AI 네이티브 소프트웨어 개발을 위한 Jira의 진화
새로운 Jira와 Teamwork Graph 기능을 통해 엔지니어링 팀은 인간과 AI 에이전트를 아우르는 작업을 계획하고, 할당하고, 거버넌스를 적용하고, 측정할 수 있습니다.
핵심 요약
Jira는 사람과 AI 에이전트가 하나의 워크플로에서 작업을 계획하고, 할당하고, 모니터링하고, 검토할 수 있도록 AI 네이티브 소프트웨어 개발을 지원합니다.
Teamwork Graph는 Jira, Confluence, Slack, GitHub, Jira Product Discovery에 분산된 업무, 지식, 대화, 코드 컨텍스트를 연결해 에이전트가 조직의 맥락을 이해하도록 지원합니다.
Jira Planner, Jira for Slack, Loom 비디오 프롬프트, Jira Coding Agent 및 에이전트 세션은 의도를 구조화된 사양과 업무 항목으로 전환하고, 적합한 에이전트에 작업을 위임하며, 진행 상황과 결과물의 가시성을 유지합니다.
Jira의 자동화, 에이전틱 엔지니어링 프로젝트 템플릿, DX AI 비용 관리는 에이전트 작업의 거버넌스와 비용·성과 측정을 지원합니다.
Atlassian 내부 벤치마킹에서 Teamwork Graph로 강화된 에이전트는 컨텍스트 없이 작동하는 에이전트보다 48% 적은 토큰을 사용하면서 44% 더 정확한 결과를 보였습니다.
고객이나 Atlassian의 엔지니어링 팀과 대화할 때마다 일관된 메시지를 듣습니다. 강력한 코딩 에이전트가 전례 없이 도입되면서 소프트웨어 개발은 혁신되었지만, 소프트웨어를 제공하는 과정에서 어려운 부분은… 놀랍게도 여전히 꽤 어렵다는 것입니다.팀은 여전히 무엇을 구축할지, 그리고 그것이 왜 존재해야 하는지 결정해야 합니다. 변경할 시스템과 중요한 제약 조건을 이해해야 합니다. "완료"가 무엇을 의미하는지, 그리고 결과물을 안전하게 출시할 수 있는지 알아야 합니다.
이것이 AI 생산성 격차의 현실입니다. DX와 함께 전문 엔지니어링 팀을 대상으로 실시한 종단 연구에서 AI 사용량은 65% 증가했지만, 전체 개발자 속도는 그만큼 증가하지 않았습니다. 증가 폭은 최대 15%에 그쳤으며, 많은 조직에서는 평균 10%의 증가를 보였습니다.
그 격차는 모델이 코드 작성에 서툴기 때문이 아닙니다. 소프트웨어 개발이 단지 코드 작성만을 의미한 적은 없기 때문입니다. 비즈니스 목표, 전략, 맥락을 실제 조직 내에서 작동하는 소프트웨어로 전환하는 일입니다.
20년 이상 Jira는 모든 형태와 방법론의 소프트웨어 팀을 지원하도록 진화해 왔습니다. Jira는 무엇을 구축할지, 누가 담당하고 있는지, 어떻게 진행되고 있는지, 무엇이 출시되었는지를 보여 주는 단일 정보 소스입니다.
오늘날 소프트웨어 팀의 형태는 빠르게 변화하고 있습니다.
AI 네이티브 소프트웨어 개발 팀에는 에이전트를 위한 컨텍스트를 핵심 요소로 다루고, 작업을 에이전트에 위임하는 동안 인간이 방향을 설정하고 검토하는 새로운 시스템이 필요합니다. 엔지니어, 제품 관리자, 디자이너, 보안 팀은 작업에 판단력과 컨텍스트를 더합니다.
이는 인간과 에이전트가 명확한 계획과 공유 컨텍스트를 바탕으로 협업하고, 그 결과물이 팀이 지지할 수 있는 것인지 검증하는 새로운 방식입니다.
오늘 이 변화에 대응하기 위해 Jira의 새로운 에이전트 기반 제품 개발 기능을 발표합니다. 팀은 AI로 작업을 계획하고, 의도를 에이전트가 활용할 수 있는 사양으로 전환하고, 코딩 에이전트에 작업을 할당하고, 세션을 모니터링하고, 엔지니어링 루프를 자동화하며, AI 비용 대비 산출물을 측정할 수 있습니다.
Jira는 버그 추적기로 시작해 이제 수백만 팀의 작업을 위한 기록 시스템 역할을 합니다. 앞으로도 미래의 AI 네이티브 팀을 지원하도록 계속 진화할 것입니다.
AI 네이티브 소프트웨어 개발의 의미
실무적으로 보면 SDLC(소프트웨어 개발 수명 주기)는 사람에 대한 책임성을 낮추지 않으면서도 에이전트가 이해할 수 있는 형태가 되어야 합니다.
이는 세 가지를 의미합니다.
작업을 시작하기 전에 의도를 구조화해야 합니다. 에이전트에는 프롬프트나 Jira 요약 이상의 정보가 필요합니다. 요구 사항, 관련 아키텍처, 의사 결정 이력, 그리고 팀이 이미 알고 있는 제약 조건이 필요합니다.
올바른 에이전트를 선택한다고 해서 프로세스가 갈라져서는 안 됩니다. 팀은 웹 개발에 Cursor IDE를 사용하고, 복잡한 백엔드 작업에 Claude Code를, 고유한 코드베이스에 클라우드 샌드박스에서 실행되는 커스텀 에이전트를, 그리고 저비용으로 일상적인 수정을 자동화하기 위해 Jira Coding Agent를 사용할 수 있습니다. 런타임이 변경될 때마다 워크플로우가 분기되어서는 안 됩니다.
자율성은 관찰 가능한 상태로 유지되어야 합니다. 에이전트 세션은 터미널, 탭, 분리된 로그 속으로 사라져서는 안 되며, 중요한 컨텍스트가 로컬 장치에 갇혀서도 안 됩니다. 팀은 무슨 일이 일어났는지, 누가 검토했는지, 어떤 작업 항목에서 시작되었는지 확인할 수 있어야 합니다.
이 세 가지를 함께 적용하면 시스템이 변화합니다. 에이전트는 고립된 코파일럿처럼 작동하는 데 그치지 않고 나머지 팀과 동일한 SDLC에 참여하기 시작합니다.
여기서 Teamwork Graph가 중요해집니다. 이는 Atlassian의 컨텍스트 계층입니다. 작업, 코드, 사람, 결정, 종속성의 살아있는 지도로, 에이전트가 작업뿐만 아니라 그 작업을 둘러싼 시스템까지 이해할 수 있도록 도와줍니다.
Jira가 이 변화에 적합한 이유
코딩 작업의 대부분이 에이전트로 전환됨에 따라, 에이전트는 토큰 비용을 효율적으로 관리하면서 고품질 코드를 제공하기 위해 풍부하고 명시적인 컨텍스트가 있는 잘 정의된 작업이 필요합니다. 그리고 컨텍스트는 거의 한 곳에 있지 않습니다. 그래서 Atlassian은 Teamwork Graph를 구축했습니다. Jira의 단위 작업, Confluence의 요구 사항, Slack의 대화, GitHub의 코드 컨텍스트, Jira Product Discovery의 고객 인사이트를 함께 가져옵니다.
Jira는 Teamwork Graph 컨텍스트를 사용하여 큰 아이디어를 에이전트가 처리할 수 있는 세분화된 업무 항목으로 나누고, 에이전트가 작업할 때 사용할 컨텍스트를 패키징합니다.
컨텍스트 없이 에이전트는 결국 나중에 생산성 병목 현상을 만드는 코드를 생성합니다. 업무 항목을 지나치게 문자 그대로 처리합니다. 아키텍처 제약 조건을 놓칩니다. 선임 엔지니어가 이를 풀어내는 데 한 시간을 소비할 때까지 그럴듯해 보이는 PR을 생성합니다.
그래서 이번 출시는 단순히 더 많은 곳에 더 많은 에이전트를 배치하는 데 그치지 않습니다. 에이전트가 팀이 이미 의존하는 조직의 기억에 접근할 수 있게 하는 것입니다.
Teamwork Graph는 컨텍스트를 제공하며, Jira는 그 컨텍스트가 워크플로우가 되는 곳입니다. 의도는 그곳에서 시작되고, 에이전트 작업은 그곳에서 할당되며, 세션 기록은 그곳에 기록되고, 결과물은 검토를 위해 그곳으로 돌아옵니다.
오늘 발표하는 내용
에이전트 작업은 예측 가능한 지점에서 중단됩니다. 모호한 계획, 정보가 손실되는 핸드오프, 그리고 팀이 어떻게 신뢰해야 할지 모르는 결과물입니다. 우리는 이러한 실패 지점을 해결하는 데 초점을 맞춰 구축했습니다.
1. 더 나은 컨텍스트로 계획 수립
Jira Planner는 사양 중심 개발을 Jira에 도입합니다. 복잡한 프로젝트에서는 Jira Planner가 코드베이스, Jira 및 Confluence 기록, 팀 컨텍스트에서 정보를 가져와 요구 사항을 정의하고 구조화된 기술 사양을 Confluence에서 생성합니다. 결과물은 사람이 읽기에도 쉽고 에이전트에도 유용합니다. 하나의 아티팩트로 두 대상을 모두 만족시킵니다.
Jira for Slack은 업무가 시작되는 대화를 컨텍스트가 풍부한 Jira 작업 항목으로 전환합니다. 팀은 @Jira에 작업 생성을 요청하고, 스레드의 뉘앙스를 포착하고, 대화 업데이트를 댓글로 동기화하며, 결정에 영향을 준 논의를 잃지 않고 코딩 에이전트에 작업을 할당할 수 있습니다. 확장된 Microsoft Teams 기능도 곧 출시됩니다.
Loom 비디오 프롬프트는 화면으로 보여 주고 말로 설명한 내용을 에이전트가 작업 실행에 사용할 수 있는 구조화된 지침으로 전환합니다. 화면을 녹화하면서 작업을 설명하세요. Loom은 화면, 클릭, 링크, 음성 지침을 캡처하고 실행 계획을 생성하며, 사용자는 이를 몇 번의 클릭만으로 에이전트가 바로 활용할 수 있는 Jira 작업 항목으로 전환할 수 있습니다.
올바른 에이전트에 작업 위임
Jira의 에이전트를 통해 팀은 작업 항목을 Claude Code, Cursor 또는 GitHub Copilot에 직접 할당할 수 있습니다. Codex도 곧 출시될 예정입니다. 작업은 신뢰할 수 있는 정보 출처인 Jira를 기반으로 유지되며, 컨텍스트는 작업을 수행하는 에이전트에 전달됩니다.
Jira Coding Agent는 모든 유료 Jira 플랜에 기본 제공됩니다. 범위가 명확히 정의된 작업 항목을 가져와 Teamwork Graph를 통해 엔터프라이즈 컨텍스트와 코드 인텔리전스를 사용하고, 필요한 변경을 수행한 뒤 검토할 준비가 된 풀리퀘스트를 반환할 수 있습니다. 따라서 일상적인 수정 작업을 위해 개발자가 로컬 환경으로 전환할 필요가 없습니다.
Jira의 에이전트 세션: 어떤 AI 코딩 에이전트가 막혀 있는지, 어떤 항목이 검토를 기다리고 있는지, 어떤 항목이 완료되었는지 확인하세요. Jira에서 작업하는 모든 엔지니어는 스페이스와 리포지토리 전반에서 실행 중인 에이전트 세션을 주의가 필요한 작업 순으로 그룹화된 단일 보기에서 확인할 수 있습니다.
거버넌스를 통해 에이전틱 엔지니어링 확장
Jira의 코딩 에이전트 자동화를 통해 팀은 Jira의 엔터프라이즈급 자동화 규칙 빌더를 사용하여 버그 수정, 취약성 해결, 테스트 생성, 문서 업데이트와 같은 일상적인 작업을 에이전트에 라우팅할 수 있습니다. PR이 준비되면 엔지니어에게 알림이 전송되며, 모든 단계는 원래 요청과 연결된 상태로 유지됩니다.
에이전틱 엔지니어링 프로젝트 템플릿을 사용하면 팀은 워크플로, 상태, 추적 및 통합이 미리 구성된, 에이전트가 바로 활용할 수 있는 Jira 프로젝트를 몇 분 만에 시작할 수 있습니다.
DX AI 비용 관리는 엔지니어링 리더가 AI 개발의 경제성을 파악할 수 있는 방법을 제공합니다. Claude, Cursor, GitHub Copilot, Jira와 같은 도구 전반의 지출 및 토큰 데이터를 통합하고, 해당 투자를 팀과 프로젝트에 매핑하며, DX에서 PR당 비용을 추정합니다.
인간과 에이전트를 위한 시스템
Atlassian 내부에서 사내 엔지니어링 팀과 함께 이러한 패턴을 적용해 왔습니다. 우리가 발견한 것은 Atlassian의 Teamwork Graph가 이러한 여러 기능의 기반이 되는 엔터프라이즈 컨텍스트를 제공하고, SDLC 전반의 작업, 팀, 목표, 코드, 지식을 연결해 에이전트가 더 높은 관련성과 정확성을 바탕으로 행동할 수 있도록 한다는 점입니다. 내부 벤치마킹에서 Teamwork Graph로 강화된 에이전트는 해당 컨텍스트 없이 작동하는 에이전트보다 48% 적은 토큰을 사용하면서 44% 더 정확한 결과를 보였습니다. 또한 PR 사이클 타임이 감소하고 일상적인 작업에 소요되는 시간이 줄어드는 것을 확인했습니다.
"AI 네이티브 개발의 병목 현상은 에이전트의 역량이 아니라 엔지니어가 업무 흐름을 유지할 수 있도록 하는 대규모 조정입니다. 우리는 이를 해결하기 위해 Atlassian과 협력하고 있습니다. 모든 에이전트 작업이 가시적이고, 관리되며, 비즈니스 결과와 연결되는 하나의 공간을 만들고 있습니다."
Sean Joerg
Reddit 부 CISO 겸 기업 엔지니어링 책임자
에이전트는 소프트웨어가 구축되는 방식을 바꿀 것입니다. 하지만 판단, 컨텍스트 또는 책임 소재의 필요성을 없애지는 않을 것입니다.
그렇기 때문에 Jira는 진화해야 합니다. Jira의 다음 장은 소프트웨어 관련 작업을 추적하는 데 그치지 않습니다. 사람과 에이전트가 함께 작업할 수 있도록 돕는 것입니다.
지금 바로 jira.dev에서 사용해 보세요.
댓글