Alisina NawabiAtlassian maakt van Jira de plek waar AI-coding-agents hun werk toegewezen krijgen. Teams kunnen een taak voortaan rechtstreeks doorschuiven naar Claude Code, GitHub Copilot of Cursor, die vervolgens de code schrijven en een pull request klaarzetten voor review, meldt het bedrijf.
De lancering hangt aan een ongemakkelijk cijfer uit Atlassians eigen onderzoek met analistenbureau DX: terwijl het AI-gebruik onder ontwikkelaars met 65% steeg, bleef de gemeten snelheidswinst rond de 10%, bij veel organisaties zelfs daaronder. Meer AI leidde dus niet vanzelf tot sneller werk. Voor een Nederlands softwareteam dat licenties voor coding-assistenten koopt, is dat de kern: de winst zit niet in nóg een model, maar in waar en hoe je die agents in je bestaande proces zet.
Wat je nu echt kunt toewijzen
Atlassian bouwt het toewijzen van werk in op de plek waar de taken al staan. Bij een work item kies je een agent uit een lijst en delegeert het werk in één handeling.
De koppeling met Claude Code, Cursor en GitHub Copilot is algemeen beschikbaar, net als een eigen Jira Coding Agent die in elk betaald plan zit en routineklussen als bugfixes zelf oppakt. Codex van OpenAI volgt later. Jira Planner, dat uit je codebase, Jira en Confluence een technische specificatie samenstelt, zit nog in een vroege-toegangsfase.
Niet méér AI, maar context en grip
De inzet van Atlassian is niet een krachtiger agent, maar betere context en governance eromheen. Via de Teamwork Graph, een laag die Jira, Confluence, Slack en GitHub verbindt, voert het bedrijf zijn agents met projectcontext. In eigen tests leverde dat 44% nauwkeurigere resultaten met 48% minder tokens op dan agents zonder die context.
Governance is het tweede spoor. Agent-sessies zijn zichtbaar in één overzicht, automatiseringsregels kunnen bugs of kwetsbaarheden naar een agent routeren, en een kostenmodule houdt het tokenverbruik per team bij. Van de routinematige codekwetsbaarheden loste het systeem er 51% autonoom op, telkens klaargezet voor menselijke goedkeuring vóór de merge. De mens blijft verantwoordelijk voor wat er live gaat, benadrukt Atlassians hoofd engineering voor Dev AI.
Waar dit heen wijst
De echte verschuiving is dat het toewijzen, volgen en beheersen van AI-werk naar de projecttool trekt waar teams toch al plannen, in plaats van naar een losse chatinterface. Dat sluit aan bij wat de Copilot-cijfers eerder lieten zien: na drie jaar betaalt minder dan 4,5% van de Microsoft 365-klanten voor Copilot, omdat het proces eromheen en niet het model de rem is. Wie AI-agents laat werken tussen ticket en pull request, wint pas iets als de context en de governance kloppen. De tool die dat afdwingt op de plek waar het werk al leeft, heeft daarin een streepje voor.
Veelgestelde vragen
AI die echt werk overneemt
Een agent aanzetten is makkelijk; hem laten landen in jouw proces is het echte werk. Ik denk mee, ontwerp de workflow en bouw de koppelingen zodat AI bij jou daadwerkelijk taken overneemt, van eerste idee tot live product, self-hosted waar dat kan.
Dit artikel is geproduceerd samen met het Agent Team. Meer over de redactie.
