te brengen. We hebben al productiviteitswinsten gezien variërend van 30% tot 90%, afhankelijk van het project, als direct resultaat van het implementeren van deze AI om nieuwe diensten en aanbod te leveren.
4. Onze medewerkers onderwijzen tijdens de overgang om ervoor te zorgen dat het duidelijk is voor hen waar AI kan bijspringen en waar zij kunnen groeien met het om de evolutie van het bedrijf te ondersteunen.

Kunt u specifieke voorbeelden of use cases delen die de impact van GFT’s generatieve AI-oplossing illustreren, vooral in de financiële dienstverlening?

Een goed recent voorbeeld dat ik kan noemen, is een nieuwe oplossing die we hebben ontwikkeld voor banken en particuliere kapitaalfondsen. We hebben een generatieve AI-assistent gebouwd die kredietrisico’s beoordeelt om belangrijke leningsbeslissingen te informeren – op een exponentiële schaal. Het nieuwe instrument stelt automatisch enorme hoeveelheden financiële gegevens samen om kredietrapporten te creëren, waardoor tijdslijnen van uren en zelfs dagen worden teruggebracht tot enkele minuten, terwijl het zorgt voor naleving. Door tijd te besparen op rapportage (we zeggen 40%, maar dat is conservatief), kunnen kredietanalisten hun focus nu verleggen naar het beoordelen van complexe risicobeslissingen.

Dit lost een groot probleem op, aangezien elke seconde telt in de kredietindustrie – maar te snel handelen kan leiden tot menselijke fouten, en één enkele nalatigheid kan belangrijke leningsbeslissingen beïnvloeden.

Omdat het dagen van handmatig werk kan kosten om een risicorapport samen te stellen, was de enige manier waarop bedrijven historisch gezien sneller konden handelen – zonder werknemers te overbelasten en risico’s te lopen – door teams te schalen. Nu, met deze nieuwe generatieve AI-benadering, kunnen financiële instellingen sneller leningsbeslissingen nemen met grotere vertrouwen.

Een ander recent voorbeeld komt van de grootste verzekeringsmaatschappij in Brazilië, die onze propriëtaire AI-instrument gebruikte om kwetsbaarheden in hun code te identificeren en cyberaanvallen te voorkomen voordat ze plaatsvonden.

Dit is kritiek, aangezien grote financiële instellingen bijzonder kwetsbaar zijn voor hackers – en deze verzekeraar in het bijzonder meerdere aanvallen per dag meemaakte. Terwijl ze een groot team hadden dat was toegewijd aan het opsporen en identificeren van potentiële lekken voordat ze plaatsvonden, konden hackers nog steeds door de barrières van hun verdediging heen komen vanwege de enorme hoeveelheid kwetsbaarheden.

GFT’s AI-oplossing kan anomalieën 90% sneller identificeren dan de ontwikkelaarsteams eerder konden. Bovendien, zodra geïdentificeerd, wordt de AI-oplossing gebruikt om de kwetsbaarheden in de code automatisch te repareren om aanvallen te voorkomen, waardoor het proces 66% sneller is dan voorheen.

Beide capaciteiten samen vertegenwoordigden efficiencywinsten tot 30% in de totale ontwikkelingscyclus in slechts 3-4 maanden.

Met uw ervaring in het leiden van inspanningen voor topbanken zoals JPMC, Morgan Stanley (MS ) en Citibank, hoe past u GFT’s AI-strategie aan om te voldoen aan de hyper-specifieke behoeften van Amerikaanse financiële instellingen?

Vanuit mijn werk met topbanken en binnen verschillende facetten van de financiële ruimte, ben ik duidelijk over het potentieel dat AI vertegenwoordigt voor financiële instellingen. De kennis die ik meebreng naar GFT, vult het eigen 35-jarige bestaan van het bedrijf in de financiële ruimte aan.

Door de jaren heen heb ik de gemeenschappelijke uitdagingen gezien die opkomen bij de projecten waar ik het voorrecht van had om aan te werken, evenals de genuanceerde pijnpunten die individuele bedrijven ervaren. In staat zijn om deze macro-trends te zien en hoe ze de industrie als geheel en specifieke bedrijven beïnvloeden, heeft me een zeer duidelijk begrip gegeven van hoe en waar AI toe te passen. Over het algemeen hebben uitdagingen zoals witwassen, fraude, klantidentificatie en complexe kredietrapporten instellingen al jarenlang geplaagd.

Om een voorbeeld te geven, GFT brengt Google Vertex AI in bij een toonaangevende bank om de fraudebestrijding te verbeteren. Ondanks dat de technologie niet typisch voor dit doel wordt gebruikt, had de instelling een oplossing nodig die gemakkelijk in hun complexe systemen kon worden geïntegreerd. Om deze vraag te ondersteunen, helpt GFT de bank om Google Vertex te trainen op gemeenschappelijke patronen om potentiële fraude te identificeren en actie te ondernemen om het te voorkomen.

Bovendien werkt GFT met AWS aan AI-gedreven oplossingen voor banken. In Singapore hebben we een aangepast anti-witwasproces gebouwd dat door AI wordt aangedreven.

Vanuit een bredere GFT-strategie-perspectief, werk ik aan het vinden van de juiste balans tussen het ontwikkelen van onze eigen propriëtaire AI-oplossingen en die we voor klanten bouwen, naast onze langetermijn-technologiepartners zoals Google en AWS.

GFT streeft ernaar om een wereldleider te worden in verantwoorde AI. Wat zijn de richtlijnen of governance-kaders die u in plaats stelt om veiligheid, transparantie en regelgevingsconformiteit te waarborgen, vooral in zeer gereguleerde sectoren?

Financiële instellingen volgen verschillende regelgevingen; op dit moment is er geen universele richtlijn voor AI. Dit betekent dat we ons aanpassen aan de specifieke regels van elke organisatie om ervoor te zorgen dat onze oplossingen veilig en conform zijn. Voordat we lanceren, zorgen we ervoor dat we vertrouwd zijn met de regelgeving en -regels die zijn gekoppeld aan die specifieke instelling en passen de oplossing aan om te voldoen aan hun omgeving.

Naast het aanpassen van onze oplossingen aan de regelgevingsvereisten van verschillende bedrijven, volgen we ook industrienormen zoals de AVG in Europa.

U bent beschreven als een data-gedreven, actie-georiënteerde leider. In de praktijk, hoe voedt u die cultuur over een zo groot bedrijf – vooral een dat een snelle AI-transformatie ondergaat?

De eerste stap in het bevorderen van een data-gedreven cultuur binnen een organisatie is ervoor zorgen dat elk lid begrijpt wat de voordelen zijn van op die manier werken.

Om een bedrijf succesvol te laten functioneren, hebben teams toegang tot organisatorische data nodig. Het geeft een blik van binnenuit in wat werkt en wat niet, en kan projecties geven van waarschijnlijke resultaten voor verschillende scenario’s. Gewapend met deze data is het veel gemakkelijker om beslissingen te nemen die goed zijn voor uw bedrijf.

Om dit te demonstreren, is het essentieel om het goede voorbeeld te geven en te laten zien hoe data-gedreven beslissingen significante veranderingen kunnen brengen die iedereen in de organisatie ten goede komen. Als verkoopdata aangeeft dat de conversiegraad laag is, weten we dat dat een gebied is dat aandacht nodig heeft en kunnen we een strategie creëren om de uitdaging aan te pakken. Zodra de voordelen van een data-gedreven cultuur duidelijk zijn, is het gemakkelijker voor teams over de hele organisatie om deze praktijk naadloos te adopteren.

Vooral terwijl we een snelle AI-transformatie ondergaan, is data essentieel om te begrijpen hoe de verandering werkt en waar er mogelijk ruimte is voor verbetering.

Behalve de banksector, hoe past GFT zijn AI-strategie toe op andere sectoren zoals de fabricage? Zijn er unieke uitdagingen of kansen bij het vertalen van financiële sector-inzichten naar industriële toepassingen?

In de fabricage-industrie heeft GFT een sterke partnership met Google. Samen hebben we in het afgelopen jaar AI-use cases ontwikkeld die specifiek zijn ontworpen voor fabrieksloodsen van fabrikanten.

Onlangs hebben we de implementatie aangekondigd van Google Cloud’s Manufacturing Data Engine (MDE), die AI-mogelijkheden zoals visuele productie-inspectie, voorspellend machine-onderhoud en productievoorspelling mogelijk maakt. Nu, dit jaar, hebben we onze volgende set toepassingen gebouwd op basis van Google’s Gemini-modellen, waaronder de mogelijkheid om de oorzaak van fouten en defecten te bepalen, visuele dashboards die gebruikers in staat stellen om organisatie-brede gegevens in natuurlijke taal te bevragen en de mogelijkheid om duizenden machine-trainingshandleidingen om te zetten in avatar-geleide videodemonstraties.

Wanneer het gaat om het vertalen van inzichten uit de financiële sector naar industriële toepassingen, gaat het minder om de industrie zelf en meer om ontdekkingen in de code. In elke industrie zijn inzichten in code-ontwikkeling en software-levenscycli belangrijk en overdraagbaar – de code kan verschillende dingen creëren en doen, maar bepaalde obstakels of uitdagingen met software-ontwikkeling zijn universeel. We gebruiken wat we leren in elk project, of het nu voor financiële instellingen of fabrikanten is, om dieper inzicht te krijgen in ons volgende project.

Met strategische partnerschappen met NVIDIA (NVDA ), AWS en Google Cloud, wat ziet u als de volgende evolutie van GFT’s ecosysteem-benadering? Zullen verticale specifieke AI-producten samen worden ontwikkeld of onafhankelijk gebouwd?

We zijn al begonnen met het co-ontwikkelen en onafhankelijk bouwen van AI-oplossingen. De AI-use cases die we hebben uitgebracht met Google Cloud zijn slechts het begin van ons werk aan het automatiseren van de fabrieksloor. We plannen ook om binnenkort financiële specifieke AI-use cases uit te brengen die we hebben ontwikkeld met AWS voor Amerikaanse banken.

Bovendien zijn we constant bezig met het uitbreiden van onze onafhankelijk gebouwde generatieve AI-oplossing voor software-ontwikkeling.

GFT’s vijfjarige strategie omvat ambitieuze doelen: een omzet van €1,5 miljard bereiken en een erkende AI-leider worden. Als u vooruitkijkt naar 2029, welke mijlpalen of signalen zullen aangeven dat het bedrijf echt op koers ligt?

Onze twee belangrijkste doelstellingen die essentieel zijn om te bereiken, hebben betrekking op cultuur en oplossingen.

Ten eerste moeten we de mentaliteit en de harde vaardigheden van iedereen in de organisatie veranderen, zodat AI centraal staat in de manier waarop we opereren. Dit is niet beperkt tot ons technisch personeel; elk teamlid, of het nu een ontwikkelaar, een verkoopvertegenwoordiger of een marketeer is, zal volledig getraind worden op het gebruik van onze AI-oplossingen.

Ten tweede meten we succes door de hoogwaardige diensten die we aan onze klanten leveren. In de komende vijf jaar hopen we te zien dat het percentage projecten dat AI bevat in zowel de diensten als de producten die we leveren, de lucht in schiet.

We hebben al significante vooruitgang gezien op beide fronten, met een groot deel van ons personeel dat al getraind is en AI intern gebruikt, evenals een toenemend AI-element in de projecten waar we bij betrokken zijn. Deze basisdoelen zijn essentieel om een sterke basis te leggen. Bij GFT weten we dat AI de komende jaren zal blijven evolueren en de enige manier om voorop te blijven lopen is om nu te prepareren.

Tenslotte, nu u een paar maanden in de rol zit – wat heeft u het meest verrast over de cultuur of capaciteiten van GFT? En wat is één misvatting die mensen nog steeds hebben over enterprise AI-transformatie die u graag zou willen corrigeren?

Ik kan niet genoeg benadrukken hoe diep de financiële dienstverlening en technische expertise samenkomen bij GFT. Het stelt ons in staat om niet alleen uit te voeren op ideeën die organisaties bij ons brengen, maar om hen te leiden op basis van onze ervaring met banken over de hele wereld. We leggen langetermijnvisies vast die vaak veel groter zijn – met veel meer omzetpotentieel – dan wat ze zelf zouden hebben bedacht. Naarmate ik verder leer over het verleden en het huidige werk van GFT over verschillende regio’s, realiseer ik me dat er weinig plekken in de industrie zijn die GFT niet heeft aangeraakt.

Ik zou zeggen dat een misvatting over enterprise AI-transformatie is dat het allemaal hype is. Dat is iets dat organisaties vaak tegen zichzelf zeggen om zichzelf tijd te geven om het uit te zoeken. Hoe eerder organisaties accepteren dat AI hier is om te blijven en alles zal veranderen – op een goede manier – hoe eerder ze kunnen beginnen met het realiseren van zijn potentieel in zowel kleine als grote dingen.

Dank u voor het geweldige interview, lezers die meer willen leren, kunnen een bezoek brengen aan GFT Technologies.