Atlassian maakt van Jira een bedieningscentrum voor programmeeragenten

Atlassian streeft ernaar dat AI-agenten niet langer functioneren als geïsoleerde assistenten voor ontwikkelaars, maar onderdeel worden van de volledige softwareontwikkelingscyclus. Het bedrijf heeft nieuwe functies aangekondigd voor Jira en DX die het mogelijk maken taken toe te wijzen aan agenten, hen van context over code en organisatie te voorzien, automatisch wijzigingen te laten controleren en hun bijdrage te meten. Sommige functies bevinden zich nog in beta of privétoegang, waardoor ze nog niet algemeen beschikbaar zijn voor alle klanten.

De kernpunten van de nieuwe Atlassian-agenten in 20 seconden

• Jira introduceert agent loops die taken automatisch detecteren en delegeren aan programmeeragenten.
• Code Context verbindt agenten met informatie uit meerdere repositories en het Teamwork Graph.
• Teams kunnen gezamenlijke standaarden vaststellen voor ontwikkelaars en agenten.
• Een specifieke agent kan pull requests controleren vóór menselijke goedkeuring.
• DX meet het gebruik, de kosten, kwaliteit en prestaties van AI-ondersteunde ontwikkeling.

De aankondiging richt zich op een van de problemen die steeds duidelijker worden naarmate tools zoals GitHub Copilot, Claude Code en andere programmeeragenten krachtiger worden: code genereren is slechts een onderdeel van het werk. Binnen een bedrijf zijn er ook eisen, architectuur, issues, documentatie, interne beleidslijnen, reviews, repositories en verantwoordelijken die uiteindelijk bepalen wat er in productie gaat.

Atlassian probeert juist deze informatie, die al in Jira en Confluence wordt verzameld, te gebruiken om dat context te bieden.

Volgens het bedrijf, gebaseerd op hun studie over de levenscyclus van softwareontwikkeling (SDLC) van 2026, gebruikt 94% van de onderzoekers op engineeringgebied AI, maar slechts 6% beschikt over systemen om deze in de gehele ontwikkelcyclus te integreren. Dit zijn gegevens uit een eigen studie en moeten binnen dat kader worden geïnterpreteerd, maar ze illustreren de kloof die de nieuwe producten van Atlassian willen overbruggen.

Van Jira-taak tot een door een agent gegenereerde pull request

De meest opvallende functie heet Agent loops in Jira.

In plaats van te wachten tot een ontwikkelaar een AI-tool opent en aanwijzingen geeft, kan Jira een continu proces uitvoeren dat de backlog voortdurend scant op elementen die voldoende gedefinieerd en onafgehandeld zijn.

Wanneer zo’n element wordt gevonden, kan het worden gedelegeerd aan Jira Coding Agent.

De agent voert vervolgens het werk uit, voert de relevante tests uit en genereert een pull request (PR) dat klaar is voor review.

Het proces van Atlassian kan als volgt worden samengevat:

Het belangrijke detail ligt in het laatste deel. Atlassian presenteert het systeem niet als een mechanisme waarbij een agent zonder restricties wijzigingen in productie plaatst. Ontwikkelaars blijven het laatste woord hebben in het review- en goedkeuringsproces.

Wat dit onderscheidt van het gebruik van een gewoon assistent-programma is de start van het proces.

Momenteel begint het workflow meestal bij een persoon: de ontwikkelaar maakt een taak aan, verzamelt informatie, start een sessie met de agent, geeft context en bewaakt de resultaten.

Met de agent loops kan een deel van dat proces continu actief blijven.

Het doel is dat een organisatie kan overgaan van individuele AI-sessies naar een werkwachtrij waarin mensen en agenten samenwerken via hetzelfde planningssysteem.

Code Context probeert het probleem van zakelijke context op te lossen

Automatisch een issue delegeren is relatief eenvoudig. ervoor zorgen dat de agent begrijpt hoe het moet worden opgelost, is veel lastiger.

Een ticket kan een fout correct beschrijven en toch onvoldoende informatie bevatten over architectuur, gerelateerde diensten, eerdere beslissingen of interne conventies.

Hier komt Code Context om de hoek kijken.

Deze nieuwe functie gebruikt het Teamwork Graph van Atlassian om Rovo en andere programmeeragenten te voorzien van informatie uit diverse repositories en de werkomgeving van de organisatie.

Volgens Atlassian kan het vanaf de vroege ontwikkelingsfasen worden ingezet. Bijvoorbeeld, een agent zou een idee uit de backlog kunnen analyseren, rekening houdend met bestaande architectuur, voordat een implementatieplan wordt gemaakt.

Daarnaast kan het context gebruiken om fouten te onderzoeken of mogelijke oorzaken te vinden in verschillende repositories.

Deze aanpak is vooral relevant bij grote projecten. Een zakelijke applicatie bevindt zich zelden in slechts één goed gedocumenteerde repository. Het kan een frontend, meerdere services, interne libraries, infrastructure-as-code en componenten bevatten die door verschillende teams worden gedeeld.

Atlassian biedt naast Code Context ook Agent Context Controls, waarmee wordt bepaald tot welke Jira- en Confluence-gebieden de agenten toegang hebben.

Dit brengt een vraag mee die organisaties moeten aanpakken naarmate ze meer interne informatie met agenten delen: meer context biedt betere antwoorden, maar vergroot ook de hoeveelheid beschikbare data.

De controles maken het mogelijk om dat bereik te beperken tot relevante vereisten, architectuurbeslissingen, projecten en documentatie, die vooraf door de verantwoordelijke teams zijn geselecteerd.

Dezelfde regels voor mensen en agenten

Een andere nieuwe functie heet simpelweg Standards.

Het idee is dat platformteams uniforme programmeerstandaarden kunnen vastleggen voor de hele organisatie en die koppelen aan specifieke repositories.

Deze regels kunnen vervolgens worden gedeeld met zowel ontwikkelaars als agenten die aan de code werken.

Bijvoorbeeld, een organisatie zou richtlijnen kunnen opstellen over code-structuur, interne patronen of bepaalde ontwikkelpraktijken, zodat die niet telkens opnieuw hoeven te worden herhaald tijdens sessies met agenten.

De aanvullende functie is AI Review.

Atlassian zal een specifieke agent gebruiken om pull requests te analyseren en te controleren op naleving van de vastgestelde standaarden. Bij problemen worden die gemarkeerd voordat de wijziging wordt doorgevoerd.

Dit vervangt niet noodzakelijk de traditionele continuous integration, static analysis, testing of security tools, noch garandeert het dat de gegenereerde code correct of veilig is. Het voegt een extra controleslag toe gebaseerd op regels en de context die aan het systeem worden gegeven.

Voor platformteams kan dit bijzonder nuttig zijn omdat het implementeren van meerdere AI-agenten vaak leidt tot inconsistenties in criteria.

Een ontwikkelaar kan één agent gebruiken met bepaalde instructies, terwijl een ander team met een andere agent werkt. Zonder gedeelde standaarden ontstaan er vaak losse configuraties, prompts, documentatie en tools.

Atlassian streeft ernaar deze standaarden te integreren in het gedeelde ontwikkelsysteem.

DX wil een andere vraag beantwoorden: verbetert AI echt de ontwikkeling?

Het andere deel van de aankondiging richt zich minder op codegeneratie en meer op het meten van de gebeurtenissen na de implementatie.

DX for Agentic Development wil het gebruik van AI-tools en agenten koppelen aan prestatie-indicatoren, kwaliteit, adoptie en kosten.

Het platform verzamelt data zoals AI Code Insights, monitoring van tools en servers met het Model Context Protocol (MCP), afstemming van verschillende modellen op taken en metrics over de ontwikkelaarservaring.

Het beoogt ook de totale investering in AI te relateren aan de resultaten van het engineeringproces.

Volgens een recent onderzoek van DX levert teams met meer context uit Atlassian ongeveer 64% meer output per ontwikkelaar. Dit resultaat komt uit eigen analyse en betekent niet dat het toevoegen van context automatisch die productiviteitsverhoging garandeert.

Jira zal daarnaast Agent Usage Dashboard introduceren, een dashboard dat het gebruik van agenten en hun sessies koppelt aan specifieke Jira-elementen.

Voor een engineeringmanager kan dit even belangrijk worden als de agent zelf.

Een bedrijf kan meerdere code-assistenten, API-modellen, agent-platformen en MCP-servers inzetten. Het hebben van licenties is eenvoudig te tellen; het echte inzicht krijgen in welke tools daadwerkelijk in het werk worden ingezet, wat ze kosten en of ze tijd besparen zonder kwaliteitsverlies, is veel complexer.

Dat is het gebied dat Atlassian met DX wil bestrijken.

Het bedrijf beweert dat 94% van de engineeringleiders in hun studie al AI gebruikt. Als ondersteunde ontwikkeling zich verder ontwikkelt naar langdurige, autonome agenten, kan het beheer zich uitbreiden van alleen menselijke gebruikers naar identiteiten, permissies, kosten en acties van autonome software.

De aankondiging van Atlassian weerspiegelt deze verandering. Het volgende stappenplan na de copilot-aanpak, dat nog op instructies wacht, zou kunnen zijn dat de backlog ook een werkwachtrij wordt voor agenten, waarbij Jira coördineert wie welke taak uitvoert en ontwikkelaars zich richten op reviewen, corrigeren en beslissen welke aanpassingen worden geaccepteerd.

Voorlopig moet nog blijken hoe goed deze ideeën in de praktijk werken, buiten demonstraties en eerste klanten.

Code Context wordt geleidelijk uitgerold als open beta onder betalende klanten van Atlassian. Agent loops, Standards en AI Review bevinden zich nog in privéaccess in een laatste testfase. Agent Context Controls en Agent Usage Dashboard worden later dit jaar algemeen beschikbaar voor Jira-klanten. DX for Agentic Development zal volgens planning deze kwartaal algemeen beschikbaar zijn voor klanten van Atlassian DX.

Het verschil tussen deze fasen is belangrijk. Atlassian heeft een breed systeem gepresenteerd voor het coördineren van door mensen en agenten uitgevoerde ontwikkelactiviteiten, maar niet alle aangekondigde onderdelen zijn momenteel algemeen beschikbaar. De komende maanden zullen laten zien of Jira kan overschakelen van alleen het registreren van werk naar ook het coördineren van geautomatiseerd werk door AI.