Close

투명성을 위해 설계된 Atlassian Intelligence

열린 커뮤니케이션, 책임 의식, 팀이 AI를 책임감 있게 사용할 수 있도록 돕기 위해 헛소리는 하지 않는다는 정신에 대한 Atlassian의 약속입니다.

Atlassian Intelligence는 빠르게 공동 작업하고 팀에 권한을 부여하여 작업 속도를 높이도록 설계되었습니다. 팀과 가장 잘 협업하는 방법을 알아가는 것처럼 Atlassian Intelligence의 작동 방식을 이해하면 팀이 Atlassian Intelligence를 더욱 효과적으로 사용하는 데 도움이 됩니다. 이 페이지에서는 AI 기반 제품 및 기능의 작동 방식, 수행할 수 있는 작업과 수행할 수 없는 작업을 비롯해 AI 기반 제품 및 기능이 사용자가 제품을 경험하는 방식에 어떻게 기여하는지 설명합니다. 이 페이지의 정보를 숙지하면 Atlassian 제품을 최대한 활용하고 팀워크를 증진하는 데 도움이 될 것이라고 생각합니다. 책임 있는 기술 구축에 대한 Atlassian의 약속에 대해 자세히 알아보려면 책임 있는 기술 원칙을 참조하세요.

알림 그룹화

알림 그룹화가 Atlassian Intelligence를 사용하는 방법 Copy link to heading Copied! 보기
  

Atlassian Intelligence의 알림 그룹화는 OpenAI 및 기타 머신러닝 모델에서 개발한 대규모 언어 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함되어 있습니다.

Atlassian Intelligence는 이 머신러닝 모델을 사용하여 알림 그룹을 분석 및 생성하고 알림 콘텐츠 또는 사용된 태그의 유사성을 기반으로 제품 내에서 관련 제안(과거 알림 그룹 및 과거 알림 대응자)을 제공합니다. 그런 다음 Atlassian Intelligence는 대규모 언어 모델을 사용하여 제품 내에서 이 그룹에 대한 자연어 설명 및 콘텐츠를 분석하고 생성합니다.

대규모 언어 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적으로 작동합니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

알림 그룹화 사용 사례 Copy link to heading Copied! 보기
  

알림 그룹화는 Atlassian Intelligence를 사용하여 비슷한 알림을 식별하고 그룹화합니다. 또한 사용된 알림 콘텐츠 또는 태그의 의미론적 유사성을 기반으로 과거 유사한 알림 그룹 및 과거 알림 대응자(또는 대응자 팀)를 식별하고 추천하여 도움을 줍니다.

알림 그룹을 인시던트로 에스컬레이션하려는 경우 인시던트 만들기 프로세스에서 검토할 수 있도록 모든 상황별 정보를 미리 입력할 수도 있습니다.

알림 그룹화는 다음과 같은 시나리오에서 가장 잘 작동한다고 생각합니다.

  • 단기간 또는 장기간에 걸쳐 유사하거나 중복된 알림이 대량으로 발생하는 패턴을 자주 접하는 조직인 경우.
  • 태그를 사용하여 알림을 일관되게 분류하는 조직인 경우.
  • 비슷하거나 중복된 알림을 인시던트로 에스컬레이션해야 하는 경우가 많은 팀인 경우.
알림 그룹화 사용 시 고려 사항 Copy link to heading Copied! 보기
  

알림 그룹화 작동시키는 데 사용되는 모델의 작동 방식으로 인해 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다. 표시되는 알림 그룹의 경우 태그의 의미론적 유사성을 정확하게 반영하지 못할 수 있습니다.

알림 그룹화는 다음과 같은 시나리오에서는 덜 유용합니다.

  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요한 경우.
  • 알림을 적절하게 그룹화하기 위해 알림 그룹화가 바로 이용 가능하지 않은 정보에 액세스할 수 있어야 하는 경우. 알림 그룹화는 팀의 구성된 역할 및 권한 범위 내에서 작동하므로 보기 권한이 있는 알림에 대해서만 그룹 및 인사이트에 액세스할 수 있습니다.
  • 팀에서 사용하는 알림 태그가 일관성이 없거나 잘 관리되지 않는 경우. 알림 그룹화는 알림 제목과 태그의 의미론적 유사성을 기반으로 알림을 그룹화하기 때문에 팀 및 조직에서 사용하는 알림 태그의 일관성과 무결성 상태에 따라 생성되는 알림 그룹의 품질이 달라집니다.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

또한 사용자 및 팀이 알림 태그를 사용할 때 일관된 관행을 따르도록 하는 것도 고려할 수 있습니다.

데이터 및 알림 그룹화 Copy link to heading Copied! 보기
  

알림 그룹화가 데이터를 어떻게 사용하는지에 대해 궁금한 점이 있을 수 있다는 것을 잘 알고 있습니다. 이 섹션은 FAQ 페이지에서 제공되는 정보를 보충하는 내용입니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • 알림 데이터(알림 제목, 알림 태그, 우선 순위, 대응자 팀, 설명)와 같이 프롬프트와 관련된 인스턴스의 컨텍스트.
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터.
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

사용자의 알림 데이터를 처리하여 사용자의 알림과 관련된 패턴을 인식하는 머신러닝 모델을 학습시킵니다. 이 버전은 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.

  • 식별된 패턴을 저장하여 인사이트를 제공합니다.
  • LLM을 학습시키기 위해 사용자의 알림 데이터를 사용하지 않습니다.

데이터에 대해 알림 그룹화는 다음과 같은 조치를 적용합니다.

  • 사용자의 입력 및 산출물:
    • 다른 고객이 사용할 수 없습니다
    • OpenAI에서 저장하지 않습니다.
    • OpenAI 모델을 개선하는 데 사용되지 않습니다.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 산출물을 사용하지 않습니다.
  • 이 기능은 사이트의 권한을 따릅니다. 예를 들어 Atlassian Intelligence에서 태그 및 의미론적 유사성을 기준으로 50개의 알림을 그룹화하고 그중 30개만 볼 권한이 있는 경우 그룹 상세 보기에서 해당 30개만 볼 수 있습니다. 사이트의 다른 사용자가 해당 알림을 사용할 수 없도록 하려면 조직/사이트 관리자에게 문의하여 권한이 적절하게 설정되었는지 확인하세요.

Jira Service Management의 Atlassian Intelligence 답변

Jira Service Management의 Atlassian Intelligence 답변이 작동하는 방식 Copy link to heading Copied! 보기
  

Atlassian Intelligence 답변은 OpenAI에서 개발한 대규모 언어 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함됩니다.

Atlassian Intelligence는 이 모델을 사용하여 Atlassian 제품 내에서 자연어를 분석하고 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

Jira Service Management의 Atlassian Intelligence 답변의 사용 사례 Copy link to heading Copied! 보기
  

Atlassian Intelligence의 답변 기능은 Jira Service Management의 가상 서비스 에이전트에 연결됩니다. 생성형 인공지능을 사용하여 연결된 참조 자료 스페이스를 검색하고 고객 질문에 답합니다.

Atlassian Intelligence의 답변은 다음과 같은 시나리오에서 가장 잘 작동한다고 생각합니다.

  • 가상 서비스 에이전트가 Atlassian Intelligence의 답변을 사용하여 고객 질문에 대한 답변을 제공할 때 액세스할 수 있는 완전하고 연결된 최신 참조 자료가 있습니다.
  • Atlassian Intelligence 답변은 다음과 같은 고객 질문에 답변하는 데 사용됩니다.
    • 정보 또는 안내를 제공하여 해결할 수 있음.
    • 기존 기술 자료 문서에서 다루거나 추가할 수 있음.
    • 일반적으로 에이전트에게 에스컬레이션할 필요가 없음.
Jira Service Management의 Atlassian Intelligence 답변을 사용할 때 고려할 사항 Copy link to heading Copied! 보기
  

Atlassian Intelligence 답변을 구동하는 데 사용되는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

Atlassian Intelligence의 답변은 다음과 같은 시나리오에서는 덜 유용하다는 것을 발견했습니다.

  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요합니다.
  • 요청에 적절하게 응답하기 위해 Atlassian Intelligence 답변이 바로 이용 가능하지 않은 정보(예: 연결된 기술 자료)에 액세스할 수 있어야 하는 경우.
  • 기술 자료가 오래되었거나 불완전하여 검색이 도움이 되지 않을 수 있는 경우.
  • 기술 자료의 문서에 관련성이 있거나 높은 품질의 정보가 포함되어 있지 않은 경우(따라서 Atlassian Intelligence의 답변은 해당 문서를 기반으로 고객에게 관련성이 낮은 정보를 제공할 수 있음).

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

다음에 대해서도 생각해 보는 것이 좋습니다.

  • 연결된 기술 자료(및 그 안에 포함된 기존 문서)를 미리 검토하고 업데이트하여 기술 자료를 완전하고 최신 상태로 유지하세요.
  • Atlassian Intelligence의 답변이 유용한 올바른 정보에 액세스할 수 있도록 연결된 기술 자료 공간에 적용되는 권한 및 제한 사항을 미리 검토하세요.
데이터 및 Jira Service Management의 Atlassian Intelligence 답변 Copy link to heading Copied! 보기
  

Jira Service Management의 Atlassian Intelligence 답변이 데이터를 어떻게 사용하는지에 대해 궁금하실 수 있습니다. 이 섹션은 FAQ 페이지에서 제공되는 정보를 보충하는 내용입니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • 프롬프트와 관련된 인스턴스의 컨텍스트(예: 연결된 기술 자료 공간).
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터입니다.
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.
  • 데이터의 경우 Jira Service Management의 Atlassian Intelligence 답변에는 다음 조치가 적용됩니다.
  • 프롬프트(입력) 및 응답(출력):
    • 다른 고객이 사용할 수 없습니다.
    • OpenAI에서 저장하지 않습니다.
    • OpenAI 모델을 개선하는 데 사용되지 않습니다.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.
  • 이 기능은 연결된 기술 자료 공간에 적용되는 권한 및 제한 사항을 따릅니다. 따라서 Jira Service Management 포털에서 고객이 사용할 수 있는 모든 페이지는 Atlassian Intelligence 답변을 통해 이용할 수 있습니다. 예를 들어, 특정 Confluence 페이지에 대한 액세스가 제한되어 있고 Jira Service Management를 통해 일반적으로 사용할 수 없는 경우 해당 페이지의 콘텐츠는 Atlassian Intelligence 답변의 응답에 제안되지 않습니다. 인스턴스의 다른 사용자에 대한 응답에서 콘텐츠를 사용할 수 없도록 하려면 조직 관리자에게 문의하여 권한이 적절하게 설정되었는지 확인하세요.

Atlassian Intelligence를 사용한 자동화

Atlassian Intelligence를 사용한 자동화 사용 사례 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용한 자동화는 OpenAI에서 개발한 GPT 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함됩니다.

Atlassian Intelligence는 이 모델을 사용하여 Jira 및 Confluence에서 자연어 입력을 분석하고 자동화 규칙을 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

Atlassian Intelligence를 사용한 자동화 사용 사례 Copy link to heading Copied! 보기
  

자동화 규칙을 만드는 것은 일상적인 자동화 경험의 핵심이며 Atlassian에서는 Jira 및 Confluence의 자동화 규칙 빌더에 Atlassian Intelligence를 추가하여 그 과정을 더욱 쉽게 만들고자 합니다. 이제 자동화하려는 항목을 입력하고 설명하기만 하면 자동화 규칙을 쉽게 만들 수 있으며 규칙을 만드는 골치 아픈 작업은 Atlassian Intelligence가 맡아서 처리해 줍니다. JiraConfluence용 Atlassian Intelligence를 사용한 자동화에 대해 자세히 알아보세요.

어떻게 시작해야 할지 잘 모르겠거나 규칙 만들기 프로세스를 가속화하려는 시나리오에서는 Jira 및 Confluence용 Atlassian Intelligence를 사용한 자동화가 가장 효과적이라고 생각합니다.

자동화 규칙을 가장 효과적으로 만드는 방법을 모르시겠습니까?

자동화 규칙은 트리거, 작업, 조건 및 브랜치와 같은 다양한 유형의 구성 요소를 조합하여 만들어집니다. 구성 요소를 규칙의 빌딩 블록으로 생각하세요. Atlassian Intelligence로 규칙을 성공적으로 만들려면 규칙에 최소한 트리거와 작업이 모두 포함되어 있어야 합니다. 예를 들면 다음과 같습니다.

Jira에서:

매주 월요일에 기한 날짜가 7일 이내인 모든 작업을 찾아 담당자에게 알림 이메일을 보냅니다.

티켓이 테스트로 이동하면 티켓을 John Smith에게 할당합니다.

Confluence에서:

  • 매주 월요일에 기한 날짜가 7일 이내인 모든 작업을 찾아 담당자에게 알림 이메일을 보냅니다.
  • 6개월마다 그동안 업데이트되지 않은 모든 페이지를 보관합니다. 보관 후 페이지 작성자에게 이메일을 보내 알립니다.
  • 제목에 제품 사양이 포함된 페이지가 게시되면 Jira 티켓을 만들어 페이지 링크와 함께 페이지를 검토합니다.

또한 규칙을 만들려면 Atlassian Intelligence를 사용한 자동화가 모든 구성 요소를 지원해야 합니다. 즉, 규칙의 모든 트리거, 작업, 조건 또는 브랜치가 Jira 및/또는 Confluence의 자동화와 호환되어야 합니다.

Atlassian Intelligence를 사용한 자동화 고려 사항 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 자동화를 구동하는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

Atlassian Intelligence를 사용한 자동화는 다음과 같은 시나리오에서는 덜 효과적이라는 것을 발견했습니다.

  • 요청에 적절하게 응답하기 위해 Atlassian Intelligence를 사용한 자동화에 바로 이용 가능하지 않은 정보(예: 제한된 페이지 또는 프로젝트)에 대한 액세스 권한을 제공해야 하는 경우.
  • 일회성 작업을 수행해야 하는 경우.
  • 기술 자료 내에서 정보를 쿼리해야 하는 경우.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

Atlassian Intelligence를 사용한 자동화는 JiraConfluence에서 사용 가능한 자동화 구성 요소의 기존 집합에서만 작동합니다.

위의 설명과 같이 Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명하는 것이 좋습니다.

데이터 및 Atlassian Intelligence를 사용한 자동화 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용한 자동화에서 데이터가 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 Atlassian의 Trust Center에서 제공되는 정보를 보완합니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • Jira 프로젝트 또는 Confluence 페이지와 같이 프롬프트와 관련된 인스턴스의 컨텍스트.
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터.
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터의 경우 Confluence 자동화용 Atlassian Intelligence를 사용하는 데는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • 다른 고객이 사용할 수 없습니다.
    • OpenAI에서 저장하지 않습니다.
    • OpenAI 모델을 개선하는 데 사용되지 않습니다.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.

OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.

이 기능은 인스턴스의 권한을 따릅니다. 예를 들어, 특정 프로젝트 또는 페이지에 대한 액세스 권한이 없는 경우 받는 응답에 해당 자산의 콘텐츠가 제안되지 않습니다. 인스턴스의 다른 사용자에 대한 응답에서 콘텐츠를 사용할 수 없도록 하려면 조직 관리자에게 문의하여 권한이 적절하게 설정되었는지 확인하세요.

차트 인사이트

차트 인사이트가 Atlassian Intelligence를 사용하는 방법 Copy link to heading Copied! 보기
  

차트 인사이트는 OpenAI에서 개발한 대규모 언어 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함되어 있습니다.

Atlassian Intelligence는 이 모델을 사용하여 Atlassian 제품 내에서 자연어를 분석하고 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 본질적으로 확률적으로 작동합니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

차트 인사이트 사용 사례 Copy link to heading Copied! 보기
  

차트 인사이트는 Atlassian Intelligence를 사용하여 Atlassian Analytics의 모든 차트에 있는 데이터를 더 빠르게 이해할 수 있도록 도와줍니다. 대시보드 제목, 차트 제목, 차트 데이터(열 머리글과 행 값 포함)를 사용해 차트와 데이터에 대한 자연어 요약을 생성합니다. 또한 추세나 변칙을 식별하여 해당 차트에 대한 특정 인사이트를 제공하는 것도 목표로 합니다.

차트 인사이트는 다음과 같은 시나리오에서 가장 효과가 좋다고 생각합니다.

  • 차트에 많은 데이터 행이 있습니다.
  • 차트에 대시보드 제목이 있습니다.
  • 차트에 열 머리글이 있습니다.
  • 차트의 모든 행과 열에 값이 있습니다.

막대 차트, 선 차트, 막대-선 차트에는 보통 추세, 날짜, 여러 데이터 행이 포함되기 때문에 이 기능에 가장 잘 어울립니다.

차트 인사이트 사용 시 고려 사항 Copy link to heading Copied! 보기
  

차트 인사이트를 작동시키는 데 사용되는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

차트 인사이트는 다음과 같은 시나리오에서는 덜 유용합니다.

  • 데이터가 한 행 또는 몇 개뿐인 차트가 있습니다.
  • 단일 값 유형의 차트가 있습니다.
  • 차트에 제목, 축 레이블, 열 머리글이 없습니다.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

다음에 대해서도 생각해 보는 것이 좋습니다.

  • 차트에 표시된 특정 데이터에 대해 보다 많은 컨텍스트를 알고 있을 수 있는 다른 사용자들과 함께 인사이트의 정확도를 재확인합니다.
  • Atlassian Intelligence는 응답을 제공할 때 전체 대시보드가 아니라 단일 차트의 컨텍스트만 사용한다는 점을 고려합니다.
사용자의 데이터 및 차트 인사이트 Copy link to heading Copied! 보기
  

차트 인사이트가 데이터를 어떻게 사용하는지에 대해 궁금한 점이 있을 수 있다는 것을 잘 알고 있습니다. 이 섹션은 이 페이지에서 제공되는 정보를 보충하는 내용입니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • 차트 속 데이터처럼 프롬프트와 관련된 인스턴스의 컨텍스트.
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터.
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터에 대해 차트 인사이트는 다음과 같은 조치를 적용합니다.

  • 프롬프트(입력) 및 응답(출력):
    • 다른 고객이 사용할 수 없습니다.
    • OpenAI에서 저장하지 않음
    • OpenAI 모델을 개선하는 데 사용되지 않습니다.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 서브 프로세서 목록에 있는 서브 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력값과 출력값을 사용하지 않습니다.
  • 이 기능은 접근 권한이 있고 인사이트를 요청한 대시보드의 정보만 사용합니다.

Confluence 간단한 요약

Atlassian Intelligence가 Confluence의 페이지 및 블로그를 요약하는 방법 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용한 페이지 및 블로그 요약은 OpenAI에서 개발한 LLM 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함됩니다.

Atlassian Intelligence는 이 모델을 사용하여 Atlassian 제품 내에서 자연어를 분석하고 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

Confluence 사용 사례 간단 요약 Copy link to heading Copied! 보기
  

Atlassian Intelligence로 Confluence 페이지 또는 블로그에 대한 간단한 요약을 생성하여 시간을 절약하고 더 빠르게 작업하는 데 필요한 세부 정보를 얻으세요. Confluence에서 Atlassian Intelligence를 사용하는 방법에 대해 자세히 알아보세요.

Atlassian Intelligence를 사용하여 페이지 및 블로그를 요약하는 것은 다음과 같은 시나리오에서 가장 효과적이라고 생각합니다.

  • 읽는 데 5분 이상 걸리는 텍스트가 많은 페이지가 있는 경우.
  • 제한된 시각적 요소 및/또는 페이지 확장과 같은 기타 형식으로 작성된 콘텐츠가 많은 경우.
Atlassian Intelligence를 사용하여 페이지 및 블로그를 요약할 때의 고려 사항 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 페이지 및 블로그를 요약하는 데 사용하는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

매크로, 표 및 요약의 확장에 대한 지원을 계속 개선하고 있지만 Atlassian Intelligence를 사용하여 페이지 및 블로그를 요약하는 것은 다음과 같은 시나리오에서는 덜 효과적이라는 것을 발견했습니다.

  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요한 경우.
  • 콘텐츠가 충분하지 않은 매우 짧은 Confluence 페이지의 요약이 필요한 경우.
  • 콘텐츠가 대부분 표 또는 확장의 형태로 제공되는 Confluence 페이지의 요약이 필요한 경우.
  • 대부분의 콘텐츠에 매크로가 포함된 Confluence 페이지의 요약이 필요한 경우.

Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

다음에 대해서도 생각해 보는 것이 좋습니다.

  • Atlassian Intelligence에 텍스트 기반 콘텐츠가 많은 페이지를 요약해 달라고 요청하세요.
데이터 및 Atlassian Intelligence를 사용하여 페이지 및 블로그를 요약 Copy link to heading Copied! 보기
  

Confluence 자동화용 Atlassian Intelligence를 사용하면 데이터가 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 Atlassian의 Trust Center에서 제공되는 정보를 보완합니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).

  • 요약하려는 Confluence 페이지의 콘텐츠와 같이 프롬프트와 관련된 인스턴스의 컨텍스트.

  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터

  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터의 경우 Atlassian Intelligence를 사용하여 페이지 및 블로그를 요약하는 데는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • 다른 고객이 사용할 수 없습니다.
    • OpenAI에서 저장하지 않습니다.
    • OpenAI를 개선하는 데 사용되지 않습니다.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.
  • 이 기능은 인스턴스의 권한을 따릅니다. 예를 들어, Confluence 페이지에 대한 액세스 권한이 없는 경우 이 기능이 표시되지 않거나 Atlassian Intelligence를 사용하여 페이지를 요약하지 못할 수 있습니다. 인스턴스의 다른 사용자가 콘텐츠를 사용할 수 없도록 하려면 조직 관리자에게 문의하여 권한이 적절하게 설정되었는지 확인하세요.

Atlassian Intelligence를 사용하여 용어를 정의

Atlassian Intelligence가 용어를 정의하는 방법 Copy link to heading Copied! 보기
  

Confluence 및 Jira에서 Atlassian Intelligence를 사용하여 용어를 정의하는 것은 OpenAI에서 개발한 대규모 언어 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함되어 있습니다.

Atlassian Intelligence는 이 모델을 사용하여 Confluence에서 자연어 답변을 분석하고 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

Atlassian Intelligence를 사용한 용어를 정의하는 사용 사례 Copy link to heading Copied! 보기
  

Confluence 및 Jira에서 콘텐츠를 사용할 때 가장 어려운 점은 읽고 있는 내용을 이해하는 데 필요한 컨텍스트를 얻는 것입니다. 약어, 머리글자어, 낯선 용어, 팀 또는 프로젝트 관련 이름으로 인해 필요한 정보를 검색하는 데 시간이 오래 걸릴 수 있습니다.

Atlassian Intelligence를 사용하여 용어를 정의하면 Confluence의 페이지 또는 Jira의 이슈 설명에 회사별 용어(약어, 프로젝트, 시스템, 팀 이름 등)의 정의가 제공됩니다. 그러면 사용자에게 필요할 때 필요한 정보를 제공하는 동시에 팀이 더 효과적으로 공동 작업하는 데 도움이 됩니다.

Atlassian Intelligence는 읽고 있는 내용에서 벗어나지 않고도 용어를 정의하여 시간을 절약해줄 수 있습니다.

부정확하다고 생각되는 정의가 있는 경우 새 정의를 편집하거나 추가한 다음 가시성을 해당 페이지 또는 이슈, 전체 스페이스 또는 프로젝트나 조직 전체에 액세스할 수 있도록 설정하면 됩니다.

Confluence에서 Atlassian Intelligence를 사용하여 용어를 정의하는 것은 다음과 같은 시나리오에서 가장 효과적이라고 생각합니다.

  • 회사의 Confluence 인스턴스에 특정 용어가 무엇인지 언급하거나 묘사하거나 설명하는 페이지가 여러 개 있어서 Atlassian Intelligence가 참조할 수 있는 경우.
Atlassian Intelligence를 사용하여 용어를 정의할 때의 고려 사항 Copy link to heading Copied! 보기
  

Confluence에서 Atlassian Intelligence를 사용하여 용어를 정의하는 데 사용되는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

Confluence에서 Atlassian Intelligence를 사용하여 용어를 정의하는 것은 다음과 같은 시나리오에서는 덜 유용하다는 것을 발견했습니다.

  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요한 경우.
  • Confluence 인스턴스 내 용어에 대한 컨텍스트가 충분하지 않은 경우(예를 들어, 특정 용어를 언급하는 페이지가 없으면 해당 용어의 정의가 정확하게 생성되지 않음).
  • 정의에는 사용자가 볼 권한이 없는 Confluence 콘텐츠에 대한 액세스 권한이 필요합니다
  • 한 번에 하나의 개별 용어를 정의하지 않고 여러 용어를 정의하려는 경우.

또한 Jira에서는 Atlassian Intelligence를 사용한 용어 정의가 Confluence에서의 검색을 기반으로 하므로 Jira 인스턴스와 동일한 사이트에서 Confluence 인스턴스를 볼 권한이 있는 경우에만 Jira에서 이 기능이 작동한다는 것도 알게 되었습니다.

Atlassian Intelligence를 사용하여 용어를 정의해도 콘텐츠가 여러 언어로 작성된 Confluence 스페이스 또는 Jira 인스턴스에서는 예상대로 작동하지 않을 수도 있습니다.

데이터 및 Atlassian Intelligence를 사용한 용어 정의 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 용어를 정의하면 데이터가 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 Atlassian의 Trust Center에서 제공되는 정보를 보완합니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • 정의하려는 용어와 같이 프롬프트와 관련된 인스턴스의 컨텍스트.
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터.
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터의 경우 Atlassian Intelligence를 사용하여 용어를 정의하는 데는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • 다른 고객이 사용할 수 없습니다
    • OpenAI에서 저장하지 않습니다.
    • OpenAI 모델을 개선하는 데 사용되지 않습니다.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.
  • 이 기능은 기존 사용자 액세스 권한을 따르므로 사용자에게 액세스 권한이 없는 콘텐츠의 정의는 표시되지 않습니다. 대신 이 기능은 사용자가 인스턴스에서 볼 수 있는 권한이 있는 페이지 및 프로젝트에서만 콘텐츠 및 정의를 가져옵니다. 인스턴스의 다른 사용자에 대한 응답에서 콘텐츠를 사용할 수 없도록 하려면 조직 관리자에게 문의하여 권한이 적절하게 설정되었는지 확인하세요.
  • 사용자가 정의를 수동으로 편집 또는 업데이트하면 정의가 1년 동안 저장 및 유지됩니다.

Atlassian Intelligence로 풀리퀘스트 설명 생성

Bitbucket Cloud가 Atlassian Intelligence를 사용하여 풀리퀘스트 설명을 생성하는 방법 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 통한 풀리퀘스트 설명 생성은 OpenAI에서 개발한 대규모 언어 모델(LLM)을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함됩니다.

Atlassian Intelligence는 이 모델을 사용하여 Atlassian 제품 내에서 자연어 및 코드를 분석하고 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

Atlassian Intelligence로 풀리퀘스트 설명을 생성하는 사용 사례 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하면 Bitbucket Cloud 코드 검토 환경에서 풀리퀘스트 설명 또는 댓글을 작성할 때 콘텐츠를 생성, 변환, 요약할 수 있습니다. 여기에는 다음이 포함됩니다.

  • 풀리퀘스트에 포함된 코드 변경을 기반으로 풀리퀘스트 설명 생성.
  • 풀리퀘스트 설명 요약, 개선 또는 어조 변경.
  • 풀리퀘스트 댓글 요약, 개선 또는 어조 변경.

Atlassian Intelligence로 Bitbucket Cloud 풀리퀘스트 설명을 생성하는 것은 다음과 같은 시나리오에서 가장 효과적이라고 생각합니다.

  • 코드 작성자가 Atlassian Intelligence의 도움을 받아 풀리퀘스트 설명을 작성하거나 개선하고 싶은 경우. Atlassian Intelligence에서 생성한 콘텐츠가 풀리퀘스트를 설명하기에 적절한지 검토 및 확인할 수 있는 팀에 적합합니다.
  • 코드 검토자가 Atlassian Intelligence의 도움을 받아 이미 초안을 작성한 풀리퀘스트 댓글의 어조 또는 내용을 개선하고 싶은 경우.
Atlassian Intelligence로 풀리퀘스트 설명 생성 시 고려 사항 Copy link to heading Copied! 보기
  

이 기능의 기반이 되는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

Atlassian은 다음과 같은 시나리오에서 Atlassian Intelligence로 Bitbucket Cloud 풀리퀘스트 설명을 생성할 때 효과가 떨어진다는 사실을 알게 되었습니다.

  • 코드 변경 사항에 아직 없는 정보(예: 리포지토리의 다른 곳에 있는 소스 코드)를 참조하기 위해 풀리퀘스트 설명이 필요한 경우.
  • Atlassian Intelligence에서 생성한 콘텐츠가 풀리퀘스트를 정확하게 반영하는지 검토 및 확인할 수 없는 경우.
  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요한 경우.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

다음에 대해서도 생각해 보는 것이 좋습니다.

  • Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명.
  • 정확성과 명확성을 위해 AI 작성 어시스턴트가 생성한 산출물을 교정, 검토 및 편집하세요.
  • 다른 팀원과 협업하여 피드백을 수집하고 산출물의 품질을 개선하세요.
데이터 및 Atlassian Intelligence로 풀리퀘스트 설명 생성 Copy link to heading Copied! 보기
  

Confluence에서 Atlassian Intelligence를 사용하여 용어를 정의하면 데이터가 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 Atlassian의 Trust Center에서 제공되는 정보를 보완합니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력)
  • 다음과 같은 프롬프트와 관련된 인스턴스의 컨텍스트:
    • 풀리퀘스트의 코드 변경 및 커밋 메시지
    • 풀리퀘스트 설명의 내용
    • 풀리퀘스트 댓글의 내용
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터
  • 이 기능에 대해 제공하기로 선택한 피드백

데이터의 경우 Atlassian Intelligence로 풀리퀘스트 설명을 생성하는 데는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • 다른 고객이 사용할 수 없습니다
    • OpenAI에서 저장하지 않음
    • OpenAI 모델을 개선하는 데 사용되지 않음
    • 사용자 경험을 제공하기 위한 목적으로만 사용됨
  • OpenAI는 Atlassian의 서브 프로세서 목록에 있는 서브 프로세서입니다. 서브 프로세서는 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 사용자의 데이터를 사용할 수 없습니다.

Atlassian Analytics에서 SQL 쿼리 생성

Atlassian Intelligence가 Atlassian Analytics에서 SQL 쿼리를 생성하는 방법 Copy link to heading Copied! 보기
  

Atlassian Analytics에서 Atlassian Intelligence를 사용하여 SQL 쿼리를 생성하는 것은 OpenAI에서 개발한 대규모 언어 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함됩니다.

Atlassian Intelligence는 이 모델을 사용하여 자연어를 분석하고 이해한 다음 Atlassian Analytics에서 구조화된 쿼리 언어(SQL)로 변환합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

Atlassian Intelligence를 사용하여 SQL 쿼리를 생성하는 사용 사례들 Copy link to heading Copied! 보기
  

SQL 쿼리를 처음부터 직접 작성하는 대신 Atlassian Intelligence에 자연어로 질문하고 SQL로 변환하도록 하세요. 사용자가 질문하면 Atlassian Intelligence는 선택한 데이터 소스의 Atlassian Data Lake 스키마를 사용하여 Atlassian Analytics 대시보드에 차트를 만드는 데 사용할 수 있는 SQL 쿼리를 생성하며 Data Lake의 스키마에 대해 알아보는 데 도움이 될 수 있습니다.

Atlassian Intelligence를 사용하여 SQL 쿼리를 생성하는 것은 다음과 같은 시나리오에서 가장 효과적이라고 생각합니다.

  • 생성된 SQL로 시작하고 필요한 경우 쿼리를 구체화하여 사용자 지정 차트를 만들고 싶은 경우
  • 자연어 질문에 Atlassian Data Lake 스키마에서 참조되는 단어 및 개념이 포함된 경우(최대한 구체적으로 설명).
  • Atlassian Data Lake 스키마를 살펴보고 알아보고 싶은 경우.

어떤 질문을 해야 할지 잘 모르시겠습니까?

몇 가지 제안 사항은 다음과 같습니다.

  • 미해결 Jira 이슈 수를 기준으로 상위 5개 레이블은 무엇입니까?
  • 지난달에 x 프로젝트에서 완료한 Jira 이슈가 몇 개입니까?
  • 상위 5개 상태의 평균 상태 유지 시간은 얼마나 됩니까?
  • 지난달에 즐겨찾기에 가장 많이 추가된 상위 5개 Confluence 페이지는 무엇입니까?
  • 지난 5일 동안 x Jira Service Management 프로젝트에서 요청이 몇 개 제기되었습니까?
Atlassian Intelligence를 사용하여 SQL 쿼리를 생성할 때의 고려 사항 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 SQL 쿼리를 생성하는 데 사용되는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

Atlassian Intelligence를 사용하여 SQL 쿼리를 생성하는 것은 다음과 같은 시나리오에서는 덜 효과적이라는 것을 발견했습니다.

  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요한 경우.
  • 질문에 적절하게 응답하기 위해 이 기능이 Atlassian Data Lake 스키마에서 바로 이용 가능하지 않은 정보(예: 고급 계획용 데이터)에 액세스할 수 있어야 하는 경우.
  • 질문에 사용자 지정 필드에 대한 참조가 포함되어 있는 경우.
  • 영어가 아닌 다른 언어로 질문하는 경우.
  • Atlassian Intelligence에서 반환한 SQL의 유효성을 검사하기에는 SQL에 대한 지식이 충분하지 않은 경우.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

다음에 대해서도 생각해 보는 것이 좋습니다.

  • Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명.
  • 사용 중인 Atlassian Data Lake 데이터 소스가 질문에 답하는 데 필요한 데이터를 다루는지 확인하세요.
데이터 및 Atlassian Intelligence를 사용하여 SQL 쿼리를 생성 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 SQL 쿼리를 생성하면 데이터가 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 Atlassian의 Trust Center에서 제공되는 정보를 보완합니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • 인스턴스에 적용할 수 있는 공개적으로 사용 가능한 Atlassian Data Lake 스키마를 포함하여 프롬프트와 관련된 인스턴스의 컨텍스트.
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터.
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터의 경우 Atlassian Intelligence를 사용하여 SQL 쿼리를 생성하는 데는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • 다른 고객이 사용할 수 없습니다.
    • OpenAI에서 저장하지 않습니다.
    • OpenAI 모델을 개선하는 데 사용되지 않습니다.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.
  • 이 기능은 Atlassian Data Lake 연결의 권한을 따릅니다. 예를 들어, Atlassian Data Lake 연결에 대한 액세스 권한이 없으면 SQL을 빌드하여 쿼리할 수 없습니다.

편집기의 생성형 AI

편집 경험에서 Atlassian Intelligence가 작동하는 방식 Copy link to heading Copied! 보기
  

편집 경험에서 Atlassian Intelligence는 OpenAI에서 개발한 대규모 언어 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함됩니다.

Atlassian Intelligence는 이 모델을 사용하여 Atlassian 제품 내에서 자연어를 분석하고 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

에디터의 생성 AI 사용 사례들 Copy link to heading Copied! 보기
  

Atlassian Intelligence는 조직 내 모든 팀의 효과적인 커뮤니케이션을 유도하여 효율성, 의사 결정 및 프로세스를 개선하는 데 도움이 됩니다.

편집 경험에서 Atlassian Intelligence를 사용하는 것은 다음과 같은 시나리오에서 가장 효과적이라고 생각합니다.

  • 다양한 대상 그룹을 위해 기존 콘텐츠를 변형하는 경우. Atlassian Intelligence는 어조를 변경하고 글을 개선하고 다른 팀이 기술 정보를 더 쉽게 이해할 수 있도록 도와줍니다. 글을 더욱 전문적이고 간결하게 만들고 싶은 팀에 가장 적합합니다.
  • 기존 콘텐츠를 요약하는 경우. Atlassian Intelligence를 사용하면 대략적인 메모를 유용한 전략 문서, 기술 자료 문서, 캠페인 계획 등으로 바꿀 수 있습니다. 또한 기존 정보를 분석하여 작업 계획 및 항목을 정의하는 데 사용할 수도 있습니다. 가져와야 할 컨텍스트가 많으며 텍스트가 많은 페이지에 가장 적합합니다.
  • 새 콘텐츠를 생성하는 경우. Atlassian Intelligence는 전략 페이지, 프로젝트 개요, 릴리스 정보 또는 사용자 스토리와 같은 새 콘텐츠의 초안을 작성하도록 도와줍니다. 팀이 특정 목표를 염두에 두고 명확하고 구체적인 프롬프트를 사용할 때 가장 효과적입니다.
편집 경험에서 Atlassian Intelligence를 사용할 때의 고려 사항 Copy link to heading Copied! 보기
  

편집 경험에서 Atlassian Intelligence를 구동하는 데 사용되는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

편집 경험에서 Atlassian Intelligence를 사용하는 것은 다음과 같은 시나리오에서는 덜 유용하다는 것을 발견했습니다.

  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요한 경우.
  • 요청에 적절하게 응답하기 위해 바로 이용 가능하지 않은 정보(예: 인스턴스)에 액세스할 수 있어야 하는 경우.
  • 표준 Markdown 이외의 형식으로 콘텐츠를 생성해야 하는 경우(예: 정보 패널을 처음부터 생성).
  • 편집하는 문서에 아직 없는 정보(예: 다른 문서 또는 다른 제품에 있는 콘텐츠)를 참조해야 하는 경우.
  • 영어가 아닌 다른 언어로 콘텐츠를 생성하고 변환해야 하는 경우.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

다음에 대해서도 생각해 보는 것이 좋습니다.

  • Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명.
  • 복잡한 요청을 더욱 관리하기 쉬운 작은 작업으로 나누세요.
  • 관련 키워드를 통합하여 생성된 콘텐츠의 정확도를 높이세요.
  • 입력 텍스트에 올바른 문법과 구두점을 사용하세요.
  • 정확성과 명확성을 위해 AI 작성 어시스턴트가 생성한 산출물을 교정, 검토 및 편집하세요.
  • 다양한 프롬프트나 입력 텍스트의 변형을 실험해 보고 여러 아이디어를 탐색하세요.
  • 다른 팀원과 협업하여 피드백을 수집하고 산출물의 품질을 개선하세요.
데이터와 편집 경험에서의 Atlassian Intelligence Copy link to heading Copied! 보기
  

편집 경험에서 Atlassian Intelligence를 사용하면 데이터 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 Atlassian의 Trust Center에서 제공되는 정보를 보완합니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • Atlassian Intelligence를 트리거한 제품과 같이 프롬프트와 관련된 인스턴스의 컨텍스트.
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터.
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터의 경우 편집 경험에서 Atlassian Intelligence에는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • 다른 고객이 사용할 수 없습니다.
    • OpenAI에서 저장하지 않습니다.
    • OpenAI 모델을 개선하는 데 사용되지 않습니다.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.
  • 이 기능은 인스턴스의 권한을 따릅니다. 예를 들어, 특정 Confluence 페이지에 대한 액세스 권한이 없는 경우 받는 응답에 해당 페이지의 콘텐츠가 제안되지 않습니다. 인스턴스의 다른 사용자에 대한 응답에서 콘텐츠를 사용할 수 없도록 하려면 조직 관리자에게 문의하여 권한이 적절하게 설정되었는지 확인하세요.

Confluence에서 답변 검색

Atlassian Intelligence가 Confluence에서 답변을 검색하는 방법 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 Confluence에서 답변을 검색하는 기능은 OpenAI에서 개발한 LLM 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함됩니다.

Atlassian Intelligence는 이 모델을 사용하여 Atlassian 제품 내에서 자연어를 분석하고 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

Confluence에서 답변을 검색하는 사용 사례들 Copy link to heading Copied! 보기
  

기술 자료는 사용자가 따라잡을 수 없을 정도로 빠르게 성장하고 있습니다. Atlassian Intelligence를 사용하여 Confluence에서 답변을 검색하면 고객이 작업을 진행하는 데 필요한 주요 정보를 더 빠르게 찾을 수 있습니다. 이 기능을 사용하면 필요한 정보를 손쉽게 찾을 수 있습니다. 팀원에게 물어볼 만한 질문의 유형을 이해하고 즉시 대답합니다. Atlassian Intelligence를 사용하여 Confluence에서 답변을 검색하는 방법에 대해 자세히 알아보세요.

Atlassian Intelligence를 사용하여 Confluence에서 답변을 검색하는 기능은 Confluence 사이트가 상세하고 완전하며 최신 콘텐츠로 가득할 때 가장 잘 작동한다고 생각합니다.

이 기능은 새 콘텐츠를 생성하지 않지만 Confluence 페이지와 블로그를 검색하여 (제한 사항을 준수하면서) 질문에 대한 답변을 찾아줍니다. Atlassian Intelligence는 Confluence에 있는 내용, 특히 사용자가 액세스할 수 있는 내용만을 기반으로 답변을 생성합니다.

어떤 질문을 해야 할지 잘 모르시겠습니까?

몇 가지 제안 사항은 다음과 같습니다

  • 다음 마케팅 팀 오프사이트는 언제입니까?
  • 재택 근무 정책은 어떻게 됩니까?
  • 프로젝트 선라이즈는 무엇입니까?
  • 다음 마케팅 캠페인은 언제입니까?
  • SpaceLaunch의 최신 제품에 대한 릴리스 정보는 어디에 있습니까?
  • 환급을 위한 비용을 제출하려면 어떻게 해야 합니까?
Atlassian Intelligence를 사용하여 Confluence에서 답변을 검색할 때의 고려 사항 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 Confluence에서 답변을 검색하는 데 사용되는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

Atlassian Intelligence를 사용하여 Confluence에서 답변을 검색하는 것은 다음과 같은 시나리오에서는 덜 유용하다는 것을 발견했습니다.

  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요한 경우.
  • 자주 변경되는 정보(예: 매달 업데이트되는 로드맵)에 대한 정확한 최신 정보가 필요한 경우.
  • 특정 팀원 및 해당 팀원이 조직에서 수행하는 역할에 대한 정확한 최신 정보가 필요한 경우.
  • 질문에 적절하게 응답하기 위해 바로 이용 가능하지 않은 정보(예: Confluence 인스턴스의 제한된 페이지)에 액세스할 수 있어야 하는 경우.
  • 답변이 다양한 값 또는 범주(예: 매주 업데이트되는 메트릭)로 구성되어 있는 경우.
  • 미묘한 차이, 복잡성 또는 인간적인 수준의 추론이 요구되는 답변이 필요한 경우.

Atlassian Intelligence를 사용하여 Confluence에서 답변을 검색해도 문서가 여러 언어로 작성된 Confluence 스페이스에서는 예상대로 작동하지 않을 수도 있습니다.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

다음에 대해서도 생각해 보는 것이 좋습니다.

  • Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명.
  • Confluence 인스턴스에 문서화되어 있고 액세스 가능한 것으로 알고 있는 항목에 대해 질문.
데이터와 Atlassian Intelligence를 사용하여 Confluence에서 답변 검색 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 Confluence에서 답변을 검색하면 데이터가 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 Atlassian의 Trust Center에서 제공되는 정보를 보완합니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • 프롬프트와 관련된 인스턴스의 컨텍스트(예: Confluence 검색에서 반환된 상위 3개 페이지의 콘텐츠).
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터.
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터의 경우 Atlassian Intelligence를 사용하여 Confluence에서 답변을 검색하는 데는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • Are not available to other customers.
    • Are not stored by any LLM provider.
    • Are not used to improve LLM models.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.
  • 이 기능은 인스턴스의 권한을 따릅니다. 예를 들어, 특정 Confluence 페이지에 대한 액세스 권한이 없는 경우 이 기능은 표시되는 응답에 해당 페이지의 콘텐츠를 사용하지 않습니다. 인스턴스의 다른 사용자에 대한 응답에서 콘텐츠를 사용할 수 없도록 하려면 조직 관리자에게 문의하여 권한이 적절하게 설정되었는지 확인하세요.

Jira에서 이슈 검색

Atlassian Intelligence가 Jira에서 이슈를 검색하는 방법 Copy link to heading Copied! 보기
  

Jira에서 Atlassian Intelligence를 사용한 이슈 검색은 OpenAI에서 개발한 대규모 언어 모델을 기반으로 합니다. 모델에는 생성된 합성 데이터를 사용하여 Atlassian에서 세부 조정한 OpenAI 모델이 포함되며 여기에 설명되어 있습니다.

Atlassian Intelligence는 이 모델을 사용하여 자연어를 분석하고 이해한 다음 Atlassian 제품 내 Jira 쿼리 언어(SQL)로 변환합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 모델의 기능OpenAI 세부 조정에 대해 자세히 읽어보세요. OpenAI의 연구 논문에서도 이 접근 방식에 대해 자세히 읽어볼 수 있습니다.

Jira에서 이슈 검색을 위한 사용 사례들 Copy link to heading Copied! 보기
  

이제 복잡한 쿼리를 작성하는 대신 Atlassian Intelligence에 일상적인 언어로 원하는 것을 물어볼 수 있습니다. Atlassian Intelligence를 사용하여 이슈를 검색하면 프롬프트가 JQL 쿼리로 변환되어 특정 이슈를 빠르게 검색할 수 있습니다.

Atlassian Intelligence를 사용한 이슈 검색은 다음과 같은 시나리오에서 가장 효과적이라고 생각합니다.

  • Jira 프로젝트에서 사용 가능한 이슈 필드를 사용하여 Jira 이슈를 쿼리하는 경우.
  • 쿼리에 이슈 검색의 범위를 좁히는 데 도움이 되는 특정 필드 및 값이 있는 경우.
  • 찾고 있는 필드 및 값이 Jira 프로젝트에 있는 경우.
  • 쿼리가 영어로 된 경우.
  • 쿼리를 JQL로 변환할 수 있는 경우. Atlassian Intelligence가 프롬프트를 JQL 코드로 변환하므로 입력에 JQL로 변환할 수 있는 키워드가 포함되면 더 나은 결과를 제공할 수 있습니다.
Atlassian Intelligence를 사용하여 이슈를 검색할 때의 고려 사항 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 이슈를 검색하는 데 사용되는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

Atlassian Intelligence를 사용한 이슈 검색은 다음과 같은 시나리오에서는 덜 효과적이라는 것을 발견했습니다.

  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요한 경우.
  • 프로젝트, 보드 또는 사용자와 같이 이슈가 아닌 Jira 엔터티를 검색하는 경우.
  • 영어가 아닌 다른 언어로 검색하는 경우.
  • 차트, 요약 또는 기타 데이터 자료를 만들기 위해 이슈를 분석하려면 검색이 필요한 경우.
  • 검색에 현재 JQL에서 사용할 수 없는 함수(예: JQL 함수로 변환할 수 없는 "내가 댓글을 추가한 이슈 찾기"와 같은 질문)가 필요한 경우.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

또한 Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명하는 것이 좋습니다. 찾고 있는 정확한 필드 및 값을 포함하세요.

데이터와 Atlassian Intelligence를 사용한 이슈 검색 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 이슈를 검색하면 데이터가 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 Atlassian의 Trust Center에서 제공되는 정보를 보완합니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • 현재 진행 중인 프로젝트와 같이 프롬프트와 관련된 인스턴스의 컨텍스트.
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터의 경우 Atlassian Intelligence를 사용하여 이슈를 검색하는 데는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • Are not available to other customers.
    • Are not stored by any LLM provider.
    • Are not used to improve LLM models.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.
  • 검색 응답은 액세스할 수 있는 이슈 및 필드를 기반으로 결정됩니다(예: 특정 Jira 프로젝트에 액세스할 수 없는 경우 해당 프로젝트의 이슈 및 필드에 대한 검색 결과를 받지 못함).

Jira Service Management의 요청 유형 제안

Atlassian Intelligence가 Jira Service Management에서 요청 유형을 제안하는 방법 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용한 요청 유형 제안은 OpenAI에서 개발한 대규모 언어 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함됩니다.

Atlassian Intelligence는 이 모델을 사용하여 Jira Service Management에서 자연어 입력을 분석하고 요청 유형 이름 및 설명에 대한 제안을 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

Jira Service Management에서 요청 유형을 제안하는 사용 사례들 Copy link to heading Copied! 보기
  

프로젝트에 어떤 요청 유형을 만들어야 하는지 파악하는 데 드는 시간을 줄이고 대신 Atlassian Intelligence에서 제안을 받으세요. 어떤 유형의 요청을 만들 수 있는지 확인하려면 작업을 비롯해 팀에서 일반적으로 관리하는 일을 설명하면 됩니다. 요청 유형을 만들려면 Atlassian Intelligence에서 생성한 제안 중 하나를 선택하세요. Atlassian Intelligence를 사용하여 요청 유형을 제안하는 방법에 대해 자세히 알아보세요.

Atlassian Intelligence를 사용한 요청 유형 제안은 다음과 같은 시나리오에서 가장 효과적이라고 생각합니다.

  • 기존 요청 유형 템플릿이 지원하지 않는 매우 구체적인 사용 사례가 있는 경우.
  • 요구 사항이 아주 일반적이며 아이디어를 찾고 있는 경우.
  • 널리 사용되는 언어(예: 영어 또는 스페인어)를 사용하는 경우.
Atlassian Intelligence를 사용하여 요청 유형을 제안할 때의 고려 사항 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 요청 유형을 제안하는 데 사용되는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

Atlassian Intelligence를 사용하여 요청 유형을 제안하는 것은 다음과 같은 시나리오에서는 덜 유용하다는 것을 발견했습니다.

  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요한 경우.
  • 요청에 적절하게 응답하기 위해 이 기능이 바로 이용 가능하지 않은 정보(예: 인스턴스)에 액세스할 수 있어야 하는 경우.
  • 너무 모호하거나 서비스 관리와 관련 없는 프롬프트를 제공하는 경우.
  • 널리 사용되는 언어를 사용하지 않는 경우.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

다음에 대해서도 생각해 보는 것이 좋습니다.

  • Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명.
데이터와 Atlassian Intelligence를 사용하여 요청 유형을 제안할 때의 고려 사항 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 요청 유형을 제안하면 데이터가 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 Atlassian의 Trust Center에서 제공되는 정보를 보완합니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • 프롬프트와 관련된 인스턴스의 컨텍스트.
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터.
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터의 경우 Atlassian Intelligence를 사용하여 요청 유형을 제안하는 데는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • 다른 고객이 사용할 수 없습니다.
    • OpenAI에서 저장하지 않습니다.
    • OpenAI 모델을 개선하는 데 사용되지 않습니다.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.
  • 이 기능은 프롬프트 정보만 사용하므로 모든 Jira 권한을 준수합니다.

Jira Service Management에서 이슈 세부 정보를 요약

Atlassian Intelligence가 Jira Service Management에서 이슈 세부 정보를 요약하는 방법 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용한 이슈 세부 정보 요약은 OpenAI에서 개발한 대규모 언어 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함됩니다.

Atlassian Intelligence는 이 모델을 사용하여 Atlassian 제품 내에서 자연어를 분석하고 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

Jira Service Management에서 문제 세부 정보를 요약하는 사용 사례들 Copy link to heading Copied! 보기
  

Jira Service Management 이슈에 대한 긴 설명과 수많은 댓글을 읽는 대신 Atlassian Intelligence를 사용하면 이 정보를 빠르게 요약할 수 있습니다. 그러면 에이전트가 이슈의 컨텍스트 및 진행률을 빠르게 파악하는 데 도움이 되어 신속한 조치를 취하고 적시에 지원을 제공할 수 있습니다.

Atlassian Intelligence를 사용하여 이슈 세부 정보를 요약하는 것은 다음과 같은 경우에 가장 효과적이라고 생각합니다.

  • 설명 및 댓글이 영어로 작성된 이슈.
  • 댓글이 많거나 댓글 및 설명이 긴 이슈.
Atlassian Intelligence를 사용하여 이슈 세부 정보를 요약할 때의 고려 사항 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 이슈 세부 정보를 요약하는 데 사용하는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

Atlassian Intelligence를 사용하여 이슈 세부 정보를 요약하는 것은 다음과 같은 시나리오에서는 덜 효과적이라는 것을 발견했습니다.

  • 영어가 아닌 다른 언어를 사용하는 경우
  • 이슈에 기록 또는 세부 정보가 없는 경우

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

데이터 및 Atlassian Intelligence를 사용하여 이슈 세부 정보를 요약 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 이슈 세부 정보를 요약하면 데이터가 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 Atlassian의 Trust Center에서 제공되는 정보를 보완합니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • 프롬프트와 관련된 인스턴스의 컨텍스트에는 이슈 설명, 댓글 및 티켓과 관련된 사용자와 같이 Jira Service Management 이슈에 대한 세부 정보가 포함됩니다.
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터의 경우 Atlassian Intelligence를 사용하여 이슈 세부 정보를 요약하는 데는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • 다른 고객이 사용할 수 없습니다.
    • OpenAI 외의 다른 어떤 타사 LLM 공급자에 보내지 않습니다.
    • OpenAI에서 저장하지 않습니다.
    • OpenAI 모델을 개선하는 데 사용되지 않습니다.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.
  • 이 기능은 인스턴스의 권한을 따릅니다. 에이전트 및 프로젝트 관리자만 요약 버튼을 볼 수 있습니다.

Atlassian Intelligence를 사용하여 사용자 지정 공식 작성

Atlassian Intelligence가 Atlassian Analytics에서 사용자 지정 공식을 작성하는 방법 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용한 사용자 지정 공식 작성은 OpenAI에서 개발한 대규모 언어 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함됩니다.

Atlassian Intelligence는 이 모델을 사용하여 자연어를 분석한 다음 Atlassian Analytics에서 SQLite로 변환합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI의 연구 논문에서 OpenAI 모델의 기능에 대해 또는 이 접근 방식에 대해 자세히 알아보세요.

Atlassian Intelligence를 사용하여 사용자 지정 공식을 작성하는 사용 사례 Copy link to heading Copied! 보기
  

Atlassian Intelligence에 결과 테이블의 데이터를 변환하고 싶은 방법을 요청하거나 설명하면 SQLite 식을 처음부터 직접 작성하는 대신 Atlassian Intelligence에서 사용자 지정 공식에 사용되는 SQLite 식으로 변환해 줍니다. 사용자가 질문하면 Atlassian Intelligence는 이전 Visual SQL 단계의 결과 테이블에 있는 데이터를 사용하여 차트의 해당 데이터에 계산 또는 연산을 적용하는 SQLite 식을 생성합니다. SQLite 함수 및 그 구문에 대해 알아보는 데에도 도움이 될 수 있습니다.

Atlassian Intelligence를 사용하여 사용자 지정 공식을 작성하는 것은 다음과 같은 시나리오에서 가장 효과적입니다.

  • 쿼리한 데이터의 단일 열에 변경 사항을 적용하고 싶은 경우.
  • 생성한 SQLite 식으로 시작하고 필요 시 수정하고 싶은 경우.
  • 자연어 질문에 열 머리글 또는 행 데이터에서 참조하는 단어 및 개념이 포함되는 경우.
  • SQLite에 대해 자세히 알아보고 사용 가능한 SQLite 함수를 살펴보고 싶은 경우.
Atlassian Intelligence를 사용하여 사용자 지정 공식을 작성할 때의 고려 사항 Copy link to heading Copied! 보기
  

사용자 지정 공식을 사용할 때 Atlassian Intelligence에서 사용하는 모델이 때로는 부정확하거나 불완전하거나 불안정하게 작동할 수 있다는 점을 기억하세요.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

Atlassian Intelligence를 사용하여 사용자 지정 공식을 작성하는 것은 다음과 같은 시나리오에서 덜 효과적입니다.

  • 하나의 사용자 지정 공식에서 두 개 이상의 열에 변경 사항을 적용하고 싶은 경우.
  • 결과 테이블의 데이터에서 바로 사용할 수 없는 정보에 액세스하기 위해 이 기능이 필요한 경우.
  • 프롬프트에서 영어 이외의 언어로 질문하는 경우.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

다음에 대해서도 생각해 보는 것이 좋습니다.

  • Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명합니다.
  • 쿼리한 데이터가 질문에 답하는 데 필요한 데이터를 포함하는지 확인
데이터 및 Atlassian Intelligence를 사용한 사용자 지정 공식 작성 Copy link to heading Copied! 보기
  

Atlassain Intelligence를 사용하여 사용자 지정 공식을 작성할 때 데이터가 사용되는 방법에 대해 궁금한 점이 있으실 수 있습니다. 이 섹션은 Atlassian의 Trust Center에서 제공하는 정보를 보완합니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • 이전 Visual SQL 단계의 결과 집합 데이터를 포함하는 것과 같이 프롬프트와 관련된 인스턴스의 컨텍스트.
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.
  • 클릭스트림 데이터와 같이 사용자가 Atlassian의 기능과 상호 작용하는 방법에 대한 데이터

데이터의 경우 Atlassian Intelligence를 사용하여 사용자 지정 공식을 작성하는 데는 다음 조치가 적용됩니다.

프롬프트(입력) 및 응답(출력):

  • 다른 고객이 사용할 수 없습니다.
  • OpenAI에서 저장하지 않습니다.
  • OpenAI 모델을 개선하는 데 사용되지 않습니다.
  • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.

OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.

Atlassian AI 로고.

투명성을 위해 설계된 Atlassian Intelligence 및 Rovo

열린 커뮤니케이션, 책임 의식 및 팀이 AI를 책임감 있게 사용할 수 있도록 돕기 위해 헛소리는 하지 않는다는 정신에 대한 Atlassian의 약속입니다.

Rovo

사용 사례 및 데이터 사용을 투명하게 보려면 아래에서 Rovo 기능을 선택합니다.

Jira Service Management의 Atlassian Intelligence 답변

Jira Service Management의 Atlassian Intelligence 답변이 작동하는 방식 Copy link to heading Copied! 보기
  

Atlassian Intelligence 답변은 OpenAI에서 개발한 대규모 언어 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함됩니다.

Atlassian Intelligence는 이 모델을 사용하여 Atlassian 제품 내에서 자연어를 분석하고 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

Jira Service Management의 Atlassian Intelligence 답변의 사용 사례 Copy link to heading Copied! 보기
  

Atlassian Intelligence의 답변 기능은 Jira Service Management의 가상 서비스 에이전트에 연결됩니다. 생성형 인공지능을 사용하여 연결된 기술 자료 스페이스를 검색하고 고객 질문에 답합니다.

Atlassian Intelligence의 답변은 다음과 같은 시나리오에서 가장 잘 작동한다고 생각합니다.

  • 가상 서비스 에이전트가 Atlassian Intelligence의 답변을 사용하여 고객 질문에 대한 답변을 제공할 때 액세스할 수 있는 완전하고 연결된 최신 기술 자료가 있는 경우.
  • Atlassian Intelligence 답변은 다음과 같은 고객 질문에 답변하는 데 사용됩니다.
    • 정보 또는 안내를 제공하여 해결할 수 있음.
    • 기존 기술 자료 문서에서 다루거나 추가할 수 있음.
    • 일반적으로 에이전트에게 에스컬레이션할 필요가 없음.
Jira Service Management의 Atlassian Intelligence 답변을 사용할 때 고려할 사항 Copy link to heading Copied! 보기
  

Atlassian Intelligence 답변을 구동하는 데 사용되는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

Atlassian Intelligence의 답변은 다음과 같은 시나리오에서는 덜 유용하다는 것을 발견했습니다.

  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요합니다.
  • 요청에 적절하게 응답하기 위해 Atlassian Intelligence 답변이 바로 이용 가능하지 않은 정보(예: 연결된 기술 자료)에 액세스할 수 있어야 하는 경우.
  • 기술 자료가 오래되었거나 불완전하여 검색이 도움이 되지 않을 수 있는 경우.
  • 기술 자료의 문서에 관련성이 있거나 높은 품질의 정보가 포함되어 있지 않은 경우(따라서 Atlassian Intelligence의 답변은 해당 문서를 기반으로 고객에게 관련성이 낮은 정보를 제공할 수 있음).

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

다음에 대해서도 생각해 보는 것이 좋습니다.

  • 연결된 기술 자료(및 그 안에 포함된 기존 문서)를 미리 검토하고 업데이트하여 기술 자료를 완전하고 최신 상태로 유지하세요.
  • Atlassian Intelligence의 답변이 유용한 올바른 정보에 액세스할 수 있도록 연결된 기술 자료 공간에 적용되는 권한 및 제한 사항을 미리 검토하세요.
데이터 및 Jira Service Management의 Atlassian Intelligence 답변 Copy link to heading Copied! 보기
  

Jira Service Management의 Atlassian Intelligence 답변이 데이터를 어떻게 사용하는지에 대해 궁금하실 수 있습니다. 이 섹션은 FAQ 페이지에서 제공되는 정보를 보충하는 내용입니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • 프롬프트와 관련된 인스턴스의 컨텍스트(예: 연결된 기술 자료 공간).
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터입니다.
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.
  • 데이터의 경우 Jira Service Management의 Atlassian Intelligence 답변에는 다음 조치가 적용됩니다.
  • 프롬프트(입력) 및 응답(출력):
    • 다른 고객이 사용할 수 없습니다.
    • Are not stored by any LLM provider.
    • Are not used to improve LLM models.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.
  • 이 기능은 연결된 기술 자료 공간에 적용되는 권한 및 제한 사항을 따릅니다. 따라서 Jira Service Management 포털에서 고객이 사용할 수 있는 모든 페이지는 Atlassian Intelligence 답변을 통해 이용할 수 있습니다. 예를 들어, 특정 Confluence 페이지에 대한 액세스가 제한되어 있고 Jira Service Management를 통해 일반적으로 사용할 수 없는 경우 해당 페이지의 콘텐츠는 Atlassian Intelligence 답변의 응답에 제안되지 않습니다. 인스턴스의 다른 사용자에 대한 응답에서 콘텐츠를 사용할 수 없도록 하려면 조직 관리자에게 문의하여 권한이 적절하게 설정되었는지 확인하세요.

Atlassian Intelligence를 사용한 자동화

자동화에 Atlassian Intelligence를 사용하는 방법 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용한 자동화는 OpenAI에서 개발한 GPT 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함됩니다.

Atlassian Intelligence는 이 모델을 사용하여 Jira 및 Confluence에서 자연어 입력을 분석하고 자동화 규칙을 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

Atlassian Intelligence를 사용한 자동화 사용 사례 Copy link to heading Copied! 보기
  

자동화 규칙을 만드는 것은 일상적인 자동화 경험의 핵심이며 Atlassian에서는 Jira 및 Confluence의 자동화 규칙 빌더에 Atlassian Intelligence를 추가하여 그 과정을 더욱 쉽게 만들고자 합니다. 이제 자동화하려는 항목을 입력하고 설명하기만 하면 자동화 규칙을 쉽게 만들 수 있으며 규칙을 만드는 골치 아픈 작업은 Atlassian Intelligence가 맡아서 처리해 줍니다. JiraConfluence용 Atlassian Intelligence를 사용한 자동화에 대해 자세히 알아보세요.

어떻게 시작해야 할지 잘 모르겠거나 규칙 만들기 프로세스를 가속화하려는 시나리오에서는 Jira 및 Confluence용 Atlassian Intelligence를 사용한 자동화가 가장 효과적이라고 생각합니다.

자동화 규칙을 가장 효과적으로 만드는 방법을 모르시겠습니까?

자동화 규칙은 트리거, 작업, 조건 및 브랜치와 같은 다양한 유형의 구성 요소를 조합하여 만들어집니다. 구성 요소를 규칙의 빌딩 블록으로 생각하세요. Atlassian Intelligence로 규칙을 성공적으로 만들려면 규칙에 최소한 트리거와 작업이 모두 포함되어 있어야 합니다. 예를 들면 다음과 같습니다.

Jira에서:

매주 월요일에 기한 날짜가 7일 이내인 모든 작업을 찾아 담당자에게 알림 이메일을 보냅니다.

티켓이 테스트로 이동하면 티켓을 John Smith에게 할당합니다.

Confluence에서:

  • 매주 월요일에 기한 날짜가 7일 이내인 모든 작업을 찾아 담당자에게 알림 이메일을 보냅니다.
  • 6개월마다 그동안 업데이트되지 않은 모든 페이지를 보관합니다. 보관 후 페이지 작성자에게 이메일을 보내 알립니다.
  • 제목에 제품 사양이 포함된 페이지가 게시되면 Jira 티켓을 만들어 페이지 링크와 함께 페이지를 검토합니다.

또한 규칙을 만들려면 Atlassian Intelligence를 사용한 자동화가 모든 구성 요소를 지원해야 합니다. 즉, 규칙의 모든 트리거, 작업, 조건 또는 브랜치가 Jira 및/또는 Confluence의 자동화와 호환되어야 합니다.

Atlassian Intelligence를 사용한 자동화 고려 사항 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 자동화를 구동하는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

Atlassian Intelligence를 사용한 자동화는 다음과 같은 시나리오에서는 덜 효과적이라는 것을 발견했습니다.

  • 요청에 적절하게 응답하기 위해 Atlassian Intelligence를 사용한 자동화에 바로 이용 가능하지 않은 정보(예: 제한된 페이지 또는 프로젝트)에 대한 액세스 권한을 제공해야 하는 경우.
  • 일회성 작업을 수행해야 하는 경우.
  • 기술 자료 내에서 정보를 쿼리해야 하는 경우.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

Atlassian Intelligence를 사용한 자동화는 JiraConfluence에서 사용 가능한 자동화 구성 요소의 기존 집합에서만 작동합니다.

위의 설명과 같이 Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명하는 것이 좋습니다.

데이터 및 Atlassian Intelligence를 사용한 자동화 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용한 자동화에서 데이터가 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 FAQ 페이지에서 제공되는 정보를 보충하는 내용입니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • Jira 프로젝트 또는 Confluence 페이지와 같이 프롬프트와 관련된 인스턴스의 컨텍스트.
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터입니다.
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터의 경우 Confluence 자동화용 Atlassian Intelligence를 사용하는 데는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • Are not available to other customers.
    • Are not stored by any LLM provider.
    • Are not used to improve LLM models.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.

OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.

이 기능은 인스턴스의 권한을 따릅니다. 예를 들어, 특정 프로젝트 또는 페이지에 대한 액세스 권한이 없는 경우 받는 응답에 해당 자산의 콘텐츠가 제안되지 않습니다. 인스턴스의 다른 사용자에 대한 응답에서 콘텐츠를 사용할 수 없도록 하려면 조직 관리자에게 문의하여 권한이 적절하게 설정되었는지 확인하세요.

알림 그룹화

알림 그룹화가 Atlassian Intelligence를 사용하는 방법 Copy link to heading Copied! 보기
  

Atlassian Intelligence의 알림 그룹화는 OpenAI 및 기타 머신러닝 모델에서 개발한 대규모 언어 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함되어 있습니다.

Atlassian Intelligence는 이 머신러닝 모델을 사용하여 알림 그룹을 분석 및 생성하고 알림 콘텐츠 또는 사용된 태그의 유사성을 기반으로 제품 내에서 관련 제안(과거 알림 그룹 및 과거 알림 대응자)을 제공합니다. 그런 다음 Atlassian Intelligence는 대규모 언어 모델을 사용하여 제품 내에서 이 그룹에 대한 자연어 설명 및 콘텐츠를 분석하고 생성합니다.

대규모 언어 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적으로 작동합니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

알림 그룹화 사용 사례 Copy link to heading Copied! 보기
  

알림 그룹화는 Atlassian Intelligence를 사용하여 비슷한 알림을 식별하고 그룹화합니다. 또한 사용된 알림 콘텐츠 또는 태그의 의미론적 유사성을 기반으로 과거 유사한 알림 그룹 및 과거 알림 대응자(또는 대응자 팀)를 식별하고 추천하여 도움을 줍니다.

알림 그룹을 인시던트로 에스컬레이션하려는 경우 인시던트 만들기 프로세스에서 검토할 수 있도록 모든 상황별 정보를 미리 입력할 수도 있습니다.

알림 그룹화는 다음과 같은 시나리오에서 가장 잘 작동한다고 생각합니다.

  • 단기간 또는 장기간에 걸쳐 유사하거나 중복된 알림이 대량으로 발생하는 패턴을 자주 접하는 조직인 경우.
  • 태그를 사용하여 알림을 일관되게 분류하는 조직인 경우.
  • 비슷하거나 중복된 알림을 인시던트로 에스컬레이션해야 하는 경우가 많은 팀인 경우.
알림 그룹화 사용 시 고려 사항 Copy link to heading Copied! 보기
  

알림 그룹화 작동시키는 데 사용되는 모델의 작동 방식으로 인해 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다. 표시되는 알림 그룹의 경우 태그의 의미론적 유사성을 정확하게 반영하지 못할 수 있습니다.

알림 그룹화는 다음과 같은 시나리오에서는 덜 유용합니다.

  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요합니다.
  • 알림을 적절하게 그룹화하기 위해 알림 그룹화가 바로 이용 가능하지 않은 정보에 액세스할 수 있어야 하는 경우. 알림 그룹화는 팀의 구성된 역할 및 권한 범위 내에서 작동하므로 보기 권한이 있는 알림에 대해서만 그룹 및 인사이트에 액세스할 수 있습니다.
  • 팀에서 사용하는 알림 태그가 일관성이 없거나 잘 관리되지 않는 경우. 알림 그룹화는 알림 제목과 태그의 의미론적 유사성을 기반으로 알림을 그룹화하기 때문에 팀 및 조직에서 사용하는 알림 태그의 일관성과 무결성 상태에 따라 생성되는 알림 그룹의 품질이 달라집니다.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

또한 사용자 및 팀이 알림 태그를 사용할 때 일관된 관행을 따르도록 하는 것도 고려할 수 있습니다.

데이터 및 알림 그룹화 Copy link to heading Copied! 보기
  

알림 그룹화가 데이터를 어떻게 사용하는지에 대해 궁금한 점이 있을 수 있다는 것을 잘 알고 있습니다. 이 섹션은 FAQ 페이지에서 제공되는 정보를 보충하는 내용입니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • 알림 데이터(알림 제목, 알림 태그, 우선 순위, 대응자 팀, 설명)와 같이 프롬프트와 관련된 인스턴스의 컨텍스트.
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터입니다.
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

사용자의 알림 데이터를 처리하여 사용자의 알림과 관련된 패턴을 인식하는 머신러닝 모델을 학습시킵니다. 이 버전은 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.

  • 식별된 패턴을 저장하여 인사이트를 제공합니다.
  • LLM을 학습시키기 위해 사용자의 알림 데이터를 사용하지 않습니다.

데이터에 대해 알림 그룹화는 다음과 같은 조치를 적용합니다.

  • 사용자의 입력 및 산출물:
    • 다른 고객이 사용할 수 없습니다
    • Are not stored by any LLM provider.
    • Are not used to improve LLM models.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 산출물을 사용하지 않습니다.
  • 이 기능은 사이트의 권한을 따릅니다. 예를 들어 Atlassian Intelligence에서 태그 및 의미론적 유사성을 기준으로 50개의 알림을 그룹화하고 그중 30개만 볼 권한이 있는 경우 그룹 상세 보기에서 해당 30개만 볼 수 있습니다. 사이트의 다른 사용자가 해당 알림을 사용할 수 없도록 하려면 조직/사이트 관리자에게 문의하여 권한이 적절하게 설정되었는지 확인하세요.
Atlassian Intelligence가 Confluence의 페이지 및 블로그를 요약하는 방법 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용한 페이지 및 블로그 요약은 OpenAI에서 개발한 LLM 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함되어 있습니다.

Atlassian Intelligence는 이 모델을 사용하여 Atlassian 제품 내에서 자연어를 분석하고 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 본질적으로 확률적으로 작동합니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

Confluence 사용 사례 간단 요약 Copy link to heading Copied! 보기
  

Atlassian Intelligence로 Confluence 페이지 또는 블로그에 대한 간단한 요약을 생성하여 시간을 절약하고 더 빠르게 작업하는 데 필요한 세부 정보를 얻으세요. Confluence에서 Atlassian Intelligence를 사용하는 방법에 대해 자세히 알아보세요.

Atlassian Intelligence를 사용하여 페이지 및 블로그를 요약하는 것은 다음과 같은 시나리오에서 가장 효과적이라고 생각합니다.

  • 읽는 데 5분 이상 걸리는 텍스트가 많은 페이지가 있는 경우.
  • 제한된 시각적 요소 및/또는 페이지 확장과 같은 기타 형식으로 작성된 콘텐츠가 많은 경우.
Atlassian Intelligence를 사용하여 페이지 및 블로그를 요약할 때의 고려 사항 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 페이지 및 블로그를 요약하는 데 사용하는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

매크로, 표 및 요약의 확장에 대한 지원을 계속 개선하고 있지만 Atlassian Intelligence를 사용하여 페이지 및 블로그를 요약하는 것은 다음과 같은 시나리오에서는 덜 효과적이라는 것을 발견했습니다.

  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요합니다.
  • 콘텐츠가 충분하지 않은 매우 짧은 Confluence 페이지의 요약이 필요한 경우.
  • 콘텐츠가 대부분 표 또는 확장의 형태로 제공되는 Confluence 페이지의 요약이 필요한 경우.
  • 대부분의 콘텐츠에 매크로가 포함된 Confluence 페이지의 요약이 필요한 경우.

Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

다음에 대해서도 생각해 보는 것이 좋습니다.

  • Atlassian Intelligence에 텍스트 기반 콘텐츠가 많은 페이지를 요약해 달라고 요청하세요.
데이터 및 Atlassian Intelligence를 사용하여 페이지 및 블로그를 요약 Copy link to heading Copied! 보기
  

Confluence 자동화용 Atlassian Intelligence를 사용하면 데이터가 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 FAQ 페이지에서 제공되는 정보를 보충하는 내용입니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).

  • 요약하려는 Confluence 페이지의 콘텐츠와 같이 프롬프트와 관련된 인스턴스의 컨텍스트.

  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터

  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터의 경우 Atlassian Intelligence를 사용하여 페이지 및 블로그를 요약하는 데는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • 다른 고객이 사용할 수 없습니다.
    • Are not stored by any LLM provider.
    • Are not used to improve LLM models.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력값과 출력값을 사용하지 않습니다.
  • 이 기능은 인스턴스의 권한을 따릅니다. 예를 들어, Confluence 페이지에 대한 액세스 권한이 없는 경우 이 기능이 표시되지 않거나 Atlassian Intelligence를 사용하여 페이지를 요약하지 못할 수 있습니다. 인스턴스의 다른 사용자가 콘텐츠를 사용할 수 없도록 하려면 조직 관리자에게 문의하여 권한이 적절하게 설정되었는지 확인하세요.

Atlassian Intelligence를 사용하여 용어를 정의

Atlassian Intelligence가 용어를 정의하는 방법 Copy link to heading Copied! 보기
  

Confluence 및 Jira에서 Atlassian Intelligence를 사용하여 용어를 정의하는 것은 OpenAI에서 개발한 대규모 언어 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함되어 있습니다.

Atlassian Intelligence는 이 모델을 사용하여 Confluence에서 자연어 답변을 분석하고 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

Atlassian Intelligence를 사용한 용어를 정의하는 사용 사례 Copy link to heading Copied! 보기
  

Confluence 및 Jira에서 콘텐츠를 사용할 때 가장 어려운 점은 읽고 있는 내용을 이해하는 데 필요한 컨텍스트를 얻는 것입니다. 약어, 머리글자어, 낯선 용어, 팀 또는 프로젝트 관련 이름으로 인해 필요한 정보를 검색하는 데 시간이 오래 걸릴 수 있습니다.

Atlassian Intelligence를 사용하여 용어를 정의하면 Confluence의 페이지 또는 Jira의 이슈 설명에 회사별 용어(약어, 프로젝트, 시스템, 팀 이름 등)의 정의가 제공됩니다. 그러면 사용자에게 필요할 때 필요한 정보를 제공하는 동시에 팀이 더 효과적으로 공동 작업하는 데 도움이 됩니다.

Atlassian Intelligence는 읽고 있는 내용에서 벗어나지 않고도 용어를 정의하여 시간을 절약해줄 수 있습니다.

부정확하다고 생각되는 정의가 있는 경우 새 정의를 편집하거나 추가한 다음 가시성을 해당 페이지 또는 이슈, 전체 스페이스 또는 프로젝트나 조직 전체에 액세스할 수 있도록 설정하면 됩니다.

Confluence에서 Atlassian Intelligence를 사용하여 용어를 정의하는 것은 다음과 같은 시나리오에서 가장 효과적이라고 생각합니다.

  • 회사의 Confluence 인스턴스에 특정 용어가 무엇인지 언급하거나 묘사하거나 설명하는 페이지가 여러 개 있어서 Atlassian Intelligence가 참조할 수 있는 경우.
Atlassian Intelligence를 사용하여 용어를 정의할 때의 고려 사항 Copy link to heading Copied! 보기
  

Confluence에서 Atlassian Intelligence를 사용하여 용어를 정의하는 데 사용되는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

Confluence에서 Atlassian Intelligence를 사용하여 용어를 정의하는 것은 다음과 같은 시나리오에서는 덜 유용하다는 것을 발견했습니다.

  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요한 경우.
  • Confluence 인스턴스 내 용어에 대한 컨텍스트가 충분하지 않은 경우(예를 들어, 특정 용어를 언급하는 페이지가 없으면 해당 용어의 정의가 정확하게 생성되지 않음).
  • 정의에는 사용자가 볼 권한이 없는 Confluence 콘텐츠에 대한 액세스 권한이 필요합니다
  • 한 번에 하나의 개별 용어를 정의하지 않고 여러 용어를 정의하려는 경우.

또한 Jira에서는 Atlassian Intelligence를 사용한 용어 정의가 Confluence에서의 검색을 기반으로 하므로 Jira 인스턴스와 동일한 사이트에서 Confluence 인스턴스를 볼 권한이 있는 경우에만 Jira에서 이 기능이 작동한다는 것도 알게 되었습니다.

Atlassian Intelligence를 사용하여 용어를 정의해도 콘텐츠가 여러 언어로 작성된 Confluence 스페이스 또는 Jira 인스턴스에서는 예상대로 작동하지 않을 수도 있습니다.

데이터 및 Atlassian Intelligence를 사용한 용어 정의 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 용어를 정의하면 데이터가 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 FAQ 페이지에서 제공되는 정보를 보충하는 내용입니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • 정의하려는 용어와 같이 프롬프트와 관련된 인스턴스의 컨텍스트.
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터입니다.
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터의 경우 Atlassian Intelligence를 사용하여 용어를 정의하는 데는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • 다른 고객이 사용할 수 없습니다
    • Are not stored by any LLM provider.
    • Are not used to improve LLM models.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.
  • 이 기능은 기존 사용자 액세스 권한을 따르므로 사용자에게 액세스 권한이 없는 콘텐츠의 정의는 표시되지 않습니다. 대신 이 기능은 사용자가 인스턴스에서 볼 수 있는 권한이 있는 페이지 및 프로젝트에서만 콘텐츠 및 정의를 가져옵니다. 인스턴스의 다른 사용자에 대한 응답에서 콘텐츠를 사용할 수 없도록 하려면 조직 관리자에게 문의하여 권한이 적절하게 설정되었는지 확인하세요.
  • 사용자가 정의를 수동으로 편집 또는 업데이트하면 정의가 1년 동안 저장 및 유지됩니다.

편집기의 생성형 AI

편집 경험에서 Atlassian Intelligence가 작동하는 방식 Copy link to heading Copied! 보기
  

편집 경험에서 Atlassian Intelligence는 OpenAI에서 개발한 대규모 언어 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함됩니다.

Atlassian Intelligence는 이 모델을 사용하여 Atlassian 제품 내에서 자연어를 분석하고 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

에디터의 생성 AI 사용 사례들 Copy link to heading Copied! 보기
  

Atlassian Intelligence는 조직 내 모든 팀의 효과적인 커뮤니케이션을 유도하여 효율성, 의사 결정 및 프로세스를 개선하는 데 도움이 됩니다.

편집 경험에서 Atlassian Intelligence를 사용하는 것은 다음과 같은 시나리오에서 가장 효과적이라고 생각합니다.

  • 다양한 대상 그룹을 위해 기존 콘텐츠를 변형하는 경우. Atlassian Intelligence는 어조를 변경하고 글을 개선하고 다른 팀이 기술 정보를 더 쉽게 이해할 수 있도록 도와줍니다. 글을 더욱 전문적이고 간결하게 만들고 싶은 팀에 가장 적합합니다.
  • 기존 콘텐츠를 요약하는 경우. Atlassian Intelligence를 사용하면 대략적인 메모를 유용한 전략 문서, 기술 자료 문서, 캠페인 계획 등으로 바꿀 수 있습니다. 또한 기존 정보를 분석하여 작업 계획 및 항목을 정의하는 데 사용할 수도 있습니다. 가져와야 할 컨텍스트가 많으며 텍스트가 많은 페이지에 가장 적합합니다.
  • 새 콘텐츠를 생성하는 경우. Atlassian Intelligence는 전략 페이지, 프로젝트 개요, 릴리스 정보 또는 사용자 스토리와 같은 새 콘텐츠의 초안을 작성하도록 도와줍니다. 팀이 특정 목표를 염두에 두고 명확하고 구체적인 프롬프트를 사용할 때 가장 효과적입니다.
편집 경험에서 Atlassian Intelligence를 사용할 때의 고려 사항 Copy link to heading Copied! 보기
  

편집 경험에서 Atlassian Intelligence를 구동하는 데 사용되는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

편집 경험에서 Atlassian Intelligence를 사용하는 것은 다음과 같은 시나리오에서는 덜 유용하다는 것을 발견했습니다.

  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요한 경우.
  • 요청에 적절하게 응답하기 위해 바로 이용 가능하지 않은 정보(예: 인스턴스)에 액세스할 수 있어야 하는 경우.
  • 표준 Markdown 이외의 형식으로 콘텐츠를 생성해야 하는 경우(예: 정보 패널을 처음부터 생성).
  • 편집하는 문서에 아직 없는 정보(예: 다른 문서 또는 다른 제품에 있는 콘텐츠)를 참조해야 하는 경우.
  • 영어가 아닌 다른 언어로 콘텐츠를 생성하고 변환해야 하는 경우.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

다음에 대해서도 생각해 보는 것이 좋습니다.

  • Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명.
  • 복잡한 요청을 더욱 관리하기 쉬운 작은 작업으로 나누세요.
  • 관련 키워드를 통합하여 생성된 콘텐츠의 정확도를 높이세요.
  • 입력 텍스트에 올바른 문법과 구두점을 사용하세요.
  • 정확성과 명확성을 위해 AI 작성 어시스턴트가 생성한 산출물을 교정, 검토 및 편집하세요.
  • 다양한 프롬프트나 입력 텍스트의 변형을 실험해 보고 여러 아이디어를 탐색하세요.
  • 다른 팀원과 협업하여 피드백을 수집하고 산출물의 품질을 개선하세요.
데이터와 편집 경험에서의 Atlassian Intelligence Copy link to heading Copied! 보기
  

편집 경험에서 Atlassian Intelligence를 사용하면 데이터 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 FAQ 페이지에서 제공되는 정보를 보충하는 내용입니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • Atlassian Intelligence를 트리거한 제품과 같이 프롬프트와 관련된 인스턴스의 컨텍스트.
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터입니다.
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터의 경우 편집 경험에서 Atlassian Intelligence에는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • 다른 고객이 사용할 수 없습니다.
    • Are not stored by any LLM provider.
    • Are not used to improve LLM models.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.
  • 이 기능은 인스턴스의 권한을 따릅니다. 예를 들어, 특정 Confluence 페이지에 대한 액세스 권한이 없는 경우 받는 응답에 해당 페이지의 콘텐츠가 제안되지 않습니다. 인스턴스의 다른 사용자에 대한 응답에서 콘텐츠를 사용할 수 없도록 하려면 조직 관리자에게 문의하여 권한이 적절하게 설정되었는지 확인하세요.

Jira Service Management에서 이슈 세부 정보를 요약

Atlassian Intelligence가 Jira Service Management에서 이슈 세부 정보를 요약하는 방법 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용한 이슈 세부 정보 요약은 OpenAI에서 개발한 대규모 언어 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함됩니다.

Atlassian Intelligence는 이 모델을 사용하여 Atlassian 제품 내에서 자연어를 분석하고 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

Jira Service Management에서 문제 세부 정보를 요약하는 사용 사례들 Copy link to heading Copied! 보기
  

Jira Service Management 이슈에 대한 긴 설명과 수많은 댓글을 읽는 대신 Atlassian Intelligence를 사용하면 이 정보를 빠르게 요약할 수 있습니다. 그러면 에이전트가 이슈의 컨텍스트 및 진행률을 빠르게 파악하는 데 도움이 되어 신속한 조치를 취하고 적시에 지원을 제공할 수 있습니다.

Atlassian Intelligence를 사용하여 이슈 세부 정보를 요약하는 것은 다음과 같은 경우에 가장 효과적이라고 생각합니다.

  • 설명 및 댓글이 영어로 작성된 이슈.
  • 댓글이 많거나 댓글 및 설명이 긴 이슈.
Atlassian Intelligence를 사용하여 이슈 세부 정보를 요약할 때의 고려 사항 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 이슈 세부 정보를 요약하는 데 사용하는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

Atlassian Intelligence를 사용하여 이슈 세부 정보를 요약하는 것은 다음과 같은 시나리오에서는 덜 효과적이라는 것을 발견했습니다.

  • 영어가 아닌 다른 언어를 사용하는 경우
  • 이슈에 기록 또는 세부 정보가 없는 경우

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

데이터 및 Atlassian Intelligence를 사용하여 이슈 세부 정보를 요약 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 이슈 세부 정보를 요약하면 데이터가 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 FAQ 페이지에서 제공되는 정보를 보충하는 내용입니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • 프롬프트와 관련된 인스턴스의 컨텍스트에는 이슈 설명, 댓글 및 티켓과 관련된 사용자와 같이 Jira Service Management 이슈에 대한 세부 정보가 포함됩니다.
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터의 경우 Atlassian Intelligence를 사용하여 이슈 세부 정보를 요약하는 데는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • 다른 고객이 사용할 수 없습니다.
    • Are not stored by any LLM provider.
    • Are not used to improve LLM models.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.
  • 이 기능은 인스턴스의 권한을 따릅니다. 에이전트 및 프로젝트 관리자만 요약 버튼을 볼 수 있습니다.

편집기의 생성형 AI

Atlassian Intelligence가 스마트 링크를 요약하는 방법 Copy link to heading Copied! 보기
  

AI로 스마트 링크 요약은 OpenAI에서 개발한 대규모 언어 모델을 기반으로 합니다. 이 모델은 여기에 설명된 OpenAI 모델을 포함합니다.

Atlassian Intelligence는 이 모델을 사용하여 Atlassian 제품 내에서 자연어를 분석하고 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

스마트 링크 요약 사용 사례 Copy link to heading Copied! 보기
  

Jira, Confluence, Google Docs에서 스마트 링크 위에 마우스를 올리면 Atlassian Intelligence가 콘텐츠를 요약해 줍니다. 이를 통해 사용자는 링크의 중요도 및 가치를 파악하고 다음 작업을 결정할 수 있습니다. 따라서 현재 페이지를 떠나 컨텍스트를 전환할 필요가 줄어듭니다.

AI로 스마트 링크 요약은 다음과 같은 시나리오에 가장 도움이 될 수 있습니다.

  • 하나 이상의 스마트 링크가 있는 페이지 또는 이슈를 보고 있습니다.
  • 페이지 또는 이슈에 하나 이상의 스마트 링크가 있고 많은 정보나 밀도가 높은 콘텐츠가 포함되어 있어 원하는 주 콘텐츠를 읽는 시간 및 주의를 빼앗습니다.
Atlassian Intelligence를 사용하여 스마트 링크를 요약할 때의 고려 사항 Copy link to heading Copied! 보기
  

AI로 스마트 링크 요약의 기반이 되는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 요약이 요약의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

AI로 스마트 링크 요약은 다음과 같은 시나리오에서는 유용하지 않을 수 있습니다.

  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요합니다.
  • 매우 짧은 내용을 요약해야 합니다.
  • 링크의 모든 메타데이터 및 콘텐츠를 요약해야 합니다. 예를 들어, Jira 티켓의 모든 필드 값과 설명 및 댓글 콘텐츠를 파악하려고 합니다.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

데이터 및 Atlassian Intelligence로 스마트 링크 요약 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 이슈 세부 정보를 요약하면 데이터가 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 FAQ 페이지에서 제공되는 정보를 보충하는 내용입니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • 요약하려는 링크의 콘텐츠와 같이 프롬프트와 관련된 인스턴스의 컨텍스트.
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터입니다.
  • 피드백을 위해 공유하기로 선택한 응답을 포함하여 이 기능과 관련하여 제공하기로 선택한 피드백.

데이터와 관련하여 AI로 스마트 링크 요약은 다음과 같은 조치를 적용합니다.

다음을 요약합니다.

  • 다른 고객이 사용할 수 없습니다
  • Are not stored by any LLM provider.
  • Are not used to improve LLM models.
  • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.
  • 이 기능은 인스턴스의 권한을 따릅니다. 예를 들어 Jira, Confluence 또는 Google의 페이지 또는 티켓에 액세스할 수 없는 경우 해당 소스의 콘텐츠를 요약할 수 없습니다. 인스턴스의 다른 사용자가 해당 콘텐츠를 사용할 수 없도록 하려면 조직 관리자에게 문의하여 권한이 적절하게 설정되었는지 확인하세요.

Confluence 간단한 요약

Atlassian Intelligence가 Atlassian Analytics에서 사용자 지정 공식을 작성하는 방법 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용한 사용자 지정 공식 작성은 OpenAI에서 개발한 대규모 언어 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함됩니다.

Atlassian Intelligence는 이 모델을 사용하여 자연어를 분석한 다음 Atlassian Analytics에서 SQLite로 변환합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 본질적으로 확률적으로 작동합니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

AI를 사용한 사용자 지정 공식의 사용 사례 Copy link to heading Copied! 보기
  

Atlassian Intelligence에 결과 테이블의 데이터를 변환하고 싶은 방법을 요청하거나 설명하면 SQLite 식을 처음부터 직접 작성하는 대신 Atlassian Intelligence에서 사용자 지정 공식에 사용되는 SQLite 식으로 변환해 줍니다. 사용자가 질문하면 Atlassian Intelligence는 이전 Visual SQL 단계의 결과 테이블에 있는 데이터를 사용하여 차트의 해당 데이터에 계산 또는 연산을 적용하는 SQLite 식을 생성합니다. SQLite 함수 및 그 구문에 대해 알아보는 데에도 도움이 될 수 있습니다.

Atlassian Intelligence를 사용하여 사용자 지정 공식을 작성하는 것은 다음과 같은 시나리오에서 가장 효과적입니다.

  • 쿼리한 데이터의 단일 열에 변경 사항을 적용하고 싶은 경우.
  • 생성한 SQLite 식으로 시작하고 필요 시 수정하고 싶은 경우.
  • 자연어 질문에 열 머리글 또는 행 데이터에서 참조하는 단어 및 개념이 포함되는 경우.
  • SQLite에 대해 자세히 알아보고 사용 가능한 SQLite 함수를 살펴보고 싶은 경우.
AI를 사용하여 사용자 지정 공식을 작성할 때의 고려 사항 Copy link to heading Copied! 보기
  

사용자 지정 공식을 사용할 때 Atlassian Intelligence에서 사용하는 모델이 때로는 부정확하거나 불완전하거나 불안정하게 작동할 수 있다는 점을 기억하세요.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

Atlassian Intelligence를 사용하여 사용자 지정 공식을 작성하는 것은 다음과 같은 시나리오에서 덜 효과적입니다.

  • 하나의 사용자 지정 공식에서 두 개 이상의 열에 변경 사항을 적용하고 싶은 경우.
  • 결과 테이블의 데이터에서 바로 사용할 수 없는 정보에 액세스하기 위해 이 기능이 필요한 경우.
  • 프롬프트에서 영어가 아닌 다른 언어로 질문하는 경우.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

다음에 대해서도 생각해 보는 것이 좋습니다.

  • Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명.
  • 쿼리한 데이터가 질문에 답하는 데 필요한 데이터를 포함하는지 확인합니다.
데이터 및 AI를 사용한 사용자 지정 공식 작성 Copy link to heading Copied! 보기
  

Confluence 자동화용 Atlassian Intelligence를 사용하면 데이터가 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 FAQ 페이지에서 제공되는 정보를 보충하는 내용입니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).

  • 요약하려는 Confluence 페이지의 콘텐츠와 같이 프롬프트와 관련된 인스턴스의 컨텍스트.

  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터

  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터의 경우 Atlassian Intelligence를 사용하여 페이지 및 블로그를 요약하는 데는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • 다른 고객이 사용할 수 없습니다.
    • Are not stored by any LLM provider.
    • Are not used to improve LLM models.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.
  • 이 기능은 인스턴스의 권한을 따릅니다. 예를 들어, Confluence 페이지에 대한 액세스 권한이 없는 경우 이 기능이 표시되지 않거나 Atlassian Intelligence를 사용하여 페이지를 요약하지 못할 수 있습니다. 인스턴스의 다른 사용자가 콘텐츠를 사용할 수 없도록 하려면 조직 관리자에게 문의하여 권한이 적절하게 설정되었는지 확인하세요.

AI를 사용하여 행동 유도

사용 사례 및 데이터 사용을 투명하게 보려면 아래에서 Atlassian Intelligence의 기능을 선택하세요.

인시던트 만들기가 Atlassian Intelligence를 사용하는 방법 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용한 페이지 및 블로그 요약은 OpenAI에서 개발한 LLM 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함되어 있습니다.

Atlassian Intelligence는 이 모델을 사용하여 Atlassian 제품 내에서 자연어를 분석하고 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 본질적으로 확률적으로 작동합니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

AI로 인시던트를 만드는 사용 사례 Copy link to heading Copied! 보기
  

Jira Service Management에서 하나 이상의 알림 또는 알림 그룹을 인시던트로 에스컬레이션할 때 Create with AI는 Atlassian Intelligence를 사용하여 인시던트 만들기 프로세스의 일부로 검토할 수 있도록 모든 컨텍스트 정보를 빠르게 미리 채워줍니다. 그러면 사용자는 해당 알림 또는 알림 그룹에서 만들어진 인시던트의 컨텍스트를 빠르게 이해하고 알림을 인시던트로 에스컬레이션할 때 알림의 제목, 설명, 우선 순위 등 미리 채워진 정보를 검토하고 확인할 수 있습니다.

AI로 인시던트 만들기는 다음과 같은 시나리오에 가장 도움이 될 수 있습니다.

  • 인시던트로 에스컬레이션하는 알림에 영어로 된 제목 및 설명이 포함된 경우.
  • 인시던트로 에스컬레이션하는 알림의 설명이 긴 경우.
  • 하나 이상의 알림에서 인시던트를 만드는 경우.
AI로 인시던트 만들기를 사용할 때 고려 사항 Copy link to heading Copied! 보기
  

AI로 인시던트 만들기를 작동시키는 데 사용되는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

AI로 인시던트 만들기는 다음과 같은 시나리오에서는 유용하지 않을 수 있습니다.

  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요합니다.
  • 인시던트로 에스컬레이션하는 알림에 영어가 아닌 다른 언어로 된 제목 또는 설명(또는 둘 다)이 포함된 경우.
  • 인시던트로 에스컬레이션하는 알림에 제한적인 세부 사항만 포함된 경우.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

가장 유용한 결과를 얻으려면 Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명하는 것이 좋습니다.

또한 Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명하는 것이 좋습니다.

데이터 및 Atlassian Intelligence를 사용한 이슈 만들기 Copy link to heading Copied! 보기
  

AI로 인시던트 만들기가 데이터를 어떻게 사용하는지에 대해 궁금한 점이 있을 수 있습니다. 이 섹션은 FAQ 페이지에서 제공되는 정보를 보충하는 내용입니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • Jira Service Management 알림 설명, 제목, 우선 순위와 같이 프롬프트와 관련된 인스턴스의 컨텍스트.
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터와 관련하여 AI로 인시던트 만들기는 다음과 같은 조치를 적용합니다.

  • 프롬프트(입력) 및 응답(출력):
    • Are not available to other customers.
    • Are not stored by any LLM providor.
    • Are not used to improve LLM models.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력값과 출력값을 사용하지 않습니다.
  • 이 기능은 인스턴스에서 알림에 대한 권한을 따릅니다. 알림을 보고 인시던트로 에스컬레이션할 권한이 있는 에이전트에게만 Atlassian Intelligence에서 만들어지는 인시던트의 세부 정보를 작성하라는 제안이 표시됩니다.

Create post-incident review

How create post-incident review uses Atlassian Intelligence Copy link to heading Copied! Show
  

PIR (Post-Incident Review) creation by Atlassian Intelligence is powered by large language models developed by OpenAI. These large language models include OpenAI’s GPT series of models. Atlassian Intelligence uses these models to analyze and generate natural language within our products.

These models generate responses based on users' inputs and are probabilistic in nature. This means that the responses are generated by predicting the most probable next word or text, based on the data that they’ve been trained on.

Read more about the capabilities of OpenAI’s models, or about this approach in OpenAI’s research papers.

Use cases for create post-incident review with AI Copy link to heading Copied! Show
  

PIRs are a core part of the incident management process, helping incident responders and managers learn from current incidents and pass along insights to prevent similar incidents in the future. Atlassian Intelligence helps to accelerate the often time-consuming task of compiling a PIR by suggesting a PIR description based on relevant contextual information in your Jira Service Management instance and chat tools like Slack for you to review.

We believe that PIR creation using AI works best in scenarios where:

  • Your organization has a consistent practice of compiling PIRs for incidents.

  • Your team has incident details scattered across chat tools like Slack and Jira Service Management, which requires you to spend more time compiling a PIR from those sources.

  • Your organization records incidents in Jira Service Management with complete, up-to-date information.

Considerations when using create post-incident review with AI Copy link to heading Copied! Show
  

It’s important to remember that because of the way that the models used to power PIR creation work, they can sometimes behave in ways that are inaccurate, incomplete, or unreliable. For example, the responses that you receive might not accurately reflect the content that they are based on or include content that might sound reasonable but is false or incomplete.

We’ve found that PIR creation using AI is less useful in scenarios where:

  • You need current and accurate information about people, places, and facts.
  • You need PIR creation to have access to information that isn’t readily available to you (for example, chat channels which you don’t have access to) to properly generate the PIR description.
  • The data available in your Jira Service Management instance is incomplete or insufficiently detailed, so the PIR creation may not be able to generate an accurate description.

For this reason, we encourage you to think about situations where you can use Atlassian Intelligence and review the quality of the responses you receive before sharing them with others.

You might also want to think about:

  • Being as specific as possible in what you want Atlassian Intelligence to do.
  • Ensuring that you and your team follow incident management practices consistently. For example, by recording complete and accurate details of incidents in your Jira Service Management instance and linking the relevant chat channels to the incident.
Your data and create post-incident review using AI Copy link to heading Copied! Show
  

We understand you may have questions about how create post-incident review using AI uses your data. This section supplements the information available on our FAQ page

We process:

  • Your prompts (inputs) and responses (outputs).
  • Context from your instance relevant to your prompt, such as incident data (such as summary, labels, priority, responder teams, and description), linked alerts, and linked Slack chat channels.
  • Data about how you interact with our features, such as clickstream data and the people you work with.
  • Feedback you choose to provide about this feature, including any prompts or responses you choose to share as part of your feedback.

When it comes to your data, PIR creation using AI applies the following measures.

  • Your prompts (inputs) and responses (outputs):
    • Are not available to other customers.

    • Are not sent to any third party LLM provider other than OpenAI.

    • Are not stored by OpenAI.

    • Are not used to improve OpenAI models.

    • Are used only to serve your experience.

  • All third-party LLM providers are subprocessors and listed as so on our Subprocessors page.

  • This feature follows the permissions in your instance. For example, if you do not have access to the linked alerts of the incident or linked Slack channels, you will not be suggested content from these sources in the response you receive. If you do not want your content to be available in responses to other users in your instance, please work with your org admin to ensure your permissions are set appropriately.

Atlassian Intelligence로 풀리퀘스트 설명 생성

Bitbucket Cloud가 Atlassian Intelligence를 사용하여 풀리퀘스트 설명을 생성하는 방법 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 통한 풀리퀘스트 설명 생성은 OpenAI에서 개발한 대규모 언어 모델(LLM)을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함됩니다.

Atlassian Intelligence는 이 모델을 사용하여 Atlassian 제품 내에서 자연어 및 코드를 분석하고 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

Atlassian Intelligence로 풀리퀘스트 설명을 생성하는 사용 사례 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하면 Bitbucket Cloud 코드 검토 환경에서 풀리퀘스트 설명 또는 댓글을 작성할 때 콘텐츠를 생성, 변환, 요약할 수 있습니다. 여기에는 다음이 포함됩니다.

  • 풀리퀘스트에 포함된 코드 변경을 기반으로 풀리퀘스트 설명 생성.
  • 풀리퀘스트 설명 요약, 개선 또는 어조 변경.
  • 풀리퀘스트 댓글 요약, 개선 또는 어조 변경.

Atlassian Intelligence로 Bitbucket Cloud 풀리퀘스트 설명을 생성하는 것은 다음과 같은 시나리오에서 가장 효과적이라고 생각합니다.

  • 코드 작성자가 Atlassian Intelligence의 도움을 받아 풀리퀘스트 설명을 작성하거나 개선하고 싶은 경우. Atlassian Intelligence에서 생성한 콘텐츠가 풀리퀘스트를 설명하기에 적절한지 검토 및 확인할 수 있는 팀에 적합합니다.
  • 코드 검토자가 Atlassian Intelligence의 도움을 받아 이미 초안을 작성한 풀리퀘스트 댓글의 어조 또는 내용을 개선하고 싶은 경우.
Atlassian Intelligence로 풀리퀘스트 설명 생성 시 고려 사항 Copy link to heading Copied! 보기
  

이 기능의 기반이 되는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

Atlassian은 다음과 같은 시나리오에서 Atlassian Intelligence로 Bitbucket Cloud 풀리퀘스트 설명을 생성할 때 효과가 떨어진다는 사실을 알게 되었습니다.

  • 코드 변경 사항에 아직 없는 정보(예: 리포지토리의 다른 곳에 있는 소스 코드)를 참조하기 위해 풀리퀘스트 설명이 필요한 경우.
  • Atlassian Intelligence에서 생성한 콘텐츠가 풀리퀘스트를 정확하게 반영하는지 검토 및 확인할 수 없는 경우.
  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요합니다.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

다음에 대해서도 생각해 보는 것이 좋습니다.

  • Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명.
  • 정확성과 명확성을 위해 AI 작성 어시스턴트가 생성한 산출물을 교정, 검토 및 편집하세요.
  • 다른 팀원과 협업하여 피드백을 수집하고 산출물의 품질을 개선하세요.
데이터 및 Atlassian Intelligence로 풀리퀘스트 설명 생성 Copy link to heading Copied! 보기
  

Confluence에서 Atlassian Intelligence를 사용하여 용어를 정의하면 데이터가 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 FAQ 페이지에서 제공되는 정보를 보충하는 내용입니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력)
  • 다음과 같은 프롬프트와 관련된 인스턴스의 컨텍스트:
    • 풀리퀘스트의 코드 변경 및 커밋 메시지
    • 풀리퀘스트 설명의 내용
    • 풀리퀘스트 댓글의 내용
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터
  • 이 기능에 대해 제공하기로 선택한 피드백

데이터의 경우 Atlassian Intelligence로 풀리퀘스트 설명을 생성하는 데는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • Are not available to other customers.
    • Are not stored by any LLM provider.
    • Are not used to improve LLM models.
    • Are used only to serve your experience.
  • OpenAI는 Atlassian의 서브 프로세서 목록에 있는 서브 프로세서입니다. 서브 프로세서는 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 사용자의 데이터를 사용할 수 없습니다.

Atlassian Analytics에서 SQL 쿼리 생성

Atlassian Intelligence가 Atlassian Analytics에서 SQL 쿼리를 생성하는 방법 Copy link to heading Copied! 보기
  

Atlassian Analytics에서 Atlassian Intelligence를 사용하여 SQL 쿼리를 생성하는 것은 OpenAI에서 개발한 대규모 언어 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함됩니다.

Atlassian Intelligence는 이 모델을 사용하여 자연어를 분석하고 이해한 다음 Atlassian Analytics에서 구조화된 쿼리 언어(SQL)로 변환합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

Atlassian Intelligence를 사용하여 SQL 쿼리를 생성하는 사용 사례들 Copy link to heading Copied! 보기
  

SQL 쿼리를 처음부터 직접 작성하는 대신 Atlassian Intelligence에 자연어로 질문하고 SQL로 변환하도록 하세요. 사용자가 질문하면 Atlassian Intelligence는 선택한 데이터 소스의 Atlassian Data Lake 스키마를 사용하여 Atlassian Analytics 대시보드에 차트를 만드는 데 사용할 수 있는 SQL 쿼리를 생성하며 Data Lake의 스키마에 대해 알아보는 데 도움이 될 수 있습니다.

Atlassian Intelligence를 사용하여 SQL 쿼리를 생성하는 것은 다음과 같은 시나리오에서 가장 효과적이라고 생각합니다.

  • 생성된 SQL로 시작하고 필요한 경우 쿼리를 구체화하여 사용자 지정 차트를 만들고 싶은 경우
  • 자연어 질문에 Atlassian Data Lake 스키마에서 참조되는 단어 및 개념이 포함된 경우(최대한 구체적으로 설명).
  • Atlassian Data Lake 스키마를 살펴보고 알아보고 싶은 경우.

어떤 질문을 해야 할지 잘 모르시겠습니까?

몇 가지 제안 사항은 다음과 같습니다.

  • 미해결 Jira 이슈 수를 기준으로 상위 5개 레이블은 무엇입니까?
  • 지난달에 x 프로젝트에서 완료한 Jira 이슈가 몇 개입니까?
  • 상위 5개 상태의 평균 상태 유지 시간은 얼마나 됩니까?
  • 지난달에 즐겨찾기에 가장 많이 추가된 상위 5개 Confluence 페이지는 무엇입니까?
  • 지난 5일 동안 x Jira Service Management 프로젝트에서 요청이 몇 개 제기되었습니까?
Atlassian Intelligence를 사용하여 SQL 쿼리를 생성할 때의 고려 사항 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 SQL 쿼리를 생성하는 데 사용되는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

Atlassian Intelligence를 사용하여 SQL 쿼리를 생성하는 것은 다음과 같은 시나리오에서는 덜 효과적이라는 것을 발견했습니다.

  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요합니다.
  • 질문에 적절하게 응답하기 위해 이 기능이 Atlassian Data Lake 스키마에서 바로 이용 가능하지 않은 정보(예: 고급 계획용 데이터)에 액세스할 수 있어야 하는 경우.
  • 질문에 사용자 지정 필드에 대한 참조가 포함되어 있는 경우.
  • 영어가 아닌 다른 언어로 질문하는 경우.
  • Atlassian Intelligence에서 반환한 SQL의 유효성을 검사하기에는 SQL에 대한 지식이 충분하지 않은 경우.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

다음에 대해서도 생각해 보는 것이 좋습니다.

  • Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명.
  • 사용 중인 Atlassian Data Lake 데이터 소스가 질문에 답하는 데 필요한 데이터를 다루는지 확인하세요.
데이터 및 Atlassian Intelligence를 사용하여 SQL 쿼리를 생성 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 SQL 쿼리를 생성하면 데이터가 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 FAQ 페이지에서 제공되는 정보를 보충하는 내용입니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • 인스턴스에 적용할 수 있는 공개적으로 사용 가능한 Atlassian Data Lake 스키마를 포함하여 프롬프트와 관련된 인스턴스의 컨텍스트.
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터입니다.
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터의 경우 Atlassian Intelligence를 사용하여 SQL 쿼리를 생성하는 데는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • Are not available to other customers.
    • Are not stored by any LLM provider.
    • Are not used to improve LLM models.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.
  • 이 기능은 Atlassian Data Lake 연결의 권한을 따릅니다. 예를 들어, Atlassian Data Lake 연결에 대한 액세스 권한이 없으면 SQL을 빌드하여 쿼리할 수 없습니다.

Confluence에서 답변 검색

Atlassian Intelligence가 Confluence에서 답변을 검색하는 방법 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 Confluence에서 답변을 검색하는 기능은 OpenAI에서 개발한 LLM 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함됩니다.

Atlassian Intelligence는 이 모델을 사용하여 Atlassian 제품 내에서 자연어를 분석하고 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

Confluence에서 답변을 검색하는 사용 사례들 Copy link to heading Copied! 보기
  

기술 자료는 사용자가 따라잡을 수 없을 정도로 빠르게 성장하고 있습니다. Atlassian Intelligence를 사용하여 Confluence에서 답변을 검색하면 고객이 작업을 진행하는 데 필요한 주요 정보를 더 빠르게 찾을 수 있습니다. 이 기능을 사용하면 필요한 정보를 손쉽게 찾을 수 있습니다. 팀원에게 물어볼 만한 질문의 유형을 이해하고 즉시 대답합니다. Atlassian Intelligence를 사용하여 Confluence에서 답변을 검색하는 방법에 대해 자세히 알아보세요.

Atlassian Intelligence를 사용하여 Confluence에서 답변을 검색하는 기능은 Confluence 사이트가 상세하고 완전하며 최신 콘텐츠로 가득할 때 가장 잘 작동한다고 생각합니다.

이 기능은 새 콘텐츠를 생성하지 않지만 Confluence 페이지와 블로그를 검색하여 (제한 사항을 준수하면서) 질문에 대한 답변을 찾아줍니다. Atlassian Intelligence는 Confluence에 있는 내용, 특히 사용자가 액세스할 수 있는 내용만을 기반으로 답변을 생성합니다.

어떤 질문을 해야 할지 잘 모르시겠습니까?

몇 가지 제안 사항은 다음과 같습니다

  • 다음 마케팅 팀 오프사이트는 언제입니까?
  • 재택 근무 정책은 어떻게 됩니까?
  • 프로젝트 선라이즈는 무엇입니까?
  • 다음 마케팅 캠페인은 언제입니까?
  • SpaceLaunch의 최신 제품에 대한 릴리스 정보는 어디에 있습니까?
  • 환급을 위한 비용을 제출하려면 어떻게 해야 합니까?
Atlassian Intelligence를 사용하여 Confluence에서 답변을 검색할 때의 고려 사항 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 Confluence에서 답변을 검색하는 데 사용되는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

Atlassian Intelligence를 사용하여 Confluence에서 답변을 검색하는 것은 다음과 같은 시나리오에서는 덜 유용하다는 것을 발견했습니다.

  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요합니다.
  • 자주 변경되는 정보(예: 매달 업데이트되는 로드맵)에 대한 정확한 최신 정보가 필요한 경우.
  • 특정 팀원 및 해당 팀원이 조직에서 수행하는 역할에 대한 정확한 최신 정보가 필요한 경우.
  • 질문에 적절하게 응답하기 위해 바로 이용 가능하지 않은 정보(예: Confluence 인스턴스의 제한된 페이지)에 액세스할 수 있어야 하는 경우.
  • 답변이 다양한 값 또는 범주(예: 매주 업데이트되는 메트릭)로 구성되어 있는 경우.
  • 미묘한 차이, 복잡성 또는 인간적인 수준의 추론이 요구되는 답변이 필요한 경우.

Atlassian Intelligence를 사용하여 Confluence에서 답변을 검색해도 문서가 여러 언어로 작성된 Confluence 스페이스에서는 예상대로 작동하지 않을 수도 있습니다.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

다음에 대해서도 생각해 보는 것이 좋습니다.

  • Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명.
  • Confluence 인스턴스에 문서화되어 있고 액세스 가능한 것으로 알고 있는 항목에 대해 질문.
데이터와 Atlassian Intelligence를 사용하여 Confluence에서 답변 검색 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 Confluence에서 답변을 검색하면 데이터가 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 FAQ 페이지에서 제공되는 정보를 보충하는 내용입니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • 프롬프트와 관련된 인스턴스의 컨텍스트(예: Confluence 검색에서 반환된 상위 3개 페이지의 콘텐츠).
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터입니다.
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터의 경우 Atlassian Intelligence를 사용하여 Confluence에서 답변을 검색하는 데는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • Are not available to other customers.
    • Are not stored by any LLM provider.
    • Are not used to improve LLM models.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.
  • 이 기능은 인스턴스의 권한을 따릅니다. 예를 들어, 특정 Confluence 페이지에 대한 액세스 권한이 없는 경우 이 기능은 표시되는 응답에 해당 페이지의 콘텐츠를 사용하지 않습니다. 인스턴스의 다른 사용자에 대한 응답에서 콘텐츠를 사용할 수 없도록 하려면 조직 관리자에게 문의하여 권한이 적절하게 설정되었는지 확인하세요.

Jira에서 이슈 검색

Atlassian Intelligence가 Jira에서 이슈를 검색하는 방법 Copy link to heading Copied! 보기
  

Jira에서 Atlassian Intelligence를 사용한 이슈 검색은 OpenAI에서 개발한 대규모 언어 모델을 기반으로 합니다. 모델에는 생성된 합성 데이터를 사용하여 Atlassian에서 세부 조정한 OpenAI 모델이 포함되며 여기에 설명되어 있습니다.

Atlassian Intelligence는 이 모델을 사용하여 자연어를 분석하고 이해한 다음 Atlassian 제품 내 Jira 쿼리 언어(SQL)로 변환합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 모델의 기능OpenAI 세부 조정에 대해 자세히 읽어보세요. OpenAI의 연구 논문에서도 이 접근 방식에 대해 자세히 읽어볼 수 있습니다.

Jira에서 이슈 검색을 위한 사용 사례들 Copy link to heading Copied! 보기
  

이제 복잡한 쿼리를 작성하는 대신 Atlassian Intelligence에 일상적인 언어로 원하는 것을 물어볼 수 있습니다. Atlassian Intelligence를 사용하여 이슈를 검색하면 프롬프트가 JQL 쿼리로 변환되어 특정 이슈를 빠르게 검색할 수 있습니다.

Atlassian Intelligence를 사용한 이슈 검색은 다음과 같은 시나리오에서 가장 효과적이라고 생각합니다.

  • Jira 프로젝트에서 사용 가능한 이슈 필드를 사용하여 Jira 이슈를 쿼리하는 경우.
  • 쿼리에 이슈 검색의 범위를 좁히는 데 도움이 되는 특정 필드 및 값이 있는 경우.
  • 찾고 있는 필드 및 값이 Jira 프로젝트에 있는 경우.
  • 쿼리가 영어로 된 경우.
  • 쿼리를 JQL로 변환할 수 있는 경우. Atlassian Intelligence가 프롬프트를 JQL 코드로 변환하므로 입력에 JQL로 변환할 수 있는 키워드가 포함되면 더 나은 결과를 제공할 수 있습니다.
Atlassian Intelligence를 사용하여 이슈를 검색할 때의 고려 사항 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 이슈를 검색하는 데 사용되는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

Atlassian Intelligence를 사용한 이슈 검색은 다음과 같은 시나리오에서는 덜 효과적이라는 것을 발견했습니다.

  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요합니다.
  • 프로젝트, 보드 또는 사용자와 같이 이슈가 아닌 Jira 엔터티를 검색하는 경우.
  • 영어가 아닌 다른 언어로 검색하는 경우.
  • 차트, 요약 또는 기타 데이터 자료를 만들기 위해 이슈를 분석하려면 검색이 필요한 경우.
  • 검색에 현재 JQL에서 사용할 수 없는 함수(예: JQL 함수로 변환할 수 없는 "내가 댓글을 추가한 이슈 찾기"와 같은 질문)가 필요한 경우.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

또한 Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명하는 것이 좋습니다. 찾고 있는 정확한 필드 및 값을 포함하세요.

데이터와 Atlassian Intelligence를 사용한 이슈 검색 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 이슈를 검색하면 데이터가 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 FAQ 페이지에서 제공되는 정보를 보충하는 내용입니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • 현재 진행 중인 프로젝트와 같이 프롬프트와 관련된 인스턴스의 컨텍스트.
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터의 경우 Atlassian Intelligence를 사용하여 이슈를 검색하는 데는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • Are not available to other customers.
    • Are not stored by any LLM provider.
    • Are not used to improve LLM models.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.
  • 검색 응답은 액세스할 수 있는 이슈 및 필드를 기반으로 결정됩니다(예: 특정 Jira 프로젝트에 액세스할 수 없는 경우 해당 프로젝트의 이슈 및 필드에 대한 검색 결과를 받지 못함).

데이터에서 즉시 인사이트 확보

사용 사례 및 데이터 사용을 투명하게 보려면 아래에서 Atlassian Intelligence의 기능을 선택하세요.

차트 인사이트

차트 인사이트가 Atlassian Intelligence를 사용하는 방법 Copy link to heading Copied! 보기
  

차트 인사이트는 OpenAI에서 개발한 대규모 언어 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함되어 있습니다.

Atlassian Intelligence는 이 모델을 사용하여 Atlassian 제품 내에서 자연어를 분석하고 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 본질적으로 확률적으로 작동합니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

차트 인사이트 사용 사례 Copy link to heading Copied! 보기
  

차트 인사이트는 Atlassian Intelligence를 사용하여 Atlassian Analytics의 모든 차트에 있는 데이터를 더 빠르게 이해할 수 있도록 도와줍니다. 대시보드 제목, 차트 제목, 차트 데이터(열 머리글과 행 값 포함)를 사용해 차트와 데이터에 대한 자연어 요약을 생성합니다. 또한 추세나 변칙을 식별하여 해당 차트에 대한 특정 인사이트를 제공하는 것도 목표로 합니다.

차트 인사이트는 다음과 같은 시나리오에서 가장 효과가 좋다고 생각합니다.

  • 차트에 많은 데이터 행이 있습니다.
  • 차트에 대시보드 제목이 있습니다.
  • 차트에 열 머리글이 있습니다.
  • 차트의 모든 행과 열에 값이 있습니다.

막대 차트, 선 차트, 막대-선 차트에는 보통 추세, 날짜, 여러 데이터 행이 포함되기 때문에 이 기능에 가장 잘 어울립니다.

차트 인사이트 사용 시 고려 사항 Copy link to heading Copied! 보기
  

차트 인사이트를 작동시키는 데 사용되는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

차트 인사이트는 다음과 같은 시나리오에서는 덜 유용합니다.

  • 데이터가 한 행 또는 몇 개뿐인 차트가 있습니다.
  • 단일 값 유형의 차트가 있습니다.
  • 차트에 제목, 축 레이블, 열 머리글이 없습니다.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

다음에 대해서도 생각해 보는 것이 좋습니다.

  • 차트에 표시된 특정 데이터에 대해 보다 많은 컨텍스트를 알고 있을 수 있는 다른 사용자들과 함께 인사이트의 정확도를 재확인합니다.
  • Atlassian Intelligence는 응답을 제공할 때 전체 대시보드가 아니라 단일 차트의 컨텍스트만 사용한다는 점을 고려합니다.
사용자의 데이터 및 차트 인사이트 Copy link to heading Copied! 보기
  

차트 인사이트가 데이터를 어떻게 사용하는지에 대해 궁금한 점이 있을 수 있다는 것을 잘 알고 있습니다. 이 섹션은 FAQ 페이지에서 제공되는 정보를 보충하는 내용입니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • 차트 속 데이터처럼 프롬프트와 관련된 인스턴스의 컨텍스트.
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터입니다.
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터에 대해 차트 인사이트는 다음과 같은 조치를 적용합니다.

  • 프롬프트(입력) 및 응답(출력):
    • 다른 고객이 사용할 수 없습니다.
    • Are not stored by any LLM provider.
    • Are not used to improve LLM models.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 서브 프로세서 목록에 있는 서브 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력값과 출력값을 사용하지 않습니다.
  • 이 기능은 접근 권한이 있고 인사이트를 요청한 대시보드의 정보만 사용합니다.

Jira Service Management의 요청 유형 제안

Atlassian Intelligence가 Jira Service Management에서 요청 유형을 제안하는 방법 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용한 요청 유형 제안은 OpenAI에서 개발한 대규모 언어 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함됩니다.

Atlassian Intelligence는 이 모델을 사용하여 Jira Service Management에서 자연어 입력을 분석하고 요청 유형 이름 및 설명에 대한 제안을 생성합니다.

이 모델은 사용자의 입력 내용에 따라 응답을 생성하며 확률적인 특성을 가지고 있습니다. 따라서 학습한 데이터를 바탕으로 가능성이 가장 높은 다음 단어 또는 텍스트를 예측하여 응답을 생성합니다.

OpenAI 연구 논문에서 OpenAI 모델의 기능 또는 이 접근 방식에 대해 자세히 읽어보세요.

Jira Service Management에서 요청 유형을 제안하는 사용 사례들 Copy link to heading Copied! 보기
  

프로젝트에 어떤 요청 유형을 만들어야 하는지 파악하는 데 드는 시간을 줄이고 대신 Atlassian Intelligence에서 제안을 받으세요. 어떤 유형의 요청을 만들 수 있는지 확인하려면 작업을 비롯해 팀에서 일반적으로 관리하는 일을 설명하면 됩니다. 요청 유형을 만들려면 Atlassian Intelligence에서 생성한 제안 중 하나를 선택하세요. Atlassian Intelligence를 사용하여 요청 유형을 제안하는 방법에 대해 자세히 알아보세요.

Atlassian Intelligence를 사용한 요청 유형 제안은 다음과 같은 시나리오에서 가장 효과적이라고 생각합니다.

  • 기존 요청 유형 템플릿이 지원하지 않는 매우 구체적인 사용 사례가 있는 경우.
  • 요구 사항이 아주 일반적이며 아이디어를 찾고 있는 경우.
  • 널리 사용되는 언어(예: 영어 또는 스페인어)를 사용하는 경우.
Atlassian Intelligence를 사용하여 요청 유형을 제안할 때의 고려 사항 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 요청 유형을 제안하는 데 사용되는 모델의 작동 방식으로 인해, 모델이 때로는 부정확하거나 불완전하거나 신뢰할 수 없는 방식으로 작동할 수 있다는 점을 기억해야 합니다.

예를 들어, 사용자가 받은 응답이 응답의 근거가 된 내용을 정확히 반영하지 못할 수도 있고 겉으로는 합리적으로 들리지만 거짓이거나 완전하지 않은 내용을 포함할 수도 있습니다.

Atlassian Intelligence를 사용하여 요청 유형을 제안하는 것은 다음과 같은 시나리오에서는 덜 유용하다는 것을 발견했습니다.

  • 사용자, 장소 및 사실에 대한 정확한 최신 정보가 필요한 경우.
  • 요청에 적절하게 응답하기 위해 이 기능이 바로 이용 가능하지 않은 정보(예: 인스턴스)에 액세스할 수 있어야 하는 경우.
  • 너무 모호하거나 서비스 관리와 관련 없는 프롬프트를 제공하는 경우.
  • 널리 사용되는 언어를 사용하지 않는 경우.

따라서 Atlassian Intelligence를 사용하는 상황을 생각해 보고 이렇게 받은 응답을 다른 사람과 공유하기 전에 그 품질을 검토해 보는 것이 좋습니다.

다음에 대해서도 생각해 보는 것이 좋습니다.

  • Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명.
데이터와 Atlassian Intelligence를 사용하여 요청 유형을 제안할 때의 고려 사항 Copy link to heading Copied! 보기
  

Atlassian Intelligence를 사용하여 요청 유형을 제안하면 데이터가 어떻게 사용되는지에 대해 궁금하실 수 있습니다. 이 섹션은 FAQ 페이지에서 제공되는 정보를 보충하는 내용입니다.

Atlassian에서는 다음을 처리합니다.

  • 프롬프트(입력) 및 응답(출력).
  • 프롬프트와 관련된 인스턴스의 컨텍스트.
  • 클릭스트림 데이터 및 협업하는 사용자와 같이 사용자가 Atlassian의 기능과 어떻게 상호 작용하는지에 대한 데이터입니다.
  • 피드백의 일부로 공유하기로 선택한 프롬프트 또는 응답을 포함하여 이 기능에 대해 제공하기로 선택한 피드백.

데이터의 경우 Atlassian Intelligence를 사용하여 요청 유형을 제안하는 데는 다음 조치가 적용됩니다.

  • 프롬프트(입력) 및 응답(출력):
    • Are not available to other customers.
    • Are not stored by any LLM provider.
    • Are not used to improve LLM models.
    • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
  • OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.
  • 이 기능은 프롬프트 정보만 사용하므로 모든 Jira 권한을 준수합니다.

참조

전용 상태 페이지에서 Atlassian 제품에 대한 실시간 상태 업데이트를 확인할 수 있습니다.

Atlassian Intelligence에 대해 자세히 알아보기

Atlassian이 고객 데이터를 어떻게 관리하는지 파악합니다.

Atlassian Rovo에 대해 자세히 알아보기