Wspieranie zespołu dzięki inteligentnym interfejsom uwzględniającym ochronę prywatności w fazie projektowania
Cieszymy się z możliwości wykorzystania inteligentnych rozwiązań opartych na uczeniu maszynowym w naszych produktach Cloud zgodnie z zapowiedzią z października 2020 roku.
W ciągu ostatnich kilku lat opracowywaliśmy platformę Atlassian, która stanowi wspólną infrastrukturę chmurową do tworzenia zaawansowanych połączeń między naszymi produktami, dzięki czemu współpraca staje się szybsza, bardziej przewidywalna i bezpieczniejsza. Korzystając z platformy Atlassian, możemy agregować wzorce zachowań użytkowników w oparciu o dane od ponad 150 000 klientów naszych produktów Cloud i poznawać procesy leżące u podstaw realizacji prac oraz interakcji między zespołami na dużą skalę.
Inteligentne interfejsy mają na celu przyspieszenie pracy zespołowej poprzez ułatwienie współpracy. Dziś chcemy opowiedzieć o tym, jak zaprojektowaliśmy nasze rozwiązania, koncentrując się na kwestii ochrony prywatności.
Inteligentne interfejsy mają na celu przyspieszenie pracy zespołowej poprzez ułatwienie współpracy. Dziś chcemy opowiedzieć o tym, jak zaprojektowaliśmy nasze rozwiązania, koncentrując się wokół kwestii ochrony prywatności.
Inteligentne wyszukiwanie
- Spersonalizowane wyniki wyszukiwania z uwzględnieniem najbardziej istotnych dla Ciebie treści
- Błyskawiczne wyniki wyszukiwania na podstawie informacji, których prawdopodobnie poszukujesz
- Inteligentne elementy sterujące filtrów, które pomagają dostosować zakres wyszukiwania do osób, z którymi pracujesz, oraz projektów/przestrzeni, w których wykonujesz pracę
Współpraca predykcyjna
- Inteligentne wzmianki o użytkownikach z podpowiedziami najbardziej odpowiednich osób, które można włączyć do współpracy, biorąc pod uwagę kontekst
- Predykcyjne ograniczenia stron z podpowiedziami osób, z którymi ściśle współpracujesz, jako potencjalnych kandydatów do współpracy nad dokumentem
- Predykcyjne wyznaczanie recenzentów pull requestów z podpowiedziami odpowiednich osób do przeglądania zmian w kodzie
Przyspieszenie przepływu pracy
- Predykcyjne przypisywanie zgłoszeń z podpowiedziami najbardziej odpowiednich osób do pracy nad zgłoszeniem, biorąc pod uwagę kontekst
- Inteligentne kategoryzowanie i klasyfikowanie zgłoszeń z podpowiedziami odpowiednich wartości pól często występujących w zgłoszeniach, takich jak etykiety, komponenty czy wersje poprawek
- Inteligentne klastrowanie zgłoszeń umożliwiające grupowanie podobnych zgłoszeń w celu ułatwienia przeprowadzania operacji zbiorczych w ramach przepływu pracy
Czym jest uczenie maszynowe i jak działa?
Narzędzia do uczenia maszynowego w inteligentnych interfejsach opierają się na modelach. Modele wykorzystują algorytmy komputerowe do automatycznego ulepszania funkcji na podstawie doświadczenia. Działa to następująco:
Uczenie
Model jest „trenowany” na danych źródłowych, co polega na użyciu algorytmów do identyfikacji typowych wzorców w oparciu o ogólne zachowania użytkowników (wytrenowane modele nie przechowują danych źródłowych, ponieważ ich zadaniem jest uczenie się na ich podstawie, a nie poleganie na nich) z wykorzystaniem funkcji rozpoznawania wzorców. Model rozwija umiejętność przewidywania prawdopodobieństwa przyszłych zachowań użytkowników i przekształca te przewidywania na reguły do zastosowania w podobnych scenariuszach w przyszłości.
Działanie
Następnie model wykorzystuje te reguły w instancji naszego produktu. Są one stosowane do wszystkich produktów Cloud, aby pomóc w uwolnieniu potencjału tkwiącego w zespołach.
Przykład
Model rozpoznaje, że dowolny użytkownik systemu Jira z największym prawdopodobieństwem doda wzmiankę dotyczącą osób, z którymi ostatnio pracował nad zgłoszeniem. Model wyodrębnia ten ogólny wzorzec zachowania użytkowników systemu Jira i stosuje go przez ustanowienie sygnału (czyli sytuacji, w której „użytkownik oznaczył wcześniej kogoś w zgłoszeniu i zamierza ponownie kogoś oznaczyć”) oraz przypisanie mu wagi (czyli „prawdopodobnie będzie to ta sama osoba, co poprzednio”). Dzięki temu model może ułatwiać użytkownikowi pracę zespołową (czyli zareagować w następujący sposób: „dodajmy wspomnianą wcześniej osobę na górze listy wyboru wzmianki @”).
W jaki sposób modele są trenowane i czy są do tego używane moje dane?
Obecnie modele obsługujące inteligentne wyszukiwanie, współpracę predykcyjną i przyspieszanie przepływu pracy są trenowane na różnych zbiorach danych, takich jak:
Zbiór danych | Funkcja | Przykładowe dane |
---|---|---|
Zagregowane dane użycia bez informacji umożliwiających ustalenie tożsamości | Funkcja Predykcyjne wzmianki/pola | Przykładowe dane
|
Zawartość zwektoryzowana jednokierunkowo bez informacji umożliwiających ustalenie tożsamości | Funkcja Klastrowanie zgłoszeń | Przykładowe dane
|
Terminy wyszukiwania bez informacji umożliwiających ustalenie tożsamości | Funkcja Inteligentne wyszukiwanie | Przykładowe dane
|
Jak przestrzegane są zasady ochrony prywatności w inteligentnym wyszukiwaniu, współpracy predykcyjnej i przyspieszaniu przepływu pracy?
Jedną z największych zalet pracy w Atlassian jest możliwość używania naszych narzędzi, a my korzystamy z nich do wszelkiego rodzaju prac. Jako spółka publiczna zdajemy sobie sprawę, jak ważne jest właściwe postępowanie z informacjami poufnymi. Nie musisz się o to martwić, ponieważ przemyśleliśmy dogłębnie, jak przeciwdziałać przypadkowemu ujawnieniu informacji o danych źródłowych przez trenowane na nich modele uczenia maszynowego.
Wdrożyliśmy mechanizmy ochrony prywatności zarówno w Twojej organizacji (aby uniemożliwić osobom w organizacji dostęp do informacji, które nie są dla nich przeznaczone), jak i poza nią (aby nie dopuścić do wycieku informacji poza organizację):
- Tworzymy interfejsy, które uwzględniają mechanizmy ochrony prywatności stosowane w naszych produktach — np. eliminując z podpowiedzi wyświetlanych użytkownikom zawartość, do przeglądania której nie mają uprawnień.
- Gdy tworzymy modele, które uczą się wzorców na podstawie Twoich danych (np. na podstawie zapytań wyszukiwania wprowadzanych przez Twoich użytkowników w Twojej instancji), te dane nie opuszczają ram wyznaczonych przez uprawnienia grup w celu szerszego trenowania modelu. Dostęp do ciągów zapytania wyszukiwania bez informacji umożliwiających ustalenie tożsamości mają wyłącznie zadania zautomatyzowane i nie są one czytane przez ludzi (strony z zastrzeżonym dostępem nigdy nie są używane do tego celu).
- Gdy tworzymy modele, które uczą się trendów wśród klientów (np. użytkownicy zazwyczaj szukają rzeczy, nad którymi ostatnio pracowali), dane pozyskujemy wyłącznie na podstawie informacji takich, jak analizy zachowań bez danych umożliwiających ustalenie tożsamości (np. liczba polubień) czy jednokierunkowo zwektoryzowana zawartość, w formie zagregowanej od różnych klientów wersji Cloud.
- W miarę możliwości korzystamy z modeli wytrenowanych na publicznych zbiorach danych (tj. takich, które nie zawierają danych klientów).
- Wszystkie dane są zbierane, przetwarzane, przesyłane i przechowywane zgodnie z naszą Polityką prywatności.
Przykład 1
Wiemy, że ochrona prywatności w Twojej firmie jest ważna. Dotyczy to między innymi ustawień widoczności stron w Confluence. Funkcja inteligentnego wyszukiwania przestrzega wszystkich ustawień uprawnień grup, łącznie z uprawnieniami na poziomie użytkowników, dlatego strony Confluence oznaczone jako „prywatne” nie będą uwzględniane w wynikach wyszukiwania podpowiadanych tym użytkownikom Twojej firmy, którzy nie mają dostępu do danej strony.
Przykład 2
Zdajemy sobie sprawę, że nie chcesz, aby sugerowane wyniki wyszukiwania podpowiadane innym firmom uwzględniały Twoje informacje poufne. W przeciwieństwie do innych rodzajów wyszukiwarek funkcja inteligentnego wyszukiwania nie agreguje najbardziej popularnych wyszukiwań klientów w celu ulepszenia działania (tylko uczy się preferencji wyszukiwania poszczególnych osób). Dzięki temu modele uczenia maszynowego zawsze uwzględniają uprawnienia grup i zapobiegają wyciekowi informacji między klientami. Innymi słowy, jeśli masz prywatną przestrzeń Confluence, a Twój zespół korzysta z niej do współpracy nad stronami Confluence pod nazwą „Przejęcie nowej firmy”, inni klienci Atlassian korzystający z Confluence i wyszukujący frazy „przejęcie” nie zobaczą w sugerowanych wyników opartych na Twoich stronach „Przejęcie nowej firmy” ani wyszukiwaniach użytkowników.
W jakim zakresie mogę kontrolować inteligentne interfejsy? Czy mogę je wyłączyć?
Ta strona dotyczy praktyk Atlassian związanych z funkcjami inteligentnego wyszukiwania, współpracy predykcyjnej i przyspieszania przepływu pracy aktualnych na grudzień 2020 roku. Na ten moment inteligentne interfejsy obsługują to, co uznajemy za podstawowe funkcje naszych produktów, czyli np. wyszukiwanie stron czy dodawanie wzmianek dotyczących członków zespołu, a ich wyłączenie spowodowałoby poważne zakłócenie działania tych funkcji. Z tego powodu, a także biorąc pod uwagę środki, jakie stosujemy w celu ochrony Twojej prywatności, obecnie nie oferujemy możliwości wyłączenia inteligentnych interfejsów.
Jesteśmy pewni niezawodności naszych praktyk w zakresie minimalizowania ryzyka, a w miarę rozwoju technologii uczenia maszynowego będziemy w dalszym ciągu badać i stosować techniki poprawy ochrony prywatności w celu tworzenia nowych funkcji. Twój wkład istotnie przyczynia się do naszej ewolucji. Dowiedz się więcej o nadchodzących nowościach w Atlassian na stronie planu rozwoju wersji Cloud. Podziel się z nami swoimi przemyśleniami na temat możliwości dostosowania naszych planów do Twoich potrzeb w zakresie ochrony prywatności, zgłaszając propozycje funkcji (lub głosując na już istniejące, obserwując je i dodając do nich komentarze) w publicznym systemie śledzenia zgłoszeń Atlassian.
Możesz również dołączyć do dyskusji na temat inteligentnych interfejsów w naszej grupie społeczności.