Je wijst een ticket in Jira toe aan Claude, en een paar minuten later staat er een concept-pull request klaar. Dat is sinds 18 juni de kern van Claude Agent for Jira, een integratie die Atlassian en Anthropic samen uitbrachten op de Atlassian Marketplace. Maar het opvallendste cijfer staat niet in de demo. Negen op de tien ontwikkelteams gebruikt AI bij het coderen, en toch blijft de productiviteitswinst steken op tien tot vijftien procent. Precies dat gat wil deze release dichten: geen AI die meetypt terwijl jij codeert, maar een die een heel werkitem oppakt en het werk inlevert als voorstel.
Wat doet Claude Agent for Jira precies?
Claude Agent for Jira laat je een werkitem in Jira rechtstreeks aan Claude toewijzen, waarna de AI de code schrijft en een concept-pull request opent. De integratie draait op Anthropics infrastructuur voor zogeheten managed agents en is nu algemeen beschikbaar via de Atlassian Marketplace.
Je hebt er een Jira Cloud-abonnement voor nodig (Standard, Premium of Enterprise) met Rovo ingeschakeld. Toewijzen kan op drie manieren: noem Claude in een comment, kies hem in het assignee-menu, of laat een automatiseringsregel het ticket doorzetten. De rest gebeurt op de achtergrond.
Hoe gaat een ticket van backlog naar pull request?
Zodra je het ticket toewijst, start Claude een afgeschermde sessie, kloont je repository en leest de codebase voordat er een regel verandert. Het werk gebeurt in een sandbox binnen Anthropics geïsoleerde omgeving, niet op je eigen servers. Claude past de code aan op een aparte branch en opent het resultaat als concept-pull request.
Vooraf koppel je de GitHub-repository waarin de agent mag werken. Claude analyseert eerst de bestaande code en stijl en past zich daaraan aan, zodat de pull request lijkt op hoe jullie normaal werken en niet op een vreemd stuk losse code. De afgeschermde omgeving betekent ook dat de agent niet zomaar bij je productie of je geheimen kan.
Even voor de beeldvorming: dit is alsof je een nieuwe stagiair een taak geeft. Hij werkt op een eigen kopie, levert het werk in als voorstel, en jij tekent pas af na controle. De voortgang verschijnt live op het kaartje, dus je ziet de agent als het ware hardop meedenken terwijl hij bezig is.
Belangrijk detail: Claude stopt bij een concept. Hij merget niets zelf. De menselijke review blijft de laatste stap, en dat is bewust zo ontworpen.
Waarom is dit meer dan weer een AI-knop?
Het verschil zit in wie het werk afmaakt, niet in wie meedenkt. Atlassian verwijst in de aankondiging naar een longitudinaal onderzoek onder 400 engineering-organisaties: de AI-adoptie voor codeertaken bereikte negentig procent, maar de productiviteitswinst bleef hangen op tien tot vijftien procent.
Dat patroon is herkenbaar. In veel organisaties staat AI naast de werkprocessen in plaats van erin. Iedereen heeft een chatvenster open, maar het werk zelf, het ticket, de branch, de review, verloopt nog precies zoals vroeger. De winst lekt weg in het schakelen tussen schermen.
Door de agent ín Jira te zetten, op de plek waar het werk al wordt bijgehouden, probeert Atlassian die sprong van experiment naar echte impact te maken. Of dat lukt, hangt minder van de techniek af dan van de discipline eromheen. Want AI schrijft veel code. Lang niet alles klopt.
Uit cijfers van Anthropic zelf blijkt dat ongeveer een derde (34 procent) van de code-sessies van software-engineers volledig en geverifieerd slaagt. Dat onderstreept waarom de concept-pull request slim is gekozen: niet de code is het eindproduct, maar het voorstel dat een mens nog nakijkt.
Waarom stokt die winst dan? Het schrijven van code was zelden de echte bottleneck. Die zit in het begrijpen van het ticket, het nakijken en het inpassen in een bestaande codebase. Een agent die meetypt versnelt het makkelijke deel en laat het lastige deel staan. Anthropic ziet ondertussen wel een verschuiving: het aandeel Claude-sessies dat draait om software beheren en onderhouden groeide dit jaar van 14 naar 21 procent. Het werk schuift langzaam van losse hulpvragen naar hele taken.
Wat kost het voor een Nederlands team?
Je betaalt op twee plekken: je Jira- en Rovo-abonnement, en het rekenwerk van de agent. Core Rovo zit inbegrepen in betaalde Jira Cloud-abonnementen, met 25, 70 of 150 Rovo-credits per gebruiker per maand op respectievelijk Standard, Premium en Enterprise.
Voor het zwaardere developer-werk is er Rovo Dev, dat 20 dollar per developer per maand kost, omgerekend ongeveer 18 euro, met 2.000 aparte credits per maand. Verbruik je meer, dan rekent Atlassian 0,01 dollar per extra credit. Gebruik je de lokale route via je eigen coding-tool, dan betaal je het modelverbruik via je eigen Claude-abonnement of API-sleutel.
Reken het even door voor een team van vijf developers. Dan zit je op zo'n 90 euro per maand aan Rovo Dev, plus de extra credits en het eigen modelverbruik dat je teams erbovenop stoken. Dat tweede laagje is moeilijker te voorspellen, want het hangt af van hoeveel tickets je echt door de agent laat draaien.
Dat tweede laagje is precies waar een budget uit de hand kan lopen, dus reken het door voordat je het hele team aanzet. Voor de meeste Nederlandse teams is de instap laag: Jira en Rovo staan vaak al klaar. De grotere vraag is of je er ook echt iets mee gaat doen, want de AI-adoptie in het Nederlandse mkb loopt nog flink achter. Volgens het CBS gebruikt 13,8 procent van de Nederlandse microbedrijven met 2 tot 9 werknemers AI.
Open je ticket ook direct in Claude Code of Cursor
Naast de agent in Jira kun je sinds 16 juni elk werkitem in één klik openen in je eigen coding-tool. In het Development-paneel van een ticket kies je "Open in coding tool" en daarna je voorkeur: Claude Code, Cursor, GitHub Copilot, OpenAI Codex, VS Code of de Rovo Dev CLI.
De feature draait op de Atlassian MCP, het Model Context Protocol dat de context tussen tools doorgeeft. De samenvatting en beschrijving van het ticket gaan automatisch mee. Bij desktop-apps zoals Cursor en Copilot opent de tool meteen met de context geladen; bij terminal-agents zoals Claude Code krijg je een venster met de complete prompt om in één keer te kopiëren.
Het scheelt het bekende kopieer-en-plak-ritueel waarmee elke ticket-naar-code-sessie nu begint. Dat klinkt klein, maar het is het soort wrijving dat de hele dag tijd opslokt.
Hoe verhoudt dit zich tot Cursor en Copilot?
Claude is niet de eerste coding-agent die in Jira landt, maar wel de eerste die je een heel ticket laat overnemen vanuit Jira zelf. De Jira-koppeling van Cursor die we in mei bespraken opende vooral de brug tussen ticket en editor. De nieuwe deep-linking trekt die brug breder, naar zes tools tegelijk.
Het echte onderscheid loopt tussen twee werkwijzen: de agent die in de cloud van Atlassian draait en zelf een pull request inlevert, en de lokale agent die je op je eigen machine aanstuurt. Wie wat doet, zet je het beste naast elkaar.
| Punt | Claude Agent for Jira | Lokale agent via deep-link |
|---|---|---|
| Waar het werk gebeurt | In de sandbox van Atlassian | Op je eigen machine |
| Hoe je start | Ticket toewijzen aan Claude | Knop "Open in coding tool" |
| Wat je terugkrijgt | Concept-pull request | Tool opent met context geladen |
| Wie betaalt het rekenwerk | Je Rovo-plan | Je eigen Claude- of AI-abonnement |
| Beste voor | Routineuze, goed omschreven tickets | Complex werk waar je zelf stuurt |
Overigens sluiten de twee elkaar niet uit. Je kunt een simpel ticket aan de agent geven en tegelijk een ingewikkelder kaartje in Cursor openen. Het is dezelfde knoppenkast, met twee snelheden.
Wanneer kun je Claude beter niet je ticket geven?
Claude levert een concept, geen kant-en-klare merge, en bij sommige tickets is dat concept weinig waard. Een vaag ticket levert een vage pull request. De agent leest de samenvatting, de beschrijving en de acceptatiecriteria, dus zonder scherpe omschrijving raadt hij wat je bedoelt.
Werk dat een architectuurkeuze vraagt, of een wijziging die de beveiliging raakt, hoort niet onbewaakt bij een agent. De sandbox raakt je productie niet, maar een plausibel ogende pull request die de verkeerde aanname maakt, kost je alsnog reviewtijd. Daar helpt het om je pull requests stevig te laten nakijken voordat je merget.
Geef de agent ook geen ticket dat leunt op kennis die nergens staat opgeschreven. Wat niet in Jira of de gekoppelde Confluence staat, kan hij niet meenemen, en dan vult hij de gaten met aannames. Dat is precies waar een mooi ogende oplossing stilletjes de plank misslaat.
De teams die hier het meest uithalen, zijn de teams die hun tickets al netjes schrijven. Wie zijn backlog vol losse kreten heeft staan, verschuift het probleem alleen maar naar de review. De winst komt dan vooral uit hoe scherp je je tickets schrijft, niet uit de agent zelf.
Wat kun je hier maandag mee?
Pak één klein, goed omschreven ticket uit je backlog en wijs het toe aan Claude om te zien wat er terugkomt. Kies bewust iets met lage inzet: een bugfix, een opschoonklus, een routinematige aanpassing met heldere acceptatiecriteria.
Controleer daarna of Rovo aanstaat op je Jira Cloud-abonnement, en behandel de concept-pull request zoals die van elke junior: lezen, testen, vragen stellen, pas dan mergen. Claude dook eerder al op als teamgenoot in Slack, en het patroon is hetzelfde: de AI doet het voorwerk, jij houdt de eindverantwoordelijkheid.
Wil je dit soort releases sneller op je radar? Schrijf je in voor onze dagelijkse AI-nieuwsbrief, dan zie je elke ochtend wat er praktisch verandert. De volledige aankondiging staat bij Atlassian en in de Jira-launchnotes, en meer over de agent-aanpak lees je bij Anthropic.
