Atlassians årlige konferanse samlet kunder og partnere fra over 40 land i Anaheim i mai. Budskapet var klart: De neste fem årenes vinnere er ikke de med de beste AI-verktøyene — det er de som bruker AI med utgangspunkt i virksomhetens opparbeidede kunnskap og erfaring. Ekspertrådgiverne fra Computas Opus, Paulo Ramalho og Irina Bulf fulgte konferansen tett og tok med seg konkrete nyheter hjem til norske Atlassian-kunder.
For Paulo Ramalho hadde årets Team-konferanse en merkbar endring fra tidligere år.
– Det som slo meg var hvor konkret alt hadde blitt. Tidligere konferanser handlet mye om produktnyheter og å snakke om hva AI kan gjøre i teorien. I år handlet det om hvordan faktisk realisere verdien,og hva som skiller dem som er kommet i gang fra de som fortsatt venter, sier Ramalho.
Et problem mange kjenner seg igjen i
De fleste norske virksomheter har investert tungt i verktøy det siste tiåret. Resultatet er et digitalt landskap der arbeidet er spredt på tvers av Jira, Confluence, Slack, GitHub, Figma, Salesforce og en rekke andre systemer. Da AI kom, forventet mange at det skulle rydde opp i kompleksiteten. I stedet la det ofte til enda et lag: enda et verktøy, enda et grensesnitt, en AI-assistent som ikke kjenner konteksten og svarer feil.
– Vi ser det samme mønsteret igjen og igjen: Norske bedrifter er teknisk klare for AI, men prosessmessig er de det ikke, forteller Ramalho
Den kunnskapen organisasjoner sitter på, minnene om beslutninger som er tatt og arbeid som er gjort, er deres største kapital. Men den er verdiløs i en AI-kontekst hvis den ikke er strukturert og tilgjengelig
Kontekst er den nye konkurransefordelen
Atlassians kjernepåstand på Team ’26 var at AI-modellenes kapasitet ikke lenger er det som skiller virksomheter fra hverandre. Alle kan i dag få tilgang til kraftige språkmodeller. Det som derimot utgjør en reell forskjell, er kvaliteten på konteksten AI får å jobbe med – den opparbeidede kunnskapen om beslutninger tatt, arbeid gjort og erfaringer.
Atlassian kaller dette Teamwork Graph: et levende kart over hvordan organisasjonen faktisk fungerer, med over 150 milliarder koblinger mellom mennesker, prosjekter, mål, kode og dokumentasjon.
– Det nye fra Team ’26 er at dette kontekstlaget nå åpnes opp via en ny CLI og en MCP-server, slik at tredjepartsverktøy og andre AI-systemer kan koble seg direkte til Temwork Graph, forteller Ramalho
— Det betyr i praksis at om du bruker Claude, Copilot eller ChatGPT i tillegg til Atlassians egne verktøy, kan disse nå lese fra det samme kunnskapsgrunnlaget. Atlassian har i en årrekke jobbet for å bryte ned siloene som oppstår når verktøy ikke snakker sammen, og det synes.
— Han fortsetter: Denne endringen gjør at Jira og Confluence nå fungerer som en kontekstinfrastruktur hele AI-stakken din kan trekke på. For virksomheter som vurderer hvilken plattform de skal gå for, er det vanskelig å se forbi det.
AI-agenter på arbeidsplassen
Et gjennomgangstema på konferansen var at Rovo – Atlassians AI-drevne søke-, chat- og automatiseringsverktøy – har vokst seg ut av assistentrollen. Agenter i Jira er nå generelt tilgjengelig og kan tildeles arbeidsoppgaver på akkurat samme måte som mennesker, med full revisjonslogg over alle handlinger de utfører. En ny «Max Mode» lar Rovo håndtere flerstegs-oppgaver på tvers av Atlassian og tilkoblede systemer, der resultatet ikke er et svar, men en ferdig handlingsplan med deloppgaver klar til bruk.
Agentbasert automatisering hos Atlassian-kunder vokste 7 ganger på bare seks måneder. Selskaper som Mercedes-Benz og Intermedia bruker allerede AI-agenter til å håndtere koordineringsarbeid som tidligere krevde betydelig menneskelig innsats — med konkrete resultater som timer spart per uke, bedre kvalitet og raskere onboarding.
— Vi snakker ikke lenger om AI som et verktøy du åpner i en egen fane. Vi snakker om en digital kollega med sitt eget ansvarsområde og revisjonslogg. At alt loggføres er avgjørende, særlig for virksomheter i sektorer som stiller strenge krav til etterprøvbarhet, sier Atlassian-rådgiver Irina Bulf.
Tjenesteleveranse tenkes helt på nytt
Den tradisjonelle servicedesk-modellen — logg en sak, stå i kø, vent — er under press. Atlassian presenterte en visjon for AI-native service der problemer oppdages og rutes automatisk, kontekst følger med hver forespørsel, og agenter håndterer rutinearbeid slik at menneskene kan fokusere på de vurderingene som faktisk krever erfaring og skjønn.
For Bulf er dette et av de mest konkrete eksemplene på hva AI-gevinster kan se ut som i praksis.
Dette treffer rett inn i noe vi ser igjen og igjen hos kundene vi jobber med. Mange har store serviceorganisasjoner der mye tid går med til å håndtere saker som nå kan løse seg selv. Når AI-agenter kan fange opp, tolke og rute henvendelser før noen trenger å spørre, er det en reell og målbar gevinst
— De beste serviceorganisasjonene vil være de som kombinerer agentenes kapasitet med menneskers vurderingsevne. Det er dit Atlassian peker, og det er der vi hjelper kundene våre å komme, sier Bulf.
Den kommersielle modellen endres også
For større virksomheter utforsker Atlassian noe de kaller Flex – en fremtidig lisensmodell som skal gjøre det mulig for kunder å forvalte ett samlet budsjett på tvers av hele Atlassians produktportefølje, tilpasset behov som endrer seg over tid. I stedet for å binde seg til et fast sett med lisenser år i forveien, er tanken at større bedrifter skal kunne flytte ressurser dit produktene og AI-funksjonalitetene gir mest verdi – akkurat når behovet oppstår.
– Flex utvikles som svar på tilbakemeldinger fra mange kunder som ønsker både forutsigbarhet og fleksibilitet i én og samme kommersielle modell. For IT-ledere og innkjøpsansvarlige med store Atlassian-investeringer er dette en lovende retning
Hva betyr Atlassian nyhetene for norske virksomheter?
Bulf mener mye av det som ble presentert i Anaheim treffer rett inn i utfordringer hun ser hos norske kunder.
– Det vi møter igjen og igjen er at arbeidet er spredt på tvers av mange verktøy, og at AI-investeringene ikke gir forventet gevinst fordi konteksten mangler. Atlassians svar er å gjøre den institusjonelle kunnskapen som allerede finnes i Jira og Confluence til drivstoffet for AI. Det er en tilnærming som gir mening for de aller fleste virksomhetene vi jobber med, forteller Bulf.
Team ’26 markerte et tydelig skille – fra AI som et tillegg til AI som en integrert del av hvordan arbeid planlegges, utføres og spores. De organisasjonene som handler på dette nå, vil kjenne på de betydelige fordelene dette medfører, og konkurransefortrinnet det gir, avslutter hun.
Du må være logget inn for å legge inn en kommentar.