Ріші Чохан, генеральний директор GFT Technologies в США – Серія інтерв’ю

Ріші Чохан, генеральний директор GFT Technologies в США, – досвідчений лідер цифрової трансформації з понад 20-річним досвідом у сфері програмного забезпечення та послуг, включаючи ролі в Ernst & Young і SoftServe. З моменту призначення на посаду у 2025 році він зосередився на розширенні стратегії GFT, орієнтованої на штучний інтелект, по всій території США, зміцнюючи зв’язки з фінансовими установами, виробниками та технологічними партнерами, а також модернізуючи старі системи для підготовки до штучного інтелекту.

GFT Technologies – глобальна компанія цифрової трансформації та інженерії програмного забезпечення, що спеціалізується на штучному інтелекті, модернізації хмарних технологій та платформових інноваціях для банківського, страхового та виробничого секторів. Заснована у 1987 році та діють у понад 20 країнах, GFT об’єднує понад 12 000 фахівців. Її діяльність керується п’ятьма основними цінностями: турботливістю, зобов’язанням, співробітництвом, сміливістю та креативністю.

Ви керували трансформаціями в великих установах, таких як EY і SoftServe, але вступ на посаду генерального директора GFT в США під час поворотного моменту штучного інтелекту – це унікальний виклик. Що особисто привабило вас до цієї можливості, і що вас найсильніше надихає щодо формування наступної глави GFT?

Від самого початку моїх розмов з GFT я зрозумів, що компанія знаходиться в позиції, щоб атакувати загальні промислові виклики зовсім по-іншому, ніж навіть найбільш встановлені гравці цифрової трансформації. Було ясно, що компанія є потужністю фінансових послуг, як у плані технічної експертизи, так і, можливо, навіть більш важливо, глибоких знань галузі. Команда, з якою я мав би працювати, мала знання, яке навіть перевершувало знання самих фінансових установ.

Як ми продовжували розмову, я швидко сформував бачення того, як я підійду до цієї можливості трансформувати фінансові послуги для їхнього власного майбутнього штучного інтелекту, тоді як GFT одночасно проходить свою власну трансформацію, орієнтовану на штучний інтелект.

Тепер, після того як я провів кілька місяців роботи в організації, я підтвердив свої початкові підозри: те, що ми знаходимося на перетині технічної експертизи, глибоких фінансових знань та широкого досвіду штучного інтелекту, ставить нас у дуже унікальну позицію для винаходу нових моделей бізнесу та підходів – або з нуля, або поетапно. Це підхід “виберіть свою власну пригоду” до порушення галузі, яка готова до порушення, і я радий бути частиною цього.

GFT знаходиться в процесі п’ятирічної трансформації для ставання повністю компанією, орієнтованою на штучний інтелект. Внутрішньо, що це виглядає зараз?

Є чотири основні напрямки, яких ми займаємося. У широких мазках, це:

1. Аудит наших процесів та операцій для визначення того, як і де штучний інтелект може підвищити ефективність команди.
2. Визначення можливостей для капіталізації в короткостроковій перспективі, а також того, що нам потрібно будувати для довгострокової перспективи. Це включає виявлення областей, де співробітники можуть використовувати штучний інтелект у своїй повсякденній роботі зараз, тоді як ми виконуємо більш загальну дорожню карту, яка впливає на операції в цілому з часом.
3. Застосування нашого власного пропріетарного рішення штучного інтелекту для масштабування розробки програмного забезпечення для наших клієнтів і швидшого виходу на ринок. Ми вже побачили підвищення продуктивності в діапазоні від 30% до 90%, залежно від проекту, внаслідок безпосереднього впровадження цього штучного інтелекту для надання нових послуг і пропозицій.
4. Освіта наших співробітників під час переходу для забезпечення того, щоб їм було ясно, де штучний інтелект може втрутитися, і де вони можуть розвиватися разом з ним для підтримки еволюції компанії.

Чи можете ви поділитися конкретними прикладами або випадками, які демонструють вплив рішення штучного інтелекту GFT, особливо в сфері фінансових послуг?

Хороший недавній випадок, на який я можу вказати, – це нове рішення, яке ми розробили для банків і приватних капітальних фірм. Ми створили генеративний штучний інтелект, який оцінює кредитний ризик для інформування великих рішень щодо кредитування – у експоненційному масштабі. Новий інструмент автоматично збирає величезну кількість фінансових даних для створення звітів про кредитний ризик, скорочуючи терміни з годин і навіть днів до лічених хвилин, забезпечуючи при цьому дотримання вимог законодавства. Заощаджуючи час на створенні звітів (ми кажемо 40%, але це консервативна оцінка), аналітики кредитного ризику тепер можуть збільшити свою увагу на оцінці складних ризикових рішень.

Це вирішення великої проблеми, якщо враховувати, що в галузі кредитування кожна секунда нараховується – але надто швидке рух вперед може привести до людської помилки, а одна помилка може вплинути на великі рішення щодо кредитування.

Бо створення звітів про ризик може зайняти дні ручної праці, єдиним способом рухатися швидше без перевантаження працівників і ризику помилок було розширення команд. Тепер, завдяки цьому новому генеративному підходу штучного інтелекту, фінансові установи можуть приймати рішення щодо кредитування швидше з вищою впевненістю.

Інший недавній приклад походить від найбільшої страхової компанії в Бразилії, яка використала наш пропріетарний інструмент штучного інтелекту для виявлення уразливостей у своєму коді та запобігання кібератакам до того, як вони трапляться.

Це критично, оскільки великі фінансові установи особливо вразливі до хакерів – і ця страхова компанія конкретно переживала ряд атак щодня. Хоча в них була велика команда, присвячена виявленню та ідентифікації потенційних витоків до того, як вони трапляться, через величезну кількість уразливостей хакери все одно проривалися крізь тріщини в їхніх захистах.

Рішення штучного інтелекту GFT змогло виявити аномалії на 90% швидше, ніж це могли зробити команди розробників раніше. Крім того, після виявлення штучний інтелект використовується для автоматичного виправлення уразливостей у коді для запобігання атакам, роблячи процес на 66% швидшим, ніж раніше.

Обидві ці можливості разом представляли підвищення ефективності до 30% у загальному життєвому циклі розробки за лічені місяці.

З вашим досвідом керівництва проектами для топових банків, таких як JPMC, Morgan Stanley (MS ) і Citibank, як ви адаптуєте стратегію штучного інтелекту GFT для задоволення гіперспецифічних потреб фінансових установ США?

З моєї роботи з топовими банками та у різних аспектах фінансової сфери я ясно бачу потенціал, який представляє штучний інтелект для фінансових установ. Знання, яке я привношу до GFT, доповнює власний 35-річний досвід компанії у фінансовій сфері.

За роки я бачив на власні очі загальні виклики, які виникають у проектах, над якими я мав привілей працювати, а також нюансовані болі, з якими стикаються окремі компанії. Маючи можливість бачити ці макро-тренди та те, як вони впливають як на галузь в цілому, так і на окремі компанії, це дало мені дуже ясне розуміння того, де і як застосовувати штучний інтелект. По всій території проблеми, такі як відмивання грошей, шахрайство, ідентифікація клієнтів та складні кредитні звіти, тривалий час турбували установи.

Наприклад, GFT вводить Google Vertex AI у один з провідних банків для покращення виявлення шахрайства. Навіть якщо технологія зазвичай не використовується для цієї мети, установа потребувала рішення, яке можна було легко інтегрувати до її складних систем. Для підтримки цього запиту GFT допомагає банку навчати Google Vertex на загальних моделях для виявлення потенційного шахрайства та запуску дій для його запобігання.

Крім того, GFT працює з AWS над створенням рішень, орієнтованих на штучний інтелект, для банків. У Сінгапурі ми створили процес боротьби з відмиванням грошей, керований штучним інтелектом.

З точки зору загальної стратегії GFT я працюю над тим, щоб знайти правильний баланс між просуванням наших власних пропріетарних рішень штучного інтелекту та тих, які ми будемо створювати для клієнтів поряд з нашими довгостроковими технологічними партнерами, такими як Google та AWS.

GFT має на меті стати глобальним лідером у сфері відповідального штучного інтелекту. Які перехідні або управлінські рамки ви впроваджуєте для забезпечення безпеки, прозорості та відповідності нормативним вимогам, особливо у високорегульованих галузях?

Різні фінансові установи слідують різним нормативним вимогам; зараз немає універсальної перехідної рамки, коли йдеться про штучний інтелект. Це означає, що для того, щоб залишатися відповідними та забезпечувати безпеку для кожного клієнта, ми пристосовується до конкретних правил кожної організації та регулюємо рішення для відповідності їхньому середовищу. Таким чином, ніколи не виникають питання безпеки чи нормативні проблеми.

Крім того, ми слідуємо галузевим нормативним вимогам, таким як GDPR у Європі.

Вас описують як лідера, орієнтованого на дані та дії. На практиці, як ви культивуєте цю культуру по всій великій організації – особливо тієї, яка проходить швидку трансформацію штучного інтелекту?

Перший крок у культивуванні культури, орієнтованої на дані, по всій організації полягає в тому, щоб кожен член команди зрозумів вигоди від роботи в такому стилі.

Для успішної роботи бізнесу командам потрібно мати доступ до організаційних даних. Це дає внутрішній погляд на те, що працює, а що ні, і може дати прогнози ймовірних результатів для різних сценаріїв. Збезпечені цими даними, значно легше приймати рішення, які правильні для вашої компанії.

Для демонстрації цього потрібно показати прикладом, як рішення, орієнтовані на дані, можуть принести значні зміни, які приносять користь усім у організації. Наприклад, якщо дані про продажі показують, що рівень конверсії низький, ми знаємо, що це область, яка потребує уваги, і можемо створити стратегію для вирішення цього виклику. Як тільки корисні результати культури, орієнтованої на дані, стають ясними, легше командам по всій організації безперешкодно прийняти цю практику.

Особливо під час швидкої трансформації штучного інтелекту дані є життєво важливими для розуміння того, як трансформація відбувається, і де можуть бути області для покращення.

Поза банківською сферою, як GFT застосовує свою стратегію штучного інтелекту до інших галузей, таких як виробництво? Чи є унікальні виклики чи можливості у перекладі знань фінансової сфери на промислові застосування?

У галузі виробництва GFT має сильне партнерство з Google. Разом протягом останнього року ми випускаємо випадки використання штучного інтелекту, спеціально розроблені для виробничих підприємств.

Минулого року ми оголосили про впровадження Manufacturing Data Engine (MDE) від Google Cloud, яке забезпечило можливості штучного інтелекту, такі як візуальний контроль виробничої лінії, передбачувальне технічне обслуговування машин та прогнозування виробництва. Тепер, цього року, ми представили наш наступний набір застосунків, побудованих на основі моделей Gemini від Google, включаючи можливість визначення кореневої причини помилок та дефектів, візуальні панелі, які дозволяють користувачам запитувати організаційні дані природною мовою, та можливість перетворення тисяч навчальних посібників з машин на відеодемонстрації, керовані аватарами.

Якщо говорити про переклад знань фінансової сфери на промислові застосування, то це менше пов’язано з самою галуззю, а більше з відкриттями в коді. У кожній галузі знання про розвиток коду та життєвий цикл програмного забезпечення важливі та переносимі – код може створювати та робити різні речі, але певні перепони чи виклики з розробкою програмного забезпечення є універсальними. Ми використовуємо те, що ми дізнаємося в кожному проекті, незалежно від того, чи це фінансові установи, чи виробники, щоб принести глибші знання до нашого наступного проекту.

З стратегічними партнерствами з NVIDIA (NVDA ), AWS та Google Cloud, що ви бачите як наступну еволюцію підходу GFT до екосистеми? Будуть розроблені вертикально-специфічні продукти штучного інтелекту спільно чи незалежно?

Ми вже розпочали спільну розробку та незалежну побудову рішень штучного інтелекту. Випущені нами випадки використання штучного інтелекту для виробництва з Google Cloud – це лише початок нашої роботи з автоматизації виробничої лінії. Ми також плануємо випустити фінансово-специфічні випадки використання штучного інтелекту, які ми розробили з AWS для банків США.

Крім того, ми продовжимо розширювати нашу незалежну розробку генеративного рішення штучного інтелекту для розробки програмного забезпечення.

П’ятирічна стратегія GFT включає амбіційні цілі: досягнення доходу в €1,5 млрд та визнання лідером у сфері штучного інтелекту. Як ви бачите, які орієнтири чи сигнали будуть свідчити про те, що компанія дійсно на правильному шляху?

Наші дві основні цілі, які є важливими для досягнення, пов’язані з культурою та рішеннями.

По-перше, ми повинні змінити як спосіб мислення, так і твердих навичок кожного члена організації, щоб штучний інтелект був на передньому плані того, як ми працюємо. Це не обмежується лише нашими технічними працівниками; кожен член команди, незалежно від того, чи є він розробником, представником продажів чи маркетологом, буде повністю навчений на використання наших рішень штучного інтелекту.

По-друге, ми вимірюємо успіх за високоцінними послугами, які ми надаємо нашим клієнтам. У наступні п’ять років ми сподіваємося побачити, як відсоток проектів, у яких штучний інтелект закладений як у послуги, так і у продукти, які ми доставляємо, стрімко зростатиме.

Ми вже побачили значний прогрес у обох напрямках, з великою частиною нашого персоналу, який вже пройшов навчання та використовує штучний інтелект внутрішньо, а також зростаючим елементом штучного інтелекту в проектах, у яких ми займаємося. Ці базові цілі є важливими для створення міцної основи. У GFT ми знаємо, що штучний інтелект продовжить еволюціонувати в майбутньому, і єдиний спосіб залишатися попереду нього – це готуватися зараз.

Нарешті, тепер, коли ви провели кілька місяців на посаді, – що вас найсильніше здивувало щодо культури або можливостей GFT? І яка одна помилкова думка про трансформацію штучного інтелекту в підприємствті, яку ви хотіли б спростувати?

Я не можу наголосити достатньо глибину фінансових послуг та технічної експертизи, яка співіснує одночасно в GFT. Це ставить нас у позицію не лише виконувати ідеї, які організації приходять до нас, але й спрямовувати їх на основі нашого досвіду роботи з банками по всьому світу. Ми розкладаємо довгострокові видіння, які часто значно більші – з більшим потенціалом генерації доходу – ніж те, що вони могли б придумати самостійно. Як я продовжую дізнаватися про минулу та поточну роботу GFT у різних регіонах, я розумію, що є небагато місць у галузі, які GFT не торкнулася.

Я сказав би, що одна з помилкових думок про трансформацію штучного інтелекту в підприємствах полягає в тому, що це все просто гіп. Це щось, що організації часто кажуть собі, щоб придбати час для того, щоб розібратися. Чим швидше організації приймуть, що штучний інтелект залишається і змінює все, чим вони займаються, – у добрий спосіб, – тим швидше вони зможуть почати розуміти його потенціал як у малих, так і у великих масштабах.

Дякую за велике інтерв’ю. Читачам, які бажають дізнатися більше, рекомендуємо відвідати GFT Technologies.