투명성을 위해 설계된 Atlassian Intelligence

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

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

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

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

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

Atlassian Intelligence의 답변은 다음과 같은 시나리오에서 가장 잘 작동한다고 생각합니다.

• 가상 에이전트가 Atlassian Intelligence의 답변을 사용하여 고객 질문에 대한 답변을 제공할 수 있는 완전하고 연결된 최신 기술 자료가 있는 경우.
• Atlassian Intelligence 답변은 다음과 같은 고객 질문에 답변하는 데 사용됩니다.
  • 정보 또는 안내를 제공하여 해결할 수 있음.
  • 기존 기술 자료 문서에서 다루거나 추가할 수 있음.
  • 일반적으로 에이전트에게 에스컬레이션할 필요가 없음.

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

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

Atlassian Intelligence의 답변은 다음과 같은 시나리오에서는 덜 유용하다는 것을 발견했습니다.

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

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

다음에 대해서도 생각해 보는 것이 좋습니다.

• 연결된 기술 자료(및 그 안에 포함된 기존 문서)를 미리 검토하고 업데이트하여 기술 자료를 완전하고 최신 상태로 유지하세요.
• Atlassian Intelligence의 답변이 유용한 올바른 정보에 액세스할 수 있도록 연결된 기술 자료 공간에 적용되는 권한 및 제한 사항을 미리 검토하세요.

Jira Service Management의 Atlassian Intelligence 답변이 데이터를 어떻게 사용하는지에 대해 궁금하실 수 있습니다. 이 섹션은 Atlassian의 Trust Center에서 제공되는 정보를 보완합니다.

Atlassian에서는 다음을 처리합니다.

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

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

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

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

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

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

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

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

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

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

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

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

Atlassian Intelligence를 사용한 자동화는 Jira 및 Confluence에서 사용 가능한 자동화 구성 요소의 기존 집합에서만 작동합니다.

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

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

Atlassian에서는 다음을 처리합니다.

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

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

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

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

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

Chart insights is powered by large language models developed by OpenAI. These models include the OpenAI models described here.

Atlassian Intelligence uses these models to analyze and generate natural language within our products.

These models generate responses based on your inputs and are probabilistic in nature. This means that their responses are generated by predicting the most probable next word or text based on the data that they have been trained on.

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

Chart insights uses Atlassian Intelligence to help speed up your understanding of data in any chart in Atlassian Analytics. It does so by using the dashboard title, chart title, and chart data (including column headers and row values) to generate a natural language summary of that chart and its data. It will also aim to identify any trends or anomalies to provide you with certain insights into that chart.

We believe that Chart insights work best in scenarios where:

• Charts have many rows of data.
• Charts have a dashboard title.
• Charts have column headers.
• Charts have values in all of the rows and columns.

Bar charts, line charts, and bar-line charts work best with this feature since they typically have trends, dates, and many rows of data.

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

For example, the responses that you receive might not accurately reflect the content that they are based on, or include content that sounds reasonable but is false or incomplete.

We’ve found that Chart insights is less useful in scenarios where:

• You have charts with one or just a few rows of data.
• You have charts that are of the single value type.
• You have charts missing titles, axis-labels, and column headers.

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

You might also want to think about:

• Double checking the accuracy of the insights with other users who may have more context on the specific data displayed in the chart.
• Taking into account that Atlassian Intelligence is only using the context of a single chart and not the entire dashboard when providing a response.

We understand you may have questions about how Chart insights uses your data. This section supplements the information available on this page

We process:

• Your prompts (inputs) and responses (outputs).
• Context from your instance relevant to your prompt, such as the data in your chart.
• Data about how you interact with our features, such as clickstream data and the people you work with.
• Feedback you choose to provide about this feature, including any prompts or responses you choose to share as part of your feedback.

When it comes to your data, Chart insights applies the following measures.

• Your prompts (inputs) and responses (outputs):
  • Are not available to other customers.
  • Are not sent to any third party LLM provider other than OpenAI.
  • Are not stored by OpenAI
  • Are not used to improve OpenAI models.
  • Are used only to serve your experience.
• OpenAI is a subprocessor on our List of Subprocessors. They do not use your inputs and outputs for any purpose besides processing your request.
• This feature only uses information from the dashboard you have access to and have requested insights for.

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

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

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

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

Save time and get the details you need to do your work faster by generating a quick summary of a Confluence page or blog with Atlassian Intelligence. Find out more about using Atlassian Intelligence in Confluence.

We believe that summarizing pages and blogs using Atlassian Intelligence works best in scenarios when:

• There is a text-heavy page that takes a 5 minutes or more to read.
• There is a lot of written content, with limited visuals and/or other formatting like expands on a page.

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

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

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

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

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

다음에 대해서도 생각해 보는 것이 좋습니다.

• Atlassian Intelligence에 텍스트 기반 콘텐츠가 많은 페이지를 요약해 달라고 요청하세요.

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

Atlassian에서는 다음을 처리합니다.

• 프롬프트(입력) 및 응답(출력).

• 요약하려는 Confluence 페이지의 콘텐츠와 같이 프롬프트와 관련된 인스턴스의 컨텍스트.

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

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

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

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

Confluence에서 Atlassian Intelligence를 사용하여 용어를 정의하는 것은 OpenAI에서 개발한 대규모 언어 모델을 기반으로 합니다. 이 모델에는 여기에 설명된 OpenAI 모델이 포함됩니다.

Atlassian Intelligence는 이 모델을 사용하여 Confluence에서 자연어 답변을 분석하고 생성합니다.

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

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

Atlassian Intelligence를 사용하여 용어를 정의하면 Confluence 페이지의 회사 관련 용어, 약어, 프로젝트 이름 또는 상태에 대한 정의가 제공됩니다. 그러면 사용자에게 필요할 때 필요한 정보를 제공하는 동시에 팀이 더 효과적으로 협업하는 데 도움이 됩니다.

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

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

• 회사의 Confluence 인스턴스에 특정 용어가 무엇인지 언급하거나 묘사하거나 설명하는 페이지가 여러 개 있어서 Atlassian Intelligence가 참조할 수 있는 경우.

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

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

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

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

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

Atlassian에서는 다음을 처리합니다.

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

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

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

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

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

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

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

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

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

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

• 코드 작성자가 Atlassian Intelligence의 도움을 받아 풀리퀘스트 설명을 작성하거나 개선하고 싶은 경우. Atlassian Intelligence에서 생성한 콘텐츠가 풀리퀘스트를 설명하기에 적절한지 검토 및 확인할 수 있는 팀에 적합합니다.
• 코드 검토자가 Atlassian Intelligence의 도움을 받아 이미 초안을 작성한 풀리퀘스트 댓글의 어조 또는 내용을 개선하고 싶은 경우.

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

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

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

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

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

다음에 대해서도 생각해 보는 것이 좋습니다.

• Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명.
• 정확성과 명확성을 위해 AI 작성 어시스턴트가 생성한 산출물을 교정, 검토 및 편집하세요.
• 다른 팀원과 협업하여 피드백을 수집하고 산출물의 품질을 개선하세요.

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

Atlassian에서는 다음을 처리합니다.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

다음에 대해서도 생각해 보는 것이 좋습니다.

• Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명.
• 사용 중인 Atlassian Data Lake 데이터 소스가 질문에 답하는 데 필요한 데이터를 다루는지 확인하세요.

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

Atlassian에서는 다음을 처리합니다.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

다음에 대해서도 생각해 보는 것이 좋습니다.

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

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

Atlassian에서는 다음을 처리합니다.

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

데이터의 경우 편집 경험에서 Atlassian Intelligence에는 다음 조치가 적용됩니다.

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

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

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

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

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

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

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

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

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

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

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

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

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

다음에 대해서도 생각해 보는 것이 좋습니다.

• Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명.
• Confluence 인스턴스에 문서화되어 있고 액세스 가능한 것으로 알고 있는 항목에 대해 질문.

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

Atlassian에서는 다음을 처리합니다.

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

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

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

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

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

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

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

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

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

• Jira 프로젝트에서 사용 가능한 이슈 필드를 사용하여 Jira 이슈를 쿼리하는 경우.
• 쿼리에 이슈 검색의 범위를 좁히는 데 도움이 되는 특정 필드 및 값이 있는 경우.
• 찾고 있는 필드 및 값이 Jira 프로젝트에 있는 경우.
• 쿼리가 영어로 된 경우.
• 쿼리를 JQL로 변환할 수 있는 경우. Atlassian Intelligence가 프롬프트를 JQL 코드로 변환하므로 입력에 JQL로 변환할 수 있는 키워드가 포함되면 더 나은 결과를 제공할 수 있습니다.

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

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

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

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

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

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

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

Atlassian에서는 다음을 처리합니다.

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

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

• 프롬프트(입력) 및 응답(출력):
  • 다른 고객이 사용할 수 없습니다.
  • OpenAI 외의 다른 어떤 타사 LLM 공급자에 보내지 않습니다.
  • OpenAI에서 저장하지 않습니다.
  • OpenAI 모델을 개선하는 데 사용되지 않습니다.
  • 사용자 경험을 제공하기 위한 목적으로만 사용됩니다.
• OpenAI는 Atlassian의 하위 프로세서 목록에 있는 하위 프로세서입니다. 사용자의 요청을 처리하는 것 외에는 어떤 목적으로도 입력 및 출력을 사용하지 않습니다.
• 검색 응답은 액세스할 수 있는 이슈 및 필드를 기반으로 결정됩니다(예: 특정 Jira 프로젝트에 액세스할 수 없는 경우 해당 프로젝트의 이슈 및 필드에 대한 검색 결과를 받지 못함).

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

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

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

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

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

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

• 기존 요청 유형 템플릿이 지원하지 않는 매우 구체적인 사용 사례가 있는 경우.
• 요구 사항이 아주 일반적이며 아이디어를 찾고 있는 경우.
• 널리 사용되는 언어(예: 영어 또는 스페인어)를 사용하는 경우.

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

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

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

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

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

다음에 대해서도 생각해 보는 것이 좋습니다.

• Atlassian Intelligence에 요청하는 작업을 최대한 구체적으로 설명.

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

Atlassian에서는 다음을 처리합니다.

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

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

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

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

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

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

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

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

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

• 설명 및 댓글이 영어로 작성된 이슈.
• 댓글이 많거나 댓글 및 설명이 긴 이슈.

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

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

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

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

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

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

Atlassian에서는 다음을 처리합니다.

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

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

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