La risposta breve
Il 15 luglio 2026 Atlassian ha riposizionato Jira da tracker a hub di orchestrazione per gli agenti AI di codice. I clienti a pagamento di Jira Cloud possono ora assegnare un work item direttamente a Claude Code, Cursor o GitHub Copilot — con OpenAI Codex in arrivo — senza costi aggiuntivi, e ogni piano a pagamento include un Jira Coding Agent integrato che converte un ticket in una pull request pronta per la revisione, senza ambiente di sviluppo locale.
Il punto strategico è più grande di un elenco di funzioni: il luogo in cui il lavoro di sviluppo AI viene assegnato, tracciato e governato si sposta dall'IDE allo strumento di project management. È comodo, ma non elimina la necessità di rivedere, testare e mettere in sicurezza il codice scritto dagli agenti. I team che qui vincono avviano un pilota circoscritto con revisione umana e controlli di costo, non un passaggio in blocco.
Cosa ha rilasciato davvero Atlassian?
L'annuncio di Atlassian ruota attorno a un'idea: Jira dev'essere il luogo in cui il lavoro di sviluppo AI viene distribuito e supervisionato. Dal pannello di sviluppo di qualsiasi work item, uno sviluppatore può ora aprire il ticket — precaricato con il suo contesto — in Claude Code, Cursor, GitHub Copilot o VS Code, senza copia-incolla. E soprattutto, i clienti a pagamento di Jira Cloud possono assegnare il work item stesso a un agente di codice di terze parti senza costi aggiuntivi, così l'agente prende in carico il compito come farebbe un collega. OpenAI Codex è stato indicato come in arrivo.
Per i team senza un setup locale, un Jira Coding Agent integrato — incluso in ogni piano a pagamento — prende un work item ben delimitato e restituisce una pull request pronta per la revisione nel cloud. Attorno a esso c'è un piccolo sistema: Jira Planner trasforma un'idea grezza in una specifica tecnica usando codebase e documentazione come contesto; un template di Agentic Engineering configura una board che assegna il lavoro agli agenti automaticamente; Jira for Slack converte le conversazioni in work item strutturati; i prompt video Loom traducono una registrazione dello schermo in istruzioni pronte per l'agente; e una dashboard di visibilità mostra lo stato delle sessioni attive. Integrare questo tipo di orchestrazione in un workflow di delivery è esattamente il genere di ingegneria di agenti AI che distingue una demo da un sistema che i team possono davvero far funzionare.
Atlassian è esplicita nel dire che l'obiettivo non è la pura velocità di generazione del codice. “Ci serve una soluzione, non uno strumento,” ha dichiarato Ming Wu, responsabile dell'ingegneria per l'iniziativa developer-AI dell'azienda, inquadrando il valore nel riunire strumenti AI dispersi anziché aggiungerne un altro. L'obiettivo dichiarato è affrontare il “lavoro attorno al lavoro” — chiarezza dei requisiti, contesto, passaggi di consegne, setup, assegnazione, revisione e governance.
Perché spostare gli agenti nel sistema di registro?
Negli ultimi due anni il baricentro dello sviluppo assistito dall'AI era dentro l'editor — Copilot nell'IDE, un agente nel terminale, una finestra di chat a lato. Va bene per un singolo sviluppatore, ma disperde le evidenze: chi ha chiesto cosa, quale agente ha svolto il lavoro, cosa è stato revisionato e se è stato rilasciato. La mossa di Atlassian riporta queste evidenze nella board che engineering manager, product owner e auditor già osservano.
Gli analisti del settore la leggono come una conquista del livello sopra il codice. “Il confronto per il control plane dello sviluppo agentico si è spostato nel sistema di registro,” ha osservato Mitch Ashley del Futurum Group, descrivendo Jira come una candidatura a essere il livello di governance del lavoro assistito dall'AI, anziché cedere quel ruolo agli strumenti di codice standalone. Un inquadramento che conta, perché è la governance — non l'autocompletamento — il punto in cui gli acquirenti enterprise sentono il dolore. Una pull request che compare in Jira con un link tracciabile al work item, al richiedente e all'agente che l'ha prodotta è molto più facile da rivedere, attribuire e difendere di un'esecuzione di agente avvenuta sul portatile di qualcuno.
C'è anche un sottotesto competitivo. Anthropic, OpenAI, Microsoft e un'ondata di startup spingono tutti agenti di codice; chi possiede la superficie di assegnazione-e-revisione plasma il modo in cui quegli agenti vengono adottati su scala. Rendendo l'orchestrazione gratuita per i piani a pagamento e lasciando gli abbonamenti agli agenti e il consumo dei modelli come costi separati, Atlassian cerca di diventare l'hub neutrale — il luogo in cui instradi il lavoro a prescindere dall'agente del fornitore che preferisci.
Quali rischi i team continuano a sottovalutare?
Il primo è l'assunto silenzioso che una pull request prodotta da un agente sia meno rischiosa perché arrivata attraverso uno strumento governato. Non lo è. Il codice richiede comunque la stessa revisione, la stessa copertura di test e lo stesso scrutinio di sicurezza di ciò che scrive una persona — probabilmente di più, perché i revisori tendono a scorrere con eccessiva sicurezza un output ben formattato. Un workflow governato rende la revisione visibile; non la rende opzionale.
Il secondo è il costo. Assegnare lavoro agli agenti è facile, e la facilità del fan-out è il modo in cui le bollette dei token sfondano i budget. L'orchestrazione è gratuita; il consumo dei modelli dietro Claude Code, Cursor, Copilot o l'agente integrato no. I team che attivano l'assegnazione agli agenti senza limiti di spesa e visibilità per progetto rischiano di scoprire la cifra a fine mese, invece di gestirla in corso d'opera.
Il terzo è la responsabilità. Quando un agente apre una pull request, qualcuno deve comunque farsi carico del merge, della regressione che potrebbe causare e della postura di sicurezza delle dipendenze che introduce. Una responsabilità chiara — una persona nominata come responsabile dell'output integrato dall'agente — è il controllo che impedisce all'“agentic engineering” di diventare una responsabilità diffusa. Nessuno di questi rischi è un argomento contro l'adozione del workflow; sono un argomento per adottarlo in modo consapevole.
Cosa significa per i team di sviluppo, con un focus sull'Italia
Per i team che già vivono in Jira, questo riduce quasi a zero l'attrito nell'uso degli agenti di codice — ed è proprio il punto su cui prestare attenzione. La strada produttiva è trattare l'hub di orchestrazione come un modo per rendere il lavoro dell'AI visibile e revisionabile, non come una licenza per auto-assegnare ampie porzioni del backlog. Il sistema di registro unico è un vantaggio reale per le piste di audit, soprattutto per i team regolamentati del FinTech e della sanità che devono dimostrare chi ha scritto e chi ha approvato una modifica; diventa un rischio solo se induce i revisori a mettere il timbro senza controllare.
Cosa significa per il mercato italiano. In Italia software house, grandi imprese e Pubblica Amministrazione si muovono su questa tecnologia con una spiccata cultura di governance e tracciabilità: Jira come control plane rende naturale documentare paternità e approvazione di ogni modifica, un requisito concreto per i settori regolamentati (banche, assicurazioni, sanità). L'AI Act dell'Unione Europea, direttamente applicabile in Italia, spinge verso la tracciabilità dei sistemi AI, mentre le esigenze di protezione dei dati — presidiate dal Garante per la protezione dei dati personali — rendono la data residency e la pista di audit dell'autorialità un tema serio, non un dettaglio; per la PA, l'allineamento alle linee guida AgID sul software pubblico rende ancora più prezioso un unico registro verificabile del lavoro degli agenti.
Il lavoro pratico è progettazione di processo, non adozione di strumenti. Decidi quali classi di work item sono idonee all'assegnazione agli agenti (prima i task ben delimitati e a basso raggio d'impatto), rendi la revisione umana e i test superati gate di merge non negoziabili, e metti la visibilità dei costi sul consumo dei modelli fin dal primo giorno. Poiché l'agente integrato produce pull request nel cloud senza ambiente locale, viene la tentazione di affidargli compiti ampi; resisti finché non hai dati sulla qualità su quelli ristretti. È la stessa disciplina che qualsiasi seria delivery di software su misura applica già ai contributori umani — perimetro, revisione, responsabilità — estesa a quelli non umani.
C'è anche una lettura strategica per i responsabili dell'ingegneria. Se il sistema di registro diventa il control plane degli agenti, allora investire in work item, specifiche e documentazione puliti e ben strutturati rende due volte: una per le persone e una per gli agenti che ora consumano lo stesso contesto. I team con backlog disordinati e documentazione scarna otterranno output disordinato dagli agenti; i team che trattano l'igiene del proprio Jira come un asset di ingegneria otterranno di più da ogni agente che vi instradano.
Come avviare un pilota questo trimestre
Tratta l'annuncio come uno stimolo a condurre un esperimento controllato, non a riorganizzare la delivery da un giorno all'altro. Ecco la versione operativa.
- Scegli una fetta ristretta. Individua un team e una classe di work item ben delimitati e a basso rischio — piccole correzioni di bug, refactoring meccanici, impalcatura di test — come unici ticket idonei all'assegnazione agli agenti.
- Rendi la revisione un gate rigido. Richiedi revisione umana e CI superata su ogni pull request prodotta da un agente prima del merge, senza eccezioni per il “sembra a posto.”
- Nomina un responsabile per ogni merge. Assegna una persona responsabile di ogni modifica dell'agente integrata e di ogni regressione che ne derivi.
- Attiva la visibilità dei costi. Traccia il consumo dei modelli per progetto fin dal primo giorno; imposta limiti di spesa perché il fan-out degli agenti non ti sorprenda a fine mese.
- Misura la qualità, non l'uso. Confronta tasso di difetti, tempo di revisione e rilavorazione dei ticket degli agenti con quelli umani comparabili — l'inquadramento di Atlassian è portare valore, non aumentare l'utilizzo.
- Investi nell'igiene dei work item. Rafforza specifiche, criteri di accettazione e documentazione; lo stesso contesto che aiuta gli agenti aiuta le persone e migliora ogni esecuzione futura.
Usato bene, Jira-come-control-plane è un consolidamento sensato: meno strumenti, un'unica pista di audit, agenti che mostrano il proprio lavoro. Usato con leggerezza, è un modo rapido per fare il merge di codice che nessuno ha davvero revisionato. La differenza sta tutta nel processo che gli costruisci attorno.
Domande frequenti
Cosa ha annunciato Atlassian per Jira il 15 luglio 2026?
Atlassian ha riposizionato Jira come hub di orchestrazione per lo sviluppo assistito dall'AI. I clienti a pagamento di Jira Cloud possono assegnare i work item direttamente a Claude Code, Cursor e GitHub Copilot senza costi aggiuntivi, con OpenAI Codex in arrivo, e ogni piano a pagamento include un Jira Coding Agent integrato che trasforma un work item in una pull request pronta per la revisione, senza ambiente locale. Jira Planner, un template di Agentic Engineering, Jira for Slack, i prompt video Loom e una dashboard di visibilità sugli agenti completano il rilascio.
Quali agenti AI di codice supporta Jira?
Al lancio: Claude Code di Anthropic, Cursor e GitHub Copilot, con la possibilità di aprire un work item precaricato con il contesto in questi strumenti o in VS Code. OpenAI Codex è stato annunciato come in arrivo. L'assegnazione del lavoro a questi agenti di terze parti è inclusa per i clienti a pagamento di Jira Cloud senza costi aggiuntivi.
La funzione coding-agent di Jira è gratuita?
L'orchestrazione lo è. Assegnare i work item ad agenti di terze parti come Claude Code, Cursor e GitHub Copilot è disponibile per i clienti a pagamento di Jira Cloud senza costi aggiuntivi, e il Jira Coding Agent integrato è compreso in ogni piano a pagamento. Continui a pagare separatamente gli abbonamenti agli agenti di codice sottostanti e il loro consumo di modello — l'hub è gratuito, non il calcolo.
Cosa significa l'“agentic engineering” in Jira per un team?
È il sistema di project management, non l'IDE, a diventare il luogo in cui il lavoro dell'AI viene assegnato, tracciato e governato. Un work item può essere instradato a un agente, produrre una pull request e restare visibile nella stessa board che un revisore umano già usa — mantenendo una pista di audit invece di disperdere le esecuzioni degli agenti su strumenti separati. Atlassian lo descrive come la gestione del “lavoro attorno al lavoro”.
I team dovrebbero cambiare il proprio workflow per questo?
Non da un giorno all'altro. Il vantaggio — meno cambi di contesto, un unico sistema di registro per il lavoro AI — è reale, ma un agente che apre una pull request sta comunque generando codice che richiede piena revisione, test e scrutinio di sicurezza. Parti con un pilota circoscritto su work item a basso rischio, revisione umana obbligatoria, responsabilità chiara sull'output integrato e controlli di costo sul consumo dei modelli; poi decidi se ampliare.
Fonti
SiliconANGLE — Atlassian evolves Jira into an orchestration hub for developers and AI agents, 15 luglio 2026
DevOps.com — Atlassian Extends AI Reach of Jira Into Agentic Engineering Workflows, 15 luglio 2026
Atlassian — Introducing Claude Agent for Jira (fonte primaria)