Atlassian, 고객 데이터 AI 학습 활용을 기본값으로 전환

• Jira, Confluence 등 Atlassian Cloud 제품의 고객 메타데이터와 앱 내 콘텐츠가 2026년 8월 17일부터 Rovo와 Rovo Dev 학습에 기본 활용 예정
• 요금제별 기본값이 다르게 적용되며, Free·Standard·Premium에서는 메타데이터 기여가 항상 활성화되고 Enterprise만 메타데이터와 앱 내 데이터의 기본 비활성화 및 제어권 유지
• 수집 대상에는 가독성 점수, 스토리 포인트, SLA 값 같은 메타데이터와 페이지 본문, 이슈 설명, 댓글, 워크플로 이름 같은 앱 내 데이터 포함
• 직접 식별자 제거와 집계 등 보호 조치가 적용되지만, 기여 데이터는 최대 7년 보관되며 삭제 또는 옵트아웃 이후 앱 내 데이터는 30일 이내 제거, 학습 모델은 90일 이내 재학습 진행
• 기존의 비사용 입장에서 벗어나 업무용 도구의 데이터 출처와 가격대별 통제 수준을 바꾸는 정책 전환으로, 프라이버시·거버넌스·컴플라이언스 판단에 영향 확대

변경 개요

• Atlassian, 2026년 8월 17일부터 Jira, Confluence와 기타 Atlassian Cloud 제품의 고객 메타데이터와 앱 내 콘텐츠를 AI 학습에 기본 활용 예정
  • 대상 AI 기능으로 Rovo와 Rovo Dev 명시
  • 영향 대상 규모 약 30만 고객
• 데이터 기여 정책 변경에 따라 요금제별 기본값 차등 적용
  • 하위 요금제는 메타데이터 수집 옵트아웃 불가
  • Enterprise 요금제는 메타데이터와 앱 내 데이터 수집에 대한 제어권 유지
• 수집된 기여 데이터 보관 기간 최대 7년
  • 삭제 또는 옵트아웃 이후 앱 내 데이터는 30일 이내 제거
  • 해당 데이터로 학습된 모델은 90일 이내 재학습해 기여분 제거

기술 세부 사항

• Atlassian, 수집 대상을 메타데이터와 앱 내 데이터 두 범주로 구분
  • 메타데이터는 비식별화된 신호 포함
  • 앱 내 데이터는 사용자 생성 콘텐츠 포함
• 메타데이터 범주에 포함되는 항목 구체화
  • 가독성 및 복잡도 점수
  • 작업 분류
  • 의미적 유사도 지표
  • 스토리 포인트
  • 스프린트 종료 날짜
  • Jira Service Management의 SLA 값
• 앱 내 데이터 범주에 포함되는 항목 구체화
  • Confluence의 페이지 제목과 본문
  • Jira 이슈 제목, 설명, 댓글
  • 사용자 정의 이모지 이름
  • 사용자 정의 상태 이름
  • 워크플로 이름
• 학습 전 처리 방식으로 직접 식별자 제거, 데이터 집계, 보호 조치 적용 명시

요금제별 기본 설정과 제외 대상

• 기본 설정은 조직의 가장 높은 활성 요금제를 기준으로 결정
• Free와 Standard 고객

  • 메타데이터 기여 항상 활성화

    • 메타데이터 수집 옵트아웃 불가
    • 앱 내 데이터 기여는 기본 활성화되지만 설정 변경 가능
    • Premium 고객
    • 메타데이터 기여 항상 활성화
    • 앱 내 데이터 기여는 기본 비활성화
    • Enterprise 고객
    • 메타데이터와 앱 내 데이터 모두 기본 비활성화
    • 메타데이터 옵트아웃 가능
    • 전체 수집 대상에서 제외되는 고객군 명시
    • customer-managed encryption keys 사용 고객
    • Atlassian Government Cloud 사용 고객
    • Atlassian Isolated Cloud 사용 고객
    • HIPAA 의무가 있는 고객

맥락과 중요성

• 이번 정책, 기존 입장과 반대 방향으로 전환
  • 이전에는 고객 데이터를 AI 서비스 학습이나 개선에 사용하지 않는다고 밝혔음
• 변화 배경으로 제시된 산업 흐름
  • SaaS 공급업체들이 내부 사용 신호와 콘텐츠를 수집해 모델 부트스트랩, 미세조정, 평가에 활용
  • 동시에 비식별화와 집계 기반 분석 약속 병행
• Atlassian이 언급한 실질적 이점
  • 검색 관련성 향상
  • 더 나은 요약
  • 템플릿 제안
  • 에이전트형 워크플로 최적화
• 현업 실무자 관점의 영향
  • 업무용 도구에 쓰이는 모델의 데이터 출처 변화
  • 가격대별 데이터 통제 수준과 컴플라이언스·조달 판단 기준 변화

위험과 트레이드오프

• 비Enterprise 고객의 의무적 메타데이터 수집, 식별자 제거 여부와 별개로 프라이버시와 거버넌스 우려 유발
  • 스토리 포인트와 SLA 지표 같은 텔레메트리가 프로젝트 구조와 성과 패턴을 드러낼 수 있음
• 비식별화 데이터의 7년 보관, 시간 경과에 따른 노출 면 확대
  • 장기 데이터 보관 감사를 요구하는 고객에게 추가 부담 발생
• 고보안 고객과 customer-managed keys 사용 고객을 위한 제외 경로 존재
  • 다만 더 비싼 요금제 또는 특수 배포 형태로 이전 필요

주목할 부분

• 조직별로 Atlassian 테넌트 점검 필요
  • 테넌트별 가장 높은 활성 요금제 확인 필요
  • 기본 데이터 기여 설정 파악 필요
• 롤아웃 기간 중 관리 설정 업데이트 필요
• 완전한 옵트아웃이 필요하면 Enterprise 또는 격리형 배포 이전 검토 필요
• 제품 측면의 관전 포인트
  • Atlassian이 90일 재학습 절차를 실제로 어떻게 운영하는지 확인 필요
  • Rovo에 사용되는 다운스트림 LLM 공급업체가 입력값을 보관하지 않는다고 주장하는지 확인 필요
• 이 패턴이 엔터프라이즈 SaaS 전반으로 확산될 경우 고객 반발과 규제 감시 가능성 언급

평가 근거

• 이번 변화, 수천 개 엔터프라이즈 사용자와 데이터 거버넌스 및 모델 출처 관리를 맡는 실무자에게 실질적 영향 발생
• 최첨단 모델이나 규제 이정표로 규정되지는 않음
• 팀의 데이터 파이프라인과 컴플라이언스 선택지를 실질적으로 바꾸는 제품 정책 변화로 평가됨