Atlassian과 OpenAI, 파트너십 확대: GPT-6 계열 모델을 Rovo와 팀워크 그래프에 연결

발표 내용 2026년 10월 6일 OpenAI는 Atlassian과의 파트너십 확대를 발표했다. 두 회사의 협력은 2023년에 시작되었다. 새 계약으로 GPT-6 계열의 최첨단 모델이 Atlassian 플랫폼 전반에 도입되어, 팀이 업무를 계획하고 만들고 전달하도록 돕는 AI 경험을 뒷받침한다. 발표문은 OpenAI의 최첨단 모델이 Atlassian 플랫폼의 에이전트와 Rovo를 구동한다고 밝혔다. 또한 이 계약으로 Atlassian은 GPT-6 Astra와 GPT-5.6 시리즈를 포함한 최신 OpenAI 최첨단 모델에 대한 접근 권한을 넓힌다. OpenAI는 모델의 능력, 효율, 가격 대비 성능을 계속 높여 가고 있다고 설명했다. 관계는 일방적이지 않다. OpenAI는 회사 전반의 핵심 업무 흐름을 관리하기 위해 계속 Jira에 의존할 것이라고 밝혔다. Atlassian은 모델 능력을 사 오고, OpenAI는 Atlassian의 업무 관리 시스템을 쓴다. 서로가 상대의 고객이다. 핵심 메커니즘: 모델과 조직 맥락의 결합 이번 협력의 기술적 중심은 OpenAI 모델과 Atlassian의 Teamwork Graph의 결합이다. Teamwork Graph는 사람, 프로젝트, 문서, 의사결정을 연결하는 기업 맥락 계층이다. 범용 모델은 한 회사의 프로젝트 상태, 담당자, 과거 결정을 알지 못한다. 그래프가 이 배경을 채워 준다. 이 조합을 담는 제품이 Rovo다. 그래프가 맥락을 검색하고 범위를 정하며, 모델은 그 위에서 추론하고 결과를 만든다.

발표문은 구체적인 장면을 제시했다. 출시를 준비하는 제품 관리자가 팀이 계획대로 가고 있는지 Rovo에 묻는다. Rovo는 Teamwork Graph를 활용해 Jira 티켓, Confluence 문서, 관련 논의를 연결한다. 그리고 엔지니어링 차단 요소를 찾고, 놓친 마일스톤을 표시하며, 주의가 필요한 결정을 드러낸다. OpenAI 모델은 이 정보를 출시 준비 상태에 대한 명확한 평가와 권장되는 다음 단계로 정리한다. 가치는 업무를 이해하는 데서 행동으로 옮기기까지의 거리가 짧아진다는 데 있다. 팀은 정보를 짜 맞추는 시간을 줄일 수 있다. 연동 방식으로는 Atlassian이 OpenAI API를 통해 모델에 접근한다. 발표문은 모델이 발전함에 따라 새로운 추론 능력이 Rovo로 들어오고, 고객은 이미 쓰는 도구 안에서 더 유능한 AI를 쓸 수 있다고 강조했다. 이는 교체 가능한 모델 계층 위에 독자적인 맥락 계층을 얹은 익숙한 구조다. 모델은 공급사가 새 버전을 내놓을 때마다 좋아지고, 그래프와 워크플로 데이터는 Atlassian 자신의 자산으로 남는다. Atlassian 제품 밖으로의 확장 협력은 Atlassian 자체 제품에 그치지 않는다. ChatGPT와 Codex용 Atlassian 및 Teamwork Graph CLI 플러그인을 통해 고객은 ChatGPT와 Codex를 기존 워크플로에 연결할 수 있다. AI는 프로젝트 정보, 문서, 개발 맥락에 접근하되 적절한 권한 범위 안에서만 접근한다. 이 권한 조건은 중요하다. AI가 볼 수 있는 범위는 사용자가 볼 수 있는 범위에 달려 있으며, 기업이 에이전트를 받아들이기 전에 보통 필요로 하는 조건이다.

Atlassian은 최근 Jira 작업 항목, Confluence 콘텐츠, 사람을 ChatGPT와 Codex 프롬프트에 직접 가져오는 플러그인 확장도 선보였다. 고정된 Atlassian Home에는 배정된 작업, 최근 Loom, 프로젝트, Bitbucket 풀 리퀘스트가 표시되어 팀이 관련 맥락을 찾고 행동하도록 돕는다. 내부에서는 3,000명이 넘는 Atlassian 개발자가 터미널, IDE, 코드 리뷰 워크플로에서 Codex를 사용한다. Teamwork Graph 기반의 Atlassian 플러그인을 통해 Codex 사용자는 관련 작업 항목과 기술 문서에 접근하여 소프트웨어를 작성하고 테스트하고 출시하기 쉬워진다. Atlassian은 Codex와 ChatGPT Enterprise 도입도 넓히고 있다. 앞으로의 방향 발표문에는 아직 탐색 단계인 구상도 담겨 있다. 양사는 팀이 AI 에이전트에 작업을 할당하고, 진행 상황을 추적하고, 결정을 기록하고, 결과를 검토하기 쉽도록 하는 더 깊은 Jira 통합을 탐색하고 있다. 개발자 생산성과 엔지니어링 성과를 측정하는 Atlassian의 플랫폼 DX와 함께 쓰면, 엔지니어링 리더가 AI가 개발 속도, 사이클 타임, 개발자 경험에 미치는 영향을 측정할 수 있을 것이다. 그 과정에서 사람이 통제권을 유지한다고 한다. 표현은 조건부이며, 탐색 중, 할 것이다, 수 있다와 같은 말이 쓰였고 출시 일정은 제시되지 않았다. 업계에 주는 의미 첫째, 기업용 소프트웨어는 애플리케이션에 채팅창을 덧붙이는 단계에서 에이전트를 워크플로의 정식 참여자로 삼는 단계로 옮겨 가고 있다. 티켓 시스템에는 이미 구조화된 작업, 담당자, 상태가 있다. 그곳에 놓인 에이전트의 결과물은 떠다니는 어시스턴트의 결과물보다 감사하고 검토하기 쉽다. 둘째, 맥락 계층이 경쟁의 초점이 된다. 최첨단 모델은 많은 면에서 능력이 비슷해지고 있어, 기업 데이터 안의 구조화된 관계가 더 중요해진다. Teamwork Graph가 노리는 자리가 바로 이것이다. 기업용 에이전트를 만드는 개발자에게는 검색과 권한 설계가 모델 선택만큼 중요하다. 셋째, OpenAI에게 이는 유통 경로의 확대다. Rovo는 이미 Atlassian을 쓰는 많은 팀에 OpenAI 모델을 전한다. ChatGPT와 Codex 플러그인은 반대로 Atlassian 데이터를 OpenAI 제품으로 실어 나른다. 양방향 연결은 고객의 통합 비용과 전환 비용을 낮춘다.

한계와 열린 질문 발표문은 벤치마크, 지연 시간, 가격, 사용량 데이터를 공개하지 않았다. 어떤 Rovo 기능이 어떤 모델로 동작하는지도 밝히지 않았다. 따라서 성과 향상에 관한 주장은 양사의 설명에 기댄 것이며 독립적으로 검증할 수 없다. 지켜볼 질문이 몇 가지 있다. 에이전트가 Jira에 쓸 때 권한과 감사 기록은 어떻게 동작할까? 기반 모델이 바뀔 때 기업은 동작의 일관성을 어떻게 유지할까? DX 지표는 단순히 사용량을 세는 데 그치지 않고 실제 생산성 향상을 보여 줄 수 있을까? 전체적으로 이번 확대는 분명한 신호다. 최첨단 모델 공급사와 기업 협업 플랫폼이 추론 능력과 조직 맥락을 결합하고 있다. 다음 경쟁은 누가 에이전트에게 실제 업무를 안전하게, 사람의 통제 아래 맡길 수 있느냐를 두고 벌어질 것이다.