2026 Gartner DevSecOps 魔力象限解读：Atlassian 四度入选领导者，企业如何落地 AI 原生 SDLC
2026 年Gartner®DevSecOps 平台魔力象限™ 将Atlassian 列为 “领导者”，并在“执行力”维度将其置于首要位置。这是 Atlassian 在 Gartner DevOps 和 DevSecOps 系列研究中连续第四年成为领导者——随着“安全性”从交付下游的检查关卡，转变为每个团队交付循环中的首要关注点，这一类别在过去几年中已经发生了深刻变化。
这一成绩也验证了 Atlassian 四年前的判断——软件交付的未来不会通过更快地生成代码取胜，而是通过为整个团队（人类和智能体）提供共享的上下文、治理机制和信任，从而安全、大规模地交付更好的软件。
作为 Atlassian 全球白金合作伙伴，龙智（DragonSoft Digital，DSD）在服务研发团队时观察到，落地差距往往不在平台能力，而在这份上下文与治理能否嵌进既有的研发流程。
为什么 DevSecOps 如今已成为一个“智能体问题”
Atlassian 发现，每一位工程领导者都在问同一个问题：如何从 AI 中获得真正的 ROI？数据令人警醒——大多数团队报告称，尽管编码智能体的采用率一路攀升，生产力提升却仅有 10%–15%。
这一差距源于一个被普遍忽视的简单事实：大多数 AI 部署只加速了开发人员花在编写代码上的那 16% 的时间，却忽略了其余 84% 用于规划、评审、安全检查、事件响应和跨团队协作的时间。
随着编写代码变得越来越快、越来越便宜，压力只会进一步向生命周期上游移动。如何让智能体工作流在数千名工程师之间保持一致？如何确保智能体的输出基于企业的业务上下文和代码标准，而不是通用的最佳实践？
Atlassian 每天都在为此努力，其发现是：上下文才是决定性因素。
在 Atlassian 的内部基准测试中，基于组织上下文图谱的智能体，其结果准确率比仅依赖 MCP 连接的智能体高出 44%。有了这样的上下文，收益就变得实实在在——过去六个月中，Atlassian 使用 Rovo 和 Jira 自动修复了 51% 的漏洞。这些数据对于我们向客户推荐和部署方案具有重要的参考价值。
Gartner 的认可正反映了这一转变。DevSecOps 不再仅仅是关于部署流水线和漏洞扫描，而是关于平台能否在整个 SDLC 中辅助人类判断、治理智能体行为。
定义 Atlassian 平台 AI 策略的四个押注
1 、嵌入式智能体，打通整个 SDLC，涵盖安全和审查。
Atlassian 的 AI 代码审查员（AI code reviewer）会首先根据企业的工程标准、验收标准和产品背景来评估 PR，而不仅仅是做代码检查。其漏洞修复智能体则根据团队的编码标准，自动修复安全问题。
Atlassian正在将这一模式延伸至事件管理、KTLO 工作和规范驱动的开发中。
2 、Teamwork Graph，面向智能体和人类成员的安全上下文引擎。
MCP 服务器可以让智能体访问 Jira 工单，但无法告诉智能体该工单为何重要、哪个 Confluence 页面包含架构决策，或者哪些下游服务存在依赖关系。
Teamwork Graph 是横跨 Atlassian 与第三方工具的关联图谱，让每个智能体和团队成员共享同一份认知。
3 、对 AI 使用情况、成本和风险的真正可见性。
企业的代码中有多少是用 AI 生成的？团队消耗了多少 token？智能体在哪些地方偏离了预期？随着 DX 加入 Atlassian，这些问题都有了答案。
新的 DX 功能提供 AI 生成的代码归因、AI 美元影响（AI Dollar Impact）、智能体效能测量和统一的 DORA 指标——这正是安全与工程领导者大规模治理 AI 时所需要的开发者智能层。
4 、企业级基础，安全地支撑智能体软件开发。
Atlassian Government Cloud 已正式可用并获得 FedRAMP Moderate 授权。Atlassian 还在投入 IL5 和 FedRAMP High 合规认证，以应对受监管的工作，确保每一个智能体操作，都在团队已然信任的同一套安全边界内运行。
Atlassian 正在与已经大规模运行智能体的工程组织并肩建设，这些组织正在努力解决的问题，也塑造着Atlassian的投资方向。
“我们关心的问题并不是如何让工程师更多地使用 AI，而是如何构建一个系统，让人类与智能体能够基于同一份上下文、同一个目标协同工作，同时具备安全交付所需的治理和审计能力。直接从 Jira 向 Cursor 派发任务，并附带丰富的上下文与监督机制，是在大规模场景下，有效调度智能体的重要一步。”
——Jason Andrews，思科工程运营副总裁
Atlassian平台的下一步
连续四年位居“领导者”象限，Atlassian 对其正在推进的工作充满信心。以下是 Atlassian 正在为工程团队积极交付的内容预览：
Jira 中的智能体编排：Atlassian 正在扩展将工作分配给更多自选编码智能体的能力。智能体会根据上下文处理任务，在需要人工输入时通知用户，并自动将 PR 链接回 Jira。
面向整个团队的规范驱动的开发：Atlassian 会从代码库、Jira 历史和团队的上下文中提取需求，并在 Confluence 中生成结构化的技术规格文档，开发者或编码智能体可直接据此构建。
Teamwork Graph CLI 和 MCP：让企业已有的智能体在终端、IDE 或浏览器中获得完整的 Atlassian 上下文——结果更准确，token 消耗更少。本地会话会直接同步追踪到 Jira 和 Confluence，无需任何人手动更新状态，进度始终清晰可见。
智能体工作流自动化：将可重复的工作，如缺陷修复、漏洞修复、测试生成、文档更新，直接自动分派给编码智能体执行。智能体在Teamwork Graph 上下文的支撑下在后台运行，并在 PR 准备好审查时通知工程师。
语义代码搜索：让智能体对大型代码库和 monorepo 获得更丰富、更可靠的理解。
自动化修复 AIOps：智能体使用 Rovo 在 Jira Service Management 中对事件进行分诊，从先前的运行手册、代码、团队归属和错误详情中挖掘可能的根本原因——所有信息都基于 Teamwork Graph 上下文。
龙智观察
从我们的实施现场看，平台能力通常不是瓶颈：Jira、Confluence、Rovo 提供的上下文与治理机制已足够完整，落地差距更多出现在三处——上下文没有接进团队既有流程、智能体产出缺少可审计的度量、合规边界未在智能体执行前定义清楚。智能体应用的差距往往不在工具侧，而在流程与责任边界的定义上——先想清楚「智能体能看什么、能改什么、谁来签核」，上下文才有落点。
作为 Atlassian 全球白金合作伙伴，龙智（DragonSoft Digital，DSD）围绕 Atlassian 全系列产品提供咨询、实施部署、方案定制、培训与持续支持，帮助团队把上述环节落到可治理、可审计、可扩展的软件交付体系中。
联系龙智团队
如果您正在评估智能体如何接入现有研发流程，欢迎联系龙智团队，获取本文所依据的 Gartner 报告要点解读与针对性落地建议。
官网：www.shdsd.com
电话：400-666-7732
邮箱：marketing@shdsd.com
最新文章
相关产品
