Atlassian lanza AMP para coordinar humanos y agentes de IA

¿Qué anunció Atlassian en Team'26 Europe?

Atlassian lanzó AMP (Agentic Multiplayer Protocol) en la conferencia Team'26 Europe en Ámsterdam, una arquitectura pensada para que los agentes de inteligencia artificial trabajen dentro del flujo de las tareas, con identidad, permisos y trazabilidad compartidos con las personas. La compañía, que según su comunicado oficial da soporte a más del 85% del Fortune 500 y a más de 350.000 clientes en todo el mundo, consolida así su apuesta por convertirse en la capa de gobierno del trabajo híbrido entre humanos e IA.

El anuncio llega cinco meses después de Team'26 en Los Ángeles, donde la compañía presentó su visión de la empresa "AI native". La propuesta de Ámsterdam se apoya sobre Teamwork Graph, que la compañía sitúa ahora en 250.000 millones de objetos y relaciones conectadas —frente a los 150.000 millones de hace cinco meses— e incorpora nuevos tipos de contexto: código fuente hasta nivel de función y símbolo, datos estructurados desde lagos de datos, y nuevos conectores para Zoom, Gong, Microsoft Entra ID y Google Identity.

¿Por qué AMP no es un nuevo protocolo técnico?

El nombre puede confundir. Mike Cannon-Brookes, cofundador y CEO de Atlassian, aclaró que AMP no es una especificación técnica equivalente a Model Context Protocol (MCP) o Agent2Agent (A2A). La compañía lo describe como un "diplomatic protocol": un conjunto de reglas para distinguir qué hizo una persona, qué hizo un agente con identidad propia, cuándo actuó un agente en nombre de alguien y cuándo una persona trabajó asistida por IA.

Tres capacidades articulan AMP, según el comunicado oficial: colaboración en el flujo (los agentes participan a través de @menciones en Confluence, hilos de Jira o videos de Loom), identidad y presencia compartida (cada agente tiene perfil propio y aparece en barras de presencia junto a humanos), y contexto y gobierno (los agentes se apoyan en Teamwork Graph con permisos estrictos, modo "Run as User" o cuentas de servicio dedicadas, y registro completo de auditoría).

¿Qué papel juega Atlassian MCP en la estrategia?

La pieza técnica que materializa la apertura es Atlassian MCP, reconstruido para ampliar desde unas decenas hasta más de 200 herramientas disponibles. Según datos difundidos por la compañía, MCP tiene casi 2 millones de usuarios activos mensuales y procesa más de 15 millones de llamadas diarias a herramientas —un salto de 15 veces en seis meses—. La nueva arquitectura consume hasta un 25% menos de tokens en tareas de Jira y Confluence, según pruebas internas realizadas con modelos Claude.

Tamar Yehoshua, Chief Product & AI Officer de Atlassian, destacó en Ámsterdam que aproximadamente un tercio de las llamadas realizadas a través de MCP son ya operaciones de escritura: los usuarios no se limitan a recuperar contexto desde otro asistente, sino que utilizan esos agentes para crear o modificar información en Jira, Confluence y otras aplicaciones conectadas. Eso acerca la discusión al problema que Atlassian quiere resolver con AMP: cuando un agente externo puede leer contexto empresarial y además modificar trabajo, documentación o procesos, la conexión técnica deja de ser suficiente y aparecen cuestiones de identidad, permisos, responsabilidad y auditoría.

¿Por qué el contexto se vuelve la capa estable?

El argumento central de Atlassian parte de que los modelos fundacionales cambiarán mucho más deprisa que el conocimiento de una organización. Cannon-Brookes explicó que la compañía no pretende vincular Teamwork Graph a un único proveedor y que sus clientes ya combinan modelos de OpenAI, Anthropic, Google y otros actores en producción. La reciente ampliación de la colaboración con OpenAI encaja en esa arquitectura: ChatGPT o Codex aportan razonamiento y ejecución mientras Atlassian proporciona información sobre proyectos, personas, decisiones, código y procesos.

Atlassian sostiene que su grafo mejora un 44% la calidad de las respuestas y reduce un 48% el consumo de tokens en sus pruebas internas. Son datos de la propia compañía y los materiales facilitados hasta ahora no permiten reconstruir con detalle la metodología, los conjuntos de evaluación ni hasta qué punto el resultado se mantiene cuando la información de una empresa es incompleta o contradictoria. Ese límite sigue siendo importante: un grafo puede encontrar relaciones entre documentos, conversaciones, código y decisiones, pero la calidad del resultado continúa dependiendo de lo que la organización haya registrado.

¿Dónde quiere competir Atlassian con AMP?

La estrategia también revela dónde considera Atlassian que puede competir. Cannon-Brookes no espera que las empresas elijan un único modelo ni un único grafo. Dave Meyer, responsable global de Jira, tampoco plantea que Atlassian deba dominar el IDE, el repositorio de código o cada agente que utiliza un equipo de desarrollo. La compañía quiere ser el lugar donde esas herramientas encuentran contexto y donde el trabajo queda registrado.

El resultado es un circuito que la compañía intenta reforzar: el trabajo genera contexto, el contexto mejora a los agentes y la actividad de esos agentes produce a su vez nuevas relaciones, decisiones y resultados que pueden incorporarse a la memoria de la organización. La cuestión pendiente se desplaza ahora hacia la calidad de esa memoria: cuanto más dependa un agente del contexto empresarial para actuar, más relevantes serán la información que falta, las decisiones que nunca se documentaron y los procesos que una organización todavía no ha conseguido ordenar.

¿Qué significa esto para tu startup?

Para una startup en fase temprana, el movimiento de Atlassian redefine tres decisiones que suelen quedarse en el terreno filosófico: cómo se elige el stack de IA, cómo se mide la productividad y quién se queda con el "contexto" del negocio.

1. No te cases con un proveedor de modelos; cásate con la trazabilidad del trabajo. Si delegas parte de tu operación a Claude Code, Cursor o Codex, registra dónde quedan los artefactos, quién aprobó cada paso y con qué permisos actuó cada agente. El estudio longitudinal DX 2026 de Atlassian reportó que el uso de IA por ingenieros creció 65%, pero la mejora de velocidad de desarrollo se estancó cerca del 10%. La diferencia entre ambos números es, según la propia compañía, coordinación y contexto.

2. Implementa Non-Human Identities antes de que sea obligatorio. La función Non-Human Identities de Atlassian asigna a cada agente una identidad, un dueño y permisos revocables. Aunque no uses Jira, replica el patrón: lleva un inventario de qué agentes automatizan qué procesos, qué cuentas de servicio los utilizan y quién responde si fallan. La auditoría y la responsabilidad escalan con el equipo, no con el tamaño del modelo.

3. Mide el retorno por proyecto, no por token. Atlassian incorporó a su oferta DX un reporte de gestión de coste de IA que unifica gasto en Claude, Cursor y GitHub Copilot y lo vincula a entregables de ingeniería, estimando un coste por PR. Si gastas más de unos cientos de dólares al mes en APIs de IA y no sabes qué features concretas salieron de ese gasto, estás en el mismo punto ciego que señala IDC: sin contexto organizacional, los agentes producen código mal alineado más rápido — y deuda técnica más rápido también.

Fuentes

• Atlassian quiere gobernar el trabajo entre personas y agentes (fuente original)
• Atlassian Introduces AMP: The Agentic Multiplayer Protocol (Business Wire)
• Atlassian Announces System for AI-native Software Development in Jira (Morningstar / Business Wire)
• Atlassian (TEAM) Launches AI Native Jira Tools For The Full Development Workflow (Yahoo Finance)