Atlassian schaalt AI-engineering op met Jira

Uit een recent AI SDLC-onderzoek van Atlassian blijkt dat hoewel 94 procent van de IT-leiders aangeeft AI-tools te gebruiken, slechts 6 procent beschikt over de juiste systemen om deze technologie op een gecontroleerde manier over het gehele ontwikkelproces te schalen. Softwareteams lopen bij de overstap van incidentele AI-prompts naar continue AI-workflows tegen knelpunten op rondom context, governance en het meten van het daadwerkelijke rendement.

Context als sleutel tot effectieve AI-agents

Volgens Atlassian missen autonome ontwikkelaars-agents vaak de nodige institutionele kennis. Zonder inzicht in architectuurbeslissingen, project-roadmaps en specifieke vereisten kunnen agents weliswaar werkende code opleveren, maar sluit het resultaat niet aan bij de bedrijfscontext.

Om dit op te lossen introduceert Atlassian Code Context, gebouwd op de zogeheten Teamwork Graph. Deze technologie geeft AI-agents zoals Rovo veilige toegang tot gegevens uit meerdere code-repositories. Hierdoor kunnen agents ideeën uit de backlog beter toetsen op haalbaarheid, code-bewuste implementatieplannen opstellen en foutenopsporing bij bugs versnellen. Onderzoek van dochteronderneming DX geeft aan dat teams die gebruikmaken van deze geïntegreerde Atlassian-context gemiddeld 64 procent meer resultaat per ontwikkelaar opleveren.

Aanvullend introduceert het bedrijf Agent Context Controls, waarmee IT- en platformteams nauwkeurig kunnen bepalen tot welke Jira- en Confluence-omgevingen AI-agents toegang krijgen.

Geautomatiseerde workflows van backlog naar pull request

Atlassian voegt tevens nieuwe geautomatiseerde 'agent loops' toe aan Jira. Deze functies scannen de backlog continu op goed gedefinieerde, niet-toegewezen taken, dragen deze over aan de Jira Coding Agent en leveren automatisch kant-en-klare pull requests (PR's) op ter beoordeling door menselijke ontwikkelaars.

Daarnaast kunnen organisaties met Standards centrale kwaliteitsrichtlijnen en standaarden koppelen aan specifieke repositories. Een speciale AI review-agent controleert vervolgens alle ingediende pull requests op deze standaarden voordat de code in productie wordt genomen.

Meetbaarheid en rendement van AI-investeringen

Om inzicht te bieden in het effect van autonome agents op de productiviteit, lanceert het bedrijf DX for Agentic Development en het Jira Agent Usage Dashboard. Deze dashboards brengen het gebruik en de kosten van verschillende AI-modellen en agents in kaart, en koppelen deze direct aan de output van het ontwikkelteam. Daarmee kunnen engineering-leiders de kwaliteit, doorvoersnelheid en de zakelijke waarde van de samenwerking tussen mens en AI onderbouwen.

Atlassian toont de nieuwe mogelijkheden uitgebreider tijdens het digitale event State of AI SDLC op 22 september 2026.