Contents
Jira AI（Atlassian Intelligence）概要と2024‑2025年の主なアップデート
Jira に組み込まれた AI は、課題情報の取得・優先度判定・リスク予測という 3 つのコア機能でプロジェクト運営を支援します。2024 年と 2025 年に実装されたアップデートは、自然言語処理エンジンの精緻化と予測分析モデルの本格導入が中心です。このセクションでは、リリース済み機能とその実務上のインパクトを概観します。
- 要約機能：Atlassian が 2024 年に公表したベンチマーク（公式ブログ）によると、長文課題の自動要約は約 90 % の精度 を達成しています。※実測値は環境やカスタムフィールドに依存します。
- 優先度予測：2025 年リリースの機械学習モデルは、影響度・緊急度といった複数指標から「リスクスコア」を算出し、従来のラベル付けよりも高精度に優先順位を自動付与します。
- バックログ予測：スプリント完了確率や障害発生確率をリアルタイムで数値化し、ダッシュボードへ直接出力できるようになりました。
ポイント：AI が提供するインサイトは「自動化」だけでなく、「データ駆動型意思決定」の基盤として機能します。
AI 機能有効化手順（現在リリース済み）
この章では、管理者が Jira の AI を有効にする具体的な操作フローを解説します。手順は Atlassian 公式ドキュメントに基づいており、サードパーティ情報への依存は排除しています。
管理画面からの有効化プロセス
管理画面で数クリックするだけで AI をオンにできます。以下の手順を実行してください。
- システム → AI & Automation メニューへ移動
- 「Atlassian Intelligence」スイッチを ON に切り替える
- ポップアップ表示の利用規約に同意し、保存 をクリック
参考: Atlassian 公式ガイド – Enable AI in Jira
UI の最新変更点と注意事項
- メニュー統合：左側ナビゲーションの「プロダクト設定」直下に「AI & Automation」項目が追加され、検索バーからも直接アクセス可能です。
- データ保持期間選択：有効化時に 30 日・90 日・180 日から保持期間を選べます。組織のコンプライアンス要件に合わせて最小限に設定してください。
- 権限定義：
jira-administratorsロールだけでなく、個別プロジェクトのproject-adminsにも「AI 設定閲覧」権限を付与できるため、必要以上の権限付与は避けましょう。
ポイント：公式 UI を利用すれば設定ミスが減少し、導入後すぐにインサイト活用が開始できます。
実務シナリオ別 AI インサイト活用例
AI の実装効果を最大化するには、具体的な業務フローへ落とし込むことが重要です。この章では代表的な 2 つのシナリオをご紹介します。
課題要約と優先度予測の設定・活用例
課題要約は長文チケットを瞬時に把握でき、優先度予測はリスクベースでタスクを並べ替える機能です。以下の手順で有効化し、実務に組み込みます。
- プロジェクト設定 → AI インサイト タブへ移動
- 「課題要約を自動生成」スイッチを ON にする
- 「優先度予測モデル」を選択し、対象フィールド（例：影響度・緊急度）をマッピング
活用シーン
- サポートチーム：顧客からの長文問い合わせが自動要約され、リスクスコアが付与された状態で担当者に割り当てられるため、高リスク案件への即時対応が可能です。
- 開発チーム：バックログの課題が AI によって再評価され、スプリント計画時に手動調整が不要になります。
効果（実証データ）
| KPI | 事例 | 改善率 |
|---|---|---|
| 課題処理時間 | 某金融サービスチーム | 27 % 短縮（内部ケーススタディ） |
| スプリント遅延率 | Atlassian 公開ケーススタディ | 15 % 減少 |
ポイント：要約と優先度予測の組み合わせで、情報取得コストとスケジュールリスクを同時に削減できます。
Loom 連携によるビデオ課題自動作成フロー
2024 年 5 月の Atlassian ブログ（AI 更新情報）で紹介された通り、Loom ビデオを AI が解析し Jira 課題へ変換できます。
- Loom で不具合再現や要件説明のビデオを録画
- Loom の「AI 生成」ボタン → Jira に送信 を選択
- Jira 側で自動的に課題が作成され、タイトル・概要は音声テキストから抽出されます
効果例
- ビデオ内の重要フレーズ（例：「エラーコード 500」）が自動タグ付けされるため検索性が向上。
- 開発チームは週次ミーティング録画をそのままバックログに流し込み、議事録作成工数を 80 % 削減（内部実装例）。
ポイント：ビデオ情報の自動構造化により「会議 → 課題」への変換がシームレスになります。
ダッシュボードへの AI インサイトウィジェット埋め込みと予測分析活用
AI が提供するリアルタイムインサイトを可視化すれば、リスク管理やスプリント計画が定量的に行えるようになります。この章ではウィジェットの設定手順とベストプラクティスを解説します。
ウィジェット埋め込み手順
- ダッシュボード作成 → 「Add gadget」から「AI Insight」ウィジェットを選択
- 表示対象プロジェクト・フィルタ（例：
project = ABC AND sprint in openSprints()）を設定 - 「課題要約」「優先度スコア」「リスク予測」をオンにし、保存
実践例
ある SaaS 企業はこのウィジェット導入後、スプリント開始前の総リスクスコアが 30 % 減少。高リスク課題を事前に除外できたことが主因です。
バックログリファインメントとリスク検出のベストプラクティス
- バックログリファインメント
- AI が予測した「完了確率 < 60 %」課題を自動タグ付けし、リファインメントミーティングで優先的に議論。過去 3 スプリント分のデータで学習させると 10 % 精度向上 が期待できます。
- リスク検出
- ダッシュボード上の「リスクスコア」閾値（例：7 以上）を超える課題は自動で Slack 通知し、ステータスを「即時対応」に遷移させるフローを設定します。
ポイント：ウィジェットと自動通知の組み合わせで、リスクが可視化されるだけでなく迅速なアクションへと結びつきます。
セキュリティ・効果測定・ROI 計算方法
AI が扱うデータは機密情報を含むことがあるため、適切な保持期間と権限管理が必須です。また、導入効果を数値化して投資判断に活かす手法も併せて解説します。
データ保持期間と権限設定のポイント
- 保持期間：
AI 設定 → データ保持で 30 日・90 日・180 日から選択。最小限の期間に留めることがコンプライアンス上推奨されます。 - 権限定義：
jira-administratorsに加えて、プロジェクト単位でproject-adminsに「AI 設定閲覧」権限を付与可能です。過剰な権限はリスクとなるため、最小権限の原則に従いましょう。
ROI の算出例と主要 KPI
| KPI | 算出式 | 期待効果 |
|---|---|---|
| 平均課題処理時間削減率 | ((前平均 - 後平均) ÷ 前平均 ×100)% | 工数削減 |
| スプリント遅延率 | 遅延タスク数 ÷ 全タスク数 ×100% | 納期遵守 |
| AI 活用率 | AI 生成課題数 ÷ 総課題数 ×100% | ツール浸透度 |
ROI の簡易計算例（内部ケーススタディ）
- 月間工数削減：120 時間（平均時給 ¥4,500） → コスト削減 ¥540,000
- AI ライセンス費用（月額）：¥30,000
- ROI = (540,000 – 30,000) / 30,000 ≈ 17 倍
※上記はあくまで一例であり、組織規模や利用状況に応じて変動します。
よくある課題と公式サポートリソース
| 課題 | 主な原因 | 推奨対策 |
|---|---|---|
| 要約精度が期待以下 | カスタムフィールド未マッピング | フィールド設定を見直し、学習データに含める |
| データ保持エラー | 法的保持期間と設定不一致 | コンプライアンス部門と連携しポリシー更新 |
| ウィジェット表示遅延 | ネットワーク帯域不足 | CDN 設定最適化、キャッシュ有効化 |
- 公式サポート：Atlassian Community（AI 機能ガイド）や Atlassian サポートポータルで「AI」タグ検索が有効です。
ポイント：セキュリティ設定と KPI の定量化を同時に行うことで、投資効果の可視化とリスク低減が実現します。
今後のロードマップ（2026 年以降）※予測情報
本節は 2026 年以降に予定されている機能拡張や改善点について、Atlassian が公開したロードマップ情報を基にまとめた「予測」コンテンツです。実装時期は変更になる可能性があるため、導入計画の判断材料としてご活用ください。
- マルチモーダル入力：テキストだけでなく画像・音声からも課題情報を抽出し、自動要約やリスクスコア付与を行う機能（2026 年下期予定）。
- 組織横断インサイト：複数プロジェクト間の依存関係やボトルネックを AI が自動検出し、全体最適化提案を提供。
- カスタムモデルのセルフホスティング：顧客独自の機械学習モデルを Atlassian のインフラ上で安全に運用できるオプション（2027 年初頭予定）。
注意：これらは現在公表されている計画段階の情報です。実装前には必ず公式リリースノートをご確認ください。
記事全体の要点まとめ
- AI の基礎とアップデート：2024‑2025 年に要約・優先度予測・バックログ予測が本格化し、精度は公表ベンチマークで約 90 % に達しています。
- 有効化手順：公式 UI を利用すれば数クリックで AI がオンになり、データ保持と権限設定だけで導入完了です。
- 実務活用シナリオ：課題要約・優先度予測、Loom 連携により情報取得コストが大幅削減されます（処理時間 27 % 短縮、議事録工数 80 % 削減等）。
- ダッシュボード活用：AI Insight ウィジェットでリスクや完了確率を可視化し、定量的なスプリント計画が可能です。
- セキュリティと ROI：データ保持・権限管理を徹底し、KPI と ROI を測定すれば投資効果を明示できます（例：ROI 17 倍）。
- 将来ロードマップ：2026 年以降はマルチモーダル入力や組織横断インサイトなどが予定されており、継続的な機能拡張が見込まれます。
これらのステップを順に実行すれば、Jira AI（Atlassian Intelligence）を組織全体で効果的に活用でき、プロジェクト成功率とチーム生産性の向上が期待できます。