7월, 2026의 블로그

출처:

Atlassian’s 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)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" 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.

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

출처:

3 ways teams use Rovo and automation in Jira Service Management to speed up resolution

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.

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

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

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

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.