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 czasu 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, ze specjalizacją w sztucznej inteligencji, modernizacji chmury i innowacjach platformowych 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.

Poprowadziłeś transformacje w dużych instytucjach, takich jak EY i SoftServe, ale wejście na stanowisko 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, zrozumiałem, 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 miałbym pracować, posiadał wiedzę, która mogła nawet przewyższać samych instytucje finansowe.

Po kontynuowaniu rozmów, szybko ukształtowałem wizję, jak podejdę do tej możliwości transformacji firm usług finansowych dla ich własnej przyszłości sztucznej inteligencji, podczas gdy GFT przechodzi własną transformację ukierunkowaną na sztuczną inteligencję.

Teraz, po kilku miesiącach pracy wewnątrz organizacji, potwierdziłem swoje początkowe przypuszczenia: fakt, że siedzimy na skrzyżowaniu ekspertyzy technicznej, głębokiej wiedzy finansowej i rozległego doświadczenia w dziedzinie sztucznej inteligencji, stawia nas w bardzo wyjątkowej pozycji, aby wynaleźć na nowo modele biznesowe i podejścia – albo od podstaw, albo krok po kroku. To podejście “wybierz własną przygodę” do zakłócania branży, która jest gotowa do zakłóceń, i jestem zadowolony, że mogę być jego częścią.

GFT jest w trakcie pięcioletniej podróży, aby stać się firmą w pełni ukierunkowaną na sztuczną inteligencję. Wewnętrznie, jak to wygląda dotychczas?

Istnieją cztery główne obszary, które rozpatrujemy. W szerokich pociągnięciach, są to:

1. Audyty naszych procesów i operacji, aby określić, jak i gdzie sztuczna inteligencja może podnieść poziom pracy zespołu.
2. Określanie możliwości do wykorzystania w krótkim terminie, a także tego, co musimy budować w długim terminie. Obejmuje to identyfikację obszarów, w których pracownicy mogą wykorzystywać sztuczną inteligencję w swojej codziennej pracy, podczas gdy wykonujemy bardziej ogólny plan, który wpływa na operacje w sposób całościowy w czasie.
3. Stosowanie naszego własnego rozwiązania sztucznej inteligencji generatywnej do skalowania naszego rozwoju oprogramowania dla klientów i wprowadzania ich na rynek szybciej. Już widzieliśmy zyski produktywności w zakresie od 30% do 90%, w zależności od projektu, jako bezpośredni wynik wdrożenia tej sztucznej inteligencji do dostarczania nowych usług i ofert.
4. Edukowanie naszych pracowników poprzez transformację, aby upewnić się, że jest im jasne, gdzie sztuczna inteligencja może wkroczyć i gdzie mogą one rozwijać się wraz z nią, 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, aby poinformować o głównych decyzjach kredytowych – w sposób wykładniczy. Nowe narzędzie automatycznie łączy ogromne ilości danych finansowych, aby tworzyć 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 koncentrację na ocenianiu złożonych decyzji dotyczących ryzyka.

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

Ponieważ może to potrwać dni pracy ręcznej, aby skompilować raport ryzyka, 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 z największej firmy ubezpieczeniowej w Brazylii, która wykorzystała nasze własne rozwiązanie sztucznej inteligencji do identyfikacji luk w swoim kodzie i zapobiegania atakom cybernetycznym, zanim one wystąpią.

To jest kluczowe, ponieważ duże instytucje finansowe są szczególnie narażone na hakowanie – a ta ubezpieczyciel w szczególności doświadczała dużej liczby ataków każdego dnia. Chociaż miała duży zespół poświęcony łapaniu i identyfikowaniu potencjalnych wycieków przed ich wystąpieniem, ze względu na ogromną liczbę luk, hakerzy wciąż przekraczali luki w ich obronie.

Rozwiązanie sztucznej inteligencji GFT jest w stanie identyfikować anomalie 90% szybciej niż zespoły programistów mogły wcześniej. Dodatkowo, po zidentyfikowaniu, rozwiązanie sztucznej inteligencji jest wykorzystywane do automatycznego naprawiania luk w kodzie, aby zapobiec atakom, co sprawia, że proces jest 66% szybszy niż wcześniej.

Obydwie te możliwości razem reprezentują zyski wydajności do 30% w całym cyklu życia rozwoju w zaledwie 3-4 miesiącach.

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

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

Przez lata, byłam świadkiem pierwszej ręki powszechnych wyzwań, które pojawiają się w projektach, których miałem przywilej pracować, a także nuansów bólu, z którymi zmagają się poszczególne firmy. Możliwość zobaczenia tych trendów makro i ich wpływu na branżę w ogóle, a także na poszczególne firmy, dała mi bardzo wyraźne zrozumienie, jak i gdzie stosować sztuczną inteligencję. Przez całą branżę, wyzwania takie jak pranie brudnych pieniędzy, oszustwa, identyfikacja klienta i skomplikowane raporty kredytowe, dręczą instytucje od lat.

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

Ponadto, GFT współpracuje z AWS, aby budować rozwiązania oparte na sztucznej inteligencji dla banków. W Singapurze, zbudowaliśmy niestandardowy proces przeciwdziałania praniu brudnych pieniędzy, napędzany przez sztuczną inteligencję.

Z perspektywy ogólnej strategii GFT, staram się osiągnąć odpowiednią równowagę pomiędzy rozwijaniem własnych rozwiązań sztucznej inteligencji a tymi, które budujemy dla klientów, a także naszymi długoterminowymi partnerami technologicznymi, takimi jak Google i AWS.

GFT dąży do zostania globalnym liderem w dziedzinie odpowiedzialnej sztucznej inteligencji. Jakie bariery lub ramy zarządzania wprowadzasz, aby zapewnić bezpieczeństwo, przejrzystość i zgodność z przepisami, szczególnie w sektorach o wysokim stopniu regulacji?

Różne instytucje finansowe podlegają różnym regulacjom; na razie nie ma jednej, uniwersalnej bariery, gdy chodzi o sztuczną inteligencję. Oznacza to, że aby pozostać zgodnymi i zapewnić bezpieczeństwo dla każdego klienta, dostosowujemy się do konkretnych zasad danej instytucji.

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 z przepisami.

Ponadto, dostosowujemy nasze rozwiązania do wymagań regulacyjnych różnych firm, a także przestrzegamy przepisów branżowych, takich jak RODO w Europie.

Byłeś opisywany jako lider ukierunkowany na dane i podejmujący działania. W praktyce, jak promujesz tę kulturę w całej dużej organizacji – szczególnie tej, która przechodzi szybką transformację sztucznej inteligencji?

Pierwszym krokiem w promowaniu kultury ukierunkowanej na dane w organizacji jest upewnienie się, że każdy członek zespołu rozumie korzyści 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, łatwiej jest podejmować decyzje, które są słuszne dla Twojej firmy.

Aby to zademonstrować, konieczne jest pokazanie, jak decyzje oparte na danych mogą przynieść znaczące zmiany, które korzystają wszystkim 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 ukierunkowanej na dane są jasne, łatwiej jest zespołom w całej organizacji przyjąć tę praktykę.

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

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

W sektorze produkcyjnym GFT ma silne partnerstwo z Google. Razem, przez miniony rok, wydaliśmy przypadki użycia sztucznej inteligencji specjalnie sformułowane dla producentów na ich podłogach fabrycznych.

W zeszłym roku, ogłosiliśmy wdrożenie Manufacturing Data Engine (MDE) Google Cloud, które napędza możliwości sztucznej inteligencji, takie jak inspekcja linii produkcyjnych, predykcyjna konserwacja maszyn i prognozowanie produkcji. Teraz, w tym roku, ujawniliśmy nasze następne aplikacje zbudowane na modelach Gemini Google, w tym możliwość określenia przyczyny błędów i wad, pulpity wizualne, które umożliwiają użytkownikom zapytanie danych organizacyjnych w języku naturalnym, oraz możliwość przekształcenia tysięcy ręcznych instrukcji 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 kodu i cyklu życia oprogramowania 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 do naszego następnego projektu.

Z strategicznymi partnerstwami z NVIDIA (NVDA ), 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 podłogi fabrycznej. Planujemy również wkrótce wydać przypadki użycia sztucznej inteligencji specyficzne dla finansów, które opracowaliśmy z AWS dla banków w Stanach Zjednoczonych.

Ponadto, ciągle rozwijamy nasze niezależne rozwiązanie sztucznej inteligencji generatywnej dla rozwoju oprogramowania.

Pięcioletnia strategia GFT obejmuje ambitne cele: osiągnięcie 1,5 mld euro przychodu i uznanie za lidera w dziedzinie sztucznej inteligencji. Jakie kamienie milowe lub sygnały pokażą, że firma jest naprawdę na dobrej drodze?

Nasze dwa główne cele, które są niezbędne do osiągnięcia, dotyczą kultury i rozwiązań.

Po pierwsze, musimy zmienić zarówno mentalność, jak i umiejętności techniczne wszystkich w organizacji, tak aby sztuczna inteligencja była na czele tego, jak operujemy. To nie jest ograniczone do naszego personelu technicznego; każdy członek zespołu, niezależnie od tego, czy jest to deweloper, przedstawiciel sprzedaży czy marketingu, będzie 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, mamy nadzieję zobaczyć, jak procent projektów, które mają sztuczną inteligencję wbudowaną w usługi i produkty, które dostarczamy, gwałtownie wzrośnie.

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

Wreszcie, teraz, gdy masz kilka miesięcy doświadczenia w tej roli – co najbardziej cię zaskoczyło w kulturze lub możliwościach GFT? I jaka jest jeden nieporozumienie, które ludzie wciąż mają o transformacji sztucznej inteligencji w przedsiębiorstwach, które chciałbyś sprostować?

Nie mogę wystarczająco podkreślić głębokości wiedzy usług finansowych i technicznej, która współistnieje jednocześnie w GFT. To stawia nas w pozycji, aby nie tylko wykonywać pomysły, które organizacje przychodzą do nas, ale także prowadzić je na podstawie naszego doświadczenia w pracy z bankami na całym świecie. Układamy długoterminowe wizje, które często są znacznie większe – z znacznie większym potencjałem generowania przychodu – niż to, co byliby w stanie sami wymyślić. Im więcej uczę się o przeszłej i bieżącej pracy GFT w różnych regionach, tym bardziej zdaję sobie sprawę, że jest niewiele miejsc w branży, których GFT nie dotknęło.

Powiem, że nieporozumieniem dotyczącym transformacji sztucznej inteligencji w przedsiębiorstwach jest to, że jest to tylko hype. To coś, co organizacje często lubią mówić sobie, aby dać sobie czas na to, aby to zrozumieć. Im szybciej organizacje zaakceptują, że sztuczna inteligencja jest tutaj, aby pozostać i zmienić wszystko, co robią – w dobry sposób – tym szybciej będą mogły zacząć realizować jej potencjał w małych i dużych sposóbach.

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