Durante años, la gestión de servicios empresariales ha operado bajo una premisa que hoy parece anacrónica: el éxito se mide por la capacidad de gestionar colas de espera. En los departamentos de IT, recursos humanos o finanzas, el ticket se convirtió en la unidad de medida fundamental, una suerte de moneda de cambio en lo que muchos directivos denominan, no sin cierta resignación, la «fábrica de tickets». Sin embargo, cabe preguntarse si este modelo de reactividad constante es capaz de sostener el ritmo de una infraestructura tecnológica donde el trabajo ocurre en tiempo real, entre despliegues de código, aplicaciones SaaS y flujos de colaboración constante.
La respuesta que propone Atlassian es una ruptura estructural con este legado. Bajo la premisa de «romper el statu quo del servicio», la compañía sostiene que las métricas tradicionales, como el cumplimiento de los acuerdos de nivel de servicio (SLA) mientras los empleados permanecen a la espera, ya no son suficientes. El enfoque se desplaza ahora hacia un sistema de trabajo nativo en inteligencia artificial, donde la gestión de incidentes y el soporte dejan de ser departamentos estancos para convertirse en sistemas vivos capaces de entender las relaciones entre equipos, herramientas y flujos de trabajo.
La trampa del soporte reactivo
El modelo tradicional de ITSM nació en una era pre-IA, diseñada para registrar, enrutar e informar. Aquellos marcos de trabajo aportaron orden al caos inicial de la digitalización, pero en el contexto actual, donde el conocimiento suele quedar atrapado en silos y el contexto se encuentra disperso, la reactividad se ha vuelto un lastre operativo. El ciclo de «ticket-triaje-resolución» genera una fricción que afecta tanto a la productividad como a la experiencia del usuario final. Atlassian, que ya cuenta con la confianza de más de 65.000 organizaciones para modernizar su gestión de servicios, plantea que la verdadera evolución no consiste en añadir un chatbot a un sistema antiguo, sino en reconstruir la plataforma sobre tres pilares: datos, IA y trabajo en equipo.
Esta visión se materializa en Service Collection, una solución unificada que busca que el servicio sea, en la medida de lo posible, invisible. Para lograrlo, la tecnología debe dejar de ser un «sistema de registro» para convertirse en un «sistema de trabajo». No se trata solo de saber que algo se ha roto, sino de comprender qué impacto tiene, quién es el responsable y cómo se resolvió un problema similar en el pasado.
El contexto como activo estratégico
En el núcleo de esta transformación se encuentra el Teamwork Graph. Según datos de la propia plataforma, esta capa de datos captura un mapa rico de personas, equipos, incidencias y activos, gestionando más de 10.000 millones de objetos y 40.000 millones de conexiones. Esta base de datos es lo que Atlassian denomina el «combustible» para una IA realmente diferenciada. Mientras que una IA genérica solo ve texto en una pantalla, una IA alimentada por este grafo entiende qué equipos son dueños de qué servicios y cómo fluye el trabajo entre diferentes herramientas.
Esto supone pasar de una gestión basada en suposiciones a una basada en datos contextuales vivos. Si el grafo de trabajo es el combustible, Rovo es el motor. Esta solución de IA para toda la plataforma permite realizar búsquedas empresariales, mantener conversaciones generativas y desplegar agentes autónomos. La diferencia clave reside en que estos agentes no operan en el vacío; están conectados al sistema real donde se planifica, se construye y se despliega el software.
Hacia una operativa de IT predictiva
Uno de los puntos de mayor tensión en cualquier organización es la gestión de incidentes. Tradicionalmente, los equipos de operaciones actúan como un escudo humano, filtrando alertas ruidosas y conectando registros manualmente para adivinar el alcance de una caída de servicio. El nuevo paradigma de AIOps predictivo que introduce la compañía permite que el soporte comience con una señal, no con un ticket.
Mediante el Incident Command Center, se consolidan las alertas, las investigaciones y las comunicaciones en un único centro de mando. Al integrar señales de herramientas de observabilidad de terceros como New Relic o Dynatrace con los datos de despliegue de Bitbucket o GitHub, el sistema puede visualizar el grafo de servicio y señalar exactamente dónde se está produciendo la falla. De este modo, los equipos pueden identificar causas probables, el radio de impacto y las acciones recomendadas antes de que el cliente final experimente un problema crítico.
Incluso en la fase posterior al incidente, la automatización toma el relevo. Rovo Ops, por ejemplo, es capaz de redactar los informes de revisión posterior al incidente (PIR), mientras que Rovo Dev genera las tareas de desarrollo necesarias para corregir el error de raíz. Esta capacidad de cerrar el ciclo entre el aprendizaje del incidente y la mejora del producto es lo que realmente permite escalar la fiabilidad de los sistemas.
La experiencia humana en el centro de la autonomía
A pesar del avance de la autonomía de los agentes, la estrategia subraya que el factor humano sigue siendo primordial. La IA no está diseñada para reemplazar a las personas, sino para elevar sus capacidades. En la práctica, esto se traduce en menos formularios que rellenar y menos momentos de «déjeme que le transfiera con otro departamento». Las trayectorias de servicio deben sentirse intuitivas y guiadas.
Para los administradores de sistemas, el auge de los agentes de IA presenta desafíos de control y gobernanza. Por ello, Atlassian prioriza una superficie de control inteligente donde se pueda supervisar a los agentes en movimiento, establecer guardias de seguridad y vincular el uso de la IA con los resultados de negocio. No se trata de configuraciones aisladas, sino de una capa de operaciones formal para la inteligencia artificial.
Zsolt Balogh, vicepresidente de TechOps en Liferay, destaca que la visión de Atlassian superó claramente su solución de ITSM anterior, convirtiendo a Jira Service Management en la elección estratégica para su futuro. Este tipo de testimonios refuerzan la idea de que la modernización no es solo una cuestión de herramientas, sino de alineación estratégica entre los equipos de desarrollo, operaciones y negocio sobre una única plataforma compartida.
Servicios más allá de la tecnología
La versatilidad de Service Collection permite que departamentos como recursos humanos, finanzas o legal adopten estos flujos de trabajo nativos en IA. Con herramientas como Solution Composer, los equipos pueden diseñar nuevas experiencias de servicio mediante comandos de lenguaje natural. Por ejemplo, es posible solicitar la creación de un portal de incorporación para un equipo específico y dejar que la IA diseñe los flujos de trabajo, los tipos de solicitud y las automatizaciones subyacentes.
Esta capacidad de orquestar tareas complejas entre múltiples herramientas —como la gestión de accesos, el aprovisionamiento de software o las consultas de políticas internas— crea un tejido de experiencia para el empleado que es coherente y escalable. En lugar de navegar por canales desconectados y silos de tickets, el trabajo fluye a través de una columna vertebral que aprende y mejora con cada interacción.
El cierre de esta etapa de gestión de servicios puramente reactiva abre una incógnita operativa: ¿están las organizaciones preparadas para ceder parte del control a agentes autónomos en favor de una fluidez absoluta? La transición hacia un sistema de trabajo donde el soporte se anticipa a la necesidad sugiere que el valor real de la tecnología no reside en su visibilidad, sino en su capacidad para actuar antes de que el usuario sea consciente de que necesita ayuda. La verdadera medida del éxito en esta nueva era no será cuántos problemas hemos resuelto, sino cuántos hemos evitado que ocurran.
