Cognizant Redefines Software Engineering as AI Generates 30% of Code

Cognizant Redefines Software Engineering as AI Generates 30% of Code

Cognizant Redefines Software Engineering as AI Generates 30% of Code

Cognizant has revealed that more than 30% of its software code is now generated by Artificial Intelligence, signaling a major shift from theoretical pilots to tangible production work. 

According to Singaravelu Ekambaram, SVP and Global Head of Delivery, the conversation in the enterprise world has moved beyond whether roles will change to exactly how they will be redesigned. 

As AI takes over repeatable workflows in IT, finance, and supply chains, human value is being redirected toward high-level judgment, oversight, and architectural design.

The transition from AI as a support tool to an autonomous execution layer has been driven by four primary factors: improved model reliability, mature interoperability protocols, enterprise-grade orchestration tooling, and advanced context engineering. 

Ekambaram notes that AI agents are no longer just offering insights; they are now autonomously closing service tickets, processing insurance claims, and refactoring code.

 The key differentiator for successful implementation is "context engineering," which ensures agents have access to the institutional knowledge and decision logic previously held only by experienced professionals.

Despite these advancements, "runaway autonomy" remains the most significant risk facing enterprises today. 

There is a persistent danger of non-deterministic systems taking actions without explicit decision rights, leading to unintended consequences that are difficult to audit or reverse. 

For AI to be trusted with consequential business actions, enterprises must solve the challenge of proving control—specifically defining what an agent is authorized to do and under what specific policy thresholds it must operate.

To address these risks, Cognizant advocates for a "governed autonomy by design" approach. 

This framework includes codified decision boundaries, real-time telemetry, and deterministic fail-safes such as "kill switches" and human escalation protocols. 

By using proprietary methods like MAKER to break complex reasoning into structured logic, the company aims to eliminate hallucinations and ensure that AI systems remain accountable and transparent in their execution-heavy tasks.

Ultimately, the rise of the autonomous enterprise is not viewed by Cognizant as a simple story of workforce optimization or job loss, but as a fundamental realignment of human-AI collaboration. 

The focus is shifting from merely building more powerful models to engineering trust at scale. 

As AI handles the "execution" of workflows, the future of the modern enterprise will depend on creating robust systems where identity, permissions, and separation of duties are as strictly managed for AI agents as they are for human employees.

कॉग्निजेंट ने सॉफ्टवेयर इंजीनियरिंग को फिर से परिभाषित किया क्योंकि AI 30% कोड बनाता है

कॉग्निजेंट ने बताया है कि उसका 30% से ज़्यादा सॉफ्टवेयर कोड अब आर्टिफिशियल इंटेलिजेंस से बनता है, जो थ्योरेटिकल पायलट से असल प्रोडक्शन के काम की ओर एक बड़े बदलाव का संकेत है।

सिंगरवेलु एकंबरम, SVP और डिलीवरी के ग्लोबल हेड के अनुसार, एंटरप्राइज़ की दुनिया में बातचीत इस बात से आगे बढ़ गई है कि क्या भूमिकाएँ बदलेंगी, बल्कि इस बात पर कि उन्हें कैसे फिर से डिज़ाइन किया जाएगा।

जैसे-जैसे AI IT, फाइनेंस और सप्लाई चेन में दोहराए जाने वाले वर्कफ़्लो को संभाल रहा है, इंसानी वैल्यू को हाई-लेवल जजमेंट, ओवरसाइट और आर्किटेक्चरल डिज़ाइन की ओर रीडायरेक्ट किया जा रहा है।

एक सपोर्ट टूल के तौर पर AI से एक ऑटोनॉमस एग्जीक्यूशन लेयर में बदलाव चार मुख्य वजहों से हुआ है: बेहतर मॉडल रिलायबिलिटी, मैच्योर इंटरऑपरेबिलिटी प्रोटोकॉल, एंटरप्राइज़-ग्रेड ऑर्केस्ट्रेशन टूलिंग और एडवांस्ड कॉन्टेक्स्ट इंजीनियरिंग।

एकंबरम ने बताया कि AI एजेंट अब सिर्फ़ इनसाइट्स नहीं दे रहे हैं; वे अब ऑटोनॉमसली सर्विस टिकट बंद कर रहे हैं, इंश्योरेंस क्लेम प्रोसेस कर रहे हैं और कोड को रीफैक्टर कर रहे हैं।

 सफल इम्प्लीमेंटेशन के लिए मुख्य अंतर "कॉन्टेक्स्ट इंजीनियरिंग" है, जो यह पक्का करता है कि एजेंट्स के पास इंस्टीट्यूशनल नॉलेज और डिसीजन लॉजिक का एक्सेस हो, जो पहले सिर्फ अनुभवी प्रोफेशनल्स के पास होता था।

इन तरक्की के बावजूद, "रनअवे ऑटोनॉमी" आज भी एंटरप्राइजेज के सामने सबसे बड़ा रिस्क है।

नॉन-डिटरमिनिस्टिक सिस्टम्स के बिना साफ डिसीजन राइट्स के एक्शन लेने का लगातार खतरा बना रहता है, जिससे अनचाहे नतीजे होते हैं जिन्हें ऑडिट करना या उलटना मुश्किल होता है।

AI पर नतीजे वाले बिजनेस एक्शन के लिए भरोसा करने के लिए, एंटरप्राइजेज को कंट्रोल साबित करने की चुनौती को हल करना होगा—खास तौर पर यह तय करना कि एक एजेंट क्या करने के लिए ऑथराइज्ड है और उसे किन खास पॉलिसी थ्रेशहोल्ड के तहत काम करना चाहिए।

इन रिस्क को दूर करने के लिए, कॉग्निजेंट "गवर्न्ड ऑटोनॉमी बाय डिजाइन" अप्रोच की वकालत करता है।

इस फ्रेमवर्क में कोडिफाइड डिसीजन बाउंड्रीज, रियल-टाइम टेलीमेट्री, और "किल स्विच" और ह्यूमन एस्केलेशन प्रोटोकॉल जैसे डिटरमिनिस्टिक फेल-सेफ्स शामिल हैं।

 मुश्किल रीज़निंग को स्ट्रक्चर्ड लॉजिक में बदलने के लिए MAKER जैसे प्रोप्राइटरी तरीकों का इस्तेमाल करके, कंपनी का मकसद वहम को खत्म करना और यह पक्का करना है कि AI सिस्टम अपने एग्ज़िक्यूशन-हैवी कामों में अकाउंटेबल और ट्रांसपेरेंट रहें।

आखिरकार, ऑटोनॉमस एंटरप्राइज़ के बढ़ने को कॉग्निजेंट वर्कफ़ोर्स ऑप्टिमाइज़ेशन या नौकरी जाने की एक सिंपल कहानी के तौर पर नहीं देखता, बल्कि ह्यूमन-AI कोलेबोरेशन के एक बेसिक रीअलाइनमेंट के तौर पर देखता है।

फ़ोकस सिर्फ़ ज़्यादा पावरफ़ुल मॉडल बनाने से हटकर बड़े पैमाने पर इंजीनियरिंग ट्रस्ट पर शिफ्ट हो रहा है।

जैसे AI वर्कफ़्लो के "एग्ज़िक्यूशन" को हैंडल करता है, मॉडर्न एंटरप्राइज़ का भविष्य ऐसे मज़बूत सिस्टम बनाने पर निर्भर करेगा जहाँ AI एजेंट के लिए आइडेंटिटी, परमिशन और कामों का सेपरेशन उतनी ही सख़्ती से मैनेज किया जाए जितना कि ह्यूमन एम्प्लॉई के लिए।

AI 30% కోడ్‌ను రూపొందించడంతో కాగ్నిజెంట్ సాఫ్ట్‌వేర్ ఇంజనీరింగ్‌ను పునర్నిర్వచిస్తోంది

కాగ్నిజెంట్ తన సాఫ్ట్‌వేర్ కోడ్‌లో 30% కంటే ఎక్కువ ఇప్పుడు ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ ద్వారా రూపొందించబడుతోందని వెల్లడించింది. ఇది సైద్ధాంతిక ప్రయోగాల నుండి స్పష్టమైన ఉత్పత్తి పని వైపు ఒక పెద్ద మార్పును సూచిస్తుంది.

సీనియర్ వైస్ ప్రెసిడెంట్ మరియు గ్లోబల్ హెడ్ ఆఫ్ డెలివరీ అయిన సింగరవేలు ఏకాంబరం ప్రకారం, ఎంటర్‌ప్రైజ్ ప్రపంచంలో పాత్రలు మారుతాయా లేదా అనే చర్చను దాటి, వాటిని ఖచ్చితంగా ఎలా పునఃరూపకల్పన చేస్తారు అనే దానిపై చర్చ జరుగుతోంది.

ఐటీ, ఫైనాన్స్ మరియు సప్లై చైన్‌లలో పునరావృతమయ్యే వర్క్‌ఫ్లోలను AI స్వాధీనం చేసుకుంటున్నందున, మానవ విలువ ఉన్నత-స్థాయి నిర్ణయం, పర్యవేక్షణ మరియు ఆర్కిటెక్చరల్ డిజైన్ వైపు మళ్లించబడుతోంది.

AI ఒక సహాయక సాధనం నుండి స్వయంప్రతిపత్తి గల ఎగ్జిక్యూషన్ లేయర్‌గా మారడానికి నాలుగు ప్రాథమిక కారకాలు దోహదపడ్డాయి: మెరుగైన మోడల్ విశ్వసనీయత, పరిణతి చెందిన ఇంటర్‌ఆపరేబిలిటీ ప్రోటోకాల్‌లు, ఎంటర్‌ప్రైజ్-గ్రేడ్ ఆర్కెస్ట్రేషన్ టూలింగ్ మరియు అధునాతన కాంటెక్స్ట్ ఇంజనీరింగ్.

AI ఏజెంట్లు ఇకపై కేవలం అంతర్దృష్టులను అందించడమే కాకుండా, అవి ఇప్పుడు స్వయంప్రతిపత్తితో సర్వీస్ టిక్కెట్లను మూసివేయడం, బీమా క్లెయిమ్‌లను ప్రాసెస్ చేయడం మరియు కోడ్‌ను రీఫ్యాక్టరింగ్ చేయడం వంటివి చేస్తున్నాయని ఏకాంబరం పేర్కొన్నారు.

 విజయవంతమైన అమలుకు కీలకమైన భేదకారి "కాంటెక్స్ట్ ఇంజనీరింగ్". ఇది, ఇంతకుముందు అనుభవజ్ఞులైన నిపుణుల వద్ద మాత్రమే ఉండే సంస్థాగత పరిజ్ఞానం మరియు నిర్ణయ తర్కాన్ని ఏజెంట్లు పొందేలా నిర్ధారిస్తుంది.

ఈ పురోగతులు ఉన్నప్పటికీ, నేడు సంస్థలు ఎదుర్కొంటున్న అత్యంత ముఖ్యమైన ప్రమాదం "అదుపులేని స్వయంప్రతిపత్తి"గానే మిగిలిపోయింది.

నిర్దిష్ట నిర్ణయాధికారాలు లేకుండా అనిర్దిష్ట వ్యవస్థలు చర్యలు తీసుకునే ప్రమాదం నిరంతరం పొంచి ఉంది. ఇది, ఆడిట్ చేయడానికి లేదా వెనక్కి మార్చడానికి కష్టంగా ఉండే అనుకోని పరిణామాలకు దారితీస్తుంది.

పర్యవసానకరమైన వ్యాపార చర్యల విషయంలో AIని విశ్వసించాలంటే, సంస్థలు నియంత్రణను నిరూపించే సవాలును పరిష్కరించాలి—ప్రత్యేకంగా, ఒక ఏజెంట్ ఏమి చేయడానికి అధికారం కలిగి ఉంది మరియు ఏ నిర్దిష్ట పాలసీ పరిమితుల కింద అది పనిచేయాలి అనేదాన్ని నిర్వచించాలి.

ఈ ప్రమాదాలను పరిష్కరించడానికి, కాగ్నిజెంట్ "డిజైన్ ద్వారా నియంత్రించబడే స్వయంప్రతిపత్తి" (గవర్న్డ్ అటానమీ బై డిజైన్) విధానాన్ని సమర్థిస్తుంది.

ఈ ఫ్రేమ్‌వర్క్‌లో క్రోడీకరించబడిన నిర్ణయ సరిహద్దులు, రియల్-టైమ్ టెలిమెట్రీ, మరియు "కిల్ స్విచ్‌లు" మరియు హ్యూమన్ ఎస్కలేషన్ ప్రోటోకాల్స్ వంటి నిర్ధారిత ఫెయిల్-సేఫ్‌లు ఉంటాయి.

 MAKER వంటి యాజమాన్య పద్ధతులను ఉపయోగించి సంక్లిష్టమైన తార్కికతను క్రమబద్ధమైన తర్కంగా విభజించడం ద్వారా, భ్రమలను తొలగించి, AI వ్యవస్థలు వాటి అమలు-భారమైన పనులలో జవాబుదారీగా మరియు పారదర్శకంగా ఉండేలా చూడాలని కంపెనీ లక్ష్యంగా పెట్టుకుంది.

అంతిమంగా, స్వయంప్రతిపత్తి గల సంస్థల ఆవిర్భావాన్ని కాగ్నిజెంట్ కేవలం శ్రామిక శక్తిని ఆప్టిమైజ్ చేయడం లేదా ఉద్యోగాలు కోల్పోవడం వంటి సాధారణ కథగా కాకుండా, మానవ-AI సహకారంలో ఒక ప్రాథమిక పునఃసర్దుబాటుగా చూస్తుంది.

కేవలం మరింత శక్తివంతమైన నమూనాలను నిర్మించడం నుండి, పెద్ద ఎత్తున విశ్వాసాన్ని పెంపొందించడం వైపు దృష్టి మారుతోంది.

AI వర్క్‌ఫ్లోల 'అమలు'ను నిర్వహిస్తున్నందున, మానవ ఉద్యోగులకు గుర్తింపు, అనుమతులు మరియు విధుల విభజనను ఎంత కఠినంగా నిర్వహిస్తారో, AI ఏజెంట్లకు కూడా అంతే కఠినంగా నిర్వహించే పటిష్టమైన వ్యవస్థలను సృష్టించడంపై ఆధునిక సంస్థల భవిష్యత్తు ఆధారపడి ఉంటుంది.