Rishi Chohan, CEO GFT Technologies w Stanach Zjednoczonych – Seria wywiadów

Rishi Chohan, CEO GFT Technologies w Stanach Zjednoczonych, to doświadczony lider transformacji cyfrowej z ponad 20-letnim doświadczeniem w branży oprogramowania i usług, w tym rolami w Ernst & Young i SoftServe. Od objęcia stanowiska w 2025 roku skupił się na skalowaniu strategii GFT opartej na sztucznej inteligencji w Stanach Zjednoczonych, poprzez umacnianie więzi z instytucjami finansowymi, producentami i partnerami technologicznymi, a także modernizację systemów legacy w celu przygotowania ich do sztucznej inteligencji.

GFT Technologies to globalna firma specjalizująca się w transformacji cyfrowej i inżynierii oprogramowania, zajmująca się sztuczną inteligencją, modernizacją chmury i innowacjami platformy dla sektorów bankowego, ubezpieczeniowego i produkcyjnego. Założona w 1987 roku i działająca w ponad 20 krajach, GFT łączy ponad 12 000 profesjonalistów. Praca firmy kierowana jest przez pięć podstawowych wartości: Troska, Zaangażowanie, Współpraca, Odwaga i Kreatywność.

Masz doświadczenie w prowadzeniu transformacji w dużych instytucjach, takich jak EY i SoftServe, ale objęcie stanowiska CEO GFT w Stanach Zjednoczonych w czasie przełomowej zmiany sztucznej inteligencji to wyjątkowe wyzwanie. Co osobiste cię skłoniło do tej możliwości – i co najbardziej cieszy cię w kształtowaniu następnego rozdziału GFT?

Od samego początku rozmów z GFT zdałem sobie sprawę, że firma jest w pozycji, aby atakować powszechne wyzwania branżowe w sposób odmienny niż nawet najbardziej ugruntowane firmy transformacji cyfrowej. Było jasne, że firma jest potentatem w sektorze usług finansowych, zarówno pod względem ekspertyzy technicznej, jak i – może nawet bardziej – głębokiej wiedzy branżowej. Zespół, z którym miałem pracować, posiadał wiedzę, która mogła nawet przewyższać samych instytucji finansowych.

Podczas dalszych rozmów szybko ukształtowałem wizję, jak podejdę do tej możliwości transformacji firm finansowych dla ich własnej przyszłości sztucznej inteligencji, podczas gdy GFT przechodzi własną transformację sztucznej inteligencji.

Teraz, po kilku miesiącach pracy w organizacji, potwierdziłem swoje początkowe podejrzenia: Fakt, że znajdujemy się na przecięciu ekspertyzy technicznej, głębokiej wiedzy finansowej i obszernego doświadczenia sztucznej inteligencji, stawia nas w bardzo unikalnej pozycji, aby wynaleźć nowe modele biznesowe i podejścia – albo od podstaw, albo częściowo. To podejście “wybierz swoją własną przygodę” do zakłócania branży, która dojrzewa do zakłóceń, i jestem zadowolony, że mogę być jego częścią.

GFT jest w trakcie pięcioletniej podróży, aby stać się w pełni firmą sztucznej inteligencji. Wewnętrznie, jak to wygląda dotychczas?

Istnieją cztery główne obszary, które rozważamy. W ogólnych słowach, są to:

1. Audyty naszych procesów i operacji w celu ustalenia, jak i gdzie sztuczna inteligencja może podnieść umiejętności członków zespołu.
2. Określenie możliwości, które można wykorzystać w krótkim terminie, a także to, co musimy budować na dłuższą metę. Obejmuje to identyfikację obszarów, w których pracownicy mogą wykorzystywać sztuczną inteligencję w codziennych zadaniach, podczas gdy wykonujemy ogólny plan, który wpływa na operacje w sposób całościowy w czasie.
3. Zastosowanie naszego własnego rozwiązania sztucznej inteligencji generatywnej do skalowania rozwoju oprogramowania dla naszych klientów i przyśpieszenia ich wejścia na rynek. Już teraz widzimy zyski wydajności w zakresie od 30% do 90%, w zależności od projektu, jako bezpośredni wynik wdrożenia tej sztucznej inteligencji w celu dostarczania nowych usług i ofert.
4. Edukowanie naszych pracowników w trakcie przejścia, aby upewnić się, że jest im jasne, gdzie sztuczna inteligencja może wystąpić i gdzie mogą się z nią rozwijać, aby wspierać ewolucję firmy.

Czy możesz podzielić się konkretnymi przykładami lub przypadkami użycia, które ilustrują wpływ rozwiązania sztucznej inteligencji GFT, szczególnie w sektorze usług finansowych?

Dobrym niedawnym przypadkiem, do którego mogę się odnieść, jest nowe rozwiązanie, które opracowaliśmy dla banków i firm kapitałowych. Zbudowaliśmy asystenta sztucznej inteligencji generatywnej, który ocenia ryzyko kredytowe w celu poinformowania o głównych decyzjach kredytowych – w skali wykładniczej. Nowe narzędzie automatycznie łączy ogromne ilości danych finansowych, tworząc raporty kredytowe, redukując czas z godzin i nawet dni do zaledwie kilku minut, przy jednoczesnym zapewnieniu zgodności. Dzięki oszczędnościom czasu na tworzeniu raportów (mówimy o 40%, ale to jest konserwatywna ocena), analitycy kredytowi mogą teraz zwiększyć swoją uwagę na ocenę złożonych decyzji dotyczących ryzyka.

To rozwiązuje duży problem, biorąc pod uwagę, że w branży kredytowej każda sekunda się liczy – ale zbyt szybkie działanie może prowadzić do błędów ludzkich, a jeden przeoczenie może wpłynąć na główne decyzje kredytowe.

Ponieważ może to zajmować dni pracy ręcznej, aby skompilować raport o ryzyku, jedynym sposobem, w jaki firmy mogły dotychczas działać szybciej, bez przeładowania pracowników i ryzykowania błędami, było skalowanie zespołów. Teraz, dzięki temu nowemu podejściu sztucznej inteligencji generatywnej, instytucje finansowe mogą podejmować decyzje kredytowe szybciej z większą pewnością.

Inny niedawny przykład pochodzi od największej firmy ubezpieczeniowej w Brazylii, która wykorzystała nasze własne rozwiązanie sztucznej inteligencji do identyfikacji luk w swoim kodzie i zapobiegania atakom cybernetycznym, zanim wystąpią.

Jest to kluczowe, ponieważ duże instytucje finansowe są szczególnie narażone na hakowanie – a ta ubezpieczyciel w szczególności doświadczała liczby ataków każdego dnia. Chociaż mieli duży zespół poświęcony łapaniu i identyfikowaniu potencjalnych wycieków, zanim się wydarzyły, ze względu na ogromną ilość luk, hakerzy wciąż przeciekali przez szczeliny w ich obronie.

Rozwiązanie sztucznej inteligencji GFT jest w stanie identyfikować anomalie o 90% szybciej niż zespoły deweloperskie mogły wcześniej. Ponadto, po zidentyfikowaniu, rozwiązanie sztucznej inteligencji jest wykorzystywane do automatycznego naprawiania luk w kodzie w celu zapobiegania atakom, co sprawia, że proces jest o 66% szybszy niż wcześniej.

Obie te możliwości razem reprezentowały zyski wydajności do 30% w całym cyklu rozwojowym w zaledwie 3-4 miesiącach.

Z Twoim doświadczeniem w prowadzeniu projektów dla najlepszych banków, takich jak JPMC, Morgan Stanley i Citibank, jak dostosowujesz strategię sztucznej inteligencji GFT, aby spełnić bardzo szczególne potrzeby amerykańskich instytucji finansowych?

Z mojej pracy z najlepszymi bankami i w różnych aspektach przestrzeni finansowej, jestem świadomy potencjału, jaki sztuczna inteligencja reprezentuje dla instytucji finansowych. Wiedza, którą przynoszę do GFT, uzupełnia własne 35-letnie doświadczenie firmy w sektorze finansowym.

Na przestrzeni lat byłem świadkiem pierwszej ręki powszechnych wyzwań, które pojawiają się w projektach, których miałem przywilej pracować, a także nuansowych bólów głowy, z którymi borykają się poszczególne firmy. Możliwość widzenia tych makro trendów i tego, jak wpływają one na branżę w ogóle, a także na poszczególne firmy, dała mi bardzo wyraźne pojęcie o tym, jak i gdzie zastosować sztuczną inteligencję. Przez całą branżę wyzwania, takie jak pranie brudnych pieniędzy, oszustwa, identyfikacja klienta i złożone raporty kredytowe, dotknęły instytucje przez lata.

Na przykład, GFT wprowadza Google Vertex AI do wiodącego banku, aby poprawić jego wykrywanie oszustw. Pomimo że technologia ta nie jest zwykle używana do tego celu, instytucja potrzebowała rozwiązania, które mogłoby być łatwo zintegrowane z ich złożonymi systemami. W celu wsparcia tego wniosku GFT pomaga bankowi szkolić Google Vertex na typowych wzorcach w celu identyfikacji potencjalnych oszustw i wyzwolenia działań w celu ich zapobiegania.

Ponadto, GFT współpracuje z AWS, aby budować rozwiązania napędzane sztuczną inteligencją dla banków. W Singapurze zbudowaliśmy niestandardowy proces przeciwdziałania praniu brudnych pieniędzy, napędzany sztuczną inteligencją.

Z punktu widzenia ogólnej strategii GFT, pracuję nad osiągnięciem odpowiedniej równowagi pomiędzy rozwojem naszych własnych rozwiązań sztucznej inteligencji a tymi, które budujemy dla klientów, obok naszych długoterminowych partnerów technologicznych, takich jak Google i AWS.

GFT dąży do tego, aby stać się globalnym liderem w odpowiedzialnej sztucznej inteligencji. Jakie barierki lub ramy zarządzania wprowadzasz, aby zapewnić bezpieczeństwo, przejrzystość i zgodność regulacyjną, szczególnie w wysoko uregulowanych sektorach?

Różne instytucje finansowe stosują różne regulacje; jak dotąd, nie ma jednej, uniwersalnej barierki, gdy chodzi o sztuczną inteligencję. Oznacza to, że aby pozostać zgodnymi i zapewnić bezpieczeństwo dla każdego klienta, dostosowujemy się do konkretnych zasad organizacji.

Rozwiązania, które dostarczamy, są łatwo dostosowywane. Przed uruchomieniem upewniamy się, że jesteśmy zaznajomieni z regulacjami i zasadami związanymi z tą konkretną instytucją i dostosowujemy rozwiązanie do ich środowiska. W ten sposób nie ma żadnych problemów z bezpieczeństwem ani zgodnością regulacyjną, które mogą się pojawić.

Ponadto, poza dostosowaniem naszych rozwiązań do różnych wymagań regulacyjnych firm, stosujemy również branżowe regulacje, takie jak RODO w Europie.

Zostałeś opisany jako lider danych, zorientowany na działanie. W praktyce, jak wprowadzasz tę kulturę w całej dużej organizacji – szczególnie tej, która przechodzi szybką transformację sztucznej inteligencji?

Pierwszym krokiem w kształtowaniu kultury opartej na danych w całej organizacji jest upewnienie się, że każdy członek zespołu rozumie korzyści płynące z pracy w ten sposób.

Aby pomyślnie prowadzić firmę, zespoły potrzebują dostępu do danych organizacyjnych. Daje to wgląd w to, co działa, a co nie, i może dać prognozy prawdopodobnych wyników dla różnych scenariuszy. Uzbrojeni w te dane, jest o wiele łatwiej podejmować decyzje, które są słuszne dla Twojej firmy.

Aby to zademonstrować, konieczne jest prowadzenie przez przykład i pokazywanie, jak decyzje oparte na danych mogą przynieść znaczącą zmianę, która korzystnie wpłynie na wszystkich w organizacji. Na przykład, jeśli dane sprzedaży pokazują, że wskaźnik konwersji jest niski, wiemy, że to obszar, który wymaga uwagi, i możemy stworzyć strategię, aby rozwiązać ten problem. Gdy korzystne wyniki kultury opartej na danych są już widoczne, łatwiej zespołom w całej organizacji przyjąć tę praktykę bezproblemowo.

Szczególnie podczas przechodzenia szybkiej transformacji sztucznej inteligencji, dane są niezbędne do zrozumienia, jak zmiana działa, i gdzie mogą pojawić się obszary do poprawy.

Poza bankowością, jak GFT stosuje swoją strategię sztucznej inteligencji w innych sektorach, takich jak produkcja? Czy istnieją unikalne wyzwania lub możliwości w tłumaczeniu wniosków z sektora finansowego na aplikacje przemysłowe?

W sektorze produkcji GFT ma silne partnerstwo z Google. Razem, w ciągu ostatniego roku, wydaliśmy przypadki użycia sztucznej inteligencji specjalnie sformułowane dla parkietów produkcyjnych.

W zeszłym roku ogłosiliśmy wdrożenie Manufacturing Data Engine (MDE) Google Cloud, które napędzało możliwości sztucznej inteligencji, takie jak inspekcja linii produkcyjnej, konserwacja maszyn predykcyjna i prognozowanie produkcji. Teraz, w tym roku, ogłosiliśmy nasz następny zestaw aplikacji zbudowanych na modelach Gemini Google, w tym możliwość określenia pierwotnej przyczyny błędów i wad, pulpity nawigacyjne, które umożliwiają użytkownikom wyszukiwanie danych organizacyjnych w języku naturalnym, oraz możliwość przekształcenia tysięcy ręcznych podręczników szkoleniowych w demonstracje wideo prowadzone przez awatary.

Gdy chodzi o tłumaczenie wniosków z sektora finansowego na aplikacje przemysłowe, to mniej kwestia samej branży, a bardziej odkryć w kodzie. W każdej branży, wnioski na temat rozwoju oprogramowania i cykli życia są ważne i przenoszalne – kod może tworzyć i robić różne rzeczy, ale pewne przeszkody lub wyzwania związane z rozwojem oprogramowania są powszechne. Wykorzystujemy to, czego uczymy się w każdym projekcie, niezależnie od tego, czy jest to dla instytucji finansowych, czy producentów, aby przynieść głębsze spojrzenie w nasz następny projekt.

Z strategicznymi partnerstwami z NVIDIA, AWS i Google Cloud, co widzisz jako następną ewolucję podejścia ekosystemowego GFT? Czy produkty sztucznej inteligencji specyficzne dla pionu będą współtworzone czy niezależnie budowane?

Już rozpoczęliśmy współtworzenie i niezależne budowanie rozwiązań sztucznej inteligencji. Przypadki użycia sztucznej inteligencji w produkcji, które wydaliśmy z Google Cloud, to dopiero początek naszej pracy nad automatyzacją parkietu produkcyjnego. Planujemy również wkrótce wydać przypadki użycia sztucznej inteligencji specyficzne dla finansów, które opracowaliśmy z AWS dla amerykańskich banków.

Ponadto, ciągle rozwijamy nasze niezależnie zbudowane rozwiązanie sztucznej inteligencji generatywnej do rozwoju oprogramowania.

Strategia pięcioletnia GFT obejmuje śmiałe cele: osiągnięcie 1,5 mld euro przychodu i stanie się uznanym liderem sztucznej inteligencji. Patrząc w przyszłość do 2029 roku, jakie kamienie milowe lub sygnały będą wskazywać, że firma jest naprawdę na dobrej drodze?

Nasze dwa główne słupki, które są niezbędne do osiągnięcia, kręcą się wokół kultury i rozwiązań.

Po pierwsze, musimy zmienić zarówno nastawienie, jak i umiejętności wszystkich w organizacji, tak aby sztuczna inteligencja była na czele tego, jak operujemy. To nie ogranicza się tylko do naszego personelu technicznego; każdy członek zespołu, niezależnie od tego, czy jest deweloperem, przedstawicielem sprzedaży, czy marketingu, zostanie w pełni przeszkolony w zakresie korzystania z naszych rozwiązań sztucznej inteligencji.

Po drugie, mierzymy sukces poprzez wysoko-wartościowe usługi, które dostarczamy naszym klientom. W ciągu najbliższych pięciu lat chcielibyśmy zobaczyć, jak procent projektów, które mają sztuczną inteligencję wbudowaną w usługi i produkty, które dostarczamy, wzrośnie.

Już teraz widzimy znaczący postęp w obu tych obszarach, z dużą częścią naszego personelu już przeszkolonego i korzystającego z sztucznej inteligencji wewnętrznie, a także rosnącym elementem sztucznej inteligencji w projektach, w których uczestniczymy. Te podstawowe cele są niezbędne do ustanowienia mocnej podstawy. W GFT wiemy, że sztuczna inteligencja będzie nadal ewoluować w nadchodzących latach, a jedynym sposobem, aby pozostać przed nią, jest przygotowanie się teraz.

Wreszcie, teraz, gdy miałeś kilka miesięcy na stanowisku – co najbardziej zaskoczyło cię w kulturze lub możliwościach GFT? A jaka jest jedna nieścisłość, którą ludzie nadal mają o transformacji sztucznej inteligencji w przedsiębiorstwach, którą chciałbyś sprostować?

Nie mogę wystarczająco podkreślić głębi ekspertyzy usług finansowych i technicznej, która współistnieje jednocześnie w GFT. Stawia to nas w pozycji, aby nie tylko wykonywać pomysły, które organizacje przychodzą do nas, ale także prowadzić je na podstawie naszego doświadczenia pracy z bankami na całym świecie.

Podczas dalszego uczenia się o pracy GFT w różnych regionach, zdaję sobie sprawę, że istnieją niewiele miejsc w branży, które GFT nie dotknęło.

Powiem, że nieścisłość dotycząca transformacji sztucznej inteligencji w przedsiębiorstwach jest taka, że jest to wszystko hype. To coś, co organizacje często lubią mówić sobie, aby dać sobie czas na zrozumienie. Im szybciej organizacje zaakceptują, że sztuczna inteligencja jest tutaj, aby pozostać, i zmieni sposób, w jaki robią wszystko – na dobre – tym szybciej będą mogły zacząć realizować jej potencjał w bardzo małych i bardzo dużych sposóbach.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić GFT Technologies.