Atlassian ha ampliado Jira para que los equipos de ingeniería puedan planificar tareas, asignarlas a agentes de programación, seguir su ejecución y medir su coste desde un mismo entorno. La plataforma admite Claude Code, Cursor y GitHub Copilot, incorpora un agente propio capaz de generar solicitudes de incorporación de cambios y prepara una integración directa con OpenAI Codex.
Las claves del nuevo Jira para desarrollo con IA en 20 segundos
- Jira podrá asignar trabajo a distintos agentes y mostrar qué tareas están bloqueadas o pendientes de revisión.
- Teamwork Graph aportará contexto procedente de Jira, Confluence, Slack y repositorios.
- El agente propio trabajará en un entorno aislado y generará pull requests.
- Atlassian también medirá tokens, gasto y coste estimado por cambio de código.
La compañía quiere responder a una contradicción que empieza a aparecer en los departamentos de desarrollo. Los programadores utilizan cada vez más asistentes y agentes de inteligencia artificial, pero ese aumento no se traduce en una mejora equivalente de la capacidad para entregar software.
Un estudio longitudinal realizado por Atlassian y DX sitúa el crecimiento del uso de IA entre ingenieros en un 65 %, mientras la mejora media de la velocidad de desarrollo ronda el 10 % y alcanza como máximo alrededor del 15 % en las organizaciones analizadas. Son datos de una investigación promovida por Atlassian y no una medición universal del sector, pero sirven para explicar el enfoque del nuevo Jira.
El problema ya no está únicamente en escribir código. Antes de comenzar hay que entender qué debe construirse, revisar decisiones anteriores, localizar dependencias y convertir una petición de negocio en requisitos técnicos. Después llegan las pruebas, la revisión de seguridad, la documentación, la aprobación y el despliegue.
Los agentes pueden generar código con rapidez, pero también pueden interpretar un ticket de forma demasiado literal, ignorar una restricción arquitectónica o producir una solución aparentemente válida que después exige varias horas de revisión. Atlassian quiere utilizar Jira como capa de coordinación entre las personas y esos agentes.
Jira deja de limitarse a registrar quién hace cada tarea
Durante más de dos décadas Jira ha funcionado como registro de errores, historias, proyectos y flujos de trabajo. La nueva propuesta amplía esa función: un agente pasa a ser un participante al que se puede asignar trabajo, igual que a un integrante del equipo, aunque sus acciones permanezcan vinculadas al ticket que las originó.
Los usuarios podrán encargar tareas directamente a Claude Code, Cursor o GitHub Copilot. La integración para asignar trabajo a Codex llegará más adelante, aunque Jira ya permite abrir determinados tickets en la aplicación local de Codex con la información principal cargada previamente.
| Capacidad | Qué podrá hacer el equipo |
|---|---|
| Asignación a agentes | Enviar un ticket a Claude Code, Cursor o GitHub Copilot |
| Jira Coding Agent | Generar código dentro de Jira y preparar un pull request |
| Sesiones centralizadas | Ver qué agentes están trabajando, bloqueados o esperando revisión |
| Automatizaciones | Enviar errores, pruebas o documentación a agentes en segundo plano |
| Plantilla agéntica | Crear proyectos con estados y flujos ya preparados |
| Informe de costes | Relacionar consumo de tokens y gasto con proyectos y cambios |
Jira Coding Agent es la herramienta propia de Atlassian para ejecutar este trabajo. Puede leer el ticket, consultar información autorizada en Jira y Confluence, acceder al repositorio seleccionado y trabajar dentro de una sesión cloud aislada.
El agente puede ejecutar órdenes Bash o PowerShell, modificar código y enviar los cambios a una rama. También puede crear un borrador de pull request, pero no fusionarlo por su cuenta. La revisión y aprobación final continúan en manos del equipo.
Sus permisos se heredan de la persona que inicia la sesión. No debería poder consultar información de Jira, Confluence o los repositorios a la que ese usuario no tenga acceso. Atlassian indica además que cada sesión clona únicamente el repositorio seleccionado en el entorno aislado.
| Acción de Jira Coding Agent | Alcance anunciado |
|---|---|
| Consultar Jira y Confluence | Dentro de los permisos del usuario |
| Acceder al código | Solo al repositorio seleccionado |
| Ejecutar comandos | Dentro del entorno cloud aislado |
| Crear una rama | Permitido si el usuario lo autoriza |
| Abrir un pull request | Puede crear un borrador |
| Fusionar cambios | No está permitido |
| Acceder al equipo local | No |
| Borrar información de Jira o Confluence | No |
Este diseño reduce algunos riesgos, pero no elimina la necesidad de revisar el código. Un agente puede introducir vulnerabilidades, modificar más archivos de los necesarios o generar pruebas que validen su propia solución sin cubrir casos relevantes.
La visibilidad de las sesiones intenta evitar además que el trabajo quede repartido entre terminales, conversaciones privadas y herramientas desconectadas. Jira mostrará qué agente recibió una tarea, qué acciones realizó y en qué punto necesita la intervención de una persona.
Teamwork Graph quiere resolver el problema del contexto empresarial
La pieza central de la propuesta es Teamwork Graph, la capa con la que Atlassian relaciona tareas, documentos, personas, objetivos, código y decisiones tomadas anteriormente.
Un agente puede recibir un ticket que diga “corrige el proceso de pago”, pero esa frase no explica qué servicios intervienen, qué decisión tomó el equipo seis meses antes, qué requisitos de cumplimiento existen o qué componente no debe modificarse. Parte de ese conocimiento suele estar repartido entre Jira, Confluence, Slack, GitHub y conversaciones internas.
Teamwork Graph intenta preparar un conjunto de contexto para que el agente comprenda la tarea antes de escribir código. Según pruebas internas de Atlassian, los agentes enriquecidos con esta información obtuvieron resultados un 44 % más precisos y consumieron un 48 % menos de tokens que los agentes utilizados sin esa capa. Las cifras proceden de pruebas de la propia empresa y no detallan en el anuncio todos los modelos, repositorios y criterios empleados.
| Fuente de información | Contexto que puede aportar |
|---|---|
| Jira | Requisitos, responsables, estados y prioridades |
| Confluence | Especificaciones, decisiones y documentación |
| Slack | Conversaciones donde surgió una petición |
| GitHub | Código, ramas, cambios y dependencias |
| Loom | Vídeo, voz, clics y explicación visual de una tarea |
| Jira Product Discovery | Necesidades de clientes y decisiones de producto |
Jira Planner utilizará esa información para convertir proyectos complejos en especificaciones técnicas estructuradas. Podrá consultar la base de código, el historial de Jira y Confluence y el contexto del equipo antes de generar en Confluence un documento que pueda revisar una persona o recibir un agente.
La función todavía no está disponible de forma general. Atlassian ha abierto una lista de espera para su programa de acceso anticipado, por lo que sus resultados tendrán que evaluarse cuando llegue a organizaciones con documentación incompleta, proyectos antiguos y repositorios de gran tamaño.
Jira para Slack permitirá crear tickets y asignar tareas desde una conversación mencionando a @Jira. El sistema podrá trasladar el contenido relevante del hilo al elemento de trabajo, sincronizar nuevos mensajes como comentarios y evitar que el agente reciba un resumen separado de la conversación que originó la petición.
Loom se utilizará para convertir una grabación de pantalla y una explicación hablada en instrucciones estructuradas. Un responsable podrá mostrar un error, indicar dónde aparece y describir el comportamiento esperado. La plataforma extraerá pantallas, clics, enlaces y voz para preparar un plan que después puede transformarse en tareas de Jira.
El objetivo no es solo proporcionar más datos, sino seleccionar los que resultan pertinentes. Enviar documentos completos a un modelo puede aumentar el coste, llenar su ventana de contexto y dificultar que distinga las decisiones importantes. La reducción de tokens anunciada por Atlassian dependerá de que Teamwork Graph filtre y relacione la información correctamente.
Automatizar errores, pruebas y vulnerabilidades sin perder el control
Jira permitirá incorporar agentes a su constructor de reglas de automatización. Un equipo podrá definir, por ejemplo, que determinados errores sencillos, pruebas ausentes o tareas de documentación se envíen automáticamente a un agente.
El agente trabajará en segundo plano y avisará cuando exista un pull request listo para revisar. Atlassian también plantea este modelo para eliminar indicadores de funciones antiguas, corregir vulnerabilidades conocidas o actualizar documentación después de un cambio.
La propia empresa afirma haber reducido hasta un 80 % el tiempo dedicado a determinadas tareas repetitivas dentro de algunos equipos de Jira. Se trata de resultados internos vinculados a flujos concretos y no de una reducción aplicable a todo el ciclo de desarrollo.
| Trabajo que puede delegarse | Control que debería mantenerse |
|---|---|
| Correcciones pequeñas | Revisión del cambio y pruebas |
| Generación de pruebas | Comprobación de cobertura y calidad |
| Vulnerabilidades conocidas | Validación de seguridad |
| Actualización de documentación | Revisión de precisión |
| Eliminación de código antiguo | Confirmación de dependencias |
| Cambios repetitivos | Límites sobre repositorios y archivos |
La automatización puede aumentar la cantidad de cambios preparados, pero también trasladar el cuello de botella hacia la revisión. Si varios agentes generan solicitudes más rápido de lo que los desarrolladores pueden examinarlas, el equipo acumulará trabajo pendiente y corre el riesgo de aprobar modificaciones sin suficiente análisis.
Atlassian intenta hacer visible ese problema mediante una vista común de sesiones. Los responsables podrán comprobar qué está en ejecución, qué agente se ha detenido, qué cambio necesita revisión y cuánto tiempo lleva esperando.
La compañía también incorpora en Atlassian DX un informe para relacionar el gasto en Claude, Cursor, GitHub Copilot y otras herramientas con los proyectos y resultados de ingeniería. El sistema calculará una estimación del coste de IA por pull request y reunirá el consumo de tokens que suele aparecer repartido entre varios proveedores.
Medir el coste por cambio puede resultar útil, pero no explica por sí solo la calidad. Un pull request barato que introduce deuda técnica o exige una revisión extensa puede ser peor que otro más costoso que resuelve correctamente un problema complejo. Las empresas tendrán que combinar el gasto con tiempos de ciclo, incidencias, reversiones y resultados en producción.
Qué está disponible y qué llegará después
Atlassian afirma que los agentes de Claude Code, Cursor y GitHub Copilot, Jira para Slack, Jira Coding Agent, las automatizaciones, las plantillas y la vista de sesiones ya están disponibles para clientes de pago de Jira Cloud sin un suplemento específico.
La documentación de soporte añade algunos matices: Jira Coding Agent requiere que las funciones de IA estén habilitadas, disponer de créditos Rovo, conectar GitHub Cloud o Bitbucket Cloud y utilizar una edición compatible. Por tanto, “sin coste adicional” no significa uso ilimitado ni disponibilidad automática en cualquier configuración.
| Función | Situación |
|---|---|
| Claude Code, Cursor y GitHub Copilot en Jira | Disponible |
| Jira Coding Agent | Disponible en planes compatibles |
| Jira para Slack | Disponible |
| Automatizaciones con agentes | Disponibles |
| Vista de sesiones | Disponible |
| Jira Planner | Lista de espera para acceso anticipado |
| Rovo para Microsoft Teams | Acceso anticipado |
| Asignación directa a Codex | Próximamente |
| DX AI Cost Management | Disponible para clientes de Atlassian DX |
La diferencia entre abrir un ticket en una herramienta y asignarlo como agente también debe quedar clara. Jira ya puede lanzar Codex, Claude Code, Cursor o GitHub Copilot en local con el contexto del ticket cargado. La integración anunciada para Codex como agente asignable directamente desde Jira todavía está pendiente.
Atlassian intenta convertir una posición histórica, la de Jira como registro del trabajo de ingeniería, en una ventaja para la etapa de los agentes. Su propuesta no compite directamente por tener el modelo que mejor programa, sino por controlar el contexto, la asignación, la supervisión y la medición de todos ellos.
El resultado dependerá de que Teamwork Graph represente correctamente la realidad de cada empresa. Cuando los tickets están incompletos, la documentación está desactualizada y las decisiones importantes solo existen en conversaciones privadas, el agente heredará esos problemas.
Jira puede proporcionar un punto común para personas y sistemas automáticos, pero no sustituye el trabajo de definir requisitos, mantener conocimiento fiable y revisar lo que llega a producción. La nueva etapa de Atlassian consiste precisamente en intentar que esas tareas, menos visibles que generar código, no queden fuera de la automatización.
Preguntas frecuentes
¿Qué agentes de programación puede utilizar Jira?
Atlassian permite trabajar con Claude Code, Cursor y GitHub Copilot. Codex ya puede abrirse desde un ticket con contexto precargado, pero su asignación directa como agente en Jira llegará más adelante.
¿Qué es Jira Coding Agent?
Es el agente propio de Atlassian para generar código desde un ticket. Trabaja en un entorno cloud aislado, puede crear una rama y abrir un borrador de pull request, pero no fusionar el cambio.
¿Qué aporta Teamwork Graph a los agentes?
Relaciona tareas, documentación, conversaciones, código, personas y decisiones para proporcionar contexto empresarial. Atlassian afirma que sus pruebas internas mejoraron la precisión y redujeron el consumo de tokens.
¿Las nuevas funciones tienen coste adicional?
Atlassian las incluye en planes de pago compatibles, pero algunas requieren créditos Rovo, activar la IA y conectar un repositorio. DX AI Cost Management se ofrece a clientes de Atlassian DX.
