En mayo, durante Team’26 de Los Ángeles, Atlassian articuló buena parte de su estrategia alrededor de una idea ambiciosa: las empresas están entrando en una etapa en la que personas y agentes de inteligencia artificial compartirán trabajo, contexto y capacidad de ejecución. Cinco meses después, Team’26 Europe trasladará esa conversación a Ámsterdam, con una cuestión pendiente que resulta más interesante que cualquier nueva demostración tecnológica: cómo está funcionando esa visión cuando entra en contacto con organizaciones reales.
Estaré allí la próxima semana para seguir el evento para La Ecuación Digital. El punto de partida será inevitablemente lo que vimos en California. Atlassian presentó entonces una arquitectura que iba bastante más allá de incorporar funciones generativas a Jira o Confluence. Teamwork Graph debía proporcionar el contexto; Rovo, la capa de inteligencia; y los agentes, una nueva capacidad de ejecución dentro de los procesos de trabajo.
La compañía resumió esa evolución con el paso de organizaciones «AI novice» a organizaciones «AI native». La expresión tiene fuerza como marco estratégico, pero deja muchas cuestiones abiertas cuando se traslada a una empresa que ya tiene procesos, sistemas heredados, estructuras de decisión, políticas de seguridad y miles de empleados acostumbrados a trabajar de otra manera.
Eso es precisamente lo que merece la pena buscar ahora en Ámsterdam.
De la capacidad técnica a la adopción real
Uno de los anuncios más relevantes de Los Ángeles fue la apertura de Teamwork Graph, la capa de contexto que conecta personas, proyectos, objetivos, código, documentos y decisiones. Atlassian situó este grafo, con más de 150.000 millones de conexiones según las cifras presentadas entonces, como uno de sus principales activos para diferenciar su IA de los asistentes empresariales más genéricos.
La lógica es razonable. A medida que los modelos fundacionales se convierten en una capacidad disponible para prácticamente cualquier proveedor de software, conocer cómo funciona una organización adquiere más importancia que disponer simplemente de acceso a un modelo potente. Un agente puede generar una respuesta técnicamente correcta y, al mismo tiempo, resultar poco útil si desconoce quién tomó una decisión, qué dependencias tiene un proyecto o por qué una determinada alternativa fue descartada seis meses antes.
Atlassian sostiene ahora que este contexto permite obtener resultados un 44% más precisos utilizando un 48% menos de tokens. Son cifras relevantes, especialmente cuando las empresas empiezan a calcular el coste de operar IA a escala. En Ámsterdam me interesará entender mejor qué hay detrás de esas métricas: cómo se han medido, frente a qué referencia y hasta qué punto los resultados se mantienen cuando Teamwork Graph se alimenta de organizaciones con información incompleta, procesos poco documentados o datos repartidos entre múltiples plataformas.
Porque existe una dependencia difícil de eliminar. La calidad del contexto que recibe un agente está condicionada por la calidad de la información que la propia empresa ha generado y conservado.
Cuando los agentes empiezan a trabajar
Los Ángeles también dejó claro que Atlassian quiere desplazar la conversación desde la IA que responde hacia la IA que ejecuta. Los agentes integrados en Jira pueden asumir tareas dentro de los flujos de trabajo, mientras que Rovo Studio permite construir agentes y automatizaciones mediante lenguaje natural. Max Mode llevó esa idea un paso más allá al plantear la delegación de procesos de varios pasos.
Ese cambio altera la naturaleza del problema.
Un asistente que redacta un resumen incorrecto genera una molestia. Un agente con capacidad para modificar un elemento de trabajo, intervenir sobre código, actualizar documentación o encadenar acciones entre aplicaciones introduce otro nivel de responsabilidad. Cuanta más autonomía adquiere el sistema, más importantes resultan los permisos, las aprobaciones, la trazabilidad y la posibilidad de entender qué ha hecho y por qué.
Atlassian ya presentó en California mecanismos de gobierno y supervisión para este escenario. En Ámsterdam quiero comprobar cómo los están utilizando sus clientes. Especialmente qué tareas están dispuestos a delegar, cuáles siguen requiriendo intervención humana y dónde están situando las fronteras.
También interesa separar disponibilidad de adopción. Atlassian afirma que el 75% de las compañías Fortune 500 y más del 90% de sus clientes empresariales utilizan Rovo. La cifra muestra la capacidad de distribución que tiene la compañía, pero deja abierta una pregunta más útil para entender el mercado: qué significa exactamente «utilizar Rovo» dentro de esas organizaciones.
El número de usuarios activos, la frecuencia, los procesos afectados, el grado de autonomía concedido a los agentes y los resultados obtenidos cuentan una historia mucho más completa.
La productividad necesita métricas
Otro de los asuntos que espero encontrar con mayor presencia en Team’26 Europe es la medición.
La conversación empresarial sobre IA ha cambiado considerablemente durante los últimos dos años. La pregunta inicial sobre qué podía hacer la tecnología está dejando espacio a otra bastante más incómoda para proveedores y responsables de tecnología: qué resultados está produciendo.
Atlassian ya apuntó en esa dirección en Los Ángeles. Strategy Collection introdujo mecanismos para relacionar inversión, prioridades estratégicas y ejecución, mientras que DX AI planteó medir el impacto de los agentes en el desarrollo de software. La compañía también mostró casos de clientes con mejoras concretas en procesos determinados.
Ahora será interesante hablar directamente con esas organizaciones y con los partners que realizan las implantaciones. Qué indicadores utilizan antes y después de introducir agentes, cuánto tiempo requiere alcanzar resultados, qué parte de la mejora procede realmente de la IA y qué parte llega de haber revisado procesos que ya eran ineficientes.
Hay una paradoja importante detrás de esta transformación. Incorporar IA sobre una organización fragmentada puede acelerar precisamente aquello que funcionaba mal. Si los equipos no comparten objetivos, los datos están dispersos o los procesos contienen pasos innecesarios, automatizarlos aumenta la velocidad sin resolver necesariamente el problema original.
Qué significa realmente convertirse en «AI native»
Ethan Mollick introdujo en Los Ángeles uno de los matices más interesantes de todo el evento cuando cuestionó que exista todavía una receta estable para construir una empresa nativa en IA. La velocidad a la que evoluciona la tecnología hace difícil convertir las experiencias actuales en modelos organizativos definitivos.
Su reflexión desplazaba además la atención hacia algo que las demostraciones de producto difícilmente pueden resolver: el diseño de la organización.
Si un agente puede investigar, preparar documentación, generar código, actualizar proyectos y coordinar determinadas tareas, cambian los puntos en los que intervienen las personas. El cuello de botella puede pasar de producir información a decidir, revisar excepciones, establecer criterios o asumir responsabilidad sobre una acción.
Ahí quiero profundizar especialmente con clientes y responsables de Atlassian en Ámsterdam. Cómo están cambiando los equipos que utilizan agentes de manera intensiva, qué ocurre con los perfiles júnior, qué nuevas responsabilidades aparecen para los profesionales sénior y si las empresas están modificando realmente sus procesos o simplemente incorporando IA sobre las estructuras existentes.
También será relevante observar la perspectiva europea. Gobierno, seguridad, control del dato, migración cloud y regulación forman parte de cualquier despliegue empresarial de IA en Europa. Team’26 Europe ofrece una oportunidad para comprobar cuánto condicionan estas cuestiones la velocidad y la forma de adopción frente a lo que vimos en Estados Unidos.
Del escenario a las organizaciones
La propia agenda adelantada por Atlassian apunta hacia esa transición. Team’26 Europe dedicará sesiones al desarrollo de software con agentes, flujos personalizados de IA, medición del impacto, gestión de producto, operaciones, alineamiento estratégico, gobierno y transformación cloud. La compañía promete además casos de clientes y espacios de trabajo directo con expertos.
Será ahí, fuera de las grandes demostraciones, donde probablemente aparezcan las respuestas más útiles.
En Los Ángeles vimos hacia dónde quiere llevar Atlassian su plataforma. Teamwork Graph aspira a convertirse en la memoria operativa de la organización; Rovo, en la inteligencia capaz de interpretar esa memoria; y los agentes, en una nueva capa de ejecución integrada en el trabajo cotidiano.
Ámsterdam permitirá observar algo diferente: cuánto de esa arquitectura está llegando ya a las empresas y qué ocurre cuando lo hace.
Entre la demostración de un agente capaz de terminar una tarea y su incorporación a un proceso empresarial existe un espacio lleno de permisos, excepciones, datos imperfectos, responsabilidades y decisiones humanas. Entender cómo están resolviendo ese espacio Atlassian, sus clientes y sus partners será una de las claves de Team’26 Europe y el principal asunto que iré a buscar durante los próximos días.
