Atlassian Intelligence is ontworpen voor transparantie
Onze eerlijke toewijding aan open communicatie, verantwoordelijkheid en het helpen van teams om AI op een verantwoorde manier te gebruiken.
Atlassian Intelligence is ontworpen om de samenwerking een boost te geven en teams te helpen hun werk te versnellen. En net zoals je moet leren wat de beste manier is om samen te werken met je team, helpt het teams effectiever gebruik te maken van Atlassian Intelligence als ze weten hoe het werkt. Op deze pagina leggen we uit hoe onze AI-gestuurde producten en functies werken, inclusief wat ze wel en niet kunnen en hoe ze bijdragen aan de manier waarop je onze producten ervaart. We geloven dat je met de informatie op deze pagina het meeste uit onze producten — en je teamwork — kunt halen. Ga naar onze principes voor verantwoorde technologie om meer te weten te komen over onze toewijding aan het verantwoord bouwen van technologie.
Groepering van waarschuwingen
Groepering van waarschuwingen door Atlassian Intelligence wordt mogelijk gemaakt door grote taalmodellen die zijn ontwikkeld door OpenAI en andere modellen van zelflerende systemen. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen van zelflerende systemen voor het analyseren en genereren van waarschuwingsgroepen, en om gerelateerde suggesties te geven (eerdere waarschuwingsgroepen en -respondenten) binnen onze producten op basis van de overeenkomst tussen de inhoud van de waarschuwing of van de gebruikte tags. Vervolgens gebruikt Atlassian Intelligence grote taalmodellen om omschrijvingen en inhoud in natuurlijke taal te analyseren en te genereren voor deze groepen binnen onze producten. Deze grote taalmodellen genereren reacties op basis van jouw input en zijn probabilistisch. Dit betekent dat hun antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze de modellen zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak in de onderzoeksdocumenten van OpenAI. |
Groepering van waarschuwingen maakt gebruik van Atlassian Intelligence om soortgelijke waarschuwingen te identificeren en te groeperen. Het helpt je ook door eerdere soortgelijke waarschuwingsgroepen en -respondenten (of respondententeams) te identificeren en aan te bevelen, op basis van de semantische overeenkomst van de waarschuwingsinhoud of gebruikte tags. Als je de waarschuwingsgroep naar een incident wilt laten escaleren, wordt bij het groeperen van waarschuwingen ook alle contextuele informatie vooraf ingevuld, zodat je deze kunt bekijken als onderdeel van het aanmaakproces van incidenten. We zijn van mening dat waarschuwingen groeperen het beste werkt in scenario's waarin:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om groeperen van waarschuwingen mogelijk te maken soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. In het geval van de waarschuwingsgroepen die je ziet, geven ze mogelijk niet precies de semantische overeenkomst van hun tags weer. We hebben ontdekt dat groepering van waarschuwingen minder nuttig is in situaties waarin:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit van de responses die je krijgt te beoordelen voordat je deze met anderen deelt. Je zou ook kunnen overwegen om te zorgen dat jij en je team consistente werkwijzen volgen bij het gebruik van waarschuwingstags. |
We begrijpen dat je misschien vragen hebt over hoe je gegevens worden gebruikt bij het groeperen van waarschuwingen. Dit gedeelte is een aanvulling op de informatie die beschikbaar is op onze Pagina met veelgestelde vragen. We verwerken het volgende:
We verwerken je waarschuwingsgegevens om een versie van het model zelflerend systeem te trainen om patronen te herkennen die specifiek zijn voor je meldingen. Deze versie wordt enkel gebruikt om je ervaring te tonen:
Wat je gegevens betreft, past het groeperen van waarschuwingen de volgende maatregelen toe:
|
Atlassian Intelligence-antwoorden in Jira Service Management
Atlassian Intelligence-antwoorden worden mogelijk gemaakt door grote taalmodellen die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal in onze producten te analyseren en te genereren. Deze modellen genereren reacties op basis van jouw input en zijn probabilistisch van aard. Dit betekent dat de antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
De antwoordfunctie van Atlassian Intelligence maakt verbinding met de virtuele serviceagent in Jira Service Management. De functie maakt gebruik van generatieve kunstmatige intelligentie om in je gekoppelde kennisdatabases te zoeken en vragen van je klanten te beantwoorden. We hebben ondervonden dat Atlassian Intelligence-antwoorden het beste werken in scenario's waarbij:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om Atlassian Intelligence-antwoorden mogelijk te maken, soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. We hebben ondervonden dat Atlassian Intelligence-antwoorden minder nuttig zijn in scenario's waarbij:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. Je kunt ook het volgende overwegen:
|
We begrijpen dat je misschien vragen hebt over hoe de antwoorden van Atlassian Intelligence je gegevens gebruiken in Jira Service Management. Dit gedeelte is een aanvulling op de informatie die beschikbaar is op onze Pagina met veelgestelde vragen. We verwerken het volgende:
|
Automatisering met behulp van Atlassian Intelligence
Automatisering met Atlassian Intelligence wordt aangedreven door GPT-modellen ontwikkeld met OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om de natuurlijke taalinvoer te analyseren en automatiseringsregels voor je te genereren binnen Jira en Confluence. Deze modellen genereren antwoorden op basis van jouw invoer en zijn probabilistisch van aard. Dit betekent dat hun antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze de modellen zijn getraind. Lees meer over de mogelijkheden van de modellen van OpenAI, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
Automatiseringsregels aanmaken is essentieel voor de dagelijkse automatiseringservaring. We willen dit nog gemakkelijker voor je maken door Atlassian Intelligence toe te voegen aan de samensteller voor automatiseringsregels in Jira en Confluence. Nu kun je eenvoudig automatiseringsregels aanmaken door simpelweg in te voeren wat je wilt automatiseren. Atlassian Intelligence doet vervolgens het zware werk om de regel voor je aan te maken. Meer informatie over automatisering met behulp van Atlassian Intelligence voor Jira en voor Confluence. We zijn ervan overtuigd dat het gebruik van automatisering met behulp van Atlassian Intelligence voor Jira en Confluence het beste werkt in scenario's wanneer je niet zeker weet hoe je van start gaat of wanneer je het aanmaken van regels wilt versnellen. Weet je niet zeker hoe je het beste een automatiseringsregel kunt aanmaken?Automatiseringsregels worden aangemaakt door een combinatie van verschillende soorten componenten: triggers, acties, voorwaarden en branches. Je kunt componenten zien als de bouwsteen van een regel. Om een effectieve regel aan te maken met Atlassian Intelligence, moet je regel ten minste zowel een trigger als een actie bevatten. Bijvoorbeeld: In Jira: Zoek elke maandag alle taken met een vervaldatum in de komende 7 dagen en stuur de uitvoerder ervan een herinneringse-mail. Als een ticket naar Testen gaat, wijs het ticket dan toe aan John Smith. In Confluence:
Bovendien moeten, om een effectieve regel aan te maken, alle componenten ervan worden ondersteund door automatisering met behulp van Atlassian Intelligence. Dit betekent dat alle triggers, acties, voorwaarden of branches in je regel compatibel moeten zijn met automatisering in Jira en/of Confluence. |
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om automatisering aan te drijven met behulp van Atlassian Intelligence, soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. We hebben ontdekt dat automatisering met behulp van Atlassian Intelligence minder nuttig is in scenario's waarbij:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. Automatisering met behulp van Atlassian Intelligence werkt alleen met de bestaande set beschikbare automatiseringscomponenten in Jira en Confluence. Je zou ook kunnen overwegen om zo specifiek mogelijk te zijn over wat je Atlassian Intelligence vraagt te doen, zoals hierboven beschreven. |
We begrijpen dat je misschien vragen hebt over hoe automatisering met behulp van Atlassian Intelligence je gegevens gebruikt bij het zoeken naar issues. Dit gedeelte is een aanvulling op de informatie die beschikbaar is in ons Trust Center. We verwerken het volgende:
Als het op je gegevens aankomt, worden de volgende maatregelen toegepast als je Atlassian Intelligence gebruikt voor Confluence-automatisering:
OpenAI is een subverwerker die op onze lijst van subverwerkers staat. Deze verwerkers gebruiken je in- en uitvoer alleen voor het verwerken van je verzoek, en niet voor andere doeleinden. Deze functie volgt de rechten van je installatie. Als je bijvoorbeeld geen toegang hebt tot een specifiek project of pagina, wordt er geen inhoud van die assets voorgesteld in het antwoord dat je ontvangt. Als je niet wilt dat je inhoud beschikbaar is in het antwoord naar andere gebruikers in je installatie, overleg dan met je organisatiebeheerder om ervoor te zorgen dat je rechten juist zijn ingesteld. |
Diagraminzichten
Diagramnzichten worden mogelijk gemaakt door grote taalmodellen die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal in onze producten te analyseren en te genereren. Deze modellen genereren reacties op basis van jouw input en zijn probabilistisch van aard. Dit betekent dat hun antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze de modellen zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
Diagraminzichten maakt gebruik van Atlassian Intelligence om je meer inzicht te geven in gegevens van elk diagram in Atlassian Analytics. Dit wordt gedaan door de titel van het dashboard, de titel van het diagram en de gegevens van het diagram (waaronder kolomkoppen en rijwaarden) te gebruiken om een samenvatting in natuurlijke taal te genereren van deze diagram en de bijbehorende gegevens. Het is ook bedoeld om trends of afwijkingen te identificeren om je bepaalde inzichten in deze diagram te geven. Wij zijn van mening dat Diagraminzichten het beste werkt in scenario's waarin:
Staafdiagrammen, lijndiagrammen en staaf-lijndiagrammen werken het beste met deze functie, omdat ze meestal trends, datums en veel rijen gegevens bevatten. |
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om Diagraminzichten mogelijk te maken soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. We hebben ontdekt dat Diagraminzichten minder nuttig zijn in situaties waarin:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. Je kunt ook het volgende overwegen:
|
We begrijpen dat je misschien vragen hebt over hoe Diagraminzichten je gegevens gebruikt. Dit gedeelte is een aanvulling op de informatie die beschikbaar is op deze pagina We verwerken het volgende:
Wat je gegevens betreft, past Diagraminzichten de volgende maatregelen toe.
|
Korte samenvatting van Confluence
Het samenvatten van pagina's en blogs met Atlassian Intelligence wordt aangedreven door LLM-modellen ontwikkeld met OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal in onze producten te analyseren en te genereren. Deze modellen genereren antwoorden op basis van jouw invoer en zijn probabilistisch van aard. Dit betekent dat hun antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze zijn getraind. Lees meer over de mogelijkheden van OpenAI's modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
Bespaar tijd en verkrijg de informatie die je nodig hebt om je werk sneller te doen door een korte samenvatting van een Confluence-pagina of -blog te genereren met behulp van Atlassian Intelligence. Meer informatie over het gebruik van Atlassian Intelligence in Confluence. Wij zijn van mening dat het samenvatten van pagina's en blogs met behulp van Atlassian Intelligence het beste werkt in scenario's waarbij:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om pagina's en blogs samen te vatten met behulp van Atlassian Intelligence, soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. Terwijl we blijven werken aan een betere ondersteuning voor macro's, tabellen en uitbreidingen in samenvattingen, hebben we gemerkt dat het samenvatten van pagina's en blogs met behulp van Atlassian Intelligence minder zinvol is in scenario's waarbij:
We sporen je aan om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit van de antwoorden die je krijgt te beoordelen voordat je deze met anderen deelt. Je kunt ook het volgende overwegen:
|
We begrijpen dat je misschien vragen hebt over hoe Atlassian Intelligence je gegevens gebruikt voor Confluence-automatisering. Dit gedeelte is een aanvulling op de informatie die beschikbaar is in ons Trust Center. We verwerken het volgende:
Als het op je gegevens aankomt, worden de volgende maatregelen toegepast als je Atlassian Intelligence gebruikt voor het samenvatten van pagina's en blogs:
|
Definieer termen met behulp van Atlassian Intelligence
Het definiëren van termen met behulp van Atlassian Intelligence in Confluence en Jira wordt mogelijk gemaakt door grote taalmodellen die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om antwoorden in de natuurlijke taal binnen Confluence te analyseren en te genereren. Deze modellen genereren antwoorden op basis van jouw invoer en zijn probabilistisch van aard. Dit betekent dat de antwoorden worden gegenereerd door de meest waarschijnlijke volgende woorden of tekst te voorspellen op basis van de gegevens waarmee ze zijn getraind. |
Een van de moeilijkste dingen aan het consumeren van inhoud in Confluence en Jira is het verkrijgen van de context die je nodig hebt om te begrijpen wat je leest. Afkortingen, acroniemen, onbekende termen en team- of projectspecifieke namen kunnen leiden tot een lange zoektocht naar de informatie die je nodig hebt. Als je termen definieert met behulp van Atlassian Intelligence, krijg je de definitie van bedrijfsspecifieke termen (zoals acroniemen, project-, systeem- en teamnamen) op een pagina in Confluence of in een probleembeschrijving in Jira. Dit geeft gebruikers de informatie die ze nodig hebben, wanneer ze die nodig hebben en dat alles terwijl teams beter kunnen samenwerken. Atlassian Intelligence kan je tijd besparen door deze dingen voor je te definiëren, zonder dat je wat je aan het lezen bent hoeft te sluiten. Als je een definitie tegenkomt die volgens jou onjuist is, kun je een definitie bewerken of een nieuwe toevoegen. Je kunt vervolgens de zichtbaarheid instellen voor die pagina of dat issue, de hele space of het project, of de toegang tot je hele organisatie. Wij zijn van mening dat het definiëren van termen met behulp van Atlassian Intelligence in Confluence het beste werkt in deze situaties:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om termen te definiëren met behulp van Atlassian Intelligence in Confluence-werk, soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld de inhoud waarop ze zijn gebaseerd niet altijd nauwkeurig weer of bevatten inhoud die logisch klinkt, maar onjuist of onvolledig is. We hebben ontdekt dat het definiëren van termen met Atlassian Intelligence minder nuttig is in de scenario's waarbij:
Daarnaast hebben we in Jira ook ontdekt dat, omdat je voor het definiëren van termen met behulp van Atlassian Intelligence afhankelijk bent van zoeken in Confluence, de functie alleen werkt in Jira als je toestemming hebt om een Confluence-installatie te bekijken op dezelfde site als je Jira-installatie. Mogelijk ervaar je dat het definiëren van termen met Atlassian Intelligence niet werkt zoals verwacht in Confluence-spaces en Jira-installaties die content in meerdere talen bevatten. |
We begrijpen dat je misschien vragen hebt over hoe je gegevens worden gebruikt bij het definiëren van termen met behulp van Atlassian Intelligence. Dit gedeelte is een aanvulling op de informatie die beschikbaar is in ons Trust Center. We verwerken het volgende:
Als het op je gegevens aankomt, worden de volgende maatregelen toegepast als je Atlassian Intelligence gebruikt voor het definiëren van termen:
|
Genereer omschrijvingen van pull requests met Atlassian Intelligence
Het genereren van pull request-omschrijvingen met Atlassian Intelligence wordt mogelijk gemaakt door grote taalmodellen (LLM) die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal en codes in onze producten te analyseren en te genereren. Deze modellen genereren antwoorden op basis van jouw invoer en zijn probabilistisch van aard. Dit betekent dat hun antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze de modellen zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
Met Atlassian Intelligence kun je inhoud genereren, transformeren en samenvatten terwijl je omschrijvingen of opmerkingen van pull requests schrijft in de codebeoordelingservaring van Bitbucket Cloud. Dit omvat:
We zijn van mening dat het genereren van pull-request-omschrijvingen van Bitbucket Cloud met Atlassian Intelligence het beste werkt in scenario's waarin:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om deze functie mogelijk te maken soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. We hebben ontdekt dat het genereren van pull request-omschrijvingen van Bitbucket Cloud met Atlassian Intelligence minder goed werkt in scenario's waarin:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. Je kunt ook het volgende overwegen:
|
We begrijpen dat je misschien vragen hebt over hoe het definiëren van termen met behulp van Atlassian Intelligence in Confluence je gegevens gebruikt. Dit gedeelte is een aanvulling op de informatie die beschikbaar is in ons Trust Center. We verwerken het volgende:
Als het op je gegevens aankomt, worden de volgende maatregelen toegepast als je Atlassian Intelligence gebruikt voor het genereren van pull request-omschrijvingen:
|
Genereer SQL-query's in Atlassian Analytics
Het genereren van SQL-query's met behulp van Atlassian Intelligence in Atlassian Analytics wordt mogelijk gemaakt door grote taalmodellen die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier zijn beschreven. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal te analyseren en te begrijpen, en vertaalt deze vervolgens naar gestructureerde zoekopdrachten (SQL) binnen Atlassian Analytics. Deze modellen genereren antwoorden op basis van jouw invoer en zijn probabilistisch van aard. Dit betekent dat de antwoorden worden gegenereerd door de meest waarschijnlijke volgende woorden of tekst te voorspellen op basis van de gegevens waarmee ze zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak in de onderzoeksdocumenten van OpenAI. |
Stel Atlassian Intelligence een vraag in natuurlijke taal en laat die vertalen naar SQL, in plaats van je eigen SQL-query's helemaal opnieuw te schrijven. Nadat je een vraag hebt gesteld, gebruikt Atlassian Intelligence het Atlassian Data Lake-schema van de door jou geselecteerde gegevensbron om een SQL-query te genereren die kan worden gebruikt om diagrammen te maken op je Atlassian Analytics-dashboards, en die je ook kan helpen meer te weten te komen over het schema in de Data Lake. Wij zijn van mening dat het genereren van SQL-query's met behulp van Atlassian Intelligence het beste werkt in scenario's waarbij:
Weet je niet zeker welke vragen je moet stellen?Hier zijn enkele suggesties:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om SQL-query's te genereren met behulp van Atlassian Intelligence, soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld de inhoud waarop ze zijn gebaseerd niet altijd nauwkeurig weer of bevatten inhoud die logisch klinkt, maar onjuist of onvolledig is. We hebben ontdekt dat het genereren van SQL-query's met Atlassian Intelligence minder nuttig is in scenario's waarbij:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit van de antwoorden die je krijgt te beoordelen voordat je deze met anderen deelt. Denk ook aan het volgende:
|
We begrijpen dat je misschien vragen hebt over hoe Atlassian Intelligence je gegevens gebruikt bij het genereren van SQL-query's. Dit gedeelte is een aanvulling op de informatie die beschikbaar is in ons Trust Center. We verwerken het volgende:
Als het op je gegevens aankomt, worden de volgende maatregelen toegepast als je Atlassian Intelligence gebruikt voor het genereren van SQL-query's.
|
Generatieve AI in de editor
Atlassian Intelligence in bewerkingservaringen wordt mogelijk gemaakt door grote taalmodellen die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier zijn beschreven. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal in onze producten te analyseren en te genereren. Deze modellen genereren antwoorden op basis van jouw invoer en zijn probabilistisch van aard. Dit betekent dat de antwoorden worden gegenereerd door de meest waarschijnlijke volgende woorden of tekst te voorspellen op basis van de gegevens waarmee ze zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak in de onderzoeksdocumenten van OpenAI. |
Atlassian Intelligence helpt bij het stimuleren van effectieve communicatie tussen alle teams in een organisatie om de efficiëntie, besluitvorming en processen te verbeteren. Wij zijn van mening dat het gebruik van Atlassian Intelligence in bewerkingservaringen het beste werkt in scenario's waarbij:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt voor Atlassian Intelligence in bewerkingservaringen, soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. We hebben ontdekt dat het minder nuttig is om Atlassian Intelligence in bewerkingservaringen te gebruiken in scenario's waarbij:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. Denk ook aan het volgende:
|
We begrijpen dat je misschien vragen hebt over hoe Atlassian Intelligence je gegevens gebruikt bij bewerkingservaringen. Dit gedeelte is een aanvulling op de informatie die beschikbaar is in ons Trust Center. We verwerken het volgende:
Als het op je gegevens aankomt, past Atlassian Intelligence de volgende maatregelen toe tijdens bewerkingservaringen:
|
Zoek antwoorden in Confluence
Het zoeken naar antwoorden in Confluence met behulp van Atlassian Intelligence wordt mogelijk gemaakt door LLM-modellen die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal in onze producten te analyseren en te genereren. Deze modellen genereren reacties op basis van jouw input en zijn probabilistisch van aard. Dit betekent dat de antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
De kennisdatabases groeien zo snel dat gebruikers het niet bij kunnen houden. Het zoeken naar antwoorden in Confluence met behulp van Atlassian Intelligence biedt een snellere weg naar belangrijke informatie die klanten nodig hebben om verder te kunnen met hun werk. Met deze functie kun je gemakkelijk de informatie vinden die je nodig hebt. Atlassian Intelligence begrijpt wat voor soort vragen je aan een teamgenoot zou stellen en beantwoordt ze meteen. Meer informatie over hoe je Atlassian Intelligence kunt gebruiken om antwoorden te zoeken in Confluence. Wij zijn van mening dat het zoeken naar antwoorden in Confluence met behulp van Atlassian Intelligence het beste werkt als je Confluence-site vol staat met gedetailleerde, volledige en actuele inhoud. Deze functie genereert geen nieuwe inhoud, maar doorzoekt Confluence-pagina's en -blogs (met inachtneming van de beperkingen) om een antwoord op je vraag te vinden. Atlassian Intelligence genereert antwoorden uitsluitend op basis van wat er in je Confluence-installatie staat en waar jij specifiek toegang tot hebt. Weet je niet zeker welke vragen je moet stellen?Hier zijn enkele suggesties
|
We begrijpen dat je misschien vragen hebt over hoe Atlassian Intelligence je gegevens gebruikt bij het zoeken naar antwoorden in Confluence. Dit gedeelte is een aanvulling op de informatie die beschikbaar is in ons Trust Center. We verwerken het volgende:
De volgende maatregelen worden toegepast met betrekking tot je gegevens als je Atlassian Intelligence gebruikt voor het zoeken naar antwoorden in Confluence:
|
Zoek issues in Jira
Het zoeken van issues met behulp van Atlassian Intelligence wordt mogelijk gemaakt door grote taalmodellen die zijn ontwikkeld door OpenAI. De modellen omvatten de OpenAI-modellen die hier worden beschreven en die zijn verfijnd door Atlassian op basis van gegenereerde synthetische gegevens. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal te analyseren en te begrijpen, en vertaalt deze vervolgens naar Jira Query Language-code (JQL) in onze producten. Deze modellen genereren reacties op basis van jouw input en zijn probabilistisch van aard. Dit betekent dat hun antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee de modellen zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen en de verfijning van OpenAI. Je kunt ook meer over deze aanpak lezen in de onderzoeksdocumenten van OpenAI. |
Je kunt Atlassian Intelligence nu vragen wat je wilt in alledaagse taal in plaats van dat je complexe vragen moet stellen. Door issues te zoeken met behulp van Atlassian Intelligence, wordt je vraag vertaald in een JQL-zoekopdracht die je snel helpt bij het zoeken naar specifieke issues. Wij zijn van mening dat het zoeken naar issues met behulp van Atlassian Intelligence het beste werkt in scenario's waarbij:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om issues te zoeken met behulp van Atlassian Intelligence, soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. We hebben ontdekt dat het zoeken naar issues met Atlassian Intelligence minder nuttig is in scenario's waarbij:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. Je zou ook kunnen overwegen om zo specifiek mogelijk te zijn in wat je Atlassian Intelligence vraagt te doen. Zorg ervoor dat je de exacte velden en waarden invult die je zoekt. |
We begrijpen dat je misschien vragen hebt over hoe Atlassian Intelligence je gegevens gebruikt bij het zoeken naar issues. Dit gedeelte is een aanvulling op de informatie die beschikbaar is in ons Trust Center. We verwerken het volgende:
Als het op je gegevens aankomt, worden de volgende maatregelen toegepast als je Atlassian Intelligence gebruikt voor het zoeken naar issues:
|
Aanvraagtypen voorstellen in Jira Service Management
De voorgestelde aanvraagtypes van Atlassian Intelligence worden mogelijk gemaakt door grote taalmodellen die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om input in natuurlijke taal te analyseren en aanbevelingen te genereren voor namen en beschrijvingen van aanvraagtypen binnen Jira Service Management. Deze modellen genereren reacties op basis van jouw input en zijn probabilistisch van aard. Dit betekent dat de antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
Besteed minder tijd aan het uitzoeken welke aanvraagtypen je moet maken voor je project en krijg in plaats daarvan suggesties van Atlassian Intelligence. Beschrijf gewoon je werk en wat je team doorgaans beheert om te zien welke aanvraagtypen je zou kunnen indienen. Selecteer een van de suggesties die door Atlassian Intelligence zijn gegenereerd om een aanvraagtype te maken. Meer informatie over hoe je Atlassian Intelligence kunt gebruiken om aanvraagtypen voor te stellen. Wij zijn van mening dat het gebruik van Atlassian Intelligence om aanvraagtypes voor te stellen het beste werkt in scenario's waarbij:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om aanvraagtypen voor te stellen met behulp van Atlassian Intelligence, soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. We hebben ontdekt dat het minder nuttig is om Atlassian Intelligence te gebruiken om aanvraagtypen voor te stellen in scenario's waarbij:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. Je kunt ook het volgende overwegen:
|
We begrijpen dat je misschien vragen hebt over hoe Atlassian Intelligence je gegevens gebruikt om aanvraagtypen voor te stellen. Dit gedeelte is een aanvulling op de informatie die beschikbaar is in ons Trust Center. We verwerken het volgende:
Als het op je gegevens aankomt, worden de volgende maatregelen toegepast als je Atlassian Intelligence gebruikt om soorten aanvragen voor te stellen.
|
Issuegegevens samenvatten in Jira Service Management
Het samenvatten van issuegegevens met Atlassian Intelligence wordt mogelijk gemaakt door grote taalmodellen die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal in onze producten te analyseren en te genereren. Deze modellen genereren antwoorden op basis van jouw invoer en zijn probabilistisch van aard. Dit betekent dat de antwoorden worden gegenereerd door de meest waarschijnlijke volgende woorden of tekst te voorspellen op basis van de gegevens waarmee ze zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak in de onderzoeksdocumenten van OpenAI. |
In plaats van lange omschrijvingen en talloze opmerkingen over een Jira Service Management-issue te lezen, kun je Atlassian Intelligence gebruiken om deze informatie snel voor je samen te vatten. Hierdoor krijgen agents snel inzicht in de context en de voortgang van de issue en kunnen ze rap actie ondernemen en hulp bieden. We hebben ondervonden dat het samenvatten van issuegegevens met Atlassian Intelligence het beste werkt voor:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om issuegegevens samen te vatten met Atlassian Intelligence soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld de inhoud waarop ze zijn gebaseerd niet altijd nauwkeurig weer of bevatten inhoud die logisch klinkt, maar onjuist of onvolledig is. We hebben ondervonden dat het samenvatten van issuegegevens met Atlassian Intelligence minder nuttig is in scenario's waarbij:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit van de antwoorden die je krijgt te beoordelen voordat je deze met anderen deelt. |
We begrijpen dat je misschien vragen hebt over hoe Atlassian Intelligence je gegevens gebruikt bij het samenvatten van issuegegevens. Dit gedeelte is een aanvulling op de informatie die beschikbaar is in ons Trust Center. We verwerken het volgende:
De volgende maatregelen worden toegepast met betrekking tot je gegevens als je Atlassian Intelligence gebruikt voor het samenvatten van issuegegevens:
|
Aangepaste formules schrijven met behulp van Atlassian Intelligence
Aangepaste formules schrijven met behulp van Atlassian Intelligence wordt mogelijk gemaakt door grote taalmodellen die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal te analyseren en vertaalt deze vervolgens naar SQLite binnen Atlassian Analytics. Deze modellen genereren antwoorden op basis van jouw invoer en zijn probabilistisch van aard. Dit betekent dat hun antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
Vraag of beschrijf aan Atlassian Intelligence hoe je de gegevens in je resultatentabel wilt omzetten. Deze worden vervolgens omgezet in een SQLite-expressie die wordt gebruikt voor aangepaste formules. Zo hoef je je eigen SQLite-expressies niet helemaal opnieuw te schrijven. Nadat je een vraag hebt gesteld, gebruikt Atlassian Intelligence de gegevens in de resultatentabel van de vorige Visual SQL-stap om een SQLite-expressie te genereren die berekeningen of bewerkingen toepast op die gegevens voor je diagram. Dit kan je ook helpen meer te weten te komen over de functies van SQLite en de syntax. Het schrijven van aangepaste formules met behulp van Atlassian Intelligence werkt het beste in scenario's waarbij:
|
Houd er bij het gebruik van aangepaste formules rekening mee dat de modellen die worden gebruikt in Atlassian Intelligence soms onnauwkeurig, onvolledig of onbetrouwbaar zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar die onjuist of onvolledig is. We hebben ontdekt dat het schrijven van aangepaste formules met behulp van Atlassian Intelligence minder nuttig is in scenario's waarbij:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. Je kunt ook het volgende overwegen:
|
We begrijpen dat je misschien vragen hebt over hoe je gegevens worden gebruikt bij het schrijven van aangepaste formules met behulp van Atlassian Intelligence. Dit gedeelte is een aanvulling op de informatie die beschikbaar is in ons Trust Center. We verwerken het volgende:
Als het op je gegevens aankomt, worden de volgende maatregelen toegepast als je Atlassian Intelligence gebruikt voor het schrijven van aangepaste formules. Je vragen (inputs) en antwoorden (outputs):
OpenAI is een subverwerker die op onze lijst van subverwerkers staat. Deze verwerkers gebruiken je in- en output alleen voor het verwerken van je aanvraag, en niet voor andere doeleinden. |
Meer informatie over Atlassian Intelligence
Ontdek meer over het gebruik van Atlassian Intelligence
Ontdek hoe je Atlassian Intelligence gebruikt om antwoorden te zoeken in Confluence
Atlassian Intelligence en Rovo zijn ontworpen voor transparantie
Onze eerlijke toewijding aan open communicatie, verantwoordelijkheid en het helpen van teams om AI op een verantwoorde manier te gebruiken.
Rovo
Selecteer hieronder een Rovo-functie om een duidelijk overzicht te krijgen van de usecases en het gegevensgebruik.
Sneller werken met AI
Selecteer hieronder een Atlassian Intelligence-functie om een duidelijk overzicht te krijgen van de usecases en het gegevensgebruik.
Atlassian Intelligence-antwoorden in Jira Service Management
Atlassian Intelligence-antwoorden worden mogelijk gemaakt door grote taalmodellen die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal in onze producten te analyseren en te genereren. Deze modellen genereren reacties op basis van jouw input en zijn probabilistisch van aard. Dit betekent dat de antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
De antwoordfunctie van Atlassian Intelligence maakt verbinding met de virtuele service-agent in Jira Service Management. De functie maakt gebruik van generatieve kunstmatige intelligentie om in je gekoppelde kennisdatabases te zoeken en vragen van je klanten te beantwoorden. We hebben ondervonden dat Atlassian Intelligence-antwoorden het beste werken in scenario's waarbij:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om Atlassian Intelligence-antwoorden mogelijk te maken, soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. We hebben ondervonden dat Atlassian Intelligence-antwoorden minder nuttig zijn in scenario's waarbij:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. Je kunt ook het volgende overwegen:
|
We begrijpen dat je misschien vragen hebt over hoe de antwoorden van Atlassian Intelligence je gegevens gebruiken in Jira Service Management. Dit gedeelte is een aanvulling op de informatie die beschikbaar is op onze Pagina met veelgestelde vragen. We verwerken het volgende:
|
Automatisering met behulp van Atlassian Intelligence
Automatisering met Atlassian Intelligence wordt aangedreven door GPT-modellen ontwikkeld met OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om de natuurlijke taalinvoer te analyseren en automatiseringsregels voor je te genereren binnen Jira en Confluence. Deze modellen genereren antwoorden op basis van jouw invoer en zijn probabilistisch van aard. Dit betekent dat hun antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze de modellen zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
Automatiseringsregels aanmaken is essentieel voor de dagelijkse automatiseringservaring. We willen dit nog gemakkelijker voor je maken door Atlassian Intelligence toe te voegen aan de samensteller voor automatiseringsregels in Jira en Confluence. Nu kun je eenvoudig automatiseringsregels aanmaken door simpelweg in te voeren wat je wilt automatiseren. Atlassian Intelligence doet vervolgens het zware werk om de regel voor je aan te maken. Meer informatie over automatisering met behulp van Atlassian Intelligence voor Jira en voor Confluence. We zijn ervan overtuigd dat het gebruik van automatisering met behulp van Atlassian Intelligence voor Jira en Confluence het beste werkt in scenario's wanneer je niet zeker weet hoe je van start gaat of wanneer je het aanmaken van regels wilt versnellen. Weet je niet zeker hoe je het beste een automatiseringsregel kunt aanmaken?Automatiseringsregels worden aangemaakt door een combinatie van verschillende soorten componenten: triggers, acties, voorwaarden en branches. Je kunt componenten zien als de bouwsteen van een regel. Om een effectieve regel aan te maken met Atlassian Intelligence, moet je regel ten minste zowel een trigger als een actie bevatten. Bijvoorbeeld: In Jira: Zoek elke maandag alle taken met een vervaldatum in de komende 7 dagen en stuur de uitvoerder ervan een herinneringse-mail. Als een ticket naar Testen gaat, wijs het ticket dan toe aan John Smith. In Confluence:
Bovendien moeten, om een effectieve regel aan te maken, alle componenten ervan worden ondersteund door automatisering met behulp van Atlassian Intelligence. Dit betekent dat alle triggers, acties, voorwaarden of branches in je regel compatibel moeten zijn met automatisering in Jira en/of Confluence. |
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om automatisering aan te drijven met behulp van Atlassian Intelligence, soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. We hebben ontdekt dat automatisering met behulp van Atlassian Intelligence minder nuttig is in scenario's waarbij:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. Automatisering met behulp van Atlassian Intelligence werkt alleen met de bestaande set beschikbare automatiseringscomponenten in Jira en Confluence. Je zou ook kunnen overwegen om zo specifiek mogelijk te zijn over wat je Atlassian Intelligence vraagt te doen, zoals hierboven beschreven. |
We begrijpen dat je misschien vragen hebt over hoe automatisering met behulp van Atlassian Intelligence je gegevens gebruikt bij het zoeken naar issues. Dit gedeelte is een aanvulling op de informatie die beschikbaar is op onze Pagina met veelgestelde vragen. We verwerken het volgende:
Als het op je gegevens aankomt, worden de volgende maatregelen toegepast als je Atlassian Intelligence gebruikt voor Confluence-automatisering:
OpenAI is een subverwerker die op onze lijst van subverwerkers staat. Deze verwerkers gebruiken je in- en output alleen voor het verwerken van je aanvraag, en niet voor andere doeleinden. Deze functie volgt de rechten van je installatie. Als je bijvoorbeeld geen toegang hebt tot een specifiek project of pagina, wordt er geen inhoud van die assets voorgesteld in het antwoord dat je ontvangt. Als je niet wilt dat je inhoud beschikbaar is in het antwoord naar andere gebruikers in je installatie, overleg dan met je organisatiebeheerder om ervoor te zorgen dat je rechten juist zijn ingesteld. |
Groepering van waarschuwingen
Groepering van waarschuwingen door Atlassian Intelligence wordt mogelijk gemaakt door grote taalmodellen die zijn ontwikkeld door OpenAI en andere modellen van zelflerende systemen. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen van zelflerende systemen voor het analyseren en genereren van waarschuwingsgroepen, en om gerelateerde suggesties te geven (eerdere waarschuwingsgroepen en -respondenten) binnen onze producten op basis van de overeenkomst tussen de inhoud van de waarschuwing of van de gebruikte tags. Vervolgens gebruikt Atlassian Intelligence grote taalmodellen om omschrijvingen en inhoud in natuurlijke taal te analyseren en te genereren voor deze groepen binnen onze producten. Deze grote taalmodellen genereren reacties op basis van jouw input en zijn probabilistisch. Dit betekent dat hun antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze de modellen zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
Groepering van waarschuwingen maakt gebruik van Atlassian Intelligence om soortgelijke waarschuwingen te identificeren en te groeperen. Het helpt je ook door eerdere soortgelijke waarschuwingsgroepen en -respondenten (of respondententeams) te identificeren en aan te bevelen, op basis van de semantische overeenkomst van de waarschuwingsinhoud of gebruikte tags. Als je de waarschuwingsgroep naar een incident wilt laten escaleren, wordt bij het groeperen van waarschuwingen ook alle contextuele informatie vooraf ingevuld, zodat je deze kunt bekijken als onderdeel van het aanmaakproces van incidenten. We zijn van mening dat waarschuwingen groeperen het beste werkt in scenario's waarin:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om groeperen van waarschuwingen mogelijk te maken soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. In het geval van de waarschuwingsgroepen die je ziet, geven ze mogelijk niet precies de semantische overeenkomst van hun tags weer. We hebben ontdekt dat groepering van waarschuwingen minder nuttig is in situaties waarin:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. Je zou ook kunnen overwegen om te zorgen dat jij en je team consistente werkwijzen volgen bij het gebruik van waarschuwingstags. |
We begrijpen dat je misschien vragen hebt over hoe je gegevens worden gebruikt bij het groeperen van waarschuwingen. Dit gedeelte is een aanvulling op de informatie die beschikbaar is op onze Pagina met veelgestelde vragen. We verwerken het volgende:
We verwerken je waarschuwingsgegevens om een versie van het model zelflerend systeem te trainen om patronen te herkennen die specifiek zijn voor je meldingen. Deze versie wordt enkel gebruikt om je ervaring te tonen:
Wat je gegevens betreft, past het groeperen van waarschuwingen de volgende maatregelen toe:
|
Het samenvatten van pagina's en blogs met Atlassian Intelligence wordt aangedreven door LLM-modellen ontwikkeld met OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal in onze producten te analyseren en te genereren. Deze modellen genereren reacties op basis van jouw input en zijn probabilistisch van aard. Dit betekent dat de antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
Bespaar tijd en verkrijg de informatie die je nodig hebt om je werk sneller te doen door een korte samenvatting van een Confluence-pagina of -blog te genereren met behulp van Atlassian Intelligence. Meer informatie over het gebruik van Atlassian Intelligence in Confluence. Wij zijn van mening dat het samenvatten van pagina's en blogs met behulp van Atlassian Intelligence het beste werkt in scenario's waarbij:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om pagina's en blogs samen te vatten met behulp van Atlassian Intelligence, soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. Terwijl we blijven werken aan een betere ondersteuning voor macro's, tabellen en uitbreidingen in samenvattingen, hebben we gemerkt dat het samenvatten van pagina's en blogs met behulp van Atlassian Intelligence minder zinvol is in scenario's waarbij:
We sporen je aan om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit van de antwoorden die je krijgt te beoordelen voordat je deze met anderen deelt. Je kunt ook het volgende overwegen:
|
We begrijpen dat je misschien vragen hebt over hoe Atlassian Intelligence je gegevens gebruikt voor Confluence-automatisering. Dit gedeelte is een aanvulling op de informatie die beschikbaar is op onze Pagina met veelgestelde vragen. We verwerken het volgende:
Als het op je gegevens aankomt, worden de volgende maatregelen toegepast als je Atlassian Intelligence gebruikt voor het samenvatten van pagina's en blogs:
|
Definieer termen met behulp van Atlassian Intelligence
Het definiëren van termen met behulp van Atlassian Intelligence in Confluence en Jira wordt mogelijk gemaakt door grote taalmodellen die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om antwoorden in de natuurlijke taal binnen Confluence te analyseren en te genereren. Deze modellen genereren reacties op basis van jouw input en zijn probabilistisch van aard. Dit betekent dat de antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze zijn getraind. |
Een van de moeilijkste dingen aan het consumeren van inhoud in Confluence en Jira is het verkrijgen van de context die je nodig hebt om te begrijpen wat je leest. Afkortingen, acroniemen, onbekende termen en team- of projectspecifieke namen kunnen leiden tot een lange zoektocht naar de informatie die je nodig hebt. Als je termen definieert met behulp van Atlassian Intelligence, krijg je de definitie van bedrijfsspecifieke termen (zoals acroniemen, project-, systeem- en teamnamen) op een pagina in Confluence of in een probleembeschrijving in Jira. Dit geeft gebruikers de informatie die ze nodig hebben, wanneer ze die nodig hebben en dat alles terwijl teams beter kunnen samenwerken. Atlassian Intelligence kan je tijd besparen door deze dingen voor je te definiëren, zonder dat je wat je aan het lezen bent hoeft te sluiten. Als je een definitie tegenkomt die volgens jou onjuist is, kun je een definitie bewerken of een nieuwe toevoegen. Je kunt vervolgens de zichtbaarheid instellen voor die pagina of dat issue, de hele space of het project, of de toegang tot je hele organisatie. Wij zijn van mening dat het definiëren van termen met behulp van Atlassian Intelligence in Confluence het beste werkt in deze situaties:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om termen te definiëren met behulp van Atlassian Intelligence in Confluence-werk, soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. We hebben ontdekt dat het definiëren van termen met Atlassian Intelligence minder nuttig is in de scenario's waarbij:
Daarnaast hebben we in Jira ook ontdekt dat, omdat je voor het definiëren van termen met behulp van Atlassian Intelligence afhankelijk bent van zoeken in Confluence, de functie alleen werkt in Jira als je toestemming hebt om een Confluence-installatie te bekijken op dezelfde site als je Jira-installatie. Mogelijk ervaar je dat het definiëren van termen met Atlassian Intelligence niet werkt zoals verwacht in Confluence-spaces en Jira-installaties die content in meerdere talen bevatten. |
We begrijpen dat je misschien vragen hebt over hoe je gegevens worden gebruikt bij het definiëren van termen met behulp van Atlassian Intelligence. Dit gedeelte is een aanvulling op de informatie die beschikbaar is op onze Pagina met veelgestelde vragen. We verwerken het volgende:
Als het op je gegevens aankomt, worden de volgende maatregelen toegepast als je Atlassian Intelligence gebruikt voor het definiëren van termen:
|
Generatieve AI in de editor
Atlassian Intelligence in bewerkingservaringen wordt mogelijk gemaakt door grote taalmodellen die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier zijn beschreven. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal in onze producten te analyseren en te genereren. Deze modellen genereren reacties op basis van jouw input en zijn probabilistisch van aard. Dit betekent dat de antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
Atlassian Intelligence helpt bij het stimuleren van effectieve communicatie tussen alle teams in een organisatie om de efficiëntie, besluitvorming en processen te verbeteren. Wij zijn van mening dat het gebruik van Atlassian Intelligence in bewerkingservaringen het beste werkt in scenario's waarbij:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt voor Atlassian Intelligence in bewerkingservaringen, soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. We hebben ontdekt dat het minder nuttig is om Atlassian Intelligence in bewerkingservaringen te gebruiken in scenario's waarbij:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. Je kunt ook het volgende overwegen:
|
We begrijpen dat je misschien vragen hebt over hoe Atlassian Intelligence je gegevens gebruikt bij bewerkingservaringen. Dit gedeelte is een aanvulling op de informatie die beschikbaar is op onze Pagina met veelgestelde vragen. We verwerken het volgende:
Als het op je gegevens aankomt, past Atlassian Intelligence de volgende maatregelen toe tijdens bewerkingservaringen:
|
Issuegegevens samenvatten in Jira Service Management
Het samenvatten van issuegegevens met Atlassian Intelligence wordt mogelijk gemaakt door grote taalmodellen die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal in onze producten te analyseren en te genereren. Deze modellen genereren reacties op basis van jouw input en zijn probabilistisch van aard. Dit betekent dat de antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
In plaats van lange omschrijvingen en talloze opmerkingen over een Jira Service Management-issue te lezen, kun je Atlassian Intelligence gebruiken om deze informatie snel voor je samen te vatten. Hierdoor krijgen agents snel inzicht in de context en de voortgang van de issue en kunnen ze rap actie ondernemen en hulp bieden. We hebben ondervonden dat het samenvatten van issuegegevens met Atlassian Intelligence het beste werkt voor:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om issuegegevens samen te vatten met Atlassian Intelligence soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. We hebben ondervonden dat het samenvatten van issuegegevens met Atlassian Intelligence minder nuttig is in scenario's waarbij:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. |
We begrijpen dat je misschien vragen hebt over hoe Atlassian Intelligence je gegevens gebruikt bij het samenvatten van issuegegevens. Dit gedeelte is een aanvulling op de informatie die beschikbaar is op onze Pagina met veelgestelde vragen. We verwerken het volgende:
De volgende maatregelen worden toegepast met betrekking tot je gegevens als je Atlassian Intelligence gebruikt voor het samenvatten van issuegegevens:
|
Generatieve AI in de editor
Het samenvatten van Smart Links met AI wordt mogelijk gemaakt door de grote taalmodellen die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal in onze producten te analyseren en te genereren. Deze modellen genereren reacties op basis van jouw input en zijn probabilistisch van aard. Dit betekent dat de antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
Als je je cursor op een Smart Link van Jira, Confluence en Google Docs plaatst, kan Atlassian Intelligence je helpen de inhoud samen te vatten. Zo kun je eenvoudig bepalen hoe waardevol de link is en bepalen welke volgende actie je wilt ondernemen. Hierdoor hoef je de pagina minder snel te verlaten en wissel je minder snel van context. Wij zijn van mening dat het samenvatten van Smart Links met AI het beste werkt wanneer je:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om het samenvatten van Smart Links met AI mogelijk te maken soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De samenvattingen die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. We hebben gemerkt dat het samenvatten van Smart Links met AI minder nuttig is wanneer je:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. |
We begrijpen dat je misschien vragen hebt over hoe Atlassian Intelligence je gegevens gebruikt bij het samenvatten van issuegegevens. Dit gedeelte is een aanvulling op de informatie die beschikbaar is op onze Pagina met veelgestelde vragen. We verwerken het volgende:
Wat je gegevens betreft, worden voor het samenvatten van Smart Links met AI de volgende maatregelen gebruikt. Je samenvattingen:
|
Korte samenvatting van Confluence
Aangepaste formules schrijven met behulp van Atlassian Intelligence wordt mogelijk gemaakt door grote taalmodellen die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal te analyseren en vertaalt deze vervolgens naar SQLite binnen Atlassian Analytics. Deze modellen genereren reacties op basis van jouw input en zijn probabilistisch van aard. Dit betekent dat hun antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee de modellen zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
Vraag of beschrijf aan Atlassian Intelligence hoe je de gegevens in je resultatentabel wilt omzetten. Deze worden vervolgens omgezet in een SQLite-expressie die wordt gebruikt voor aangepaste formules. Zo hoef je je eigen SQLite-expressies niet helemaal opnieuw te schrijven. Nadat je een vraag hebt gesteld, gebruikt Atlassian Intelligence de gegevens in de resultatentabel van de vorige Visual SQL-stap om een SQLite-expressie te genereren die berekeningen of bewerkingen toepast op die gegevens voor je diagram. Dit kan je ook helpen meer te weten te komen over de functies van SQLite en de syntax. Het schrijven van aangepaste formules met behulp van Atlassian Intelligence werkt het beste in scenario's waarbij:
|
Houd er bij het gebruik van aangepaste formules rekening mee dat de modellen die worden gebruikt in Atlassian Intelligence soms onnauwkeurig, onvolledig of onbetrouwbaar zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar die onjuist of onvolledig is. We hebben ontdekt dat het schrijven van aangepaste formules met behulp van Atlassian Intelligence minder nuttig is in scenario's waarbij:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. Je kunt ook het volgende overwegen:
|
We begrijpen dat je misschien vragen hebt over hoe Atlassian Intelligence je gegevens gebruikt voor Confluence-automatisering. Dit gedeelte is een aanvulling op de informatie die beschikbaar is op onze Pagina met veelgestelde vragen. We verwerken het volgende:
Als het op je gegevens aankomt, worden de volgende maatregelen toegepast als je Atlassian Intelligence gebruikt voor het samenvatten van pagina's en blogs:
|
AI gebruiken om actie te stimuleren
Selecteer hieronder een Atlassian Intelligence-functie om een duidelijk overzicht te krijgen van de usecases en het gegevensgebruik.
Het samenvatten van pagina's en blogs met Atlassian Intelligence wordt aangedreven door LLM-modellen ontwikkeld met OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal in onze producten te analyseren en te genereren. Deze modellen genereren reacties op basis van jouw input en zijn probabilistisch van aard. Dit betekent dat de antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
Bij het escaleren van een of meer waarschuwingen of waarschuwingsgroepen naar een incident in Jira Service Management, gebruikt Incident aanmaken met AI Atlassian Intelligence om snel alle contextuele informatie vooraf in te vullen, zodat je deze kunt bekijken als onderdeel van het proces voor het aanmaken van incidenten. Zo kunnen gebruikers snel de context begrijpen van het incident dat is ontstaan op basis van die waarschuwingen of waarschuwingsgroepen, en kunnen ze vooraf ingevulde informatie, waaronder de titel, omschrijving en prioriteit van de waarschuwing, bekijken en bevestigen wanneer deze wordt geëscaleerd tot een incident. We zijn van mening dat Incident aanmaken met AI het beste werkt wanneer:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om Incident aanmaken met AI mogelijk te maken soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. We hebben gemerkt dat Incident aanmaken met AI minder nuttig is wanneer:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. Om de meest bruikbare resultaten te krijgen, raden we je aan om zo specifiek mogelijk te zijn over wat je van Atlassian Intelligence vraagt. Je zou ook kunnen overwegen om zo specifiek mogelijk te zijn in wat je Atlassian Intelligence vraagt te doen. |
We begrijpen dat je misschien vragen hebt over hoe Incident aanmaken met AI je gegevens gebruikt. Dit gedeelte is een aanvulling op de informatie die beschikbaar is op onze Pagina met veelgestelde vragen. We verwerken het volgende:
Wat je gegevens betreft, worden voor het aanmaken van incidenten met AI de volgende maatregelen gebruikt:
|
Create post-incident review
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. |
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:
|
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:
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:
|
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:
When it comes to your data, PIR creation using AI applies the following measures.
|
Genereer omschrijvingen van pull requests met Atlassian Intelligence
Het genereren van pull request-omschrijvingen met Atlassian Intelligence wordt mogelijk gemaakt door grote taalmodellen (LLM) die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal en codes in onze producten te analyseren en te genereren. Deze modellen genereren antwoorden op basis van jouw invoer en zijn probabilistisch van aard. Dit betekent dat hun antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze de modellen zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
Met Atlassian Intelligence kun je inhoud genereren, transformeren en samenvatten terwijl je omschrijvingen of opmerkingen van pull requests schrijft in de codebeoordelingservaring van Bitbucket Cloud. Dit omvat:
We zijn van mening dat het genereren van pull-request-omschrijvingen van Bitbucket Cloud met Atlassian Intelligence het beste werkt in scenario's waarin:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om deze functie mogelijk te maken soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. We hebben ontdekt dat het genereren van pull request-omschrijvingen van Bitbucket Cloud met Atlassian Intelligence minder goed werkt in scenario's waarin:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. Je kunt ook het volgende overwegen:
|
We begrijpen dat je misschien vragen hebt over hoe het definiëren van termen met behulp van Atlassian Intelligence in Confluence je gegevens gebruikt. Dit gedeelte is een aanvulling op de informatie die beschikbaar is op onze Pagina met veelgestelde vragen. We verwerken het volgende:
Als het op je gegevens aankomt, worden de volgende maatregelen toegepast als je Atlassian Intelligence gebruikt voor het genereren van pull request-omschrijvingen:
|
Genereer SQL-query's in Atlassian Analytics
Het genereren van SQL-query's met behulp van Atlassian Intelligence in Atlassian Analytics wordt mogelijk gemaakt door grote taalmodellen die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier zijn beschreven. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal te analyseren en te begrijpen, en vertaalt deze vervolgens naar gestructureerde zoekopdrachten (SQL) binnen Atlassian Analytics. Deze modellen genereren reacties op basis van jouw input en zijn probabilistisch van aard. Dit betekent dat de antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
Stel Atlassian Intelligence een vraag in natuurlijke taal en laat die vertalen naar SQL, in plaats van je eigen SQL-query's helemaal opnieuw te schrijven. Nadat je een vraag hebt gesteld, gebruikt Atlassian Intelligence het Atlassian Data Lake-schema van de door jou geselecteerde gegevensbron om een SQL-query te genereren die kan worden gebruikt om diagrammen te maken op je Atlassian Analytics-dashboards, en die je ook kan helpen meer te weten te komen over het schema in de Data Lake. Wij zijn van mening dat het genereren van SQL-query's met behulp van Atlassian Intelligence het beste werkt in scenario's waarbij:
Weet je niet zeker welke vragen je moet stellen?Hier zijn enkele suggesties:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om SQL-query's te genereren met behulp van Atlassian Intelligence, soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. We hebben ontdekt dat het genereren van SQL-query's met Atlassian Intelligence minder nuttig is in scenario's waarbij:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. Je kunt ook het volgende overwegen:
|
We begrijpen dat je misschien vragen hebt over hoe Atlassian Intelligence je gegevens gebruikt bij het genereren van SQL-query's. Dit gedeelte is een aanvulling op de informatie die beschikbaar is op onze Pagina met veelgestelde vragen. We verwerken het volgende:
Als het op je gegevens aankomt, worden de volgende maatregelen toegepast als je Atlassian Intelligence gebruikt voor het genereren van SQL-query's.
|
Zoek antwoorden in Confluence
Het zoeken naar antwoorden in Confluence met behulp van Atlassian Intelligence wordt mogelijk gemaakt door LLM-modellen die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal in onze producten te analyseren en te genereren. Deze modellen genereren reacties op basis van jouw input en zijn probabilistisch van aard. Dit betekent dat de antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
De kennisdatabases groeien zo snel dat gebruikers het niet bij kunnen houden. Het zoeken naar antwoorden in Confluence met behulp van Atlassian Intelligence biedt een snellere weg naar belangrijke informatie die klanten nodig hebben om verder te kunnen met hun werk. Met deze functie kun je gemakkelijk de informatie vinden die je nodig hebt. Atlassian Intelligence begrijpt wat voor soort vragen je aan een teamgenoot zou stellen en beantwoordt ze meteen. Meer informatie over hoe je Atlassian Intelligence kunt gebruiken om antwoorden te zoeken in Confluence. Wij zijn van mening dat het zoeken naar antwoorden in Confluence met behulp van Atlassian Intelligence het beste werkt als je Confluence-site vol staat met gedetailleerde, volledige en actuele inhoud. Deze functie genereert geen nieuwe inhoud, maar doorzoekt Confluence-pagina's en -blogs (met inachtneming van de beperkingen) om een antwoord op je vraag te vinden. Atlassian Intelligence genereert antwoorden uitsluitend op basis van wat er in je Confluence-installatie staat en waar jij specifiek toegang tot hebt. Weet je niet zeker welke vragen je moet stellen?Hier zijn enkele suggesties
|
We begrijpen dat je misschien vragen hebt over hoe Atlassian Intelligence je gegevens gebruikt bij het zoeken naar antwoorden in Confluence. Dit gedeelte is een aanvulling op de informatie die beschikbaar is op onze Pagina met veelgestelde vragen. We verwerken het volgende:
De volgende maatregelen worden toegepast met betrekking tot je gegevens als je Atlassian Intelligence gebruikt voor het zoeken naar antwoorden in Confluence:
|
Zoek issues in Jira
Het zoeken van issues met behulp van Atlassian Intelligence wordt mogelijk gemaakt door grote taalmodellen die zijn ontwikkeld door OpenAI. De modellen omvatten de OpenAI-modellen die hier worden beschreven en die zijn verfijnd door Atlassian op basis van gegenereerde synthetische gegevens. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal te analyseren en te begrijpen, en vertaalt deze vervolgens naar Jira Query Language-code (JQL) in onze producten. Deze modellen genereren reacties op basis van jouw input en zijn probabilistisch van aard. Dit betekent dat hun antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee de modellen zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen en de verfijning van OpenAI. Je kunt ook meer over deze aanpak lezen in de onderzoeksdocumenten van OpenAI. |
Je kunt Atlassian Intelligence nu vragen wat je wilt in alledaagse taal in plaats van dat je complexe vragen moet stellen. Door issues te zoeken met behulp van Atlassian Intelligence, wordt je vraag vertaald in een JQL-zoekopdracht die je snel helpt bij het zoeken naar specifieke issues. Wij zijn van mening dat het zoeken naar issues met behulp van Atlassian Intelligence het beste werkt in scenario's waarbij:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om issues te zoeken met behulp van Atlassian Intelligence, soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. We hebben ontdekt dat het zoeken naar issues met Atlassian Intelligence minder nuttig is in scenario's waarbij:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. Je zou ook kunnen overwegen om zo specifiek mogelijk te zijn in wat je Atlassian Intelligence vraagt te doen. Zorg ervoor dat je de exacte velden en waarden invult die je zoekt. |
We begrijpen dat je misschien vragen hebt over hoe Atlassian Intelligence je gegevens gebruikt bij het zoeken naar issues. Dit gedeelte is een aanvulling op de informatie die beschikbaar is op onze Pagina met veelgestelde vragen. We verwerken het volgende:
Als het op je gegevens aankomt, worden de volgende maatregelen toegepast als je Atlassian Intelligence gebruikt voor het zoeken naar issues:
|
Direct inzichten verkrijgen uit je gegevens
Selecteer hieronder een Atlassian Intelligence-functie om een duidelijk overzicht te krijgen van de usecases en het gegevensgebruik.
Diagraminzichten
Diagramnzichten worden mogelijk gemaakt door grote taalmodellen die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om natuurlijke taal in onze producten te analyseren en te genereren. Deze modellen genereren reacties op basis van jouw input en zijn probabilistisch van aard. Dit betekent dat hun antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze de modellen zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
Diagraminzichten maakt gebruik van Atlassian Intelligence om je meer inzicht te geven in gegevens van elk diagram in Atlassian Analytics. Dit wordt gedaan door de titel van het dashboard, de titel van het diagram en de gegevens van het diagram (waaronder kolomkoppen en rijwaarden) te gebruiken om een samenvatting in natuurlijke taal te genereren van deze diagram en de bijbehorende gegevens. Het is ook bedoeld om trends of afwijkingen te identificeren om je bepaalde inzichten in deze diagram te geven. Wij zijn van mening dat Diagraminzichten het beste werkt in scenario's waarin:
Staafdiagrammen, lijndiagrammen en staaf-lijndiagrammen werken het beste met deze functie, omdat ze meestal trends, datums en veel rijen gegevens bevatten. |
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om Diagraminzichten mogelijk te maken soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. We hebben ontdekt dat Diagraminzichten minder nuttig zijn in situaties waarin:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. Je kunt ook het volgende overwegen:
|
We begrijpen dat je misschien vragen hebt over hoe Diagraminzichten je gegevens gebruikt. Dit gedeelte is een aanvulling op de informatie die beschikbaar is op onze Pagina met veelgestelde vragen. We verwerken het volgende:
Wat je gegevens betreft, past Diagraminzichten de volgende maatregelen toe.
|
Aanvraagtypen voorstellen in Jira Service Management
De voorgestelde aanvraagtypes van Atlassian Intelligence worden mogelijk gemaakt door grote taalmodellen die zijn ontwikkeld door OpenAI. Deze modellen omvatten de OpenAI-modellen die hier worden beschreven. Atlassian Intelligence gebruikt deze modellen om input in natuurlijke taal te analyseren en aanbevelingen te genereren voor namen en beschrijvingen van aanvraagtypen binnen Jira Service Management. Deze modellen genereren reacties op basis van jouw input en zijn probabilistisch van aard. Dit betekent dat de antwoorden worden gegenereerd door het meest waarschijnlijke volgende woord of tekst te voorspellen op basis van de gegevens waarmee ze zijn getraind. Lees meer over de mogelijkheden van OpenAI-modellen, of over deze aanpak, in de onderzoeksdocumenten van OpenAI. |
Besteed minder tijd aan het uitzoeken welke aanvraagtypen je moet maken voor je project en krijg in plaats daarvan suggesties van Atlassian Intelligence. Beschrijf gewoon je werk en wat je team doorgaans beheert om te zien welke aanvraagtypen je zou kunnen indienen. Selecteer een van de suggesties die door Atlassian Intelligence zijn gegenereerd om een aanvraagtype te maken. Meer informatie over hoe je Atlassian Intelligence kunt gebruiken om aanvraagtypen voor te stellen. Wij zijn van mening dat het gebruik van Atlassian Intelligence om aanvraagtypes voor te stellen het beste werkt in scenario's waarbij:
|
Het is belangrijk om te onthouden dat de modellen die worden gebruikt om aanvraagtypen voor te stellen met behulp van Atlassian Intelligence, soms onnauwkeurig, onvolledig of onbetrouwbaar kunnen zijn. De antwoorden die je krijgt, geven bijvoorbeeld mogelijk niet nauwkeurig de inhoud weer waarop ze zijn gebaseerd, of bevatten inhoud die redelijk klinkt, maar onjuist of onvolledig is. We hebben ontdekt dat het minder nuttig is om Atlassian Intelligence te gebruiken om aanvraagtypen voor te stellen in scenario's waarbij:
Daarom willen we je aansporen om na te denken over de situaties waarin je Atlassian Intelligence gebruikt. Ook raden we je aan de kwaliteit te beoordelen van de antwoorden die je krijgt voordat je deze met anderen deelt. Je kunt ook het volgende overwegen:
|
We begrijpen dat je misschien vragen hebt over hoe Atlassian Intelligence je gegevens gebruikt om aanvraagtypen voor te stellen. Dit gedeelte is een aanvulling op de informatie die beschikbaar is op onze Pagina met veelgestelde vragen. We verwerken het volgende:
Als het op je gegevens aankomt, worden de volgende maatregelen toegepast als je Atlassian Intelligence gebruikt om soorten aanvragen voor te stellen.
|
Verwijzingen
Ontvang realtime statusupdates voor Atlassian-producten op onze speciale statuspagina.
Ontdek meer over Atlassian Intelligence
Begrijp hoe Atlassian klantgegevens beheert.