Atlassian ดึง GPT-6 เข้า Rovo แต่งานของเอเจนต์ยังต้องย้อนตรวจได้

Atlassian และ OpenAI ประกาศขยายความร่วมมือเมื่อ 6 ตุลาคม 2026 เพื่อนำโมเดลตระกูล GPT-6 ไปขับเคลื่อนเอเจนต์บนแพลตฟอร์ม Atlassian และใน Rovo โดยเชื่อมความสามารถของโมเดลกับ Teamwork Graph ซึ่งเก็บบริบทของงานในองค์กร Nikunj Handa หัวหน้าฝ่ายผลิตภัณฑ์ API ของ OpenAI อธิบายเป้าหมายของความร่วมมือไว้ว่า “move from understanding their work to taking action” ข้อตกลงระบุทิศทางการใช้โมเดลตระกูลนี้ แต่ไม่ได้กำหนดวันเปิดให้ลูกค้า Rovo ทุกองค์กรเลือก GPT-6 ได้

ในงาน Team ’26 Europe ที่อัมสเตอร์ดัม Atlassian ประกาศ Agentic Multiplayer Protocol หรือ AMP เมื่อ 6 ตุลาคม 2026 พร้อมระบุว่า Teamwork Graph มีความเชื่อมโยงของข้อมูลงานมากกว่า 250,000 ล้านรายการ AMP กำหนดให้เอเจนต์มีตัวตน ขอบเขตอำนาจ บริบทร่วม งานที่รับผิดชอบ และผลลัพธ์ที่คนตรวจทานได้ สำหรับผู้ดูแลระบบ ข่าวทั้งสองส่วนจึงเกี่ยวข้องกันโดยตรง: โมเดลช่วยตีความและลงมือทำงาน ส่วนแพลตฟอร์มต้องทำให้เห็นว่าเอเจนต์ได้รับข้อมูลและอำนาจจากที่ใด

ข้อมูลจาก Jira และ Confluence ไปถึงโมเดลอย่างไร

Teamwork Graph เป็นชั้นบริบทที่เชื่อมคน โครงการ เอกสาร การตัดสินใจ และงานเข้าด้วยกัน เมื่อ Rovo รับคำถามหรือเป้าหมาย ระบบจึงสามารถนำรายการงานจาก Jira และเนื้อหาที่เกี่ยวข้องจาก Confluence มาประกอบการทำงานของโมเดล OpenAI ได้ โมเดลไม่ได้ต้องอาศัยเพียงข้อความที่ผู้ใช้พิมพ์ในครั้งนั้น แต่มีความสัมพันธ์ระหว่างข้อมูลเป็นส่วนช่วยตีความว่าเรื่องใดเกี่ยวกับงานที่กำลังทำ

ตัวอย่างที่ OpenAI ยกคือผู้จัดการผลิตภัณฑ์ถาม Rovo ว่าทีมพร้อมเปิดตัวงานหรือไม่ Rovo อาจเชื่อมรายการงาน เอกสาร และบทสนทนาที่เกี่ยวข้อง เพื่อชี้ปัญหาที่ขวางทีมพัฒนา กำหนดการที่อาจพลาด และการตัดสินใจที่ยังค้างอยู่ ตัวอย่างนี้อธิบายเส้นทางของบริบท ไม่ใช่ผลทดสอบที่รับประกันว่า Rovo จะประเมินความพร้อมได้ถูกต้องในทุกโครงการ

ฝั่ง Jira ให้สถานะ เจ้าของงาน ข้อกำหนด และความคืบหน้า ส่วน Confluence ให้เนื้อหาอธิบายเหตุผลหรือการตัดสินใจที่อยู่เบื้องหลังรายการงานนั้น เมื่อเอเจนต์ใช้ข้อมูลสองฝั่งร่วมกัน คำตอบจึงอาจแยกได้ว่างานชะงักเพราะยังไม่มีผู้รับผิดชอบ เพราะข้อกำหนดเปลี่ยน หรือเพราะรอการตัดสินใจ อย่างไรก็ดี ความเชื่อมโยงในกราฟไม่ได้แก้ข้อมูลต้นทางที่ล้าสมัยหรือขัดกัน ผู้ตรวจผลยังต้องกลับไปดูรายการงานและเอกสารที่ใช้ประกอบ

เส้นทางอีกด้านเริ่มจาก ChatGPT หรือ Codex ซึ่งเชื่อมเข้าบริบท Atlassian ผ่านปลั๊กอินและ Model Context Protocol หรือ MCP เครื่องมือภายนอกจึงดึงข้อมูลโครงการ รายการงาน และเอกสารเทคนิคที่เกี่ยวข้องไปใช้ในงานของตนได้ภายใต้สิทธิ์ที่เหมาะสม นี่เป็นคนละทิศทางกับการเรียก Rovo ในผลิตภัณฑ์ Atlassian: ผู้ดูแลต้องพิจารณาทั้งสิทธิ์ของข้อมูลต้นทางและสิทธิ์ของเครื่องมือที่เชื่อมเข้ามา

Jira, Confluence, Rovo และ Codex เปลี่ยนตรงไหน

Rovo เป็นจุดที่ความสามารถของโมเดล OpenAI พบกับบริบทของ Teamwork Graph โดยตรง งานอย่างการรวบรวมสถานะหลายโครงการหรือหาความสัมพันธ์ระหว่างข้อกำหนดกับปัญหาที่ทีมพบจึงมีข้อมูลประกอบมากกว่าคำสั่งในแชตเพียงบรรทัดเดียว ข้อมูลที่เอเจนต์นำไปใช้ยังขึ้นอยู่กับสิทธิ์และการเชื่อมต่อที่องค์กรตั้งไว้ การมีเอกสารอยู่ในกราฟไม่ได้แปลว่าทุกคนหรือทุกเอเจนต์จะเปิดอ่านได้

สำหรับ Jira ประเด็นสำคัญคือการผูกกิจกรรมของเอเจนต์กลับเข้ากับรายการงานที่ทีมใช้อ้างอิงอยู่แล้ว รายการงานสามารถเก็บข้อกำหนด ความเห็น การติดตามความคืบหน้า และจุดที่คนกลับมาตัดสินใจ จึงทำให้ผลของเอเจนต์มีที่อยู่ในกระบวนการทำงานร่วมกัน Atlassian ยังวางการมอบหมายรายการงานให้เอเจนต์ การรันทดสอบ และการส่งประวัติเซสชันจากเครื่องนักพัฒนากลับสู่กระดานงานไว้ในแผนพัฒนาที่ลึกขึ้น

Confluence มีบทบาทต่างจาก Jira: เนื้อหาในหน้างานช่วยบอกว่าเหตุใดทีมจึงเลือกแนวทางหนึ่ง ใครเห็นชอบข้อกำหนด และการตัดสินใจใดเปลี่ยนไป หากหน้าเอกสารเปิดสิทธิ์กว้างเกินความจำเป็น เอเจนต์ที่ทำงานในนามผู้มีสิทธิ์ก็อาจใช้เนื้อหานั้นเป็นบริบทได้ หากหน้าเอกสารไม่ได้ปรับตามการตัดสินใจล่าสุด คำตอบที่ดูครบถ้วนก็อาจตั้งอยู่บนเหตุผลเก่า

Codex ได้ประโยชน์จากข้อมูลประกอบงานพัฒนา เช่น รายการงานและเอกสารเทคนิคที่เรียกผ่านการเชื่อมต่อ Atlassian นักพัฒนาจึงสามารถให้เครื่องมือทำงานกับข้อกำหนดและบริบทโครงการที่มีอยู่แล้ว แทนการถ่ายทอดทั้งหมดใหม่ในแต่ละคำสั่ง ความร่วมมือนี้ยังคงให้ Codex เป็นผลิตภัณฑ์ของ OpenAI ที่เชื่อมเข้ากับงานบน Atlassian; สถานะของการผสานเข้ากับวงจรมอบหมายและทบทวนงานใน Jira ต้องแยกดูเป็นรายความสามารถ

AMP วางจุดตรวจไว้ในงานของเอเจนต์

AMP กำหนดรูปแบบให้เอเจนต์ทำงานร่วมกับคนโดยมีตัวตน อำนาจที่กำหนดขอบเขตไว้ บริบทของงาน และผลลัพธ์ที่ส่งกลับมาตรวจได้ ความหมายของการย้อนตรวจจึงครอบคลุมมากกว่าการอ่านข้อความสุดท้าย ทีมต้องรู้ว่าเอเจนต์รับงานใด ทำงานภายใต้สิทธิ์ใคร และผลนั้นสัมพันธ์กับรายการงานหรือการตัดสินใจใด

Rovo Work ซึ่งเปิดตัวเป็นโหมดสำหรับงานหลายขั้นตอนใน Rovo Chat แสดงวงจรนี้อย่างเป็นรูปธรรม ผู้ใช้ตั้งเป้าหมาย ระบบเสนอแผน คนปรับแผน แล้วเอเจนต์จึงทำงานข้าม Jira, Confluence และเครื่องมือที่เชื่อมต่อ โดยมีจุดให้ทบทวนและอนุมัติ งานอาจดำเนินต่อเนื่องเพื่อหาเครื่องมือหรือทำขั้นตอนย่อยหลายครั้งภายในสภาพแวดล้อมที่ผู้ดูแลกำกับได้ การเห็นแผนก่อนเริ่มกับการตรวจผลหลังทำจึงเป็นคนละจุดควบคุม

ผลลัพธ์ของเอเจนต์ยังต้องมีที่เก็บซึ่งทีมอื่นกลับมาดูได้ แอป Artifacts ที่ Atlassian เปิดตัวให้ผลงานจากเครื่องมือ AI มี URL ถาวร ฝังในหน้า Confluence หรือรายการงาน Jira ได้ และอยู่ภายใต้สิทธิ์ขององค์กร วิธีนี้ช่วยให้ผลไม่หายไปพร้อมหน้าต่างแชต และทำให้เนื้อหาที่ทีมรับไว้กลายเป็นส่วนหนึ่งของบริบทงานสำหรับครั้งต่อไป

การติดตามเซสชันเอเจนต์ใน Jira มีเป้าหมายให้กิจกรรมที่เกิดในระบบคลาวด์หรือบนเครื่องนักพัฒนาโยงกลับถึงรายการงาน ทีมจึงเห็นความคืบหน้าและทบทวนผลร่วมกับข้อกำหนดเดิมได้ แต่สถานะของการเชื่อมเซสชันจาก IDE และเทอร์มินัลยังถูกระบุว่าเป็นความสามารถที่จะตามมา การมีกรอบ AMP แล้วจึงไม่ควรถูกตีความว่าองค์กรเห็นประวัติการทำงานของเอเจนต์ทุกตัวครบทุกช่องทางทันที

สิ่งที่ใช้ได้แล้วกับสิ่งที่ยังเป็นแผน

รายละเอียดความร่วมมือของ Atlassian แยกสถานะไว้ว่าโมเดล OpenAI ขับเคลื่อนการให้เหตุผลใน Rovo และแพลตฟอร์มอยู่แล้ว และทีมสามารถเชื่อม ChatGPT หรือ Codex เข้ากับบริบทองค์กรผ่าน Atlassian MCP ได้ บริษัทระบุด้วยว่านักพัฒนาของตนมากกว่า 3,000 คนใช้ Codex ผ่านเทอร์มินัล IDE และกระบวนการทบทวนโค้ด ตัวเลขนี้บอกการใช้ภายใน Atlassian ไม่ใช่จำนวนลูกค้าที่เปิด GPT-6 ใน Rovo แล้ว

ข้อตกลงใหม่ให้ Atlassian เข้าถึงโมเดล OpenAI เพิ่มขึ้น รวมถึง GPT-6 Astra และตระกูล GPT-5.6 เพื่อทยอยนำความสามารถด้านเหตุผลมาสู่ผลิตภัณฑ์ ส่วนการเชื่อม Codex ให้รับรายการงาน ทำงานต่อ รันทดสอบ และส่งประวัติเซสชันกลับเข้าสู่กระบวนการทบทวนใน Jira อย่างลึกขึ้นยังอยู่ในขั้นออกแบบ ความต่างระหว่างการเชื่อมบริบทที่มีแล้วกับวงจรเอเจนต์อัตโนมัติที่กำลังพัฒนามีผลต่อการวางแผนใช้งานจริง

ด้านการกำกับข้อมูล Atlassian Guard Premium มีการค้นหา จัดประเภท และควบคุมข้อมูลอ่อนไหวในแอป Atlassian รวมถึงมาตรการสำหรับ Rovo Chat และเครื่องมือที่เชื่อมต่อ แต่บัญชีเอเจนต์และบัญชีรายชื่อตัวตนที่ไม่ใช่มนุษย์ ซึ่งจะช่วยให้ผู้ดูแลเห็นเอเจนต์ แอป และบัญชีบริการจากจุดเดียว ตลอดจนเพิกถอนสิทธิ์ได้ง่ายขึ้น ยังถูกระบุว่าเป็นความสามารถที่จะเพิ่มในภายหลัง ผู้ดูแลจึงต้องอาศัยสิทธิ์และการจัดการการเชื่อมต่อที่มีอยู่ในช่วงนี้

จุดที่ผู้ดูแลต้องกำหนดก่อนมอบงานข้ามระบบ

เส้นทางข้อมูลเริ่มที่สิทธิ์ใน Jira และ Confluence: ใครเห็นโครงการ รายการงาน หน้าเอกสาร และเนื้อหาที่เชื่อมอยู่กับ Teamwork Graph ได้บ้าง จากนั้นจึงเป็นสิทธิ์ของผู้เรียก Rovo หรือเครื่องมือภายนอกผ่าน MCP เพราะเอเจนต์อาจนำข้อมูลที่ผู้เรียกเข้าถึงได้ไปประกอบคำตอบหรือการกระทำ หากข้อมูลต้นทางเปิดกว้าง การตั้งขอบเขตให้เอเจนต์ในขั้นปลายเพียงอย่างเดียวอาจไม่แก้ปัญหาการเปิดเผยบริบทเกินจำเป็น

ขอบเขตการกระทำเป็นอีกชั้นหนึ่ง การอ่านข้อมูลเพื่อสรุปสถานะ การเสนอแผน และการเขียนกลับไปแก้รายการงานมีผลต่างกัน ผู้ดูแลจึงต้องแยกสิทธิ์อ่านกับสิทธิ์เปลี่ยนแปลงข้อมูล และระบุว่างานประเภทใดต้องผ่านคนอนุมัติก่อนผลถูกนำไปใช้ จุดตรวจนี้สำคัญเป็นพิเศษเมื่อคำตอบจาก Confluence ถูกใช้ประกอบการเปลี่ยนสถานะหรือมอบหมายงานใน Jira

การย้อนตรวจต้องเชื่อมผู้เริ่มงาน ตัวตนเอเจนต์ รายการงาน บริบทที่ใช้ และผลลัพธ์เข้าด้วยกัน บันทึกกิจกรรมช่วยตอบว่าอะไรเกิดขึ้น แต่ไม่ได้รับประกันว่าข้อสรุปของโมเดลถูกต้อง คนทบทวนยังต้องเทียบผลกับข้อกำหนดและข้อมูลต้นทาง โดยเฉพาะเมื่อเอเจนต์ทำงานหลายขั้นตอนหรือส่งผลต่อทีมอื่น

เมื่อบทบาทของคนหรือเอเจนต์เปลี่ยน ผู้ดูแลต้องหยุดการเข้าถึงได้จากสิทธิ์และการเชื่อมต่อที่ใช้อยู่ในขณะนั้น ระบบบัญชีเอเจนต์และการเพิกถอนจากศูนย์กลางที่ Atlassian วางแผนไว้จะทำให้จุดนี้จัดการง่ายขึ้นเมื่อเปิดใช้ ระหว่างนี้ผลที่จับต้องได้ของความร่วมมือสำหรับองค์กรคือการพางานจากบริบทใน Jira และ Confluence ไปถึงเอเจนต์ พร้อมรักษาเส้นทางกลับมาหาผู้สั่งงาน สิทธิ์ที่ใช้ และการตัดสินใจของคน

อ่านเพิ่มเติม:

• GPT-6.1 Sol ลดราคา AI งานซับซ้อน แต่โหมดเครื่องมือย้ายไป Responses API