2026년 10월 6일부터 8일까지 네덜란드 암스테르담에서 Atlassian의 글로벌 컨퍼런스 Team ’26 Europe이 개최되었습니다.
이번 행사에서 Atlassian이 제시한 핵심 메시지는 ‘The End of Single-Player AI’였습니다.
그동안 AI는 질문에 답하거나 문서를 요약하고, 코드를 작성하는 등 개인의 생산성을 높이는 도구로 활용되어 왔습니다. 하지만 기업의 실제 업무는 여러 사람과 팀, 시스템이 연결되어 이루어집니다. AI가 조직의 업무에 실질적으로 기여하기 위해서는 이러한 맥락을 이해하고, 사람과 협업하며, 신뢰할 수 있는 환경에서 작동해야 합니다.
Atlassian은 이러한 변화를 ‘Multiplayer AI’라는 비전으로 설명하며, 이를 실현하기 위한 세 가지 핵심 요소로 Context, Collaboration, Confidence를 제시했습니다.
이번 글에서는 파운더스 키노트의 세 가지 키워드를 중심으로 Atlassian의 AI 전략과 주요 제품 업데이트를 살펴보겠습니다.
AI가 기업의 업무를 제대로 수행하려면 단순히 정보를 검색하는 것을 넘어, 업무가 이루어지는 배경과 관계를 이해해야 합니다.
예를 들어 프로젝트가 지연되고 있는 이유를 파악하려면 Jira의 이슈뿐 아니라 관련 Confluence 문서, 담당자, 의사결정 과정, 개발 현황 등을 함께 살펴봐야 합니다.
Atlassian은 이러한 업무 맥락을 연결하는 핵심 기술로 Teamwork Graph를 발전시키고 있습니다.
Teamwork Graph는 조직의 사람, 업무, 지식, 커뮤니케이션, 코드, 자산 및 데이터를 연결하는 Atlassian의 컨텍스트 기반 기술입니다.
이번 행사에서는 Teamwork Graph가 7가지 컨텍스트로 확장되면서 AI가 보다 폭넓은 조직 정보를 이해하고 활용할 수 있게 되었다는 점을 강조했습니다.
Jira와 Confluence에 저장된 정보뿐 아니라 개발 코드, IT 자산, 외부 시스템의 데이터까지 연결하여 AI가 업무의 전체적인 맥락을 파악하도록 지원합니다.
이러한 방향은 새로운 제품 기능에도 반영되었습니다.
이러한 업데이트의 공통점은 조직의 정보를 단순히 저장하는 데 그치지 않고, AI가 이해하고 활용할 수 있는 업무 맥락으로 전환한다는 것입니다.
AI의 활용도가 높아질수록 기업이 보유한 데이터와 업무 간 연결성이 더욱 중요한 경쟁력이 될 것으로 보입니다.
이번 Team ’26 Europe에서 가장 주목할 만한 변화는 AI를 개인의 생산성 도구가 아닌, 팀의 협업 구성원으로 바라보기 시작했다는 점입니다.
Atlassian은 이를 구현하기 위한 새로운 접근 방식으로 Agentic Multiplayer Protocol(AMP)을 소개했습니다.
AMP(Agentic Multiplayer Protocol)는 사람과 AI 에이전트가 같은 업무 환경에서 협업할 수 있도록 설계된 Atlassian의 새로운 프로토콜입니다.
기존에는 사용자가 AI에게 개별 작업을 요청하고 결과를 전달받는 방식이 일반적이었습니다.
AMP가 지향하는 환경에서는 AI 에이전트가 업무의 맥락을 이해하고, 작업에 참여하며, 진행 상황과 결과를 사람들과 공유할 수 있습니다.
예를 들어 Jira에서 에이전트에게 업무를 요청하거나, Confluence에서 AI와 함께 문서를 작성하고, Loom 영상을 통해 작업 내용을 전달하는 방식입니다.
중요한 것은 AI가 작업을 수행하는 것뿐 아니라, 팀원들이 AI의 활동을 확인하고 함께 검토할 수 있다는 점입니다.
AI 협업은 Atlassian 제품 내부에만 국한되지 않습니다.
Atlassian MCP(Model Context Protocol)는 ChatGPT, Claude, Cursor 등 외부 AI 도구가 Jira와 Confluence 등의 업무 정보에 안전하게 접근하고 작업할 수 있도록 지원합니다.
예를 들어 사용자가 익숙한 AI 도구에서 Jira 프로젝트의 진행 상황을 확인하거나, Confluence 문서를 참고해 새로운 업무 문서를 작성할 수 있습니다.
이를 통해 기업은 하나의 AI 도구에 종속되지 않고, 기존에 사용하던 다양한 AI 환경에서 Atlassian의 업무 맥락을 활용할 수 있습니다.
이번 행사에서는 AI의 활용 범위를 더욱 확장하는 새로운 기능도 공개되었습니다.
Rovo Work는 여러 단계로 구성된 복잡한 업무를 계획하고 실행하는 AI 기능입니다. Teamwork Graph의 맥락을 활용해 필요한 정보를 수집하고, 작업을 단계별로 수행하도록 설계되었습니다.
Artifacts는 AI가 생성한 보고서, 대시보드, 파일 등의 결과물을 한곳에서 관리하고 공유하는 새로운 애플리케이션입니다. Rovo뿐 아니라 외부 AI 에이전트가 생성한 산출물도 조직의 업무 자산으로 활용할 수 있도록 지원합니다.
이와 함께 Jira, Confluence, Loom에서는 AI 에이전트와의 협업을 지원하는 기능이 강화되었으며, 소프트웨어 개발과 IT 서비스 관리 영역에서도 AI 기반 계획 수립과 업무 자동화가 확대되고 있습니다.
결국 Atlassian이 지향하는 Collaboration은 단순히 AI 기능을 더 많이 제공하는 것이 아닙니다.
사람과 AI가 같은 업무 맥락을 공유하고, 기존 업무 흐름 안에서 함께 작업하며, 그 결과를 조직 전체가 활용할 수 있는 협업 환경을 만드는 것입니다.
AI 에이전트가 단순한 정보 검색을 넘어 실제 업무를 수행하게 되면 새로운 과제가 생깁니다.
AI는 어떤 데이터에 접근할 수 있을까요? 누가 에이전트의 작업을 관리하고, 문제가 발생했을 때 어떻게 추적할 수 있을까요?
AI의 자율성이 높아질수록 보안과 권한 관리, 활동의 가시성은 더욱 중요해집니다.
Atlassian은 이번 행사에서 기업이 AI를 안전하게 도입하고 확장할 수 있도록 신뢰와 거버넌스 기능을 강화하는 방향을 제시했습니다.
Agent Accounts를 통해 AI 에이전트에 독립적인 신원과 권한을 부여하고, 조직의 정책에 따라 접근 범위를 관리할 수 있습니다.
또한 향후 Non-human Identity(NHI) 관리 기능을 통해 AI 에이전트뿐 아니라 앱, 자동화 및 서비스 계정 등 사람 이외의 계정을 통합적으로 관리할 수 있도록 할 계획입니다.
AI가 팀의 일원으로 활동한다면 사람과 마찬가지로 역할과 권한이 명확해야 한다는 접근입니다.
Atlassian Guard Premium을 통한 보안 기능도 확대되었습니다.
Rovo Chat에서 민감 정보가 노출되지 않도록 보호하고, 외부 시스템과 연결되는 데이터에도 보안 정책을 적용할 수 있도록 지원합니다.
Atlassian MCP 역시 사용자 권한과 관리자의 접근 제어 정책을 기반으로 작동하도록 설계되어, 외부 AI 도구를 활용할 때에도 기존 업무 데이터에 대한 접근 범위를 유지할 수 있습니다.
이러한 기능은 AI 도입의 범위가 확대되는 엔터프라이즈 환경에서 특히 중요합니다.
기업이 AI를 적극적으로 활용하기 위해서는 성능뿐 아니라 누가 무엇을 할 수 있는지 관리하고, 작업을 확인하며, 데이터를 보호할 수 있어야 하기 때문입니다.
이번 Team ’26 Europe에서 Atlassian이 보여준 방향은 명확합니다.
AI는 개인의 업무를 보조하는 도구에서 조직의 업무를 이해하고, 사람과 함께 일하며, 실제 결과를 만들어내는 협업 구성원으로 발전하고 있습니다.
이를 실현하기 위한 기반이 바로 세 가지 키워드입니다.
이제 기업이 고민해야 할 것은 AI를 어떤 업무에 도입할 것인가를 넘어, AI를 기존의 업무 프로세스와 조직의 협업 방식에 어떻게 통합할 것인가입니다.
Atlassian 환경에서 AI를 효과적으로 도입하고 활용하는 데 궁금한 점이 있으시다면, 10년 이상의 Atlassian 전문 경험과 기술 역량을 보유한 아틀라시안 플래티넘 파트너 오픈소스컨설팅에 문의해 주세요.
