AI 에이전트로 Jira 업무 줄이기: Atlassian Rovo 활용 가이드

Atlassian Rovo는 Jira 작업 항목의 배경이 된 결정을 찾고, Confluence에 쌓인 지식을 유용한 답변으로 정리하며, 반복 업무를 AI 에이전트에 맡기도록 돕습니다. 두 앱을 이미 쓰는 팀이라면 정기적인 인수인계 업무부터 시작하는 것이 좋습니다. 근거 자료를 모아 공유할 내용의 초안을 만든 뒤 담당자가 검토하는 방식입니다.

2026년 11월 기준으로 각 기능의 역할은 이렇게 구분하면 명확합니다. Search는 찾고, Chat은 설명하며, Agents는 정해진 업무를 수행하고, Studio는 에이전트와 워크플로를 만듭니다. Rovo AI는 채팅 패널 하나를 가리키는 이름이 아니라 이 전체 경험을 아우릅니다.

Atlassian은 포함 범위를 다음과 같이 설명합니다. “Rovo는 일부 Enterprise, Premium, Standard Cloud 요금제와 Teamwork Collection에 포함됩니다.” Rovo 기능 및 제공 범위.

Jira와 Confluence에서 Rovo의 AI 에이전트와 각 기능은 무엇을 하나요?

Rovo는 팀이 이미 일하는 공간에 검색, 대화, 반복 업무 처리를 연결합니다. 사내 도서관에 사서와 전문 보조 인력이 있고, 이들의 역할을 설정하는 작업실까지 마련된 모습으로 생각하면 됩니다.

Search, Chat, Agents는 조직에 연결된 정보 중 사용자가 접근할 수 있는 정보를 활용합니다. 모든 직원에게 사내 지식을 똑같이 보여주는 것은 아닙니다. Rovo 제품 개요.

Chat도 Jira 작업 항목 생성이나 Confluence 페이지 게시 같은 작업을 실행할 수 있습니다. 에이전트의 특징은 특정 역할과 지침을 재사용할 수 있게 한다는 점입니다. 작업 실행이 에이전트만의 기능은 아닙니다. Chat의 작업 실행 및 확인 절차.

Studio는 이제 독립된 제작 앱입니다. 현재 작업 공간에서는 에이전트, 자동화 흐름, 노코드 앱을 다룹니다. 앱 전환기에서 열 수 있습니다. Atlassian은 이러한 경험의 바탕이 되는 사람, 업무, 콘텐츠 간 연결을 Teamwork Graph라고 부릅니다. 결정을 해당 프로젝트와 참여자에 연결하는 도서관 목록의 상호 참조를 떠올리면 이해하기 쉽습니다. 현재 Studio의 기능.

일상 업무에서는 구체적인 질문으로 시작합니다. Jira 작업 항목에서는 “이 작업 항목의 목표를 설명하고 아직 답이 없는 질문을 찾아주세요”라고 요청할 수 있습니다. Confluence 제안서에서는 “연결된 의사결정 기준에 따라 이 페이지를 검토하고 근거가 부족한 부분을 보여주세요”라고 해봅니다. 관련 링크와 대상 기간도 함께 제공합니다. Chat은 현재 보고 있는 콘텐츠와 사용자가 명시적으로 추가한 맥락을 활용할 수 있습니다. Chat의 맥락 활용과 프롬프트 옵션.

업무상 이점은 준비 과정이 짧아진다는 데 있습니다. 릴리스 책임자는 보통 작업 항목을 모으고, 결정 사항을 찾고, 서로 맞춰 본 뒤 현황을 작성합니다. 유용한 Rovo 워크플로는 책임자가 대조하고 정리할 수 있도록 근거를 담은 초안을 만듭니다. 검토와 수정까지 포함한 총 소요 시간을 측정해야 합니다. 생성 속도가 빠르다는 이유만으로 시간이 절약됐다고 볼 수는 없습니다.

외부 앱 커넥터, 데이터가 들어오는 방식부터 확인하세요

앱을 연결했다고 해서 Rovo가 그 작업 공간 전체를 색인했다는 뜻은 아닙니다. Atlassian은 이제 이를 Teamwork Graph 커넥터라고 부르며, 접근 방식은 세 가지입니다.

Synced와 Direct 커넥터는 관리자 설정이 필요하지만 Smart Link 커넥터는 그렇지 않습니다. 지원되는 Synced 커넥터 중에는 각 사용자가 별도로 로그인하지 않아도 동기화된 권한을 활용하는 것이 있고, 개별 인증이 필요한 것도 있습니다. 커넥터 유형과 요구 사항.

유용한 외부 소스로는 Google Drive나 Microsoft SharePoint의 문서, Slack의 대화, GitHub의 저장소가 있습니다. Figma 디자인과 FigJams도 Smart Link 목록에 포함됩니다. 어디까지 활용할 수 있다고 약속하기 전에 커넥터별 지원 콘텐츠 유형을 확인해야 합니다.

디렉터리에는 또 다른 구분이 있습니다. Included 커넥터는 사용자가 인증한 뒤 실행하는 기본 툴을 제공할 수 있고, Added 커넥터는 관리자가 더 넓은 범위의 검색이나 색인을 위해 설정합니다. 기본 제공 툴이 보인다는 이유만으로 해당 앱의 콘텐츠 전체를 검색할 수 있다고 판단하면 안 됩니다. 지원 커넥터와 설정 경로.

첫 주에는 업무에 꼭 필요하지만 빠져 있는 자료가 담긴 저장소만 연결합니다. 가능한 커넥터를 모두 추가하면 문제가 생겼을 때 원인을 찾기 어렵습니다. 더 넓은 범위의 AI 기업 검색 도입에도 같은 파일럿 원칙을 적용할 수 있습니다.

첫 주에 Rovo 에이전트를 만드는 방법

범위를 정한 Jira 작업과 그에 대응하는 Confluence 의사결정 페이지를 바탕으로 내부 공유용 현황을 작성하는 Release Brief 에이전트부터 시작합니다. 릴리스 담당자가 결과를 쉽게 검증할 수 있습니다.

이미 있는 에이전트가 업무에 맞는다면 먼저 사용해 봅니다. Chat의 에이전트 메뉴나 Studio 에이전트 라이브러리를 열어 상세 정보를 확인한 뒤 대화를 시작합니다. Rovo 에이전트를 쓰기 위해 반드시 직접 만들 필요는 없습니다. 사용 가능한 에이전트 찾기.

직접 만드는 파일럿은 다음과 같이 5일에 걸쳐 진행합니다.

1. 월요일: 업무와 담당자를 정합니다. 릴리스 하나와 원본 페이지, 요약 보고를 승인할 사람을 고릅니다. 관리자에게 Rovo 접근 권한, 업무용 도메인 인증 요건, Studio에서 에이전트를 만들 권한을 확인하도록 요청합니다. 기존 준비 과정에 걸리는 시간도 기록합니다.
2. 화요일: 에이전트를 만듭니다. App switcher → Studio → Agents → Create에서 Rovo 에이전트 생성을 시작합니다. 역할을 설명하고 이름, 지침, 대화 시작 문구를 정한 뒤 Next를 선택합니다. 지식, 툴, 추론 설정을 검토합니다. 안내형 생성 과정은 Create, 수동 설정은 Activate로 마무리합니다. 에이전트 생성 안내.
3. 수요일: 초안만 작성하는 업무를 시험합니다. Jira 범위와 Confluence 참고 자료를 제공합니다. 처음에는 쓰기 작업용 툴을 넣지 않습니다. 완료된 작업, 미해결 장애 요인, 결정 사항, 부족한 근거를 정리하도록 요청합니다. 일반적인 릴리스, 서로 충돌하는 문서, 원본 자료로 답할 수 없는 질문을 각각 시험합니다.
4. 목요일: 접근 권한과 검토 과정을 시험합니다. 접근 권한이 서로 다른 실제 사용 대상자들과 에이전트를 사용해 봅니다. 연결된 원본을 모두 확인합니다. 지식 선택과 프롬프트는 수행할 업무의 지침으로 보고, 실제 접근 범위는 계정 및 콘텐츠 권한으로 통제합니다.
5. 금요일: 계속 사용할지 결정합니다. 준비와 검토에 걸린 시간을 기존 기준과 비교합니다. 담당자가 내용을 검증할 수 있고 전체 작업량이 줄었다면 유지합니다. 이 시험을 통과한 뒤에만 필요한 쓰기 작업 하나를 추가합니다.

다음 지침을 출발점으로 삼아 조정할 수 있습니다.

제공하는 Jira 범위와 Confluence 링크를 바탕으로 내부 공유용 릴리스 요약 초안을 작성하세요. 완료된 작업, 미해결 장애 요인, 결정 사항, 답이 없는 질문을 구분하세요. 각 사실 진술에 원본 링크를 붙이세요. 근거가 없거나 서로 충돌하면 명확히 표시하세요. 낙관적인 댓글만으로 완료됐다고 추론하지 마세요. 검토용 초안을 반환하고, 게시하거나 작업 항목을 변경하지 마세요.

이 지침은 권장하는 업무 흐름이며, 모델이 모든 규칙을 지킨다는 보장은 아닙니다. 불필요한 쓰기 툴을 제거하고 결과를 확인해야 유용한 파일럿이 됩니다.

에이전트 계정은 의도적으로 선택해야 합니다. User's account를 쓰는 대화형 에이전트는 사용자의 권한을 이어받습니다. Agent's account를 쓰면 에이전트 고유 계정에 부여한 권한을 사용합니다. 자동화에서 사용자 계정 옵션을 선택하면 자동화 생성자의 권한을 사용합니다. Atlassian은 접근 범위를 더 좁힐 수 있도록 대부분의 자동화 업무에 에이전트 계정 옵션을 권장합니다. 에이전트 계정과 접근 규칙.

툴은 페이지 생성처럼 개별 작업을 뜻합니다. 스킬은 여러 단계로 이루어진 업무에 재사용할 수 있는 지침을 제공합니다. 지침을 잘 쓰거나 에이전트 이름을 그럴듯하게 붙였다고 해서 적절한 접근 권한까지 정해지는 것은 아닙니다.

파일럿이 잘 작동하면 Studio의 Triggers → Add automation trigger 또는 자동화 흐름의 Use agent 작업으로 에이전트를 이벤트에 연결할 수 있습니다. 현재 사용자 지정 에이전트 흐름은 매 단계의 확인 없이 직접 작업을 실행할 수 있습니다. 관리자나 사용자 제어로 이러한 쓰기 작업을 차단할 수 있으며, 그 경우 후속 자동화 작업은 에이전트가 반환한 텍스트를 사용합니다. 기본 제공 에이전트도 문서에 제시된 흐름 예제에서는 후속 작업이 필요합니다. 현재 에이전트 자동화의 실행 방식.

실무 활용도를 기준으로 고른 여섯 가지 워크플로

좋은 후보에는 반복되는 입력, 형태가 명확한 결과물, 정확성을 판단할 담당자가 있습니다. 아래는 활용 제안이며 절감 효과를 측정한 결과는 아닙니다.

제가 가장 먼저 고를 업무는 릴리스 요약입니다. 두 앱을 함께 활용하고, 자주 반복되며, 담당자가 이미 검토 방법을 아는 결과물이 나오기 때문입니다. 조직 전체의 지식을 정리하는 업무는 성공 기준을 충족하기가 훨씬 까다롭습니다.

확대 적용 전에 확인할 관리자 설정과 데이터 제어

주요 제어 항목은 서로 다른 대상을 다룹니다. AI를 사용할 사람, 에이전트를 만들 사람, 에이전트의 접근 범위, 데이터 저장 위치, 기여 데이터의 활용 방식을 각각 살펴야 합니다.

AI 접근 설정은 데이터 제외 목록이 아닙니다. Atlassian Administration의 AI and Rovo → Access에서 앱 접근을 관리합니다. 앱을 차단하면 해당 앱의 AI 기능은 꺼지지만, 사이트의 다른 앱에서 AI가 계속 활성화돼 있다면 Rovo는 사이트 전반에서 접근 가능한 데이터를 여전히 활용할 수 있습니다. 원본 접근 권한이 중요한 이유입니다. Rovo 접근 제어.

Studio 생성 권한을 검토합니다. Studio 앱 관리자는 Settings → Studio settings → Agents에서 모든 사용자, 선택한 그룹, Studio 앱 관리자만 에이전트를 만들도록 설정할 수 있습니다. 그룹을 선택하는 옵션은 최대 10개 그룹을 지원합니다. Studio 생성 권한. 이전 작업을 마친 조직에서는 Jira, Confluence, Jira Service Management에서 이관된 Studio 역할도 검토해야 합니다. Studio 앱 관리자는 모든 생성 권한을 받습니다. 독립된 Studio 앱 도입에 따른 변경 사항.

모델 제공업체의 학습과 Atlassian 데이터 기여를 구분합니다. Atlassian에 따르면 외부 모델 제공업체는 고객의 입력과 출력을 보관하지도, 서비스 학습에 사용하지도 않습니다. 다만 기본 처리 과정에서 데이터가 해당 제공업체로 전송될 수는 있습니다. 요건을 충족하는 Cloud Enterprise 조직은 Atlassian에서 호스팅하는 모델만 사용하도록 요청할 수 있습니다. AI 기능을 꺼도 AI를 사용하지 않는 Search는 계속 이용할 수 있습니다. Atlassian AI Trust Center.

Rovo 자체는 Chat 프롬프트와 응답을 대화 기록에 30일 동안 저장합니다. Chat 기록과 보관 기간.

Atlassian에는 별도의 데이터 기여 정책이 있습니다. Rovo 대화에서 추출한 자주 쓰이는 문구와 주제 등 비식별화하고 집계한 메타데이터를 사용자 경험 개선에 활용할 수 있습니다. 기여된 메타데이터는 Atlassian 내부의 오픈 모델을 미세 조정하는 데 쓰일 수 있습니다. 이 정책은 2026년 8월 17일에 변경됐습니다. 데이터 기여 FAQ.

Administration → Security → Data contribution을 확인합니다. 체험판을 포함해 조직에서 활성화된 가장 높은 요금제가 기본값을 결정합니다.

특정 규정 준수 약정에 따라 기본값이 달라질 수 있습니다. “외부 업체의 학습에 쓰이지 않는다”는 설명만으로 모든 문제가 해결됐다고 가정하지 말고 실제 조직 설정을 확인해야 합니다. 데이터 기여 기본값과 제어 옵션.

데이터 레지던시 범위는 처리 위치와 별도로 확인합니다. Rovo는 채팅 세션 로그, 에이전트 설정, 북마크, 수집한 외부 콘텐츠 등 적용 대상 데이터의 지역별 저장을 지원합니다. Atlassian의 앱 개발 플랫폼인 Forge를 이용해 Studio에서 만든 앱의 소스 코드와 설정은 그 범위에 포함되지 않습니다. 저장 위치가 정해져 있다고 해서 모든 AI 요청도 그곳에서 처리된다는 보장은 없습니다. Rovo와 Studio의 데이터 레지던시 범위.

Rovo를 기반으로 만들어 볼 만한 두 가지 서비스

기회는 원본 관리와 평가를 갖춘 신뢰할 만한 팀 워크플로를 만드는 데 있습니다. 범용 어시스턴트를 하나 더 만드는 것만으로는 부족합니다. 아래는 내부 팀이나 Atlassian 고객을 지원하는 전문가가 구현할 수 있는 아이디어입니다.

가장 유력한 선택은 릴리스 요약 구축입니다. 엔지니어링 운영 책임자가 재사용 가능한 요약 에이전트, 합의된 출력 양식, 담당자 검토, 수정 기록을 마련하는 데 예산을 투입할 수 있습니다. 유용한 최소 버전은 하나의 릴리스 절차를 대상으로 초안만 작성합니다. DataForSEO의 2026년 11월 5일 조회 추정치에 따르면 미국에서 “jira automation”의 월간 Google 검색량은 1,300회입니다. 이는 더 넓은 업무 영역에 관심이 있다는 근거이며, 이 특정 에이전트에 구매 의사가 있다는 증거는 아닙니다. 걸림돌도 있습니다. Rovo는 이미 구성 요소를 제공합니다. 고객의 절차에 맞추고 결과의 신뢰성을 유지하는 데서 가치를 만들어야 합니다.

지속적으로 관리하는 온보딩 지식 패키지입니다. IT 또는 업무 지원 담당자는 선별한 Confluence 자료, 역할별 에이전트, 신규 입사자가 실제로 묻는 질문으로 구성한 테스트 세트에 예산을 투입할 수 있습니다. 최소 버전은 한 팀을 대상으로 하며, 답하지 못한 질문은 지정된 지식 담당자에게 전달합니다. 같은 DataForSEO 조회에서 미국의 “knowledge management” 월간 검색량은 2,900회로 추정됐습니다. 넓은 범주에 대한 관심을 보여주는 수치입니다. 다만 핵심 업무는 대부분 문서의 소유권 관리와 유지보수입니다. 서로 모순되는 페이지 위에 에이전트를 얹으면 그 모순을 대화로 접하게 될 뿐입니다.

Rovo에 관해 자주 묻는 질문

Jira에서 Rovo는 어떻게 여나요?

프로필 아바타 근처의 Ask Rovo 또는 오른쪽 아래의 Rovo 버튼을 선택합니다. 지원되는 편집 화면에서는 /ai나 /rovo도 사용할 수 있습니다. 기능을 이용할 수 없다면 관리자에게 접근 설정을 확인해 달라고 요청합니다.

Atlassian Rovo가 MCP인가요?

Rovo는 더 넓은 AI 경험을 뜻합니다. Atlassian MCP Server는 외부 AI 클라이언트가 Atlassian 데이터를 다룰 수 있게 하는 연결 인터페이스입니다. MCP는 Model Context Protocol의 약자입니다. Jira나 Confluence 안에서 Rovo를 사용하기 위해 이 연결을 설정할 필요는 없습니다. Atlassian MCP Server 개요.

Rovo를 Jira 또는 Confluence Data Center와 함께 쓸 수 있나요?

Data Center 커넥터는 있지만 전체 Rovo AI 경험을 이용하려면 요건에 맞는 Cloud 구독이 필요합니다. Data Center 지식을 연결한다고 해서 Rovo가 로컬 호스팅 서비스로 바뀌지는 않습니다. Data Center 접근 요건.

실용적인 Rovo 에이전트 활용 예시는 무엇인가요?

릴리스 요약 초안 작성, 백로그 검토 보조, 제안서 검토가 시작하기 좋은 아이디어입니다. 접근 가능한 원본 자료와 결과를 판단할 담당자가 있는 업무를 고릅니다. 범위가 좁고 반복되는 업무가 무엇이든 답해야 하는 어시스턴트보다 평가하기 쉽습니다.

알아둘 한계와 월요일에 시작할 일

Rovo는 문서 사이의 모순을 해결하거나, 회사가 어떤 원본을 신뢰해야 할지 결정하거나, 생성한 진술에 권위를 부여하지 않습니다. 확신에 찬 답변도 초안으로 다뤄야 합니다. 한 사람의 접근 권한에 제한된 답변에서는 다른 팀원이 필수라고 여기는 정보가 빠질 수도 있습니다.

작업 실행에도 구체적인 한계가 있습니다. Atlassian의 현재 문서에 따르면 Jira 일괄 작업당 작업 항목은 20개이며, Edit page 툴은 Confluence 페이지 맨 아래에 콘텐츠를 덧붙입니다. 어느 섹션이든 정확히 다시 쓸 수 있다고 가정하면 안 됩니다. 대화형 에이전트 채팅에서는 중요한 영향을 주는 툴이 확인을 요청하지만, 자동화 흐름은 실행 방식이 다릅니다. 에이전트 툴, 확인 절차, 한계.

Rovo가 포함된 요금제에도 사용 허용량이 있습니다. 성공한 파일럿을 확대하기 전에 조직이 공동으로 사용하는 Rovo 크레딧과 커넥터 색인 용량을 살펴야 합니다. Rovo 크레딧 작동 방식. 커넥터가 있다는 사실만으로 모든 파일을 답변에 활용할 수 있다고 볼 수도 없습니다.

월요일에 할 일: 릴리스 담당자와 Atlassian 관리자가 실제 인수인계 하나를 고르고 원본과 접근 권한을 검증한 뒤, 초안만 작성하는 Release Brief 에이전트를 만듭니다. 검토를 마친 결과물이 전체 작업량을 줄여줄 때만 유지합니다. 원본 품질을 책임지거나 결과를 검토할 사람이 없다면 그 문제부터 해결해야 합니다.

팀의 절차에 맞춰 범위가 명확한 Rovo 워크플로를 구축하고 싶다면 AI 에이전트 개발 지원을 받아보세요.