CURVC DevOps Confluence

안녕하세요, 커브입니다. 이번 7월 뉴스레터에서는 AI로 글을 쓸 때 어디까지 맡기고 무엇을 사람이 직접 판단해야 하는지, Atlassian의 AI 글쓰기 가이드라인을 통해 기준과 검증, 사람의 관점이 왜 중요한지 짚어봅니다. 또 JFrog이 바라보는 에이전트 기반 AI 공급망 보안 이슈와 Shadow AI 통제 방법도 함께 다룹니다. AI를 빠르게 쓰는 것만큼 안전하고 신뢰할 수 있게 쓰는 방법이 궁금하다면, 커브가 준비한 다음 콘텐츠를 읽어보세요. https://d15k2d11r6t6rl.cloudfront.net/public/users/Integrators/208d7955-33b5-4ad5-b739-82f8ce94ecac/8a9982cf7639e85d01764536575024c3/%EC%BB%A8%ED%85%90%EC%B8%A0%20%EB%B0%B0%EB%84%88/BEST%26NEW%20CONTENTS%20TITLE-09.png https://d15k2d11r6t6rl.cloudfront.net/public/users/Integrators/208d7955-33b5-4ad5-b739-82f8ce94ecac/8a9982cf7639e85d01764536575024c3/%EC%BB%A8%ED%85%90%EC%B8%A0%20%EB%B0%B0%EB%84%88/BEST%26NEW%20CONTENTS%20TITLE-10_1.png Jira Cloud 자동화 smart value 사용 가이드 https://link.email.unifyr.com/c/103/10c39e4daa17d28de56b6b9966753552c3539d4eedb6e26299af16a623dfb3cdcaa1d9b495b0dd6f SonarQube 사용자 관리하기 https://link.email.unifyr.com/c/103/10c39e4daa17d28de56b6b9966753552c3539d4eedb6e262bc7c8bb93c702849caa1d9b495b0dd6f Confluence Cloud 권한 관리 https://link.email.unifyr.com/c/103/10c39e4daa17d28de56b6b9966753552c3539d4eedb6e2629fd42c122805c32acaa1d9b495b0dd6f Jira Cloud에서 (하위) 업무 항목 만들기 https://link.email.unifyr.com/c/103/10c39e4daa17d28de56b6b9966753552c3539d4eedb6e26240f725b97b7d4f6bcaa1d9b495b0dd6f SonarQube MCP Server 연동 https://link.email.unifyr.com/c/103/10c39e4daa17d28de56b6b9966753552c3539d4eedb6e262f63b8e3a6e0f9c8ccaa1d9b495b0dd6f JSM에서 Rovo와 자동화로 문제 해결 속도 높이기 https://link.email.unifyr.com/c/103/10c39e4daa17d28de56b6b9966753552c3539d4eedb6e262080da859c417b7a7caa1d9b495b0dd6f SonarQube Database 설치 가이드 https://link.email.unifyr.com/c/103/10c39e4daa17d28de56b6b9966753552c3539d4eedb6e26256a21e557cda644ccaa1d9b495b0dd6f SonarQube가 검증하고, Coverity가 컴파일합니다. https://link.email.unifyr.com/c/103/10c39e4daa17d28de56b6b9966753552c3539d4eedb6e262690ebc6297036463caa1d9b495b0dd6f 더 나은 협업을 위한 AI 프롬프트 95가지 https://link.email.unifyr.com/c/103/10c39e4daa17d28de56b6b9966753552c3539d4eedb6e262a2d0002d57d8fea6caa1d9b495b0dd6f SonarQube Server 2026.4 https://link.email.unifyr.com/c/103/10c39e4daa17d28de56b6b9966753552c3539d4eedb6e2626c2c41c831ee58abcaa1d9b495b0dd6f 2026.06 2.png https://confluence.curvc.com/spaces/ASD/blog/2026/07/08/335413421/Atlassian%EC%9D%98+AI+%EA%B8%80%EC%93%B0%EA%B8%B0+%EA%B0%80%EC%9D%B4%EB%93%9C%EB%9D%BC%EC%9D%B8 2026.06 3.png https://confluence.curvc.com/spaces/ASD/blog/2026/07/24/335413487/JFrog+%EC%97%90%EC%9D%B4%EC%A0%84%ED%8A%B8+%EA%B8%B0%EB%B0%98+%EA%B3%B5%EA%B8%89%EB%A7%9D%EC%97%90+%EB%8C%80%ED%95%9C+%ED%86%B5%EC%A0%9C%EA%B6%8C+%EB%90%98%EC%B0%BE%EA%B8%B0

2026/07/29

더 나은 협업을 위한 AI 프롬프트 95가지

출처: 95 AI prompts for better teamwork https://www.atlassian.com/blog/ai-at-work/ai-prompts-for-better-teamwork 작성자: Shaina Rozen (Contributing Writer) 발행일: 2025년 09월 25일 5초 요약 AI를 개인 생산성 향상 도구가 아닌, 협업과 팀의 성과를 높이는 도구로 활용할 때 더 큰 효과를 얻을 수 있는 이유를 알아보세요. 더 나은 결과를 얻을 수 있도록 효과적인 프롬프트를 작성하고 AI에 적절한 맥락을 제공하는 방법을 알아보세요. 생산성을 높이는 것은 물론, 더 나은 성과를 낼 수 있도록 팀 협업을 지원하는 다양한 AI 프롬프트를 살펴보세요. 계주 경기를 앞둔 육상팀이 있다고 상상해보세요. 이 팀은 전국 최고의 스프린터들로 구성되어 있으며, 선수들은 대회를 앞두고 기록을 단축하기 위해 꾸준히 훈련해 왔습니다. 하지만 한 가지 큰 문제가 있었습니다. 개인 훈련에는 많은 시간을 투자했지만, 팀으로서의 훈련은 충분하지 않았던 것입니다. 선수들은 각자의 기량을 갈고닦으며 매주 기록을 단축했지만, 출발 신호가 울리는 순간에는 개인의 기량만으로는 충분하지 않았습니다. 관중들은 선수들이 배턴을 주고받는 과정에서 호흡을 맞추지 못해 속도를 잃는 모습을 지켜봤습니다. 반면 옆 레인의 팀은 완벽한 호흡으로 배턴을 매끄럽게 주고받으며 경기의 흐름을 끝까지 이어 갔습니다. 개인 훈련과 팀 훈련을 함께 이어온 덕분에, 우승에 필요한 개인 기량과 팀워크를 모두 갖출 수 있었던 것입니다. 생산성을 넘어, 실질적인 성과 만들기 AI에 투자하는 기업들도 마찬가지입니다. 2025 AI Collaboration Index https://www.atlassian.com/blog/AI-Collaboration-Report-2025에 따르면, 지난 1년 동안 AI의 일상적인 활용은 두 배로 늘었지만, 여전히 96%의 기업은 조직의 업무 효율성, 혁신, 업무 품질 측면에서 획기적인 개선을 경험하지 못하고 있습니다. 반면, 의미 있는 투자 대비 효과(ROI)를 거둔 기업들은 AI 기반 협업을 우선시하고, AI를 팀의 일원으로 효과적으로 활용하고 있습니다. 최고의 AI 도구는 이러한 맥락을 고려해 팀원 간 업무를 유기적으로 연결하고 조율함으로써 모든 구성원이 함께 목표를 달성할 수 있도록 지원합니다. 팀 협업을 위한 AI 도구 Atlassian은 20년이 넘는 시간 동안 팀 협업의 원리 https://www.atlassian.com/blog/teamwork/the-importance-of-teamwork를 연구해 왔습니다. AI가 가져온 전례 없는 변화 속에서도 팀 중심의 접근 방식은 변함없이 유지되고 있습니다. Atlassian은 AI의 진정한 잠재력이 사람과 AI의 협업에 있다고 믿습니다. 사람과 AI가 각자의 강점을 결합하면 혼자서는 달성하기 어려운 성과도 함께 만들어 낼 수 있기 때문입니다. 또한 AI 도구가 팀 구성원, 목표, 아이디어, 프로젝트, 작업 등 팀과 관련된 데이터를 활용할 수 있다면, 개인의 생산성을 높이는 데 그치지 않고 팀과 비즈니스의 성공까지 이끌 수 있는 맥락을 갖추게 됩니다. 이것이 바로 Rovo https://www.atlassian.com/software/rovo의 진정한 가치입니다: Rovo는 팀이 최고의 성과를 낼 수 있도록 지원합니다. Atlassian 앱 안팎의 조직 데이터를 활용해 누가, 무엇을, 어떻게 일하는지에 대한 정보를 하나의 맥락으로 연결합니다. 이렇게 확보한 맥락을 바탕으로 여러분과 팀이 가장 관련성 높은 정보를 빠르게 찾고, 그 정보를 이해하며, 필요한 작업까지 이어서 수행할 수 있도록 지원합니다. AI가 단순히 개인을 보조하는 역할에 머무는 것이 아니라 팀 협업 전반에 자연스럽게 녹아들 때, 사람과 AI의 협업은 비로소 진정한 잠재력을 발휘합니다. 팀 협업을 위한 AI 프롬프트 AI를 더욱 효과적으로 활용하는 방법을 찾고 있다면, 아래 프롬프트를 통해 AI를 팀 협업에 활용했을 때 https://www.atlassian.com/blog/productivity/ai-is-changing-work-for-the-better 어떤 차이를 만들어낼 수 있는지 직접 경험해 보세요. 전문가처럼 프롬프트 작성하기 AI로 할 수 있는 일은 정말 많지만, 그 시작은 AI에 어떤 지시를 내리느냐에 달려 있습니다. 이러한 지시와 입력을 “프롬프트(prompt)”라고 합니다. 조금 거창하게는 “프롬프트 엔지니어링(prompt engineering)”이라고도 부르지만, 더 나은 결과를 얻으려면 프롬프트에 몇 가지 기본 정보만 포함해도 충분합니다. 역할(Persona): 어떤 역할을 맡고 있으며, 대상은 누구인가요? 예를 들어: “저는 HR 매니저이며, 새로 입사한 직원에게 회사 입사를 환영하는 이메일을 작성하려고 합니다." 작업(Task): AI에게 무엇을 요청하고 싶나요? 원하는 결과를 최대한 구체적으로 설명해 보세요. 예를 들어: "[담당자]에게 보내는 환영 이메일을 작성하고, 회사 입사를 환영하는 내용과 함께 첫 출근일 및 입사 첫날 진행될 내용을 간략하게 안내해 주세요." 맥락(Context): 작업을 정확하게 수행하는 데 필요한 배경 정보는 무엇인가요? AI가 참고해야 할 정보와 답변에 포함할 내용을 함께 알려주세요. 예를 들어: "문체는 전문적이면서도 따뜻한 느낌으로 작성하고, 첫 출근일은 3월 1일이며 오전 9시까지 [주소]로 출근해야 하고 [매니저]가 로비에서 맞이할 예정이라는 내용과 함께 첫 출근과 관련된 자세한 정보는 다음 링크를 참고하도록 안내해 주세요: [링크] [링크] [링크]" 형식(Format): 어떤 형식으로 결과를 받고 싶나요? (예: 이메일, 글머리 기호, 표, 프레젠테이션 등 원하는 형식을 지정해 보세요.) 예를 들어: "따뜻한 환영 인사를 담은 이메일 형식으로 작성하고, 이메일 상단에는 출근 날짜, 시간, 주소를 굵게 표시한 뒤 그 아래에는 추가 정보를 글머리 기호 또는 섹션으로 나누어 정리해 주세요." AI를 함께 일하는 팀원이라고 생각해 보세요. 원하는 결과를 얻기 위해 팀원에게 어떤 지시와 정보를 전달할지 생각해 보면, 더 효과적인 프롬프트를 작성할 수 있습니다. 목적 및 기능별 프롬프트 1. 팀 미팅을 더 효과적으로 만드는 AI 프롬프트 지난 팀 회의의 주요 논의 내용과 실행 항목(Action Items)을 요약해 주세요. 결정된 사항, 해결되지 않은 질문, 그리고 아직 완료되지 않은 후속 작업도 함께 정리해 주세요. 다가오는 스프린트 계획(Sprint Planning) 회의를 위한 안건을 작성해 주세요. 진행을 막는 이슈(blockers), 의존성(dependencies), 그리고 팀 간 진행 상황을 공유하는 시간을 포함해 주세요. 최근 세 번의 회고(Retrospective)를 분석하고, 팀이 함께 해결해야 할 반복적인 주제나 문제를 제안해 주세요. 최근 팀 미팅에서 발언이나 참여가 적었던 팀원을 파악하고, 모두가 더욱 적극적으로 참여할 수 있는 방법을 제안해 주세요. 다음 팀 미팅의 오프닝을 준비하고 있습니다. 선택할 수 있는 아이스브레이커 5가지를 제안하고, 최근 및 예정된 팀원의 생일과 입사 기념일을 정리해 주세요. 또한 팀이 함께 축하할 수 있는 최근 성과와 달성한 주요 마일스톤도 알려 주세요. 2. 목표 설정 및 정렬, 진행 상황 추적을 위한 AI 프롬프트 우리 팀의 분기별 목표를 검토하고, 현재 프로젝트 우선순위와 맞지 않는 목표가 있다면 알려 주세요. 우리 팀의 목표를 인접 팀의 목표와 비교하고, 중복되는 영역이나 협업 기회를 찾아 알려 주세요. 우리 팀의 OKR 진행 현황 보고서를 작성하고, 팀 간 협업이 필요한 주요 장애 요인(blockers)과 의존성(dependencies)을 강조해 주세요. 다음 리더십 업데이트를 위해 팀의 목표 달성 현황을 효과적으로 시각화할 수 있는 방법을 제안해 주세요. 지난 2년간 팀의 목표, 성과 지표, 프로젝트 결과를 분석해 주세요. 현재 성과를 내고 있는 부분과 개선이 필요한 부분, 그리고 발전 기회를 요약해 주세요. 3. 팀 업무 계획 및 진행 상황 추적을 위한 AI 프롬프트 현재 진행 중인 프로젝트 전반에서 중복되거나 겹치는 작업이 있는지 파악해 주세요. Jira 프로젝트 보드를 분석하고, 병목 현상을 방지할 수 있도록 팀의 업무를 더 균형 있게 배분할 수 있는 방안을 제안해 주세요. 다른 팀의 지원이 필요한 미해결 장애 요인(blockers)을 모두 정리하고, 관련 이해관계자에게 보낼 협조 요청 메시지를 작성해 주세요. 변화하는 비즈니스 요구사항과 팀의 업무 여력을 고려해 백로그의 우선순위를 재조정하는 계획을 제안해 주세요. 지난 분기에 완료한 작업을 검토하고, 작업 지연이나 기한 미준수에서 반복적으로 나타나는 패턴을 분석한 뒤 프로세스 개선 방안을 제안해 주세요. 4. 지식 관리 및 온보딩을 위한 AI 프롬프트 신규 팀원을 위한 Confluence 온보딩 페이지를 작성해 주세요. 주요 자료, 팀 연락처, 현재 우선순위도 함께 포함해 주세요. 팀의 Slack 채널에서 자주 묻는 질문을 요약하고, 이를 바탕으로 Confluence용 지식 베이스 문서를 작성해 주세요. 온보딩이나 팀 간 협업에 어려움을 줄 수 있는 팀 문서의 보완이 필요한 부분을 찾아 개선 방안을 제안해 주세요. 팀원이 프로젝트를 떠날 때 효과적인 지식 인수인계를 위한 체크리스트를 작성해 주세요. 팀의 Confluence 공간과 공유 드라이브를 검토해 오래되었거나 중복된 문서를 찾아 정리 방안을 제안해 주세요. 5. 분산 환경과 비동기 협업을 위한 AI 프롬프트 팀의 회의 일정을 분석하고, 시차로 인한 회의 피로를 줄일 수 있는 방안을 제안해 주세요. 예를 들어, 기본적인 진행 상황 공유 회의는 Loom과 같은 도구를 활용한 동영상으로 대체하는 방법을 포함해 주세요. 팀원의 근무 위치와 관계없이 모든 구성원이 프로젝트 변경 사항을 제때 공유받을 수 있도록 커뮤니케이션 계획을 작성해 주세요. [프로젝트 이름]에 대해 배포한 공지 내용을 검토하고, Loom과 같은 도구를 활용한 보충 동영상을 함께 제공하면 질문이나 피드백, 오해를 줄이는 데 도움이 될 부분을 찾아 주세요. 6. 부서 간 협업을 위한 AI 프롬프트 [팀 이름]에서 현재 진행 중인 주요 프로젝트와 이니셔티브를 정리하고, 두 팀의 목표를 함께 달성하기 위해 협업할 수 있는 부분을 제안해 주세요. [부서 또는 사업부 이름] 전반의 목표를 분석하고, 팀의 목표와 중복되거나 연계되는 부분을 알려 주세요. 이 프로젝트 계획을 검토하고, 협업 대상이나 이해관계자로 참여시키면 좋을 조직 내 다른 팀을 제안해 주세요. 최근 팀이 겪고 있는 주요 문제나 장애 요인(blockers)을 파악하고, 지원을 요청하면 좋을 팀이나 부서를 추천해 주세요. 인접 팀의 최근 커뮤니케이션과 프로젝트 업데이트를 검토하고, 양쪽 팀 모두에 도움이 될 공동 이니셔티브나 지식 공유 기회를 제안해 주세요. 7. 인사이트와 기회 발굴을 위한 AI 프롬프트 최근 프로젝트의 성과를 분석하고, 팀이 새로운 시도를 하거나 혁신할 수 있는 영역을 제안해 주세요. 고객 피드백을 검토하고, 팀의 업무와 관련된 인사이트를 도출해 주세요. 팀의 성과 지표에서 나타나는 추세를 분석하고, 협업을 개선해 더 나은 성과를 낼 수 있는 방안을 제안해 주세요. Confluence 공간을 검토해 과거 프로젝트에서 얻은 교훈을 바탕으로, 현재 진행 중인 업무에 활용할 수 있는 인사이트를 알려 주세요. 최근 팀 회고(retrospective)에서 나온 피드백을 종합하고, 반복적으로 발생하는 문제를 해결하기 위한 새로운 실험이나 파일럿 이니셔티브를 제안해 주세요. 8. 지속적인 개선과 피드백을 위한 AI 프롬프트 현재 팀의 업무 방식을 개선하기 위한 피드백을 수집할 수 있도록 팀 설문을 작성하고, 개선이 필요한 영역을 파악해 주세요. 최근 실시한 팀 헬스 체크(Team Health Check) 결과를 요약하고, 실행 가능한 다음 단계를 제안해 주세요. 최근 도입된 도구나 프로세스 등 변화에 대한 팀의 대응을 분석하고, 변화에 원활하게 적응할 수 있는 방안을 제안해 주세요. 이 Confluence 공간에서 팀이 작성한 문서를 검토하고, [리더 또는 팀원 이름]이 과거에 남긴 피드백의 특징을 요약해 주세요. 그런 다음 새로 작성한 문서를 검토하고, 해당 피드백을 바탕으로 개선할 수 있는 부분을 알려 주세요. 이 문서를 검토하고, 회사의 [분야 또는 역량] 모범 사례(best practices)와 비교해 주세요. 그런 다음, 문서를 개선하기 위해 적용하면 좋을 권장 사항을 요약해 주세요. 9. 변화 관리와 커뮤니케이션을 위한 AI 프롬프트 최근 조직에서 이루어진 변화를 분석하고, 팀에 미치는 주요 영향을 요약해 주세요. 그런 다음, 팀과 이해관계자가 변화 내용을 지속적으로 공유받고 적극적으로 참여할 수 있도록 커뮤니케이션 계획을 작성해 주세요. 최근 변경된 업무 프로세스나 도구에 대한 팀원의 피드백을 검토하고, 우려 사항을 해결하고 변화에 원활하게 적응할 수 있도록 협업 방안을 제안해 주세요. 예정된 변화의 영향을 받는 이해관계자를 파악하고, 변화에 대한 공감대와 참여를 높일 수 있도록 계획 수립과 의사결정 과정에 참여시키는 방안을 제안해 주세요. 과거 변화 관리 이니셔티브에서 얻은 교훈을 요약하고, 앞으로 팀이 변화에 더욱 효과적으로 적응하는 데 활용할 수 있는 모범 사례(best practices)를 제안해 주세요. 10. 혁신과 창의적인 문제 해결을 위한 AI 프롬프트 최근 프로젝트에서 발생한 문제를 검토하고, 팀이 함께 창의적인 해결책을 도출할 수 있도록 브레인스토밍 세션 안건을 작성해 주세요. 과거 혁신 이니셔티브에 대한 피드백을 분석하고, 팀 아이데이션(ideation) 워크숍에 적용할 새로운 접근 방식이나 진행 방식을 제안해 주세요. 업계 동향과 경쟁사의 활동을 분석하고, 팀이 새로운 아이디어를 실험하거나 파일럿으로 추진해 볼 수 있는 영역을 제안해 주세요. 다른 팀이나 부서의 성공적인 혁신 사례를 요약하고, 팀에서 이를 어떻게 적용하거나 발전시킬 수 있을지 제안해 주세요. 최근 고객 또는 사용자 피드백을 검토하고, 아직 충족되지 않은 요구사항이나 불편 사항(pain points)을 해결하기 위해 팀이 함께 브레인스토밍할 새로운 제품 기능, 프로세스 개선안 또는 서비스 개선안을 제안해 주세요. 팀별 AI 프롬프트 1. 개발팀 최근 인시던트(incident) 보고서를 분석하고, 팀이 해결해야 할 반복적인 문제나 패턴을 파악해 주세요. 최근 팀이 겪은 기술적 과제를 바탕으로 지식 공유 세션의 안건을 작성해 주세요. 다음 스프린트에서 필요한 팀 간 의존성(dependencies)을 파악하고, 효과적인 커뮤니케이션 방안을 제안해 주세요. 팀 전체가 함께 작성한 프로젝트 브리프(brief)를 바탕으로 이해하기 쉽고 따라가기 쉬운 프로젝트 계획을 작성해 주세요. 2. 인사팀 최근 실시한 직원 몰입도(Employee Engagement) 설문 결과를 요약하고, 팀 차원에서 추진해야 할 주요 실행 과제를 도출해 주세요. 회사에서 유사한 직무에 대해 작성한 기존 직무기술서(Job Description) 사례를 찾아 보여 주고, 해당 직무기술서에 대한 피드백을 제공해 주세요. 학습 및 개발(Learning & Development) 프로그램 참여율이 낮은 팀을 파악하고, 맞춤형 안내와 학습 자료를 통해 참여를 높일 수 있는 방안을 제안해 주세요. 온보딩 피드백을 분석하고, 부서 간 협업을 개선할 수 있는 방안을 제안해 주세요. 조직 변화 기간 동안 관리자가 팀원의 웰빙을 지원할 수 있도록 체크리스트를 작성해 주세요. 3. 마케팅팀 지역별 캠페인 성과를 요약하고, 성과 향상을 위해 다른 팀과 협업할 수 있는 영역을 제안해 주세요. 제품 출시 일정과 영업 활동에 맞춰 콘텐츠 캘린더를 작성하고, 팀원과 협업자에게 할당할 수 있는 작업도 함께 포함해 주세요. 채널별 메시지의 일관성을 검토하고, 일관성이 부족한 부분을 파악해 개선 계획을 제안해 주세요. 최근 캠페인에 대한 고객 피드백을 분석하고, 고객의 우려 사항을 해결하기 위한 팀 차원의 실행 방안을 제안해 주세요. 목표 고객에게 효과적으로 다가갈 수 있는 예정된 업계 행사(Event)를 조사하고, 행사 전략을 함께 수립할 팀을 제안해 주세요. 4. 재무팀 모든 프로젝트의 예산 집행 현황을 요약하고, 예산 전망을 다시 수립해야 하는 팀을 파악해 주세요. 예정된 재무 정책 변경에 대비해 팀 간 커뮤니케이션 계획을 작성해 주세요. 반복적으로 발생하는 비용 승인 병목 현상을 파악하고, 프로세스 개선 방안을 제안해 주세요. 지출 데이터를 분석하고(계산 결과는 반드시 다시 확인해 주세요), 팀 간 협업을 통해 비용을 절감할 수 있는 영역을 제안해 주세요. 여러 부서의 협업이 필요한 분기 마감(Quarterly Close) 업무를 위한 체크리스트를 작성해 주세요. 5. 법무팀 팀별 계약 검토 요청을 요약하고, 긴급하게 대응이 필요한 부서 간 의존성을 파악해 주세요. 법무팀이 아닌 구성원을 위해 자주 묻는 법률 질문을 정리한 Confluence 지식 베이스 문서를 작성해 주세요. 여러 팀에서 반복적으로 발생하는 규정 준수(Compliance) 이슈를 파악하고, 이를 해결하기 위한 교육 세션을 제안해 주세요. 최근 정책 변경 사항을 분석하고, 영향을 받는 모든 팀을 위한 커뮤니케이션 방안을 제안해 주세요. 예정된 규제 준수 기한을 정리하고, 각 산출물(Deliverables)의 담당 팀을 함께 표시해 주세요. 6. 제품 관리팀 고객 피드백의 주요 추세를 요약하고, 문제 해결을 위해 협업하면 좋을 팀을 제안해 주세요. 팀 간 의존성과 공동 마일스톤(Milestones)을 반영한 제품 로드맵 업데이트를 작성해 주세요. 목표 고객을 기준으로 사용자 조사(User Research)에서 부족한 부분을 파악하고, 향후 조사에 참여하면 좋을 팀을 제안해 주세요. 기능 요청을 분석하고, 개발팀과 디자인팀이 함께 참여하는 우선순위 선정 워크숍의 안건을 작성해 주세요. 현재 해결되지 않은 모든 제품 리스크를 정리하고, 팀 간 협업이 필요한 완화(Mitigation) 전략을 제안해 주세요. 7. IT팀 최근 헬프 데스크(Help Desk) 티켓을 분석하고, 직원이나 고객이 반복적으로 겪는 기술적 문제를 파악해 주세요. 그런 다음, IT팀이 적용할 수 있는 협업 방안이나 프로세스 개선안을 제안해 주세요. 예정된 소프트웨어 업데이트나 시스템 변경 사항을 검토하고, 모든 이해관계자가 변경에 대비할 수 있도록 통합 커뮤니케이션 계획을 작성해 주세요. 사내 문서와 지식 베이스를 검토해 부족하거나 오래된 정보를 파악하고, 사용자를 더 효과적으로 지원하기 위해 IT팀이 새로 작성하거나 업데이트하면 좋을 문서 주제를 제안해 주세요. 현재 IT팀 구성원의 업무 분배 현황을 분석하고, 우선순위가 높은 지원 요청에 더 효율적으로 대응할 수 있도록 업무를 재배분하거나 소규모 전담팀을 구성하는 방안을 제안해 주세요. 여러 팀에 영향을 미치는 예정된 시스템 변경에 대한 커뮤니케이션 계획을 작성하고, 예상되는 질문에 대한 주요 안내 사항을 포함한 첫 번째 공지 초안을 작성해 주세요. 8. 고객 지원팀 유형별 주요 지원 티켓을 요약하고, 반복적으로 발생하는 문제를 해결하기 위한 팀 간 협업 방안을 제안해 주세요. 고객 지원 문서의 부족한 부분을 파악하고, 이를 보완하기 위한 팀 문서화(Documentation) 스프린트를 제안해 주세요. 현재 진행 중인 모든 에스컬레이션(Escalation) 건을 정리하고, 다른 부서의 협조가 필요한 항목을 표시해 주세요. 최근 고객 만족도 설문 결과를 검토하고, 반복적으로 나타나는 고객 의견을 해결해 전반적인 고객 경험을 개선할 수 있도록 고객 지원팀이 다른 팀과 함께 추진할 협업 방안을 제안해 주세요. 9. 디자인 / UX팀 사용성 테스트 결과를 요약하고, 후속 조치에 함께 참여하면 좋을 팀을 제안해 주세요. 여러 직무의 피드백 세션을 포함한 디자인 리뷰 안건을 작성해 주세요. 제품 전반에서 디자인 패턴의 일관성이 부족한 부분을 파악하고, 해결 방안을 논의하기 위한 팀 워크숍의 안건을 작성해 주세요. 최근 제품 출시 이후 수집된 피드백을 분석하고, 팀 간 협업을 통해 추진할 수 있는 개선 방안을 제안해 주세요. 현재 진행 중인 모든 디자인 요청을 정리하고, 다른 팀과의 의존성이 있는 항목을 표시해 주세요. 10. 프로젝트 / 프로그램 관리팀 모든 팀의 프로젝트 진행 현황을 요약하고, 일정 지연 위험이 있는 산출물(Deliverables)을 파악해 주세요. 이 프로젝트의 현재 진행 중인 모든 작업을 정리하고, 기한이 지난 작업의 우선순위를 정한 뒤 담당자에게 보낼 정중한 리마인드 메시지를 작성해 주세요. 리소스 배분(Resource Allocation) 충돌을 파악하고, 팀 간 협업을 더욱 원활하게 하기 위한 해결 방안을 제안해 주세요. 프로젝트 일정을 분석하고, 팀의 업무 처리 여력을 고려해 조정이 필요한 부분을 제안해 주세요. 현재 진행 중인 모든 리스크를 정리하고, 팀 간 협업을 통한 완화 계획이 필요한 항목을 표시해 주세요. 11. 영업팀 최근 영업 파이프라인 데이터를 분석하고, 고가치 거래나 여러 담당자의 협업이 필요한 고객 계정을 대상으로 팀원이 함께 협업할 수 있는 기회를 파악해 주세요. 지난 분기의 수주·실주(Win/Loss) 보고서를 검토하고, 성공 사례를 확산하고 공통적인 과제를 해결하기 위한 팀 간 지식 공유 세션을 제안해 주세요. 고객 피드백과 영업 통화 기록을 분석해 새롭게 나타나는 고객의 이의 제기나 트렌드를 파악하고, 영업 메시지를 개선하기 위한 팀 간 협업 방안을 제안해 주세요. 팀 내에서 중복된 고객 접촉이나 중복된 영업 활동을 파악하고, 커뮤니케이션을 효율화하고 고객 대응 범위를 확대하기 위한 협업 계획을 제안해 주세요. 예정된 제품 출시나 기능 업데이트를 요약하고, 잠재 고객에게 제품의 가치를 효과적으로 전달할 수 있도록 영업팀 전체를 위한 협업 커뮤니케이션 계획을 작성해 주세요. 12. 리스크 및 규정 준수팀 최근 감사 결과와 인시던트(Incident) 보고서를 분석하고, 반복적으로 발생하는 규정 준수 문제나 리스크를 해결하기 위해 팀이 함께 추진할 수 있는 협업 방안을 제안해 주세요. 우리 업계와 관련된 예정된 규제 변경 사항을 검토하고, 모든 사업 부서가 변경 사항을 준수하고 대비할 수 있도록 팀 차원의 통합 실행 계획을 작성해 주세요. 공급망 파트너의 성과 데이터를 분석하고, 규정 준수 또는 운영 리스크를 초래할 수 있는 공급업체나 프로세스를 파악한 뒤, 팀이 후속으로 추진해야 할 조치를 제안해 주세요. 부서별 최근 리스크 평가 결과를 요약하고, 우선순위가 높은 리스크를 완화하기 위한 부서 간 회의나 협업 활동을 제안해 주세요. 정책 위반이나 아차 사고(Near-miss) 사례의 추세를 파악하고, 전반적인 리스크 대응 역량을 강화하기 위한 팀 교육 주제나 프로세스 개선 방안을 제안해 주세요. AI를 팀 업무에 활용해 보세요. 이 프롬프트는 시작에 불과합니다. AI의 가능성을 확인했다면, AI가 생성한 결과를 다음 작업의 출발점으로 활용해 보세요. (AI는 로드맵이나 실행 계획을 수립하는 데에도 도움을 줄 수 있습니다!) AI 아이디어를 실제 성과로 이어가는 쉬운 방법 4가지 Atlassian Cloud 플랫폼에서 Rovo https://www.atlassian.com/software/rovo를 살펴보고 활성화해 보세요. 초급자를 위한 Rovo 교육 과정 https://community.atlassian.com/learning/path/get-the-most-out-of-rovo을 통해 Rovo를 효과적으로 활용하는 방법을 익혀 보세요. (이미 Rovo Search와 Chat을 사용하고 있다면, Rovo Agent도 만들어 보세요 https://university.atlassian.com/student/activity/2803560-how-to-build-an-ai-agent-with-rovo.) AI Innovation Day Play https://www.atlassian.com/team-playbook/plays/ai-innovation-day를 활용해 팀이 AI를 자신 있게 활용할 수 있도록 돕고, 워크플로를 개선할 수 있는 다양한 활용 방안을 살펴보세요. AI 투자 대비 효과(ROI)를 극대화하는 방법이 궁금하다면, 2025 Collaboration Index https://atlassianblog.wpengine.com/wp-content/uploads/2025/09/atlassian-ai-collaboration-report-2025.pdf를 다운로드해 자세히 알아보세요.

2026/07/24

JFrog: 에이전트 기반 공급망에 대한 통제권 되찾기

AI와 머신러닝은 소프트웨어 애플리케이션 개발 전반에 빠르게 통합되고 있습니다. AI 에이전트 역시 개발자에게 선택 사항이 아닌 필수 요소로 자리 잡고 있으며, 기업은 경쟁력을 유지하기 위해 AI 지원 개발과 AI 자산을 적극적으로 활용하고 있습니다. 그러나 검증되지 않은 AI 구성 요소가 개발 파이프라인에 유입되면 거버넌스와 보안 위험도 함께 증가합니다. AI를 안전하게 도입하려면 위험 관리, 거버넌스, 추적성을 고려해 생산 파이프라인의 도구와 프로세스, 운영 방식을 재정비해야 합니다. 빠른 AI 도입과 보안 사이의 균형 기업은 AI를 빠르게 도입해 혁신과 생산성을 높여야 하는 동시에, 소프트웨어 공급망의 보안과 통제력을 유지해야 합니다. AI는 기존 소프트웨어 공급망을 대체하기보다 개발 속도를 크게 높입니다. 하지만 더 많은 외부 자산이 유입되고 에이전틱 개발을 통해 생성되는 바이너리가 증가하면서, 애플리케이션이 노출되는 위협도 함께 확대됩니다. 또한 AI 모델뿐 아니라 다음과 같은 새로운 유형의 아티팩트도 관리 대상에 포함됩니다. AI 모델 MCP 서버 Agent Skills 플러그인 외부 AI 서비스 이에 따라 아티팩트 계보, 모델 출처, 과도한 AI 에이전트 권한, 개발 단계 전반의 가시성 부족과 같은 새로운 보안 사각지대가 발생할 수 있습니다. 관리되지 않은 AI 도입의 마찰 요인 Shadow AI의 확산 내부 팀이 빠른 혁신을 위해 새로운 AI 도구를 개별적으로 도입하면, 기업의 관리 범위를 벗어난 사용이 늘어날 수 있습니다. 이러한 Shadow AI는 AI 공급망에 대한 중앙 통제와 가시성을 약화시킵니다. 중앙화된 관리가 부족하면 다음과 같은 문제가 발생할 수 있습니다. 보안 위협과 컴플라이언스 위험에 대한 대응력 저하 연구개발 조직 외부에서 사용되는 AI 자산에 대한 가시성 상실 AI 생태계에 대한 조직의 통제력 약화 거버넌스 정책 집행의 어려움 새로운 기술을 확장하기 위한 도구와 프로세스 부족 접근 권한 관리의 복잡성 증가 이를 해결하려면 관리되지 않는 모델과 AI 자산을 자동으로 탐지하고 통제할 수 있는 Shadow AI 탐지 기능이 필요합니다. 이를 통해 보안팀은 개발 속도를 방해하지 않으면서도 AI 사용 현황을 파악하고 컴플라이언스를 적용할 수 있습니다. AI 자산의 ‘블랙박스’ 문제 기존 소프트웨어는 소스 코드를 검토하고 검증할 수 있지만, AI 모델은 복잡한 가중치와 바이너리로 구성된 블랙박스에 가깝습니다. 일반적인 보안 도구로는 이러한 AI 자산을 충분히 분석하기 어렵습니다. 이러한 가시성 부족은 공격자가 오염된 자산, 백도어, 손상된 종속성을 소프트웨어 개발 수명주기에 유입할 수 있는 기회를 제공합니다. AI 에이전트를 안전하게 배포하려면 보안팀과 개발팀이 복잡한 바이너리를 분석하고 다음 질문에 답할 수 있어야 합니다. 사용 중인 AI 자산의 정확한 출처는 어디인가? 모델의 구조와 종속성 내부에는 무엇이 포함되어 있는가? 알려진 취약점이나 악성 페이로드가 포함된 외부 자산은 무엇인가? 모델의 안전성을 입증할 수 있는 감사 자료가 있는가? 어떤 MCP 서버를 SDLC에 안전하게 통합할 수 있는가? 이를 위해서는 AI 자산의 출처와 변경 이력을 확인하는 Traceability, 생성·학습·수정 주체를 확인하는 Chain of Custody, 보안 및 컴플라이언스 준수 여부를 입증하는 Audit-Ready Evidence, 그리고 AI 자산에 대한 지속적인 자동 스캔이 필요합니다. 확장되는 AI 공격 표면 AI 공급망의 공격 표면은 더 이상 모델에만 한정되지 않습니다. MCP 서버, Agent Skills, 도구 호출 기능, 데이터, 알고리즘, 배포 환경, 소스 코드, 외부 라이브러리까지 관리 범위가 확대되고 있습니다. AI 공격 표면에는 다음과 같은 위험이 포함됩니다. 구분 주요 위험 모델 및 아티팩트 모델 탈취, 역추론공격(Inversion Attack), 오염된 모델 바이너리 데이터 및 학습 학습 데이터 오염, 민감정보 및 개인정보 노출, 손상된 데이터셋 공급망 및 종속성 외부 자산의 상속된 취약점, 손상된 외부 API, 신뢰할 수 없는 공개 레지스트리 에이전트 및 실행 과도한 권한을 가진 AI 에이전트, Tool·Skill Hijacking, 검증되지 않은 AI 출력 실행, MCP 서버 공격 입력 및 프롬프트 직접·간접 프롬프트 인젝션, AI 탈옥(Jailbreak), Guardrail 우회, 악성 콘텍스트 페이로드 이러한 위험에 대응하려면 지속적인 모니터링과 검증, 선제적인 정책기반의 통제 계층(Policy Gate), 모든 아티팩트 유형에 대한 통제를 포함하는 보안 프레임워크가 필요합니다. 신뢰를 위한 세 가지 기반 AI 애플리케이션 개발에서 신뢰는 단순한 권장 사항이 아니라 엔지니어링 체계로 관리되어야 합니다. 코딩 단계부터 운영 환경까지 소프트웨어 공급망 전체를 확인하고, AI 아티팩트의 이동 과정과 무결성을 검증할 수 있어야 합니다. JFrog는 AI 공급망의 신뢰를 다음 세 가지 요소로 설명합니다. AI Management: System of Record AI 모델, Agent Skills, MCP 서버를 일반 소프트웨어 바이너리와 동일하게 단일 시스템에서 관리합니다. 각 AI 구성 요소를 누가 만들었는지, 어디에서 가져왔는지, 어떤 종속성을 사용하는지 확인할 수 있어야 합니다. AI Security: Continuous Inspection AI 패키지를 배포 전과 배포 과정에서 지속적으로 스캔합니다. 복잡한 바이너리를 분석해 백도어, 오염된 페이로드, 악성 코드, 라이선스 컴플라이언스 문제를 운영 환경에 도달하기 전에 확인합니다. AI Governance: Control Plane 어떤 AI 자산을 사용할 수 있는지, 누가 사용할 수 있는지, 어떤 방식으로 배포할 수 있는지를 정의합니다. 개발자뿐 아니라 AI 에이전트와 에이전트를 구성하는 자산에도 접근 권한과 정책을 적용해야 합니다. 신뢰할 수 있는 AI 공급망을 위한 네 가지 핵심 요소 Shadow AI Detection 관리되지 않는 모델, 신뢰할 수 없는 외부 API, 검증되지 않은 AI 자산을 지속적으로 자동 탐지합니다. 모든 AI 자산을 가시화하면서도 개발 속도는 유지할 수 있습니다. Centralized AI Registry 내부 및 외부 모델, MCP 서버, Agent Skills, 관련 패키지를 일반 소프트웨어 바이너리와 동일하게 관리하는 중앙 레지스트리를 구축합니다. 이를 통해 자산 검색, 버전 관리, 승인 과정과 증거관리 연속성(Chain of Custody)를 일관되게 유지할 수 있습니다. Automated Policy Enforcement 수동 보안 승인 대신 소프트웨어 공급망에 자동화된 정책 기반의 통제 계층을 적용합니다. AI 모델과 패키지, 종속성을 악성 페이로드, 라이선스 위반, 알려진 취약점 기준으로 지속적으로 스캔하고, 정책을 준수하지 않는 자산은 운영 환경에 도달하기 전에 차단합니다. Secure AI Gateway 내부 애플리케이션과 AI 에이전트, 외부 LLM 제공업체 사이에 보안 통제 지점을 구성합니다. 모든 요청과 MCP 서버, AI Agent Skills의 연결을 관리하고, 사용자 또는 에이전트에 명시적인 권한이 없는 작업을 차단합니다. 이를 통해 민감정보 유출과 프롬프트 인젝션을 방지하고, 에이전틱 워크플로와 도구 호출을 통제할 수 있습니다. JFrog Platform을 통한 통합 AI 관리 AI 기반 개발을 실험 단계에서 실제 운영 환경으로 확장하려면 소프트웨어와 AI의 관리, 보안, 거버넌스를 하나의 플랫폼으로 통합해야 합니다. JFrog Platform에서는 AI를 전체 개발 수명주기의 일부로 관리합니다. 이를 통해 분리된 팀과 프로세스를 연결하고 부서 간 협업을 지원합니다. JFrog AI Catalog는 기업의 AI 공급망을 위한 단일 System of Record입니다. 내부 및 외부 모델부터 Agent Skills와 MCP 서버까지 AI 워크로드를 중앙에서 관리하고, 거버넌스와 보안을 적용할 수 있도록 지원합니다. 이를 통해 Shadow AI를 줄이고, 속도와 통제력을 유지하면서 신뢰할 수 있는 애플리케이션을 제공할 수 있습니다. 에이전틱 공급망의 미래 대응은 소프트웨어 공급망 전체에서 신뢰를 구축하고 입증하는 것에서 시작됩니다. 이를 위해서는 기업 환경에서 확장할 수 있는 End-to-End 신뢰 계층이 필요합니다. 출처: JFrog, When AI Outpaces Security: A Guide to Regaining Control of Your Agentic Supply Chain https://jfrog.com/ebook/regaining-control-of-your-agentic-supply-chain/ https://jfrog.com/ebook/regaining-control-of-your-agentic-supply-chain/

2026/07/08

Atlassian의 AI 글쓰기 가이드라인

출처: Atlassian’s guidelines for writing with AI https://www.atlassian.com/blog/ai-at-work/atlassians-guidelines-for-writing-with-ai 작성자: Liz Fosslien (Thought Leadership) 발행일: 2026년 06월 25일 AI를 활용한 글쓰기, 어떻게 해야 할까요? AI는 유용한 도구이지만, 적절한 가이드라인이 없다면 작성된 글의 완성도가 기대에 미치지 못할 수 있습니다. 과도한 긴 대시(—) 사용이나 "X가 아니라 Y입니다"와 같은 AI 표현 습관에 대하여 농담 삼고는 하지만, 실제로 AI 작성에 지나치게 의존하는 문제는 더 심해지고 있습니다: 외부적으로는, AI가 생성한 텍스트가 이미 넘쳐나고 있습니다. AI가 작성한 것이 확실한 이메일을 받아본 적이 있다면, 발신자에 대한 신뢰가 떨어지는 경험도 해본 적이 있을 것입니다. 내부적으로는, AI가 생성한 콘텐츠가 지식 그래프(knowledge graph http://teamworkgraph.com/)의 일부가 됩니다. 이는 사진을 계속 복사하는 것과 비슷합니다. 복사본을 다시 복사할수록 품질이 떨어지는 것처럼, 일반적이고 검증되지 않은 콘텐츠는 누구에게도 실질적인 도움이 되지 않습니다. Atlassian 브랜드 팀은 이러한 문제를 중요하게 바라보고 있습니다. AI를 적극적으로 활용해 빠르게 작업하면서도, 유익하고 읽는 재미가 있으며 신뢰할 수 있는 콘텐츠를 만드는 것이 목표입니다. 또한 팀의 잠재력을 끌어내는 것은 언제나 Atlassian의 핵심 목표였으며, 이를 위해서는 실질적인 도움이 되고, Atlassian만의 관점이 담긴 최고의 콘텐츠를 제공하는 것이 중요하다고 생각합니다. 지난 4월에는 Atlassian의 여러 작가들이 모여 글쓰기 과정에서 AI를 사용할지, 사용한다면 어디에, 어떻게 활용해야 할지를 논의했습니다. 이후 이러한 가이드라인을 마케팅 조직 전체에 적용해 검증하는 과정을 거쳤습니다. Atlassian의 "Open company, no bullshit https://www.atlassian.com/company/values" 철학에 따라, 이 가이드라인을 공개하기로 결정했습니다. 이 가이드라인은 아직 완성된 것이 아니라 계속 발전해 나가는 과정에 있습니다. 따라서 엄격한 규칙이라기보다 지향하는 방향을 담은 원칙에 가깝습니다. 이 내용이 여러분의 팀에도 도움이 되기를 바랍니다. AI 기술은 계속 발전하고 있으며, 이에 따라 이 가이드라인도 함께 업데이트될 예정입니다. Atlassian은 AI 기술의 변화에 맞춰 3개월마다, 또는 필요 시 그보다 더 이른 시점에 가이드라인을 다시 검토하고 업데이트할 예정입니다. 이를 통해 미래를 대비하는 사고방식과 엄격한 품질 기준 사이의 균형을 유지하고자 합니다. 최초 작성일: 2026년 4월 1일 최종 업데이트: 2026년 6월 24일 핵심 원칙 1. 글쓰기와 아이디어 발상은 사람이 주도해야 합니다. AI는 검토, 편집, 개선을 도울 수 있지만, 초안 작성과 최종 원고 작성은 반드시 사람이 자신의 목소리로 직접 수행해야 합니다. 2. 모든 콘텐츠에는 사람의 이름이 작성자로 표시되어야 합니다. 게시하는 모든 콘텐츠에는 사람 작성자의 이름이 포함되어야 합니다. 해당 작성자는 AI의 도움을 받은 부분을 포함해 콘텐츠 전체에 대한 책임을 집니다. 3. AI에 충분한 맥락을 제공합니다. AI로 글을 편집하거나 다듬을 때는 대상 독자, 작성 목적, 원하는 톤을 명확하게 전달해야 합니다. 그래야 일반적이고 추상적인 피드백을 줄일 수 있습니다. 4. 사실 확인은 반드시 직접 확인합니다. AI가 제안하거나 생성한 모든 내용은 실제 적용하기 전에 반드시 담당자가 검증해야 합니다. 여기에는 사실 정보, 데이터, 인용문도 모두 포함됩니다. 5. 읽고 싶지 않은 글은 공개하지 않습니다. 자신이 읽어도 도움이 되거나 공감되지 않는 글이라면, 독자도 그렇게 느낄 가능성이 높습니다. 6. AI로 인해 다양한 관점이 사라지지 않도록 주의합니다. AI는 학습 데이터에서 가장 많이 나타난 대상과 관점을 기준으로 응답을 생성하는 경향이 있습니다. 그 결과 일부 관점은 과도하게 반영되고, 다른 관점은 희석되거나 사라질 수 있습니다. AI의 글쓰기 제안을 검토할 때는 무엇이 추가되었는지만큼 무엇이 빠졌는지도 함께 살펴봐야 합니다. Atlassian에서 이러한 원칙을 적용하는 방법 AI를 효과적으로 활용하는 방법 신중하게 활용해야 하는 경우 AI를 사용하지 말아야 하는 경우 권장되는 활용 사례: (최종 책임은 사람이 집니다.) 신중한 검토와 판단이 필요한 활용 사례: 금지되는 활용 사례: 초안의 부족한 부분이나 보완이 필요한 부분 식별 (“어느 부분의 논리가 불명확하거나 근거가 부족한가?”) 메시지 검증 및 반론 가능성 점검 (“회의적인 독자는 어떤 이의를 제기할 수 있을까?”) 검증된 고객 조사 결과를 핵심 인사이트로 구조화 사람이 작성한 상세한 메모, 조사 결과 또는 잘 구성된 개요를 바탕으로 구조화된 초안 작성 여러 아이디어를 가장 적합한 하나의 안으로 구체화 추가 콘텐츠 초안 작성 (소셜 게시물, 뉴스레터 소개 문구, 인용 문구 등) 브랜드 보이스와 톤에 맞게 문장 다듬기 SEO 지원 (키워드, 메타 설명, 헤더 구조 제안 등) 경쟁 포지셔닝 검토 콘텐츠를 핵심 메시지(Narrative Pillars)에 맞게 구성 통계(정량·정성 데이터), 고객 추천사 또는 고객 사례(Case Study) 생성 제품 관련 주장이나 성능 결과 생성 Atlassian의 맥락이나 관점(POV) 없이 콘텐츠 초안 작성 핵심 주장이나 차별화된 논지 결정 핵심 주장이나 차별화된 논지 결정 사실 확인의 최종 판단을 AI에 맡기기

2026/07/08

Jira Service Management에서 Rovo와 자동화를 활용해 문제 해결 속도를 높이는 3가지 방법

출처: 3 ways teams use Rovo and automation in Jira Service Management to speed up resolution https://www.atlassian.com/blog/jira-service-management/rovo-automation-customer-stories 작성자: Bimal Jayadev (Senior Product Manager, Atlassian) 발행일: 2026년 06월 17일 자동 분류, 번역, 사고 대응 후속 조치에 대한 실제 고객 사례 Jira Service Management에서 에이전트 기반 자동화는 기존 자동화보다 3.4배 빠른 속도로 확산되고 있습니다.] 그 이유는 간단합니다: 팀은 더 이상 개별 작업의 처리 속도를 높이는 데 그치지 않고, 분류, 번역, 조사, 후속 조치까지 포함한 전체 워크플로를 AI 에이전트에 맡기고 있기 때문입니다. https://atlassianblog.wpengine.com/wp-content/uploads/2026/06/screenshot-2026-06-05-at-3.39.49-pm-768x739.png Atlassian 고객사인 Axpo, SpotOn, Vodeno의 사례는 이러한 방식이 실제 운영 환경에서 어떻게 활용되고 있는지 보여줍니다. 세 팀. 세 가지 워크플로. 업무를 넘길 필요가 없습니다. Axpo: 다국어 지원을 위한 엔드투엔드 자동 번역 문제: 스위스의 주요 에너지 기업인 Axpo는 독일어 사용 고객을 지원하지만, 2차 지원팀은 독일어를 사용하지 않는 스페인 마드리드에 위치해 있었습니다. 담당자는 티켓이 접수될 때마다 번역 도구에 내용을 복사해 붙여 넣고, 번역 결과를 기다린 뒤, 추가 확인이 필요한 내용을 다시 주고받아야 했습니다. 해결 방법: Axpo는 Jira Service Management에 Rovo를 통합해 번역 과정을 완전히 자동화했습니다. 독일어 티켓이 접수되면 Rovo가 언어를 자동으로 감지하고, 요약과 설명을 영어로 번역해 전용 필드에 저장합니다. 또한 독일어로 작성된 모든 댓글은 자동으로 영어로 번역되어 내부 전용 메모로 등록되며, 원본 작성자와 작성 시간도 그대로 유지됩니다. 주요 성과: 이제 마드리드의 지원팀은 독일어 티켓도 Jira Service Management 안에서 바로 처리할 수 있습니다. 별도의 번역 도구를 사용할 필요가 없고, 문맥이 끊기지 않으며, 번역을 위한 업무 전달 과정도 사라졌습니다. 동작 방식 https://atlassianblog.wpengine.com/wp-content/uploads/2026/06/screenshot-2026-05-14-at-12.13.42-pm.png 트리거 에이전트 작업 새 독일어 티켓 생성 Rovo가 언어를 감지 → 요약과 설명 번역 → 커스텀 필드에 입력 새 독일어 댓글 추가 Rovo가 댓글을 영어로 번역 → 원본 작성자와 작성 시각을 포함한 내부 전용 영어 댓글로 등록 SpotOn: 단일 화면에서 제공하는 프로덕션 티켓 인텔리전스 문제: SpotOn은 미국 샌프란시스코에 본사를 둔 레스토랑 기술 및 금융 서비스 기업으로, 내부 IT 지원에 Jira Service Management를 사용하고 있습니다. 모든 요청에는 과거 티켓, 관련 문서, 이전 해결 사례 등 풍부한 조직 내 정보가 담겨 있었지만, 담당자는 티켓이 접수될 때마다 여러 도구를 오가며 필요한 정보를 직접 찾아야 했습니다. 해결 방법: SpotOn은 Rovo 기반 에이전트를 구축해, 새 티켓이 생성될 때마다 여러 서브 에이전트가 병렬로 작업하도록 했습니다. 티켓이 생성되는 즉시 Rovo는 간결한 요약, 유사한 과거 티켓, 권장되는 다음 조치, 추천 담당자, 관련 문서 링크를 담은 하나의 댓글을 추가합니다. 주요 성과: 담당자는 티켓을 열자마자 필요한 정보를 바로 확인할 수 있게 되었습니다. 그 결과 초기 응답 속도가 빨라지고, 처리 일관성이 향상되었으며, 필요한 순간 AI가 관련 지식을 즉시 제공합니다. 동작 방식 https://atlassianblog.wpengine.com/wp-content/uploads/2026/06/screenshot-2026-05-14-at-12.12.59-pm.png 트리거 에이전트 작업 SpotOn 직원이 지원 티켓 제출 Rovo 서브 에이전트가 병렬로 작업 → 요약, 유사한 티켓, 권장되는 다음 조치, 추천 담당자, 관련 문서 링크를 포함한 하나의 댓글 추가 Vodeno: 장애 진단부터 PIR 자동화까지 문제: Vodeno는 유럽의 Banking-as-a-Service(BaaS) 플랫폼으로, 근본 원인 진단부터 사고 후 학습 내용 정리와 후속 조치 수행까지 이어지는 전체 장애 대응 라이프사이클을 단축해야 했습니다. 수작업으로 진행되는 조사와 장애 후 문서화는 시간이 오래 걸렸고, 일관성이 부족했으며, 장애가 해결된 이후에는 후속 작업의 우선순위가 쉽게 밀리곤 했습니다. 해결 방법: Vodeno는 Jira Service Management 자동화와 Rovo Ops 에이전트를 활용해 장애 대응 전 과정을 하나의 에이전트 기반 워크플로로 운영하고 있습니다. 장애가 생성되면 Rovo Ops가 관련 정보를 분석해 가장 가능성이 높은 원인을 제안합니다. 장애가 해결되면 Rovo는 Confluence에 PIR을 생성하고 이를 장애 티켓과 연결한 뒤, 후속 조치를 추출해 이를 추적할 Jira 작업을 생성합니다. 주요 성과: 근본 원인을 더 빠르게 진단하고, 일관된 장애 사후 분석을 수행하며, 후속 작업 누락을 방지할 수 있게 되었습니다. 이제 모든 장애는 단순히 티켓을 종료하는 데 그치지 않고, 시스템을 지속적으로 개선하는 계기가 됩니다. 동작 방식 https://atlassianblog.wpengine.com/wp-content/uploads/2026/06/screenshot-2026-03-27-at-2.56.09-pm-1.png 트리거 에이전트 작업 장애 생성 Rovo Ops가 관련 정보를 분석 → 가능한 원인을 추려 제안 → 가장 가능성이 높은 원인을 장애 티켓에 업데이트 장애 해결 Rovo가 Confluence에 PIR 생성 → 장애 티켓과 연결 → 후속 조치 추출 → Jira 작업 생성 패턴: 사람 간 업무 전달에서 에이전트 간 업무 전달로 세 사례 모두에서 AI는 사람을 대체하는 것이 아니라, 사람 간 업무 전달 과정과 비효율을 없애고 있습니다. Axpo는 번역 과정의 비효율을 제거했고, SpotOn은 필요한 정보를 수집하는 과정을 간소화했으며, Vodeno는 장애 후 문서화와 후속 조치에 필요한 업무 전달 과정을 없앴습니다. 그 결과, 사람은 사람의 판단이 필요한 업무에 더욱 집중할 수 있게 되었습니다. 이것이 에이전트 기반 자동화가 기존 자동화보다 3.4배 빠르게 확산되는 이유입니다. 기존 자동화는 작업 시간을 몇 초 단축하는 데 그치지만, 에이전트 기반 자동화는 워크플로의 단계를 아예 없애기 때문입니다. 팀의 다음 혁신은 자동화 하나에서 시작될 수 있습니다. Rovo를 활용한 새로운 Jira Service Management 자동화 템플릿 https://community.atlassian.com/forums/Jira-Service-Management-articles/New-in-Jira-Service-Management-6-Rovo-automation-templates-to/ba-p/3249154을 살펴보세요. 티켓 분류, 번역, 장애 대응, PIR 생성을 위한 미리 구성된 자동화 템플릿으로 손쉽게 시작해 보세요.

2026/06/26

2026년 06월 커브 소식지(뉴스레터)

안녕하세요, 커브입니다. 현대 소프트웨어 개발 환경에서는 다양한 아티팩트와 AI 생성 코드가 빠르게 늘어나고 있습니다. 그만큼 배포 관리, 보안 검증, 품질 관리의 중요성도 함께 커지고 있는데요. 이번 뉴스레터에서는 안정적인 소프트웨어 공급망을 위한 아티팩트 관리의 필요성과, AI 코딩 시대에 반드시 함께 고려해야 할 코드 품질·보안 검증 체계에 대해 소개드립니다. https://d15k2d11r6t6rl.cloudfront.net/public/users/Integrators/208d7955-33b5-4ad5-b739-82f8ce94ecac/8a9982cf7639e85d01764536575024c3/%EC%BB%A8%ED%85%90%EC%B8%A0%20%EB%B0%B0%EB%84%88/BEST%26NEW%20CONTENTS%20TITLE-09.png https://d15k2d11r6t6rl.cloudfront.net/public/users/Integrators/208d7955-33b5-4ad5-b739-82f8ce94ecac/8a9982cf7639e85d01764536575024c3/%EC%BB%A8%ED%85%90%EC%B8%A0%20%EB%B0%B0%EB%84%88/BEST%26NEW%20CONTENTS%20TITLE-10_1.png AI가 바꾸는 서비스 관리의 미래 https://link.email.unifyr.com/c/103/10c39e4daa17d28df1d9a04f9d91d0b5e1dc953a3daae38d8dbb3b541982cacacaa1d9b495b0dd6f SonarQube AI 기능 https://link.email.unifyr.com/c/103/10c39e4daa17d28df1d9a04f9d91d0b5e1dc953a3daae38de559d5c1a8eeaf23caa1d9b495b0dd6f Atlassian Cloud 계정 관리자 접근 권한 부여하기 https://link.email.unifyr.com/c/103/10c39e4daa17d28df1d9a04f9d91d0b5e1dc953a3daae38d2ae17731db032492caa1d9b495b0dd6f SonarQube Windows 설치 https://link.email.unifyr.com/c/103/10c39e4daa17d28df1d9a04f9d91d0b5e1dc953a3daae38d7df65d90e0f9541dcaa1d9b495b0dd6f Atlassian Intelligence(AI) 안내 https://link.email.unifyr.com/c/103/10c39e4daa17d28df1d9a04f9d91d0b5e1dc953a3daae38dad4e06900bc85931caa1d9b495b0dd6f Sonar: 2026 Gartner® Magic Quadrant™ 기술 부채 관리 도구 부문 Leader 선정 https://link.email.unifyr.com/c/103/10c39e4daa17d28df1d9a04f9d91d0b5e1dc953a3daae38d35648f76e826ad66caa1d9b495b0dd6f Content Assistant가 디자인 품질 기준을 높인 방법 https://link.email.unifyr.com/c/103/10c39e4daa17d28df1d9a04f9d91d0b5e1dc953a3daae38df724544dcd2ffa3ccaa1d9b495b0dd6f AI에게 디자인 언어를 학습시키기 https://link.email.unifyr.com/c/103/10c39e4daa17d28df1d9a04f9d91d0b5e1dc953a3daae38d6270a1f8c614a95ecaa1d9b495b0dd6f AI 에이전트와 Jira로 엔지니어링 "반복 업무"줄인 방법 https://link.email.unifyr.com/c/103/10c39e4daa17d28df1d9a04f9d91d0b5e1dc953a3daae38d6889c4b8eca9c2d3caa1d9b495b0dd6f SonarQube Cloud Team Plan에 SAS 제공 발표 https://link.email.unifyr.com/c/103/10c39e4daa17d28df1d9a04f9d91d0b5e1dc953a3daae38d79dfbdd11d8600bccaa1d9b495b0dd6f 2026.06 2.png https://confluence.curvc.com/spaces/ASD/blog/2026/06/19/333152257/JFrog+Artifactory%EB%9E%80+%EB%AC%B4%EC%97%87%EC%9D%B8%EA%B0%80%EC%9A%94 2026.06 3.png https://confluence.curvc.com/spaces/ASD/blog/2026/06/26/335413317/Sonar+%EB%B3%B4%EA%B3%A0%EC%84%9C%EB%A1%9C+%EB%B3%B4%EB%8A%94+%EC%A3%BC%EC%9A%94+LLM%EC%9D%98+%EC%BD%94%EB%94%A9+%EC%84%B1%ED%96%A5%EA%B3%BC+%EC%88%A8%EC%9D%80+%EB%A6%AC%EC%8A%A4%ED%81%AC

- Others -

Contributor

사용자	수정	댓글	레이블
설진호 이사	1273	39	414
이지혜 선임	692	0	30
황희연 대표	683	12	13
이수정 선임	629	0	69
윤준호 책임	628	7	18
박주현 책임	326	4	15
Anonymous	242	10	46
김나우 선임	223	0	11
성윤주 선임	168	1	14
박상민 선임	161	0	29
이형근 책임	130	1	6
김광일 선임	119	1	1
한은우 선임	86	0	0
이상훈 선임	60	0	3
박재국 선임	55	1	1
김미현 선임	53	0	15
Anonymous	39	1	15
Anonymous	31	7	0
김태연 선임	26	0	1
신민수 선임	24	0	2
최보근 선임	23	0	0
김수영 선임	22	0	0
나종진 부장	17	0	1
정성훈 선임	14	0	0
김상범 선임	9	0	0
강수재 선임	6	0	0
황현우 선임	6	0	0
송선택 선임	5	1	1
이학준 부장	5	0	0
문소정 선임	4	0	0
이준석 사원	4	1	0
Anonymous	3	0	4
강다빈 선임	1	0	0
박건우 선임	1	0	2
Anonymous	0	0	1
강돈영 선임	0	0	1
김동윤 선임	0	0	2
김희범 책임	0	0	1
정재훈 책임	0	0	1

페이지 트리

CURVC DevOps Confluence

**- Products Guide -**