Capacitação da sua equipe por meio de experiências inteligentes com a privacidade desde o design
É empolgante aproveitar as experiências inteligentes viabilizadas pelo aprendizado de máquina nos produtos Cloud, conforme apresentado em outubro de 2020.
Nos últimos anos, a gente esteve desenvolvendo a Plataforma da Atlassian, que proporciona uma infraestrutura de nuvem comum para criar conexões poderosas entre os produtos, tornando a colaboração mais rápida, previsível e segura. Usando a Plataforma da Atlassian é possível agregar padrões de usuário de mais de 150.000 clientes dos produtos Cloud para entender como o trabalho é feito e como as equipes interagem em escala.
As experiências inteligentes são projetadas para acelerar o trabalho em equipe facilitando a colaboração. A gente está aqui para contar tudo sobre como as soluções foram desenvolvidas com foco na privacidade.
As experiências inteligentes são projetadas para acelerar o trabalho em equipe facilitando a colaboração. A gente está aqui para contar tudo sobre como as soluções foram desenvolvidas com foco na privacidade.
Pesquisa inteligente
- Resultados de pesquisa personalizados que podem exibir o conteúdo mais relevante para você
- Resultados instantâneos de pesquisa com base no que é mais provável que você esteja procurando
- Controles de filtro inteligentes que podem ajudar a definir o escopo de sua pesquisa para as pessoas com quem você trabalha e os projetos/espaços nos quais você trabalha
Colaboração preditiva
- Menções inteligentes do usuário que podem sugerir as pessoas mais relevantes no contexto a serem incluídas no ciclo de colaboração
- Restrições de página preditivas que podem sugerir as pessoas com as quais você mais trabalha para colaborar em um documento
- Recursos preditivos para revisores de solicitações pull que podem sugerir as pessoas apropriadas para revisar as alterações de código
Aceleração do fluxo de trabalho
- Atribuição preditiva de itens que pode sugerir os usuários mais relevantes no contexto para trabalhar em um item
- Categorização e triagem inteligentes de itens que podem sugerir valores de campo apropriados para campos de itens comuns, como categorias, componentes e versões corrigidas
- Agrupamento inteligente de itens que pode reunir itens semelhantes para auxiliar nas operações de fluxo de trabalho em massa
O que é aprendizado de máquina e como ele funciona?
As ferramentas de aprendizado de máquina em experiências inteligentes são alimentadas por modelos. Os modelos utilizam algoritmos de computador para melhorar os recursos de forma automática por meio da experiência. Funciona assim:
Aprendizado
Um modelo é “treinado” em dados de origem, o que envolve o uso de algoritmos para identificar padrões genéricos com base no comportamento geral do usuário (modelos treinados não armazenam os dados de origem, pois seu objetivo é aprender com eles, não depender deles). Por meio do reconhecimento de padrões, o modelo desenvolve uma capacidade de prever a probabilidade de comportamento futuro do usuário e traduz essas previsões em regras a serem aplicadas em cenários futuros semelhantes
Ação
O modelo aplica essas regras à sua instância do produto da Atlassian, e elas são aplicadas em todos os produtos Cloud para ajudar a liberar o potencial das equipes!
Exemplo
Um modelo identifica que, em média, é provável que qualquer usuário do Jira mencione pessoas com quem trabalhou há pouco tempo em um item. O modelo extrai esse padrão geral de comportamento entre os usuários do Jira e o aplica estabelecendo um sinal (por exemplo, "um usuário marcou alguém em um item antes e está prestes a marcar uma pessoa de novo") e atribui um peso (por exemplo, "é provável que seja a mesma pessoa de antes"). Assim é possível que o modelo ajude a facilitar o trabalho em equipe para o usuário (ou seja, "vamos mostrar a pessoa mencionada antes no topo da lista de opções de @menção").
Como os modelos são treinados? Meus dados fazem parte do treinamento?
Hoje, os modelos que potencializam a pesquisa inteligente, a colaboração preditiva e a aceleração do fluxo de trabalho têm como base alguns conjuntos de dados diferentes, incluindo:
Conjunto de dados | Recursos | Dados de exemplo |
---|---|---|
Dados de utilização agregados desidentificados | Recursos Menções/campos preditivos | Dados de exemplo
|
Conteúdo vetorizado unidirecional desidentificado | Recursos Agrupamento de itens | Dados de exemplo
|
Termos de pesquisa desidentificados | Recursos Pesquisa inteligente | Dados de exemplo
|
Como a pesquisa inteligente, a colaboração preditiva e a aceleração do fluxo de trabalho respeitam a privacidade dos dados?
Uma das melhores partes de trabalhar na Atlassian é usar ferramentas próprias, e a gente as utiliza para todos os tipos de trabalho. Como empresa pública, a gente entende a importância de cuidar de forma adequada das informações confidenciais. Tenha certeza de que há um enorme cuidado para evitar que os modelos de ML revelem, por acidente, informações sobre os dados de origem com os quais foram treinados.
Controles de privacidade foram configurados na sua organização (para evitar que as pessoas dentro dela vejam informações que não deveriam) e fora dela (para evitar que algo saia da sua organização):
- As experiências são criadas de forma a respeitar os controles de privacidade dos produtos que a gente oferece — por exemplo, não vão ser exibidos aos usuários conteúdos recomendados que eles não tenham permissão para ver
- Onde modelos que aprendem os padrões de seus dados são criados (por exemplo, a partir de consultas de pesquisa feitas por seus usuários em sua instância), esses dados não ignoram suas permissões de grupo para um treinamento de modelo mais amplo — cadeias de caracteres de consulta de pesquisa desidentificadas são acessadas apenas por trabalhos automatizados e não são lidas pelos usuários (páginas restritas nunca são usadas)
- Onde modelos que aprendem as tendências dos clientes são criados (por exemplo, os usuários em geral pesquisam coisas nas quais trabalharam há pouco tempo), apenas informações como dados de análise comportamentais desidentificados (por exemplo, número de curtidas) e conteúdo vetorizado unidirecional agregado dos clientes do Cloud são coletadas
- Quando possível, são utilizados modelos treinados em conjuntos de dados públicos (ou seja, que não contêm dados do cliente)
- Todos os dados são coletados, tratados, transmitidos e armazenados de acordo com a Política de Privacidade
Exemplo 1
A gente sabe que a privacidade é importante na sua empresa, incluindo as configurações de visibilidade da página do Confluence. A pesquisa inteligente verifica todas as configurações de permissões de grupo, incluindo permissões no nível do usuário, para que as páginas do Confluence marcadas como "privadas" não sejam exibidas nos resultados de pesquisa recomendados dos usuários da empresa sem acesso à página.
Exemplo 2
A gente sabe que você não quer que outras empresas vejam resultados de pesquisa sugeridos com base em suas informações confidenciais. Ao contrário de outros tipos de mecanismos de pesquisa, a pesquisa inteligente não agrega as principais pesquisas dos clientes para melhorar sua funcionalidade (ela aprende as preferências de pesquisa dos usuários individualmente). Assim, os modelos de aprendizado de máquina sempre vão verificar suas permissões de grupo e evitar o vazamento de informações entre os clientes. Ou seja, se você tiver um espaço privado no Confluence e sua equipe o estiver utilizando para colaboração em páginas do Confluence chamadas "Aquisição de Nova Empresa", outros clientes da Atlassian que usam o Confluence e pesquisem "Nova Empresa" não vão ver os resultados sugeridos com base nas páginas de "Aquisição de Nova Empresa" ou nas consultas de pesquisa dos usuários.
Que controle eu tenho sobre experiências inteligentes? Elas podem ser desativadas?
Esta página reflete as práticas da Atlassian em relação a pesquisa inteligente, colaboração preditiva e aceleração do fluxo de trabalho a partir de dezembro de 2020. No momento, as experiências inteligentes potencializam o que a gente considera ser a funcionalidade principal dos produtos que a gente oferece, como a localização de páginas e a menção de colegas de equipe, e desativar esses recursos prejudicaria bastante o desempenho. Por causa disso, e levando em conta as medidas tomadas para proteger sua privacidade, no momento, não há um "botão de desativar".
A gente confia nas estratégias de minimização de riscos da Atlassian e, à medida que os recursos de aprendizado de máquina se desenvolvem, pesquisas e a aplicação de técnicas de aprimoramento de privacidade para o desenvolvimento de novos recursos vão continuar sendo realizadas. Sua opinião é parte essencial para que a gente evolua. Acesse o roteiro de nuvem para saber mais sobre as próximas novidades da Atlassian e compartilhe suas ideias sobre como a gente pode alinhar os planos que a gente tem com suas necessidades de privacidade criando sugestões de recursos (ou votando, seguindo e comentando as sugestões existentes) no rastreador de itens públicos da Atlassian.
Você também pode participar de conversas sobre as experiências inteligentes no grupo da Comunidade.