Rishi Chohan, U.S. CEO van GFT Technologies – Interview Series

Rishi Chohan, U.S. CEO van GFT Technologies, 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 in 2025 de leiding overnam, heeft hij zich gericht op het opschalen van GFT’s AI-gedreven strategie in de VS door de banden met financiële instellingen, fabrikanten en technologiepartners te versterken en legacy-systemen te moderniseren voor AI-klaarheid.

GFT Technologies is een wereldwijd bedrijf voor digitale transformatie en software-engineering dat zich specialiseert in AI, cloud-modernisering en platform-innovatie voor de bank-, verzekering- en fabricagesectoren. 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: Caring, Committed, Collaborative, Courageous en Creative.

U hebt transformaties geleid bij grote instellingen zoals EY en SoftServe, maar het aanvaarden van de rol van U.S. CEO bij GFT 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 GFT’s volgende hoofdstuk?

Vanaf het begin van mijn gesprekken met GFT, realiseerde ik me dat het bedrijf in een positie verkeerde om gemeenschappelijke industrie-uitdagingen aan te pakken op een manier die anders was dan zelfs de meest gevestigde digitale transformatiespelers. Het was duidelijk dat het bedrijf een financiële dienstverleningsreus was, zowel in termen van technische expertise als, misschien nog belangrijker, diepe domeinkennis. Het team waar ik mee zou werken, had kennis die mogelijk zelfs die van de financiële instellingen zelf overtrof.

Naarmate we verder praatten, vormde ik 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 ondergaat.

Nu ik een paar maanden binnen de organisatie 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, plaatst ons in een unieke positie om legacy-bedrijfsmodellen en -benaderingen te herscheppen – hetzij vanaf de grond af of stap voor stap. Het is een kies-je-eigen-avontuur-benadering van het verstoren van een industrie die rijp is voor verstoring, en ik ben blij om daar 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 tot nu toe uit?

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

1. Onze processen en operaties auditen om te bepalen hoe en waar AI onze teamleden kan verheffen.
2. Bepalen van kansen om in de 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 op 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 aanbiedingen te leveren.
4. Onze medewerkers onderwijzen tijdens de overgang om ervoor te zorgen dat het voor hen duidelijk is waar AI kan bijspringen en waar ze 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 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 brengt automatisch grote 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 rapportcreatie (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 omissie 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 fouten te riskeren – door teams op te schalen. Nu, met deze nieuwe generatieve AI-benadering, kunnen financiële instellingen leningsbeslissingen sneller 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 kritisch, 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 gewijd aan het opsporen en identificeren van potentiële lekken voordat ze plaatsvonden, konden hackers door de grote hoeveelheid kwetsbaarheden nog steeds door de gaten in hun verdediging glippen.

GFT’s AI-oplossing kan anomalieën 90% sneller identificeren dan de ontwikkelaarsteams eerder konden. Bovendien, zodra ze zijn 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 een efficiëntiegroei van maximaal 30% in de totale ontwikkelingscyclus in slechts 3-4 maanden.

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

Van mijn werk met top-tier banken en binnen verschillende facetten van de financiële ruimte, ben ik duidelijk over het potentieel dat AI vertegenwoordigt voor financiële instellingen. De kennis die ik met me meebreng naar GFT, vult het eigen 35 jaar in de financiële ruimte van het bedrijf aan.

In de loop van de jaren heb ik eerste hand gezien de gemeenschappelijke uitdagingen die ontstaan bij de projecten waar ik het voorrecht van heb gehad om aan te werken, evenals de verfijnde pijn die individuele bedrijven ervaren. In staat zijn om deze macro-trends en hoe ze zowel de industrie als a whole als specifieke bedrijven beïnvloeden te zien, heeft me een zeer duidelijk begrip gegeven van hoe en waar AI toe te passen. Over de hele linie hebben uitdagingen zoals het witwassen van geld, fraude, klantidentificatie en complexe kredietrapporten instellingen al jarenlang geplaagd.

Bijvoorbeeld, GFT infundeert Google Vertex AI in een toonaangevende bank om zijn fraude detectie te verbeteren. Ondanks dat de technologie niet typisch voor dat 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 triggeren om het te voorkomen.

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

Vanuit een breed GFT-strategieperspectief, werk ik aan het vinden van de juiste balans tussen het opschalen 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 in verantwoorde AI te worden. Wat zijn de richtlijnen of governance-kaders die u in plaats stelt om veiligheid, transparantie en regelgevingsconformiteit te waarborgen, vooral in zeer gereguleerde sectoren?

Verschillende financiële instellingen volgen verschillende regelgevingen; op dit moment is er geen universele richtlijn wanneer het gaat om AI. Dit betekent dat we, om te blijven voldoen aan en veiligheid voor elke klant te garanderen, aanpassen aan de specifieke regels van elke organisatie.

De oplossingen die we bieden, zijn gemakkelijk aanpasbaar. Voordat we lanceren, zorgen we ervoor dat we vertrouwd zijn met de regelgeving en regels die zijn geassocieerd met die specifieke instelling en passen de oplossing aan om te voldoen aan hun omgeving. Op deze manier zijn er nooit veiligheids- of regelgevingsproblemen die ontstaan.

Naast het cureren van onze oplossingen voor de regelgevingsvereisten van verschillende bedrijven, volgen we ook industrie-regelgevingen zoals de AVG in Europa.

U bent beschreven als een, actie-georiënteerde leider. In de praktijk, hoe voedt u deze cultuur over een zo grote organisatie – vooral een die een snelle AI-transformatie ondergaat?

De eerste stap in het voeden van een cultuur over een organisatie is ervoor zorgen dat elk lid begrijpt het voordeel van werken op die manier.

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

Om dit te demonstreren, is het essentieel om voorbeeld te geven en te laten zien hoe beslissingen significante veranderingen kunnen brengen die iedereen in de organisatie ten goede komen. Bijvoorbeeld, als verkoopgegevens aantonen 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 te verhelpen. Zodra de voordelen van een 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, zijn gegevens essentieel om te begrijpen hoe de verandering werkt en waar er mogelijk gebieden voor verbetering zijn.

Verder dan banken, hoe past GFT zijn AI-strategie toe op andere sectoren zoals fabricage? Zijn er unieke uitdagingen of kansen in het vertalen van financiële sector-leerervaringen naar industriële toepassingen?

In de fabricage-industrie heeft GFT een sterke partnership met Google. Samen hebben we in het afgelopen jaar AI-use cases specifiek voor fabrieksvloeren van fabrikanten vrijgegeven.

Vorig jaar hebben we de implementatie van Google Cloud’s Manufacturing Data Engine (MDE) aangekondigd, die AI-mogelijkheden zoals visuele productie lijn inspectie, voorspellende machine-onderhoud en productie forecasting mogelijk maakte. Nu, dit jaar, hebben we onze volgende set van toepassingen gebouwd op 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 video-demonstraties.

Wanneer het gaat om het vertalen van leerervaringen 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 leerervaringen op het gebied van 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 diepere inzichten te brengen in ons volgende project.

Met strategische partnerships met NVIDIA, AWS en Google Cloud, wat ziet u als de volgende evolutie van GFT’s ecosysteem-benadering? Zullen verticaal-specifieke AI-producten worden co-ontwikkeld of onafhankelijk gebouwd?

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

Bovendien breiden we onze onafhankelijk gebouwde generatieve AI-oplossing voor software-ontwikkeling continu uit.

GFT’s vijfjarige strategie omvat ambitieuze doelen: een omzet van €1,5 miljard bereiken en een erkende AI-leider worden. Terwijl 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 mindset 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 worden getraind 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 heeft geïntegreerd 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 basisdoelstellingen zijn essentieel om een sterke basis te leggen. Bij GFT weten we dat AI de komende jaren zal blijven evolueren en dat de enige manier om ervoor te blijven is om nu te prepareren.

Tenslotte, nu u een paar maanden in de rol zit – wat heeft u het meest verrast over GFT’s cultuur of capaciteiten? En welk misverstand hebben mensen nog steeds over enterprise AI-transformatie dat u graag zou willen corrigeren?

Ik kan niet genoeg benadrukken hoe diep de financiële dienstverlenings- en technische expertise die tegelijkertijd bij GFT bestaan. Dit plaatst ons in een positie om niet alleen uit te voeren op ideeën die organisaties bij ons brengen, maar om hen te leiden op basis van onze ervaring met het werken 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 meer leer over het verleden en het huidige werk van GFT over regio’s, realiseer ik me dat er weinig plekken in de industrie zijn die GFT niet heeft aangeraakt.

Ik zou zeggen dat een misverstand 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, zowel in kleine als in grote dingen.

Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen bezoeken GFT Technologies.