Atlassian y OpenAI han ampliado su colaboración para incorporar modelos de la familia GPT-6 y GPT-5.6 a la plataforma de Atlassian y a Rovo. El acuerdo profundiza una relación iniciada en 2023 y conecta de forma más estrecha los modelos de OpenAI con Teamwork Graph, la capa que Atlassian utiliza para relacionar proyectos, documentos, personas, código y decisiones dentro de una organización.
La operación encaja con una de las principales ideas que Atlassian ha defendido durante Team’26 Europe: las empresas utilizarán varios modelos y agentes, y el valor de su plataforma no dependerá necesariamente de proporcionar el modelo que ejecuta cada tarea. La compañía quiere mantener el contexto, los permisos, los procesos y el registro del trabajo aunque la inteligencia utilizada proceda de OpenAI u otros proveedores.
El nuevo acuerdo entre Atlassian y OpenAI amplía el acceso de la compañía a los modelos más recientes de OpenAI, incluidos GPT-6 Astra y la serie GPT-5.6. Esos modelos podrán utilizarse para impulsar agentes dentro de Rovo y otras experiencias de la plataforma.
La colaboración funciona también en la dirección contraria. ChatGPT y Codex pueden acceder al contexto almacenado en las aplicaciones de Atlassian mediante sus complementos y herramientas conectadas a Teamwork Graph, manteniendo los permisos definidos por la organización.
OpenAI aporta el modelo, Atlassian el contexto
La estrategia separa cada vez con mayor claridad dos capas. Rovo utiliza los modelos de OpenAI para razonar, mientras Teamwork Graph aporta la información que esos modelos no conocen por sí mismos: quién trabaja en cada proyecto, qué documentación está relacionada, qué decisiones se tomaron anteriormente o qué elementos de Jira pueden estar bloqueando un lanzamiento. Atlassian intenta aportar la parte que un modelo generalista no conoce por sí mismo: quién trabaja en qué proyecto, qué documentación está relacionada con una iniciativa, qué decisiones se tomaron anteriormente o qué elementos de Jira pueden estar bloqueando un lanzamiento.
El ejemplo utilizado por las compañías es el de un responsable de producto que pregunta si un lanzamiento avanza según lo previsto. Teamwork Graph puede relacionar tickets de Jira, documentación de Confluence y conversaciones vinculadas al proyecto. Los modelos de OpenAI procesan posteriormente ese conjunto de información para identificar bloqueos, hitos incumplidos o decisiones pendientes y producir una evaluación.
«Unir las capacidades de vanguardia de OpenAI con Teamwork Graph de Atlassian aporta un conocimiento profundo de la organización al trabajo empresarial», explica Jamil Valliani, responsable de Producto de IA de Atlassian.
La arquitectura permite además actualizar el componente de razonamiento a medida que OpenAI introduce modelos nuevos. Atlassian puede acceder a esas capacidades mediante las API de OpenAI sin reconstruir necesariamente la capa de conocimiento empresarial sobre la que trabajan los agentes.
Esta separación entre modelo y contexto es relevante en un mercado donde la capacidad de los modelos está cambiando con rapidez. Durante Team ’26 Europe, Atlassian ha defendido que las grandes organizaciones terminarán utilizando sistemas de varios proveedores. Teamwork Graph pretende conservar una función relativamente estable dentro de ese entorno: suministrar el contexto empresarial sobre el que esos sistemas deben razonar y actuar.
Más de 3.000 desarrolladores de Atlassian utilizan Codex
Más de 3.000 desarrolladores de Atlassian utilizan Codex en terminales, entornos de desarrollo y procesos de revisión de código, según las cifras proporcionadas por las empresas. Los complementos conectados a Teamwork Graph permiten que Codex recupere elementos de trabajo y documentación técnica relacionados con la tarea que está ejecutando.
El dato enlaza directamente con la estrategia de AI-native SDLC que Atlassian ha presentado esta semana en Ámsterdam. La compañía quiere que los agentes puedan trabajar desde herramientas externas sin obligar al desarrollador a trasladar manualmente entre aplicaciones el contexto necesario para completar una tarea.
En Jira, por ejemplo, un elemento de trabajo puede proporcionar el objetivo y las condiciones de una tarea a un agente de programación. Este puede desarrollar el código desde otra aplicación y devolver posteriormente el resultado al proceso registrado en Jira.
La ampliación del acuerdo con OpenAI refuerza ese modelo. Codex puede actuar como una de las herramientas de ejecución mientras Jira y Teamwork Graph conservan información sobre el trabajo, documentación relacionada y contexto técnico.
OpenAI, al mismo tiempo, seguirá utilizando Jira para gestionar determinados flujos de trabajo internos, según el anuncio.
ChatGPT y Codex entran en los flujos de Atlassian
La integración también permite trabajar con información de Atlassian directamente desde productos de OpenAI.
A través de sus complementos y de Teamwork Graph CLI, las organizaciones pueden proporcionar a ChatGPT y Codex acceso autorizado a información de proyectos, documentación y contexto de desarrollo.
Atlassian ha ampliado recientemente esa integración para incorporar elementos de Jira, contenido de Confluence y personas directamente a los prompts utilizados en ChatGPT y Codex. La conexión también puede mostrar trabajo asignado, vídeos recientes de Loom, proyectos y pull requests de Bitbucket.
La consecuencia es que la interfaz desde la que una persona interactúa con el trabajo empieza a separarse del sistema donde se almacena y gobierna.
Un empleado puede trabajar desde ChatGPT o Codex mientras el contexto procede de Jira, Confluence, Bitbucket u otras aplicaciones conectadas. Para Atlassian, eso permite mantener Teamwork Graph como capa de conocimiento aunque el punto de interacción pertenezca a otro proveedor.
Es una lógica similar a la que la compañía está aplicando con Claude Code, Cursor y otros agentes dentro del desarrollo de software: permitir que la ejecución ocurra donde resulte más conveniente y mantener detrás una capa común de contexto, permisos y registro.
La integración puede llegar a la ejecución del trabajo
Atlassian y OpenAI están explorando además integraciones más profundas con Jira.
Entre las posibilidades descritas está permitir que los equipos asignen trabajo directamente a agentes de IA, sigan su progreso, registren decisiones y revisen los resultados dentro del flujo de Jira.
El desarrollo todavía se plantea como una línea futura, no como una capacidad disponible de forma general. Su dirección coincide, sin embargo, con los anuncios realizados por Atlassian durante Team ’26 Europe alrededor de Agent Sessions y su AI-native SDLC.
A medida que los agentes pasan de responder preguntas a ejecutar tareas, la compañía quiere mantener visible qué agente trabajó sobre cada elemento, qué contexto recibió, qué resultado generó y cuándo debe intervenir una persona.
DX, la plataforma de Atlassian orientada a medir la experiencia y productividad de los equipos de ingeniería, podría aportar otra capa de información. Las compañías plantean utilizar esas capacidades para relacionar el uso de IA con métricas como velocidad de desarrollo, tiempo de ciclo y experiencia del desarrollador.
La cuestión es relevante porque aumentar la actividad de los agentes no equivale automáticamente a obtener mejores resultados. Atlassian está intentando conectar el uso de los modelos con métricas operativas y, al mismo tiempo, controlar cuándo resulta necesario un modelo más avanzado y cuándo una tarea puede ejecutarse con alternativas menos costosas.
Una plataforma abierta que necesita modelos externos
La ampliación con OpenAI ayuda también a delimitar dónde quiere competir Atlassian.
La compañía desarrolla Rovo y sus propios agentes, pero no está intentando construir un modelo fundacional que sustituya a OpenAI, Anthropic o Google. Su estrategia consiste en utilizar esos modelos sobre una infraestructura propia de contexto y procesos empresariales.
Eso reduce la dependencia de un único modelo desde el punto de vista de la arquitectura, aunque aumenta la importancia de que Teamwork Graph pueda aportar información útil a sistemas desarrollados fuera de Atlassian.
La apertura tiene además una consecuencia competitiva. Permitir que ChatGPT o Codex accedan directamente al contexto empresarial significa que parte de la experiencia del usuario puede producirse fuera de Rovo. Atlassian acepta ese escenario porque intenta situar el valor de su plataforma en otra capa: conocimiento conectado, permisos y coordinación del trabajo.
La nueva colaboración con OpenAI hace más explícita esa división. Los modelos pueden cambiar con rapidez y mejorar su capacidad de razonamiento, mientras Atlassian intenta conservar el conocimiento y las relaciones que explican cómo funciona cada organización.
El resultado dependerá menos de disponer de un único agente dominante que de conseguir que modelos de distintos proveedores puedan acceder al contexto adecuado y actuar sobre él sin perder los controles que exige la empresa. La ampliación con OpenAI refuerza esa arquitectura y convierte la interoperabilidad entre modelos, datos y procesos en una parte cada vez más visible de la estrategia de Atlassian.
