El nuevo Rovo Chat: más contexto, mejores respuestas y menos fricción entre herramientas

Rovo Chat se ha convertido en una de las apuestas más ambiciosas de Atlassian para unificar el acceso al conocimiento empresarial. Ahora, con la incorporación de Long Horizon, un nuevo motor de razonamiento que sustituye la anterior arquitectura basada en múltiples agentes, Rovo Chat es capaz de mantener el contexto durante tareas complejas y ofrecer respuestas más completas y coherentes.

En un entorno donde la información vive repartida entre Jira, Confluence, Slack y otras herramientas, esta evolución busca reducir la fricción entre aplicaciones y facilitar el acceso al conocimiento corporativo. Según Atlassian, Long Horizon permite que Rovo Chat analice una solicitud, consulte distintas herramientas, evalúe resultados y continúe investigando hasta reunir toda la información necesaria para responder, todo ello sin perder el contexto durante el proceso.

¿Qué es Rovo Chat?

Rovo Chat es el asistente de inteligencia artificial de Atlassian diseñado para ayudar a los usuarios a interactuar con la información de la organización mediante lenguaje natural. Integrado en el entorno de trabajo de Atlassian, puede acceder a datos procedentes de Jira, Confluence, Slack y otras aplicaciones conectadas para ofrecer respuestas más relevantes y contextualizadas.

Su objetivo es simplificar el acceso al conocimiento corporativo y reducir el tiempo que los empleados dedican a buscar información dispersa entre distintas plataformas. En lugar de navegar entre aplicaciones para recopilar datos, los usuarios pueden formular preguntas directamente a Rovo Chat y obtener respuestas construidas a partir de múltiples fuentes.

Esta visión responde a una necesidad cada vez más presente en las empresas: disponer de una forma sencilla de acceder al conocimiento colectivo de la organización sin importar dónde se encuentre almacenado.

El problema de la información dispersa

A medida que las organizaciones crecen, también lo hacen sus herramientas y repositorios de información. Equipos de desarrollo, producto, operaciones, marketing o recursos humanos generan continuamente contenido que termina distribuido entre distintas plataformas.

La documentación suele encontrarse en Confluence, los proyectos e incidencias en Jira, las conversaciones en Slack y gran parte de la información relevante en aplicaciones especializadas. Esta fragmentación dificulta el acceso al conocimiento y obliga a los empleados a invertir más tiempo del necesario buscando contexto para poder avanzar en su trabajo.

Cuando el conocimiento está repartido entre distintos sistemas, incluso las preguntas más sencillas pueden requerir consultar varias herramientas antes de encontrar una respuesta fiable. Rovo Chat nace precisamente para reducir esta fricción y facilitar que la información adecuada llegue a la persona adecuada en el momento oportuno.

Cómo funciona Rovo Chat

La propuesta de valor de Rovo Chat se apoya en el Teamwork Graph de Atlassian, una capa que conecta personas, proyectos, contenidos, herramientas y actividades dentro de la organización. Gracias a esta red de relaciones, el asistente puede comprender mejor cómo se conecta la información y ofrecer respuestas más completas.

En el día a día, Rovo Chat puede ayudar a encontrar documentación en Confluence, consultar incidencias en Jira, recuperar el contexto de conversaciones en Slack, resumir información procedente de distintas fuentes o automatizar determinadas acciones entre herramientas. Todo ello desde una única interfaz conversacional que reduce la necesidad de cambiar constantemente de aplicación.

Esta integración convierte a Rovo Chat en una puerta de acceso unificada al conocimiento corporativo, algo especialmente valioso para organizaciones que trabajan con múltiples equipos, proyectos y herramientas digitales.

Long Horizon: el gran salto de Rovo Chat

Hasta ahora, Rovo Chat utilizaba una arquitectura basada en múltiples agentes especializados. Cada uno estaba optimizado para trabajar con una herramienta concreta y colaboraba con el resto para responder a las consultas de los usuarios. Aunque esta arquitectura funcionaba correctamente en muchos escenarios, podía generar limitaciones cuando una solicitud implicaba información procedente de varios sistemas.

Para superar este reto, Atlassian ha desarrollado Long Horizon, un nuevo motor de razonamiento que cambia la forma en que Rovo Chat procesa las solicitudes complejas.

La principal diferencia es que ahora un único modelo mantiene el contexto completo durante todo el proceso. En lugar de transferir el trabajo entre distintos agentes, el sistema conserva una visión global de la tarea mientras consulta herramientas, analiza resultados y busca nueva información.

Qué ha cambiado realmente en Rovo Chat

La principal novedad de Long Horizon no está en la interfaz ni en la experiencia de uso, sino en la manera en que Rovo Chat procesa y resuelve las consultas.

Las primeras versiones de Rovo Chat estaban basadas en un sistema de agentes especializados. Cuando una consulta requería información de Jira, Confluence o Slack, diferentes agentes intervenían para completar la tarea. Aunque este modelo resultaba eficaz en muchos escenarios, también generaba limitaciones cuando era necesario combinar información procedente de varias fuentes, ya que parte del contexto podía perderse durante el proceso.

Con Long Horizon, Atlassian sustituye esta arquitectura por un único motor de razonamiento que mantiene el contexto completo de la conversación y de todas las interacciones con las herramientas conectadas. En lugar de transferir una solicitud entre distintos agentes, el sistema trabaja sobre un ciclo continuo en el que analiza la petición, consulta herramientas, evalúa resultados, reflexiona sobre la información obtenida y decide cuál debe ser el siguiente paso.

Según explica Atlassian, este proceso puede repetirse hasta 150 veces cuando una consulta lo requiere, aunque la mayoría de las solicitudes se resuelven en unas pocas iteraciones. Lo importante es que cada paso se realiza conservando todo el contexto acumulado hasta ese momento, algo que permite obtener respuestas más completas y coherentes.

Este cambio permite que Rovo Chat afronte tareas que antes eran más difíciles de ejecutar de forma consistente, especialmente aquellas que implican combinar información de varias plataformas, analizar documentación extensa o realizar acciones encadenadas entre diferentes herramientas.

Diseñado para resolver tareas complejas

No todas las consultas requieren el mismo nivel de análisis. Algunas preguntas pueden resolverse rápidamente con una única búsqueda, mientras que otras exigen recopilar información procedente de diferentes herramientas y relacionarla correctamente.

Long Horizon ajusta el esfuerzo de razonamiento en función de la complejidad de cada solicitud. Para preguntas sencillas, Rovo Chat responde rápidamente. Cuando la tarea requiere investigar, comparar información o conectar datos de distintos sistemas, profundiza en el análisis antes de generar una respuesta.

Esta evolución resulta especialmente interesante en entornos empresariales, donde una respuesta incompleta puede generar más dudas que soluciones. En muchos casos, los usuarios prefieren esperar unos segundos más si eso les permite obtener información más precisa y contextualizada. Atlassian reconoce que las consultas complejas pueden tardar algo más en completarse, pero también señala que los usuarios valoran más la calidad y la fiabilidad del resultado final.

Más transparencia para generar confianza

La confianza sigue siendo uno de los factores más importantes en la adopción de la inteligencia artificial dentro de las organizaciones.

Por este motivo, Atlassian ha incorporado en Rovo Chat trazas visibles de razonamiento que permiten seguir parte del proceso que realiza la herramienta mientras recopila información y avanza hacia una respuesta.

Esta mayor visibilidad ayuda a generar confianza, facilita la validación de los resultados y permite comprender mejor cómo trabaja la inteligencia artificial. Además, reduce la sensación de espera durante las consultas más complejas y favorece una adopción más natural por parte de los equipos.

Casos de uso de Rovo Chat en las organizaciones

La evolución de Rovo Chat abre la puerta a numerosos escenarios de aplicación dentro de las empresas.

Gestión del conocimiento corporativo

Los empleados pueden localizar rápidamente información repartida entre documentación, proyectos, incidencias y conversaciones sin necesidad de dedicar tiempo a búsquedas manuales. Esto ayuda a reducir interrupciones y acelera el acceso al contexto necesario para trabajar.

Automatización de procesos

Rovo Chat puede crear una incidencia en Jira a partir de una conversación mantenida en Slack, actualizar una página de Confluence utilizando información procedente de varias fuentes o ejecutar flujos de trabajo que conectan diferentes aplicaciones. Atlassian destaca que Long Horizon mejora especialmente este tipo de tareas encadenadas entre herramientas.

Elaboración de informes

La herramienta puede recopilar datos repartidos entre distintos sistemas para generar resúmenes, informes periódicos o actualizaciones semanales basadas en información actualizada de los proyectos.

Investigación y resolución de incidencias

Cuando se produce un problema complejo, Rovo Chat puede recopilar contexto de múltiples fuentes, analizar información relacionada y ayudar a los equipos a comprender más rápidamente qué ha ocurrido y qué acciones deben tomarse.

Los resultados detrás de esta evolución

El impacto de Long Horizon no responde únicamente a un cambio arquitectónico. Según Atlassian, esta nueva generación de Rovo Chat ha mejorado significativamente la calidad de las respuestas en pruebas internas y evaluaciones realizadas sobre escenarios reales de trabajo.

La compañía destaca:

• Un incremento del 8,5 % en la calidad de las respuestas.
• Una mejora del 23 % en tareas relacionadas con Confluence.
• Una reducción del 37 % en la percepción de latencia gracias a la visualización del razonamiento en tiempo real.

Especialmente relevante es la mejora observada en Confluence, donde Rovo Chat obtiene mejores resultados al localizar información, interpretar documentación, crear contenido y relacionar datos procedentes de distintas fuentes. Atlassian atribuye parte de esta mejora a que Long Horizon mantiene una visión continua de la tarea durante todo el proceso de razonamiento.

El futuro del trabajo pasa por el contexto

La evolución de Rovo Chat muestra hacia dónde se dirige la inteligencia artificial en el entorno empresarial. Los asistentes inteligentes están dejando de ser simples buscadores de información para convertirse en herramientas que ayudan a coordinar trabajo, conectar conocimiento y ejecutar tareas de principio a fin.

A medida que las organizaciones continúen integrando aplicaciones, plataformas y fuentes de datos, herramientas como Rovo Chat tendrán un papel cada vez más relevante para eliminar silos de información y facilitar la colaboración entre equipos. Además, la incorporación de nuevos modelos de IA, la mejora de los conectores con Jira, Confluence y Slack, y la integración con herramientas de terceros a través de MCP amplían todavía más el alcance de esta propuesta.

La estrategia de Atlassian apunta precisamente en esa dirección: una IA que entienda mejor el entorno de trabajo, conecte información procedente de múltiples sistemas y ayude a los profesionales a centrarse en actividades de mayor valor. En ese escenario, Rovo Chat se posiciona como una de las soluciones más prometedoras para las empresas que buscan aprovechar la inteligencia artificial no solo para responder preguntas, sino también para ayudar a que el trabajo fluya de forma más eficiente.