9월 10일, Atlassian Corporation (NASDAQ:TEAM)은 대부분의 소프트웨어 회사가 여전히 제대로 답하지 못하는 질문을 중심으로 구축된 일련의 도구들을 출시했습니다. 즉, AI 에이전트를 코드베이스에 풀어놓았을 때 실제로 누가 감시하고 있는가 하는 것입니다. Jira와 Atlassian의 DX 플랫폼 전반에 걸친 새로운 기능들은 엔지니어링 팀들이 루틴한 코딩 작업을 AI 에이전트에게 맡기면서도, 해당 에이전트가 어떤 부분을 건드렸는지, 그 결과물이 내부 표준을 충족하는지, 그리고 그것이 실제로 배포를 진전시키는지 추적할 수 있는 방법을 제공하기 위함입니다.

백로그를 파이프라인으로 전환하다

Atlassian의 핵심 주장은 경쟁사들이 쉽게 모방할 수 없는 '제도권 맥락(institutional context)'에 초점을 맞추고 있습니다. 이 회사가 진행한 2026 AI SDLC 연구에 따르면, 엔지니어링 리더의 94%가 이미 AI를 사용하고 있지만, 전체 개발 생명주기(development lifecycle) 전반에 걸쳐 그 작업을 확장할 수 있는 시스템을 갖춘 곳은 단 6%에 불과했습니다. Atlassian은 바로 이 격차를 목표로 삼고 있습니다. 회사의 Teamwork Graph를 기반으로 구축된 새로운 Code Context 기능은 Rovo와 같은 코딩 에이전트에게 아키텍처, 요구사항, 그리고 다중 레포지토리 코드베이스에 대한 가시성을 제공하며, Agent Context Controls는 플랫폼 팀들이 해당 에이전트가 접근할 수 있는 Jira 및 Confluence 공간을 정확하게 결정할 수 있게 합니다. Atlassian의 AI 및 Teamwork CTO인 Taroon Mandhana의 말처럼, "AI 소프트웨어 엔지니어링에서 가장 큰 병목 현상은 모델 지능(model intelligence)이 아니라 조직적 맥락(organizational context)입니다." DX가 진행한 별도의 분석은 이를 뒷받침하며, Atlassian의 맥락을 가장 많이 활용하는 AI 도구를 사용한 팀들이 개발자당 약 64% 더 많은 것을 출하했음을 발견했습니다.

회사는 컨텍스트에만 머무르지 않습니다. 이제 Jira의 에이전트 루프(Agent loops)는 잘 정의되었지만 할당되지 않은 백로그 티켓을 스캔하여, 이를 Jira의 코딩 에이전트에게 전달해 실행 및 테스트를 수행하게 하고, 인간 검토가 가능한 풀 리퀘스트(pull requests)를 열어줍니다. 새로운 Standards 기능은 플랫폼 팀들이 코딩 규칙을 한 번 설정하고 모든 에이전트 작업 영역에 적용할 수 있게 하며, 전용 AI 리뷰어가 코드가 배포되기 전에 해당 규칙에 따라 풀 리퀘스트를 검사합니다. 이 모든 것이 합쳐지면 단순히 Jira에 붙인 챗봇처럼 보이기보다는, 에이전트가 작성한 코드의 조립 라인을 구축하려는 시도처럼 보입니다.

적은 완충재를 가진 프리미엄 제품

그럼에도 불구하고, Atlassian이 이 도구들을 판매하는 데 사용했던 동일한 연구는 이것이 해결하려는 문제의 크기도 설명합니다. 현재 엔지니어링 리더 중 6%만이 AI 작업을 확장할 수 있는 시스템을 갖추고 있기 때문에, 아무리 잘 설계되었다 하더라도 새로운 거버넌스 및 측정 계층(governance and measurement layer)의 채택은 결코 보장되지 않습니다. 크고 변화를 꺼리는 엔지니어링 조직이 실제로 에이전트 루프 위에서 작동하도록 만드는 것은 제품 출시가 암시하는 것보다 더 오랜 시간이 걸리는 경향이 있습니다.