La distancia entre probar inteligencia artificial y obtener resultados a escala se está convirtiendo en uno de los problemas centrales de su adopción empresarial. Atlassian ha decidido afrontarlo enviando ingenieros directamente a trabajar con sus clientes.
El nuevo programa Forward Deployed Engineering integra especialistas de IA de la compañía en las organizaciones durante periodos que normalmente se extienden unas doce semanas. Su trabajo incluye conectar fuentes de información, construir agentes específicos, automatizar procesos y reorganizar conocimiento que los sistemas de IA necesitan para operar con suficiente contexto.
El movimiento resulta significativo por lo que dice sobre el momento actual de la tecnología. Los modelos son cada vez más capaces y las herramientas para construir agentes reducen las barreras técnicas, pero convertir esas capacidades en un proceso que funcione dentro de una organización sigue exigiendo intervención sobre datos, workflows, permisos y formas de trabajar.
Atlassian sitúa precisamente ahí la brecha. En un estudio propio, la compañía afirma que el 85% de los trabajadores del conocimiento utiliza IA, mientras solo el 6% de los ejecutivos puede identificar un retorno claro a escala de toda la organización. Son cifras de Atlassian y no equivalen a una medición general del mercado, pero resumen el problema que el programa pretende abordar.
Doce semanas dentro del problema
Los Forward Deployed Engineers trabajan junto a equipos técnicos del propio cliente, no como una consultoría separada del producto.
Los proyectos pueden abarcar desde asistentes para soporte de TI o recursos humanos hasta automatización de triage de incidencias, mantenimiento de backlogs, búsqueda empresarial o limpieza y gobierno de contenido en Confluence.
Entre los trabajos que contempla el programa está conectar sistemas como Jira, Confluence, GitHub o Google Drive para que los agentes puedan localizar y combinar información distribuida entre distintas herramientas. Jira y Confluence pueden convivir con GitHub, Google Drive y otras aplicaciones donde se encuentra el conocimiento que necesita un agente. El trabajo incluye identificar esas fuentes, integrarlas y mejorar el contexto que termina alimentando Teamwork Graph.
Otra parte tiene menos que ver con construir un agente nuevo y más con ordenar la información sobre la que deberá trabajar. El programa contempla eliminar contenido obsoleto, establecer ciclos de vida para documentos, automatizar aprobaciones y mejorar el gobierno del conocimiento.
Eso conecta con una cuestión que ha recorrido Team’26 Europe: el rendimiento de la IA depende de la calidad del contexto empresarial. Un modelo avanzado puede razonar sobre la información que recibe, pero no puede reconstruir con fiabilidad una decisión que nunca se documentó o distinguir automáticamente qué proceso interno debería haber sido eliminado hace años.
En ese sentido, la existencia del programa introduce un matiz importante en la narrativa sobre la facilidad de adopción de agentes. La tecnología puede reducir el esfuerzo necesario para construirlos, pero desplegarlos a escala obliga a intervenir sobre sistemas y procesos que preceden a la IA.
Expedia: menos contenido y más agentes
Expedia es uno de los ejemplos que Atlassian utiliza para mostrar el funcionamiento del modelo.
La compañía trabajó con Forward Deployed Engineers para reorganizar sus operaciones de contenido en Confluence. El proyecto archivó unas 600.000 páginas que ya no debían formar parte del conocimiento activo y, según las cifras proporcionadas por Atlassian, genera un ahorro aproximado de 3.200 horas anuales.
El caso resulta interesante porque una parte del beneficio no procede directamente de que un agente haga más trabajo, sino de mejorar la base de conocimiento que utilizan personas y sistemas.
Los equipos de ingeniería de Expedia ejecutan además más de 10.000 invocaciones mensuales de agentes repartidas entre 50 proyectos activos, según las cifras facilitadas por Atlassian.
Expedia atribuye también al proyecto mejoras en la búsqueda y en la capacidad de localizar información fiable. Son resultados comunicados por Atlassian y por el cliente participante, por lo que no permiten extrapolar automáticamente el mismo retorno a otras organizaciones.
Reddit participa asimismo en el programa para trabajar sobre conocimiento corporativo, operaciones empresariales y gestión de TI utilizando Rovo y Teamwork Graph, aunque Atlassian no ha aportado en este caso métricas equivalentes de ahorro o productividad.
El cliente también aporta ingenieros
El modelo está diseñado para que los equipos del cliente trabajen junto a los ingenieros de Atlassian durante la intervención.
La intención es doble. La empresa recibe una solución implantada y su personal aprende a continuar desarrollándola después de que termine el periodo inicial. Atlassian, al mismo tiempo, obtiene acceso directo a problemas que puede intentar convertir en mejoras reutilizables de su plataforma.
Aquí aparece otra característica relevante del programa. Los Forward Deployed Engineers pueden trabajar directamente sobre el código de Atlassian. Los conectores, correcciones, agentes reutilizables o modificaciones que surgen de un proyecto pueden terminar incorporándose posteriormente al producto para otros clientes.
De esta manera, el programa funciona también como mecanismo de desarrollo de producto. La compañía observa cómo se utiliza su tecnología dentro de organizaciones reales y utiliza esas implantaciones para identificar capacidades que todavía faltan.
Atlassian asegura que las cuentas participantes están registrando un 50% más de adopción de IA. La cifra mide utilización y no demuestra por sí sola retorno económico, por lo que resulta más útil observar resultados concretos como los comunicados para Expedia.
La transformación empieza antes que el agente
El programa responde a una de las cuestiones que quedaban abiertas antes de Team ’26 Europe: cuánto del valor atribuido a la IA procede realmente de la tecnología y cuánto aparece porque su implantación obliga a revisar procesos que ya presentaban problemas.
Las tareas de los Forward Deployed Engineers ofrecen algunas pistas. Limpieza de documentación, conexión de fuentes de información, mantenimiento de backlogs, automatización de pasos manuales y definición de mecanismos de gobierno son problemas empresariales anteriores a la actual generación de agentes.
La IA permite abordarlos de otra manera y automatizar partes que antes requerían intervención humana, pero no elimina la necesidad de decidir qué proceso merece conservarse ni qué información debe considerarse válida.
Esa diferencia es importante cuando las empresas intentan calcular retorno. Automatizar un workflow ineficiente puede aumentar su velocidad sin mejorar el resultado. Parte del trabajo de estos equipos consiste precisamente en decidir qué debería automatizarse y qué necesita modificarse antes.
Atlassian está publicando también un Forward Deployed Engineering Playbook basado en las experiencias acumuladas en estos proyectos. Su propia existencia refleja una evolución en la conversación empresarial sobre IA: el problema empieza a desplazarse desde acceder al modelo hacia conseguir que funcione dentro de organizaciones con sistemas heredados, conocimiento fragmentado y responsabilidades distribuidas.
Los doce semanas de intervención que plantea Atlassian muestran que esa transición todavía requiere una cantidad significativa de ingeniería y cambio operativo. El indicador relevante no será cuántos agentes consiga desplegar una organización, sino qué procesos cambian después de introducirlos y si las mejoras se mantienen cuando los ingenieros externos dejan de estar allí.
