--- title: "Atlassian convierte Jira en un centro de control para agentes de programación" description: "Atlassian quiere que los agentes de inteligencia artificial dejen de funcionar como asistentes aislados del programador y pasen a formar parte del ciclo completo de desarrollo de software. La compañía..." url: https://revistacloud.com/atlassian-convierte-jira-en-un-centro-de-control-para-agentes-de-programacion/ date: 2026-09-14 modified: 2026-09-14 author: "Nota de Prensa" image: https://revistacloud.com/wp-content/uploads/2025/09/atlassian-the-browser-tab-overload.png categories: ["Empresas", "Noticias"] tags: ["Atlassian", "jira"] type: post lang: es --- # Atlassian convierte Jira en un centro de control para agentes de programación Atlassian quiere que los agentes de inteligencia artificial dejen de funcionar como asistentes aislados del programador y pasen a formar parte del ciclo completo de desarrollo de software. La compañía ha presentado nuevas capacidades para **Jira y DX que permiten asignar trabajo a agentes, proporcionarles contexto del código y la organización, revisar automáticamente sus cambios y medir su aportación**. Algunas funciones están en beta o acceso privado, por lo que todavía no forman parte de manera general del producto disponible para todos los clientes. **Las claves de los nuevos agentes de Atlassian en 20 segundos** - Jira incorpora *agent loops* capaces de localizar tareas y delegarlas automáticamente a un agente de programación. - Code Context conecta agentes con información de múltiples repositorios y el Teamwork Graph. - Los equipos podrán definir estándares comunes para desarrolladores y agentes. - Un agente específico podrá revisar *pull requests* antes de su aprobación humana. - DX medirá uso, coste, calidad y rendimiento del desarrollo asistido por IA. El anuncio apunta a uno de los problemas que empieza a aparecer a medida que herramientas como GitHub Copilot, Claude Code y otros agentes de programación ganan capacidad: generar código es solo una parte del trabajo. En una empresa también hay requisitos, arquitectura, incidencias, documentación, políticas internas, revisiones, repositorios y responsables que deben decidir finalmente qué llega a producción. Atlassian intenta utilizar precisamente la información que ya acumulan Jira y Confluence para proporcionar ese contexto. La compañía sostiene, basándose en su estudio sobre el ciclo de vida de desarrollo de software (SDLC) de 2026, que **el 94 % de los responsables de ingeniería consultados utiliza inteligencia artificial, pero solo el 6 % dispone de sistemas para extenderla al conjunto del ciclo de desarrollo**. Son datos de un estudio de la propia Atlassian y deben interpretarse dentro de ese marco, pero describen la diferencia que la empresa pretende cubrir con sus nuevos productos. ## De una tarea de Jira a un pull request generado por un agente La función más llamativa se denomina **Agent loops in Jira**. En lugar de esperar a que un desarrollador abra una herramienta de IA y le indique qué hacer, Jira podrá mantener un proceso que revise continuamente el *backlog* en busca de elementos suficientemente definidos y sin asignar. Cuando encuentra uno, puede delegarlo en **Jira Coding Agent**. El agente ejecuta entonces el trabajo, realiza las pruebas correspondientes y genera un *pull request* (PR) que queda disponible para revisión. El flujo que plantea Atlassian puede resumirse así: | Fase | Responsable principal | | --- | --- | | Definir requisito | Equipo humano | | Registrar y documentar tarea | Jira | | Detectar trabajo disponible | Agent loop | | Delegar tarea | Jira | | Generar modificación | Coding Agent | | Ejecutar comprobaciones | Agente / herramientas CI | | Crear pull request | Coding Agent | | Revisar estándares | AI Review | | Revisar y aprobar | Desarrollador | | Integrar el cambio | Flujo de desarrollo de la organización | El detalle importante está en la última parte. Atlassian no presenta el sistema como un mecanismo para que un agente publique cambios indiscriminadamente en producción. **Los desarrolladores continúan revisando y aprobando qué modificaciones terminan incorporándose.** La diferencia respecto al uso habitual de un asistente de programación está en el inicio del proceso. Actualmente el flujo suele partir de una persona: el desarrollador abre una tarea, reúne información, inicia una sesión con el agente, le proporciona contexto y supervisa el resultado. Con los *agent loops*, parte de ese proceso puede permanecer activo continuamente. El objetivo es que una organización pueda pasar de sesiones individuales de IA a una cola de trabajo donde personas y agentes operen sobre el mismo sistema de planificación. ## Code Context intenta resolver el problema del contexto empresarial Delegar automáticamente una incidencia resulta relativamente sencillo. Conseguir que el agente entienda cómo debería resolverla es bastante más difícil. Un *ticket* puede describir correctamente un error y seguir sin contener suficiente información sobre arquitectura, servicios relacionados, decisiones anteriores o convenciones internas. Ahí entra **Code Context**. La nueva capacidad utiliza el **Teamwork Graph de Atlassian** para proporcionar a Rovo y a otros agentes de programación información procedente de diferentes repositorios y del entorno de trabajo de la organización. Según Atlassian, podrá emplearse desde las primeras etapas del desarrollo. Por ejemplo, un agente podría analizar una idea del *backlog* teniendo en cuenta la arquitectura existente antes de generar un plan de implementación. También puede utilizar ese contexto para investigar errores o buscar posibles causas entre varios repositorios. La diferencia es relevante para proyectos grandes. Una aplicación empresarial rara vez reside en un único repositorio perfectamente documentado. Puede tener un *frontend*, varios servicios, librerías internas, infraestructura como código y componentes compartidos por distintos equipos. Atlassian acompaña Code Context con **Agent Context Controls**, controles destinados a decidir a qué espacios de Jira y Confluence pueden acceder los agentes. Esto introduce una cuestión que las organizaciones tendrán que gestionar a medida que conecten agentes con más información interna: **dar más contexto puede mejorar sus respuestas, pero también aumenta la cantidad de datos a la que pueden acceder**. Los controles permiten limitar ese alcance a requisitos, decisiones arquitectónicas, proyectos y documentación previamente seleccionados por los equipos responsables. ## Las mismas reglas para humanos y agentes Otra de las nuevas funciones se llama simplemente **Standards**. La idea consiste en que los equipos de plataforma puedan definir estándares de programación a nivel de organización y asociarlos a determinados repositorios. Esas reglas pueden compartirse después tanto con los desarrolladores como con los agentes que trabajan sobre el código. Por ejemplo, una organización podría establecer requisitos relacionados con estructura del código, patrones internos o determinadas prácticas de desarrollo y evitar tener que repetir las instrucciones en cada sesión con un agente. La pieza complementaria es **AI Review**. Atlassian utilizará un agente específico para analizar *pull requests* y comprobarlos frente a los estándares establecidos por la organización. Si encuentra problemas, los señalará antes de que el cambio avance en el proceso. No sustituye necesariamente las herramientas tradicionales de integración continua, análisis estático, pruebas o seguridad. Tampoco equivale a demostrar que el código generado sea correcto o seguro. Su función es añadir otra capa de revisión basada en las reglas y el contexto proporcionados al sistema. Para los equipos de plataforma puede resultar especialmente interesante porque uno de los problemas de introducir múltiples agentes de IA es mantener criterios homogéneos. Un desarrollador puede utilizar un agente con unas instrucciones y otro equipo trabajar con uno diferente. Sin una capa común, las políticas terminan repartidas entre archivos de configuración, *prompts*, documentación y herramientas independientes. Atlassian intenta convertir esos estándares en una parte del sistema compartido de desarrollo. ## DX quiere responder a otra pregunta: ¿la IA realmente mejora el desarrollo? La otra mitad del anuncio tiene menos que ver con generar código y más con medir qué ocurre después. **DX for Agentic Development** pretende relacionar la utilización de herramientas y agentes de IA con indicadores de rendimiento, calidad, adopción y coste. La plataforma agrupará elementos como AI Code Insights, seguimiento de herramientas y servidores Model Context Protocol (MCP), adecuación de diferentes modelos a cada tipo de tarea y métricas sobre la experiencia de los desarrolladores. También pretende relacionar la inversión total en IA con los resultados del trabajo de ingeniería. Atlassian cita un análisis reciente de DX según el cual los equipos cuyas herramientas de IA disponían de más contexto procedente de Atlassian entregaban aproximadamente **un 64 % más por desarrollador**. Es un resultado procedente del análisis de la propia compañía y no debe interpretarse como que añadir contexto vaya a aumentar automáticamente un 64 % la productividad de cualquier equipo. Jira añadirá además **Agent Usage Dashboard**, un panel que permitirá observar qué agentes se utilizan y relacionar sus sesiones con elementos concretos de Jira. Para un responsable de ingeniería esto puede acabar siendo tan relevante como el propio agente. Una empresa puede pagar simultáneamente varios asistentes de código, modelos mediante API, plataformas de agentes y servidores MCP. Saber cuántas licencias existen es relativamente fácil; determinar **qué herramientas están interviniendo realmente en el trabajo, cuánto cuestan y si están reduciendo tiempos sin deteriorar la calidad** es bastante más complicado. Ese es el espacio que Atlassian quiere cubrir con DX. La compañía asegura que el 94 % de los responsables de ingeniería de su estudio ya utiliza IA. Si el desarrollo asistido continúa avanzando hacia agentes capaces de trabajar durante periodos prolongados, la gestión puede pasar de controlar únicamente usuarios humanos a administrar también identidades, permisos, costes y acciones realizadas por software autónomo. El anuncio de Atlassian refleja ese cambio. El siguiente paso después del *copilot* que espera instrucciones puede ser un sistema en el que **el backlog se convierta también en una cola de trabajo para agentes**, con Jira coordinando quién hace cada tarea y los desarrolladores concentrándose en revisar, corregir y decidir qué cambios se aceptan. Por ahora, buena parte de esa propuesta todavía debe demostrar su funcionamiento fuera de las demostraciones y los primeros clientes. **Code Context está desplegándose gradualmente como beta abierta entre clientes de pago de Atlassian. Agent loops, Standards y AI Review permanecen en acceso anticipado privado.** Agent Context Controls y Agent Usage Dashboard tienen prevista su disponibilidad general para clientes de pago de Jira durante los próximos meses. DX for Agentic Development, por su parte, tiene prevista la disponibilidad general para clientes de Atlassian DX durante este trimestre. La diferencia entre esas fases importa. Atlassian ha presentado un sistema bastante amplio para coordinar desarrollo realizado por humanos y agentes, pero **no todas las piezas anunciadas están disponibles hoy de forma general**. Su despliegue durante los próximos meses permitirá comprobar si Jira puede pasar de registrar el trabajo de los equipos a coordinar también una parte del trabajo realizado autónomamente por IA.