O que mudou no Rovo: novos recursos, novos comportamentos e o que isso significa para o seu time

Romildo Burguez • June 2, 2026

O que é o Rovo e por que ele está evoluindo rápido

 

O Rovo é a camada de IA da Atlassian voltada para o trabalho em equipe. Sua proposta central é conectar o conhecimento espalhado pelos produtos Atlassian (Jira, Confluence, Jira Service Management) e tornar esse contexto útil para pessoas e agentes agirem com mais eficiência. 


Diferente de assistentes de IA genéricos, o Rovo não parte de uma folha em branco. Ele acessa o histórico de projetos, tickets, documentação e decisões registradas na organização, e usa esse contexto para dar respostas mais relevantes, executar tarefas com maior precisão e suportar fluxos de trabalho sem exigir que o usuário saia das ferramentas que já usa no dia a dia. 


A Atlassian posiciona o Rovo em três pilares: busca (encontrar informações dispersas), chat (interagir com o contexto da organização) e agentes (executar tarefas de forma autônoma ou semiautônoma). O que mudou nos últimos meses é a profundidade e a abrangência desses três pilares, especialmente no que diz respeito à criação e governança de agentes. 


Novos recursos 


Rovo Studio: construção de agentes, automações e apps sem código 


O Rovo Studio passou por uma reformulação relevante. Antes limitado à criação de agentes personalizados, ele se tornou um espaço unificado para construir agentes, automações e aplicativos customizados, tudo a partir de linguagem natural, sem necessidade de código. 


Segundo a Atlassian, o Studio agora permite que qualquer usuário descreva o problema que quer resolver, e a ferramenta recomenda a combinação adequada entre agente, automação ou app, e então constrói a solução. 


Isso tem implicações práticas diretas. Um time que quer automatizar o processo de onboarding, por exemplo, pode descrever o que precisa em linguagem corrente. A resposta do Studio pode incluir uma automação que dispara um plano personalizado no momento em que um ticket de onboarding é criado, um agente para responder dúvidas ao longo do processo, e um dashboard para o gestor acompanhar o progresso, tudo funcionando em conjunto. 


A funcionalidade de criação de aplicativos Forge dentro do Studio está em beta. A Atlassian indica que a nova experiência do Studio será implantada automaticamente para todos os usuários a partir de maio de 2026, para quem não optou antecipadamente pela versão beta. 


Onde aparece: Rovo Studio, acessível via studio.atlassian.com ou pelo painel de administração. 


Impacto prático: Times de produto, TI, operações e suporte ganham capacidade de criar soluções próprias sem depender de ciclos de desenvolvimento. A TI mantém controle porque as automações respeitam as permissões já existentes do usuário que as criou. 


Deep Research: relatórios aprofundados a partir de múltiplas fontes 


O Deep Research é uma funcionalidade disponível no Rovo Chat e em agentes configurados para esse modo. Ele permite que o usuário solicite ao Rovo que pesquise, raciocine, analise e consolide informações de apps Atlassian, SaaS conectados e da web (se autorizado) em um relatório completo e com citações, em questão de minutos. 


No contexto de agentes personalizados, o Deep Research funciona como um modo de raciocínio mais intensivo. Ele é recomendado especialmente para subagentes dedicados a pesquisas baseadas em evidências, onde o agente precisa considerar perguntas de forma mais ampla e profunda, respondendo com relatórios estruturados que seguem a formatação, o tom e a estrutura definidos nas instruções do agente. 


Onde aparece: Rovo Chat (como opção de modo de pesquisa) e em agentes configurados no Studio. 


Impacto prático: Útil para times que precisam consolidar informações de múltiplas fontes antes de tomar decisões, como revisões de sprint, análises de incidentes, mapeamento de requisitos e due diligence interna. 


Agentes no Jira: suporte a campos personalizados e operações em lote 


Os agentes do Rovo passaram a suportar fluxos mais complexos dentro do Jira. Entre as melhorias, os agentes podem agora preencher campos personalizados de projetos, lidar com campos obrigatórios, vincular issues automaticamente a épicos e executar operações em lote, criando ou atualizando múltiplos itens de uma vez com uma interface que mostra claramente o que está sendo alterado. 


A Atlassian descreve agentes no Jira como uma forma de delegar tarefas diretamente, da mesma forma que se faria com um colega de time, com o agente usando o contexto do Teamwork Graph para identificar o que precisa ser feito. 


Onde aparece: Jira, via Rovo Chat integrado ou pelo atalho /Rovo durante a edição de issues. 


Impacto prático: Times de produto e engenharia ganham suporte para organizar backlogs, criar issues a partir de documentos e manter estruturas de epics e sprints sem trabalho manual repetitivo. 


Web Search para agentes personalizados 


Agentes personalizados no Rovo passaram a contar com a capacidade de buscar informações em tempo real na web, complementando o conhecimento interno da organização com dados externos atualizados. 


Essa funcionalidade é configurável: o administrador ou criador do agente decide se o acesso à web está habilitado para aquele cenário específico. 


Onde aparece: Rovo Studio (configuração de agentes) e Rovo Chat. 


Impacto prático: Agentes de análise competitiva, monitoramento de mercado ou suporte técnico com base em documentação pública passam a ter acesso a informações que não estão disponíveis internamente. 


O que mudou no comportamento existente 


Atualização do modelo de backend dos agentes 


A Atlassian realizou uma atualização do modelo de linguagem que alimenta os agentes Rovo. A mudança é exclusivamente de backend: configurações, instruções, habilidades, conhecimento e permissões dos agentes existentes permanecem inalterados. Novos agentes criados a partir de março de 2026 já utilizam o modelo atualizado por padrão, e agentes existentes que ainda estavam no modelo anterior foram migrados automaticamente ao final do processo. 


Para a maioria dos agentes, o comportamento permanece consistente. Em fluxos de múltiplos turnos ou respostas mais elaboradas, podem surgir diferenças sutis de formulação. 


Monitoramento de uso do Rovo MCP Server nos logs de auditoria 


Administradores agora conseguem rastrear cada vez que uma ferramenta é utilizada via Rovo MCP Server nos logs de auditoria da organização, adicionando transparência e apoiando requisitos de segurança e conformidade. 


Essa mudança é especialmente relevante para organizações com políticas rígidas de governança de acesso a dados e que precisam auditar o uso de IA sobre informações sensíveis. 


Controle de ingestão por data no Google Drive e SharePoint 


Para conectores como Google Drive e SharePoint, passou a ser possível limitar a indexação de arquivos por data, indexando apenas conteúdo modificado após uma determinada data. Isso reduz a exposição de dados legados e acelera o processo de onboarding de novas fontes de conhecimento. 


Para quem faz diferença 


As atualizações mais recentes do Rovo não impactam todos os times da mesma forma. 


Times de produto e engenharia se beneficiam diretamente das melhorias nos agentes para Jira. A capacidade de criar issues em lote, preencher campos customizados e vincular automaticamente a épicos reduz o tempo gasto em trabalho de configuração e libera espaço para execução. 


Times de TI e service management encontram no Rovo Studio uma forma de criar agentes de triagem, deflexão e resposta a chamados sem precisar de ciclos de desenvolvimento. A governança embutida é o ponto que torna isso viável em ambientes com controles rigorosos. 


Gestores e líderes de operações que precisam consolidar informações antes de reuniões, revisões ou decisões estratégicas têm no Deep Research um recurso que substitui horas de coleta manual por um relatório estruturado gerado em minutos. 


Times de documentação e gestão do conhecimento, especialmente os que usam Confluence intensivamente, passam a contar com agentes mais capazes de navegar pelo conteúdo existente e surfacear informações relevantes no contexto certo. 


O que muda na prática 


O padrão que emerge dessas atualizações é uma ferramenta que está saindo do papel de assistente pontual e se tornando parte do fluxo de trabalho. A lógica muda: em vez de consultar o Rovo quando surge uma dúvida, passa a fazer sentido desenhar fluxos inteiros onde agentes participam de etapas específicas, como triagem, categorização, criação de itens, síntese de informações e notificações. 


Para times que já usam Atlassian como ambiente central de trabalho, a pergunta que vale fazer não é mais "o que o Rovo consegue fazer?", mas sim: quais das tarefas que hoje tomam tempo do time poderiam ser delegadas a um agente, com contexto, permissão e rastreabilidade adequados? 


Para que você possa se aprofundar ainda mais, recomendamos também a leitura dos artigos abaixo: 


Team '26: o que vimos sobre o futuro da IA na Atlassian 


TI enxuto, demanda alta: como líderes estão ganhando capacidade sem perder controle 


Seu time entrega, mas a fila não diminui: como destravar o fluxo de trabalho em TI sem depender de mais gente 


Conclusão 


O Rovo de hoje é substantivamente diferente do que era há doze meses. Não em termos de promessa, mas de entrega concreta: agentes que operam sobre campos reais do Jira, um Studio que qualquer pessoa do time consegue usar, um modo de pesquisa que consolida fontes em minutos e uma camada de governança que permite escalar sem perder controle. A IA deixou de ser um recurso experimental à margem do trabalho e passou a ser algo que pode ser configurado, testado e colocado em produção dentro do próprio ambiente Atlassian. O que ainda depende de cada time é decidir onde essa capacidade faz mais sentido, e garantir que os fluxos, as permissões e o contexto estejam estruturados o suficiente para que os agentes entreguem valor real, e não apenas velocidade. 


A CSP Tech atua como parceira Atlassian e pode ajudar sua organização a tirar proveito dessas capacidades de forma estruturada: desde a configuração inicial do ambiente e organização dos fluxos no Jira e Confluence, até o desenho e implantação de agentes com governança adequada para operações críticas. Se o seu time já usa ferramentas Atlassian mas ainda não extraiu valor real da camada de IA, ou se está avaliando como escalar o uso do Rovo com controle e segurança, entre em contato conosco. 


Fale com a CSP Tech: www.csptech.com.br/contato 

Fale com a CSP Tech

.

Por Guilherme Matos 17 de julho de 2026
A Databricks não vende um produto de MDM, e isso é uma vantagem. Veja como construir dados mestres e golden records no Lakehouse com os blocos oficiais da plataforma, e quando um app parceiro ou uma plataforma dedicada faz mais sentido.
Por Guilherme Matos 17 de julho de 2026
Quando o Jira sai do papel de ferramenta de desenvolvimento e vira plataforma corporativa (via Jira Service Management em modo Enterprise Service Management), ele começa a registrar a operação inteira da empresa: onboarding de novo colaborador no RH, aprovação de despesa no Financeiro, ordem de manutenção no Facilities, revisão de contrato no Jurídico. Segundo a Atlassian, esse modelo estende as práticas de service management do TI para todas as áreas, com portal único, SLAs, catálogo de serviços e workflows por time. O que ninguém está olhando é o dado gerado por trás disso. O BI da casa foi desenhado para acompanhar entrega de software e continua rodando sprint burndown enquanto a diretoria pergunta o custo médio de onboarding, o volume de chamados de RH por área e o tempo de resolução de despesa. É outro dataset, outro buyer e outra consultoria de BI , montada sobre o mesmo Jira.
Por Guilherme Matos 15 de julho de 2026
Speech analytics gera evidência do que aconteceu na conversa. O Jira registra o que foi feito sobre isso. IA de atendimento só funciona de verdade quando os dois datasets se encontram. Veja como fechar esse loop. Speech analytics gera um tipo de dado que o Jira não tem: o que realmente aconteceu na conversa com o cliente. Aderência ao script, objeções mal tratadas, sentimento do interlocutor, termos obrigatórios ditos ou omitidos. O Jira, por sua vez, registra o que o time fez a respeito: o chamado aberto, a ação executada, o tempo de resolução. São dois datasets sobre a mesma operação, cada um com uma metade da história. Separados, cada um conta uma verdade parcial. Juntos, fecham o loop que transforma atendimento em melhoria contínua baseada em evidência. E é esse dataset combinado, conversa mais ação, que a IA de atendimento precisa para funcionar em produção, porque previsão e agente sem contexto operacional são chute sofisticado.
Por Guilherme Matos 14 de julho de 2026
O conector traz o dado bruto do Jira para o Databricks . A IA precisa de dado curado. Veja a arquitetura medalhão (bronze, prata, ouro) aplicada ao dado do Jira e o trabalho de consultoria de dados para IA que ninguém orça. 
governança de IA agêntica; como medir o ROI de agentes de IA
Por Romildo Burguez 13 de julho de 2026
53% das empresas brasileiras já priorizam agentes de IA, mas poucas sabem medir o retorno. Entenda a governança de IA agêntica e veja como aplicar
agentes de IA bancária, o que é IA agêntica, arquitetura multiagente, governança de agentes de IA
Por Romildo Burguez 13 de julho de 2026
O Banco do Brasil elevou conversões de Pix com agentes de IA bancária orquestrados. Veja a arquitetura por trás disso e como aplicar no seu setor
Por Guilherme Matos 13 de julho de 2026
Antes de comprar mais uma ferramenta de IA, vale consolidar dado analítico e operacional numa camada só. Veja como o Databricks Lakehouse resolve isso e como modelos Claude rodam dentro dessa arquitetura com governança unificada. Databricks Lakehouse é uma plataforma unificada que combina, em uma única camada, o armazenamento de dado bruto de um data lake e a estrutura analítica de um data warehouse, governada por um catálogo único (Unity Catalog). Segundo a documentação oficial da Databricks , essa unificação existe justamente para eliminar as cópias, os pipelines redundantes e a governança fragmentada que travam a maioria das iniciativas de IA em empresa de porte. Modelos de linguagem de última geração, incluindo a família Claude da Anthropic, são acessíveis diretamente de dentro do workspace via Foundation Model APIs e External Models, com governança centralizada e credenciais protegidas. A implicação prática: antes de comprar outra ferramenta de IA, vale checar se o problema não está na base, e não no modelo.
Por Guilherme Matos 11 de julho de 2026
O Jira guarda anos de história operacional que o BI lê só de forma descritiva. Veja quando esse dado justifica o Databricks Lakehouse, como ingerir via conector oficial Lakeflow Connect e o que o Unity Catalog governa. 
Por Guilherme Matos 10 de julho de 2026
A intranet moderna não é mural de avisos. É a interface onde o colaborador acessa dado governado, dispara ação no Jira e conversa com IA sem trocar de tela. Veja como amarrar SharePoint, Confluence, Copilot e Rovo.