AI 자동화 리서치 브리핑 · Atlassian Confluence / Jira
컨플루언스·지라를 MCP로 연결해 회의록을 자동 문서화·배포한 해외 선행 사례와 논문을 교차 검증했다. 결론: 배포·변환 절반은 이미 제품 기능으로 나와 있고, 나머지 절반 — 회의에서 결정된 것을 구조화해 뽑아내는 단계 — 은 사람이 직접 설계해야 한다.
지난 1년 사이 이 영역은 "타사 도구로 연결하는 실험"에서 "아틀라시안 자체 제품"으로 무게중심이 옮겨갔다.
2026년 2월 정식 출시(GA). Claude가 첫 공식 파트너로, OAuth 2.1로 Jira·Confluence·Bitbucket·Compass에 직접 읽기/쓰기. Cloudflare 인프라 기반.
회의 후 팀장이 Rovo에 요약·액션아이템 생성을 요청하면 자동 메일 리캡 발송. Loom이 녹화·요약, Confluence가 검색 가능한 저장소 역할을 나눠 맡는다.
문서를 설명하면 Rovo가 실시간으로 프레젠테이션 덱을 생성하는 네이티브 기능(Doc to Deck). 구상 중인 "PPT 변환" 단계를 이미 제품이 흡수했다.
발표 자료가 아니라 실무자가 직접 남긴 블로그·포럼·아틀라시안 고객 사례 네 건을 비교했다.
| 주체 | 접근 | 막혔던 지점 | 결과 |
|---|---|---|---|
HarperCollinsRovo 에이전트 |
회의 노트·통화 기록에서 담당자·기한·연결 Jira 이슈를 뽑아 결정 로그를 Confluence에 구조화 게시, Slack 알림까지 연동 | 수작업 라우팅·포맷팅이 병목 — AI가 대신할 부분은 "정리"였지 "판단"이 아니었다 | 건당 1시간 → 약 15분 |
개인 개발자Echother 자체 툴 |
"지라 티켓이 실제 의사결정 과정을 반영하지 못한다"는 문제에서 출발, 회의 음성 → 기술 맥락 포함 정식 티켓 자동 생성 | 재정렬 회의에서 같은 논의가 반복되는 구조적 문제 — 개인 역량이 아니라 프로세스 설계 문제로 재정의 | 재정렬 회의 단축, "맥락이 뭐였더라" 질문 소멸 |
SmartCloud 블로그AWS + Claude v2 |
영상 → MP3 → Amazon Transcribe → Claude 구조화 → Confluence API 발행 파이프라인을 서버리스로 직접 구축 | 토큰 한계(약 4,500단어)로 세그먼트 압축 필요, LLM JSON 출력 불일치, 40분 회의 처리 시 Lambda 타임아웃 | 사람 검토 단계를 추가하고서야 안정화 |
Docusign / Sprout SocialRovo Studio |
Docusign은 개요 → 완성된 PRD 변환, Sprout Social은 신입사원 질문 자동 응답에 동일한 4단계(지침→도구→지식범위→테스트) 패턴 재사용 | 지식 범위를 조직 전체로 열면 답변 정확도 하락 — 필요한 스페이스로만 한정해야 함 | Sprout Social 기준 신입 질문 80% 자동 응답, 연 360시간 절감 |
기업 블로그가 "무엇을 만들었나"를 말한다면, 논문은 "왜 그 구조가 작동하는가"를 말해준다.
긴 회의록을 통째로 요약하지 말고 주제 단위로 먼저 분할한 뒤, 각 구간에서 액션 아이템을 병렬로 추출하고 재귀적으로 통합하라고 제안. BART 대비 BERTScore 약 5% 향상 — SmartCloud 사례가 부딪힌 "토큰 한계·긴 회의 처리" 문제를 구조적으로 우회하는 답이기도 하다.
요약을 "하이라이트형"과 "계층적 의사록형" 두 가지로 나눠 설계해야 한다고 실사용자 평가로 검증. 즉 산출물은 하나의 포맷이 아니라 독자(참석자 vs 불참자)에 따라 최소 두 형태로 갈라져야 한다 — 메일용 요약과 PPT용 구조화 문서가 애초에 다른 산출물이어야 하는 이유.
공식 발표에는 잘 나오지 않는, 깃허브 이슈·커뮤니티 포럼·가격 정책에서 확인된 것들.
오픈소스 mcp-atlassian 서버에서 SSRF(CVE-2026-27826, CVSS 8.2)와 임의 파일 쓰기(CVE-2026-27825, CVSS 9.0)를 연쇄시켜 인증 없는 원격 코드 실행까지 가능했던 사례 보고. 버전·패치 상태 확인 없이 그대로 프로덕션에 붙이면 안 된다.
에픽 카드 30개 조회 한 번으로 30분 이상 추가 요청이 막힌 사례. 응답 헤더에 남은 한도조차 노출되지 않아 예측 불가 — 정기 배치 작업의 기반으로 쓰기엔 아직 불안정.
스프린트·릴리스 정보가 없는 구간을 물으면 Rovo가 릴리스명·타임라인·범위를 통째로 지어낸 사례가 커뮤니티에 다수 보고됨. Deep Research 기능으로 정확도 개선 중이나, "근거 없으면 모른다고 답하라"는 지침을 에이전트 설계에 명시해야 한다.
Standard 25 / Premium 70 / Enterprise 150 크레딧 풀(좌석당 월간), 에이전트 호출 1회당 10크레딧, Deep Research 100크레딧. 관리자 사이에서 "크레딧 소모 속도"가 가장 잦은 불만 — 무제한 자동화 설계 전 크레딧 상한부터 계산해야 한다.
위 사례들이 공통으로 수렴하는 구조를 순서대로 정리하면 다음과 같다.
회의 오디오/영상 캡처
텍스트화, 화자 분리
구간별 병렬 처리 준비
결정 · 담당자 · 기한 · 근거
오탐 액션아이템 · 담당자 오배정 확인
결정 로그 · 검색 가능한 원본
불참자용 · 하이라이트 요약 포맷 (짧게, 결정 위주). Confluence 발행 직후 Rovo Meeting Insights가 리캡을 자동 발송.
Confluence Slides 네이티브 변환 · 계층적 의사록 포맷. 발행된 결정 로그 페이지를 그대로 소스로 사용.
# 역할
너는 회의 결정 로그 작성 에이전트다.
# 지식 범위 (Custom Knowledge)
- Confluence: [팀 회의 스페이스]만 — 조직 전체 개방 금지
- Jira: [해당 프로젝트]만
# 작업 규칙
1. 결정·액션아이템만 추출한다. 잡담·중복 발언은 제외.
2. 근거가 불명확한 항목은 "확인 필요"로 표시하고 추측하지 않는다.
3. 액션아이템마다 담당자 · 기한 · 연결할 Jira 이슈를 명시한다.
4. 출력은 사람 검토 전까지 게시하지 않는다.
# 출력 형식
- 결정 로그 (Confluence 게시용, 계층적 의사록)
- 하이라이트 요약 (메일 리캡용, 5줄 이내)직접 만들기 전에 이미 있는 것부터 체감
HarperCollins·Docusign 패턴 재현
MCP 요청 한도 리스크 회피