RESOURCES

Atlassian AI-Native: איך להפוך את הקונטקסט הארגוני שלכם מבזבזן טוקנים למכפיל כוח מטורף?

תקשיבו לזה: בעולם הטכנולוגיה של היום, AI זה כבר כמעט קומודיטי. לכולם יש גישה למודלים מתקדמים, לכולם יש כלי AI שעוזרים לכתוב קוד או לנסח מיילים בצרורות, אבל הדרמה האמיתית וההבדל האמיתי היא לא איזה מודל יש לכם, אלא כמה הוא באמת מבין את הארגון שלכם.
הרבה חברות משקיעות היום המון כסף בכלי AI, אבל הערך האמיתי פשוט לא גדל בהתאם. למה? כי יש צורך עצום בהקשר הארגוני. מודל AI חזק ככל שיהיה, אם הוא פועל בתוך וואקום בלי להכיר את ההיסטוריה, המשימות והתרבות של הארגון, הוא פשוט ינחש תהליכים ויבזבז משאבים.

במאמר הזה אנחנו הולכים לעשות הירות עמוקה עם החזון של Atlassian: מעבר משימוש בודד בטריקים של AI, להפיכת הארגון ל-AI-Native Organization: מקום שבו סוכנים אוטונומיים עובדים לצד הצוות ומכפילים את התפוקה.

 הבעיה: כשה-AI עובד בלי Context (או: סיפור כוס הקפה)

בואו נניח שאתם מבקשים מכלי AI שלא מכיר אתכם: “תכין לי כוס קפה”.
מה יקרה?
בפעם הראשונה הוא יכין לכם קפה הפוך. אתם תגידו: “לא, אני אוהב שחור”.
בפעם השנייה הוא יביא אספרסו. אתם תגידו: “לא, רק אל-נחלה עם הל בפינג’ן!”.
בפעם השלישית תקבלו את זה בכוס לא נכונה…
עד שתקבלו את כוס הקפה המדויקת שלכם, עברתם מסע מייסר של 10 סבבים.

בעולם ה-AI זה אומר: שריפה של אלפי טוקנים, בזבוז כסף אדיר, תסכול ואיטיות.
לעומת זאת, אם ה-AI מכיר אתכם כבר 5 שנים (יש לו מלא Context עליכם), ברגע שתגידו “בא לי קפה” – תוך שניה תהיה לכם הכוס המדויקת ביד בעלות של טוקנים בודדים!
זה בדיוק הסיפור של Atlassian: המערכות שלה כבר מחזיקות במידע וההקשר הארגוני שלכם שנים. ברגע שמחברים לזה AI, התשובות הופכות למדויקות כבר מהפנייה הראשונה.

הלב של המערכת: Teamwork Graph (TWG)

שכחו ממאגרי דטה ישנים (SQL) שמבוססים על טבלאות נוקשות ומפתחות. ב-Atlassian הדאטה שלכם שמור בצורה של Teamwork Graph: רשת קשרים עצומה וחכמה שמחברת את כל נקודות הידע בארגון. למשל:
Jira: משימות,Work Items, אנשים.
Confluence: מסמכים, ארכיטקטורה, איפיונים וכו’.
Figma: סקיצות ועיצובים.
Google Drive & Gmail: קבצים ומיילים.
כלים חיצוניים: GitHub, Salesforce, Slack ו-Teams.

ברגע שהכל מקושר ברשת נוירונים ארגונית, ה-AI מבין זיקות והקשרים. הוא יודע לקשר בין אימייל מלקוח כועס, לטיקט פתוח בג’ירה, לקוד שנכתב ב-GitHub ולסקיצה ב-Figma ומפיק תובנות רוחביות בשניות.

הכירו את Rovo: הסוכנים האוטונומיים שעובדים בשבילכם

Atlassian Rovo הוא מנוע הבינה המלאכותית שיושב על גבי ה-Teamwork Graph. הוא לא רק עונה לשאלות בצ’אט, הוא יודע לפעול! בעזרת Rovo Studio, כל עובד יכול ליצור סוכנים חכמים, ממש אג’נטים אישיים ואוטומציות מורכבות בלי לדעת תכנות בכלל.
דוגמה בתכלס: אוטומציה של מנהלת מוצר
תחשבו על מנהלת מוצר שמסיימת פגישת לקוח אסטרטגית ב-Loom:
Rovo סורק את ההקלטה ומפיק סיכום מדויק, אחרי זה מפיץ תובנות מותאמות: שולח סיכום מקצועי לערוץ הפיתוח ב-Slack וסיכום עסקי לאנשי המכירות ב-HubSpot.
וזה לא הכל, לאחר מכן, הוא פותח משימות במוצר: מזהה רעיון חדש שעלה בפגישה, בודק אם הוא מתאים למוצר, ופותח אוטומטית Feature ב-Jira Product Discovery כולל הפנייה לדקה המדויקת בסרטון! מפגישה אחת – חיסכון של חצי יום עבודה. קל.

פריצת הדרך: Code Intelligence וחיבור לסביבות העבודה

מה קורה כשה-AI לא רק קורא מסמכים, אלא מבין את הקוד שלכם?
עם חידושי Code Intelligence, כל מאגרי הקוד הארגוניים נכנסים ישר לתוך ה-Teamwork Graph!
הבנת כוונה (Intent): ה-AI לא סתם מחפש טקסט, הוא מבין מה הקוד עושה ומקשר אותו לדרישות המוצר ולטיקטים.
תכנון וחלוקה למשימות: צריכים לפתח פיצ’ר מורכב (כמו דשבורד פיננסי)? Rovo סורק את הקוד, מציע ארכיטקטורה, מפרק למשימות ואף מקצה אותן לסוכנים אוטומטיים (כמו Claude Agent) שמתחילים לכתוב את הקוד!
עבודה מכל מקום (MCP & CLI): המפתחים והמעצבים לא חייבים להיכנס לג’ירה! דרך ממשקי ה-CLI (TWG cli) בתוך ה-IDE או ב-Figma, אפשר לתשאל את ה-Teamwork Graph, לקבל את כל הקונטקסט של הטיקט, לייצר קוד, לפתוח Pull Request ואפילו לבצע Code Review אוטומטי לפי תקני החברה!

צעדים מעשיים: איך הופכים לארגון AI-Native?

רוצים להפסיק לבזבז טוקנים ולהתחיל לראות ROI אמיתי מ-AI? הנה מסלול העבודה
[בחינת ה-Teamwork Graph] – [ניקוי הדאטה] – [פיילוט סוכני Rovo] – [Scale-up ו-Governance]

בדיקת המצב הקיים: נכנסים ל-teamworkgraph.com (כאדמינים של Atlassian) ורואים איך קשרי הידע שלכם נראים כיום.
ניקוי הדאטה (Data Quality): תזכרו! Garbage in, Garbage out! דאטה מלוכלך ולא מדויק בג’ירה מייצר תוצאות AI עקומות. מנקים שדות מיותרים (Custom Fields) ומסדרים תהליכי עבודה.
פיילוט סוכנים פשוט: יוצרים סוכני Rovo קטנים לצוותים נבחרים (סיכום פגישות, סריקת טיקטים) ורואים איך התפוקה קופצת.
Scale-up ו-Governance: מעלים הילוך, מחברים את כל כלי ה-AI בארגון (Copilot, Claude, Cursor) תחת מעטפת אבטחה וניהול סיכונים מסודרת.

בשורה התחתונה

מעבר ל-AI-Native הוא לא עוד טרנד חולף של כלי כתיבה, אלא שינוי תפיסתי עמוק ששם את ה-Context במרכז. כשה-AI שלכם מבין בדיוק מי אתם, איך אתם עובדים ומה הקוד שלכם עושה, העובדים שלכם מפסיקים לרדוף אחרי הזנת נתונים, והופכים להיות המנצחים שמנהלים תזמורת שלמה של סוכנים חכמים.

התהליך הזה דורש את הארכיטקטורה הנכונה, ואנחנו ב-matrix DevOps חיים את זה ביום-יום עם המומחים שמובילים את תחום ה-Atlassian וה-DevOps.
נשמח לעזור לכם לבחון את ה-Site הארגוני שלכם, לנקות את הדאטה ולהטיס אתכם לעידן ה-AI-Native.
דברו איתנו: devops@matrix.co.il 

וכדי לראות את כל החידושים האלה בפועל, אתם מוזמנים לצפות בוובינר שלנו בהנחיית דקלה תבור, ראש תחום החדשנות במטריקס DevOps מדגימה ומסבירה את כל השלבים. >>