Atlassian Intelligence e Rovo sono progettati per la trasparenza

La creazione di revisioni post-imprevisto (PIR) da parte di Atlassian Intelligence è basata su modelli linguistici di grandi dimensioni sviluppati da OpenAI, che includono la serie di modelli GPT di OpenAI. Atlassian Intelligence utilizza questi modelli per analizzare e generare un linguaggio naturale all'interno dei nostri prodotti.

Questi modelli generano risposte in base agli input forniti dagli utenti e sono di natura probabilistica. Ciò significa che le risposte vengono generate prevedendo la parola o il testo successivo più probabile, in base ai dati su cui sono stati formati.

Scopri di più sulle funzionalità dei modelli di OpenAI o su questo approccio nei documenti di ricerca di OpenAI.

Le PIR sono una parte fondamentale del processo di gestione degli imprevisti, poiché aiutano i manager e gli addetti a imparare dagli imprevisti attuali e a trasmettere informazioni per prevenire casi simili in futuro. Atlassian Intelligence aiuta ad accelerare i task, spesso dispendiosi in termini di tempo, di compilazione di una PIR suggerendo una descrizione della PIR basata su informazioni contestuali pertinenti nella tua istanza di Jira Service Management e strumenti di chat come Slack da esaminare.

Riteniamo che la creazione di PIR con l'IA funzioni meglio negli scenari in cui:

• la tua organizzazione ha una prassi costante nella compilazione delle PIR per gli imprevisti;

• i dettagli degli imprevisti del tuo team sono sparsi su strumenti di chat come Slack e Jira Service Management, il che richiede più tempo per la compilazione di una PIR a partire da tali fonti;

• la tua organizzazione registra gli imprevisti in Jira Service Management con informazioni complete e aggiornate.

È importante ricordare che, per effetto del modo in cui operavano, i modelli alla base della creazione delle PIR possono a volte presentare comportamenti imprecisi, incompleti o inaffidabili. Ad esempio, le risposte che ricevi potrebbero non riflettere con precisione i contenuti su cui si basano o includere contenuti che sembrano ragionevoli ma sono incompleti o non affidabili.

Abbiamo scoperto che la creazione di PIR con l'IA è meno utile in scenari in cui:

• ti servono informazioni aggiornate e accurate su persone, luoghi e fatti.
• è necessaria la creazione di PIR per avere accesso a informazioni che non sono immediatamente disponibili (ad esempio, canali di chat a cui non hai accesso) per generare correttamente la descrizione della PIR;
• i dati disponibili nella tua istanza di Jira Service Management sono incompleti o non sufficientemente dettagliati, quindi la creazione della PIR potrebbe non essere in grado di generare una descrizione accurata.

Per questo motivo, ti invitiamo a pensare alle situazioni in cui usi Atlassian Intelligence e a verificare la qualità delle risposte che ricevi prima di condividerle con gli altri.

Altri fattori da considerare:

• esprimere nel modo più specifico possibile le azioni che desideri che Atlassian Intelligence svolga;
• garantire che tu e il tuo team seguiate le pratiche di gestione degli imprevisti in modo coerente, ad esempio, registrando dettagli completi e accurati degli imprevisti nella tua istanza di Jira Service Management e collegando i canali di chat pertinenti all'imprevisto.

Comprendiamo che potresti avere domande su come la creazione di revisioni post-imprevisto con l'IA utilizza i tuoi dati. Questa sezione integra le informazioni disponibili nella nostra pagina delle domande frequenti.

Elaboriamo:

• I tuoi suggerimenti (input) e risposte (output).
• il contesto della tua istanza pertinente al prompt, ad esempio dati sugli imprevisti (come riepilogo, etichette, priorità, team di addetti alla risposta e descrizione), avvisi collegati e canali di chat Slack collegati;
• Dati su come interagisci con le nostre funzionalità, come i dati clickstream e le persone con cui lavori.

• Feedback che scegli di fornire su questa funzionalità, inclusi eventuali suggerimenti o risposte che scegli di condividere come parte del tuo commento.

Per quanto riguarda i tuoi dati, la creazione di PIR con l'IA applica le misure seguenti.

• I tuoi suggerimenti (input) e risposte (output):

  • Non sono disponibili per gli altri clienti.

  • Non vengono inviati a nessun provider LLM di terze parti diverso da OpenAI.

  • Non vengono archiviati da OpenAI.

  • Non vengono utilizzati per migliorare i modelli OpenAI.

  • Vengono utilizzati solo per elaborare la tua esperienza.

• Tutti i fornitori terzi di LLM sono sub-responsabili del trattamento dei dati e sono elencati nella nostra pagina specifica.

• Questa funzionalità segue le autorizzazioni della tua istanza. Ad esempio, se non hai accesso agli avvisi collegati all'imprevisto o ai canali Slack collegati, nella risposta che riceverai non ti verranno suggeriti contenuti da queste fonti. Se desideri che i contenuti della tua istanza non siano disponibili nelle risposte ad altri utenti, collabora con l'amministratore dell'organizzazione per avere la certezza che le tue autorizzazioni siano impostate in modo appropriato.

La generazione di descrizioni delle pull request tramite Atlassian Intelligence è basata su modelli linguistici di grandi dimensioni sviluppati da OpenAI, Google e Anthropic, su una combinazione di modelli linguistici di grandi dimensioni open source (tra cui la serie Llama, la serie Phi e la serie Mixtral) e su altri modelli di machine learning. Questi modelli linguistici di grandi dimensioni includono la serie di modelli GPT di Open AI, la serie di modelli Gemini di Google e la serie di modelli Claude di Anthropic.

Atlassian Intelligence li utilizza per analizzare e generare linguaggio naturale e codice all'interno dei nostri prodotti.

Questi modelli generano risposte in base ai tuoi input e sono di natura probabilistica. Ciò significa che le loro risposte vengono generate prevedendo la parola o il testo successivo più probabile, in base ai dati su cui sono stati formati.

Leggi di più sulle funzionalità dei modelli di OpenAI, dei modelli di Google e dei modelli di Anthropic. Per ulteriori informazioni sui modelli di linguaggio open source, vedi le informazioni sulla serie Llama e sulla serie Phi.

Atlassian Intelligence può aiutarti a generare, trasformare e riepilogare i contenuti mentre scrivi descrizioni o commenti delle richieste pull nell'esperienza di revisione del codice di Bitbucket Cloud. Ciò include:

• Generazione di una descrizione della richiesta pull in base alle modifiche del codice contenute in tale richiesta pull.
• Riepilogo, miglioramento o modifica del tono della descrizione di una richiesta pull.
• Riepilogo, miglioramento o modifica del tono della descrizione di un commento relativo a una richiesta pull.

Riteniamo che la generazione di descrizioni delle richieste pull di Bitbucket Cloud con Atlassian Intelligence offra risultati migliori negli scenari in cui:

• Come autore del codice, desideri che Atlassian Intelligence ti aiuti a scrivere o migliorare la descrizione di una richiesta pull. È la soluzione migliore per i team in grado di esaminare e confermare che i contenuti generati da Atlassian Intelligence siano appropriati per descrivere la richiesta pull.
• In qualità di revisore del codice, desideri che Atlassian Intelligence ti aiuti a migliorare il tono o il contenuto di un commento relativo a una richiesta pull che hai già redatto.

È importante ricordare che, per effetto del modo in cui operano, i modelli alla base di questa funzione possono a volte presentare comportamenti imprecisi, incompleti o inaffidabili.

Ad esempio, le risposte che ricevi potrebbero non riflettere con precisione i contenuti su cui si basano o potrebbero includere contenuti che sembrano ragionevoli ma sono incompleti o non affidabili.

Abbiamo scoperto che generare descrizioni delle richieste pull di Bitbucket Cloud con Atlassian Intelligence è meno utile negli scenari in cui:

• Hai bisogno della descrizione della richiesta pull per fare riferimento a informazioni che non sono già presenti nelle modifiche al codice (ad esempio, il codice sorgente contenuto in altre posizioni del repository).
• Non sei in grado di esaminare e confermare che i contenuti generati da Atlassian Intelligence riflettano accuratamente la richiesta pull.
• ti servono informazioni aggiornate e accurate su persone, luoghi e fatti.

Per questo motivo, ti invitiamo a pensare alle situazioni in cui usi Atlassian Intelligence e a verificare la qualità delle risposte che ricevi prima di condividerle con gli altri.

Altri fattori da considerare:

• Essere più specifico possibile in ciò che chiedi di fare ad Atlassian Intelligence.
• Correggere, rivedere e modificare l'output generato dall'assistente di scrittura IA per ottenere precisione e chiarezza.
• Collaborare con gli altri per raccogliere feedback e migliorare la qualità dell'output.

Sappiamo che potresti avere domande su come la definizione dei termini utilizzando Atlassian Intelligence in Confluence utilizza i tuoi dati. Questa sezione integra le informazioni disponibili nella nostra pagina delle domande frequenti.

Elaboriamo:

• I tuoi prompt (input) e risposte (output):
• Il contesto della tua istanza pertinente alla tua richiesta, come:
  • le modifiche del codice e i messaggi di commit nella richiesta pull
  • il contenuto della descrizione della richiesta pull
  • il contenuto del commento relativo alla richiesta pull
• Dati su come interagisci con le nostre funzionalità, come i dati clickstream e le persone con cui lavori
• Il feedback che scegli di fornire su questa funzione

Per quanto riguarda i dati, alla generazione delle descrizioni delle richiesta pull con Atlassian Intelligence si applicano le seguenti misure:

• I tuoi suggerimenti (input) e risposte (output):
  • Non sono disponibili per gli altri clienti.

  • Non vengono inviati a nessun fornitore di LLM di terze parti diverso da OpenAI, Google o Anthropic su AWS Bedrock.

  • Non sono archiviati dai fornitori di LLM.
  • Non vengono utilizzati per migliorare i modelli di LLM.
  • Vengono utilizzati solo per elaborare la tua esperienza.
• Tutti i fornitori terzi di LLM sono sub-responsabili del trattamento dei dati e sono elencati nella nostra pagina specifica.

La generazione di query SQL in Atlassian Analytics tramite Atlassian Intelligence è basata su modelli linguistici di grandi dimensioni sviluppati da OpenAI, Google e Anthropic, su una combinazione di modelli linguistici di grandi dimensioni open source (tra cui la serie Llama, la serie Phi e la serie Mixtral) e su altri modelli di machine learning. Questi modelli linguistici di grandi dimensioni includono la serie di modelli GPT di Open AI, la serie di modelli Gemini di Google e la serie di modelli Claude di Anthropic.

Atlassian Intelligence utilizza questi modelli per analizzare e comprendere il linguaggio naturale, poi tradurlo in Structured Query Language (SQL) all'interno di Atlassian Analytics.

Questi modelli generano risposte in base ai tuoi input e sono di natura probabilistica. Ciò significa che le loro risposte vengono generate prevedendo la parola o il testo successivo più probabile, in base ai dati su cui sono stati formati.

Leggi di più sulle funzionalità dei modelli di OpenAI, dei modelli di Google e dei modelli di Anthropic. Per ulteriori informazioni sui modelli di linguaggio open source, vedi le informazioni sulla serie Llama e sulla serie Phi.

Poni una domanda ad Atlassian Intelligence utilizzando il linguaggio naturale e falla tradurre in SQL, anziché scrivere le tue query SQL da zero. Dopo aver posto una domanda, Atlassian Intelligence utilizza lo schema Atlassian Data Lake dell'origine dati selezionata per generare una query SQL che può essere utilizzata per creare grafici nelle dashboard di Atlassian Analytics e può anche aiutarti a scoprire lo schema nel Data Lake.

Riteniamo che la generazione di query SQL utilizzando Atlassian Intelligence funzioni meglio nei casi in cui:

• vuoi creare un grafico personalizzato partendo dall'SQL generato e perfezionando la query dove necessario.
• la domanda sul linguaggio naturale include parole e concetti a cui si fa riferimento nello schema di Atlassian Data Lake, nel modo più specifico possibile.
• puoi esplorare e conoscere lo schema Atlassian Data Lake.

È importante ricordare che i modelli utilizzati per generare query SQL mediante Atlassian Intelligence a volte possono presentare comportamenti imprecisi, incompleti o inaffidabili a causa del modo in cui funzionano.

Ad esempio, le risposte che ricevi potrebbero non riflettere con precisione i contenuti su cui si basano o potrebbero includere contenuti che sembrano ragionevoli ma sono incompleti o non affidabili.

Abbiamo scoperto che generare query SQL utilizzando Atlassian Intelligence è meno utile nei casi in cui:

• ti servono informazioni aggiornate e accurate su persone, luoghi e fatti.
• ti serve questa funzionalità per avere accesso a informazioni che non sono facilmente disponibili nello schema Atlassian Data Lake (ad esempio, i dati per Advanced Roadmaps) per rispondere correttamente alla domanda.
• la domanda include riferimenti a campi personalizzati.
• la domanda viene posta in una lingua diversa dall'inglese.
• non hai abbastanza familiarità con SQL per convalidare il risultato SQL generato da Atlassian Intelligence.

Per questo motivo, ti invitiamo a pensare alle situazioni in cui usi Atlassian Intelligence e a verificare la qualità delle risposte che ricevi prima di condividerle con gli altri.

Altri fattori da considerare:

• Essere più specifico possibile in ciò che chiedi di fare ad Atlassian Intelligence.
• Assicurati che la fonte di dati Atlassian Data Lake che stai utilizzando copra i dati necessari per rispondere alla tua domanda.

Sappiamo che potresti avere domande su come la generazione di query in SQL tramite Atlassian Intelligence utilizzi i tuoi dati. Questa sezione integra le informazioni disponibili nella nostra pagina delle domande frequenti.

Elaboriamo:

• I tuoi suggerimenti (input) e risposte (output).
• Contesto della tua istanza pertinente alla tua richiesta, inclusi gli schemi Atlassian Data Lake disponibili al pubblico applicabili alla tua istanza.
• Dati su come interagisci con le nostre funzionalità, come i dati clickstream e le persone con cui lavori.
• Feedback che scegli di fornire su questa funzionalità, inclusi eventuali suggerimenti o risposte che scegli di condividere come parte del tuo commento.

Per quanto riguarda i tuoi dati, alla generazione di query SQL tramite Atlassian Intelligence si applicano le seguenti misure.

• I tuoi suggerimenti (input) e risposte (output):
  • Non sono disponibili agli altri clienti.

  • Non vengono inviati a nessun fornitore di LLM di terze parti diverso da OpenAI, Google o Anthropic su AWS Bedrock.

  • Non sono archiviati dai fornitori di LLM.
  • Non vengono utilizzati per migliorare i modelli di LLM.
  • Vengono utilizzati solo per elaborare la tua esperienza.
• Tutti i fornitori terzi di LLM sono elencati nella nostra pagina Sub-responsabili del trattamento. Questi fornitori usano i dati che inserisci e le risposte che ricevi solo ed esclusivamente per l'elaborazione della tua richiesta.
• Questa funzionalità segue le autorizzazioni della tua connessione Atlassian Data Lake. Ad esempio, se non hai accesso a una connessione Atlassian Data Lake, non sarai in grado di creare un codice SQL per aprire query.

La ricerca di risposte in Confluence tramite Atlassian Intelligence è basata su modelli linguistici di grandi dimensioni sviluppati da OpenAI, Google e Anthropic, su una combinazione di modelli linguistici di grandi dimensioni open source (tra cui la serie Llama, la serie Phi e la serie Mixtral) e su altri modelli di machine learning. Questi modelli linguistici di grandi dimensioni includono la serie di modelli GPT di Open AI, la serie di modelli Gemini di Google e la serie di modelli Claude di Anthropic.

Atlassian Intelligence utilizza questi modelli per analizzare e generare un linguaggio naturale all'interno dei nostri prodotti.

Questi modelli generano risposte in base ai tuoi input e sono di natura probabilistica. Ciò significa che le loro risposte vengono generate prevedendo la parola o il testo successivo più probabile, in base ai dati su cui sono stati formati.

Leggi di più sulle funzionalità dei modelli di OpenAI, dei modelli di Google e dei modelli di Anthropic. Per ulteriori informazioni sui modelli di linguaggio open source, vedi le informazioni sulla serie Llama e sulla serie Phi.

Le knowledge base crescono rapidamente e gli utenti non riescono a rimanere al passo. La ricerca di risposte su Confluence utilizzando Atlassian Intelligence fornisce un percorso più rapido per trovare le informazioni chiave di cui i clienti hanno bisogno per portare avanti il loro lavoro. Questa funzionalità ti aiuta a trovare facilmente le informazioni di cui hai bisogno. Comprende i tipi di domande che faresti normalmente a un collega ed è in grado di rispondere all'istante. Scopri come utilizzare Atlassian Intelligence per cercare risposte su Confluence.

Riteniamo che la ricerca di risposte su Confluence utilizzando Atlassian Intelligence funzioni meglio quando i contenuti del sito Confluence sono dettagliati, completi e aggiornati.

Questa funzione non genera nuovi contenuti, ma cerca nelle pagine e nei blog di Confluence (rispettando le restrizioni) per trovare una risposta alla tua domanda. Atlassian Intelligence genera risposte esclusivamente in base ai contenuti Confluence e a ciò a cui tu hai accesso.

È importante ricordare che i modelli utilizzati per cercare risposte su Confluence mediante Atlassian Intelligence a volte possono presentare comportamenti imprecisi, incompleti o inaffidabili a causa del modo in cui funzionano.

Ad esempio, le risposte che ricevi potrebbero non riflettere con precisione i contenuti su cui si basano o potrebbero includere contenuti che sembrano ragionevoli ma sono incompleti o non affidabili.

Abbiamo scoperto che la ricerca di risposte su Confluence utilizzando Atlassian Intelligence è meno utile nei casi in cui:

• ti servono informazioni aggiornate e accurate su persone, luoghi e fatti.
• Ti servono informazioni aggiornate e precise su elementi che tendono a cambiare di frequente (ad esempio, su una tabella di marcia che si aggiorna mensilmente).
• Ti servono informazioni aggiornate e precise su persone specifiche e sul ruolo che svolgono nella tua organizzazione.
• Hai bisogno di accedere a informazioni che non puoi reperire direttamente (ad esempio, pagine con restrizioni nella tua istanza Confluence) per rispondere correttamente alla richiesta.
• La risposta è costituita da una gamma di valori o categorie diversi (ad esempio, metriche che si aggiornano ogni settimana).
• Ti servono risposte che richiedano sfumature, complessità o livelli di ragionamento simili a quelli umani.

Per questo motivo, ti invitiamo a pensare alle situazioni in cui usi Atlassian Intelligence e a verificare la qualità delle risposte che ricevi prima di condividerle con gli altri.

Altri fattori da considerare:

• Essere più specifico possibile in ciò che chiedi di fare ad Atlassian Intelligence.
• Fare domande su cose che sai essere documentate nella tua istanza di Confluence e a cui hai accesso.

Sappiamo che potresti avere domande su come la ricerca di risposte in Confluence tramite Atlassian Intelligence utilizza i tuoi dati. Questa sezione integra le informazioni disponibili nella nostra pagina delle domande frequenti.

Elaboriamo:

• I tuoi suggerimenti (input) e risposte (output).
• Contesto della tua istanza relativo al tuo suggerimento, ad esempio i contenuti delle prime tre pagine restituite dalla ricerca su Confluence.
• Dati su come interagisci con le nostre funzionalità, come i dati clickstream e le persone con cui lavori.
• Feedback che scegli di fornire su questa funzionalità, inclusi eventuali suggerimenti o risposte che scegli di condividere come parte del tuo commento.

Per quanto riguarda i tuoi dati, la ricerca di risposte su Confluence tramite Atlassian Intelligence applica le seguenti misure:

• I tuoi suggerimenti (input) e risposte (output):
  • Non sono disponibili agli altri clienti.

  • Non vengono inviati a nessun fornitore di LLM di terze parti diverso da OpenAI, Google o Anthropic su AWS Bedrock.

  • Non sono archiviati dai fornitori di LLM.
  • Non vengono utilizzati per migliorare i modelli di LLM.
  • Vengono utilizzati solo per elaborare la tua esperienza.
• Tutti i fornitori terzi di LLM sono sub-responsabili del trattamento dei dati e sono elencati nella nostra pagina specifica. Questi fornitori usano i dati che inserisci e le risposte che ricevi solo ed esclusivamente per l'elaborazione della tua richiesta.
• Questa funzionalità segue le autorizzazioni della tua istanza. Ad esempio, se non hai accesso a una determinata pagina di Confluence, questa funzione non utilizzerà i contenuti di quella pagina nella risposta che vedi. Se non vuoi che i tuoi contenuti vengano resi disponibili nelle risposte ad altri utenti nella tua istanza, collabora con l'amministratore dell'organizzazione per avere la certezza che le tue autorizzazioni siano impostate in modo appropriato.

Search work items using Atlassian Intelligence in Jira is powered by large language models developed by OpenAI, Google, and Anthropic, as well as a combination of open-source large language models (including the Llama series, Phi series, and Mixtral series) and other machine learning models. These large language models include OpenAI's GPT series of models, Google's Gemini series of models, and Anthropic's Claude series of models.

Atlassian Intelligence utilizza questi modelli per analizzare e comprendere il linguaggio naturale e poi tradurlo in codice Jira Query Language (JQL) all'interno dei nostri prodotti.

Questi modelli generano risposte in base agli input forniti dall'utente e sono di natura probabilistica. Ciò significa che le loro risposte vengono generate prevedendo la parola o il testo successivo più probabile, in base ai dati su cui sono stati formati.

Leggi di più sulle funzionalità dei modelli di OpenAI, dei modelli di Google e dei modelli di Anthropic. Per ulteriori informazioni sui modelli di linguaggio open source, vedi le informazioni sulla serie Llama e sulla serie Phi.

You can now ask Atlassian Intelligence what you want in everyday language instead of coming up with complex queries. By searching work items using Atlassian Intelligence, your prompt is translated into a JQL query which quickly assists you in your search for specific work items.

We believe searching work items using Atlassian Intelligence works best in scenarios where:

• You're querying for Jira work items using work item fields available in your Jira project.
• The query has specific fields and values that can help narrow down your work item search.
• I campi e i valori che stai cercando esistono nel tuo progetto Jira.
• La tua query è in inglese.
• La query è traducibile in JQL. Poiché Atlassian Intelligence converte le richieste in codice JQL, gli input contenenti parole chiave che possono essere tradotte in JQL possono fornire risultati migliori.

It's important to remember that because of the way that the models used to search work items using Atlassian Intelligence work, these models can sometimes behave in ways that are inaccurate, incomplete, or unreliable.

Ad esempio, le risposte che ricevi potrebbero non riflettere con precisione i contenuti su cui si basano o potrebbero includere contenuti che sembrano ragionevoli ma sono incompleti o non affidabili.

We've found that searching work items using Atlassian Intelligence is less useful in scenarios where:

• ti servono informazioni aggiornate e accurate su persone, luoghi e fatti.
• You’re searching for Jira entities that are not work items, such as projects, boards, or users.
• Stai usando una lingua diversa dall'inglese.
• You need the search to analyze the work items to create charts, summaries, or other representations of your data.
• The search requires functions not currently available in JQL (for example, a question such as “Find work items I have commented on” that can’t be translated into a JQL function).

Per questo motivo, ti invitiamo a pensare alle situazioni in cui usi Atlassian Intelligence e a verificare la qualità delle risposte che ricevi prima di condividerle con gli altri.

Potresti anche pensare di fare ricerche in modo più specifico possibile ad Atlassian Intelligence, come descritto sopra. Assicurati di includere i campi e i valori esatti che stai cercando.

We understand you may have questions about how searching work items using Atlassian Intelligence uses your data. This section supplements the information available on our FAQ page.

Elaboriamo:

• I tuoi suggerimenti (input) e risposte (output).
• Il contesto tratto dalla tua istanza pertinente alla richiesta, come il progetto di cui ti occupi al momento.
• Dati su come interagisci con le nostre funzionalità, come i dati clickstream e le persone con cui lavori
• Feedback che scegli di fornire su questa funzionalità, inclusi eventuali suggerimenti o risposte che scegli di condividere come parte del tuo commento.

When it comes to your data, searching work items using Atlassian Intelligence applies the following measures:

• I tuoi suggerimenti (input) e risposte (output):
  • Non sono disponibili agli altri clienti.

  • Non vengono inviati a nessun fornitore di LLM di terze parti diverso da OpenAI, Google o Anthropic su AWS Bedrock.

  • Non sono archiviati dai fornitori di LLM.
  • Non vengono utilizzati per migliorare i modelli di LLM.
  • Vengono utilizzati solo per elaborare la tua esperienza.

  • Sono archiviati nel nostro database per 90 giorni e i tuoi prompt verranno presentati come parte della cronologia delle tue ricerche.

• Tutti i fornitori terzi di LLM sono sub-responsabili del trattamento dei dati e sono elencati come tali nella nostra pagina specifica. Questi fornitori usano i dati che inserisci e le risposte che ricevi solo ed esclusivamente per l'elaborazione della tua richiesta.
• Your search responses will be based on the work items and fields you have access to (for example, if you don't have access to a specific Jira project, you won't receive search results for work items and fields from that project).

La Ripartizione del lavoro con l'IA si basa su modelli linguistici di grandi dimensioni sviluppati da OpenAI.

Atlassian Intelligence utilizza questi modelli per analizzare e generare un linguaggio naturale all'interno dei nostri prodotti.

Questi modelli generano risposte in base agli input forniti dall'utente e sono di natura probabilistica. Ciò significa che le loro risposte vengono generate prevedendo la parola o il testo successivo più probabile, in base ai dati su cui sono stati formati.

Scopri di più sulle capacità dei modelli di OpenAI o su questo approccio nei documenti di ricerca di OpenAI.

AI Work Breakdown suggests child work items based on a Jira work item you’ve created, making it easy to break down large pieces of work into smaller ones. Your work item is used as context to generate suggestions for child work item summaries and descriptions.

A nostro avviso, la Ripartizione del lavoro con l'IA funziona meglio nei seguenti scenari:

• You start with a work item that has a detailed summary and description, including any constraints, instructions, and definitions of done.
• The starting work item doesn’t have existing child work items.

Non bisogna sottovalutare che, per loro natura, i modelli su cui si basa la Ripartizione del lavoro con l'IA si comportano a volte in modo impreciso, incompleto o inaffidabile.

Ad esempio, le risposte che ricevi potrebbero non riflettere con precisione i contenuti su cui si basano o potrebbero includere contenuti che sembrano ragionevoli ma sono incompleti o non affidabili.

Abbiamo riscontrato che la Ripartizione del lavoro con l'IA è meno efficace nei seguenti scenari:

• Ti servono informazioni attuali e accurate su persone, luoghi e fatti.
• You don’t start with a detailed work item summary and description (e.g. if you try to generate child work item suggestions based on a work item with a very short and broad description).

Per questo motivo, ti invitiamo a pensare alle situazioni in cui usi Atlassian Intelligence e a verificare la qualità delle risposte che ricevi prima di condividerle con gli altri.

Altri fattori da considerare:

• Esprimere nel modo più specifico possibile ciò che chiedi di fare ad Atlassian Intelligence.
• Providing as much information as possible in the starting work item summary and description.

È normale avere domande sul modo in cui la Ripartizione del lavoro con l'IA utilizza i tuoi dati. Questa sezione integra le informazioni disponibili nell'Atlassian Trust Center.

Elaboriamo:

• Le tue richieste (input) e risposte (output).
• Context from your instance relevant to your prompt, including work item data (like summary, description, and comments).
• Dati su come interagisci con le nostre funzionalità, come i dati clickstream e le persone con cui lavori.
• Feedback che scegli di fornire su questa funzionalità, inclusi eventuali suggerimenti o risposte che scegli di condividere come parte del tuo commento.

La Ripartizione del lavoro con l'IA applica le misure seguenti per gestire i tuoi dati.

• Le tue richieste (input) e risposte (output):
  • Non sono disponibili agli altri clienti
  • Non vengono inviati a nessun provider LLM di terze parti diverso da OpenAI.
  • Non vengono archiviati da OpenAI.
  • Non vengono utilizzati per migliorare i modelli OpenAI.
  • Vengono utilizzati solo per elaborare la tua esperienza.
• OpenAI è un sub-responsabile del trattamento, incluso nella lista dei nostri sub-responsabili. Usa i dati che inserisci e le risposte che ricevi solo ed esclusivamente per elaborare la tua richiesta.
• This feature follows the permissions in your instance (i.e. you must have access to the work item in order to generate child work item suggestions). If you don’t want your content to be available in other users' generated responses, work with your organization admin to ensure your permissions are set appropriately.

Scopri di più sull'utilizzo di Atlassian Intelligence

La funzionalità temi suggeriti della knowledge base è supportata da modelli linguistici di grandi dimensioni sviluppati da OpenAI e Anthropic, nonché da una combinazione di modelli linguistici open source basati su trasformatori e altri modelli di machine learning. Questi modelli linguistici di grandi dimensioni includono la serie di modelli GPT di OpenAI e la serie di modelli Claude di Anthropic.

Atlassian Intelligence utilizza questi modelli per analizzare e generare linguaggio naturale all'interno dei nostri prodotti. I modelli di codifica open source convertono i tuoi input testuali in forme numeriche (incorporamenti) che vengono utilizzate per identificare e formare temi a partire dai tuoi input.

Questi modelli linguistici di grandi dimensioni generano risposte in base agli input forniti dall'utente e sono di natura probabilistica. Ciò significa che le loro risposte vengono generate prevedendo la parola o il testo successivo più probabile, in base ai dati su cui sono stati formati.

Leggi di più sulle funzionalità dei modelli di OpenAI e dei modelli di Anthropic. Per ulteriori informazioni sui modelli linguistici open source, vedere le informazioni su Multi-QA-MiniLM e E5-Multilingual.

Questa funzionalità aiuta amministratori e agenti a individuare le lacune nella loro knowledge base analizzando le richieste di assistenza ricevute nel quadro di un progetto. Essa evidenzia chiaramente i temi su quali gli utenti in cerca di assistenza fanno domande (in base ai dati degli ultimi 30 giorni) ma relativamente ai quali non esistono informazioni. Suggerendo dei temi vogliamo dare agli amministratori e agli agenti del progetto un'idea del numero di richieste che possono essere eliminate o almeno risolte con le informazioni della knowledge base.

Riteniamo che l'aumento del numero di articoli informativi influirà sull'efficacia di altre funzionalità di Jira Service Management, come le risposte IA dell'assistente virtuale del servizio. Gli articoli creati da amministratori e agenti sui temi suggeriti possono anche contribuire ad aumentare la percentuale di richieste risolte utilizzando le risposte IA.

Riteniamo che la funzionalità temi suggeriti funzioni meglio nel caso in cui:

• ci siano almeno 40-100 richieste inviate in un arco di 30 giorni;
• il contenuto delle richieste, come riepilogo, descrizione, valori dei campi ecc., sia principalmente in inglese. La qualità dei suggerimenti può variare in altre lingue.

È importante ricordare che, per effetto del modo in cui funzionano i modelli che supportano la funzione temi suggeriti, essi possono talvolta rivelarsi imprecisi, incompleti o inaffidabili.

Ad esempio, le risposte che ricevi potrebbero non riflettere con precisione i contenuti su cui si basano o potrebbero includere contenuti che sembrano ragionevoli ma sono incompleti o non affidabili.

Abbiamo scoperto che i temi suggeriti della knowledge base sono meno utili se:

• ti servono temi per un progetto che riceve meno di 40 richieste in un mese;
• il tuo progetto crea automaticamente richieste in base agli avvisi, in quanto tali richieste potrebbero non richiedere un articolo della knowledge base;
• ti servono temi per richieste in cui il riepilogo, la descrizione, i valori dei campi ecc. sono in lingue diverse dall'inglese.

Per questo motivo, ti invitiamo a pensare alle situazioni in cui usi Atlassian Intelligence e a verificare la qualità delle risposte che ricevi prima di condividerle con gli altri.

Altri fattori da considerare:

• Chiedere ai membri del team di esaminare i temi suggeriti prima di creare articoli.
• Chiedere agli amministratori del progetto di identificare gli esperti nei loro team, per creare articoli della knowledge base di alta qualità.

Sappiamo che potresti avere delle domande sul modo in cui la funzionalità temi suggeriti utilizza i tuoi dati. Questa sezione integra le informazioni disponibili nell'Atlassian Trust Center.

Elaboriamo:

• Contesto significativo fornito da un'istanza per una funzionalità, ad esempio dei dati in una richiesta quali valori dei campi, riepilogo e descrizione per identificare i temi.
• Dati su come interagisci con le nostre funzionalità, come i dati clickstream e le persone con cui lavori.
• Feedback che scegli di fornire su questa funzionalità, inclusi eventuali suggerimenti o risposte che scegli di condividere come parte del tuo commento.

Per quanto riguarda i tuoi dati, la funzione temi suggeriti della knowledge base applica le seguenti misure.

I tuoi temi suggeriti nella knowledge base:

• Non sono disponibili agli altri clienti
• Non vengono inviati a nessun fornitore di LLM di terze parti diverso da OpenAI, Google o Anthropic su AWS Bedrock.
• Non sono archiviati dai fornitori di LLM.
• non vengono usati per migliorare alcun LLM di terze parti.
• Vengono utilizzati solo per elaborare la tua esperienza.
• OpenAI è un subresponsabile del trattamento nel nostro elenco di subresponsabili del trattamento. Questi fornitori usano i dati che inserisci e le risposte che ricevi solo ed esclusivamente per l'elaborazione della richiesta.
• We only process requests that are accessible to everyone in a service project for your site. Any requests with work item-level permissions are not considered to suggest topics.
• Aggiorniamo l'elenco dei temi suggeriti ogni 7 giorni per assicurarci che i suggerimenti siano aggiornati.

Scopri di più sull'utilizzo di Atlassian Intelligence

Leggi di più sugli argomenti suggeriti nella knowledge base

Searching Confluence content using Atlassian Intelligence is powered by large language models developed by OpenAI and Google. These large language models include OpenAI’s GPT series of models and Google’s Gemini series of models.

Atlassian Intelligence uses these models to analyze and generate natural language, then translates it to CQL (Confluence Query Language) code within our products.

Questi modelli generano risposte in base agli input forniti dall'utente e sono di natura probabilistica. Ciò significa che le loro risposte vengono generate prevedendo la parola o il testo successivo più probabile, in base ai dati su cui sono stati formati.

Leggi di più sulle capacità dei modelli di OpenAI.

You can now ask Atlassian Intelligence for the content you want to find in Confluence using everyday language instead of coming up with complex queries. With the help of Atlassian Intelligence, your prompt is translated into a CQL query which quickly assists you in your search for specific content.

We believe that Searching Confluence content using Atlassian Intelligence works best in scenarios where:

• You’re querying for Confluence content available within your Confluence knowledge base.
• Your query has specific fields and values that can help narrow down your content search.
• Your query is translatable to CQL. Atlassian Intelligence converts your natural language prompts to CQL queries. So, inputs containing keywords that can be translated to CQL can provide better results.
• You’re searching for content in English.

It’s important to remember that because of the way that the models used to power Searching Confluence content using Atlassian Intelligence work, these models can sometimes behave in ways that are inaccurate, incomplete or unreliable.

Ad esempio, le risposte che ricevi potrebbero non riflettere con precisione i contenuti su cui si basano o potrebbero includere contenuti che sembrano ragionevoli ma sono incompleti o non affidabili.

We’ve found that Searching Confluence content using Atlassian Intelligence is less useful in scenarios where:

• You need to find content using filters that are not currently supported by CQL.
• Ti servono informazioni attuali e accurate su persone, luoghi e fatti.
• Stai usando una lingua diversa dall'inglese.
• You need the search to analyze the content to create charts, summaries, or other representations of your data.

Per questo motivo, ti invitiamo a pensare alle situazioni in cui usi Atlassian Intelligence e a verificare la qualità delle risposte che ricevi prima di condividerle con gli altri.

You might also want to think about being as specific as possible in what you ask Atlassian Intelligence to do. Make sure to include the exact fields and values that you’re looking for.

We understand you may have questions about how Searching Confluence content using Atlassian Intelligence uses your data. This section supplements the information available on our Trust Center.

Elaboriamo:

• Le tue richieste (input) e risposte (output).
• Context from your instance relevant to your prompt, such as to filter out search results based on user permissions
• Dati su come interagisci con le nostre funzionalità, come i dati clickstream.
• Feedback che scegli di fornire su questa funzionalità, inclusi eventuali suggerimenti o risposte che scegli di condividere come parte del tuo commento.

When it comes to your data, Searching Confluence content using Atlassian Intelligence applies the following measures.

• Le tue richieste (input) e risposte (output):
  • Non sono disponibili per gli altri clienti.
  • Non vengono inviati a fornitori terzi di LLM diversi da OpenAI o Google.
  • Are not stored by any LLM provider
  • Are not used to improve any LLM provider.
  • Vengono utilizzati solo per elaborare la tua esperienza.
• OpenAI and Google Vertex are subprocessors on our List of Subprocessors. They do not use your inputs and outputs for any purpose besides processing your request.
• This feature follows the permissions in your instance. For example, if you do not have access to a Confluence page, you will not be shown content from that page in the response you receive. If you do not want your content to be available to other users in your instance, work with your org admin to ensure your permissions are set appropriately.

Suggerisci i tipi di richiesta utilizzando Atlassian Intelligence, che si basa sui modelli linguistici di grandi dimensioni sviluppati da OpenAI. Questi modelli linguistici includono la serie di modelli GPT di OpenAI.

Atlassian Intelligence utilizza questi modelli per analizzare gli input in linguaggio naturale e generare consigli per i nomi e le descrizioni dei tipi di richiesta per te all'interno di Jira Service Management.

Questi modelli generano risposte in base ai tuoi input e sono di natura probabilistica. Ciò significa che le loro risposte vengono generate prevedendo la parola o il testo successivo più probabile, in base ai dati su cui sono stati formati.

Leggi di più sulle capacità dei modelli di OpenAI.

Dedica meno tempo a capire che tipo di richiesta devi creare per il progetto e ricevi invece suggerimenti da Atlassian Intelligence. Per vedere quali tipi di richieste potresti creare è sufficiente descrivere il tuo lavoro e ciò che il tuo team gestisce di solito. Seleziona uno dei suggerimenti generati da Atlassian Intelligence per creare un tipo di richiesta. Scopri di più su come utilizzare Atlassian Intelligence per suggerire tipi di richieste.

Riteniamo che l'utilizzo di Atlassian Intelligence per suggerire tipi di richiesta funzioni meglio quando:

• Hai casi d'uso molto specifici per cui i modelli di tipi di richiesta esistenti non sono adatti.
• Hai requisiti molto generali e stai cercando qualche idea.
• Stai usando una lingua molto diffusa (ad esempio, inglese o spagnolo).

È importante ricordare che i modelli utilizzati per suggerire tipi di richiesta mediante Atlassian Intelligence a volte possono presentare comportamenti imprecisi, incompleti o inaffidabili a causa del modo in cui funzionano.

Ad esempio, le risposte che ricevi potrebbero non riflettere con precisione i contenuti su cui si basano o potrebbero includere contenuti che sembrano ragionevoli ma sono incompleti o non affidabili.

Abbiamo scoperto che l'utilizzo di Atlassian Intelligence per suggerire tipi di richiesta è meno utile in scenari in cui:

• ti servono informazioni attuali e accurate su persone, luoghi e fatti.
• Hai bisogno di questa funzionalità per avere accesso a informazioni che non puoi reperire direttamente (ad esempio, nella tua istanza) per rispondere correttamente alla richiesta.
• Fornisci istruzioni troppo vaghe o irrilevanti per la gestione del servizio.
• Non stai usando una lingua molto diffusa.

Per questo motivo, ti invitiamo a pensare alle situazioni in cui usi Atlassian Intelligence e a verificare la qualità delle risposte che ricevi prima di condividerle con gli altri.

Altri fattori da considerare:

• Essere più specifico possibile in ciò che chiedi di fare ad Atlassian Intelligence.

Sappiamo che potresti avere domande su come vengono utilizzati i tuoi dati da Atlassian Intelligence per suggerire i tipi di richiesta. Questa sezione integra le informazioni disponibili nella nostra pagina delle domande frequenti.

Elaboriamo:

• I tuoi suggerimenti (input) e risposte (output).
• Il contesto tratto dalla tua istanza pertinente alla tua richiesta.
• Dati su come interagisci con le nostre funzionalità, come i dati clickstream e le persone con cui lavori.
• Feedback che scegli di fornire su questa funzionalità, inclusi eventuali suggerimenti o risposte che scegli di condividere come parte del tuo commento.

Per quanto riguarda i tuoi dati, nell'ambito dell'utilizzo di Atlassian Intelligence per suggerire i tipi di richiesta si applicano le seguenti misure.

• I tuoi suggerimenti (input) e risposte (output):
  • Non sono disponibili agli altri clienti.

  • Non vengono inviati a nessun provider LLM di terze parti diverso da OpenAI.

  • Non sono archiviati dai fornitori di LLM.
  • Non vengono utilizzati per migliorare i modelli di LLM.
  • Vengono utilizzati solo per elaborare la tua esperienza.
• Tutti i fornitori terzi di LLM sono sub-responsabili del trattamento dei dati e sono elencati nella nostra pagina specifica. Questi fornitori usano i dati che inserisci e le risposte che ricevi solo ed esclusivamente per l'elaborazione della tua richiesta.
• Questa funzionalità utilizza solo le informazioni delle tue richieste, quindi vengono rispettate tutte le autorizzazioni di Jira.

La funzione Focus Area Executive Summary si basa su modelli linguistici estesi sviluppati da OpenAI. Sono inclusi i modelli OpenAI descritti qui.

Atlassian Intelligence utilizza questi modelli per analizzare e generare un linguaggio naturale all'interno dei nostri prodotti.

Questi modelli generano risposte in base agli input forniti dall'utente e sono di natura probabilistica. Ciò significa che le loro risposte vengono generate prevedendo la parola o il testo successivo più probabile, in base ai dati su cui sono stati formati.

Leggi di più sulle capacità dei modelli di OpenAI

Focus Area Executive Summary uses Atlassian Intelligence to provide a quick, actionable summary of your focus area, including the work that’s in progress, the health of connected goals, suggestions for where to pay attention, and recommendations to remediate any work items.

Focus Area Executive Summary funziona al meglio quando:

• Gli aggiornamenti dell'area strategica e degli obiettivi sono completi, precisi e costanti con risultati, progressi e rischi scritti sufficientemente dettagliati.
• Hai collegato tutti gli obiettivi pertinenti utilizzati per misurare il successo direttamente nell'area strategica.
• L'area strategica è collegata ad aree strategiche secondarie, a loro volta complete di aggiornamenti pertinenti e connessioni agli obiettivi.

È importante ricordare che, per effetto del modo in cui operano, i modelli alla base della funzione Focus Area Executive Summary possono a volte presentare comportamenti imprecisi, incompleti o inaffidabili.

Ad esempio, le risposte che ricevi potrebbero non riflettere con precisione i contenuti su cui si basano o potrebbero includere contenuti che sembrano ragionevoli ma sono incompleti o non affidabili.

Abbiamo scoperto che Focus Area Executive Summary è meno utile negli scenari in cui:

• Ti servono informazioni attuali e accurate su persone, luoghi e fatti.
• Hai bisogno di aggiornamenti sulla strategia per avere accesso a informazioni che non puoi recuperare direttamente, ad esempio nella tua istanza, per rispondere correttamente alla richiesta.
• Gli aggiornamenti dell'area strategica e degli obiettivi sono incompleti, mancanti o poco dettagliati. Se non esistono aggiornamenti, l'aggiornamento si basa solo su immagini o è scritti male, Atlassian Intelligence non avrà contesto a sufficienza per generare un riepilogo accurato.

Per questo motivo, ti invitiamo a pensare alle situazioni in cui usi Atlassian Intelligence e a verificare la qualità delle risposte che ricevi prima di condividerle con gli altri.

Sappiamo che potresti avere domande su come Focus Area Executive Summary utilizza i tuoi dati. Questa sezione integra le informazioni disponibili nell'Atlassian Trust Center.

Elaboriamo:

• Le tue richieste (input) e risposte (output).
• Contesto della tua istanza pertinente alla tua richiesta, ad esempio aggiornamenti delle aree strategiche, aggiornamenti degli obiettivi e aree strategiche e obiettivi collegati.
• Dati su come interagisci con le nostre funzionalità, come i dati clickstream e le persone con cui lavori.
• Feedback che scegli di fornire su questa funzionalità, inclusi eventuali suggerimenti o risposte che scegli di condividere come parte del tuo commento.

Per quanto riguarda i tuoi dati, Focus Area Executive Summary applica le misure seguenti.

• Le tue richieste (input) e risposte (output):
  • Non sono disponibili agli altri clienti
  • Non vengono inviati a nessun provider LLM di terze parti diverso da OpenAI.
  • Non vengono archiviati da OpenAI.
  • Non vengono utilizzati per migliorare l'OpenAI.
  • Vengono utilizzati solo per elaborare la tua esperienza.
• OpenAI è un sub-responsabile del trattamento nella nostra lista di sub-responsabili del trattamento. Usa i dati che inserisci e le risposte che ricevi solo ed esclusivamente per elaborare la tua richiesta.
• Questa funzionalità eredita le autorizzazioni della tua istanza. Ad esempio, se non hai accesso agli obiettivi collegati alle aree strategiche di Focus, tali obiettivi non saranno inclusi nella risposta che riceverai.