AIエージェントでJira業務を変える：Atlassian Rovoの使い方と導入手順

Atlassian Rovoは、Jiraの作業項目に至った意思決定を探し、Confluenceのナレッジから役立つ回答を引き出し、繰り返し作業をAIエージェントに任せるための仕組みです。両方のアプリを使うチームなら、定期的な引き継ぎから始めると効果を確かめやすくなります。根拠を集め、報告の下書きを作り、最後に担当者が内容を確認する流れです。

2026年11月時点では、Searchは探す、Chatは説明する、Agentsは決められた仕事を実行する、Studioはエージェントやワークフローを作る、という区別がわかりやすいでしょう。Rovo AIはチャットパネルだけを指すものではなく、これらを含む体験全体です。

Atlassianは対象プランについて、「Rovoは、一部のEnterprise、Premium、StandardのCloudプラン、およびTeamwork Collectionに含まれます」と説明しています。Rovoの機能と提供範囲。

JiraとConfluenceで使うRovoの各機能とAIエージェントの役割

Rovoは、チームが普段使う場所に、情報探索、対話、繰り返し作業の実行を組み込みます。司書と専門のアシスタントがいて、その働き方を設定する工房もある社内図書館をイメージすると、全体像をつかめます。

Search、Chat、Agentsが使うのは、組織に接続された情報のうち、アクセスを許可された範囲です。全社員が同じ社内情報を見られるようになるわけではありません。Rovoの製品概要。

Chatにも、Jiraの作業項目の作成やConfluenceページの公開など、操作を実行する機能があります。エージェントの役割は、特定の役割と指示を再利用できる形にすることです。操作の実行はエージェント専用の機能ではありません。Chatの操作と確認。

Studioは現在、独立した作成用アプリです。 ワークスペースでは、エージェント、自動化フロー、ノーコードアプリを扱えます。アプリスイッチャーから開きます。Atlassianは、こうした体験を支える人・仕事・コンテンツのつながりをTeamwork Graphと呼んでいます。図書館の目録にある相互参照が、ある意思決定をプロジェクトや関係者へ結び付けているようなものです。現在のStudioの機能。

日常の業務では、具体的な質問から始めましょう。Jiraの作業項目なら「この作業項目の目的を説明し、まだ答えが出ていない疑問を挙げてください」、Confluenceの提案書なら「リンク先の判断基準に照らしてこのページをレビューし、根拠が足りない箇所を示してください」と依頼できます。関連リンクと対象期間も添えます。Chatは、閲覧中のコンテンツや明示的に追加した文脈を利用できます。Chatの文脈とプロンプトの指定方法。

業務上の利点は、準備工程を短くできることです。リリース責任者は通常、作業項目を集め、意思決定を探し、内容を突き合わせて報告を書きます。実用的なRovoのワークフローなら、根拠付きの下書きを作り、責任者が整合性を確認できます。計測するのは、確認と修正を含む合計時間です。生成が速いだけでは、工数削減とはいえません。

外部アプリのコネクターは、データの取得方式を確認する

アプリを接続しても、そのワークスペース全体がRovoにインデックス登録されるとは限りません。Atlassianは現在、これらをTeamwork Graphコネクターと呼び、アクセス方式を3つに分けています。

SyncedとDirectは管理者による設定が必要です。Smart Linkには不要です。対応するSyncedコネクターの一部は、権限を同期することで、各ユーザーが個別にサインインしなくても使えます。一方、個別認証が必要なものもあります。コネクターの種類と要件。

外部の情報源としては、Google DriveやMicrosoft SharePointの文書、Slackの議論、GitHubのリポジトリが役立ちます。FigmaのデザインやFigJamsもSmart Linkのカタログに含まれます。どこまで検索できるかを約束する前に、各コネクターが対応するコンテンツの種類を確認してください。

ディレクトリには別の区分もあります。Includedコネクターは、ユーザーが認証して実行する標準ツールを提供する場合があります。Addedコネクターは、より広い情報取得やインデックス登録のために管理者が設定します。Includedのツールが見えていても、そのアプリ内のコンテンツ全体を検索できる証拠にはなりません。対応コネクターと設定方法。

最初の週は、業務に欠かせない不足情報を持つリポジトリを接続します。利用できるコネクターをすべて追加すると、問題の切り分けが難しくなります。この試行の進め方は、より広い企業向けAI検索の導入にも当てはまります。

最初の週にRovoエージェントを作る

まずは、対象を絞ったJiraの作業項目と、それに対応するConfluenceの意思決定ページから社内報告の下書きを作る、Release Briefエージェントを試しましょう。リリース担当者が出力を確認しやすい仕事です。

用途に合う既存エージェントがあれば、先にそちらを試します。ChatのエージェントメニューかStudioのエージェントライブラリを開き、詳細を確認して会話を始めます。Rovoエージェントを使うために、独自のエージェントを作る必要はありません。利用可能なエージェントの探し方。

独自に試作する場合は、次の5日間で進めます。

1. 月曜日：仕事と責任者を決めます。 対象のリリース、参照ページ、報告を承認する担当者を決めます。管理者には、Rovoへのアクセス、ビジネスドメインの検証要件、Studioでエージェントを作成する権限を確認してもらいます。現在の準備にかかる時間も記録します。
2. 火曜日：エージェントを作成します。 App switcher → Studio → Agents → Createと進み、Rovo agentの作成を選びます。役割を説明し、名前、指示、会話のきっかけを決めてからNextを選択します。ナレッジ、ツール、推論の設定を確認します。ガイド付きの手順はCreate、手動設定はActivateで完了します。エージェントの作成手順。
3. 水曜日：下書きだけを作る仕事で試します。 Jiraの対象範囲とConfluenceの参照先を渡します。最初は書き込みツールを付けません。完了した作業、未解決の阻害要因、意思決定、不足している根拠を求めます。通常のリリース、内容が食い違う文書、参照資料では答えられない質問で試します。
4. 木曜日：アクセスとレビューを検証します。 権限が異なる利用予定者に使ってもらい、出力に含まれるすべての参照リンクを確認します。ナレッジの選択やプロンプトは仕事の方向性を示すものと考え、実際のアクセス制御にはアカウントとコンテンツの権限を使います。
5. 金曜日：継続するか判断します。 準備とレビューの合計時間を、従来の所要時間と比べます。責任者が報告を検証でき、合計工数が減るなら継続します。この検証に成功してから、必要な書き込み操作を1つだけ追加します。

最初の指示には、次の文を用途に合わせて使えます。

私が指定するJiraの対象範囲とConfluenceのリンクから、社内向けリリース報告の下書きを作成してください。完了した作業、未解決の阻害要因、意思決定、未回答の疑問を分けてください。事実を述べる各記述に、根拠となる情報源へのリンクを付けてください。根拠の不足や食い違いは明示してください。楽観的なコメントだけで完了と判断しないでください。レビュー用の下書きを返し、公開や作業項目の変更はしないでください。

この指示は、提案する作業手順であって、モデルがすべてのルールを守る保証ではありません。不要な書き込みツールを外し、出力を確認することで、実用性を試せる形になります。

エージェントが使うアカウントは、意図を持って選びます。 User's accountでは、対話型のエージェントは利用者本人の権限で動きます。Agent's accountでは、エージェント自身のIDに割り当てた権限を使います。自動化でユーザーアカウントを選ぶと、自動化の作成者の権限が使われます。Atlassianは、大半の自動処理ではアクセスを絞り込みやすいエージェントアカウントを推奨しています。エージェントのIDとアクセスのルール。

ツールは、ページの作成などの個別操作です。スキルは、複数の手順からなる仕事に使い回せる指示を提供します。巧みな指示や立派な名前があっても、必要なアクセス権限が決まるわけではありません。

試行がうまくいったら、StudioのTriggers → Add automation trigger、または自動化フローのUse agentアクションで、エージェントをイベントにつなげられます。現在、独自エージェントを使うフローは、各段階で確認を求めずに直接操作を実行できます。管理者やユーザーの制御で書き込みを止めることもでき、その場合は後続の自動化アクションがエージェントの返したテキストを使います。ドキュメントにあるフロー例では、組み込みエージェントにも後続アクションが必要です。現在のエージェント自動化の動作。

実務で試す価値がある6つのワークフロー

有力なのは、入力が定期的に発生し、期待する出力がはっきりしていて、正しさを判断できる人がいる仕事です。以下は活用案であり、工数削減を実測した結果ではありません。

私なら、まずリリース報告を選びます。両方のアプリを使い、繰り返し発生し、担当者が確認方法をわかっている成果物を作れるからです。全社のナレッジ整理は、成功の条件を定めるだけでもはるかに難しくなります。

利用を広げる前に確認する管理権限とデータ制御

重要な制御は、それぞれ対象が異なります。AIを使える人、作成できる人、エージェントがアクセスできる情報、データの保存場所、提供したデータの利用方法を分けて確認します。

AIの利用制限は、データの除外リストではありません。 Atlassian AdministrationのAI and Rovo → Accessで、アプリのアクセスを管理します。あるアプリをブロックすると、そのアプリのAI機能は無効になります。ただし、サイト内の別のアプリでAIが有効なままなら、Rovoはサイト全体のアクセス可能なデータを引き続き利用できます。元データの権限管理は依然として欠かせません。Rovoのアクセス制御。

Studioの作成権限を見直します。 Studioアプリ管理者は、Settings → Studio settings → Agentsで、全ユーザー、指定グループ、Studioアプリ管理者のみ、のいずれかにエージェントの作成を許可できます。グループ指定は最大10グループです。Studioの作成権限。移行済みの組織では、Jira、Confluence、Jira Service Managementから引き継がれたStudioのロールも確認します。Studioアプリ管理者には、すべての作成権限が付与されます。Studioの独立アプリ化に伴う変更。

モデル提供元の学習利用と、Atlassianへのデータ提供は別々に確認します。 Atlassianによると、サードパーティーのモデル提供元は、顧客の入力・出力を保持せず、自社サービスの学習にも利用しません。ただし、標準の処理ではデータがこれらの提供元に送信される場合があります。対象のCloud Enterprise組織は、Atlassianがホストするモデルだけを使う構成を申請できます。AI機能を無効にしても、AIを使わないSearchは引き続き利用できます。AtlassianのAI Trust Center。

Rovo自体は、Chatのプロンプトと回答を会話履歴に30日間保存します。Chatの履歴と保存期間。

Atlassianには独自のデータ提供ポリシーもあります。Rovoの会話から抽出した頻出フレーズやトピックなど、非識別化・集計されたメタデータを体験の改善に利用できます。提供されたメタデータは、Atlassian内でオープンモデルをファインチューニングするために使われることもあります。このポリシーは2026年8月17日に変更されました。データ提供に関するFAQ。

Administration → Security → Data contributionを確認します。トライアルを含め、組織内で有効な最上位プランによって初期設定が決まります。

特定のコンプライアンス上の取り決めによっては、初期設定が異なる場合があります。「サードパーティーの学習に使われない」という説明だけで判断せず、実際の組織設定を確認してください。データ提供の初期設定と制御。

保存場所の対象範囲と、処理場所は別々に確認します。 Rovoは、チャットセッションのログ、エージェントの設定、ブックマーク、取り込んだサードパーティーのコンテンツなど、対象データのリージョン内保存に対応しています。Atlassianのアプリ開発基盤であるForgeを使ってStudioで作成したアプリのソースコードと設定は、その対象外です。保存場所が決まっていても、すべてのAIリクエストがそこで処理される保証にはなりません。RovoとStudioのデータレジデンシーの対象範囲。

Rovoを基盤に提供できる2つの仕組み

有望なのは、情報源の保守と評価を組み込んだ、信頼できるチームの業務フローです。汎用アシスタントをもう1つ増やすことではありません。ここでは、社内チームやAtlassian顧客を支援する専門家向けの実装案を紹介します。

最有力は、リリース報告の仕組みづくりです。 エンジニアリング業務の運用責任者なら、再利用できる報告エージェント、合意済みの出力テンプレート、担当者によるレビュー、修正記録の整備に予算を付ける可能性があります。最小構成は、1つのリリース工程を対象に、下書きだけを出す仕組みです。DataForSEOの2026年11月5日の調査では、米国における「jira automation」のGoogle月間検索数は推定1,300件でした。より広い業務への関心を示す材料であり、この特定のエージェントが売れる証拠ではありません。注意点は、構成要素をRovoがすでに提供していることです。顧客の業務に合わせ、出力の信頼性を維持するところに価値が求められます。

もう1つは、継続的に整備するオンボーディング用ナレッジパックです。 ITや業務支援の責任者なら、厳選したConfluenceの情報源、職種別のエージェント、新任者が実際に尋ねる質問からなるテストセットに予算を付ける可能性があります。最小構成では1チームに対象を絞り、答えられなかった質問を、あらかじめ決めたナレッジ担当者へ回します。同じDataForSEOの調査では、米国における「knowledge management」の月間検索数は推定2,900件でした。これは広いカテゴリーへの関心を示す数字です。注意点は、仕事の大部分が文書の責任分担と保守になることです。矛盾するページの上にエージェントを載せても、矛盾を対話形式で返すだけになります。

Rovoについてよくある質問

JiraでRovoを開くにはどうすればよいですか？

プロフィールのアバター付近にあるAsk Rovo、または右下のRovoボタンを選びます。対応する編集画面では、/aiや/rovoも使えます。利用できない場合は、管理者にアクセス設定を確認してもらってください。

Atlassian RovoはMCPですか？

Rovoは、より広いAIの利用体験を指します。Atlassian MCP Serverは、外部のAIクライアントがAtlassianのデータを扱うための接続インターフェースです。MCPはModel Context Protocolの略です。JiraやConfluenceの中でRovoを使うために、この接続を設定する必要はありません。Atlassian MCP Serverの概要。

JiraやConfluenceのData Center版でもRovoは使えますか？

Data Center用のコネクターはありますが、RovoのAI機能全体を利用するには、対象のCloudサブスクリプションが必要です。Data Centerのナレッジを接続しても、Rovoがローカルでホストされるサービスになるわけではありません。Data Centerの利用要件。

Rovoエージェントにはどのような活用例がありますか？

リリース報告の下書き、バックログレビューの支援、提案のレビューが、無理なく始められる候補です。参照資料にアクセスでき、結果を判断する担当者がいる仕事を選びます。何でも答えるアシスタントより、範囲を絞った定期業務のほうが評価しやすくなります。

Rovoの限界を踏まえて、月曜日に着手すること

Rovoは、文書間の矛盾を解消したり、どの情報源を業務上の正とするかを決めたり、生成した記述を正式な根拠に変えたりはしません。自信ありげな回答でも、下書きとして扱います。ある人の権限で得られる回答には、別のメンバーが不可欠だと考える情報が含まれていない可能性もあります。

操作にも具体的な制限があります。Atlassianが現在公開している上限は、Jiraの一括操作1回につき作業項目20件です。また、Edit pageツールはConfluenceページの末尾にコンテンツを追加します。任意のセクションを正確に書き換えられるとは考えないでください。対話型のエージェントチャットでは、重要な影響を伴うツールの実行前に確認を求めます。自動化フローの実行動作はこれとは異なります。エージェントのツール、確認、制限。

Rovoを含むプランにも利用枠はあります。試行の成功を受けて利用を広げる前に、組織で共有するRovoクレジットと、コネクターのインデックス登録容量を監視します。Rovoクレジットの仕組み。コネクターが存在していても、質問への回答にすべてのファイルを使えるとは限りません。

月曜日にすること： リリース担当者とAtlassian管理者で、実際の引き継ぎを1つ選び、情報源とアクセスを確認してから、下書き専用のRelease Briefエージェントを作ります。確認済みの出力によって合計工数が減る場合に限り、使い続けます。情報源の品質に責任を持つ人や、結果をレビューする人がいないなら、先にその体制を整えます。

チームの業務に合わせて対象を絞ったRovoのワークフローを構築したい場合は、AIエージェント開発をご相談ください。