#atlassian

A simpler way to run AI agents in Bitbucket Pipelines

Bitbucket Pipelines hiện cho phép quản trị workspace bật các AI agent tích hợp (Pipelines troubleshooter và Flaky test fixer) trực tiếp từ cài đặt workspace, không cần cấu hình thủ công từng repository. Hệ thống cũng bổ sung các step cấu hình tái sử dụng, cho phép nhóm định nghĩa cài đặt runtime như image, size, caches, services và permissions một lần và tham chiếu chúng qua nhiều step. Tính năng này giảm thiểu sự trùng lặp YAML trong khi vẫn cho phép ghi đè cài đặt riêng cho từng step. Với các số cụ thể và tên công nghệ rõ ràng, bài viết cung cấp hướng dẫn thực tế về cách tối ưu hóa workflow trong Bitbucket Pipelines.

Bài viết giúp bạn tối ưu hóa quy trình AI trong Bitbucket Pipelines bằng cách bật tác nhân có sẵn và tái sử dụng cấu hình bước, giảm thiểu trùng lặp YAML.

Put your conversations to work with the Teamwork Graph connector for Microsoft Teams

Trong Teams, các cuộc trò chuyện thường bị bỏ qua khiến công việc mất mát. Nguyên nhân kỹ thuật là Teams không có khả năng tìm kiếm, tóm tắt và thực hiện hành động trực tiếp trên dữ liệu trò chuyện, trừ khi tích hợp qua Teamwork Graph connector. Khi kết nối này được bật, người dùng có thể truy xuất, tóm tắt và thực hiện các hành động trên các cuộc trò chuyện trong Rovo, từ đó giảm thiểu việc mất công việc. Điều đáng học là sử dụng Graph connector để kết hợp dữ liệu từ nhiều nguồn (Teams, Rovo) tạo ra một lớp truy xuất thống nhất, nâng cao hiệu suất làm việc. Đối với lập trình viên cân nhắc đọc bài gốc, bài này cung cấp ví dụ cụ thể về cách triển khai connector và lợi ích thực tế mà nó mang lại.

Tìm hiểu cách chuyển đổi cuộc trò chuyện Teams thành tài liệu hữu ích với bộ kết nối Teamwork Graph.

Introducing Jira Planner

Jira Planner vừa ra mắt giai đoạn Early Access, giúp chuyển đổi ý tưởng thành các spec (PRD, tech specs, work breakdowns) có cấu trúc sẵn sàng cho tác nhân (agent) và cộng tác trước khi triển khai.

Lập trình viên nên đọc bài này để khám phá cách Jira Planner giúp tổ chức dự án từ ý tưởng đến triển khai bằng cách tự động hóa và chuẩn hóa các tài liệu kỹ thuật, yêu cầu và phân tích công việc trước khi code thực sự bắt đầu.

Building a real-time PWA on Atlassian’s own stack

Atlassian đã phát triển một PWA (Progressive Web App) thời gian thực cho sự kiện Unleash 2026 bằng cách tích hợp Jira và Rovo, cho phép hơn 500 người tham dự triển khai code trực tiếp lên môi trường sản xuất trong suốt sự kiện.

Là lập trình viên muốn triển khai ứng dụng PWA thực thời trên nền tảng Atlassian, bài này sẽ cung cấp kinh nghiệm cụ thể về cách xây dựng và triển khai hiệu quả trong môi trường có sự tham gia của hàng ngàn người đồng thời.

The next chapter of public sector investments: New milestones, new deployment options

Atlassian is expanding its public sector cloud offerings, moving up its DoD Impact Level 5 (IL5) authorization submission by six months to July 2028, with FedRAMP High submission targeted for January 2029. Initial IL5/FedRAMP High deployments will cover Jira, Confluence, Jira Service Management, Rovo, and Guard. The company is also developing a fully disconnected air-gapped deployment for IL6+ workloads, in technical design with US government partners, and exploring a sovereign cloud offering with European infrastructure providers for data residency requirements. These moves come as Atlassian Data Center reaches end-of-life on March 28, 2029, pushing customers toward cloud migration.

How Atlassian built a scalable synthetic data engine

Atlassian đã phát triển một synthetic data engine để tạo datasets quy mô doanh nghiệp với relational correctness cho cloud migration. Giải pháp này sử dụng GPU để tăng tốc độ xử lý, giảm thời gian generation từ hàng tuần xuống còn vài giờ. Họ áp dụng graph-based approach để duy trì integrity constraints trong dữ liệu sinh, đảm bảo consistency với production data. Engine có khả năng scale lớn, xử lý hơn 2 tỷ entities với 200+ relation types mà không cần manual intervention. Đây là nghiên cứu đáng học cho ai cần xây dựng hệ thống generation dữ liệu quy mô lớn với relational correctness.

Bài viết này giúp lập trình viên học cách xây dựng một công cụ tạo dữ liệu tổng quy mô doanh nghiệp với cấu trúc quan hệ chính xác cho việc di chuyển cloud hiệu quả.

How Content Technology is powering Atlassian’s AI quality

Large language models can write fluent answers, but accuracy requires structure. Here’s how we’re building content infrastructure to keep AI grounded.

New in Rovo Chat: Where context shapes your work

New Rovo Chat features help teams keep context visible, bring agents into conversations, share chats, and create custom skills for repeatable workflows.

Meet Teamoji: Atlassian’s Custom Emoji System Built for the Future of Work

Meet Teamoji! Atlassian's custom brand emoji set built for product and customer-facing surfaces. Replacing dated Tweemojis with a vibrant, humanistic system that balances expressive delight with enterprise trust. Small in size, big in personality

Autonomous testing with Jira and BearQ

Meet BearQ for Jira, the autonomous AI testing agent that maps user journeys, adapts test suites in real time, and helps engineering teams scale QA capacity.

Atlassian Automates Root Cause Analysis by Correlating Metrics, Logs and Traces

Atlassian has outlined a new approach to automating root cause analysis for large-scale cloud-native incidents, using correlation across metrics, logs, distributed traces, and service topology to gene

Find code faster: Introducing our new & improved search experience

Bitbucket Cloud has rolled out a new code search experience in open beta, rebuilt for speed and reliability with a dedicated full-page results view. Features include a global search entry point, syntax-highlighted results, keyboard navigation, and filters like repo:, lang:, and path: for narrowing queries. It targets common workflows such as onboarding, tracing errors across microservices, auditing API usage, and scoping refactors. The beta is rolling out progressively as workspaces get indexed, with future plans for natural-language search via Atlassian Rovo and semantic search that matches concepts rather than exact keywords.

From Plan to Presentation in Minutes: How Gamma Brings Your Atlassian Work to Life

Atlassian and Gamma are now deeply connected, so your work, and the context behind it, moves with you from plan to presentation.

We’re bringing governed agent loops to the AI-Native SDLC

New capabilities across Jira and DX to help engineering organizations adopt and scale governed agentic workflows across the AI software development lifecycle.

Monitor test health at a glance in Bitbucket Tests

Bitbucket Tests now includes suite-level and individual test dashboards that surface test reliability, historical trends, and breakdowns of healthy, flaky, and quarantined tests. A new 'Needs attention' card highlights the top tests hurting suite health, and Bitbucket Pipelines results now link directly into Tests for drill-down into execution history. The feature is available on Standard and Premium Bitbucket plans and requires tests to run in Bitbucket Pipelines with JUnit-compatible reports.

Join our live webinars: Migrating from Atlassian to YouTrack

Atlassian is discontinuing sales and support for Data Center products. If you're exploring alternatives, join us for a live session on September 30 to see how Jira-to-YouTrack migration works, including a demo and real customer stories.

Atlassian’s usage-based pricing: AI value with predictability and control

Updated usage-based pricing gives organizations transparent controls and the flexibility to scale AI at their own pace.

Want more confidence in AI? Give it more context.

Atlassian's Teamwork Lab khảo sát 1.002 nhân viên kiến thức Mỹ để tìm hiểu yếu tố nào khiến AI thật sự hữu ích. Nghiên cứu cho thấy mức độ AI hiểu về công việc của người dùng—not tần suất sử dụng—là yếu tố dự đoán tốt nhất; những người cuyo AI nắm được hầu hết công việc của họ có khả năng nói AI giúp đỡ cao hơn gấp 6 lần, và dữ liệu công ty cùng kiến thức istituционаl là hai loại ngữ cảnh quan trọng nhất. Khi được cung cấp đủ ngữ cảnh, AI tạo ra lượng đầu ra có thể sử dụng mà không cần sửa chữa tăng lên tới 48%, trong khi chỉ 12% người trả lời cảm thấy AI của họ hiểu nghiệp vụ như một nhân viên cao cấp và 45% so sánh với một nhân viên mới vào công ty. Bài học chính là đầu tư vào nguồn dữ liệu ngữ cảnh phong phú—ví dụ qua Atlassian's Teamwork Graph—có thể nâng tầm giá trị của AI; một phân tích riêng trên 272 tổ chức DX và khách hàng Atlassian cho thấy việc sử dụng Teamwork Graph nhiều hơn liên quan đến việc tăng lượng công việc được giao hàng lên tới 64%.

Đọc bài này giúp lập trình viên hiểu cách cung cấp ngữ cảnh đầy đủ để tăng hiệu quả và độ tin cậy của AI trong công việc lập trình.

Atlassian Makes You Click Through a Console Before an Agent Can Touch Jira

Các công ty trên toàn thế giới đang proclaim rằng họ “all‑in” trên AI và rằng các agent sẽ là tương lai của nền tảng họ, nhưng khi thực tế thử tích hợp agent vào Jira, người dùng lại gặp phải một bước bắt buộc: phải click qua giao diện console của Atlassian trước khi agent được phép tương tác với bất kỳ issue nào. Nguyên nhân kỹ thuật này xuất phát từ mô hình bảo mật và quản lý quyền của Atlassian, nơi agent phải được cấp quyền thông qua bảng điều khiển quản trị (admin console) thay vì thông qua API token thông thường. Kết quả là mỗi lần triển khai hoặc cập nhật agent, đội ngũ phát triển phải bỏ thời gian thêm cho thao tác thủ công này, làm chậm quá trình tự động hóa và tăng nguy cơ lỗi do người dùng quên hoặc cấu hình sai quyền. Điều đáng học là trước khi đầu tư vào giải pháp agent trên bất kỳ nền tảng SaaS nào, cần kiểm tra kỹ các bước phê duyệt và quyền truy cập mà nền tảng yêu cầu, vì những yêu cầu “click‑through” có thể làm giảm đáng kể lợi ích mà AI agent hứa hẹn mang lại.

Bài viết này giúp lập trình viên hiểu rõ những rào cản thực tế khi triển khai AI agent vào các nền tảng như Jira và chuẩn bị tâm lý cho những thách thức sắp tới.

How one leader rebuilt his feedback loop with an AI agent

Fernando Garcia Valenzuela, Head of Cloud Storage Engineering at Atlassian, built a personal set of AI agents (a Slack-based 'pit wall') to audit his own written communication across a 70+ person distributed team. One agent, Smedley, runs daily and flags missed moments of recognition in direct messages with suggested rewrites; another, Brundle, runs fortnightly and analyzes broader patterns like tone shifts by audience or day. Built using Slack, Rovo, and Confluence, the system taught him that small, consistent communication gaps compound more than dramatic failures, that defining 'good' communication explicitly is the hardest part of prompting the agents, and that simply knowing the agents would review his messages changed how he wrote them in real time.

Opening the Door to Agent Autonomy: The Architecture Behind Rovo’s Agent Harness

Rovo nhận thấy rằng để các agent có thể hoạt động tự động mà không bị khóa trong môi trường cụ thể, cần một lớp trừu tượng đồng nhất giữa logic agent và nền tảng thực thi. Họ đã xây dựng Agent Harness dựa trên kiến trúc plugin mô-đun, sử dụng gRPC để truyền thông giữa core và các thành phần mở rộng, đồng thời quản lý trạng thái qua Redis Streams và điều phối luồng công việc bằng Argo Workflows. Kết quả là các agent có thể tải, cập nhật hoặc thay đổi khả năng mới tại runtime mà không cần dừng hệ thống, dẫn đến tăng 30% throughput xử lý tác vụ và giảm thời gian triển khai tính năng mới từ vài ngày xuống dưới một giờ. Điều này cho thấy việc tách biệt rõ ràng giữa logic quyết định và cơ chế thực thi làthen then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then then

From prototype to production: lessons learned taking AI-built software to enterprise scale

How one team took an AI-built prototype to production at enterprise scale in 5 months, at 5x output. See what worked, what broke, and why.

Jira goes where spreadsheets can’t

Stop planning in a spreadsheet that can’t see the work. New Jira features bring capacity planning, formula fields, and live reporting where the work lives.

Connect Salesforce to the Teamwork Graph to unlock customer context for your teams and agents

Tích hợp Salesforce với Teamwork Graph giúp cung cấp ngữ cảnh khách hàng trực tiếp trên Atlassian, giúp đội ngũ nhanh chóng tìm kiếm thông tin, hành động và đẩy nhanh tiến độ giao dịch mà không cần chuyển đổi tab.

Một lập trình viên nên đọc bài này để khám phá cách tích hợp Salesforce với Graph của Teamwork, giúp xây dựng các ứng dụng tự động hóa và tích hợp dữ liệu CRM vào công cụ làm việc của nhóm, từ đó tối ưu hóa quy trình phát triển và tăng hiệu quả cho các agent và đội ngũ kinh doanh.

Create AI-generated slides in seconds

Tạo bài thuyết trình AI tự động bằng Rovo, chuyển đổi tài liệu sang slide chỉ trong vài giây, đảm bảo nội dung bám sát công việc của nhóm.

Lập trình viên AI nên đọc bài này để khám phá cách tự động hóa tạo slide chuyên nghiệp từ dữ liệu thực tế của dự án, tiết kiệm thời gian và tập trung vào logic lập trình thay vì công việc thủ công.

Don’t Build AI Governance From Scratch. Just Turn It On.

Tình trạng "Agent sprawl" (sự phân tán không kiểm soát của các agent AI) đang gia tăng. Các đội IT và bảo mật doanh nghiệp có thể quản trị AI hiệu quả bằng cách triển khai các biện pháp kiểm soát và giám sát phù hợp để giảm thiểu rủi ro ở quy mô lớn.

Lập trình viên nên đọc bài để hiểu cách áp dụng các giải pháp quản lý AI hiện có trong công nghệ để tránh rủi ro và tối ưu hóa hiệu quả phát triển ứng dụng AI mà không phải xây dựng từ đầu.

Introducing the AI context engine for your entire codebase

Atlassian giới thiệu Code Context, một công cụ AI giúp hiểu toàn bộ codebase đa repository quy mô lớn, tích hợp vào Teamwork Graph để cải thiện đầu ra của Rovo và các coding agent với ít tokens hơn.

Lập trình viên nên đọc bài này để khám phá cách AI Context Engine của Atlassian giúp cải thiện hiệu quả làm việc với các dự án lớn, từ việc hiểu toàn bộ mã nguồn đến tối ưu hóa hiệu suất cho các công cụ tự động hóa và chatbot mã nguồn.

3 AI bets powering Atlassian’s integrated marketing impact

Atlassian tận dụng các tác nhân AI (Jira agents) để tích hợp tính năng phân công, đề cập và tự động hóa công việc ngay trong quy trình hiện có, nâng cao hiệu quả marketing tích hợp.

Lập trình viên nên đọc để hiểu cách AI tích hợp vào các công cụ làm việc hàng ngày—như Atlassian—có thể tự động hóa các tác vụ lập trình, quản lý dự án và tương tác với hệ thống, giúp tăng hiệu suất và giảm thời gian phát triển thông qua các giải pháp như Jira Agents.

You don’t need a team of AI experts. You just need one.

Nghiên cứu của Atlassian trên 2.574 người thuộc 1.271 đội cho thấy chỉ cần một thành viên "siêu người dùng AI" (top 25% về tương tác AI hàng tuần) trong đội đã giúp tăng 18% khả năng đạt điểm cao trong hackathon. Sự hiện diện của siêu người dùng còn liên quan đến khả năng đổi mới (19%), tác động khách hàng (15%) và tiến độ dự án (14%) cao hơn. Kết luận: không cần toàn đội thành thạo AI, chỉ cần một chuyên gia AI đủ để thúc đẩy hiệu suất.

Một lập trình viên nên đọc bài này để hiểu cách một kỹ năng AI cơ bản nhưng được sử dụng hiệu quả từ một thành viên trong nhóm có thể nâng cao chất lượng dự án, sáng tạo và hiệu suất toàn nhóm mà không cần phải phụ thuộc vào đội ngũ chuyên gia AI toàn diện.

Introducing the redesigned deployments experience

Atlassian đã redesign giao diện trang Deployments của Bitbucket Pipelines nhằm giảm tải nhận thức và nâng cao khả năng sử dụng. Trải nghiệm mới sử dụng bố cục theo cột nhóm các môi trường (Test, Staging, Production), kết hợp bộ lọc theo tác giả/tên môi trường/trạng thái, hiển thị thẻ triển khai chi tiết hơn (trạng thái, số build, commit hash, tác giả, thời gian), cung cấp panel lịch sử triển khai dễ truy cập hơn và cập nhật thời gian thực khi pipelines chạy. Tương lai sẽ bổ sung liên kết tới runbooks và công cụ như Splunk để giảm thiểu chuyển đổi ngữ cảnh.

Một lập trình viên nên đọc bài này để hiểu cách Atlassian cải thiện trải nghiệm quản lý deployments trong Bitbucket Pipelines, giúp tiết kiệm thời gian và giảm thiểu rủi ro khi triển khai ứng dụng bằng cách tối ưu hóa giao diện và tính năng mới như lịch sử deployments thực thời và tích hợp với các công cụ quản lý.

Our Q4 FY26 letter to shareholders

Bức thư gửi cổ đông Q4 FY26 cập nhật tiến độ sứ mệnh khai phóng tiềm năng cho mọi đội nhóm.

Một lập trình viên nên đọc bài này để hiểu cách một công ty công nghệ định hướng chiến lược dài hạn, từ đó tìm hiểu cách ứng dụng các nguyên tắc quản lý dự án, tối ưu hóa hiệu suất đội ngũ và xây dựng hệ sinh thái công nghệ bền vững trong công việc thực tế.

Scaling localization at Atlassian: keeping translation at the pace of AI-era development

Khi phát triển ứng dụng với trợ lý AI, tốc độ ra mắt tính năng tăng gấp vài lần, khiến khối lượng văn bản cần dịch vượt quá khả năng xử lý của quy trình localization. Atlassian giải quyết bằng cách sử dụng AI để soạn thảo bản dịch sơ bộ và công cụ tự động sửa mã nguồn trước khi chuyển sang dịch.

Lập trình viên nên đọc bài này để hiểu cách Atlassian giải quyết vấn đề scaling nhanh hơn tốc độ dịch thuật khi phát triển ứng dụng với AI, từ đó tìm ra cách tối ưu hóa quy trình phát triển và dịch thuật để không bị kẹt trong quá trình phát triển ứng dụng.

What's new in Jira: Summer 2026 release

Jira ra mắt phiên bản Summer 2026 với các cải tiến như AI agents thông minh hơn, giao diện core views được xây dựng lại, công cụ lập kế hoạch năng lực (capacity planning), trường công thức (formula fields) và nâng cấp hiệu suất đáng kể, hiện đã có sẵn.

Lập trình viên phát triển phần mềm sẽ tìm hiểu về AI agents tích hợp sẵn trong Jira để tự động hóa các công việc quản lý dự án, từ xử lý yêu cầu ticket đến phân tích dữ liệu, giúp tăng hiệu suất và giảm thời gian làm việc thủ công.

How Atlassian Williams F1 Team uses Assets to drive performance

Đội đua Williams F1 của Atlassian đã triển khai công cụ Assets và Jira Service Management nhằm theo dõi toàn diện tài sản từ gara đến đường đua.

Một lập trình viên nên đọc bài này để hiểu cách Atlassian tích hợp hệ thống quản lý dự án và quản lý tài sản kỹ thuật (Assets) để tối ưu hóa quy trình phát triển và vận hành hệ thống phức tạp, từ đó áp dụng vào việc tối đa hóa hiệu suất phần mềm trong dự án của mình.

More ways to Build on Forge: Container Services is Now in Preview

Atlassian giới thiệu Container Services trong giai đoạn Preview trên nền tảng Forge, cho phép chạy container images trực tiếp dưới dạng web services bền vững, mở rộng khả năng từ mô hình serverless ban đầu. Tính năng mới hỗ trợ mọi ngôn ngữ/framework trên Linux/amd64, quy trình dài hạn và kiến trúc microservice, đồng thời cung cấp registry riêng, triển khai blue/green, bảo mật file system và giám sát qua Forge developer console.

Lập trình viên phát triển ứng dụng Atlassian nên đọc bài này để khám phá cách mở rộng khả năng triển khai ứng dụng của mình trên Forge bằng container, giúp tiết kiệm thời gian và công sức khi chuyển đổi từ backend serverless sang mô hình container hóa mà không cần thay đổi mã nguồn.

Rovo Search: Why Rovo is a Leading Enterprise AI Search Tool

Rovo Search là công cụ tìm kiếm doanh nghiệp AI tiên phong, cung cấp câu trả lời thông minh, truy vấn hơn 50 công cụ kết nối và tích hợp trực tiếp trong Jira, Confluence, giúp người dùng tìm kiếm và hiểu công việc nhanh chóng.

Lập trình viên nên đọc bài này để khám phá cách Rovo Search tích hợp AI với các công cụ DevOps và DevOps Toolchain, giúp tối ưu hóa tìm kiếm và giải quyết vấn đề trong môi trường phát triển chuyên nghiệp.