최근 Atlassian이 Jira에 'Agents in Jira'를 공개 베타로 내놓으면서, 사람 팀원과 AI 에이전트를 같은 대시보드에서 똑같이 "할당하고 추적"하는 시대가 열렸습니다.1 포인트는 단순 자동화가 아니라, 프로젝트 안에서 AI를 '보이는 팀원'으로 만들겠다는 것인데요. 오늘은 이 업데이트가 왜 중요한지, 그리고 실제 팀에서 어떻게 써야 덜 혼란스럽게 생산성을 올릴 수 있는지 정리해볼게요.
Agents in Jira란? "AI도 담당자 칸에 들어간다"
Agents in Jira는 말 그대로 티켓의 Assignee 자리에 사람 대신(혹은 사람과 함께) AI 에이전트를 넣을 수 있게 만든 기능입니다. 작업을 던져놓고 끝이 아니라, 진행 상황, 마감, 측정 지표를 Jira의 익숙한 방식으로 같이 관리합니다.1 특히 이미 굴러가던 프로젝트 중간에 에이전트를 호출해 합류시키는 흐름도 지원해 "갑자기 생긴 일"에도 투입하기가 쉬워졌죠.1
또 하나 현실적인 변화는 커뮤니케이션 방식입니다. 댓글에서 에이전트를 @mention해 맥락을 유지한 채로 핑퐁할 수 있어, "DM으로 시킨 일"처럼 증발하지 않습니다.2 즉, AI가 일을 하더라도 기록은 티켓에 남고, 협업은 티켓 안에서 끝나는 구조를 지향합니다.
"에이전트 스프롤"을 막는 운영장치: 권한·감사로그·승인
AI를 붙이면 일이 줄 것 같지만, 실제 현장에선 '도구가 늘어서 관리가 늘어나는' 역설이 자주 옵니다. Atlassian이 강조하는 방향도 여기입니다. 에이전트를 늘리는 게 아니라, 늘어난 에이전트를 통제 가능한 형태로 정렬하겠다는 것.1
그래서 Agents in Jira는 Jira가 원래 갖고 있던 기업용 장치--프로젝트 설정, 권한, 승인 흐름, 감사 추적--안에서 에이전트가 움직이게 설계됐다고 합니다.2 외부 기사에 따르면 "사람이 못 보는 데이터는 에이전트도 못 본다"는 식으로 역할 기반 접근을 동일하게 적용하고, 에이전트의 행동도 로그로 남기는 거버넌스가 핵심 축으로 언급돼요.3 여기에 더해 개발 환경에서는 샌드박스와 인간 승인 같은 안전장치를 두어, '알아서 수정해버리는 사고'를 줄이려는 접근도 보입니다.3
요약하면, 이 기능은 "AI가 똑똑해졌다"보다 "AI를 조직에 넣어도 감사와 통제가 된다"에 더 가깝습니다. 엔터프라이즈에서 진짜 필요한 포인트죠.
MCP와 Rovo: Jira 밖 도구까지 '한 팀'으로 묶는 연결법
Agents in Jira가 "Jira 안에서의 협업 방식"이라면, MCP(Model Context Protocol)는 "Jira 밖의 맥락까지 가져오는 연결 방식"에 가깝습니다. Atlassian은 Rovo 에이전트뿐 아니라 MCP 기반의 서드파티 에이전트도 Jira에 넣을 수 있게 하고, 동시에 MCP에 투자를 확대한다고 밝혔습니다.2
재밌는 건 연결 대상입니다. 예를 들어 Amplitude, Box, Canva, Figma, Intercom 같은 외부 앱의 '라이브 맥락'을 에이전트가 가져와서, 티켓 업데이트나 작업 생성 같은 액션으로 이어지게 할 수 있다는 그림이죠.2 즉 "기획은 Figma, 데이터는 Amplitude, 요청은 Jira"처럼 흩어진 업무를, 에이전트가 오가며 이어붙이는 방식입니다.
이때 중요한 건, 에이전트가 '검색만 하는 비서'에 머물지 않는다는 점입니다. 한 분석에서는 고객 환경에서 MCP 기반 작업 중 상당 비중이 단순 조회가 아니라 쓰기(write) 작업이라는 언급도 있어요.3 결국 기업이 원하는 건 "요약해줘"가 아니라 "티켓 만들고, 상태 바꾸고, 다음 사람에게 넘겨"이기 때문입니다.
실무 적용 시나리오: 어떤 일을 AI에게 맡기면 좋은가
Agents in Jira를 바로 도입한다면, 가장 먼저 효과가 나는 곳은 규칙이 명확한 반복 작업입니다. 예를 들어 티켓 내용을 읽고 필요한 정보가 빠졌는지 체크해 질문을 남기거나, 코멘트/첨부를 기반으로 요약을 만들어 다음 담당자에게 전달하는 일은 사람의 집중력을 꽤 갉아먹죠.
서비스 조직이라면, Jira Service Management의 가상 에이전트처럼 "자주 묻는 질문은 지식베이스에서 답하고, 해결이 안 되면 티켓으로 에스컬레이션" 패턴이 이미 검증된 편입니다. 한 자료에 따르면 JSM 가상 에이전트를 쓰는 조직에서 자동화를 통해 해결(해결률) 지표가 크게 개선됐다는 언급도 있습니다.4 이 경험을 개발·기획·운영 팀의 Jira 이슈 세계로 가져오는 게 Agents in Jira의 자연스러운 다음 수순으로 보입니다.
반대로 '사람이 해야 하는 일'도 선명합니다. 이해관계 충돌 조정, 우선순위의 정치(...) 같은 합의 작업, 승인과 책임이 걸린 최종 결정은 에이전트가 잘해도 "누가 책임지나"에서 멈춥니다. 그래서 운영 팁은 단순해요. AI에게는 실행과 정리를 맡기고, 사람은 승인과 방향을 잡는 쪽으로 역할을 고정하는 겁니다.
시사점
Agents in Jira는 "AI를 더 붙이자"가 아니라 "AI를 팀 운영의 규칙 안으로 끌고 오자"에 가깝습니다. 같은 보드에서 할당하고, 같은 방식으로 추적하며, 같은 권한과 감사 체계로 통제한다는 점이 핵심이죠.12
도입을 고민한다면, 처음부터 거창한 자동화보다 '티켓 1장 안에서 끝낼 수 있는 일'부터 고르세요. 예를 들면 이슈 요약 작성, 누락 정보 체크, 코멘트 기반 다음 액션 제안처럼요. 그리고 무엇보다 "에이전트의 결과는 반드시 사람 승인으로 닫힌다"는 규칙을 먼저 세우면, 생산성은 오르고 혼란은 줄어듭니다.
참고
1Jira's latest update allows AI agents and humans to work side by side
2Atlassian Introduces Agents in Jira to Drive Human-AI Collaboration at Enterprise Scale
3Atlassian embeds agents into Jira and embraces MCP for third-party integrations
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.