データ・人・AIを繋ぐ、アトラシアンの「Teamwork Graph」とは ーAI時代の競争力の鍵はAIモデルではなくコンテキストにあり

コモディティ化するAIモデル
差を生み出すのはコンテキスト

キーノートの前半では、アトラシアン株式会社の朝岡絵里子氏が登壇し、AIがもたらす組織の変化に対して、アトラシアンがどのようなビジョンを描いているかについて語った。

AIエージェントの発展と業務への浸透により、単なるツールに過ぎなかったAIは、人間と協働する労働力へと変貌しつつある。具体的には、実行プロセスをAIエージェントが担い、目的の設定、判断、トレードオフの見極めといった高度な監督業務を人間が行う。アトラシアンは、このような人間とAIが同じワークフローの中で協働する組織を、「AIネイティブな組織」と位置づける。

人間とAIの協働を機能させる鍵となるのは、コンテキストだ。つまり過去の意思決定の背景、プロジェクトの経緯、組織固有のワークフローといった、いわば「組織の記憶」を、AIエージェントが円滑に利用できる環境が欠かせない。どの企業も料金さえ払えば高性能モデルを利用でき、かつモデル自体も日々更新されている現状を踏まえると、モデル単体では持続的な差別化要因にはならず、コンテキストの質と量が、企業競争力を左右する。朝岡氏も「AIモデルそのものはもはやコモディティである」と断言する。

AI活用における一般的なコンテキスト構築のアプローチは、業務を通して収集したデータから、事後的に推論を行う手法だ。多くのSaaS製品やAI活用に取り組む個人・組織も、同様の手順を踏むケースがほとんどではないだろうか。

一方、アトラシアン製品は、プロジェクト管理のJira、ナレッジ管理のConfluenceを起点に、プロダクト、コード、サービスマネジメント、関連するチャットやドキュメント、CRMなど、デジタルビジネスの幅広い領域をカバーしている。そのため、Jiraでチケットを進め、Confluenceでページを書き、Bitbucketでプルリクエストを出すといった日常業務そのものを通して、複利的にコンテキストを積み上げられることが、アトラシアン製品の強みだと、朝岡氏は言う。

このアトラシアン製品に蓄積されるコンテキストは、単にドキュメントやコードだけでなく、そこに携わる人間とAIエージェントの関係性まで網羅する。言い換えれば、ユーザーがJiraやConfluenceなどのツールで蓄積してきたプロジェクトの経緯、意思決定の背景、チームの関係性がつながり合った、組織の記憶のネットワークを、ナレッジグラフとして保持しているということだ。このナレッジグラフのことを、アトラシアンは「Teamwork Graph」と呼ぶ。

Teamwork Graph自体は、アトラシアン製品の基盤技術として以前から存在していた。しかし先月、Teamwork Graphへの外部からのアクセスが可能になることが発表された。MCPやCLIを利用してClaudeやFigmaのような他社AIプロダクトがTeamwork Graphのコンテキストを参照しながら作業を行うことが可能になったのだ。

「AIモデルがビジネスのエンジンなら、コンテキストはその燃料です。私たちはTeamwork Graphを通して、開発者に、ナレッジワーカーに、リーダーに、そしてすべてのアトラシアンアプリに自然に溶け込むAIをもたらし、そのコンテキストをアトラシアンの壁の外へも運びます」(朝岡氏)

続いてキーノートの後半では、Atlassian Head of Product, EnterpriseのRae Wang氏が登壇し、Teamwork Graphを軸に、新製品の紹介と、外部ツールとも連携したデモを行った。具体的には個人向け金融サービスにおける新機能開発や、Figma Makeと連携した顧客向け分析ダッシュボードのプロトタイプ開発など、5つのユースケースを通して、コンテキスト活用がいかに業務全体を加速させるかについて解説した。

車載ソフトウェア開発の複雑性を
Teamwork Graphで解きほぐす

午後のブレイクアウトセッションでは、アトラシアン自身のソリューション解説や、ユーザーの事例紹介など、多数のセッションが行われた。本記事では、その中から、Teamwork Graphの活用事例として、マツダ株式会社における自動車ソフトウェア開発についての事例セッションを紹介する。

登壇したのは、マツダ株式会社 MAXプロジェクト室 主幹の茨木浩司氏だ。茨木氏は2025年9月にAIトランスフォーメーション(AX)を推進する部署の発足と同時に参画し、現在は全社のAX推進を担っている。

まず、マツダの茨木氏は車載ソフトウェア開発が直面している圧倒的な複雑さについて触れた。市場は世界130の国と地域に広がり、各地の法規制への準拠が必須となる。グローバル展開する15車種には、車種によっては最大150ものバリエーションが存在し、パワーソース(エンジン、バッテリーなどの動力源)も7種類に及ぶ。さらに、1台の車両には100以上のECUが搭載され、これらがリアルタイムで連携しながら動作しているのだ。

このシステムの複雑化に伴い、ソフトウェアの規模も膨大になっている。一般的なAndroid OSが約1500万行のコードで構成されるのに対し、現代の自動車全体では1億行を超える規模に達しているという。

このような極めて複雑な開発環境を支えるべく、同社では数多くのITシステムを導入してきた。しかし、茨木氏によれば、これらのシステム間でデータやコンテキストの分断が起きていた。その結果、情報の探索に多大な時間を要し、チェックの網羅性が確保できず見落としを招くほか、特定の個人に依存する属人化が慢性的な課題となっていた。

この課題を解決するために、マツダはTeamwork Graphを使ってシステム間を繋ぐことを決断した。まず着手したのは、不具合管理からだ。具体的には、パートナーのリックソフトと共同で「Defect Context Panel」を開発。これにより、要求管理ツールのCodebeamerを含め、Jira、Confluence、Bitbucketとを連携させ、Jiraのチケット画面からこれら4つの製品データへ直接、かつシームレスにアクセスできる環境を構築した。

Defect Context Panelでは、類似するJiraチケットの自動検索結果からCodebeamerの要件を辿ったり、Confluenceの仕様書を自動検索してリンクしたり、Bitbucketのブランチ・コミット・プルリクエストをJira上から直接確認したりできる。Teamwork Graphによって集約されたコンテキストはカスタマイズしたRovoエージェントに引き継がれ、エンジニアが自然言語で問いかけるだけで関連情報を即座に取得できる環境が実現した。

さらに、つながったコンテキストを可視化する「Teamwork Graph Viewer」も開発した。特定のJiraチケットを起点に、関連するConfluenceページ、Codebeamerの要件、Bitbucketのコミットやプルリクエスト、類似する過去のチケットまでをグラフとして表示し、各ノードから有識者情報を確認できる。これにより、影響範囲の分析が高速かつ網羅的になり、適切な有識者との迅速な連携が実現した。

茨木氏は今後の展望として、「本来あるべきなのに気づいていないつながりをシステムが発見し、Rovoが提示してくれる世界を目指している」と述べ、要求管理ツール以外の社内ITシステムへの拡張もすでに始動していることを明らかにした。

開発者向けアトラシアン製品のアップデート情報

今回のTeam on Tourでは、Teamwork Graphを基盤とした多数の新製品・新機能が発表された。ここではソフトウェア開発者や運用エンジニアに関連するものを取り上げる。

Agents in Jira

すべてのJiraユーザー向けにAgents in Jiraを提供する。MCPを使用して多くのAIエージェントをJiraに接続できるようになる。すでにGitHub Copilot、Claude Code、Cursorが利用可能であり、今後Codexにも対応する計画だ。

Jiraを介して複数のAIエージェントのオーケストレーションや、AIと人間による共同作業の一元管理が可能になることで、人間とAIエージェントが円滑に協働するための「コントロールプレーン」としての役割をJiraが担うようになるという。

AI Planner

AIコーディングツールはコード生成とその周辺タスクに特化しているが、ソフトウェア開発はコードを書くだけではない。計画立案、要件定義、プルリクエストのレビュー、コードカバレッジのチェックなど、前後の工程にも多くの作業が存在する。AI Plannerはこの前工程、すなわちプランニングフェーズを担うものだ。

具体的には、Teamwork Graphからビジネスドキュメントやチームの会話、コードの構造を横断的に収集し、変更の規模算定、作業分解、AIエージェントと人間の作業担当者の割り振りまでを一気通貫で行う。プランを承認すると、エージェントにアサインされたタスクについては自律的に進んでいく。

Code Intelligence in Rovo

Rovo向けの新しいコード検索コネクターを、早期アクセスとして提供する。セマンティックコードインテリジェンスにより、数千の複雑なリポジトリを横断的に検索できるほか、単なるパターンマッチングではなく、コードのモジュール・関数・ファイルごとの意図を理解する点が特徴だ。

コードの情報がTeamwork Graphに取り込まれるようになったことで、すべてのAIコーディングエージェントがより高品質な結果を、より少ないトークンで、より安価に得られるようになるとのことだ。

Incident Command Center in Jira Service Management

オペレーション・SREチーム向けには、Teamwork Graphで強化された新しいIncident Command Centerが提供される。インシデント発生時、Rovo OpsエージェントがTeamwork Graphを通じて、リポジトリの変更履歴や、ログやメトリクスなどを調査し、最も可能性が高い原因の候補を確信度とともに表示する。インシデント対応ステップの作成や、ステータス更新、さらにレビューとフォローアップなど一連の流れを自動化できる。

Teamwork Graphへのアクセス手段の拡充

Teamwork Graph CLIおよびTeamwork Graph in MCPの提供により、Teamwork Graphが外部に開放された。これにより、チームが日常的に利用する多様なAIツールから、アトラシアンおよび関連製品内のコンテキストへ自在にアクセスが可能となっている。この統合は、情報が特定製品内に閉じる「サイロ化」を防ぐだけでなく、AI活用の効率化にも直結する。

アトラシアンの社内ベンチマークによれば、AIアプリをTeamwork Graph CLIで接続することで、回答の質が44%向上し、消費トークン数を48%削減できたという成果も報告されている。

AIエージェント化の壁と
アトラシアンが提示する現実解

今後エンタープライズソフトウェアにエージェント型AIが組み込まれる中、考慮しなければならないのがマルチエージェント調整の複雑化だ。複数の専門エージェントを連携させながらビジネスを動かしていくための構成管理や調整コストの増大は、AI時代の開発者にとって新たな難題となるだろう。

興味深いことに、AIエージェント同士の円滑な協働に求められる要件は、人間社会のそれと本質的に変わらない。業務を適切なタスクへと切り出し、進捗を可視化し、活動の履歴を正確に記録すること。これらはまさに、Jiraというワークフローツールが長年人間に提供してきた価値そのものだ。

散在した情報とチームの動きを繋ぐTeamwork Graph、そしてエージェント群を束ねるコントロールプレーンとしてのJira。アトラシアンが提示するこのエコシステムは、来るべきマルチエージェント時代の複雑性を乗り越えるための、極めて現実的な解法となるかもしれない。