Риши Чохан, генеральный директор GFT Technologies в США – Серия интервью

Риши Чохан, генеральный директор GFT Technologies в США, является опытным лидером цифровой трансформации с более чем 20-летним опытом работы в сфере программного обеспечения и услуг, включая роли в Ernst & Young и SoftServe. С момента вступления в должность в 2025 году он сосредоточился на масштабировании стратегии GFT, основанной на ИИ, на территории США, укрепляя связи с финансовыми учреждениями, производителями и технологическими партнерами, а также модернизируя устаревшие системы для готовности к ИИ.

GFT Technologies – это глобальная компания, специализирующаяся на цифровой трансформации и разработке программного обеспечения, с упором на ИИ, модернизацию облачных технологий и инновации платформ для банковского, страхового и производственного секторов. Основанная в 1987 году и работающая в более чем 20 странах, GFT объединяет более 12 000 профессионалов. Ее работа руководствуется пятью основными ценностями: забота, приверженность, сотрудничество, смелость и креативность.

Вы возглавили трансформации в крупных учреждениях, таких как EY и SoftServe, но вступление в должность генерального директора GFT в США в период значительных изменений, связанных с ИИ, представляет собой уникальную задачу. Что лично привлекло вас к этой возможности, и что вас больше всего вдохновляет в формировании следующей главы GFT?

С самого начала моих разговоров с GFT я понял, что компания находится в позиции, позволяющей ей решать общие отраслевые проблемы по-разному, чем даже наиболее устоявшиеся игроки цифровой трансформации. Было ясно, что компания является мощной силой в финансовых услугах, как с точки зрения технической экспертизы, так и, возможно, даже более важной, глубоких знаний отрасли. Команда, с которой я буду работать, обладает знаниями, которые могут даже превосходить знания самих финансовых учреждений.

Когда мы продолжали разговор, я быстро сформировал видение того, как я подойду к этой возможности трансформации финансовых услуг для их собственного будущего с ИИ, одновременно с тем, как GFT проходит через свою собственную трансформацию, ориентированную на ИИ.

Теперь, после нескольких месяцев работы в организации, я подтвердил свои первоначальные подозрения: тот факт, что мы находимся на пересечении технической экспертизы, глубоких финансовых знаний и обширного опыта ИИ, ставит нас в уникальную позицию для переосмысления устаревших бизнес-моделей и подходов – либо с нуля, либо поэтапно. Это подход “выберите свое приключение” к нарушению отрасли, которая готова к нарушению, и я счастлив быть частью этого.

GFT находится в середине пятилетнего пути к становлению полностью ориентированной на ИИ компанией. Внутри компании что это выглядит как на данный момент?

Есть четыре основных направления, которые мы решаем. В широких чертах, это:

1. Аудит наших процессов и операций, чтобы определить, как и где ИИ может повысить эффективность команд.
2. Определение возможностей для капитализации в краткосрочной перспективе, а также того, что нам нужно строить для долгосрочной перспективы. Это включает в себя выявление областей, где сотрудники могут использовать ИИ в своей повседневной работе сейчас, а также выполнение более широкой дорожной карты, которая влияет на операции в целом со временем.
3. Применение нашего собственного проприетарного решения генеративного ИИ для масштабирования разработки программного обеспечения для наших клиентов и вывода их на рынок быстрее. Мы уже видели повышение производительности в диапазоне от 30% до 90%, в зависимости от проекта, в результате реализации этого ИИ для доставки новых услуг и предложений.
4. Обучение наших сотрудников во время перехода, чтобы убедиться, что им ясно, где ИИ может вмешаться и где они могут расти с ним, чтобы поддержать эволюцию компании.

Можете ли вы поделиться конкретными примерами или кейсами, которые иллюстрируют влияние решения генеративного ИИ GFT, особенно в финансовых услугах?

Хороший недавний пример, на который я могу сослаться, – это новое решение, которое мы разработали для банков и частных капитальных фирм. Мы построили генеративный ИИ-ассистент, который оценивает кредитный риск, чтобы информировать крупные решения о кредитовании – в экспоненциальной масштабе. Новый инструмент автоматически собирает огромные объемы финансовых данных, чтобы создать кредитные отчеты, сокращая сроки с часов и даже дней до нескольких минут, а также обеспечивающие соблюдение требований. За счет экономии времени на создании отчетов (мы говорим 40%, но это консервативная оценка) кредитные аналитики теперь могут увеличить свою концентрацию на оценке сложных решений о риске.

Это решение большой проблемы, учитывая, что в кредитной отрасли каждая секунда на счету – но слишком быстрое действие может привести к человеческим ошибкам, и одна недосмотренность может повлиять на крупные решения о кредитовании.

Поскольку на составление отчета о риске может уйти несколько дней ручной работы, единственный способ, которым компании исторически могли действовать быстрее – без перегрузки работников и риска ошибок – был масштабировать команды. Теперь, с этим новым генеративным ИИ-подходом, финансовые учреждения могут принимать решения о кредитовании быстрее с большей уверенностью.

Другой недавний пример исходит от крупнейшей страховой компании в Бразилии, которая использовала наше проприетарное ИИ-инструмент для выявления уязвимостей в своем коде и предотвращения кибератак до их发生.

Это критически важно, поскольку крупные финансовые учреждения особенно уязвимы для хакеров – и эта страховая компания в частности испытывала несколько атак каждый день. Хотя у них была большая команда, посвященная поимке и выявлению потенциальных утечек до их возникновения, из-за огромного количества уязвимостей хакеры все еще проникали через бреши в их обороне.

Решение ИИ GFT смогло выявить аномалии на 90% быстрее, чем могли команды разработчиков ранее. Кроме того, после выявления ИИ-решение используется для автоматического исправления уязвимостей в коде, предотвращая атаки, что делает процесс на 66% быстрее, чем раньше.

Обе эти возможности вместе представляют собой повышение эффективности до 30% в общем цикле разработки за всего несколько месяцев.

С вашим опытом руководства проектами для топовых банков, таких как JPMC, Morgan Stanley (MS ) и Citibank, как вы адаптируете стратегию ИИ GFT к гиперспецифическим потребностям финансовых учреждений США?

Из моей работы с топовыми банками и внутри различных аспектов финансового пространства я четко вижу потенциал, который представляет ИИ для финансовых учреждений. Знания, которые я привношу в GFT, дополняют собственный 35-летний опыт компании в финансовом секторе.

За годы я сталкивался с общими проблемами, которые возникают на протяжении проектов, над которыми мне посчастливилось работать, а также с нюансированными болевыми точками, с которыми сталкиваются отдельные компании. Благодаря этому я получил очень четкое представление о том, где и как применять ИИ. Во всем спектре проблем, таких как отмывание денег, мошенничество, идентификация клиентов и сложные кредитные отчеты, которые мучили учреждения в течение лет.

Например, GFT внедряет Google Vertex AI в один из ведущих банков, чтобы повысить его способности к обнаружению мошенничества. Несмотря на то, что технология обычно не используется для этой цели, учреждение нуждалось в решении, которое можно было легко интегрировать в его сложные системы. Чтобы поддержать эту просьбу, GFT помогает банку обучить Google Vertex на общих закономерностях, чтобы выявить потенциальное мошенничество и спровоцировать действие, чтобы предотвратить его.

Кроме того, GFT работает с AWS над созданием ИИ-решений для банков. В Сингапуре мы построили индивидуальный антиотмывочный процесс, управляемый ИИ.

С точки зрения общей стратегии GFT я работаю над нахождением правильного баланса между продвижением наших собственных проприетарных решений ИИ и теми, которые мы строим для клиентов вместе с нашими долгосрочными технологическими партнерами, такими как Google и AWS.

GFT стремится стать глобальным лидером в области ответственного ИИ. Какие ограничители или рамки управления вы устанавливаете, чтобы обеспечить безопасность, прозрачность и соответствие требованиям регулирования, особенно в высокорегулируемых секторах?

Различные финансовые учреждения следуют разным правилам; на данный момент не существует универсального ограничителя, когда речь идет об ИИ. Это означает, что, чтобы оставаться в соответствии и обеспечить безопасность для каждого клиента, мы адаптируемся к конкретным правилам организации.

Решения, которые мы предоставляем, легко адаптируются. Перед запуском мы убеждаемся, что мы знакомы с правилами и требованиями, связанными с этой конкретной организацией, и адаптируем решение, чтобы оно соответствовало их среде. Таким образом, никогда не возникают проблемы безопасности или соответствия требованиям регулирования.

Помимо адаптации наших решений к различным требованиям регулирования мы также следуем отраслевым правилам, таким как GDPR в Европе.

Вы были описаны как лидер, ориентированный на данные и действия. На практике, как вы культивируете эту культуру по всей большой организации – особенно той, которая проходит через быструю трансформацию ИИ?

Первый шаг в культивировании культуры, ориентированной на данные, по всей организации, заключается в обеспечении того, чтобы каждый член понимал выгоду от работы таким образом.

Чтобы успешно управлять бизнесом, командам необходимо иметь доступ к организационным данным. Это дает внутренний взгляд на то, что работает, а что нет, и может дать прогнозы вероятных результатов для различных сценариев. Вооруженные этими данными, намного проще принимать решения, которые правильны для вашей компании.

Чтобы продемонстрировать это, важно руководить примером и показать, как решения, основанные на данных, могут принести значительные изменения, которые приносят пользу всем в организации. Например, если данные о продажах показывают, что коэффициент конверсии низок, мы знаем, что это область, которая требует внимания, и можем создать стратегию для решения этой проблемы. Как только полезные результаты культуры, ориентированной на данные, становятся ясными, командам по всей организации проще без проблем принять эту практику.

Особенно когда мы проходим через быструю трансформацию ИИ, данные имеют решающее значение для понимания того, как работает изменение и где могут быть области для улучшения.

За пределами банковского сектора, как GFT применяет свою стратегию ИИ к другим секторам, таким как производство? Есть ли уникальные проблемы или возможности в переводе знаний финансового сектора на промышленные применения?

В производственной отрасли GFT имеет сильное партнерство с Google. Вместе за последний год мы выпускали кейсы ИИ, специально разработанные для производственных предприятий.

В прошлом году мы объявили о реализации Manufacturing Data Engine (MDE) от Google Cloud, который обеспечил ИИ-возможности, такие как визуальный осмотр производственной линии, прогностическое обслуживание машин и прогнозирование производства. Теперь в этом году мы представили наш следующий набор приложений, построенных на моделях Gemini от Google, включая возможность определения коренной причины ошибок и дефектов, визуальные панели, которые позволяют пользователям запросить данные организации в естественном языке, и возможность преобразования тысяч руководств по обучению машин в видео-демонстрации, ведущиеся аватарами.

Когда речь идет о переводе знаний из финансового сектора на промышленные применения, это менее связано с отраслью самой по себе и больше с открытиями в коде. В каждой отрасли знания о разработке кода и циклах жизни программного обеспечения важны и переносимы – код может создавать и выполнять разные задачи, но определенные препятствия или проблемы с разработкой программного обеспечения являются универсальными. Мы используем то, что мы узнаем в каждом проекте, будь то для финансовых учреждений или производителей, чтобы принести более глубокие знания в наш следующий проект.

С стратегическими партнерствами с NVIDIA (NVDA ), AWS и Google Cloud, что вы видите как следующую эволюцию подхода GFT к экосистеме? Будут ли вертикально-специфические продукты ИИ разрабатываться совместно или независимо?

Мы уже начали и совместную разработку, и независимое создание решений ИИ. Кейсы ИИ для производства, которые мы выпустили с Google Cloud, – это только начало нашей работы по автоматизации производственной линии. Мы также планируем выпустить финансово-специфические кейсы ИИ, которые мы разработали с AWS для банков США.

Кроме того, мы постоянно расширяем наше независимо построенное генеративное решение ИИ для разработки программного обеспечения.

Пятилетняя стратегия GFT включает смелые цели: достижение выручки в 1,5 миллиарда евро и признание лидером в области ИИ. Когда вы смотрите вперед на 2029 год, какие вехи или сигналы покажут вам, что компания действительно на правильном пути?

Наши два основных ориентира, которые имеют решающее значение для достижения, связаны с культурой и решениями.

Во-первых, мы должны изменить как мышление, так и жесткие навыки каждого человека в организации, чтобы ИИ был в центре того, как мы работаем. Это не ограничивается нашим техническим персоналом; каждый член команды, будь то разработчик, представитель продаж или маркетолог, будет полностью обучен на использовании наших решений ИИ.

Во-вторых, мы измеряем успех по высокоценным услугам, которые мы доставляем нашим клиентам. В течение следующих пяти лет мы надеемся увидеть взрывной рост процента проектов, в которые ИИ встроен как в услуги, так и в продукты, которые мы доставляем.

Мы уже видели значительный прогресс на обоих фронтах, с большой частью нашего персонала, уже обученного и использующего ИИ внутри, а также с растущим ИИ-элементом в проектах, в которых мы участвуем. Эти базовые цели имеют решающее значение для создания прочного фундамента. В GFT мы знаем, что ИИ будет продолжать развиваться в ближайшие годы, и единственный способ оставаться впереди – подготовиться сейчас.

Наконец, теперь, когда вы провели несколько месяцев на посту – что вас больше всего удивило в культуре или возможностях GFT? И какое заблуждение о трансформации ИИ в корпоративном секторе вы хотели бы исправить?

Я не могу достаточно подчеркнуть глубину финансовых услуг и технической экспертизы, которые сосуществуют одновременно в GFT. Это ставит нас в позицию, чтобы не только выполнять идеи, которые организации приходят к нам, но и руководить ими на основе нашего опыта работы с банками по всему миру. Мы разрабатываем долгосрочные видения, которые часто намного больше – с намного большим потенциалом генерации дохода – чем то, что они бы придумали самостоятельно. Когда я продолжаю узнавать о прошлой и текущей работе GFT по регионам, я понимаю, что есть немногие области в отрасли, которые GFT не затронула.

Я бы сказал, что заблуждение об трансформации ИИ в корпоративном секторе заключается в том, что это все шумиха. Это то, что организации часто говорят себе, чтобы дать себе время, чтобы разобраться. Чем раньше организации примут, что ИИ здесь, чтобы остаться, и изменит все, что они делают – в хорошем смысле – тем раньше они смогут начать осознавать его потенциал как в небольших, так и в больших масштабах.

Спасибо за отличное интервью. Читателям, которые хотят узнать больше, следует посетить GFT Technologies.