Rovo Skills: l’AI può imparare come lavora un’organizzazione?
Come Atlassian Rovo sta trasformando istruzioni, conoscenza e processi in capacità AI riutilizzabili.
L’Intelligenza Artificiale è diventata molto brava a rispondere alle nostre domande.
Può sintetizzare informazioni, generare contenuti, analizzare dati e supportarci nello svolgimento di attività sempre più articolate. Ma quando passiamo dalla singola richiesta al lavoro quotidiano emerge una questione diversa.
Un’AI può imparare non soltanto cosa deve fare, ma anche come un’organizzazione vuole che quel lavoro venga svolto?
È su questo terreno che si inseriscono le Rovo Skills, una delle evoluzioni più interessanti di Atlassian Rovo.
Le Skills permettono di trasformare istruzioni e modalità operative in capacità riutilizzabili, che Rovo può applicare quando deve svolgere una determinata attività. E con l’introduzione delle Custom Skills, annunciata da Atlassian a settembre 2026, questo principio si estende anche ai processi specifici di un team o di un’organizzazione.
Il passaggio è significativo: dall’AI che interpreta ogni volta una nuova richiesta all’AI che può utilizzare modalità di lavoro già definite.
SOMMARIO:
Gran parte del nostro rapporto con l’AI parte ancora da un prompt. Descriviamo ciò che vogliamo ottenere, forniamo alcune indicazioni e affidiamo al modello il compito di interpretarle. Più il prompt è preciso e più il contesto è completo, maggiori sono le possibilità di ottenere un risultato utile.
Ma cosa accade quando quella stessa attività deve essere ripetuta ogni settimana, da persone diverse e seguendo sempre determinati criteri?
Riscrivere ogni volta le istruzioni non è necessariamente il modo più efficace per integrare l’AI in un processo.
Le Rovo Skills nascono proprio per rendere riutilizzabili queste modalità operative.
Atlassian le definisce come capacità costruite attraverso istruzioni riutilizzabili che consentono a Rovo Chat e agli agenti di svolgere specifiche attività di lavoro.
Una Skill può indicare quali passaggi seguire, quali informazioni considerare e come strutturare il risultato. Può essere utilizzata, ad esempio, per creare work item, preparare uno status update o analizzare informazioni relative a un incident.
La differenza può sembrare sottile, ma cambia il modo in cui utilizziamo l’AI.
Il prompt esprime una richiesta. La Skill rende riutilizzabile un modo di affrontarla.
Perché la ripetibilità fa la differenza
In un’organizzazione, ottenere una buona risposta una volta non è sempre sufficiente.
Molte attività devono essere svolte con continuità, seguendo criteri condivisi e producendo risultati coerenti nel tempo.
Pensiamo a un aggiornamento settimanale sullo stato di un progetto. Le informazioni possono cambiare, ma la struttura rimane spesso simile: progressi, attività completate, eventuali criticità, rischi e prossimi passi. Se ogni persona deve ricostruire ogni volta queste istruzioni all’interno di un prompt, parte della conoscenza necessaria per svolgere bene l’attività rimane affidata al singolo.
Una Skill permette invece di rendere quella modalità di lavoro disponibile ogni volta che serve.
È qui che il concetto diventa interessante anche oltre la singola funzionalità.
L’AI non viene utilizzata soltanto per accelerare un’attività, ma per rendere più facilmente accessibile e ripetibile il modo in cui quell’attività viene svolta.
Rovo Chat consente già di richiamare le skills disponibili tramite comandi dedicati e, per alcune attività, direttamente attraverso il linguaggio naturale. Rovo può quindi individuare la capacità necessaria, recuperare le informazioni disponibili nel rispetto dei permessi dell’utente e utilizzarle per produrre un risultato strutturato.
Il passaggio è dalla generazione alla ripetibilità.
Skills, Tools e Agents: come lavorano insieme
Per comprendere il ruolo delle Skills è utile inserirle in un quadro più ampio: con Rovo, Atlassian distingue infatti tra Tools e Skills.
I Tools sono le singole azioni che un agente può eseguire: creare o aggiornare un work item in Jira, effettuare una ricerca, intervenire su una pagina Confluence o svolgere altre operazioni attraverso le applicazioni disponibili.
Le Skills definiscono invece come affrontare una determinata attività, attraverso istruzioni riutilizzabili che possono combinare più Tools e il reasoning dell’AI.
La distinzione è importante: un Tool permette all’AI di fare qualcosa, una Skill contribuisce a definire come farlo.
Un Agent può utilizzare entrambi per perseguire l’obiettivo per cui è stato configurato.
Atlassian sintetizza questa relazione in modo particolarmente efficace: l’agente orchestra, la Skill guida e i Tools eseguono. È il principio alla base di workflow AI progressivamente più articolati, nei quali l’AI non si limita a generare un output ma può utilizzare informazioni, seguire istruzioni ed eseguire le azioni necessarie per arrivare al risultato.
La documentazione Atlassian su Skills e Tools permette di approfondire come questi elementi lavorano insieme all’interno dei Rovo Agents.
Custom Skills: insegnare a Rovo come lavora un team
Ogni organizzazione ha un proprio modo di lavorare.
Esistono procedure, standard, terminologie e criteri che spesso non appartengono a un singolo strumento. Sono il risultato dell’esperienza del team e, in molti casi, fanno parte di quella conoscenza organizzativa che le persone applicano quasi automaticamente nel lavoro quotidiano.
Come deve essere strutturato un aggiornamento per il management? Quali informazioni devono comparire nella sintesi di uno sprint? Quali passaggi seguiamo quando dobbiamo classificare una determinata richiesta?
Con le Custom Skills, Atlassian introduce la possibilità di trasformare questo tipo di conoscenza in capacità utilizzabili da Rovo.
Il processo parte dal linguaggio naturale.
Nell’esempio presentato da Atlassian, un utente può chiedere a Rovo di creare una Skill che generi lo sprint summary a partire da una board. Rovo approfondisce quindi il processo attraverso alcune domande, per comprendere eccezioni, modalità operative e caratteristiche dell’output desiderato.
La Skill può successivamente essere creata, affinata e aggiornata attraverso Rovo Chat o Rovo Studio.
L’obiettivo non è quindi soltanto insegnare all’utente a formulare prompt migliori ma qullo di insegnare all’AI qualcosa sul modo in cui il team lavora.
Atlassian ha presentato le Custom Skills insieme alle nuove funzionalità di Rovo Chat, all’interno di un’evoluzione più ampia che punta a mantenere disponibili contesto e conoscenza mentre il lavoro passa tra persone, agenti e applicazioni.
Quando il contesto diventa parte del processo
Come abbiamo già visto parlando di AI applicata al Software Development Lifecycle, il contesto è uno degli elementi che determinano la qualità del supporto che l’AI può offrire. Nel caso delle Rovo Skills questo principio diventa centrale.
Un processo aziendale raramente vive all’interno di una singola applicazione: le informazioni necessarie per preparare un aggiornamento possono trovarsi in Jira, la documentazione in Confluence, altre informazioni possono arrivare da strumenti collegati e parte del contesto può derivare dalle decisioni prese dal team nel corso del progetto.
Per questo rendere riutilizzabili le istruzioni è soltanto una parte del problema. L’altra consiste nel permettere all’AI di utilizzare quelle istruzioni insieme al contesto necessario per applicarle correttamente.
In questo scenario Skills, Agents e l’ecosistema Rovo iniziano a convergere: conoscenza, istruzioni e capacità di azione possono essere utilizzate all’interno dello stesso workflow.
Non significa semplicemente avere più informazioni a disposizione. Significa poterle utilizzare nel momento in cui servono per portare avanti il lavoro.
Quali processi trasformare in una Skill?
L’arrivo delle Custom Skills apre quindi una domanda interessante per le organizzazioni: “quali attività vale la pena trasformare in una Skill?”
Non necessariamente tutte.
Un buon punto di partenza può essere osservare le attività che vengono ripetute frequentemente e che richiedono ogni volta passaggi simili, criteri condivisi o informazioni distribuite tra più fonti.
Preparare uno status report. Creare le release notes. Strutturare le informazioni raccolte dopo un incident. Trasformare gli elementi emersi durante una riunione in attività operative. Sintetizzare uno sprint secondo un formato condiviso, sono esempi diversi, ma hanno qualcosa in comune: esiste un modo riconoscibile di svolgere quell’attività.
Ed è proprio quel modo di lavorare che può diventare interessante codificare.
La domanda da porre non è quindi soltanto: “dove possiamo utilizzare l’AI?”, ma: “quali parti del nostro modo di lavorare possiamo rendere comprensibili e riutilizzabili dall’AI?”
È una differenza importante, perché sposta l’attenzione dalla tecnologia al processo.
Dall’AI che risponde all’AI che lavora nei processi
Le Rovo Skills rappresentano un passaggio interessante nell’evoluzione dell’AI all’interno dell’ecosistema Atlassian.
Il punto non è semplicemente aggiungere nuove capacità a Rovo, ma creare un collegamento più stretto tra ciò che l’organizzazione sa, il modo in cui lavora e le azioni che l’AI può contribuire a svolgere.
Le Custom Skills rendono questo passaggio ancora più evidente: procedure e modalità operative possono progressivamente diventare parte delle capacità disponibili all’AI, invece di dover essere ricostruite ogni volta all’interno di un prompt.
Per le organizzazioni significa iniziare a guardare all’adozione dell’AI con una prospettiva diversa.
Non soltanto individuare le attività che possono essere accelerate, ma comprendere quali processi possono diventare più accessibili, coerenti e ripetibili attraverso l’AI.
Perché il passo successivo non è soltanto avere un’AI che conosce più informazioni, ma un’AI che può utilizzare quelle informazioni comprendendo sempre meglio come il lavoro deve essere svolto.
È in questa direzione che si muove Atlassian Rovo, portando AI, conoscenza e contesto sempre più vicino al lavoro quotidiano dei team.
