Team '26, evento anual de Atlassian en Anaheim (California).
Atlassian lleva los agentes de IA a Jira, Confluence y Rovo para que dejen de ser un mero asistente y empiecen a ejecutar
“Buscamos construir sistemas capaces de entender cómo evoluciona el conocimiento dentro de una organización”, afirma el CEO de Atlassian, Mike Cannon-Brookes, durante Team ’26, celebrado en Anaheim (California).
Más información: Los cuatro gráficos que explican por qué la inteligencia artificial no logra despegar en la empresa
La inteligencia artificial puede ayudar a trabajar más rápido. Esta aseveración plantea pocas dudas, pero tras meses anclada en su rol de asistente respondiendo preguntas, resumiendo reuniones o generando textos, ahora toca demostrar que es capaz de actuar con autonomía.
En este giro lo relevante no es sólo la productividad, sino saber y poder delegar determinadas tareas y decisiones en el marco de cada empresa.
Una cuestión que sobrevuela los encuentros de la industria tecnológica que, tras el tirón inicial de la IA generativa, se encuentra en la encrucijada de aterrizar todas las promesas anunciadas y todavía incumplidas.
Conscientes de lo que demanda el mercado, Atlassian, la tecnológica australiana conocida por herramientas como Jira, Confluence, Trello o Loom, ha aprovechado su evento anual Team ’26, celebrado en Anaheim (California), para dejar claro cuál es su estrategia: una IA menos centrada en ejercer de asistente y más orientada a ejecutar.
"Buscamos construir sistemas capaces de entender cómo evoluciona el conocimiento dentro de una organización y utilizar esa información para coordinar tareas, automatizaciones y agentes de IA", explicaba el CEO de Atlassian, Mike Cannon-Brookes, durante un encuentro con medios internacionales, entre los que se encontraba DISRUPTORES - EL ESPAÑOL.
Más ejecución
La compañía ya inició este camino en octubre de 2024 con el lanzamiento de Rovo, su sistema de inteligencia artificial integrado en el ecosistema de Atlassian. Ahora, la plataforma evoluciona hacia lo que la empresa define como “ejecución agéntica”: la capacidad de estos agentes para asumir tareas complejas, planificarlas y completarlas de forma autónoma”.
En la práctica, esto se traduce en que Rovo deja de limitarse a responder consultas o generar contenido para coordinar procesos. Su objetivo es que además de participar en el trabajo diario, lo ejecute.
![José Miguel Durán, director de Transformación e Inteligencia Artificial de Bankinter.](["https:\/\/s3.elespanol.com\/2026\/04\/28\/actualidad\/1003744225273_262686247_320x180.jpg"])
Un salto con el que también pretenden responder al uso que hacen sus clientes de esta herramienta. Según datos de la compañía, en el último mes realizaron más de 14 millones de tareas asistidas, mientras que las automatizaciones con agentes se han multiplicado por siete en seis meses.
El propio Cannon-Brookes aseguraba que algunos clientes ya sitúan a Rovo por encima de otras herramientas de inteligencia artificial disponibles en el mercado. “Estuve con un gran cliente del sector financiero que me dijo literalmente: ‘Rovo es mejor que cualquier otra herramienta de IA que tengo’. Y todo se reduce al contexto”, relata durante el encuentro previo a los anuncios oficiales.
El valor del contexto
Detrás de todo ello, hay un factor que esta empresa considera esencial: el contexto. Porque la clave, como ya se viene adelantando desde hace unos meses, no reside en dar respuestas, sino en darlas teniendo en cuenta el funcionamiento de cada empresa.
Y es ahí donde entra en juego Teamwork Graph, la infraestructura de datos que conecta información histórica, relaciones y dependencias dentro de cada entorno de trabajo. En este terreno, en Anaheim se ha anunciado oficialmente que esta capa deja de estar integrada únicamente en los productos de Atlassian para abrir su acceso a terceros.
Atlassian Team'25 en Anaheim (California)-
"No se trata simplemente de almacenar información en una base de datos para usarla más tarde. Lo importante es entender cómo ese conocimiento evoluciona junto a la empresa y cómo el sistema aprende continuamente de las relaciones, la memoria y el funcionamiento interno de la organización”.
Esta apertura no es solo una mera funcionalidad, es un cambio de estrategia de una compañía que, hasta ahora, había creado su propio ecosistema. Esta interoperabilidad permitirá que sus datos alimenten agentes externos.
Para Cannon-Brookes, el verdadero reto no pasa únicamente por almacenar información en una base de datos para usarla más tarde. "Lo importante es entender cómo ese conocimiento evoluciona junto a la empresa y cómo el sistema aprende continuamente de las relaciones, la memoria y el funcionamiento interno de la organización”, explicó.
Este movimiento es, en parte, una respuesta a uno de los problemas más señalados en la adopción de la IA en entornos corporativos: la fragmentación de herramientas. Porque si cada agente opera sobre silos cerrados, su capacidad de actuación queda limitada; pero si comparte información con el resto de sistemas, su capacidad de automatización será mayor.
IA con conocimiento
Junto a estos cambios estructurales, Atlassian también ha presentado novedades dentro de su denominado System of Work. En el caso de Dia, su navegador, incorpora capacidades de Teamwork Graph para entender el entorno y funcionamiento de trabajo. “El 80% del día de un trabajador ocurre dentro del navegador y nadie había construido realmente un navegador pensado para ellos”, asegura el CEO.
Por su parte, Jira, Confluence, Rovo o Loom amplían su autonomía con agentes y más automatización de la IA.
![Fotomontaje inspirado en Deep Research Gemini](["https:\/\/s3.elespanol.com\/2025\/11\/06\/elandroidelibre\/noticias-y-novedades\/1003744001836_259779315_320x180.jpg"])
En lo referente al desarrollo de software asistido por inteligencia artificial, se ha reforzado con herramientas dirigidas a supervisar la generación de código con IA y medir el impacto de esta tecnología en la productividad de los equipos.
En este ámbito, Cannon-Brookes defendió que el valor ya no reside únicamente en escribir código automáticamente. “La generación de código es importante, pero la capacidad de entender código y comprender la lógica de negocio resulta útil prácticamente para cualquier equipo”, señaló.
Gobernanza y trazabilidad
Todos estos anuncios esbozan una estrategia que va al compás de las exigencias y necesidades del entorno corporativo. Las grandes corporaciones quieren demostrar que sus sistemas de IA son capaces de ejecutar trabajo real.
En esta transición, sin embargo, se abren nuevos retos y preguntas. Por una parte, hay que constatar el nivel de autonomía que alcanzarán estos agentes; por otra, hasta qué punto las empresas están dispuestas a delegar la toma de decisiones en la IA. Pero, más relevante aún, la gobernanza del dato y el grado de supervisión humana sobre esos agentes siguen en el aire.
De hecho, el propio CEO reconocía que uno de los principales desafíos de esta nueva etapa será garantizar la trazabilidad y la capacidad de auditoría de estos sistemas: “Cuando los agentes empiezan a ejecutar tareas complejas, necesitas entender qué ha hecho cada sistema y por qué lo ha hecho”, advirtió. Y es algo que la industria tecnológica no puede permitirse el lujo de dejar pasar.
