출처:
작성자:
Alan Braun (Head of Product, Ecosystem)
발행일: 2026년 07월 07일
Atlassian이 도구와 팀, 의사결정 전반에 걸친 조직의 지식을 연결하는 방법
AI는 여러분이 무엇을 출시하는지 알지 못하더라도 몇 초 만에 출시 계획을 작성할 수 있습니다.
또한 조직의 아키텍처를 이해하지 못해도 인시던트를 분류할 수 있고, 팀에 대한 정보가 없어도 신규 입사자 온보딩을 지원하며, 고객을 이해하지 못해도 백로그 우선순위를 정할 수 있습니다.
AI는 뛰어난 지능과 높은 생산성을 갖추고 있지만, 정작 중요한 맥락을 놓칠 수 있습니다.
AI 자체만으로는 비즈니스를 이해할 수 없습니다.
맥락(Context)은 단순히 몇 가지 API에 연결하는 것과 조직이 실제로 어떻게 작동하는지 깊이 이해하는 것 사이의 차이를 만듭니다.
이러한 이해는 지난 20년 동안 팀이 제품 안에서 매일 계획을 세우고, 의사결정을 내리고, 결과물을 출시하고, 개선을 반복하며 쌓아온 경험에서 비롯됩니다.
이것이 바로 Teamwork Graph입니다.
Teamwork Graph는 조직 전체와 SaaS 애플리케이션 생태계 전반에 축적된 집단 지능입니다.
비즈니스가 운영되는 방식을 보여주는 살아 있는 권한 기반(permission-aware) 맵으로, 에이전트와 팀이 한 번의 상호작용만으로 접근할 수 있습니다.
시작 방법은 간단합니다.
누구나 연결할 수 있기 때문에 MCP는 매우 효과적으로 작동합니다.
커넥터는 관리자가 스위치를 켜는 것처럼 간단하게 활성화할 수 있습니다.
하지만 Teamwork Graph를 차별화하는 핵심은 그 기반에 있습니다:
바로 매일 축적되고 확장되는 엔터프라이즈 소프트웨어에서 가장 깊은 수준의 조직 지식입니다.
그렇기 때문에 AI와 Atlassian의 맥락 정보(Context)의 결합은 단순한 데이터 연결 그 이상입니다.
실제로 업무가 어떻게 수행되는지 정확히 이해하는 것입니다.
어디서나 연결되는 업무 맥락
AI는 하나의 제품, 하나의 모델, 또는 특정 벤더의 생태계 안에만 존재해서는 안 됩니다. 팀이 일하는 모든 곳에서 활용될 수 있어야 합니다.
따라서 그 기반이 되는 맥락(Context) 계층 역시 특정 제공업체에 종속되어서는 안 됩니다.
팀에 가장 적합한 AI를 자유롭게 선택하고, 조직의 맥락이 함께 따라온다는 확신을 가질 수 있어야 하며, 기존에 관리자가 설정한 권한 경계도 유지되어야 합니다.
그래서 Atlassian은 이를 양방향 시스템(bi-directional system)으로 설계했습니다.
Atlassian의 맥락 정보는 팀이 선택한 어떤 AI로든 전달되고, 동시에 전체 도구 체인(toolchain)에서 생성되는 맥락 정보는 다시 Atlassian으로 들어옵니다.
그리고 그 기반에는 모든 것이 Teamwork Graph를 통해 연결되어 있으며, 파트너가 연결되고, 팀이 업무를 수행하고, 에이전트가 작업을 실행할 때마다 Teamwork Graph는 더욱 축적되고 풍부해집니다.
어떤 AI에서도 연결되는 업무 맥락
Atlassian Rovo MCP Server는 팀이 이미 사용하고 있는 ChatGPT, Claude, Copilot, Cursor, Gemini와 같은 다양한 AI 클라이언트가 조직의 맥락 정보에 안전하게 접근할 수 있도록 지원합니다.
이 접근 권한은 관리자가 제어할 수 있습니다.
그리고 이는 단순한 정보 검색에 그치지 않습니다.
MCP Server를 통한 하루 500만 건 이상의 도구 호출 중 약 3분의 1은 쓰기(write) 작업이며, 사용량의 50%는 엔터프라이즈 환경에서 발생하고, 사용자의 44%는 소프트웨어 팀 소속이 아닙니다.
이는 다양한 팀이 실제 운영 워크플로에서 AI를 활용해 작업 항목을 업데이트하고, 의사결정을 기록하며, 다음 단계를 할당하는 등 실제 업무 실행에 AI를 활용하고 있음을 보여줍니다.
에이전트는 이제 단순히 코드, 문서 또는 업데이트 내용만 보는 것이 아닙니다.
이를 만들어낸 의사결정부터 방향을 결정한 순간, 그리고 다음 업무를 책임지는 팀까지 그 안에 담긴 전체 의도와 맥락을 이해할 수 있습니다.
이제 에이전트가 필요한 맥락을 쉽게 찾을 수 있습니다.
Rovo MCP Server의 Teamwork Graph 도구와 Teamwork Graph CLI를 활용하면, 에이전트는 발견한 관계와 정보를 그래프에 다시 기록하며 맥락을 보존할 수 있습니다.
이를 통해 조직의 지능은 세션이 종료되면 사라지는 것이 아니라 시간이 지날수록 축적되고 확장됩니다.
무엇을 발견했는지 기억하는 에이전트는 매번 처음부터 시작하는 에이전트와는 근본적으로 다릅니다.
Teamwork Graph CLI: 정식 출시(General Availability)
조직 전체의 연결된 업무 맥락을 AI 코딩 에이전트에 제공하는 Teamwork Graph CLI가 이제 정식 출시되었습니다.
Teamwork Graph CLI는 Claude Code, Cursor, Codex와 같은 AI 코딩 에이전트를 위해 설계된 전용 커맨드라인 인터페이스(Command-Line Interface)입니다.
이를 통해 에이전트는 터미널이나 에이전트 워크플로에서 Jira, Confluence, JSM, Bitbucket, 목표, 프로젝트, 팀, 그리고 100개 이상의 연결된 서드파티 도구 전반의 정보를 바탕으로 추론할 수 있습니다.
“정말 강력한 기능으로 제 컴퓨터에서 Forge 앱이 자율적으로 구축되고 있으며, 이 모든 과정은 Jira에서 시작되어 CLI를 통해 제 컴퓨터의 콘솔 앱에 자연스럽게 통합됩니다.”
— Richard Sworder —
베타 이후 변경 사항: 엔터프라이즈급 보안과 거버넌스가 처음부터 기본 적용되었습니다.
OAuth 2.1 인증
정적 토큰을 대체하는 짧은 수명의 자동 갱신 인증 정보를 제공합니다.세분화된 권한 범위 제어(Granular scope controls)
에이전트에 읽기 및 쓰기 권한을 부여하면서도 삭제 권한까지 제공할 필요는 없습니다.
관리자는 조직 전체 정책을 설정할 수 있으며, 사용자는 자신의 권한 범위를 직접 조정할 수 있습니다.전체 감사 로그(Full audit logs)
모든 CLI 요청은 Atlassian의 감사 인프라를 통해 기록됩니다.
어떤 명령이 실행되었는지, 누가 실행했는지, 언제 실행되었는지 확인할 수 있으며, JSON 형식으로 Splunk에 내보낼 수도 있습니다.567개 명령 지원
Jira, Confluence, Jira Service Management, Bitbucket, Assets 및 서드파티 서비스 전반에서 567개의 명령을 지원합니다.
“Teamwork Graph CLI는 사일로를 허무는 데 정말 뛰어나며 Jira와 팀 대화 내용을 함께 살펴 다른 곳에서 진행 중인 유사한 AI QA 하니스 작업을 찾는 데 활용했고, 그 과정에서 원래라면 드러나지 않았을 중복 작업을 효과적으로 발견할 수 있었습니다.”
— Ryan Boyd —
Teamwork Graph CLI는 LLM이 여러 도구에서 원시 데이터를 하나씩 가져와 직접 맥락을 구성하도록 하는 대신, 사전에 연결된 업무 맥락을 제공합니다.
내부 벤치마킹 결과에 따르면, 이를 통해 에이전트는 48% 적은 토큰을 사용하면서도 44% 더 나은 답변을 생성합니다.
이는 작업을 시작할 때마다 맥락을 새롭게 구축하며 토큰을 소모하는 에이전트와, 업무 간 관계를 이미 이해한 상태에서 시작하는 에이전트의 차이입니다.
외부 업무 환경까지 연결되는 맥락
팀은 Atlassian뿐만 아니라 수많은 다른 도구에서도 업무를 수행합니다.
Teamwork Graph 커넥터는 AI가 팀이 일하는 모든 곳의 맥락을 이해하도록 지원하며, 하나의 도구에 한정된 정보가 아닌 실제 툴체인(toolchain) 전체를 기반으로 추론할 수 있게 합니다.
Atlassian은 데이터가 가진 의미를 이해하는 시스템을 구축했습니다.
따라서 외부의 맥락이 Atlassian으로 들어오면, 해당 정보는 Teamwork Graph에 맞게 연결되고 구조화됩니다.
GitHub, Google Drive, Salesforce, SharePoint, Teams와 같이 팀이 가장 많이 사용하는 애플리케이션도 이제 지식 기반의 일부로 자연스럽게 통합됩니다.
예를 들어 Slack의 한 대화는 단순한 메시지 기록이 아닙니다.
이제는 세 명의 엔지니어가 API 계약 변경에 합의한 Slack 대화가 이를 구현한 PR, 변경을 요청한 고객, 관련 내용을 기록한 Jira 작업 항목과 연결된 하나의 업무 맥락이 됩니다.
외부에 흩어져 있던 신호는 더 이상 단순한 노이즈가 아니라 실제로 활용 가능한 조직의 기억(organizational memory)이 됩니다.
이를 통해 Search에서는 원하는 정보를 찾고, Chat에서는 완전한 맥락을 갖춘 답변을 얻으며, 에이전트를 실행할 때는 필요한 전체 맥락을 바탕으로 작업을 수행할 수 있습니다.
Atlassian은 엔터프라이즈 팀이 매일 안심하고 사용할 수 있도록 커넥터의 안정성, 속도, 신뢰성을 높이는 데 지속적으로 투자해 왔습니다.
주요 개선 사항은 다음과 같습니다:
핵심 도구와 더욱 깊어진 통합
GitHub, Google Drive, SharePoint, Teams, Salesforce, Figma 등을 포함한 50개 이상의 커넥터가 제공되며, 이제 모든 연결된 서비스에서 자연어 검색을 사용할 수 있고 검색 속도 또한 크게 향상되었습니다.팀은 자신이 사용하는 도구의 정보에서 더 정확한 답변을 얻을 수 있습니다.
Teamwork Graph는 단순히 검색 결과의 키워드만 분석하는 것이 아니라, 결과에 담긴 업무 맥락까지 이해하기 때문입니다.복잡함은 줄이고, 제어력은 높이기
커넥터 설정 시간은 40% 이상 단축되었습니다.
가이드 기반 온보딩과 실시간 상태 대시보드를 통해 관리자는 어떤 연결이 정상적으로 작동하는지 항상 확인할 수 있습니다.
Google Drive와 GitHub 같은 주요 데이터 소스의 경우, 관리자가 한 번만 활성화하면 모든 사용자가 별도의 사용자별 OAuth 승인 절차 없이 접근할 수 있습니다.
또한 다양한 커넥터 유형을 제공해 각 데이터 소스에 맞는 방식을 선택할 수 있습니다:전체 검색이 필요한 경우 → 심층 인덱싱(deep indexing)
데이터를 저장하지 않고 접근이 필요한 경우 → MCP 기반 실시간 검색(live retrieval)
별도 설정 없이 빠른 답변이 필요한 경우 → Smart Links
빠르게 확장되는 개방형 생태계
Zendesk, ServiceNow 등을 위한 새로운 MCP 커넥터는 Chat과 Agents에서 클릭 한 번으로 추가할 수 있습니다.
Rovo는 별도의 커넥터 설정 없이도 Smart Link 콘텐츠에 대한 질문에 답변할 수 있습니다.
또한 통합 파이프라인을 통해 새로운 애플리케이션도 빠르게 연결됩니다.
업무용 애플리케이션이나 기존 기술 스택에 포함된 다른 도구를 연결해야 한다면, Teamwork Graph custom connectors를 활용해 직접 커넥터를 구축할 수 있습니다.
이를 통해 레거시 시스템, 독점 데이터베이스, 내부 도구까지 기존과 동일한 맥락 계층(Context Layer) 안으로 연결할 수 있습니다.
축적될수록 강력해지는 시스템
대부분의 AI 도구는 시간이 지나도 스스로 발전하지 않습니다. 300일이 지나도 첫날과 같은 수준에 머뭅니다.
하지만 이 아키텍처는 다릅니다. 별도의 노력 없이도 시간이 지날수록 더 나아지는 시스템을 제공합니다:
업무가 AI를 더 똑똑하게 만듭니다.
팀이 프로젝트를 완료하고, 인시던트를 해결하고, 의사결정을 내릴 때마다 Teamwork Graph는 더욱 풍부해집니다.
별도로 설정할 필요가 없습니다.
모든 과정은 항상 백그라운드에서 실행됩니다.툴체인이 AI의 범위를 확장합니다.
활성화한 각 커넥터는 실제 업무 환경의 더 많은 정보를 맵에 추가합니다.
AI는 조직이 어떻게 운영되는지에 대한 전체 그림을 이해할 수 있습니다.생태계가 스스로 강화됩니다.
더 많은 파트너가 연결될수록 Teamwork Graph는 모두를 위한 더 깊은 맥락을 갖추게 됩니다.
세션마다 더 많은 맥락, 상호작용마다 더 높은 가치, 더 많은 신호와 더 적은 노이즈를 제공합니다.
팀이 추가되고, 도구가 연결되고, 의사결정이 기록될 때마다 전체 시스템의 가치는 더욱 커집니다.
이는 매일 축적되는 조직의 자산이며, 관리 체계와 감사 추적 기능을 갖추고 있습니다.
에이전트의 유용성은 접근할 수 있는 맥락의 범위에 달려 있습니다.
Connectors를 활용해 더 많은 데이터를 추가하고, Teamwork Graph CLI로 모든 정보를 연결해 보세요.
에이전트가 실제로 조직을 이해할 때 무엇을 할 수 있는지 확인해 보세요.