TechTalkThai ศูนย์รวมข่าว Enterprise IT ออนไลน์แห่งแรกในประเทศไทย
Atlassian เปิดตัวความสามารถใหม่บน Jira และ Teamwork Graph สำหรับการพัฒนาซอฟต์แวร์แบบ AI-native ช่วยให้ทีมวางแผน มอบหมาย กำกับดูแล และวัดผลงานที่ทำร่วมกันระหว่างมนุษย์และ AI Agent ได้ในที่เดียว
แม้การใช้งาน coding agent จะเติบโตอย่างรวดเร็ว แต่งานส่วนที่ยากที่สุดของการส่งมอบซอฟต์แวร์ยังคงเป็นเรื่องยากเช่นเดิม จากงานวิจัยระยะยาวที่ Atlassian ทำร่วมกับ DX พบว่าการใช้งาน AI เพิ่มขึ้นถึง 65% แต่ความเร็วในการพัฒนา (developer velocity) กลับเพิ่มขึ้นสูงสุดเพียง 15% และหลายองค์กรได้ผลเฉลี่ยเพียง 10% เท่านั้น ช่องว่างด้านประสิทธิภาพนี้ไม่ได้เกิดจากโมเดลเขียนโค้ดไม่เก่ง แต่เป็นเพราะการพัฒนาซอฟต์แวร์ไม่เคยเป็นเรื่องของการเขียนโค้ดเพียงอย่างเดียว หากแต่เป็นการแปลงเป้าหมายทางธุรกิจ กลยุทธ์ และบริบทให้กลายเป็นซอฟต์แวร์ที่ใช้งานได้จริงภายในองค์กร
Atlassian ระบุว่าการพัฒนาแบบ AI-native ต้องทำให้กระบวนการ SDLC “อ่านได้” สำหรับ agent โดยยังคงความรับผิดชอบต่อมนุษย์เอาไว้ ซึ่งมี 3 หลักการสำคัญ ได้แก่ ความต้องการ (intent) ต้องถูกจัดโครงสร้างก่อนเริ่มงาน โดย agent ต้องการทั้ง requirement, architecture, ประวัติการตัดสินใจ และข้อจำกัดต่าง ๆ ไม่ใช่แค่ prompt สั้น ๆ การเลือก agent ที่ต่างกันต้องไม่ทำให้ workflow แตกออกเป็นหลายกระบวนการ และการทำงานอัตโนมัติต้องตรวจสอบย้อนหลังได้เสมอ หัวใจของทั้งหมดนี้คือ Teamwork Graph ซึ่งเป็นชั้นบริบท (context layer) ที่เชื่อมโยงงาน โค้ด คน การตัดสินใจ และ dependency เข้าด้วยกัน ดึงบริบทจาก Jira, Confluence, Slack, GitHub และ Jira Product Discovery มาให้ agent เข้าใจไม่เพียงแค่ตัวงาน แต่รวมถึงระบบโดยรอบ เพื่อผลิตโค้ดคุณภาพสูงพร้อมบริหารต้นทุน token อย่างมีประสิทธิภาพ
ความสามารถใหม่ที่ประกาศครั้งนี้แบ่งเป็น 3 กลุ่มหลัก กลุ่มแรกคือการวางแผนงานพร้อมบริบทที่ดีขึ้น ผ่าน Jira Planner ที่นำ spec-driven development เข้าสู่ Jira สร้าง technical spec แบบมีโครงสร้างใน Confluence, Jira for Slack ที่เปลี่ยนบทสนทนาให้เป็น work item พร้อมบริบท และ Loom video prompts ที่แปลงการอัดหน้าจอและเสียงพูดให้เป็น action plan สำหรับ agent กลุ่มที่สองคือการมอบหมายงานให้ agent ที่เหมาะสม โดย Agents in Jira รองรับการมอบหมายงานให้ Claude Code, Cursor และ GitHub Copilot (Codex กำลังจะตามมา), Jira Coding Agent ที่มาพร้อมทุกแพ็กเกจแบบเสียเงินสามารถรับงาน สร้าง pull request พร้อมรีวิวได้เอง และ Agent sessions in Jira ที่รวมสถานะการทำงานของ agent ทุกตัวไว้ในมุมมองเดียว กลุ่มที่สามคือการกำกับดูแล (governance) ผ่าน Coding agent automations สำหรับ route งานประจำอย่างการแก้บั๊กและอุดช่องโหว่, Agentic Engineering project template สำหรับตั้งโปรเจกต์ที่พร้อมใช้ agent และ DX AI cost management ที่รวมข้อมูล spend และ token จาก Claude, Cursor, GitHub Copilot และ Jira เพื่อประเมินต้นทุนต่อ PR
จากการทดสอบภายในของ Atlassian พบว่า agent ที่เสริมด้วยบริบทจาก Teamwork Graph ให้ผลลัพธ์แม่นยำขึ้น 44% ขณะที่ใช้ token น้อยลง 48% เมื่อเทียบกับ agent ที่ทำงานโดยไม่มีบริบทดังกล่าว พร้อมช่วยลดระยะเวลา PR cycle และลดเวลาที่เสียไปกับงานประจำ Atlassian ย้ำว่า agent จะเปลี่ยนวิธีการสร้างซอฟต์แวร์ แต่จะไม่ลบความจำเป็นด้านวิจารณญาณ บริบท และความรับผิดชอบของมนุษย์ ผู้ที่สนใจสามารถทดลองใช้งานได้แล้วที่ jira.dev
