Why Xometry moved to Atlassian to power a software delivery lifecycle where people and AI agents work side by side

Atlassian 套件是我们人工智能驱动式软件开发生命周期的纽带。它为人类人员和支持人员提供了相同的结构化上下文,以便了解正在进行什么工作、它为何非常重要以及如何推进它。

Jeff Arbor

技术运营与人工智能转型总监, Xometry

关键成果
约 35%
预计 1 年内周期时间的跌幅
约 50%
通过迁移到 Jira 节省的许可证成本
500+
全球工程师在同一平台上建立联系
Xometry logo - black

关于 Xometry

Xometry 的人工智能支持的 Marketplace、热门的 Thomasnet® 工业采购平台以及一系列基于云的服务正在迅速实现制造业的数字化。Xometry 可为制造商提供发展业务所需的关键资源,并通过实时定价和提前期数据为买方简化采购流程。

行业
生产制造
位置
Global

Xometry 是一个用于连接客户制造的买家与供应商的全球人工智能原生市场;而此此处,每个订单都是独一无二的,因而会创建跨越业务、产品、工程和运营的复杂工作流。该公司在 Jira 上运行,以为其团队实现自身目标所需的结构、控制措施和问责制提供支持。

随着 Xometry 利用人工智能对其软件开发生命周期 (SDLC) 进行现代化改造,团队意识到需要一个结构化的事实来源,以便将整个流程中的工作连接起来。

如今,Atlassian 可为其团队和支持人员提供从季度规划到部署的相同结构化上下文。这种清晰的运营协同可让工作在管道中顺利推进,并减少延迟和返工。

支持 AI 的新软件开发生命周期需要全新的解决方案

随着 Xometry 的发展成熟以及开始构建由人工智能驱动的 SDLC,团队需要企业级的结构、控制措施和可靠的事实来源:不仅为了员工,也是为了现在与员工协同完成部分工作的人工智能工具。

  • 随着公司规模的扩大,团队需要就如何组织工作达成一致。每个团队都有不同的优先事项和结构,并且将日常工作与公司目标联系起来需要耗费过多的人工精力。

  • 审批流和合规控制措施并未在同一个工具中进行管理,从而需要借助手动工作,并且存在出错的可能性。

  • 业务领导者需要了解技术所带来的成果。

  • 不同地区的团队使用不同的工具,但它们希望能在同一系统中开展协作或共享上下文。

  • 电子表格无法支持人工智能原生工作流

Xometry 如何将业务优先事项与日常工程工作联系起来

Xometry 迁移到 Jira 之后,还将其与自身的运营模式保持一致,从而将企业业务优先事项与实际执行层面的真实情况联系起来。该公司围绕 12 名单线程领导者 (STO) 组织工作:这些高级领导者各自负责一个业务领域。每位 STO 在季度规划期间均会承诺完成各项举措,然后在 Jira 中将每项举措分解为若干可交付成果、任务和子任务。公司级别的优先事项可以一直追溯到工程师或支持人员正在处理的具体工作单。

Xometry’s work hierarchy in Jira

Xometry 在 Jira 中的工作层级

Xometry 如何将业务优先事项与日常工程工作联系起来

此结构为 Xometry 提供了一种用于优先级排序和责任划分的共同语言。团队中的任何人,或与其协同工作的任何人工智能工具,均可查看 Jira 并立即了解当前进展、开展该工作的原因,以及负责人是谁。

Atlassian 为我们的团队提供了一种共同的运营方式,同时依然赋予它们自由,让它们能够专注于对自己最重要的工作。

Jeff Arbor

技术运营与人工智能转型总监

打造更好的工作流,以便强制执行最佳实践并加速交付

迁回 Jira 为 Xometry 提供了其他竞争对手无法支持的企业级工作流。

  • 工作流现在不再呈现通用状态,而是代表该公司真实的软件生命周期阶段:规划、发现、交付、发布和评估。

  • 审批流、合规控制措施,以及代码提交与触发这些提交的工作项之间的直接链接,都已直接内置于此流程中。

  • 团队在 Jira 中跟踪可交付成果、责权归属和进度,从而可确保不遗漏任何内容。另外,此举也让开展协作、创建报告以及进行有针对性的绩效改进变得更加容易。

所有这些进步均可促成更快、更优质的交付。事实上,Xometry 有望在第一年内就将多交付成果项目的周期时间缩短约 35%。

以前,我们大约需要 45 天才能完成一项计划。现在,我们有望在年底前将这一时间缩短至 30 天。

Jeff Arbor

技术运营与人工智能转型总监

嵌入支持人员,以便在合适的时间以正确的方式提供帮助

为团队提供结构的工作流阶段,同样也为支持人员提供了一个自然介入点。由于每次转换都代表 Xometry 软件构建过程中的一个真实时刻,因此它已成为 Rovo 支持人员协助、评估或自动执行工作的一个节点,而这些工作会基于 Xometry 自身的职能最佳实践,而不是通用的指令。

人工智能不再像典型的人工智能工具那样游离于流程之外,Rovo 和第三方支持人员将成为工作流中相互协作的团队成员:在正确的阶段、以正确的上下文、在正确的时刻被触发。Xometry 已在大多数拉取请求中使用 Claude 和 Cursor 等人工智能代码助手。其下一步是将智能体嵌入到 SDLC 的其余部分。眼下,团队正从代码审查支持人员开始,努力实现自主审批、自动化遥测,并最终实现整个 SDLC 的全闭环自动化。

人工智能原生工作需要一个稳固的结构,以及针对流程中每个环节的事实来源。Atlassian 为我们提供了这种规范化的结构,同时又具备足够的灵活性,能有效适配我们组织的工作方式。

Jeff Arbor

技术运营与人工智能转型总监

能让团队和支持人员信赖的单一事实来源

全面采用 Atlassian 是摆脱电子表格和单点解决方案的一次转变。Xometry 需要一个具备可追溯性和变更管理的结构化单一事实来源,尤其是在设计人工智能工作流时。

对于人工智能:

Xometry 正在使用 Atlassian 的 Teamwork Graph(它可绘制整个平台上人员、工作和知识之间的关系),以让人工智能立足于组织的实际运作方式。如此一来,人工智能就能帮助公司的团队利用真实、结构化的上下文做出决策,而不是根据零散的信息片段进行猜测。

对于团队:

Atlassian 现在已是 Xometry 用于完成技术与产品工作的事实来源。它会记录每个可交付成果背后的工作、责权归属、依赖关系、生命周期阶段和审批事项。

其目标是让从用户研究笔记到生产部署的每一个工件都能与其前置内容相关联,以便下一个人员或支持人员掌握继续推进工作所需的上下文。

借助 Atlassian,我们的可交付成果与工作单的质量都在不断提高,因为它能提供更多上下文,并为人工智能提供更好的输入,从而有助于产生更好的输出。

Dewey Jose

高级首席软件工程师

Xometry 是一个用于连接客户制造的买家与供应商的全球人工智能原生市场;而此此处,每个订单都是独一无二的,因而会创建跨越业务、产品、工程和运营的复杂工作流。该公司在 Jira 上运行,以为其团队实现自身目标所需的结构、控制措施和问责制提供支持。

随着 Xometry 利用人工智能对其软件开发生命周期 (SDLC) 进行现代化改造,团队意识到需要一个结构化的事实来源,以便将整个流程中的工作连接起来。

如今,Atlassian 可为其团队和支持人员提供从季度规划到部署的相同结构化上下文。这种清晰的运营协同可让工作在管道中顺利推进,并减少延迟和返工。

支持 AI 的新软件开发生命周期需要全新的解决方案

随着 Xometry 的发展成熟以及开始构建由人工智能驱动的 SDLC,团队需要企业级的结构、控制措施和可靠的事实来源:不仅为了员工,也是为了现在与员工协同完成部分工作的人工智能工具。

  • 随着公司规模的扩大,团队需要就如何组织工作达成一致。每个团队都有不同的优先事项和结构,并且将日常工作与公司目标联系起来需要耗费过多的人工精力。

  • 审批流和合规控制措施并未在同一个工具中进行管理,从而需要借助手动工作,并且存在出错的可能性。

  • 业务领导者需要了解技术所带来的成果。

  • 不同地区的团队使用不同的工具,但它们希望能在同一系统中开展协作或共享上下文。

  • 电子表格无法支持人工智能原生工作流

Xometry 如何将业务优先事项与日常工程工作联系起来

Xometry 迁移到 Jira 之后,还将其与自身的运营模式保持一致,从而将企业业务优先事项与实际执行层面的真实情况联系起来。该公司围绕 12 名单线程领导者 (STO) 组织工作:这些高级领导者各自负责一个业务领域。每位 STO 在季度规划期间均会承诺完成各项举措,然后在 Jira 中将每项举措分解为若干可交付成果、任务和子任务。公司级别的优先事项可以一直追溯到工程师或支持人员正在处理的具体工作单。

Xometry’s work hierarchy in Jira

Xometry 在 Jira 中的工作层级

Xometry 如何将业务优先事项与日常工程工作联系起来

此结构为 Xometry 提供了一种用于优先级排序和责任划分的共同语言。团队中的任何人,或与其协同工作的任何人工智能工具,均可查看 Jira 并立即了解当前进展、开展该工作的原因,以及负责人是谁。

Atlassian 为我们的团队提供了一种共同的运营方式,同时依然赋予它们自由,让它们能够专注于对自己最重要的工作。

Jeff Arbor

技术运营与人工智能转型总监

打造更好的工作流,以便强制执行最佳实践并加速交付

迁回 Jira 为 Xometry 提供了其他竞争对手无法支持的企业级工作流。

  • 工作流现在不再呈现通用状态,而是代表该公司真实的软件生命周期阶段:规划、发现、交付、发布和评估。

  • 审批流、合规控制措施,以及代码提交与触发这些提交的工作项之间的直接链接,都已直接内置于此流程中。

  • 团队在 Jira 中跟踪可交付成果、责权归属和进度,从而可确保不遗漏任何内容。另外,此举也让开展协作、创建报告以及进行有针对性的绩效改进变得更加容易。

所有这些进步均可促成更快、更优质的交付。事实上,Xometry 有望在第一年内就将多交付成果项目的周期时间缩短约 35%。

以前,我们大约需要 45 天才能完成一项计划。现在,我们有望在年底前将这一时间缩短至 30 天。

Jeff Arbor

技术运营与人工智能转型总监

嵌入支持人员,以便在合适的时间以正确的方式提供帮助

为团队提供结构的工作流阶段,同样也为支持人员提供了一个自然介入点。由于每次转换都代表 Xometry 软件构建过程中的一个真实时刻,因此它已成为 Rovo 支持人员协助、评估或自动执行工作的一个节点,而这些工作会基于 Xometry 自身的职能最佳实践,而不是通用的指令。

人工智能不再像典型的人工智能工具那样游离于流程之外,Rovo 和第三方支持人员将成为工作流中相互协作的团队成员:在正确的阶段、以正确的上下文、在正确的时刻被触发。Xometry 已在大多数拉取请求中使用 Claude 和 Cursor 等人工智能代码助手。其下一步是将智能体嵌入到 SDLC 的其余部分。眼下,团队正从代码审查支持人员开始,努力实现自主审批、自动化遥测,并最终实现整个 SDLC 的全闭环自动化。

人工智能原生工作需要一个稳固的结构,以及针对流程中每个环节的事实来源。Atlassian 为我们提供了这种规范化的结构,同时又具备足够的灵活性,能有效适配我们组织的工作方式。

Jeff Arbor

技术运营与人工智能转型总监

能让团队和支持人员信赖的单一事实来源

全面采用 Atlassian 是摆脱电子表格和单点解决方案的一次转变。Xometry 需要一个具备可追溯性和变更管理的结构化单一事实来源,尤其是在设计人工智能工作流时。

对于人工智能:

Xometry 正在使用 Atlassian 的 Teamwork Graph(它可绘制整个平台上人员、工作和知识之间的关系),以让人工智能立足于组织的实际运作方式。如此一来,人工智能就能帮助公司的团队利用真实、结构化的上下文做出决策,而不是根据零散的信息片段进行猜测。

对于团队:

Atlassian 现在已是 Xometry 用于完成技术与产品工作的事实来源。它会记录每个可交付成果背后的工作、责权归属、依赖关系、生命周期阶段和审批事项。

其目标是让从用户研究笔记到生产部署的每一个工件都能与其前置内容相关联,以便下一个人员或支持人员掌握继续推进工作所需的上下文。

借助 Atlassian,我们的可交付成果与工作单的质量都在不断提高,因为它能提供更多上下文,并为人工智能提供更好的输入,从而有助于产生更好的输出。

Dewey Jose

高级首席软件工程师

Xometry logo - black

关于 Xometry

Xometry 的人工智能支持的 Marketplace、热门的 Thomasnet® 工业采购平台以及一系列基于云的服务正在迅速实现制造业的数字化。Xometry 可为制造商提供发展业务所需的关键资源,并通过实时定价和提前期数据为买方简化采购流程。

行业
生产制造
位置
Global

Check these out

Jira 简化协作

将所有团队召集在一起

立即试用 Atlassian Cloud

快速开始迁移到 Atlassian Cloud

认识一下 Atlassian Rovo

人类-人工智能协作完成任何任务