Close

Atlassian Intelligence — инструмент обеспечения прозрачности

Здесь отражена наша искренняя приверженность открытому общению, принятию обязательств и оказанию помощи командам в ответственном использовании AI.

Решение Atlassian Intelligence призвано ускорить работу команд и взаимодействие между ними. Чтобы эффективнее использовать инструмент Atlassian Intelligence, командам следует разобраться в принципах его работы. Этот процесс подобен тому, как руководители налаживают работу со своей группой. На этой странице мы расскажем о том, как работают наши решения и функции на базе AI и предоставим сведения об их возможностях и ограничениях, а также о том, как они влияют на восприятие клиентами наших продуктов. Мы уверены, что представленная здесь информация поможет вам и вашим командам извлечь максимум пользы из возможностей наших продуктов. Подробнее о нашей приверженности ответственному созданию технологий см. в Принципах ответственных технологий.

Группировка оповещений

Как сервис Atlassian Intelligence используется для группировки оповещений Copy link to heading Copied! Показать
  

Группировка оповещений с помощью Atlassian Intelligence основана на больших языковых моделях OpenAI и других моделях машинного обучения, включая описанные на сайте OpenAI.

Сервис Atlassian Intelligence использует эти модели машинного обучения для анализа и группировки оповещений в наших продуктах по содержимому или тегам, а также для предоставления рекомендаций с учетом предыдущих групп оповещений и лиц, реагировавших на прошлые оповещения. Затем Atlassian Intelligence с помощью больших языковых моделей анализирует и генерирует описания и контент на естественном языке для этих групп в наших продуктах.

Большие языковые модели генерируют ответы на основе ваших входных данных и являются вероятностными. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Подробнее о возможностях моделей OpenAI и об этом подходе читайте в исследовательских работах OpenAI.

Сценарии использования для группировки оповещений Copy link to heading Copied! Показать
  

Сервис Atlassian Intelligence используется для выявления и группировки похожих оповещений. AI также помогает выявлять и рекомендовать предыдущие похожие группы оповещений и пользователей или команды, реагировавшие на прошлые оповещения, исходя из семантического сходства контента или тегов оповещений.

Если вы захотите эскалировать группу оповещений до инцидента, функция группировки оповещений предварительно заполнит всю контекстную информацию, которую вы сможете просмотреть в процессе создания инцидента.

По нашему мнению, группировка оповещений показывает наилучшие результаты в следующих случаях.

  • В вашей организации часто возникают похожие или повторяющиеся оповещения, поступающие в большом количестве — краткосрочно или на протяжении длительного периода времени.
  • Ваша организация систематически классифицирует оповещения с помощью тегов.
  • Ваша команда часто сталкивается с необходимостью эскалировать похожие или повторяющиеся оповещения до инцидентов.
Рекомендации по использованию группировки оповещений Copy link to heading Copied! Показать
  

Важно помнить, что иногда модели могут выдавать неточный, неполный или ненадежный результат. Это связано с принципами работы моделей, используемых для группировки оповещений.

Например, полученные ответы могут неточно отражать контент, на котором они основаны, или включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным. В случае с группами оповещений они могут неточно отражать семантическое сходство тегов.

Мы обнаружили, что группировка оповещений может оказаться не так эффективна в следующих случаях.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • Вы хотите группировать оповещения, чтобы иметь доступ к информации, которая вам недоступна, и это препятствует надлежащей группировке. Эта функция работает в пределах заданных ролей и прав вашей команды, поэтому вы будете иметь доступ к группам и аналитике только тех оповещений, на просмотр которых у вас есть право.
  • Ваша команда не имеет единых правил добавления тегов к оповещениям и не следит за состоянием тегов. Поскольку оповещения группируются на основе семантического сходства заголовков и тегов оповещений, качество групп зависит от единообразия тегов, используемых вашей командой и организацией.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Стоит также подумать о выработке единых правил использования тегов в вашей команде.

Ваши данные и группировка оповещений Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при группировке оповещений. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, относящийся к вашему запросу, например данные оповещений (заголовки и теги оповещений, приоритеты, реагирующие команды, описание).
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Мы обрабатываем данные ваших оповещений, чтобы обучить версию модели машинного обучения распознавать закономерности, характерные именно для них. Эта версия используется только для вас.

  • Мы храним выявленные закономерности, чтобы предоставлять вам аналитику.
  • Мы не используем данные ваших оповещений для обучения больших языковых моделей.

Для функции группировки оповещений предусмотрены следующие меры в отношении ваших данных.

  • Ваши входные и выходные данные:
    • недоступны другим клиентам;
    • не хранятся OpenAI;
    • не используются для улучшения моделей OpenAI;
    • используются только для вашего обслуживания.
  • OpenAI является субобработчиком из нашего списка субобработчиков. OpenAI не использует ваш ввод и вывод ни для каких целей, кроме обработки вашего запроса.
  • Функция работает в соответствии с правами, установленными на вашем сайте. Например, если сервис Atlassian Intelligence группирует 50 оповещений на основе их тегов и семантического сходства, а у вас есть право на просмотр лишь 30 из них, вы увидите в подробном представлении группы только эти 30 оповещений. Если вы хотите ограничить доступность ваших оповещений в ответах для других пользователей сайта, обратитесь к администратору организации или сайта, чтобы настроить права соответствующим образом.

Ответы Atlassian Intelligence в Jira Service Management

Принцип работы ответов Atlassian Intelligence в Jira Service Management Copy link to heading Copied! Показать
  

Функция ответов Atlassian Intelligence работает на базе больших языковых моделей, разработанных OpenAI, включая модели, описанные здесь.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Подробнее о возможностях моделей OpenAI и об этом подходе читайте в исследовательских работах OpenAI.

Примеры использования: ответы Atlassian Intelligence в Jira Service Management Copy link to heading Copied! Показать
  

Возможность ответов Atlassian Intelligence работает в связке с виртуальным агентом службы поддержки в Jira Service Management. Для поиска в связанных разделах базы знаний и ответа на вопросы клиентов используется генеративный искусственный интеллект.

По нашему мнению, функция ответов Atlassian Intelligence показывает наилучшие результаты в следующих случаях.

  • У вас есть полная и актуальная связанная база знаний, к которой виртуальный агент службы поддержки может получить доступ для ответа на вопросы клиентов с помощью функции ответов Atlassian Intelligence.
  • Ответы Atlassian Intelligence идеально подходят для вопросов клиентов, которые:
    • можно решить, сообщив информацию или инструкции;
    • описаны в существующих статьях базы знаний (или могут быть добавлены в них);
    • обычно не требуют эскалации в адрес агента-человека.
Факторы, которые необходимо учитывать при использовании функции ответов Atlassian Intelligence в Jira Service Management Copy link to heading Copied! Показать
  

Важно помнить, что из-за принципов работы моделей, используемых для ответов Atlassian Intelligence, иногда эти модели могут давать неточные, неполные или ненадежные результаты.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы обнаружили, что функция ответов Atlassian Intelligence может быть менее полезной в следующих ситуациях.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • Для надлежащего ответа на ваш запрос Atlassian Intelligence требуется информация, к которой у вас нет прямого доступа (например, в связанной базе знаний).
  • Ваша база знаний устарела или неполна, поэтому поиск может оказаться не слишком полезным.
  • Статьи в вашей базе знаний не содержат соответствующей запросу или достаточно качественной информации, поэтому информация от Atlassian Intelligence на основе этих статей будет менее актуальной для клиентов.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Периодически проверяйте и обновляйте связанную базу знаний (и включенные в нее статьи), чтобы она оставалась полной и актуальной.
  • Периодически проверяйте права доступа и ограничения, применимые к связанным разделам базы знаний, чтобы убедиться, что у функции ответов Atlassian Intelligence есть доступ к нужной информации, необходимой для ее надлежащей работы.
Ваши данные и ответы Atlassian Intelligence в Jira Service Management Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как ваши данные используются при работе с ответами Atlassian Intelligence в Jira Service Management. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с запросом, например связанные разделы базы знаний.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.
  • Для функции ответов Atlassian Intelligence в Jira Service Management предусмотрены следующие меры в отношении ваших данных.
  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не хранятся OpenAI;
    • не используются для улучшения моделей OpenAI;
    • используются только для вашего обслуживания.
  • OpenAI является субобработчиком из нашего списка субобработчиков. OpenAI не использует ваш ввод и вывод ни для каких целей, кроме обработки вашего запроса.
  • Функция учитывает права доступа и ограничения, применимым к связанным разделам базы знаний. Это означает, что все страницы, доступные клиентам на портале Jira Service Management, будут доступны посредством ответов Atlassian Intelligence. Например, если для определенной страницы Confluence установлены ограничения и она не находится в общем доступе в Jira Service Management, содержимое этой страницы не будет предложено в ответах Atlassian Intelligence. Если вы хотите ограничить доступность контента в ответах для других пользователей в вашем экземпляре, обратитесь к администратору организации, чтобы убедиться, что права доступа настроены соответствующим образом.

Автоматизация с помощью Atlassian Intelligence

Примеры использования автоматизации с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Автоматизация с помощью Atlassian Intelligence работает на базе моделей GPT, разработанных OpenAI, включая модели OpenAI, описанные здесь.

Atlassian Intelligence использует эти модели, чтобы анализировать входные данные на естественном языке и создавать на их основе правила автоматизации в Jira и Confluence.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Подробнее о возможностях моделей OpenAI и об этом подходе читайте в исследовательских работах OpenAI.

Примеры использования автоматизации с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Создание правил лежит в основе повседневной работы с автоматизацией, и мы хотим упростить для вас эту задачу, добавив Atlassian Intelligence в конструктор правил автоматизации в Jira и Confluence. Теперь можно легко создавать правила автоматизации, просто описав, что вы хотите автоматизировать, а Atlassian Intelligence возьмет на себя самую трудную работу по созданию правила. Подробнее об использовании Atlassian Intelligence для автоматизации в Jira и Confluence.

По нашему мнению, использование Atlassian Intelligence для автоматизации в Jira и Confluence дает наилучшие результаты в случаях, когда вы не знаете, с чего начать, или хотите ускорить процесс создания правил.

Не знаете, как лучше создать правило автоматизации?

Правила автоматизации создаются из сочетаний различных типов компонентов: триггеров, действий, условий и веток. Компоненты можно представить в виде кирпичиков, из которых строится правило. Чтобы создать правило с помощью Atlassian Intelligence, оно должно содержать как минимум один триггер и одно действие. Вот несколько примеров.

Пример для Jira.

Каждый понедельник находить все задания с датой выполнения в течение следующих 7 дней и отправлять исполнителю напоминание по электронной почте.

Когда заявка будет передана на тестирование, назначить ее Ивану Петрову.

Пример для Confluence.

  • Каждый понедельник находить все задания с датой выполнения в течение следующих 7 дней и отправлять исполнителю напоминание по электронной почте.
  • Каждые 6 месяцев архивировать все страницы, которые не обновлялись за это время. После архивирования отправлять электронное письмо с уведомлением автору страницы.
  • Во время публикации страницы, содержащей в заголовке текст «спецификация продукта», создавать заявку Jira на проверку этой страницы со ссылкой на нее.

Кроме того, правило можно создать, только если все его компоненты поддерживаются автоматизацией с помощью Atlassian Intelligence. Это означает, что любые триггеры, действия, условия или ветки в правиле должны быть совместимы с автоматизацией в Jira и (или) Confluence.

Рекомендации по автоматизации с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Важно помнить, что из-за принципов работы моделей, используемых для работы автоматизации с помощью Atlassian Intelligence, иногда эти модели могут давать неточные, неполные или недостоверные результаты.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы заметили, что автоматизация с помощью Atlassian Intelligence может быть менее полезна в следующих ситуациях.

  • Для надлежащего выполнения запроса функция автоматизации с помощью Atlassian Intelligence должна получить информацию, к которой у вас нет прямого доступа (например, на странице или в проекте с ограниченным доступом).
  • Вам нужно выполнить разовое задание.
  • Вам необходимо запросить информацию из своей базы знаний.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Автоматизация с помощью Atlassian Intelligence будет работать только с существующим набором доступных компонентов автоматизации в Jira и Confluence.

Также рекомендуется отправлять Atlassian Intelligence максимально конкретные запросы, как описано выше.

Ваши данные и автоматизация с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при автоматизации с помощью Atlassian Intelligence. Этот раздел дополняет сведения, доступные в нашем Центре безопасности.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с запросом, например проект Jira или страница Confluence.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для функции автоматизации в Confluence с помощью Atlassian Intelligence предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не хранятся OpenAI;
    • не используются для улучшения моделей OpenAI;
    • используются только для вашего обслуживания.

OpenAI является субобработчиком из нашего списка субобработчиков. OpenAI не использует ваш ввод и вывод ни для каких целей, кроме обработки вашего запроса.

Эта функция учитывает права доступа в вашем экземпляре. Например, если у вас нет доступа к определенному проекту или странице, в ответ не будет включен контент из этих активов. Если вы хотите ограничить доступность контента в ответах для других пользователей в вашем экземпляре, обратитесь к администратору организации, чтобы настроить права доступа соответствующим образом.

Аналитика диаграмм

Как Atlassian Intelligence помогает в работе chart insights Copy link to heading Copied! Показать
  

Функция аналитики диаграмм работает на базе больших языковых моделей, разработанных OpenAI, включая модели компании, приведенные здесь.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы составляются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Подробнее о возможностях моделей OpenAI и об этом подходе читайте в исследовательских работах OpenAI.

Примеры использования chart insights Copy link to heading Copied! Показать
  

Аналитика диаграмм на базе Atlassian Intelligence поможет быстрее разобраться в данных на любой диаграмме в Atlassian Analytics. На основе названий дашбоарда и диаграммы, а также данных диаграммы (включая заголовки столбцов и значения строк) создается краткое описание диаграммы и показанных на ней данных на естественном языке. Также эта функция будет выявлять тенденции и аномалии в данных и предоставлять вам определенные выводы по диаграмме.

По нашему мнению, chart insights показывает наилучшие результаты в следующих случаях.

  • Диаграммы с большим количеством строк данных.
  • Диаграммы, на которых указано название дашбоарда.
  • Диаграммы с заголовками столбцов.
  • Все строки и столбцы диаграмм заполнены.

Эта функция лучше всего подходит для столбиковых диаграмм, линейных графиков и их сочетаний, так как они обычно отражают тенденции, содержат даты и множество строк данных.

Рекомендации по использованию chart insights Copy link to heading Copied! Показать
  

Важно! Иногда эти модели могут выдавать неточный, неполный или ненадежный результат. Это связано с принципами работы моделей, используемых в качестве основы для описанных функций chart insights.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы обнаружили, что в следующих случаях функция chart insights может показать себя не так эффективно.

  • Диаграммы, состоящие из одной или нескольких строк данных.
  • Диаграммы, отражающие только один тип значений.
  • Диаграммы без названий, меток осей и заголовков столбцов.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Лучше перепроверить точность полученной аналитики вместе с другими пользователями, у которых может быть больше контекста по конкретным данным на диаграмме.
  • Следует помнить, что ответ Atlassian Intelligence опирается на данные только одной диаграммы, а не всего дашбоарда.
Ваши данные и chart insights Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при работе функции chart insights. В этом разделе представлены сведения, дополняющие содержание этой страницы.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с вашим запросом, например данные на диаграмме.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для функции chart insights предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не хранятся в системах OpenAI;
    • не используются для улучшения моделей OpenAI;
    • используются только для вашего обслуживания.
  • Компания OpenAI входит в наш список субобработчиков. OpenAI не использует ваш ввод и вывод ни для каких целей, кроме обработки вашего запроса.
  • При работе этой функции используется только информация дашбоарда, к которому у вас есть доступ и для которого запрошена аналитика.

Краткое изложение в Confluence

Как Atlassian Intelligence формирует краткое изложение страниц и блогов в Confluence Copy link to heading Copied! Показать
  

Краткое изложение страниц и блогов с помощью Atlassian Intelligence работает на базе больших языковых моделей, разработанных OpenAI, включая модели, описанные здесь.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Подробнее о возможностях моделей OpenAI и об этом подходе читайте в исследовательских работах OpenAI.

Примеры использования краткого изложения в Confluence Copy link to heading Copied! Показать
  

Экономьте время и быстрее получайте сведения, необходимые для работы, формируя краткое изложение страниц или блогов Confluence с помощью Atlassian Intelligence. Подробнее об использовании Atlassian Intelligence в Confluence.

По нашему мнению, функция краткого изложения страниц и блогов с помощью Atlassian Intelligence показывает наилучшие результаты в следующих случаях.

  • На странице большое количество текста, так что на ее чтение уходит 5 минут или более.
  • На странице много текстового содержимого и мало визуальных элементов и (или) другого форматирования, например разворачиваемых разделов.
Факторы, которые необходимо учитывать при формировании краткого изложения страниц и блогов с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Важно помнить, что из-за принципов работы моделей, используемых для формирования краткого изложения страниц и блогов с помощью Atlassian Intelligence, иногда эти модели могут давать неточные, неполные или ненадежные результаты.

Например, полученные ответы могут неточно отражать контент, на котором они основаны, или включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным.

Хотя мы продолжаем улучшать поддержку макросов, таблиц и раскрываемых разделов функцией краткого изложения, мы обнаружили, что краткое изложение страниц и блогов с помощью Atlassian Intelligence может быть менее полезным в следующих ситуациях.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • Вам нужно краткое изложение очень маленькой страницы Confluence, на которой недостаточно содержимого.
  • Вам нужно краткое изложение страницы Confluence, где большая часть содержимого находится в таблицах или раскрываемых разделах.
  • Вам нужно краткое изложение страницы Confluence, большая часть содержимого которой находится в макросах.

Рекомендуем внимательно следить за случаями, когда вы используете Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Запрашивайте у Atlassian Intelligence краткое изложение страниц, на которых точно много текстового содержимого.
Ваши данные и краткое изложение страниц и блогов с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как ваши данные используются при автоматизации в Confluence с помощью Atlassian Intelligence. Этот раздел дополняет сведения, доступные в нашем Центре безопасности.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).

  • Контекст из вашего экземпляра, связанный с запросом, например содержимое страницы Confluence, краткое изложение которой вы хотите получить.

  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.

  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для краткого изложения страниц и блогов с помощью Atlassian Intelligence предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не хранятся OpenAI;
    • не используются для улучшения OpenAI;
    • используются только для вашего обслуживания.
  • OpenAI является субобработчиком из нашего списка субобработчиков. OpenAI не использует ваш ввод и вывод ни для каких целей, кроме обработки вашего запроса.
  • Эта функция учитывает права в вашем экземпляре. Например, если у вас нет доступа к определенной странице Confluence, функция не будет отображаться и вы не сможете получить сводку страницы с помощью Atlassian Intelligence. Если вы хотите ограничить доступность контента для других пользователей в вашем экземпляре, обратитесь к администратору организации, чтобы убедиться, что права доступа настроены соответствующим образом.

Генерация определений для терминов с помощью Atlassian Intelligence

Как Atlassian Intelligence генерирует определения для терминов Copy link to heading Copied! Показать
  

Atlassian Intelligence в Confluence и Jira дает определения для терминов на базе больших языковых моделей, разработанных OpenAI, включая модели, описанные здесь.

С помощью этих моделей Atlassian Intelligence анализирует запросы и генерирует ответы на естественном языке в Confluence.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Примеры использования: генерация определений для терминов с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Иногда при ознакомлении с содержимым в Confluence и Jira одна из самых сложных задач — получить контекст, необходимый для понимания того, что вы читаете. Сокращения, аббревиатуры, незнакомые термины и названия, используемые в конкретных командах или проектах, могут затруднить поиск нужной информации.

С помощью Atlassian Intelligence можно узнать определения для специализированных терминов компании (например, акронимов, названий проектов, систем или команд) на странице Confluence или в описании задачи в Jira. Таким образом пользователи могут получить необходимую информацию именно тогда, когда она им нужна, что способствует совместной работе команд.

Atlassian Intelligence помогает экономить время, предоставляя нужные определения без необходимости переключаться с изучаемого документа.

Если вы столкнулись с определением, которое, по вашему мнению, является неточным, вы можете отредактировать его или добавить новое, а затем настроить видимость определения для этой страницы, задачи, всего раздела или проекта, а также для доступа в рамках всей вашей организации.

По нашему мнению, Atlassian Intelligence в Confluence лучше всего дает определения для терминов в следующих случаях.

  • В экземпляре Confluence компании есть несколько страниц, на которых упоминается, описывается или объясняется, что означает конкретный термин, чтобы у Atlassian Intelligence были сведения, от которых можно оттолкнуться.
Факторы, которые необходимо учитывать при генерации определений для терминов с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Важно помнить, что из-за принципов работы моделей, используемых для генерации определений для терминов с помощью Atlassian Intelligence в Confluence, иногда эти модели могут давать неточные, неполные или ненадежные результаты.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы заметили, что функция определения терминов с помощью Atlassian Intelligence в Confluence может быть менее полезной в следующих ситуациях.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • В экземпляре Confluence не хватает подробных сведений о термине (например, если нет страниц с упоминанием конкретного термина, для термина не получится сгенерировать точное определение).
  • Генерация определений требует доступа к контенту Confluence, на просмотр которого у вас нет прав
  • Вы пытаетесь получить определение сразу для нескольких терминов вместе, а не по отдельности.

Кроме того, мы обнаружили, что в Jira эта возможность будет работать только при наличии права на просмотр экземпляра Confluence на том же сайте, где находится ваш экземпляр Jira, поскольку генерация определений для терминов с помощью Atlassian Intelligence основана на поиске в Confluence.

Вы также можете заметить, что генерация определений для терминов с помощью Atlassian Intelligence не работает должным образом в разделах Confluence или экземплярах Jira, в которых контент написан на нескольких языках.

Ваши данные и генерация определений для терминов с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при генерации определений для терминов с помощью Atlassian Intelligence. Этот раздел дополняет сведения, доступные в нашем Центре безопасности.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с вашим запросом, например термин, определение которого вы хотите получить.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для функции генерации определений терминов с помощью Atlassian Intelligence предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не хранятся OpenAI;
    • не используются для улучшения моделей OpenAI;
    • используются только для вашего обслуживания.
  • OpenAI является субобработчиком из нашего списка субобработчиков. OpenAI не использует ваш ввод и вывод ни для каких целей, кроме обработки вашего запроса.
  • Эта функция учитывает права доступа пользователей в вашем экземпляре, то есть пользователи не увидят определения, сгенерированные на основе контента, к которому у них нет доступа. Функция получает содержимое и определения только со страниц и проектов, на просмотр которых пользователь имеет права в этом экземпляре. Если вы хотите ограничить доступность контента в ответах для других пользователей в вашем экземпляре, обратитесь к администратору организации, чтобы настроить права доступа соответствующим образом.
  • Если пользователь вручную отредактирует или обновит определение, оно будет храниться в течение 1 года.

Составляйте описания для запросов pull с помощью Atlassian Intelligence

Как решение Atlassian Intelligence составляет описания для запросов pull в Bitbucket Cloud Copy link to heading Copied! Показать
  

Описания для запросов pull составляются посредством Atlassian Intelligence на основе больших языковых моделей (LLM), разработанных OpenAI, включая модели OpenAI, описанные здесь.

С помощью этих моделей решение Atlassian Intelligence анализирует и создает в наших продуктах ответы на естественном языке и программный код.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Подробнее о возможностях моделей OpenAI и об этом подходе см. в исследованиях, проведенных компанией.

Примеры использования: составление описаний для запросов pull с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

С помощью Atlassian Intelligence можно создавать, преобразовывать и обобщать описания запросов pull или комментарии в режиме проверки программного кода в Bitbucket Cloud. Доступны следующие возможности:

  • Составление описания для запроса pull на основе изменений программного кода, содержащихся в запросе.
  • Обобщение описания запроса pull, его улучшение или изменение тональности изложения.
  • Обобщение комментария к запросу pull, его улучшение или изменение тональности изложения.

Мы считаем, что функция составления описаний для запросов pull в Bitbucket Cloud с помощью Atlassian Intelligence приносит наибольшую пользу в следующих случаях:

  • Вы пишете программный код и хотите составить или улучшить описание запроса pull посредством Atlassian Intelligence. Такой подход оптимален для команд, у которых есть возможность выполнить проверку и подтвердить, что созданный Atlassian Intelligence контент подходит для описания запроса pull.
  • Вы проверяете программный код и хотите улучшить тональность изложения или содержание уже составленного вами комментария к запросу pull посредством Atlassian Intelligence.
Факторы, которые необходимо учитывать при составлении описаний для запросов pull с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Важно! Иногда эти модели могут выдавать неточный, неполный или ненадежный результат. Это связано с принципами работы моделей, используемых в качестве основы для описанных функций Atlassian Intelligence.

Например, полученные ответы могут неточно отражать контент, на котором они основаны, или включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным.

Мы выяснили, что функция составления описаний для запросов pull в Bitbucket Cloud с помощью Atlassian Intelligence может принести меньше пользы, чем обычно, в следующих случаях:

  • В описании запроса pull нужно сослаться на сведения, которые не отражены в изменениях программного кода, например на исходный код, который хранится в другом месте репозитория.
  • Вы не можете выполнить проверку и убедиться, что созданный Atlassian Intelligence контент точно отражает содержимое запроса pull.
  • Вам нужна актуальная и точная информация о людях, местах и фактах.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Отправляйте Atlassian Intelligence максимально конкретные запросы.
  • Проверяйте, корректируйте и редактируйте выходные данные, сгенерированные помощником по написанию текстов на основе ИИ, для точности и ясности.
  • Сотрудничайте с другими людьми, чтобы получать обратную связь и улучшать качество выходных данных.
Ваши данные и составление описаний для запросов pull с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как ваши данные используются при определении терминов с помощью Atlassian Intelligence в Confluence. Этот раздел дополняет сведения, доступные в нашем Центре безопасности.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод)
  • Контекст из вашего экземпляра, связанный с запросом, в том числе:
    • изменения программного кода и комментарии к коммиту в вашем запросе pull;
    • содержание описания для запроса pull;
    • содержание комментария к запросу pull.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы об этой функции, которыми вы делитесь с нами

При составлении описаний для запросов pull с помощью Atlassian Intelligence ваши данные:

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не хранятся в системах OpenAI;
    • не используются для улучшения моделей OpenAI;
    • используются только для предоставления вам соответствующих возможностей.
  • Компания OpenAI входит в наш список субобработчиков. OpenAI не использует ваши данные ни для каких целей, кроме обработки вашего запроса.

Генерация SQL-запросов в Atlassian Analytics

Как Atlassian Intelligence генерирует SQL-запросы в Atlassian Analytics Copy link to heading Copied! Показать
  

Генерация SQL-запросов в Atlassian Analytics с помощью Atlassian Intelligence работает на базе больших языковых моделей, разработанных OpenAI, включая модели OpenAI, описанные здесь.

Atlassian Intelligence использует эти модели для анализа естественного языка, а затем преобразует его в язык Structured Query Language (SQL) в Atlassian Analytics.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Подробнее о возможностях моделей OpenAI и об этом подходе читайте в исследовательских работах OpenAI.

Примеры использования генерации SQL-запросов с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Задайте Atlassian Intelligence вопрос на естественном языке и преобразуйте его в SQL, вместо того чтобы писать собственные SQL-запросы с нуля. После того как вы зададите вопрос, Atlassian Intelligence использует схему Atlassian Data Lake выбранного источника данных для создания SQL-запроса, который можно использовать для построения диаграмм на дашбоардах Atlassian Analytics, а также для ознакомления со схемой в озере данных.

По нашему мнению, функция генерации SQL-запросов с помощью Atlassian Intelligence показывает наилучшие результаты в следующих случаях.

  • Вы хотите построить собственную диаграмму на основе сгенерированного SQL-запроса, постепенно уточняя запрос при необходимости.
  • Вопрос на естественном языке включает слова и понятия, на которые есть ссылки в схеме Atlassian Data Lake, где указаны максимально конкретные сведения.
  • Вы хотите получить сведения о схеме Atlassian Data Lake и изучить ее.

Не знаете, какие вопросы задать?

Вот несколько вариантов.

  • По каким 5 меткам открыто больше всего задач Jira?
  • Сколько задач Jira завершено в проекте N за последний месяц?
  • Каково среднее время пребывания в статусе для 5 самых популярных статусов?
  • Какие 5 страниц Confluence чаще всего добавлялись в избранное за последний месяц?
  • Сколько запросов было создано за последние 5 дней в проекте N в Jira Service Management?
Факторы, которые необходимо учитывать при генерации SQL-запросов с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Важно помнить, что из-за принципов работы моделей, используемых для генерации SQL-запросов с помощью Atlassian Intelligence, иногда эти модели могут давать неточные, неполные или ненадежные результаты.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы заметили, что генерация SQL-запросов с помощью Atlassian Intelligence может быть менее полезна в следующих ситуациях.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • Для надлежащего ответа на вопрос этой функции требуется информация в схеме Atlassian Data Lake, к которой у вас нет прямого доступа (например, данные расширенного планирования).
  • Вопрос содержит ссылки на пользовательские поля.
  • Вопрос задается не на английском.
  • Вы недостаточно знакомы с SQL, чтобы проверить SQL-запрос, созданный Atlassian Intelligence.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Отправляйте Atlassian Intelligence максимально конкретные запросы.
  • Убедитесь, что используемый вами источник данных Atlassian Data Lake содержит данные, необходимые для ответа на ваш вопрос.
Ваши данные и генерация SQL-запросов с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как ваши данные используются при генерации SQL-запросов с помощью Atlassian Intelligence. Этот раздел дополняет сведения, доступные в нашем Центре безопасности.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с запросом, включая общедоступные схемы Atlassian Data Lake, применимые к экземпляру.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

При генерации SQL-запросов с помощью Atlassian Intelligence предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не хранятся OpenAI;
    • не используются для улучшения моделей OpenAI;
    • используются только для вашего обслуживания.
  • OpenAI является субобработчиком из нашего списка субобработчиков. OpenAI не использует ваш ввод и вывод ни для каких целей, кроме обработки вашего запроса.
  • Эта функция учитывает права доступа в вашем подключении к Atlassian Data Lake. Например, если у вас нет доступа к подключению к Atlassian Data Lake, вы не сможете сформировать SQL-запрос к нему.

Генеративный ИИ в редакторе

Как работает редактирование с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Функция редактирования с помощью Atlassian Intelligence работает на базе больших языковых моделей, разработанных OpenAI, включая модели OpenAI, описанные здесь.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Подробнее о возможностях моделей OpenAI и об этом подходе читайте в исследовательских работах OpenAI.

Примеры использования генеративного ИИ в редакторе Copy link to heading Copied! Показать
  

Atlassian Intelligence помогает наладить коммуникацию между всеми командами организации для повышения эффективности, принятия более точных решений и совершенствования других процессов.

По нашему мнению, функция редактирования с помощью Atlassian Intelligence показывает наилучшие результаты в следующих ситуациях.

  • Преобразование существующего контента для разных аудиторий. Atlassian Intelligence помогает изменить тон, улучшить качество текста и упростить подачу технической информации для других команд. Это лучше всего сработает для команд, которые хотят сделать текст более профессиональным и лаконичным.
  • Резюмирование существующего контента. С помощью Atlassian Intelligence можно превратить черновые заметки в полезную стратегическую документацию, статьи базы знаний, планы кампаний и многое другое. Кроме того, можно анализировать существующую информацию для определения планов действий и задач. Это лучше всего сработает для страниц с большим количеством текста, где доступно много контекста.
  • Создание нового контента. Atlassian Intelligence помогает создавать новый контент, например страницы стратегий, обзоры проектов, примечания к релизу или пользовательские истории. Это лучше всего сработает, когда команды используют четкие и конкретные запросы с учетом определенной цели.
Факторы, которые необходимо учитывать при редактировании с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Важно помнить, что из-за принципов работы моделей, используемых для редактирования с помощью Atlassian Intelligence, иногда эти модели могут давать неточные, неполные или ненадежные результаты.

Например, полученные ответы могут неточно отражать контент, на котором они основаны, или включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным.

Мы обнаружили, что функция редактирования с помощью Atlassian Intelligence может быть менее полезной в следующих ситуациях.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • Для надлежащего ответа на ваш запрос требуется информация, к которой у вас нет прямого доступа (например, в вашем экземпляре).
  • Вам необходимо создать контент с форматированием, выходящим за рамки стандартной разметки (например, создание информационной панели с нуля).
  • Вам необходимо использовать информацию, которой нет в редактируемом документе (например, содержимое другого документа или другого продукта).
  • Вам нужно генерировать и преобразовывать контент на языках, отличных от английского.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Отправляйте Atlassian Intelligence максимально конкретные запросы.
  • Разбивайте сложные запросы на небольшие, легко выполнимые задания.
  • Используйте подходящие ключевые слова, чтобы повысить точность генерируемого контента.
  • Соблюдайте правила грамматики и пунктуации во входном тексте.
  • Проверяйте, корректируйте и редактируйте выходные данные, сгенерированные помощником по написанию текстов на основе ИИ, для точности и ясности.
  • Экспериментируйте с различными запросами или вариантами входного текста, чтобы изучить разные идеи.
  • Сотрудничайте с другими людьми, чтобы получать обратную связь и улучшать качество выходных данных.
Ваши данные и редактирование с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при редактировании с помощью Atlassian Intelligence. Этот раздел дополняет сведения, доступные в нашем Центре безопасности.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с запросом, например данные продукта, в котором запущен инструмент Atlassian Intelligence.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для функции редактирования с помощью Atlassian Intelligence предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не хранятся OpenAI;
    • не используются для улучшения моделей OpenAI;
    • используются только для вашего обслуживания.
  • OpenAI является субобработчиком из нашего списка субобработчиков. OpenAI не использует ваш ввод и вывод ни для каких целей, кроме обработки вашего запроса.
  • Эта функция учитывает права доступа в вашем экземпляре. Например, если у вас нет доступа к определенной странице Confluence, вам не будет предложен контент этой страницы в ответе, который вы получите. Если вы не хотите, чтобы ваш контент был доступен в ответах другим пользователям экземпляра, обратитесь к администратору организации, чтобы убедиться, что права доступа настроены соответствующим образом.

Поиск ответов в Confluence

Как Atlassian Intelligence ищет ответы в Confluence Copy link to heading Copied! Показать
  

Поиск ответов в Confluence с помощью Atlassian Intelligence работает на базе больших языковых моделей, разработанных OpenAI, включая модели OpenAI, описанные здесь.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Подробнее о возможностях моделей OpenAI и об этом подходе читайте в исследовательских работах OpenAI.

Примеры использования поиска ответов в Confluence Copy link to heading Copied! Показать
  

Базы знаний растут слишком быстро, чтобы пользователи могли за ними угнаться. Поиск ответов в Confluence с помощью Atlassian Intelligence позволяет быстро получать ключевую информацию, которая необходима клиентам для продуктивной работы. Эта функция поможет без труда находить нужные сведения. Atlassian Intelligence понимает вопросы, которые вы могли бы задать коллеге, и мгновенно отвечает на них. Подробнее о том, как использовать Atlassian Intelligence для поиска ответов в Confluence.

По нашему мнению, функция поиска ответов в Confluence с помощью Atlassian Intelligence показывает наилучшие результаты, когда ваш сайт Confluence полон подробного, полного и актуального контента.

Эта функция не генерирует новый контент, а ищет ответ на вопрос на страницах и в блогах Confluence (с учетом ограничений). Atlassian Intelligence генерирует ответы исключительно на основе того, что есть в экземпляре Confluence и к чему конкретно у вас есть доступ.

Не знаете, какие вопросы задать?

Вот несколько вариантов.

  • Когда следующее выездное мероприятие у маркетинговой команды?
  • Какова политика работы из дома?
  • Что такое Project Sunrise?
  • Когда будет следующая маркетинговая кампания?
  • Где находятся примечания к релизу нового продукта SpaceLaunch?
  • Как подать заявку на возмещение расходов?
Факторы, которые необходимо учитывать при поиске ответов в Confluence с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Важно помнить, что из-за принципов работы моделей, используемых для поиска ответов в Confluence с помощью Atlassian Intelligence, иногда эти модели могут давать неточные, неполные или ненадежные результаты.

Например, полученные ответы могут неточно отражать контент, на котором они основаны, или включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным.

Мы обнаружили, что поиск ответов в Confluence с помощью Atlassian Intelligence может быть менее полезен в следующих ситуациях.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • Вам нужна актуальная и точная информация, которая часто меняется (например, сведения из дорожной карты, обновляемой ежемесячно).
  • Вам нужна актуальная и точная информация о конкретных людях и об их роли в организации.
  • Для надлежащего ответа на ваш вопрос требуется информация, к которой у вас нет прямого доступа (например, закрытые страницы в экземпляре Confluence).
  • Ответ состоит из ряда различных значений или категорий (например, показателей, которые обновляются каждую неделю).
  • Вам нужны ответы, в которых учитываются нюансы, сложности или рассуждения на человеческом уровне.

Вы также можете заметить, что поиск ответов в Confluence с помощью Atlassian Intelligence не работает должным образом в разделах Confluence, в которых документы написаны на нескольких языках.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Отправляйте Atlassian Intelligence максимально конкретные запросы.
  • Задавайте вопросы о контенте, который точно задокументирован в вашем экземпляре Confluence и к которому у вас есть доступ.
Ваши данные и поиск ответов в Confluence с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы по поводу того, как используются ваши данные при поиске ответов в Confluence с помощью Atlassian Intelligence. Этот раздел дополняет сведения, доступные в нашем Центре безопасности.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с вашим запросом, например контент трех первых страниц из результатов поиска в Confluence.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Поиск ответов в Confluence с помощью Atlassian Intelligence предусматривает следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не хранятся ни у каких поставщиков LLM;
    • не используются для улучшения моделей LLM;
    • используются только для вашего обслуживания.
  • OpenAI является субобработчиком из нашего списка субобработчиков. OpenAI не использует ваш ввод и вывод ни для каких целей, кроме обработки вашего запроса.
  • Эта функция учитывает права доступа в вашем экземпляре. Например, если у вас нет доступа к определенной странице Confluence, функция не будет использовать контент этой страницы в ответе, который вы получите. Если вы не хотите, чтобы ваш контент был доступен в ответах другим пользователям в вашем экземпляре, обратитесь к администратору организации, чтобы убедиться, что ваши права доступа настроены соответствующим образом.

Поиск задач в Jira

Как Atlassian Intelligence ищет задачи в Jira Copy link to heading Copied! Показать
  

Поиск задач в Jira с помощью Atlassian Intelligence работает на базе больших языковых моделей, разработанных OpenAI, включая модели OpenAI, описанные здесь и доработанные компанией Atlassian с использованием сгенерированных синтетических данных.

Atlassian Intelligence использует эти модели для анализа естественного языка, а затем преобразует его в код Jira Query Language (JQL) в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Подробнее о возможностях моделей OpenAI и тонкой настройке OpenAI. Узнать больше об этом подходе также можно в исследовательских работах OpenAI.

Примеры использования поиска задач в Jira Copy link to heading Copied! Показать
  

Теперь можно спрашивать Atlassian Intelligence о том, что вам нужно, обычным языком, а не придумывать сложные запросы. При поиске задач с помощью Atlassian Intelligence ваш запрос преобразуется в запрос JQL, который позволяет быстро найти конкретные задачи.

По нашему мнению, функция поиска задач с помощью Atlassian Intelligence показывает наилучшие результаты в следующих случаях.

  • Вы запрашиваете задачи Jira, используя доступные в проекте Jira поля задач.
  • Запрос содержит конкретные поля и значения, позволяющие сузить область поиска задач.
  • Искомые поля и значения есть в проекте Jira.
  • Запрос составлен на английском языке.
  • Запрос можно перевести на язык JQL. Поскольку инструмент Atlassian Intelligence преобразует обращенные к нему запросы в код JQL, эффективнее всего будет использовать входные данные с ключевыми словами, которые можно перевести на этот язык.
Факторы, которые необходимо учитывать при поиске задач с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Важно помнить, что из-за принципов работы моделей, используемых для поиска задач с помощью Atlassian Intelligence, иногда эти модели могут давать неточные, неполные или ненадежные результаты.

Например, полученные ответы могут неточно отражать контент, на котором они основаны, или включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным.

Мы обнаружили, что поиск задач с помощью Atlassian Intelligence может быть менее полезен в следующих ситуациях.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • Вы ищете элементы Jira, которые не являются задачами, например проекты, доски или пользователей.
  • Используется язык, отличный от английского.
  • С помощью поиска вы анализируете задачи для создания диаграмм, сводок или других представлений данных.
  • Для поиска нужны функции, которые сейчас недоступны в JQL (например, такой вопрос, как «Найти задачи с моими комментариями», невозможно преобразовать в функцию JQL).

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Кроме того, рекомендуется отправлять Atlassian Intelligence максимально конкретные запросы. Обязательно точно указывайте искомые поля и значения.

Ваши данные и поиск задач с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при поиске задач с помощью Atlassian Intelligence. Этот раздел дополняет сведения, доступные в нашем Центре безопасности.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с запросом, например данные проекта, в котором вы сейчас участвуете.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для функции поиска задач с помощью Atlassian Intelligence предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не хранятся ни у каких поставщиков LLM;
    • не используются для улучшения моделей LLM;
    • используются только для вашего обслуживания.
  • OpenAI является субобработчиком из нашего списка субобработчиков. OpenAI не использует ваш ввод и вывод ни для каких целей, кроме обработки вашего запроса.
  • Ответы на поисковые запросы будут основаны на задачах и полях, к которым у вас есть доступ (например, если у вас нет доступа к определенному проекту Jira, задачи и поля этого проекта не появятся в результатах поиска).

Рекомендации по типам запросов в Jira Service Management

Как Atlassian Intelligence предлагает типы запросов в Jira Service Management Copy link to heading Copied! Показать
  

Предложение типов запросов с помощью Atlassian Intelligence работает на базе больших языковых моделей, разработанных OpenAI, включая модели OpenAI, описанные здесь.

В Atlassian Intelligence эти модели используются для анализа входных данных на естественном языке и генерации на их основе рекомендаций по названиям и описаниям типов запросов в Jira Service Management.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Подробнее о возможностях моделей OpenAI и об этом подходе читайте в исследовательских работах OpenAI.

Примеры использования рекомендаций по типам запросов в Jira Service Management Copy link to heading Copied! Показать
  

Тратьте меньше времени на выяснение того, какие типы запросов нужно создать для проекта, пользуясь вариантами, предложенными Atlassian Intelligence. Просто опишите свою работу и то, чем обычно занимается команда, чтобы узнать, какие типы запросов могут быть актуальны. Выберите одно из предложений, сгенерированных Atlassian Intelligence, и создайте на его основе тип запроса. Подробнее о том, как получать предложения по типам запросов с помощью Atlassian Intelligence.

По нашему мнению, функция выдачи предложений по типам запросов с помощью Atlassian Intelligence показывает наилучшие результаты в следующих случаях.

  • У вас очень специфические примеры использования, для которых не подходят существующие шаблоны типов запросов.
  • У вас очень общие требования, и вы ищете идеи.
  • Вы используете широко распространенный язык (например, английский или испанский).
Соображения по поводу использования Atlassian Intelligence для выдачи рекомендаций по типам запросов Copy link to heading Copied! Показать
  

Важно помнить, что из-за принципов работы моделей, используемых в Atlassian Intelligence для предложения типов запросов, иногда эти модели могут давать неточные, неполные или ненадежные результаты.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы обнаружили, что использование Atlassian Intelligence для предложения типов запросов может быть менее полезно в следующих ситуациях.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • Для надлежащего ответа на запрос этой функции требуется информация, к которой у вас нет прямого доступа (например, определенная информация в экземпляре).
  • Запросы сформулированы расплывчато или не связаны с управлением услугами.
  • Вы используете малораспространенный язык.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Отправляйте Atlassian Intelligence максимально конкретные запросы.
Ваши данные и использование Atlassian Intelligence для выдачи предложений по типам запросов Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при получении предложений по типам запросов от Atlassian Intelligence. Этот раздел дополняет сведения, доступные в нашем Центре безопасности.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с запросом.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для функции выдачи предложений по типам запросов с помощью Atlassian Intelligence предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не хранятся OpenAI;
    • не используются для улучшения моделей OpenAI;
    • используются только для вашего обслуживания.
  • OpenAI является субобработчиком из нашего списка субобработчиков. OpenAI не использует ваш ввод и вывод ни для каких целей, кроме обработки вашего запроса.
  • Для работы этой функции используется только информация из ваших запросов, поэтому все права доступа Jira соблюдаются.

Сводка сведений о задаче в Jira Service Management

Как Atlassian Intelligence формирует сводку сведений о задаче в Jira Service Management Copy link to heading Copied! Показать
  

Формирование сводки сведений о задаче с помощью Atlassian Intelligence работает на базе больших языковых моделей, разработанных OpenAI, включая модели OpenAI, описанные здесь.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Подробнее о возможностях моделей OpenAI и об этом подходе читайте в исследовательских работах OpenAI.

Примеры использования сводок сведений о задачах в Jira Service Management Copy link to heading Copied! Показать
  

Вместо того чтобы читать длинные описания и многочисленные комментарии к задаче в Jira Service Management, вы можете использовать Atlassian Intelligence, чтобы быстро получить сводку этой информации. Это помогает агентам быстро понять контекст проблемы и достигнутый прогресс, чтобы принять срочные меры и оказать своевременную помощь.

По нашему мнению, сводка сведений о задаче с помощью Atlassian Intelligence лучше всего подходит для следующих задач:

  • задачи с описанием и комментариями на английском языке;
  • задачи с большим количеством комментариев и (или) длинными комментариями и описаниями.
Факторы, которые необходимо учитывать при формировании сводки сведений о задаче с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Важно помнить, что из-за принципов работы моделей, используемых для формирования сводки сведений о задаче с помощью Atlassian Intelligence, иногда эти модели могут давать неточные, неполные или ненадежные результаты.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы обнаружили, что сводка сведений о задаче с помощью Atlassian Intelligence может быть менее полезна в следующих ситуациях:

  • используется язык, отличный от английского;
  • у задачи нет истории или дополнительных сведений.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Ваши данные и формирование сводки сведений о задаче с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как ваши данные используются при резюмировании задачи с помощью Atlassian Intelligence. Этот раздел дополняет сведения, доступные в нашем Центре безопасности.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с вашим запросом и включающий сведения о задаче Jira Service Management, например описание задачи, комментарии и пользователей, принимающих участие в заявке.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Формирование сводки сведений о задаче с помощью Atlassian Intelligence предусматривает следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI;
    • не хранятся OpenAI;
    • не используются для улучшения моделей OpenAI;
    • используются только для вашего обслуживания.
  • OpenAI является субобработчиком из нашего списка субобработчиков. OpenAI не использует ваш ввод и вывод ни для каких целей, кроме обработки вашего запроса.
  • Эта функция учитывает права доступа в вашем экземпляре. Кнопка Summarize (Сводка) доступна только агентам и администраторам проекта.

Создавайте собственные формулы с помощью Atlassian Intelligence

Как Atlassian Intelligence помогает создавать собственные формулы в Atlassian Analytics Copy link to heading Copied! Показать
  

Создание собственных формул с помощью Atlassian Intelligence основано на базе больших языковых моделей, разработанных OpenAI, включая модели, описанные здесь.

Atlassian Intelligence использует эти модели для анализа естественного языка, а затем преобразует его в язык SQLite в Atlassian Analytics.

Эти модели дают ответы по входным данным и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Подробнее о возможностях моделей OpenAI и об этом подходе читайте в исследовательских работах OpenAI.

Создание собственных формул с помощью Atlassian Intelligence: примеры использования Copy link to heading Copied! Показать
  

Не занимайтесь написанием выражений SQLite с нуля — поручите это Atlassian Intelligence. Задайте вопрос или опишите, как нужно преобразовать данные в таблице результатов, а ИИ переведет ваш запрос в выражение SQLite, которое будет использоваться для собственных формул. Получив вопрос, Atlassian Intelligence сгенерирует выражение SQLite на основе данных из таблицы результатов, полученной на предыдущем этапе в визуальном редакторе SQL. С его помощью затем будут производиться вычисления или операции над данными диаграммы. Вы также сможете лучше разобраться в функциях SQLite и их синтаксисе.

Создание собственных формул с помощью Atlassian Intelligence показывает наилучшие результаты в следующих случаях.

  • Вы хотите внести изменения в один столбец запрашиваемых данных.
  • Вы хотите взять за основу сгенерированное выражение SQLite и при необходимости его уточнить.
  • Вопрос на естественном языке содержит слова и понятия, которые упоминаются в заголовках столбцов или в данных строк.
  • Вы хотите узнать больше о языке SQLite и ознакомиться с его возможностями.
Рекомендации по созданию собственных формул с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

При использовании собственных формул помните, что иногда модели, используемые в качестве основы для Atlassian Intelligence, могут давать неточные, неполные и недостоверные ответы.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы заметили, что в следующих случаях создание собственных формул с помощью Atlassian Intelligence может оказаться не таким эффективным.

  • Вы хотите внести изменения в несколько столбцов в одной собственной формуле.
  • Вы хотите использовать эту возможность для доступа к данным в таблице результатов, которые недоступны по первому требованию.
  • Запрос задается не на английском языке.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Отправляйте Atlassian Intelligence максимально конкретные запросы.
  • Убедитесь, что запрашиваемых данных достаточно для ответа на ваш вопрос.
Ваши данные и создание собственных формул с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при создании собственных формул с помощью Atlassian Intelligence. Этот раздел дополняет сведения, доступные в нашем Центре безопасности.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, относящийся к запросу, например данные из набора результатов, полученных на предыдущем этапе в визуальном редакторе SQL.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.
  • Данные о том, как вы взаимодействуете с нашими возможностями, например сведения о посещениях.

Для возможности создания собственных формул с помощью Atlassian Intelligence предусмотрены следующие меры в отношении ваших данных.

Ваши запросы (ввод) и ответы (вывод):

  • недоступны другим клиентам;
  • не хранятся OpenAI;
  • не используются для улучшения моделей OpenAI;
  • используются только для вашего обслуживания.

OpenAI является субобработчиком из нашего списка субобработчиков. OpenAI не использует ваш ввод и вывод ни для каких целей, кроме обработки вашего запроса.

Логотип ИИ Atlassian.

Atlassian Intelligence и Rovo разработаны с заботой о прозрачности

Здесь отражена наша искренняя приверженность открытому общению, принятию обязательств и оказанию помощи командам в ответственном использовании AI.

Rovo

Выберите функцию Rovo ниже, чтобы получить наглядное представление о примерах использования и о том, как обрабатываются ваши данные.

Ускорьте работу с помощью ИИ

Выберите функцию Atlassian Intelligence ниже, чтобы получить наглядное представление о примерах использования и о том, как обрабатываются данные.

Автоматизация с помощью Atlassian Intelligence

Как Atlassian Intelligence используется в ChatOps на базе ИИ для управления инцидентами Copy link to heading Copied! Показать
  

Возможности ChatOps на базе ИИ для управления инцидентами работают на основе больших языковых моделей, разработанных OpenAI, а также ряда больших языковых моделей с открытым исходным кодом (включая серии Llama и Phi) и других моделей машинного обучения. В их число входит серия моделей GPT от OpenAI.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти большие языковые модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI или ознакомьтесь с исследовательскими работами OpenAI, описывающими этот подход. Подробнее о языковых моделях с открытым исходным кодом см. в справке по сериям Llama и Phi.

Варианты использования ChatOps на базе ИИ для управления инцидентами Copy link to heading Copied! Показать
  

ChatOps на базе ИИ для управления инцидентами помогает пользователям разрешать инциденты быстрее. Когда новые пользователи присоединяются к каналу Slack, связанному с задачей по инциденту в Jira Service Management, ChatOps на базе ИИ вводит их в курс дела, предоставляя сводку по этому инциденту и всем обсуждениям, которые велись по его поводу до настоящего момента. Кроме того, ChatOps на базе ИИ может сохранять в Jira Service Management хронологию обсуждений из Slack для дальнейшего использования.

По нашему мнению, ChatOps на базе ИИ для управления инцидентами показывает наилучшие результаты в следующих случаях.

  • Ваша организация использует Slack в качестве основного инструмента совместной работы для приоритизации и разрешения инцидентов.
  • В вашей организации действует регламент, согласно которому обсуждения инцидентов документируются в соответствующих задачах Jira Service Management.

Рекомендации по использованию ChatOps на базе ИИ для управления инцидентами Copy link to heading Copied! Показать
  

Помните, что иногда модели, используемые для функционирования ChatOps на базе ИИ для управления инцидентами, могут выдавать неточный, неполный или ненадежный результат. Это обусловлено принципами их работы. Например, полученные ответы могут неточно отражать контент, на котором они основаны, или включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным.

Мы обнаружили, что в следующих случаях ChatOps на базе ИИ может показать себя не так эффективно.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.

  • Ваша организация не использует Slack в качестве основного инструмента совместной работы для приоритизации и разрешения инцидентов.

  • У вашей команды нет доступа к задачам по инцидентам в Jira Service Management либо к каналам Slack, которые связаны с такими задачами, находящимися на этапе приоритизации.

По этой причине рекомендуется подумать, в каких ситуациях будет уместно использовать ChatOps на базе ИИ для управления инцидентами, и проверять качество полученных ответов, прежде чем делиться ими с кем-либо.

Возможно, также стоит проверить разграничение прав и проследить за тем, чтобы пользователям был предоставлен надлежащий уровень доступа к соответствующим каналам Slack и задачам, связанным с инцидентами.

Ваши данные и ChatOps на базе ИИ для управления инцидентами Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при управлении инцидентами с помощью ChatOps на базе ИИ. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с запросом, например данные об инцидентах и сообщения из подключенных каналов Slack.

  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.

  • Отзывы, которые вы оставили об этой функции, включая любые запросы или ответы, которыми вы решили поделиться в рамках отзыва.

В функции ChatOps на базе ИИ для управления инцидентами предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI;
    • не хранятся OpenAI;
    • не используются для улучшения OpenAI или любого другого стороннего поставщика LLM;
    • используются только для вашего обслуживания.
  • OpenAI является субобработчиком из нашего списка субобработчиков. OpenAI не использует ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
  • Эта функция учитывает права в вашем продукте. Например, если у вас нет доступа к задаче по инциденту, ChatOps на базе ИИ для управления инцидентами не получит достаточно контекста для генерации информации. Если вы хотите ограничить доступность контента в ответах для других пользователей в вашем продукте, попросите администратора организации настроить права доступа, предоставленные команде, соответствующим образом.
Как Atlassian Intelligence используется в функции связанных ресурсов на базе ИИ Copy link to heading Copied! Показать
  

Связанные ресурсы на базе ИИ работают на основе больших языковых моделей, разработанных OpenAI, а также ряда больших языковых моделей с открытым исходным кодом (включая серии Llama и Phi) и других моделей машинного обучения. В их число входит серия моделей GPT от OpenAI.

С помощью этих моделей Atlassian Intelligence анализирует запросы и генерирует ответы на естественном языке в наших продуктах, а также предоставляет подходящие ответы на основе данных из Atlassian и подключенных сторонних решений.

Эти большие языковые модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI или ознакомьтесь с исследовательскими работами OpenAI, описывающими этот подход. Подробнее о языковых моделях с открытым исходным кодом см. в справке по сериям Llama и Phi.

Варианты использования связанных ресурсов на базе ИИ Copy link to heading Copied! Показать
  

Atlassian Intelligence позволяет пользователям ускорить процесс разрешения инцидентов, предлагая список справочных ресурсов из связанных разделов и статей в базе знаний, задач Jira, а также любых сторонних продуктов, интегрированных через Rovo (для клиентов этого решения). Подробнее о Rovo и сторонних инструментах.

По нашему мнению, связанные ресурсы на базе ИИ показывают наилучшие результаты в следующих случаях.

  • У вас хранится много документации в связанных разделах базы знаний и подключенных сторонних инструментах, которая актуальна и полезна для разрешения инцидентов, возникающих в вашей организации.

  • Во время приоритизации инцидентов вашей команде нужен быстрый доступ к ресурсам, которые могут иметь к ним отношение.

Рекомендации по использованию связанных ресурсов на базе ИИ Copy link to heading Copied! Показать
  

Помните, что иногда модели, используемые для функционирования связанных ресурсов на базе ИИ, могут выдавать неточный, неполный или ненадежный результат. Это обусловлено принципами их работы. Например, полученные ответы могут неточно отражать контент, на котором они основаны, или включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным.

Мы обнаружили, что в следующих случаях связанные ресурсы на базе ИИ могут показать себя не так эффективно.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.

  • Для надлежащего ответа на запрос функции связанных ресурсов на базе ИИ требуется информация, к которой у вас нет прямого доступа, например документы (страницы) Confluence с ограниченным доступом.

  • У вас совсем мало документации, которую система Atlassian Intelligence смогла бы использовать, чтобы предлагать связанные ресурсы.

По этой причине рекомендуется подумать, в каких ситуациях будет уместно использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с кем-либо.

Подумайте также, целесообразно ли будет сделать следующее.

  • Проверить разграничение прав и проследить за тем, чтобы пользователям был предоставлен надлежащий уровень доступа к соответствующей документации, а также ресурсам из сторонних инструментов (например, каналов Slack).

  • Проверить документацию организации на полноту, актуальность и точность.

Ваши данные и связанные ресурсы на базе ИИ Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при работе функции связанных ресурсов на базе ИИ. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с запросом, например сведения об инцидентах, данные оповещений, документация в продуктах Atlassian и подключенных сторонних решениях, таких как Google Документы.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы оставили об этой функции, включая любые запросы или ответы, которыми вы решили поделиться в рамках отзыва.

В функции связанных ресурсов на базе ИИ предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI;
    • не хранятся у OpenAI или любого другого стороннего поставщика LLM;
    • не используются для улучшения OpenAI или любого другого стороннего поставщика LLM;
    • используются только для вашего обслуживания.
  • OpenAI является субобработчиком из нашего списка субобработчиков. OpenAI не использует ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
  • Эта функция учитывает права в вашем продукте. Например, если у вас нет доступа к определенной странице Confluence, вы не найдете ее в списке связанных ресурсов. Если вы хотите ограничить доступность контента в ответах для других пользователей в вашем продукте, попросите администратора организации настроить права доступа, предоставленные команде, соответствующим образом.
Как Atlassian Intelligence используется для генерации предложений на базе ИИ в Jira Service Management Copy link to heading Copied! Показать
  

Предложения AI в Jira Service Management основываются на больших языковых моделях, разработанных OpenAI, и других моделях машинного обучения. К числу больших языковых моделей относится серия моделей GPT от OpenAI.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти большие языковые модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Подробнее о возможностях моделей OpenAI.

Примеры использования предложений AI в Jira Service Management Copy link to heading Copied! Показать
  

Благодаря предложениям AI в Jira Service Management команда может быстро собрать важную информацию о запросах на обслуживание и инцидентах и сразу включиться в работу. Atlassian Intelligence помогает команде в следующем:

  • При получении запросов на обслуживание ознакомиться с кратким резюме проблемы, сведениями об авторе и списком предлагаемых действий, которые могут пригодиться агентам в решении проблемы. Кроме того, Atlassian Intelligence предлагает команде изменить запросы на обслуживание с учетом контекста, например поменять приоритет или добавить исполнителя.
  • При возникновении инцидентов ознакомиться с кратким резюме проблемы и сведениями о вероятной основной причине. Помимо этого, Atlassian Intelligence предлагает команде изменить инциденты с учетом контекста, например определить инцидент как серьезный, добавить реагирующих лиц или затронутые службы, изменить серьезность или приоритет инцидента либо расследовать проблему, создав для нее задачу.

Предложения AI в Jira Service Management также могут содержать рекомендацию для агентов эскалировать запрос или инцидент, если применимое соглашение SLA может быть нарушено. В случае запросов на обслуживание агентам может быть предложено эскалировать запрос, если модели, на основе которых формируются предложения, распознают по тексту комментариев автора ощущение срочности или гнев в связи с запросом.

По нашему мнению, предложения AI в задачах Jira Service Management показывают наилучшие результаты в следующих случаях:

  • В ваши проекты поступает множество похожих запросов или инцидентов.
  • Ваша организация уже регистрирует запросы на обслуживание и инциденты в Jira Service Management с полной, точной и актуальной информацией.
  • В профилях участников вашей команды указаны сведения об их ролях, отделах и местонахождении.
  • Ваши клиенты и участники команды ведут письменную запись всех бесед, добавляя комментарии к задачам.
  • Ваши проекты включают в себя несколько запросов на обслуживание или инцидентов каждого типа, с которыми обычно сталкиваются ваши команды.
Рекомендации по использованию предложений AI в Jira Service Management Copy link to heading Copied! Показать
  

Важно помнить, что иногда модели, используемые при формировании предложений AI в задачах Jira Service Management, могут выдавать неточный, неполный или ненадежный результат. Это связано с принципами их работы.

Например, полученные ответы могут неточно отражать контент, на котором они основаны, или включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным.

Мы обнаружили, что предложения AI в Jira Service Management могут оказаться менее эффективными в следующих случаях:

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • Вам нужны предложения по запросу на обслуживание или инциденту, но в проекте нет похожих запросов или инцидентов, которые можно использовать для обучения.
  • Вам нужна информация, к которой у вас нет доступа в проекте.
  • Вам нужны предложения для исполнителей, в профили которых не добавлена информация об их ролях, отделах и местонахождении.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Прежде чем использовать предложения AI в Jira Service Management, попросите участников команды заполнить профиль (а также данные о прошлых инцидентах/запросах на обслуживание).
Ваши данные и предложения AI в Jira Service Management Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как ваши данные используются при формировании предложений AI в Jira Service Management. Этот раздел дополняет сведения, доступные в Atlassian Trust Center.

Мы обрабатываем следующие данные.

  • Запросы (входные данные) и ответы (выходные данные).
  • Контекст из вашего экземпляра, необходимый для работы функции, например похожие запросы или инциденты, список исполнителей или участников команды, активы и данные задачи (значения полей, комментарии и т. д.).
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

При создании предложений AI предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI;
    • не хранятся OpenAI;
    • не используются для улучшения OpenAI;
    • используются только для вашего обслуживания.
  • OpenAI является субобработчиком из нашего списка субобработчиков. OpenAI не использует ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
  • Эта функция учитывает права доступа в вашем экземпляре. Например, если у вас нет доступа к определенному запросу на обслуживание или инциденту, Atlassian Intelligence не будет учитывать эти запросы или инциденты при генерации предложений. Если вы хотите ограничить доступ других пользователей к контенту в вашем проекте или на сайте, обратитесь к администратору организации, чтобы он соответствующим образом настроил права доступа.
Как в автоматизации используется Atlassian Intelligence Copy link to heading Copied! Показать
  

Автоматизация с помощью Atlassian Intelligence выполняется на основе больших языковых моделей, разработанных компаниями OpenAI, Google и Anthropic, а также ряда больших языковых моделей с открытым исходным кодом (в том числе серий Llama, Phi и Mixtral) и других моделей машинного обучения. В их число входит серия моделей GPT от OpenAI, серия моделей Gemini от Google и серия моделей Claude от Anthropic.

Atlassian Intelligence использует эти модели, чтобы анализировать входные данные на естественном языке и создавать на их основе правила автоматизации в Jira и Confluence.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI, Google и Anthropic. Дополнительные сведения о языковых моделях с открытым исходным кодом см. в справке по сериям Llama и Phi.

Примеры использования автоматизации с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Создание правил лежит в основе повседневной работы с автоматизацией, и мы хотим упростить для вас эту задачу, добавив Atlassian Intelligence в конструктор правил автоматизации в Jira и Confluence. Теперь можно легко создавать правила автоматизации, просто описав, что вы хотите автоматизировать, а Atlassian Intelligence возьмет на себя самую трудную работу по созданию правила. Подробнее об использовании Atlassian Intelligence для автоматизации в Jira и Confluence.

По нашему мнению, использование Atlassian Intelligence для автоматизации в Jira и Confluence дает наилучшие результаты в случаях, когда вы не знаете, с чего начать, или хотите ускорить процесс создания правил.

Не знаете, как лучше создать правило автоматизации?

Правила автоматизации создаются из сочетаний различных типов компонентов: триггеров, действий, условий и веток. Компоненты можно представить в виде кирпичиков, из которых строится правило. Чтобы создать правило с помощью Atlassian Intelligence, оно должно содержать как минимум один триггер и одно действие. Вот несколько примеров.

Пример для Jira.

Каждый понедельник находить все задания с датой выполнения в течение следующих 7 дней и отправлять исполнителю напоминание по электронной почте.

Когда заявка будет передана на тестирование, назначить ее Ивану Петрову.

Пример для Confluence.

  • Каждый понедельник находить все задания с датой выполнения в течение следующих 7 дней и отправлять исполнителю напоминание по электронной почте.
  • Каждые 6 месяцев архивировать все страницы, которые не обновлялись за это время. После архивирования отправлять электронное письмо с уведомлением автору страницы.
  • Во время публикации страницы, содержащей в заголовке текст «спецификация продукта», создавать заявку Jira на проверку этой страницы со ссылкой на нее.

Кроме того, правило можно создать, только если все его компоненты поддерживаются автоматизацией с помощью Atlassian Intelligence. Это означает, что любые триггеры, действия, условия или ветки в правиле должны быть совместимы с автоматизацией в Jira и (или) Confluence.

Рекомендации по автоматизации с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Важно помнить, что из-за принципов работы моделей, используемых для работы автоматизации с помощью Atlassian Intelligence, иногда эти модели могут давать неточные, неполные или недостоверные результаты.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы заметили, что автоматизация с помощью Atlassian Intelligence может быть менее полезна в следующих ситуациях.

  • Для надлежащего выполнения запроса функция автоматизации с помощью Atlassian Intelligence должна получить информацию, к которой у вас нет прямого доступа (например, на странице или в проекте с ограниченным доступом).
  • Вам нужно выполнить разовое задание.
  • Вам необходимо запросить информацию из своей базы знаний.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Автоматизация с помощью Atlassian Intelligence будет работать только с существующим набором доступных компонентов автоматизации в Jira и Confluence.

Также рекомендуется отправлять Atlassian Intelligence максимально конкретные запросы, как описано выше.

Ваши данные и автоматизация с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при автоматизации с помощью Atlassian Intelligence. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с запросом, например проект Jira или страница Confluence.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для функции автоматизации в Confluence с помощью Atlassian Intelligence предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google или Anthropic в AWS Bedrock;
    • не хранятся ни у каких поставщиков больших языковых моделей;
    • не используются для улучшения больших языковых моделей;
    • используются только для вашего обслуживания.

Все сторонние поставщики больших языковых моделей являются субобработчиками. Они перечислены в нашем списке субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.

Эта функция учитывает права доступа в вашем экземпляре. Например, если у вас нет доступа к определенному проекту или странице, в ответ не будет включен контент из этих активов. Если вы хотите ограничить доступность контента в ответах для других пользователей в вашем экземпляре, обратитесь к администратору организации, чтобы настроить права доступа соответствующим образом.

Группировка оповещений

Как сервис Atlassian Intelligence используется для группировки оповещений Copy link to heading Copied! Показать
  

Atlassian Intelligence выполняет группировку оповещений на основе больших языковых моделей, разработанных компаниями OpenAI, Google и Anthropic, а также ряда больших языковых моделей с открытым исходным кодом (в том числе серий Llama, Phi и Mixtral) и других моделей машинного обучения. Эти модели включают алгоритм для выявления закономерностей в данных по оповещениям, а также серию моделей GPT от OpenAI, серию моделей Gemini от Google и серию моделей Claude от Anthropic.

Сервис Atlassian Intelligence использует эти модели машинного обучения для анализа и группировки оповещений в наших продуктах по содержимому или тегам, а также для предоставления рекомендаций с учетом предыдущих групп оповещений и лиц, реагировавших на прошлые оповещения. Затем Atlassian Intelligence с помощью больших языковых моделей анализирует и генерирует описания и контент на естественном языке для этих групп в наших продуктах.

Большие языковые модели генерируют ответы на основе ваших входных данных и являются вероятностными. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI, Google и Anthropic. Дополнительные сведения о языковых моделях с открытым исходным кодом см. в справке по сериям Llama и Phi.

Сценарии использования для группировки оповещений Copy link to heading Copied! Показать
  

Сервис Atlassian Intelligence используется для выявления и группировки похожих оповещений. AI также помогает выявлять и рекомендовать предыдущие похожие группы оповещений и пользователей или команды, реагировавшие на прошлые оповещения, исходя из семантического сходства контента или тегов оповещений.

Если вы захотите эскалировать группу оповещений до инцидента, функция группировки оповещений предварительно заполнит всю контекстную информацию, которую вы сможете просмотреть в процессе создания инцидента.

По нашему мнению, группировка оповещений показывает наилучшие результаты в следующих случаях.

  • В вашей организации часто возникают похожие или повторяющиеся оповещения, поступающие в большом количестве — краткосрочно или на протяжении длительного периода времени.
  • Ваша организация систематически классифицирует оповещения с помощью тегов.
  • Ваша команда часто сталкивается с необходимостью эскалировать похожие или повторяющиеся оповещения до инцидентов.
Рекомендации по использованию группировки оповещений Copy link to heading Copied! Показать
  

Важно помнить, что иногда модели могут выдавать неточный, неполный или ненадежный результат. Это связано с принципами работы моделей, используемых для группировки оповещений.

Например, полученные ответы могут неточно отражать контент, на котором они основаны, или включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным. В случае с группами оповещений они могут неточно отражать семантическое сходство тегов.

Мы обнаружили, что группировка оповещений может оказаться не так эффективна в следующих случаях.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • Вы хотите группировать оповещения, чтобы иметь доступ к информации, которая вам недоступна, и это препятствует надлежащей группировке. Эта функция работает в пределах заданных ролей и прав вашей команды, поэтому вы будете иметь доступ к группам и аналитике только тех оповещений, на просмотр которых у вас есть право.
  • Ваша команда не следует единым правилам добавления тегов к оповещениям или не систематизирует их. Поскольку оповещения группируются на основе семантического сходства их заголовков и тегов, качество групп зависит от единообразия и порядка в тегах оповещений, используемых вашей командой и организацией.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Стоит также подумать о выработке единых правил использования тегов в вашей команде.

Ваши данные и группировка оповещений Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при группировке оповещений. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, относящийся к вашему запросу, например данные оповещений (заголовки и теги оповещений, приоритеты, реагирующие команды, описание).
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Мы обрабатываем данные ваших оповещений, чтобы обучить версию модели машинного обучения распознавать закономерности, характерные именно для них. Эта версия используется только для вас.

  • Мы храним выявленные закономерности, чтобы предоставлять вам аналитику.
  • Мы не используем данные ваших оповещений для обучения больших языковых моделей.

Для функции группировки оповещений предусмотрены следующие меры в отношении ваших данных.

  • Ваши входные и выходные данные:
    • недоступны другим клиентам;
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google или Anthropic в AWS Bedrock;

    • не хранятся ни у каких поставщиков больших языковых моделей;

    • не используются для улучшения больших языковых моделей;

    • используются только для вашего обслуживания.

  • Все сторонние поставщики больших языковых моделей являются субобработчиками. Они перечислены в нашем списке субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
  • Функция работает в соответствии с правами, установленными на вашем сайте. Например, если сервис Atlassian Intelligence группирует 50 оповещений на основе их тегов и семантического сходства, а у вас есть право на просмотр лишь 30 из них, вы увидите в подробном представлении группы только эти 30 оповещений. Если вы хотите ограничить доступность ваших оповещений в ответах для других пользователей сайта, обратитесь к администратору организации или сайта, чтобы настроить права соответствующим образом.
Как Atlassian Intelligence формирует краткое изложение страниц и блогов в Confluence Copy link to heading Copied! Показать
  

Atlassian Intelligence генерирует краткие изложения страниц на основе больших языковых моделей, разработанных компаниями OpenAI, Google и Anthropic, а также ряда больших языковых моделей с открытым исходным кодом (в том числе серий Llama, Phi и Mixtral) и других моделей машинного обучения. В их число входит серия моделей GPT от OpenAI, серия моделей Gemini от Google и серия моделей Claude от Anthropic.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI, Google и Anthropic. Дополнительные сведения о языковых моделях с открытым исходным кодом см. в справке по сериям Llama и Phi.

Примеры использования краткого изложения в Confluence Copy link to heading Copied! Показать
  

Экономьте время и быстрее получайте сведения, необходимые для работы, формируя краткое изложение страниц или блогов Confluence с помощью Atlassian Intelligence. Подробнее об использовании Atlassian Intelligence в Confluence.

По нашему мнению, функция краткого изложения страниц и блогов с помощью Atlassian Intelligence показывает наилучшие результаты в следующих случаях.

  • На странице большое количество текста, так что на ее чтение уходит 5 минут или более.
  • На странице много текстового содержимого и мало визуальных элементов и (или) другого форматирования, например разворачиваемых разделов.
Факторы, которые необходимо учитывать при формировании краткого изложения страниц и блогов с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Важно помнить, что из-за принципов работы моделей, используемых для формирования краткого изложения страниц и блогов с помощью Atlassian Intelligence, иногда эти модели могут давать неточные, неполные или ненадежные результаты.

Например, полученные ответы могут неточно отражать контент, на котором они основаны, или включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным.

Хотя мы продолжаем улучшать поддержку макросов, таблиц и раскрываемых разделов функцией краткого изложения, мы обнаружили, что краткое изложение страниц и блогов с помощью Atlassian Intelligence может быть менее полезным в следующих ситуациях.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • Вам нужно краткое изложение очень маленькой страницы Confluence, на которой недостаточно содержимого.
  • Вам нужно краткое изложение страницы Confluence, где большая часть содержимого находится в таблицах или раскрываемых разделах.
  • Вам нужно краткое изложение страницы Confluence, большая часть содержимого которой находится в макросах.

Рекомендуем внимательно следить за случаями, когда вы используете Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Запрашивайте у Atlassian Intelligence краткое изложение страниц, на которых точно много текстового содержимого.
Ваши данные и краткое изложение страниц и блогов с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как ваши данные используются при автоматизации в Confluence с помощью Atlassian Intelligence. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).

  • Контекст из вашего экземпляра, связанный с запросом, например содержимое страницы Confluence, краткое изложение которой вы хотите получить.

  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.

  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для краткого изложения страниц и блогов с помощью Atlassian Intelligence предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google или Anthropic в AWS Bedrock;
    • не хранятся ни у каких поставщиков больших языковых моделей;

    • не используются для улучшения больших языковых моделей;
    • используются только для вашего обслуживания.
  • Все сторонние поставщики больших языковых моделей являются субобработчиками. Они перечислены в нашем списке субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
  • Эта функция учитывает права в вашем экземпляре. Например, если у вас нет доступа к определенной странице Confluence, функция не будет отображаться и вы не сможете получить сводку страницы с помощью Atlassian Intelligence. Если вы хотите ограничить доступность контента для других пользователей в вашем экземпляре, обратитесь к администратору организации, чтобы убедиться, что права доступа настроены соответствующим образом.

Генерация определений для терминов с помощью Atlassian Intelligence

Как Atlassian Intelligence генерирует определения для терминов Copy link to heading Copied! Показать
  

Atlassian Intelligence генерирует определения терминов в Confluence и Jira на основе больших языковых моделей, разработанных компаниями OpenAI, Google и Anthropic, а также ряда больших языковых моделей с открытым исходным кодом (в том числе серий Llama, Phi и Mixtral) и других моделей машинного обучения. В их число входит серия моделей GPT от OpenAI, серия моделей Gemini от Google и серия моделей Claude от Anthropic.

С помощью этих моделей Atlassian Intelligence анализирует запросы и генерирует ответы на естественном языке в Confluence и Jira.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI, Google и Anthropic. Дополнительные сведения о языковых моделях с открытым исходным кодом см. в справке по сериям Llama и Phi.

Примеры использования: генерация определений для терминов с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Иногда при ознакомлении с содержимым в Confluence и Jira одна из самых сложных задач — получить контекст, необходимый для понимания того, что вы читаете. Сокращения, аббревиатуры, незнакомые термины и названия, используемые в конкретных командах или проектах, могут затруднить поиск нужной информации.

С помощью Atlassian Intelligence можно узнать определения для специализированных терминов компании (например, акронимов, названий проектов, систем или команд) на странице Confluence или в описании задачи в Jira. Таким образом пользователи могут получить необходимую информацию именно тогда, когда она им нужна, что способствует совместной работе команд.

Atlassian Intelligence помогает экономить время, предоставляя нужные определения без необходимости переключаться с изучаемого документа.

Если вы столкнулись с определением, которое, по вашему мнению, является неточным, вы можете отредактировать его или добавить новое, а затем настроить видимость определения для этой страницы, задачи, всего раздела или проекта, а также для доступа в рамках всей вашей организации.

По нашему мнению, Atlassian Intelligence в Confluence и Jira лучше всего дает определения для терминов в следующих случаях.

  • В экземпляре Confluence компании есть несколько страниц, на которых упоминается, описывается или объясняется, что означает конкретный термин, чтобы у Atlassian Intelligence были сведения, от которых можно оттолкнуться.
Факторы, которые необходимо учитывать при генерации определений для терминов с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Важно помнить, что из-за принципов работы моделей, используемых для генерации определений для терминов с помощью Atlassian Intelligence в Confluence, иногда эти модели могут давать неточные, неполные или ненадежные результаты.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы заметили, что функция определения терминов с помощью Atlassian Intelligence в Confluence может быть менее полезной в следующих ситуациях.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • В экземпляре Confluence не хватает подробных сведений о термине (например, если нет страниц с упоминанием конкретного термина, для термина не получится сгенерировать точное определение).
  • Генерация определений требует доступа к контенту Confluence, на просмотр которого у вас нет прав
  • Вы пытаетесь получить определение сразу для нескольких терминов вместе, а не по отдельности.

Кроме того, мы обнаружили, что в Jira эта возможность будет работать только при наличии права на просмотр экземпляра Confluence на том же сайте, где находится ваш экземпляр Jira, поскольку генерация определений для терминов с помощью Atlassian Intelligence основана на поиске в Confluence.

Вы также можете заметить, что генерация определений для терминов с помощью Atlassian Intelligence не работает должным образом в разделах Confluence или экземплярах Jira, в которых контент написан на нескольких языках.

Ваши данные и генерация определений для терминов с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при генерации определений для терминов с помощью Atlassian Intelligence. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с вашим запросом, например термин, определение которого вы хотите получить.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для функции генерации определений терминов с помощью Atlassian Intelligence предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google или Anthropic в AWS Bedrock;

    • не хранятся ни у каких поставщиков больших языковых моделей;
    • не используются для улучшения больших языковых моделей;
    • используются только для вашего обслуживания.
  • Все сторонние поставщики больших языковых моделей являются субобработчиками. Они перечислены в нашем списке субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
  • Эта функция учитывает права доступа пользователей в вашем экземпляре, то есть пользователи не увидят определения, сгенерированные на основе контента, к которому у них нет доступа. Функция получает содержимое и определения только со страниц и проектов, на просмотр которых пользователь имеет права в этом экземпляре. Если вы хотите ограничить доступность контента в ответах для других пользователей в вашем экземпляре, обратитесь к администратору организации, чтобы настроить права доступа соответствующим образом.
  • Если пользователь вручную отредактирует или обновит определение, оно будет храниться в течение 1 года.

Генеративный ИИ в редакторе

Как работает редактирование с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Взаимодействие с Atlassian Intelligence при редактировании работает на основе больших языковых моделей, разработанных компаниями OpenAI, Google и Anthropic, а также ряда больших языковых моделей с открытым исходным кодом (в том числе серий Llama, Phi и Mixtral) и других моделей машинного обучения. В их число входит серия моделей GPT от OpenAI, серия моделей Gemini от Google и серия моделей Claude от Anthropic.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI, Google и Anthropic. Дополнительные сведения о языковых моделях с открытым исходным кодом см. в справке по сериям Llama и Phi.

Примеры использования генеративного ИИ в редакторе Copy link to heading Copied! Показать
  

Atlassian Intelligence помогает наладить коммуникацию между всеми командами организации для повышения эффективности, принятия более точных решений и совершенствования других процессов.

По нашему мнению, функция редактирования с помощью Atlassian Intelligence показывает наилучшие результаты в следующих ситуациях.

  • Преобразование существующего контента для разных аудиторий. Atlassian Intelligence помогает изменить тон, улучшить качество текста и упростить подачу технической информации для других команд. Это лучше всего сработает для команд, которые хотят сделать текст более профессиональным и лаконичным.
  • Резюмирование существующего контента. С помощью Atlassian Intelligence можно превратить черновые заметки в полезную стратегическую документацию, статьи базы знаний, планы кампаний и многое другое. Кроме того, можно анализировать существующую информацию для определения планов действий и задач. Это лучше всего сработает для страниц с большим количеством текста, где доступно много контекста.
  • Создание нового контента. Atlassian Intelligence помогает создавать новый контент, например страницы стратегий, обзоры проектов, примечания к релизу или пользовательские истории. Это лучше всего сработает, когда команды используют четкие и конкретные запросы с учетом определенной цели.
Факторы, которые необходимо учитывать при редактировании с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Важно помнить, что из-за принципов работы моделей, используемых для редактирования с помощью Atlassian Intelligence, иногда эти модели могут давать неточные, неполные или ненадежные результаты.

Например, полученные ответы могут неточно отражать контент, на котором они основаны, или включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным.

Мы обнаружили, что функция редактирования с помощью Atlassian Intelligence может быть менее полезной в следующих ситуациях.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • Для надлежащего ответа на ваш запрос требуется информация, к которой у вас нет прямого доступа (например, в вашем экземпляре).
  • Вам необходимо создать контент с форматированием, выходящим за рамки стандартной разметки (например, создание информационной панели с нуля).
  • Вам необходимо использовать информацию, которой нет в редактируемом документе (например, содержимое другого документа или другого продукта).
  • Вам нужно генерировать и преобразовывать контент на языках, отличных от английского.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Отправляйте Atlassian Intelligence максимально конкретные запросы.
  • Разбивайте сложные запросы на небольшие, легко выполнимые задания.
  • Используйте подходящие ключевые слова, чтобы повысить точность генерируемого контента.
  • Соблюдайте правила грамматики и пунктуации во входном тексте.
  • Проверяйте, корректируйте и редактируйте выходные данные, сгенерированные помощником по написанию текстов на основе ИИ, для точности и ясности.
  • Экспериментируйте с различными запросами или вариантами входного текста, чтобы изучить разные идеи.
  • Сотрудничайте с другими людьми, чтобы получать обратную связь и улучшать качество выходных данных.
Ваши данные и редактирование с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при редактировании с помощью Atlassian Intelligence. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с запросом, например данные продукта, в котором запущен инструмент Atlassian Intelligence.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для функции редактирования с помощью Atlassian Intelligence предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google или Anthropic в AWS Bedrock;

    • не хранятся ни у каких поставщиков больших языковых моделей;
    • не используются для улучшения больших языковых моделей;
    • используются только для вашего обслуживания.
  • Все сторонние поставщики больших языковых моделей являются субобработчиками. Они перечислены в нашем списке субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
  • Эта функция учитывает права доступа в вашем экземпляре. Например, если у вас нет доступа к определенной странице Confluence, вам не будет предложен контент этой страницы в ответе, который вы получите. Если вы не хотите, чтобы ваш контент был доступен в ответах другим пользователям экземпляра, обратитесь к администратору организации, чтобы убедиться, что права доступа настроены соответствующим образом.
Как Atlassian Intelligence используется в средстве переформатирования задач Copy link to heading Copied! Показать
  

Средство переформатирования задач работает на основе больших языковых моделей, разработанных OpenAI, включая серию моделей GPT.

Atlassian Intelligence использует эти модели для анализа и генерации ответов в Jira на естественном языке.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Подробнее о возможностях моделей OpenAI.

Примеры использования в средстве переформатирования задач Copy link to heading Copied! Показать
  

Средство переформатирования задач помогает сделать описания задач Jira более понятными путем их переформатирования с использованием шаблона Atlassian. В этот шаблон включены типы информации, которые обычно присутствуют в описании задачи Jira, такие как пользовательская история, контекст задачи и критерии приемки.

По нашему мнению, средство переформатирования задач наиболее эффективно, когда описания задач уже содержат полезную информацию (например, критерии приемки или ссылки на источники), но эта информация не имеет четкой и единообразной структуры.

Рекомендации по использованию средства переформатирования задач Copy link to heading Copied! Показать
  

Важно помнить, что иногда модели, используемые в средстве переформатирования задач, могут выдавать неточный, неполный или ненадежный результат. Это связано с принципом их работы.

Например, переформатированное описание может неточно отражать контент, на основе которого создано, или содержать сведения, которые кажутся правдоподобными, но на самом деле являются ложными или неполными.

Мы обнаружили, что средство переформатирования задач может оказаться менее эффективным в следующих случаях:

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • Описания задач содержат мало информации. В этом случае высока вероятность того, что модели, используемые в средстве переформатирования задач, могут добавить информацию, которой не было в исходном описании.

Поэтому рекомендуем подумать о том, в каких случаях вы будете использовать Atlassian Intelligence, и всегда проверять качество полученных ответов, прежде чем поделиться ими с другими пользователями. Вам также следует убедиться, что описания задач содержат всю необходимую информацию, прежде чем переформатировать их с помощью средства переформатирования задач.

Ваши данные и средство переформатирования задач Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как ваши данные используются в средстве переформатирования задач. Этот раздел дополняет сведения, доступные в Atlassian Trust Center.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, имеющий отношение к запросу, например описание и резюме задачи Jira.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

В средстве форматирования задач предусмотрены следующие меры в отношении ваших данных:

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • Не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI.
    • не хранятся OpenAI;
    • Не используются для улучшения моделей OpenAI.
    • используются только для вашего обслуживания.
  • OpenAI является субобработчиком из нашего списка субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
  • Эта функция использует только информацию, доступную в задаче Jira, и вызывается из задачи Jira. Поэтому ее может вызвать только пользователь, который имеет право на просмотр задачи и не будет иметь доступа к другой информации.

Сводка сведений о задаче в Jira Service Management

Как Atlassian Intelligence формирует сводку сведений о задаче в Jira Service Management Copy link to heading Copied! Показать
  

Atlassian Intelligence генерирует сводки сведений о задачах на основе больших языковых моделей, разработанных компаниями OpenAI, Google и Anthropic, а также ряда больших языковых моделей с открытым исходным кодом (в том числе серий Llama, Phi и Mixtral) и других моделей машинного обучения. В их число входит серия моделей GPT от OpenAI, серия моделей Gemini от Google и серия моделей Claude от Anthropic.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI, Google и Anthropic. Дополнительные сведения о языковых моделях с открытым исходным кодом см. в справке по сериям Llama и Phi.

Примеры использования сводок сведений о задачах в Jira Service Management Copy link to heading Copied! Показать
  

Вместо того чтобы читать длинные описания и многочисленные комментарии к задаче в Jira Service Management, вы можете использовать Atlassian Intelligence, чтобы быстро получить сводку этой информации. Это помогает агентам быстро понять контекст проблемы и достигнутый прогресс, чтобы принять срочные меры и оказать своевременную помощь.

По нашему мнению, сводка сведений о задаче с помощью Atlassian Intelligence лучше всего подходит для следующих задач:

  • задачи с описанием и комментариями на английском языке;
  • задачи с большим количеством комментариев и (или) длинными комментариями и описаниями.
Факторы, которые необходимо учитывать при формировании сводки сведений о задаче с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Важно помнить, что из-за принципов работы моделей, используемых для формирования сводки сведений о задаче с помощью Atlassian Intelligence, иногда эти модели могут давать неточные, неполные или ненадежные результаты.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы обнаружили, что сводка сведений о задаче с помощью Atlassian Intelligence может быть менее полезна в следующих ситуациях:

  • используется язык, отличный от английского;
  • у задачи нет истории или дополнительных сведений.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Ваши данные и формирование сводки сведений о задаче с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как ваши данные используются при резюмировании задачи с помощью Atlassian Intelligence. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с вашим запросом и включающий сведения о задаче Jira Service Management, например описание задачи, комментарии и пользователей, принимающих участие в заявке.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Формирование сводки сведений о задаче с помощью Atlassian Intelligence предусматривает следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google или Anthropic в AWS Bedrock;

    • не хранятся ни у каких поставщиков больших языковых моделей;
    • не используются для улучшения больших языковых моделей;
    • используются только для вашего обслуживания.
  • Все сторонние поставщики больших языковых моделей являются субобработчиками. Они перечислены в нашем списке субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
  • Эта функция учитывает права доступа в вашем экземпляре. Кнопка Summarize (Сводка) доступна только агентам и администраторам проекта.

Генеративный ИИ в редакторе

Как инструмент Atlassian Intelligence создает краткое описание интеллектуальной ссылки Copy link to heading Copied! Показать
  

Atlassian Intelligence генерирует краткие описания интеллектуальных ссылок на основе больших языковых моделей, разработанных компаниями OpenAI, Google и Anthropic, а также ряда больших языковых моделей с открытым исходным кодом (в том числе серий Llama, Phi и Mixtral) и других моделей машинного обучения. В их число входит серия моделей GPT от OpenAI, серия моделей Gemini от Google и серия моделей Claude от Anthropic.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI, Google и Anthropic. Дополнительные сведения о языковых моделях с открытым исходным кодом см. в справке по сериям Llama и Phi.

Примеры краткого описания интеллектуальной ссылки Copy link to heading Copied! Показать
  

Когда вы наводите курсор на интеллектуальную ссылку из Jira, Confluence и Google Документов, Atlassian Intelligence может составить краткое описание контента, определить важность и значение ссылки и принять решение о дальнейших действиях. Благодаря этому необязательно покидать текущую страницу и переключаться между приложениями.

По нашему мнению, краткие описания интеллектуальных ссылок на основе ИИ наиболее полезны в следующих случаях:

  • Вы просматриваете страницу или задачу с одной или несколькими интеллектуальными ссылками.
  • Вы просматриваете страницу или задачу с одной или несколькими интеллектуальными ссылками, насыщенными контентом, чтение которого отнимает время и отвлекает внимание от основного материала.
Факторы, которые необходимо учитывать при создании краткого описания интеллектуальных ссылок с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Важно! Иногда эти модели могут выдавать неточный, неполный или ненадежный результат. Это связано с принципами работы моделей, используемых в качестве основы при создании краткого описания интеллектуальной ссылки с помощью ИИ.

Например, краткое описание может неточно отражать контент, на котором оно основано, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы обнаружили, что в следующих случаях краткие описания интеллектуальных ссылок на основе ИИ могут показать себя не так эффективно:

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • вам нужно кратко изложить контент очень маленького объема;
  • вам нужно кратко изложить все метаданные и контент ссылки, например в том случае, если вы хотите изучить все значения полей в заявке Jira, а также ее описание и комментарии.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Ваши данные и краткие описания интеллектуальных ссылок на основе Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как ваши данные используются при резюмировании задачи с помощью Atlassian Intelligence. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с запросом, например контент по ссылке, краткое описание которой вы хотите получить.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые ответы, которыми вы делитесь в рамках отзыва.

Для функции создания краткого описания интеллектуальной ссылки с помощью ИИ предусмотрены следующие меры в отношении ваших данных.

  • Ваше краткое описание:
    • недоступны другим клиентам;
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google или Anthropic в AWS Bedrock;

    • не хранятся ни у каких поставщиков больших языковых моделей;
    • не используются для улучшения больших языковых моделей;
    • используются только для вашего обслуживания.
  • Все сторонние поставщики больших языковых моделей являются субобработчиками. Они перечислены в нашем списке субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
  • Эта функция учитывает права в вашем экземпляре. Например, если у вас нет доступа к странице или заявке в Jira, Confluence или Google, вы не сможете создать краткое описание контента из этого источника. Если вы хотите ограничить доступность контента в ответах для других пользователей экземпляра, обратитесь к администратору организации, чтобы настроить права соответствующим образом.

Ответы Atlassian Intelligence в Jira Service Management

Как Atlassian Intelligence используется для работы виртуального помощника Jira Service Management Copy link to heading Copied! Показать
  

Виртуальный помощник в Jira Service Management работает на основе больших языковых моделей, разработанных OpenAI, Google и Anthropic, а также ряда больших языковых моделей с открытым исходным кодом (включая серии Llama, Phi и Mixtral) и других моделей машинного обучения.

Виртуальный помощник использует эти модели следующим образом.

  • Намерения — это конкретные проблемы, вопросы или запросы, в решении которых клиенты могут получить поддержку от виртуального помощника. Обучение намерениям проводится с помощью модели машинного обучения, адаптированной к потребностям вашей организации на основе предоставленного вами набора данных для обучения (подробнее об этом наборе см. приведенном ниже разделе «Ваши данные и виртуальный помощник»). Эта модель анализирует вопросы клиентов в контексте вашей организации. Подробнее о намерениях.
  • Функция ответов Atlassian Intelligence использует генеративный искусственный интеллект для поиска в связанных разделах базы знаний Confluence и выдает общий ответ на вопросы клиентов. Функция ответов Atlassian Intelligence работает на базе больших языковых моделей, разработанных OpenAI, и других моделей машинного обучения. Подробнее о функции ответов Atlassian Intelligence.
  • Шаблоны намерений «На основе ваших данных» создаются по задачам вашего проекта. С помощью машинного обучения мы группируем наиболее распространенные темы, предлагаем намерения для каждой группы, а затем создаем заголовки, описания и тренировочные фразы для каждого предложенного намерения. Шаблоны намерений «На основе ваших данных» работают на базе сочетания моделей машинного обучения, в том числе больших языковых моделей. Подробнее о шаблонах намерений.

Как работают большие языковые модели. Большие языковые модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

В число больших языковых моделей, используемых виртуальным помощником, входит серия моделей GPT от OpenAI, серия моделей Gemini от Google и серия моделей Claude от Anthropic.

Узнайте больше о возможностях моделей OpenAI, Google и Anthropic. Дополнительные сведения о языковых моделях с открытым исходным кодом см. в справке по сериям Llama и Phi.

Сценарии использования виртуального помощника в Jira Service Management Copy link to heading Copied! Показать
  

Виртуальный помощник помогает командам автоматизировать взаимодействие службы поддержки 1-го уровня с помощью диалогового движка Atlassian Intelligence, который анализирует и распознает намерения, контекст и права доступа для персонального подхода.

Три ключевых возможности виртуального помощника на базе Atlassian Intelligence позволяют командам масштабировать службы поддержки и радовать клиентов:

  • Намерения, созданные администратором проекта и представляющие собой конкретную проблему, вопрос или запрос, в решении которых клиентам может помочь виртуальный помощник.
  • Ответы Atlassian Intelligence Answers, которые используют генеративный искусственный интеллект для поиска в связанных разделах базы знаний и выдачи общего ответа на вопрос клиента.
  • Шаблоны намерений «На основе ваших данных», представляющие собой персонализированные предложения шаблонов намерений, которые создаются группировкой задач в вашем проекте Jira Service Management и позволяют администраторам проекта создавать намерения еще быстрее.

Виртуального помощника можно использовать в нескольких каналах, включая Slack, Microsoft Teams, портал Jira Service Management и другие. Подробнее о том, какие каналы доступны виртуальному помощнику.

По нашему мнению, виртуальный помощник показывает наилучшие результаты в следующих случаях.

  • Ваша служба поддержки получает большое количество вопросов 1-го уровня.
  • Ваши агенты постоянно отвечают на одни и те же вопросы.
  • У вас есть полная и актуальная связанная база знаний, которую виртуальный помощник может использовать, чтобы отвечать на вопросы клиентов.
  • Ваша служба поддержки обычно получает запросы с несколькими возможными вариантами решения, которые подходят для использования обеих ключевых возможностей виртуальных помощников на уровне проектов: намерений и ответов Atlassian Intelligence.
    • Намерения лучше всего подходят, когда необходимо принять меры для решения запросов клиентов (например, создать задачу, которую должен решить агент) или когда для получения информации от клиента требуется диалог. Намерения также идеально подходят в случаях, в которых требуется фиксированный, четко определенный результат по конкретным запросам, поскольку намерения позволяют лучше контролировать, какую информацию получают клиенты.
    • Ответы Atlassian Intelligence лучше всего подходят, когда запросы клиентов решаются предоставлением информации и инструкций без вмешательства агента.
  • В случае шаблонов «На основе ваших данных»:
    • В вашем проекте более 50 задач, чтобы предложения по шаблонам намерений содержали достаточно полезной информации.
    • Поведение ваших клиентов изменилось из-за предстоящего события или технического сбоя — шаблоны намерений «На основе ваших данных» позволяют выявлять и группировать недавние частые запросы клиентов.
Факторы, которые необходимо учитывать при использовании функции ответов Atlassian Intelligence в Jira Service Management Copy link to heading Copied! Показать
  

Важно помнить, что иногда модели могут выдавать неточный, неполный или ненадежный результат. Это связано с принципами работы моделей, используемых виртуальным помощником.

Например, ответы могут неточно отражать контент, на котором они основаны, или могут включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным.

Мы обнаружили, что в следующих случаях виртуальный помощник может показать себя не так эффективно.

  • У вас небольшой объем запросов 1-го уровня от клиентов.
  • Вы еще не задействовали все возможности виртуального помощника, например, создав намерения (или используя шаблоны намерений «На основе ваших данных») или включив ответы Atlassian Intelligence.
  • В случае намерений:
    • Вы добавили слишком широкие или разнообразные по смыслу фразы для обучения. Сопоставление намерений лучше всего работает, когда они четко определены.
    • Вы добавили фразы для обучения, которые неточно отражают типичные вопросы клиентов. Сопоставление носит семантический характер и предполагает поиск сходств между фразами для обучения и вопросами клиентов.
    • Вы создали несколько слишком похожих намерений. Пересекающиеся темы могут запутать виртуального помощника, из-за чего он выберет неверное намерение.
  • В случае ответов Atlassian Intelligence:
    • Клиентам нужна актуальная и точная информация о людях, местах и фактах.
    • Чтобы должным образом ответить на вопрос клиента, Atlassian Intelligence требуется информация, которую они не могут получить напрямую (например, из связанной базы знаний, к которой у клиента нет доступа).
    • Ваша база знаний содержит устаревшую или неполную информацию либо статьи в ней недостаточно подробны, чтобы дать нужные ответы на вопросы.
  • В случае шаблонов намерений «На основе ваших данных», данные в задачах проекта Jira Service Management низкого качества (или у вас менее 50 задач), и нельзя подобрать значимые группы.

Рекомендуем подумать, в каких случаях вы хотите использовать Atlassian Intelligence, и проверить результаты работы виртуального помощника, прежде чем включать его для клиентов. Подробнее об улучшении работы виртуального помощника.

Также стоит учесть следующее.

  • Порекомендуйте клиентам как можно точнее формировать запрос при обращении к виртуальному помощнику.
  • Постоянно проверяйте и обновляйте связанную базу знаний, чтобы она оставалась полной и актуальной. Подробнее о том, как подготовить базу знаний для повышения качества ответов Atlassian Intelligence.
  • Периодически проверяйте права доступа и ограничения, примененные к связанным разделам базы знаний, чтобы у виртуального помощника был доступ к нужной информации.
Ваши данные и виртуальный помощник Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут быть вопросы о том, как виртуальный помощник Jira Service Management использует ваши данные. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из экземпляра, применимый к запросу, например статьи Confluence из связанной базы знаний, на основе которой Atlassian Intelligence составляет общий ответ, или старые заявки в Jira при генерации намерений.

  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.

  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для виртуального помощника предусмотрены следующие меры в отношении ваших данных.

  • В случае сопоставления намерений в каналах проекта Jira Service Management:
    • Обучение намерениям (включая шаблоны намерений «На основе ваших данных») выполняется с помощью модели машинного обучения, адаптированной к потребностям вашей организации на основе предоставленного вами набора данных для обучения. В их число входят намерения и фразы для обучения, созданные администратором проекта, либо предложенные в стандартных шаблонах намерений или шаблонах «На основе ваших данных».
    • Данные для обучения и обученная модель машинного обучения, разработанная для вашей организации, не будут передаваться другим клиентам Atlassian.
    • Обучение проводится только на уровне проекта, то есть обучение намерениям происходит на основе фраз, предоставленных администраторами во время создания намерений, и администраторы полностью контролируют данные для обучения. Данные не используются в разных проектах на одном сайте.
    • Эти модели связаны с сайтом Jira Service Management и удаляются вместе с ним.
  • В случае сопоставления намерений в справочном центре Jira Service Management:
    • Мы создаем и храним векторы в соответствии с местом хранения данных.
    • Эти модели связаны с сайтом Jira Service Management и удаляются вместе с ним.
  • В случае ответов Atlassian Intelligence:
    • Ваши запросы (ввод) и ответы (вывод):
      • недоступны другим клиентам;
      • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google или Anthropic в AWS Bedrock;
      • не хранятся ни у каких поставщиков больших языковых моделей;
      • не используются для улучшения больших языковых моделей;
      • используются только для вашего обслуживания.
    • Функция учитывает права доступа и ограничения, примененные к связанным разделам базы знаний. Это означает, что все страницы, доступные клиентам на портале Jira Service Management, будут использоваться Atlassian Intelligence для генерации ответов для клиентов. Например, если для определенной страницы Confluence установлены ограничения и она не находится в общем доступе в Jira Service Management, содержимое этой страницы не будет использоваться ответами Atlassian Intelligence. Если вы хотите ограничить доступность контента в ответах для других пользователей в вашем экземпляре, обратитесь к администратору организации, чтобы настроить права соответствующим образом.
  • В случае шаблонов намерений «На основе ваших данных»:
    • Данные заявок Jira Service Management (входные данные) и предложенные шаблоны намерений на основе этих данных (выходные данные):
      • недоступны другим клиентам;
      • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google или Anthropic в AWS Bedrock;
      • не хранятся ни у каких поставщиков больших языковых моделей;
      • не используются для улучшения больших языковых моделей;
      • используются только для вашего обслуживания.
    • Анализ задач Jira Service Management и стенограммы чатов, представленные вашими клиентами в подключенном проекте Jira Service Management, используются только для взаимодействия с вами.

  • OpenAI является субобработчиком из нашего списка субобработчиков. OpenAI не использует ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.

Сводка сведений о задаче на базе Atlassian Intelligence

Как Atlassian Intelligence формирует сводку сведений о задаче в Jira Copy link to heading Copied! Показать
  

Функция формирования сводки на базе ИИ в Jira основана на больших языковых моделях, разработанных OpenAI, включая модели, описанные здесь.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы составляются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Подробнее о возможностях моделей OpenAI и об этом подходе читайте в исследовательских работах OpenAI.

Подробнее о формировании сводки сведений о задаче с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Вместо того чтобы читать длинные описания и многочисленные комментарии к задаче Jira, можно моментально получить сводку по этой информации с помощью Atlassian Intelligence. Благодаря этому агенты могут быстро понимать контекст проблемы и достигнутый прогресс, а также принимать срочные меры и оказывать своевременную помощь.

По нашему мнению, лучше всего использовать Atlassian Intelligence для формирования сводок сведений о задачах с большим количеством комментариев и (или) с длинными комментариями и описаниями.

Ограничения и рекомендации для функции формирования сводки по сведениям о задаче на базе Atlassian Intelligence Copy link to heading Copied! Показать
  

Важно помнить, что иногда модели, используемые при формировании сводок на базе ИИ в Jira, могут выдавать неточный, неполный или ненадежный результат. Это связано с принципами их работы.

Например, полученные ответы могут неточно отражать контент, на котором они основаны, или включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным.

Мы обнаружили, что сводка сведений о задаче с помощью Atlassian Intelligence может быть менее полезна в следующих ситуациях:

  • у задачи нет истории или дополнительных сведений.
  • у задачи больше 100 комментариев (сводка формируется только по 100 последним комментариям).

По этой причине рекомендуется подумать, в каких ситуациях будет уместно использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с кем-либо.

Ваши данные и формирование сводки сведений о задаче с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как ваши данные используются при резюмировании задачи с помощью Atlassian Intelligence. Этот раздел дополняет сведения, доступные в Atlassian Trust Center.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с запросом, в том числе сведения о задаче Jira, например ее описание и комментарии к ней, а также пользователи, принимающие участие в заявке.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Формирование сводки сведений о задаче с помощью Atlassian Intelligence предусматривает следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI;
    • не хранятся OpenAI;
    • не используются для улучшения моделей OpenAI;
    • используются только для вашего обслуживания.
  • OpenAI является субобработчиком из нашего списка субобработчиков данных. OpenAI не использует ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
  • Эта функция учитывает права доступа в вашем экземпляре. Эта функция использует только информацию, доступную в задаче Jira, и вызывается из задачи Jira. Поэтому ее может вызвать только пользователь, который имеет право на просмотр задачи и не будет иметь доступа к другой информации.

Разделение рабочих задач на базе ИИ

Как Atlassian Intelligence используется в функции разделения задач на базе ИИ Copy link to heading Copied! Показать
  

Функция разделения задач на базе ИИ основана на больших языковых моделях, разработанных OpenAI.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI или ознакомьтесь с исследовательскими работами OpenAI, описывающими этот подход.

Сведения о разделении задач на базе ИИ Copy link to heading Copied! Показать
  

Функция разделения задач на базе ИИ помогает разбить крупные блоки работы на более мелкие, предлагая варианты дочерних задач для созданной вами задачи Jira. При формировании резюме и описаний для дочерних задач ваша задача выступает в качестве контекста.

По нашему мнению, функция разделения задач на базе ИИ показывает наилучшие результаты в следующих случаях.

  • Начальная задача сопровождается подробным резюме и описанием, в которых указаны все ограничения, инструкции и критерии готовности.
  • У начальной задачи нет дочерних задач.
Ограничения и рекомендации для функции разделения задач на базе ИИ Copy link to heading Copied! Показать
  

Важно помнить, что иногда модели, используемые при разделении задач на базе ИИ, могут выдавать неточный, неполный или ненадежный результат. Это связано с принципами их работы.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы обнаружили, что в следующих случаях разделение задач на базе ИИ может оказаться не таким эффективным.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • У начальной задачи нет подробного резюме и описания (например, если вы пытаетесь создать варианты дочерних задач для задачи с коротким и слишком общим описанием).

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Отправляйте Atlassian Intelligence максимально конкретные запросы.
  • Указывайте в резюме и описании начальной задачи как можно больше информации.
Ваши данные и разделение задач на базе ИИ Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при разделении задач на базе ИИ. Этот раздел дополняет сведения, доступные в Atlassian Trust Center.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с запросом, в том числе данные о задаче (например, резюме, описание и комментарии).
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

При разделении задач на базе ИИ предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • Недоступны другим клиентам
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI;
    • не хранятся OpenAI;
    • не используются для улучшения моделей OpenAI;
    • используются только для вашего обслуживания.
  • OpenAI является субобработчиком из нашего списка субобработчиков данных. OpenAI не использует ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
  • Эта функция учитывает права доступа в вашем экземпляре (то есть для создания вариантов дочерних задач у вас должен быть доступ к начальной задаче). Если вы хотите ограничить доступность контента в ответах, создаваемых для других пользователей, обратитесь к администратору организации, чтобы проверить настройку прав.
Как Atlassian Intelligence помогает создавать инциденты Copy link to heading Copied! Показать
  

Создание инцидентов с помощью Atlassian Intelligence работает на основе больших языковых моделей, разработанных компаниями OpenAI, Google и Anthropic, а также ряда больших языковых моделей с открытым исходным кодом (в том числе серий Llama, Phi и Mixtral) и других моделей машинного обучения. В их число входит серия моделей GPT от OpenAI, серия моделей Gemini от Google и серия моделей Claude от Anthropic.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы составляются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI, Google и Anthropic. Дополнительные сведения о языковых моделях с открытым исходным кодом см. в справке по сериям Llama и Phi.

Примеры использования ИИ для создания инцидентов Copy link to heading Copied! Показать
  

При эскалации одного или нескольких оповещений или групп оповещений до инцидента в Jira Service Management функция создания инцидента с помощью ИИ использует Atlassian Intelligence, чтобы предварительно заполнить всю контекстную информацию. Благодаря этому пользователи могут быстро понять контекст инцидента, созданного на основе этих оповещений или групп оповещений, а также просмотреть и подтвердить предварительно заполненную информацию, включая название, описание и приоритет оповещения при эскалации его до инцидента.

По нашему мнению, создание инцидентов с помощью ИИ наиболее полезно в следующих случаях.

  • Оповещения, эскалируемые до инцидента, содержат заголовок и описание на английском языке.
  • Оповещения, эскалируемые до инцидента, содержат длинное описание.
  • Вы создаете инцидент на основе нескольких оповещений.
Рекомендации по использованию ИИ при создании инцидента Copy link to heading Copied! Показать
  

Важно! Иногда эти модели могут выдавать неточный, неполный или ненадежный результат. Это связано с принципами работы моделей, используемых в качестве основы для функции создания инцидентов с помощью ИИ.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы обнаружили, что в следующих случаях функция создания инцидентов с помощью ИИ может показать себя не так эффективно.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • Оповещения, эскалируемые до инцидента, содержат заголовок или описание (либо то и другое) на языке, отличном от английского.
  • Оповещения, эскалируемые до инцидента, содержат только ограниченную информацию.

По этим причинам рекомендуем подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Для получения наиболее полезных результатов рекомендуем отправлять Atlassian Intelligence максимально конкретные запросы.

Кроме того, рекомендуется отправлять Atlassian Intelligence максимально конкретные запросы.

Ваши данные и создание инцидентов с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при работе функции создания инцидентов с помощью ИИ. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с вашим запросом, например описание, заголовок и приоритет оповещения Jira Service Management.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для функции создания инцидентов с помощью ИИ предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google или Anthropic в AWS Bedrock;

    • не хранятся ни у каких поставщиков больших языковых моделей;
    • не используются для улучшения больших языковых моделей;
    • используются только для вашего обслуживания.
  • Все сторонние поставщики больших языковых моделей являются субобработчиками. Они перечислены в нашем списке субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
  • Эта функция учитывает права на оповещения в вашем экземпляре. Предложения Atlassian Intelligence для заполнения сведений о создаваемом инциденте увидят только агенты, имеющие право на просмотр оповещения и его эскалацию до инцидента.

Создать разбор инцидента

Как Atlassian Intelligence помогает создавать разборы инцидентов Copy link to heading Copied! Показать
  

Создание PIR (разбора инцидента) с помощью Atlassian Intelligence основано на больших языковых моделях, разработанных OpenAI. Они включают в себя серию моделей OpenAI GPT. Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Подробнее о возможностях моделей OpenAI и об этом подходе читайте в исследовательских работах OpenAI.

Примеры использования ИИ для создания разбора инцидента Copy link to heading Copied! Показать
  

PIR — это неотъемлемая составляющая процесса управления инцидентами, помогающая командам реагирования и менеджерам учиться на текущих инцидентах и передавать информацию для предотвращения подобного в будущем. Как правило, процесс составления PIR достаточно трудоемок. Atlassian Intelligence ускоряет его, предлагая описания на основе значимой контекстной информации, содержащейся в вашем экземпляре Jira Service Management и чатах типа Slack.

Мы считаем, что создание PIR с помощью ИИ лучше всего работает в следующих ситуациях.

  • В вашей организации уже налажена практика составления PIR для инцидентов.

  • Информация об инцидентах вашей команды разбросана по разным чатам типа Slack и Jira Service Management, и составление PIR с поиском по всем этим источникам отнимает много времени.

  • Ваша организация ведет подробный и актуальный журнал инцидентов в Jira Service Management.

Рекомендации по использованию ИИ при создании разбора инцидента Copy link to heading Copied! Показать
  

Важно понимать, что иногда модели, используемые в качестве основы для создания PIR, могут выдавать неточный, неполный или ненадежный результат. Это обусловлено принципами их работы. Например, полученные ответы могут неточно отражать контент, на котором они основаны, или включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным.

Мы обнаружили, что в следующих случаях создание PIR с помощью ИИ может показать себя не так эффективно.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • Для надлежащего составления описания PIR функции создания PIR нужна информация, недоступная вам напрямую (например, каналы чатов, к которым у вас нет доступа).
  • В вашем экземпляре Jira Service Management хранятся неполные или недостаточно подробные данные, по которым функции создания PIR не удастся составить точное описание.

По этой причине мы рекомендуем подумать, в каких ситуациях вы сможете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Отправляйте Atlassian Intelligence максимально конкретные команды.
  • Всей командой старайтесь четко следовать установленным процедурам управления инцидентами. Например, фиксируйте полную и точную информацию об инцидентах в своем экземпляре Jira Service Management и привязывайте к ним соответствующие каналы чатов.
Ваши данные и создание разбора инцидента с помощью ИИ Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как ваши данные используются при работе функции создания разборов инцидентов с помощью ИИ. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, относящийся к вашему запросу, например сводки, метки, приоритеты, команды реагирования и описание, связанные оповещения и каналы чатов в Slack.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для функции создания PIR с помощью ИИ предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;

    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI;

    • не хранятся OpenAI;

    • не используются для улучшения моделей OpenAI;

    • используются только для вашего обслуживания.

  • Все сторонние поставщики больших языковых моделей являются субобработчиками. Они перечислены в нашем списке субобработчиков.

  • Эта функция учитывает права в вашем экземпляре. Например, если у вас нет доступа к связанным оповещениям об инциденте или к каналам Slack, в ответе, который вы получите, не будет информации из этих источников. Если вы хотите ограничить доступность контента в ответах для других пользователей экземпляра, обратитесь к администратору организации, чтобы настроить права соответствующим образом.

Составляйте описания для запросов pull с помощью Atlassian Intelligence

Как решение Atlassian Intelligence составляет описания для запросов pull в Bitbucket Cloud Copy link to heading Copied! Показать
  

Atlassian Intelligence генерирует описания для запросов pull на основе больших языковых моделей, разработанных компаниями OpenAI, Google и Anthropic, а также ряда больших языковых моделей с открытым исходным кодом (в том числе серий Llama, Phi и Mixtral) и других моделей машинного обучения. В их число входит серия моделей GPT от OpenAI, серия моделей Gemini от Google и серия моделей Claude от Anthropic.

С помощью этих моделей решение Atlassian Intelligence анализирует и создает в наших продуктах ответы на естественном языке и программный код.

Эти модели дают ответы по входным данным и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI, Google и Anthropic. Дополнительные сведения о языковых моделях с открытым исходным кодом см. в справке по сериям Llama и Phi.

Примеры использования: составление описаний для запросов pull с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

С помощью Atlassian Intelligence можно создавать, преобразовывать и обобщать описания запросов pull или комментарии в режиме проверки программного кода в Bitbucket Cloud. Доступны следующие возможности:

  • Составление описания для запроса pull на основе изменений программного кода, содержащихся в запросе.
  • Обобщение описания запроса pull, его улучшение или изменение тональности изложения.
  • Обобщение комментария к запросу pull, его улучшение или изменение тональности изложения.

Мы считаем, что функция составления описаний для запросов pull в Bitbucket Cloud с помощью Atlassian Intelligence приносит наибольшую пользу в следующих случаях:

  • Вы пишете программный код и хотите составить или улучшить описание запроса pull посредством Atlassian Intelligence. Такой подход оптимален для команд, у которых есть возможность выполнить проверку и подтвердить, что созданный Atlassian Intelligence контент подходит для описания запроса pull.
  • Вы проверяете программный код и хотите улучшить тональность изложения или содержание уже составленного вами комментария к запросу pull посредством Atlassian Intelligence.
Факторы, которые необходимо учитывать при составлении описаний для запросов pull с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Важно! Иногда эти модели могут выдавать неточный, неполный или ненадежный результат. Это связано с принципами работы моделей, используемых в качестве основы для описанных функций Atlassian Intelligence.

Например, полученные ответы могут неточно отражать контент, на котором они основаны, или включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным.

Мы выяснили, что функция составления описаний для запросов pull в Bitbucket Cloud с помощью Atlassian Intelligence может принести меньше пользы, чем обычно, в следующих случаях:

  • В описании запроса pull нужно сослаться на сведения, которые не отражены в изменениях программного кода, например на исходный код, который хранится в другом месте репозитория.
  • Вы не можете выполнить проверку и убедиться, что созданный Atlassian Intelligence контент точно отражает содержимое запроса pull.
  • Вам нужна актуальная и точная информация о людях, местах и фактах.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Отправляйте Atlassian Intelligence максимально конкретные запросы.
  • Проверяйте, корректируйте и редактируйте выходные данные, сгенерированные помощником по написанию текстов на основе ИИ, для точности и ясности.
  • Сотрудничайте с другими людьми, чтобы получать обратную связь и улучшать качество выходных данных.
Ваши данные и составление описаний для запросов pull с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как ваши данные используются при определении терминов с помощью Atlassian Intelligence в Confluence. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод)
  • Контекст из вашего экземпляра, связанный с запросом, в том числе:
    • изменения программного кода и комментарии к коммиту в вашем запросе pull;
    • содержание описания для запроса pull;
    • содержание комментария к запросу pull.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы об этой функции, которыми вы делитесь с нами

При составлении описаний для запросов pull с помощью Atlassian Intelligence ваши данные:

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google или Anthropic в AWS Bedrock;

    • не хранятся ни у каких поставщиков больших языковых моделей;
    • не используются для улучшения больших языковых моделей;
    • используются только для вашего обслуживания.
  • Все сторонние поставщики больших языковых моделей являются субобработчиками. Они перечислены в нашем списке субобработчиков.

Генерация SQL-запросов в Atlassian Analytics

Как Atlassian Intelligence генерирует SQL-запросы в Atlassian Analytics Copy link to heading Copied! Показать
  

Atlassian Intelligence генерирует запросы SQL в Atlassian Analytics на основе больших языковых моделей, разработанных компаниями OpenAI, Google и Anthropic, а также ряда больших языковых моделей с открытым исходным кодом (в том числе серий Llama, Phi и Mixtral) и других моделей машинного обучения. В их число входит серия моделей GPT от OpenAI, серия моделей Gemini от Google и серия моделей Claude от Anthropic.

Atlassian Intelligence использует эти модели для анализа естественного языка, а затем преобразует его в язык Structured Query Language (SQL) в Atlassian Analytics.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI, Google и Anthropic. Дополнительные сведения о языковых моделях с открытым исходным кодом см. в справке по сериям Llama и Phi.

Примеры использования генерации SQL-запросов с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Задайте Atlassian Intelligence вопрос на естественном языке и преобразуйте его в SQL, вместо того чтобы писать собственные SQL-запросы с нуля. После того как вы зададите вопрос, Atlassian Intelligence использует схему Atlassian Data Lake выбранного источника данных для создания SQL-запроса, который можно использовать для построения диаграмм на дашбоардах Atlassian Analytics, а также для ознакомления со схемой в озере данных.

По нашему мнению, функция генерации SQL-запросов с помощью Atlassian Intelligence показывает наилучшие результаты в следующих случаях.

  • Вы хотите построить собственную диаграмму на основе сгенерированного SQL-запроса, постепенно уточняя запрос при необходимости.
  • Вопрос на естественном языке включает слова и понятия, на которые есть ссылки в схеме Atlassian Data Lake, где указаны максимально конкретные сведения.
  • Вы хотите получить сведения о схеме Atlassian Data Lake и изучить ее.

Не знаете, какие вопросы задать?

Вот несколько вариантов.

  • По каким 5 меткам открыто больше всего задач Jira?
  • Сколько задач Jira завершено в проекте N за последний месяц?
  • Каково среднее время пребывания в статусе для 5 самых популярных статусов?
  • Какие 5 страниц Confluence чаще всего добавлялись в избранное за последний месяц?
  • Сколько запросов было создано за последние 5 дней в проекте N в Jira Service Management?
Факторы, которые необходимо учитывать при генерации SQL-запросов с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Важно помнить, что из-за принципов работы моделей, используемых для генерации SQL-запросов с помощью Atlassian Intelligence, иногда эти модели могут давать неточные, неполные или ненадежные результаты.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы заметили, что генерация SQL-запросов с помощью Atlassian Intelligence может быть менее полезна в следующих ситуациях.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • Для надлежащего ответа на вопрос этой функции требуется информация в схеме Atlassian Data Lake, к которой у вас нет прямого доступа (например, данные расширенного планирования).
  • Вопрос содержит ссылки на пользовательские поля.
  • Вопрос задается не на английском.
  • Вы недостаточно знакомы с SQL, чтобы проверить SQL-запрос, созданный Atlassian Intelligence.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Отправляйте Atlassian Intelligence максимально конкретные запросы.
  • Убедитесь, что используемый вами источник данных Atlassian Data Lake содержит данные, необходимые для ответа на ваш вопрос.
Ваши данные и генерация SQL-запросов с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как ваши данные используются при генерации SQL-запросов с помощью Atlassian Intelligence. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с запросом, включая общедоступные схемы Atlassian Data Lake, применимые к экземпляру.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

При генерации SQL-запросов с помощью Atlassian Intelligence предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google или Anthropic в AWS Bedrock;

    • не хранятся ни у каких поставщиков больших языковых моделей;
    • не используются для улучшения больших языковых моделей;
    • используются только для вашего обслуживания.
  • Все сторонние поставщики больших языковых моделей перечислены в нашем списке субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
  • Эта функция учитывает права доступа в вашем подключении к Atlassian Data Lake. Например, если у вас нет доступа к подключению к Atlassian Data Lake, вы не сможете сформировать SQL-запрос к нему.

Поиск ответов в Confluence

Как Atlassian Intelligence ищет ответы в Confluence Copy link to heading Copied! Показать
  

Поиск ответов в Confluence с помощью Atlassian Intelligence работает на основе больших языковых моделей, разработанных компаниями OpenAI, Google и Anthropic, а также ряда больших языковых моделей с открытым исходным кодом (в том числе серий Llama, Phi и Mixtral) и других моделей машинного обучения. В их число входит серия моделей GPT от OpenAI, серия моделей Gemini от Google и серия моделей Claude от Anthropic.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI, Google и Anthropic. Дополнительные сведения о языковых моделях с открытым исходным кодом см. в справке по сериям Llama и Phi.

Примеры использования поиска ответов в Confluence Copy link to heading Copied! Показать
  

Базы знаний растут слишком быстро, чтобы пользователи могли за ними угнаться. Поиск ответов в Confluence с помощью Atlassian Intelligence позволяет быстро получать ключевую информацию, которая необходима клиентам для продуктивной работы. Эта функция поможет без труда находить нужные сведения. Atlassian Intelligence понимает вопросы, которые вы могли бы задать коллеге, и мгновенно отвечает на них. Подробнее о том, как использовать Atlassian Intelligence для поиска ответов в Confluence.

По нашему мнению, функция поиска ответов в Confluence с помощью Atlassian Intelligence показывает наилучшие результаты, когда ваш сайт Confluence полон подробного, полного и актуального контента.

Эта функция не генерирует новый контент, а ищет ответ на вопрос на страницах и в блогах Confluence (с учетом ограничений). Atlassian Intelligence генерирует ответы исключительно на основе того, что есть в экземпляре Confluence и к чему конкретно у вас есть доступ.

Не знаете, какие вопросы задать?

Вот несколько вариантов.

  • Когда следующее выездное мероприятие у маркетинговой команды?
  • Какова политика работы из дома?
  • Что такое Project Sunrise?
  • Когда будет следующая маркетинговая кампания?
  • Где находятся примечания к релизу нового продукта SpaceLaunch?
  • Как подать заявку на возмещение расходов?
Факторы, которые необходимо учитывать при поиске ответов в Confluence с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Важно помнить, что из-за принципов работы моделей, используемых для поиска ответов в Confluence с помощью Atlassian Intelligence, иногда эти модели могут давать неточные, неполные или ненадежные результаты.

Например, полученные ответы могут неточно отражать контент, на котором они основаны, или включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным.

Мы обнаружили, что поиск ответов в Confluence с помощью Atlassian Intelligence может быть менее полезен в следующих ситуациях.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • Вам нужна актуальная и точная информация, которая часто меняется (например, сведения из дорожной карты, обновляемой ежемесячно).
  • Вам нужна актуальная и точная информация о конкретных людях и об их роли в организации.
  • Для надлежащего ответа на ваш вопрос требуется информация, к которой у вас нет прямого доступа (например, закрытые страницы в экземпляре Confluence).
  • Ответ состоит из ряда различных значений или категорий (например, показателей, которые обновляются каждую неделю).
  • Вам нужны ответы, в которых учитываются нюансы, сложности или рассуждения на человеческом уровне.

Вы также можете заметить, что поиск ответов в Confluence с помощью Atlassian Intelligence не работает должным образом в разделах Confluence, в которых документы написаны на нескольких языках.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Отправляйте Atlassian Intelligence максимально конкретные запросы.
  • Задавайте вопросы о контенте, который точно задокументирован в вашем экземпляре Confluence и к которому у вас есть доступ.
Ваши данные и поиск ответов в Confluence с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы по поводу того, как используются ваши данные при поиске ответов в Confluence с помощью Atlassian Intelligence. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с вашим запросом, например контент трех первых страниц из результатов поиска в Confluence.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Поиск ответов в Confluence с помощью Atlassian Intelligence предусматривает следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google или Anthropic в AWS Bedrock;

    • не хранятся ни у каких поставщиков больших языковых моделей;
    • не используются для улучшения больших языковых моделей;
    • используются только для вашего обслуживания.
  • Все сторонние поставщики больших языковых моделей являются субобработчиками. Они перечислены в нашем списке субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
  • Эта функция учитывает права доступа в вашем экземпляре. Например, если у вас нет доступа к определенной странице Confluence, функция не будет использовать контент этой страницы в ответе, который вы получите. Если вы не хотите, чтобы ваш контент был доступен в ответах другим пользователям в вашем экземпляре, обратитесь к администратору организации, чтобы убедиться, что ваши права доступа настроены соответствующим образом.

Поиск задач в Jira

Как Atlassian Intelligence ищет задачи в Jira Copy link to heading Copied! Показать
  

Поиск задач в Jira с помощью Atlassian Intelligence работает на основе больших языковых моделей, разработанных компаниями OpenAI, Google и Anthropic, а также ряда больших языковых моделей с открытым исходным кодом (в том числе серий Llama, Phi и Mixtral) и других моделей машинного обучения. В их число входит серия моделей GPT от OpenAI, серия моделей Gemini от Google и серия моделей Claude от Anthropic.

Atlassian Intelligence использует эти модели для анализа естественного языка, а затем преобразует его в код Jira Query Language (JQL) в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI, Google и Anthropic. Дополнительные сведения о языковых моделях с открытым исходным кодом см. в справке по сериям Llama и Phi.

Примеры использования поиска задач в Jira Copy link to heading Copied! Показать
  

Теперь можно спрашивать Atlassian Intelligence о том, что вам нужно, обычным языком, а не придумывать сложные запросы. При поиске задач с помощью Atlassian Intelligence ваш запрос преобразуется в запрос JQL, который позволяет быстро найти конкретные задачи.

По нашему мнению, функция поиска задач с помощью Atlassian Intelligence показывает наилучшие результаты в следующих случаях.

  • Вы запрашиваете задачи Jira, используя доступные в проекте Jira поля задач.
  • Запрос содержит конкретные поля и значения, позволяющие сузить область поиска задач.
  • Искомые поля и значения есть в проекте Jira.
  • Запрос составлен на английском языке.
  • Запрос можно перевести на язык JQL. Поскольку инструмент Atlassian Intelligence преобразует обращенные к нему запросы в код JQL, эффективнее всего будет использовать входные данные с ключевыми словами, которые можно перевести на этот язык.
Факторы, которые необходимо учитывать при поиске задач с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Важно помнить, что из-за принципов работы моделей, используемых для поиска задач с помощью Atlassian Intelligence, иногда эти модели могут давать неточные, неполные или ненадежные результаты.

Например, полученные ответы могут неточно отражать контент, на котором они основаны, или включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным.

Мы обнаружили, что поиск задач с помощью Atlassian Intelligence может быть менее полезен в следующих ситуациях.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • Вы ищете элементы Jira, которые не являются задачами, например проекты, доски или пользователей.
  • Используется язык, отличный от английского.
  • С помощью поиска вы анализируете задачи для создания диаграмм, сводок или других представлений данных.
  • Для поиска нужны функции, которые сейчас недоступны в JQL (например, такой вопрос, как «Найти задачи с моими комментариями», невозможно преобразовать в функцию JQL).

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Кроме того, рекомендуется отправлять Atlassian Intelligence максимально конкретные запросы. Обязательно точно указывайте искомые поля и значения.

Ваши данные и поиск задач с помощью Atlassian Intelligence Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при поиске задач с помощью Atlassian Intelligence. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с запросом, например данные проекта, в котором вы сейчас участвуете.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для функции поиска задач с помощью Atlassian Intelligence предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google или Anthropic в AWS Bedrock;

    • не хранятся ни у каких поставщиков больших языковых моделей;
    • не используются для улучшения больших языковых моделей;
    • используются только для вашего обслуживания.
    • хранятся в нашей базе данных в течение 90 дней, и ваши запросы будут отображаться как часть истории поиска.

  • Все сторонние поставщики больших языковых моделей являются субобработчиками. Они перечислены в нашем списке субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
  • Ответы на поисковые запросы будут основаны на задачах и полях, к которым у вас есть доступ (например, если у вас нет доступа к определенному проекту Jira, задачи и поля этого проекта не появятся в результатах поиска).

Разделение рабочих задач на базе ИИ

Как Atlassian Intelligence используется в функции разделения задач на базе ИИ Copy link to heading Copied! Показать
  

Функция разделения задач на базе ИИ основана на больших языковых моделях, разработанных OpenAI.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI или ознакомьтесь с исследовательскими работами OpenAI, описывающими этот подход.

Сведения о разделении задач на базе ИИ Copy link to heading Copied! Показать
  

Функция разделения задач на базе ИИ помогает разбить крупные блоки работы на более мелкие, предлагая варианты дочерних задач для созданной вами задачи Jira. При формировании резюме и описаний для дочерних задач ваша задача выступает в качестве контекста.

По нашему мнению, функция разделения задач на базе ИИ показывает наилучшие результаты в следующих случаях.

  • Начальная задача сопровождается подробным резюме и описанием, в которых указаны все ограничения, инструкции и критерии готовности.
  • У начальной задачи нет дочерних задач.
Ограничения и рекомендации для функции разделения задач на базе ИИ Copy link to heading Copied! Показать
  

Важно помнить, что иногда модели, используемые при разделении задач на базе ИИ, могут выдавать неточный, неполный или ненадежный результат. Это связано с принципами их работы.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы обнаружили, что в следующих случаях разделение задач на базе ИИ может оказаться не таким эффективным.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • У начальной задачи нет подробного резюме и описания (например, если вы пытаетесь создать варианты дочерних задач для задачи с коротким и слишком общим описанием).

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Отправляйте Atlassian Intelligence максимально конкретные запросы.
  • Указывайте в резюме и описании начальной задачи как можно больше информации.
Ваши данные и разделение задач на базе ИИ Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при разделении задач на базе ИИ. Этот раздел дополняет сведения, доступные в Atlassian Trust Center.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с запросом, в том числе данные о задаче (например, резюме, описание и комментарии).
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

При разделении задач на базе ИИ предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • Недоступны другим клиентам
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI;
    • не хранятся OpenAI;
    • не используются для улучшения моделей OpenAI;
    • используются только для вашего обслуживания.
  • OpenAI является субобработчиком из нашего списка субобработчиков данных. OpenAI не использует ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
  • Эта функция учитывает права доступа в вашем экземпляре (то есть для создания вариантов дочерних задач у вас должен быть доступ к начальной задаче). Если вы хотите ограничить доступность контента в ответах, создаваемых для других пользователей, обратитесь к администратору организации, чтобы проверить настройку прав.
How suggested topics in knowledge base use Atlassian Intelligence Copy link to heading Copied! Показать
  

Suggested topics in knowledge base is powered by large language models developed by OpenAI and Anthropic, as well as a combination of open-source transformer-based language models and other machine learning models. These large language models include OpenAI’s GPT series of models and Anthropic’s Claude series of models.

Atlassian Intelligence uses these models to analyze and generate natural language within our products. The open-source encoder models convert your textual inputs into numerical forms (embeddings) which are used for identifying and forming topics from your inputs.

Эти большие языковые модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Read more about the capabilities of OpenAI’s models and Anthropic’s models. For more information on open-source language models, see information on Multi-QA-miniLM and E5-Multilingual.

Use cases for suggested topics in knowledge base Copy link to heading Copied! Показать
  

This feature helps admins and agents understand the gaps in their knowledge base by analyzing the service requests received in a project. This feature clearly highlights the topics for which help seekers are raising requests (based on data in the last 30 days) but there’s no existing knowledge. By suggesting topics, we want to give project admins and agents visibility into how many requests can be deflected or at least resolved with knowledge.

We believe that increasing the number of knowledge articles will influence the performance of other features in Jira Service Management such as Virtual Service Agent’s AI answers. When admins or agents create articles on the suggested topics, it can also help improve the resolution rate of requests resolved using AI answers.

We believe that suggested topics work best in scenarios where:

  • There are at least 40-100 requests raised in a span of 30 days.
  • The content in requests, such as summary, description, field values, etc., is primarily in English. The quality of suggested topics may vary for other languages.
Considerations when using suggested topics in knowledge base Copy link to heading Copied! Показать
  

It’s important to remember that because of the way that the models used to power suggested topics in knowledge base work, these models can sometimes behave in ways that are inaccurate, incomplete or unreliable.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

We’ve found that suggested topics in knowledge base is less useful in scenarios where:

  • You need topics for a project that receives less than 40 requests in a month.
  • Your project creates requests automatically from alerts as these might not require a knowledge base article.
  • You need topics for requests where summary, description, field values, etc., are in languages other than English.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Asking team members to review the suggested topics before creating articles.
  • Asking project admins to identify experts in their teams to create high quality knowledge base articles.
Your data and suggested topics in knowledge base Copy link to heading Copied! Показать
  

We understand you may have questions about how suggested topics uses your data. This section supplements the information available on our Trust Center.

Мы обрабатываем следующие данные.

  • Context from your instance relevant to the feature, such as data in a request like field values, summary, and description to identify topics.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

When it comes to your data, suggested topics in knowledge base applies the following measures.

Your suggested topics in knowledge base:

  • Недоступны другим клиентам
  • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google или Anthropic в AWS Bedrock;
  • не хранятся ни у каких поставщиков больших языковых моделей;
  • Are not used to improve any third-party LLMs.
  • используются только для вашего обслуживания.
  • OpenAI является субобработчиком из нашего списка субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
  • We only process requests that are accessible to everyone in a service project for your site. Any requests with issue-level permissions are not considered to suggest topics.
  • Мы обновляем список рекомендованных тем каждые 7 дней, чтобы обеспечить актуальность предложений.

Анализируйте данные мгновенно

Выберите функцию Atlassian Intelligence ниже, чтобы получить наглядное представление о примерах использования и о том, как обрабатываются данные.

Аналитика диаграмм

Как Atlassian Intelligence помогает анализировать диаграммы Copy link to heading Copied! Показать
  

Функция Chart Insights работает на основе больших языковых моделей, разработанных компаниями OpenAI, Google и Anthropic, а также ряда больших языковых моделей с открытым исходным кодом (в том числе серий Llama, Phi и Mixtral) и других моделей машинного обучения. В их число входит серия моделей GPT от OpenAI, серия моделей Gemini от Google и серия моделей Claude от Anthropic.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI, Google и Anthropic. Дополнительные сведения о языковых моделях с открытым исходным кодом см. в справке по сериям Llama и Phi.

Примеры использования функции аналитики диаграмм Copy link to heading Copied! Показать
  

Аналитика диаграмм на базе Atlassian Intelligence поможет быстрее разобраться в данных на любой диаграмме в Atlassian Analytics. На основе названий дашбоарда и диаграммы, а также данных диаграммы (включая заголовки столбцов и значения строк) создается краткое описание диаграммы и показанных на ней данных на естественном языке. Также эта функция будет выявлять тенденции и аномалии в данных и предоставлять вам определенные выводы по диаграмме.

По нашему мнению, аналитика диаграмм показывает наилучшие результаты в следующих случаях.

  • Диаграммы с большим количеством строк данных.
  • Диаграммы, на которых указано название дашбоарда.
  • Диаграммы с заголовками столбцов.
  • Все строки и столбцы диаграмм заполнены.

Эта функция лучше всего подходит для столбиковых диаграмм, линейных графиков и их сочетаний, так как они обычно отражают тенденции, содержат даты и множество строк данных.

Рекомендации по использованию аналитики диаграмм Copy link to heading Copied! Показать
  

Важно! Иногда эти модели могут выдавать неточный, неполный или ненадежный результат. Это связано с принципами работы моделей, используемых в качестве основы для описанных функций аналитики диаграмм.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы обнаружили, что в следующих случаях функция аналитики диаграмм может показать себя не так эффективно.

  • Диаграммы, состоящие из одной или нескольких строк данных.
  • Диаграммы, отражающие только один тип значений.
  • Диаграммы без названий, меток осей и заголовков столбцов.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Лучше перепроверить точность полученной аналитики вместе с другими пользователями, у которых может быть больше контекста по конкретным данным на диаграмме.
  • Следует помнить, что ответ Atlassian Intelligence опирается на данные только одной диаграммы, а не всего дашбоарда.
Ваши данные и аналитика диаграмм Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при работе функции аналитики диаграмм. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с вашим запросом, например данные на диаграмме.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для функции аналитики диаграмм предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google или Anthropic в AWS Bedrock;

    • не хранятся ни у каких поставщиков больших языковых моделей;
    • не используются для улучшения больших языковых моделей;
    • используются только для вашего обслуживания.
  • Все сторонние поставщики больших языковых моделей являются субобработчиками. Они перечислены в нашем списке субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
  • При работе этой функции используется только информация дашбоарда, к которому у вас есть доступ и для которого запрошена аналитика.

Рекомендации по типам запросов в Jira Service Management

Как Atlassian Intelligence предлагает типы запросов в Jira Service Management Copy link to heading Copied! Показать
  

Atlassian Intelligence генерирует предложения по типам запросов на основе больших языковых моделей, разработанных компаниями OpenAI, Google и Anthropic, а также ряда больших языковых моделей с открытым исходным кодом (в том числе серий Llama, Phi и Mixtral) и других моделей машинного обучения. В их число входит серия моделей GPT от OpenAI, серия моделей Gemini от Google и серия моделей Claude от Anthropic.

В Atlassian Intelligence эти модели используются для анализа входных данных на естественном языке и генерации на их основе рекомендаций по названиям и описаниям типов запросов в Jira Service Management.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI, Google и Anthropic. Дополнительные сведения о языковых моделях с открытым исходным кодом см. в справке по сериям Llama и Phi.

Примеры использования рекомендаций по типам запросов в Jira Service Management Copy link to heading Copied! Показать
  

Тратьте меньше времени на выяснение того, какие типы запросов нужно создать для проекта, пользуясь вариантами, предложенными Atlassian Intelligence. Просто опишите свою работу и то, чем обычно занимается команда, чтобы узнать, какие типы запросов могут быть актуальны. Выберите одно из предложений, сгенерированных Atlassian Intelligence, и создайте на его основе тип запроса. Подробнее о том, как получать предложения по типам запросов с помощью Atlassian Intelligence.

По нашему мнению, функция выдачи предложений по типам запросов с помощью Atlassian Intelligence показывает наилучшие результаты в следующих случаях.

  • У вас очень специфические примеры использования, для которых не подходят существующие шаблоны типов запросов.
  • У вас очень общие требования, и вы ищете идеи.
  • Вы используете широко распространенный язык (например, английский или испанский).
Соображения по поводу использования Atlassian Intelligence для выдачи рекомендаций по типам запросов Copy link to heading Copied! Показать
  

Важно помнить, что из-за принципов работы моделей, используемых в Atlassian Intelligence для предложения типов запросов, иногда эти модели могут давать неточные, неполные или ненадежные результаты.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы обнаружили, что использование Atlassian Intelligence для предложения типов запросов может быть менее полезно в следующих ситуациях.

  • Вам нужна актуальная и точная информация о людях, местах и фактах.
  • Для надлежащего ответа на запрос этой функции требуется информация, к которой у вас нет прямого доступа (например, определенная информация в экземпляре).
  • Запросы сформулированы расплывчато или не связаны с управлением услугами.
  • Вы используете малораспространенный язык.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

  • Отправляйте Atlassian Intelligence максимально конкретные запросы.
Ваши данные и использование Atlassian Intelligence для выдачи предложений по типам запросов Copy link to heading Copied! Показать
  

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при получении предложений по типам запросов от Atlassian Intelligence. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

  • Ваши запросы (ввод) и ответы (вывод).
  • Контекст из вашего экземпляра, связанный с запросом.
  • Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
  • Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для функции выдачи предложений по типам запросов с помощью Atlassian Intelligence предусмотрены следующие меры в отношении ваших данных.

  • Ваши запросы (ввод) и ответы (вывод):
    • недоступны другим клиентам;
    • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google или Anthropic в AWS Bedrock;

    • не хранятся ни у каких поставщиков больших языковых моделей;
    • не используются для улучшения больших языковых моделей;
    • используются только для вашего обслуживания.
  • Все сторонние поставщики больших языковых моделей являются субобработчиками. Они перечислены в нашем списке субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
  • Для работы этой функции используется только информация из ваших запросов, поэтому все права доступа Jira соблюдаются.

Ссылки

Получайте обновления статуса продуктов Atlassian в режиме реального времени на специальной странице статусов.

Узнать больше об Atlassian Intelligence

Узнайте, как Atlassian управляет данными клиентов.

Подробнее об Atlassian Rovo