Atlassian Intelligence conçu pour la transparence
Notre engagement « non au baratin » en faveur d'une communication ouverte, de la responsabilité et d'aider les équipes à utiliser AI de manière responsable.
Atlassian Intelligence est conçu pour accélérer la collaboration et permettre aux équipes d'accélérer leur travail. Tout comme apprendre à travailler au mieux avec votre équipe, comprendre le fonctionnement d'Atlassian Intelligence aidera les équipes à l'utiliser plus efficacement. Sur cette page, nous expliquerons comment fonctionnent nos produits et fonctionnalités optimisés par l'IA, y compris ce qu'ils peuvent et ne peuvent pas faire, et comment ils contribuent à la façon dont vous utilisez nos produits. Nous pensons que le fait de vous communiquer les informations indiquées sur cette page vous aidera à tirer le meilleur parti de nos produits… et de votre travail d'équipe. Pour en savoir plus sur notre engagement en faveur d'une technologie responsable, consultez nos principes en matière de technologies responsables.
Regroupement des alertes
Le regroupement des alertes par Atlassian Intelligence repose sur de grands modèles linguistiques développés par OpenAI et d'autres modèles d'apprentissage machine. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles d'apprentissage machine pour analyser et générer des groupes d'alertes et proposer des suggestions connexes (anciens groupes d'alertes et anciens intervenants en cas d'alertes) au sein de nos produits en fonction de la similitude du contenu des alertes ou des tags utilisés. Atlassian Intelligence utilise ensuite de grands modèles linguistiques pour analyser et générer des descriptions et du contenu en langage naturel pour ces groupes dans nos produits. Ces grands modèles linguistiques génèrent des réponses en fonction de vos saisies et sont probabilistes. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Le regroupement des alertes utilise Atlassian Intelligence pour identifier et regrouper les alertes similaires. Il vous aide également en identifiant et en recommandant d'anciens groupes d'alertes similaires et d'anciens intervenants (ou équipes d'intervenants) en cas d'alertes, en fonction de la similitude sémantique du contenu des alertes ou des tags utilisés. Lorsque vous souhaitez transformer le groupe d'alertes en incident, le regroupement des alertes prérenseigne également toutes les informations contextuelles que vous pourrez consulter dans le cadre du processus de création de l'incident. Nous pensons que le regroupement des alertes fonctionne mieux dans les scénarios suivants :
|
Il est important de se rappeler qu'en raison du fonctionnement des modèles utilisés pour alimenter le regroupement des alertes, ces modèles peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Dans le cas des groupes d'alertes que vous voyez, ils ne reflètent peut-être pas exactement la similitude sémantique de leurs tags. Nous avons découvert que le regroupement des alertes est moins utile dans les scénarios suivants :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Envisagez également de vous assurer que vous et votre équipe suiviez des pratiques cohérentes en matière d'utilisation des tags d'alerte. |
Vous avez probablement des questions sur la façon dont le regroupement des alertes utilise vos données. Cette section complète les informations disponibles sur notre page de FAQ. Ce que nous traitons :
Nous traitons les données de vos alertes pour créer une version du modèle d'apprentissage machine afin de reconnaître des modèles spécifiques à vos alertes. Cette version n'est utilisée que dans le cadre de votre expérience :
En ce qui concerne vos données, le regroupement des alertes applique les mesures suivantes.
|
Réponses d'Atlassian Intelligence dans Jira Service Management
Les réponses d'Atlassian Intelligence reposent sur de grands modèles linguistiques développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser et générer du langage naturel dans ses produits. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
La fonction de réponses d'Atlassian Intelligence se connecte à l'agent de service virtuel de Jira Service Management. Elle utilise l'intelligence artificielle générative pour réaliser des recherches dans vos espaces de base de connaissances liés et répondre aux questions de vos clients. Nous pensons que les réponses d'Atlassian Intelligence fonctionnent mieux dans les scénarios où :
|
Il est important de se rappeler qu'en raison du fonctionnement des modèles utilisés pour alimenter les réponses d'Atlassian Intelligence, ils peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que les réponses d'Atlassian Intelligence sont moins utiles dans les scénarios où :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Considérez également les points suivants :
|
Vous avez probablement des questions sur la façon dont les réponses d'Atlassian Intelligence utilisent vos données dans Jira Service Management. Cette section complète les informations disponibles sur notre page de FAQ. Ce que nous traitons :
|
Automatisation avec Atlassian Intelligence
L'automatisation avec Atlassian Intelligence se base sur les modèles GPT développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles afin d'analyser les saisies en langage naturel et générer pour vous une règle d'automatisation dans Jira et Confluence. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
La création de règles d'automatisation est au cœur de l'expérience d'automatisation quotidienne, et nous voulons vous faciliter la tâche en ajoutant Atlassian Intelligence au générateur de règles d'automatisation de Jira et Confluence. Vous pouvez désormais facilement créer des règles d'automatisation en saisissant et en décrivant ce que vous souhaitez automatiser, puis en laissant Atlassian Intelligence prendre en charge l'essentiel des tâches de création des règles. En savoir plus sur l'automatisation à l'aide d'Atlassian Intelligence pour Jira et fou Confluence. Nous estimons que l'automatisation avec Atlassian Intelligence pour Jira et Confluence est particulièrement adaptée à des situations dans lesquelles vous ne savez pas par où commencer, ou bien lorsque vous souhaitez accélérer le processus de création de règles. Vous ne savez pas comment créer une règle d'automatisation de manière optimale ?Les règles d'automatisation sont créées en combinant différents types de composants : déclencheurs, actions, conditions et branches. Vous pouvez vous représenter les composants comme différents éléments constitutifs d'une règle. Pour créer une règle avec succès via Atlassian Intelligence, votre règle doit au minimum contenir un déclencheur et une action. Par exemple : Dans Jira : Chaque lundi, identifiez toutes les tâches dont la date d'échéance est inférieure ou égale à 7 jours, puis envoyez un e-mail de rappel aux personnes responsables. Quand un ticket passe à l'état En cours de test, l'assigner à John Smith. Dans Confluence :
Par ailleurs, pour qu'une règle soit créée avec succès, tous ses composants doivent être pris en charge par l'automatisation avec Atlassian Intelligence. Cela signifie que tous les déclencheurs, toutes les actions, conditions ou branches de votre règle doivent être compatibles avec l'automatisation dans Jira et/ou Confluence. |
Il est important de se rappeler qu'en raison du fonctionnement propre aux modèles utilisés pour alimenter l'automatisation avec Atlassian Intelligence, ces modèles peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que l'automatisation avec Atlassian Intelligence était moins utile dans les scénarios où :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. L'automatisation avec Atlassian Intelligence ne fonctionnera qu'avec les composants d'automatisation disponibles dans Jira et Confluence. Il vous sera également utile d'être aussi précis que possible dans les demandes adressées à Atlassian Intelligence, tel que décrit ci-dessus. |
Vous avez probablement des questions sur la façon dont l'automatisation avec Atlassian Intelligence utilise vos données. Cette section complète les informations disponibles dans notre Trust Center. Ce que nous traitons :
En ce qui concerne vos données, Atlassian Intelligence pour l'automatisation Confluence applique les mesures suivantes :
OpenAI est un sous-traitant figurant sur notre liste de sous-traitants. Il n'utilise pas vos entrées et sorties à d'autres fins que le traitement de votre demande. Cette fonctionnalité respecte les autorisations de votre instance. Par exemple, si vous n'avez pas accès à un projet ou à une page spécifique, la réponse que vous recevrez ne vous suggèrera pas de contenu de ces actifs. Si vous ne voulez pas que votre contenu soit disponible en réponse aux autres utilisateurs de votre instance, demandez à l'administrateur de votre organisation de vérifier que vos autorisations sont correctement définies. |
Chart Insights
Chart Insights repose sur de grands modèles linguistiques développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser et générer du langage naturel dans ses produits. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Chart Insights utilise Atlassian Intelligence pour vous aider à mieux comprendre les données des graphiques dans Atlassian Analytics. Pour ce faire, il utilise le titre du tableau de bord, le titre du graphique et les données du graphique (y compris les en-têtes de colonne et les valeurs des lignes) pour générer un résumé en langage naturel de ce graphique et de ses données. Il visera également à identifier les tendances ou les anomalies afin de vous donner un aperçu de ce graphique. Nous pensons que Chart Insights fonctionne mieux dans les scénarios où :
Les graphiques à barres, les diagrammes linéaires et les graphiques mêlant ces deux modalités fonctionnent mieux avec cette fonctionnalité, car ils contiennent généralement des tendances, des dates et de nombreuses lignes de données. |
Il est important de se rappeler qu'en raison du fonctionnement des modèles utilisés pour alimenter le travail de Chart Insights, ces modèles peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que Chart Insights est moins utile dans les scénarios où :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Considérez également les points suivants :
|
Vous avez probablement des questions sur la façon dont Chart Insights utilise vos données. Cette section complète les informations disponibles sur cette page. Ce que nous traitons :
En ce qui concerne vos données, Chart Insights applique les mesures suivantes.
|
Résumé rapide de Confluence
Résumez les pages et les blogs à l'aide d'Atlassian Intelligence grâce à de grands modèles de langage développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser et générer du langage naturel dans ses produits. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Gagnez du temps et obtenez les informations dont vous avez besoin pour travailler plus rapidement en générant un résumé rapide d'une page ou d'un blog Confluence avec Atlassian Intelligence. En savoir plus sur l'utilisation d'Atlassian Intelligence dans Confluence. Nous pensons que le fait de résumer les pages et les blogs à l'aide d'Atlassian Intelligence est la meilleure solution dans les scénarios suivants :
|
Il est important de se rappeler qu'en raison du fonctionnement des modèles utilisés pour résumer les pages et les blogs à l'aide d'Atlassian Intelligence, ces modèles peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Bien que nous améliorions la prise en charge des macros, des tableaux et des extensions dans le cadre des résumés, nous estimons que le résumé de pages et de blogs via Atlassian Intelligence présente une utilité moindre dans les scénarios suivants :
Nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Considérez également les points suivants :
|
Vous avez probablement des questions sur la façon dont Atlassian Intelligence pour l'automatisation Confluence utilise vos données. Cette section complète les informations disponibles dans notre Trust Center. Ce que nous traitons :
En ce qui concerne vos données, la fonction de résumé de pages et de blogs dans Confluence à l'aide d'Atlassian Intelligence applique les mesures suivantes :
|
Définir des termes avec Atlassian Intelligence
La définition de termes avec Atlassian Intelligence dans Confluence et Jira repose sur de grands modèles linguistiques développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser et générer des réponses en langage naturel dans Confluence. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. |
L'un des plus grands défis liés à la consommation de contenu dans Confluence et Jira implique de trouver le contexte dont vous avez besoin pour comprendre ce que vous lisez. Les abréviations, les acronymes, les termes inconnus et les noms spécifiques à une équipe ou à un projet peuvent donner lieu à une longue recherche pour trouver les informations nécessaires. La définition des termes à l'aide d'Atlassian Intelligence permettra de définir les termes spécifiques à l'entreprise (tels que les acronymes et les noms de projets, de systèmes ou d'équipes) sur une page de Confluence ou dans la description d'un ticket dans Jira. Cela fournit aux utilisateurs les informations dont ils ont besoin, quand ils en ont besoin, tout en aidant les équipes à mieux travailler ensemble. Atlassian Intelligence peut vous faire gagner du temps en définissant ces éléments pour vous, directement depuis le contenu que vous lisez. Si une définition vous semble inexacte, vous pouvez la modifier ou en ajouter une nouvelle, puis définir la visibilité pour cette page ou ce ticket, l'ensemble de l'espace ou du projet, ou l'accès à l'ensemble de votre organisation. Nous pensons que la définition de termes à l'aide d'Atlassian Intelligence dans Confluence fonctionne mieux dans les scénarios où :
|
Il est important de se rappeler qu'en raison du fonctionnement des modèles utilisés pour définir des termes avec Atlassian Intelligence dans Confluence, ils peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que la définition de termes à l'aide d'Atlassian Intelligence dans Confluence était moins utile dans les scénarios où :
De plus, nous avons également découvert que, du fait que la définition de termes à l'aide d'Atlassian Intelligence repose sur la recherche dans Confluence, la fonctionnalité ne fonctionnera dans Jira que si vous disposez de l'autorisation de consulter une instance Confluence sur le même site que la vôtre. Il est également possible que la définition de termes à l'aide d'Atlassian Intelligence ne fonctionne pas comme prévu dans les instances Confluence ou Jira qui hébergent des documents écrits en plusieurs langues. |
Vous avez probablement des questions sur la façon dont la définition de termes avec Atlassian Intelligence utilise vos données. Cette section complète les informations disponibles dans notre Trust Center. Ce que nous traitons :
En ce qui concerne vos données, la définition de termes à l'aide d'Atlassian Intelligence applique les mesures suivantes :
|
Générez des descriptions de pull requests avec Atlassian Intelligence
La génération de descriptions de pull requests avec Atlassian Intelligence repose sur de grands modèles linguistiques (LLM) développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser et générer du langage naturel et du code dans nos produits. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Atlassian Intelligence peut vous aider à générer, transformer et résumer du contenu pendant que vous rédigez des descriptions de pull requests ou des commentaires dans le cadre de l'expérience de revue de code Bitbucket Cloud. Ceci inclut :
Nous pensons que la génération de descriptions de pull requests Bitbucket Cloud avec Atlassian Intelligence fonctionne mieux dans les scénarios suivants :
|
Il est important de se rappeler qu'en raison du fonctionnement des modèles utilisés pour alimenter ce travail sur les fonctionnalité, ils peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que la génération de descriptions de pull requests Bitbucket Cloud à l'aide d'Atlassian Intelligence était moins utile dans les scénarios suivants :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Considérez également les points suivants :
|
Nous comprenons que vous avez peut-être des questions sur la façon dont la définition de termes avec Atlassian Intelligence dans Confluence utilise vos données. Cette section complète les informations disponibles dans notre Trust Center. Ce que nous traitons :
En ce qui concerne vos données, la génération de descriptions de pull requests à l'aide d'Atlassian Intelligence applique les mesures suivantes :
|
Générer des requêtes SQL dans Atlassian Analytics
La génération de requêtes SQL avec Atlassian Intelligence dans Atlassian Analytics repose sur de grands modèles linguistiques développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser et comprendre le langage naturel, puis le traduit en langage de requête structuré (SQL) dans Atlassian Analytics. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Posez une question à Atlassian Intelligence en langage naturel et faites-la traduire en requête SQL, plutôt que d'écrire entièrement vos propres requêtes SQL. Lorsque vous lui avez posé une question, Atlassian Intelligence utilise le schéma Atlassian Data Lake de la source de données sélectionnée pour générer une requête SQL qui peut être utilisée pour créer des graphiques dans vos tableaux de bord Atlassian Analytics et qui peut également vous aider à en savoir plus sur le schéma dans le Data Lake (lac de données). Nous pensons que la génération de requêtes SQL à l'aide d'Atlassian Intelligence fonctionne mieux dans les scénarios où :
Je ne sais pas quelles questions poser ?Voici quelques suggestions :
|
Il est important de se rappeler qu'en raison du fonctionnement propre aux modèles utilisés pour générer des requêtes SQL à l'aide d'Atlassian Intelligence, ces modèles peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que la génération de requêtes SQL à l'aide d'Atlassian Intelligence était moins utile dans les scénarios où :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Considérez également les points suivants :
|
Nous comprenons que vous avez peut-être des questions sur la façon dont la génération de requêtes SQL avec Atlassian Intelligence utilise vos données. Cette section complète les informations disponibles dans notre Trust Center. Ce que nous traitons :
En ce qui concerne vos données, la génération de requêtes SQL à l'aide d'Atlassian Intelligence applique les mesures suivantes :
|
IA générative dans l'éditeur
Les expériences d'édition avec Atlassian Intelligence reposent sur de grands modèles linguistiques développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser et générer du langage naturel dans ses produits. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Atlassian Intelligence contribue à une communication efficace entre toutes les équipes d'une organisation afin d'améliorer l'efficacité, la prise de décisions et les processus. Nous pensons que l'utilisation d'Atlassian Intelligence dans des expériences d'édition fonctionne mieux dans les scénarios suivants :
|
Il est important de se rappeler qu'en raison du fonctionnement des modèles utilisés pour alimenter Atlassian Intelligence dans les expériences d'édition, ils peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que l'utilisation d'Atlassian Intelligence dans des expériences d'édition était moins utile dans les scénarios où :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Considérez également les points suivants :
|
Vous avez probablement des questions sur la façon dont Atlassian Intelligence utilise vos données dans les expériences d'édition. Cette section complète les informations disponibles dans notre Trust Center. Ce que nous traitons :
En ce qui concerne vos données, les réponses d'Atlassian Intelligence dans les expériences d'édition appliquent les mesures suivantes :
|
Rechercher des réponses dans Confluence
Recherchez des réponses dans Confluence à l'aide d'Atlassian Intelligence grâce à de grands modèles de langage développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser et générer du langage naturel dans ses produits. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Les bases de connaissances se développent trop vite pour que les utilisateurs puissent suivre le rythme. La recherche de réponses dans Confluence à l'aide d'Atlassian Intelligence permet d'accéder plus rapidement aux informations clés dont les clients ont besoin afin de faire avancer leur travail. Cette fonctionnalité vous permet de trouver facilement les informations dont vous avez besoin. Elle comprend les types de questions que vous poseriez à un collègue et y répond instantanément. Plus d'informations sur l'utilisation d'Atlassian Intelligence pour rechercher des réponses dans Confluence. Nous estimons que la recherche de réponses dans Confluence à l'aide d'Atlassian Intelligence fonctionne au mieux lorsque votre site Confluence propose du contenu détaillé, complet et actualisé. Cette fonctionnalité ne génère pas de nouveau contenu, mais permet de parcourir les pages et les blogs de Confluence, dans le respect des restrictions, afin de trouver la réponse à votre question. Atlassian Intelligence génère des réponses basées uniquement sur le contenu de votre Confluence, et sur ce à quoi vous avez spécifiquement accès. Je ne sais pas quelles questions poser ?Voici quelques suggestions :
|
Nous comprenons que vous avez peut-être des questions sur la façon dont la recherche de réponses dans Confluence avec Atlassian Intelligence utilise vos données. Cette section complète les informations disponibles dans notre Trust Center. Ce que nous traitons :
En ce qui concerne vos données, la recherche de réponses dans Confluence à l'aide d'Atlassian Intelligence applique les mesures suivantes :
|
Rechercher des tickets dans Jira
Recherchez des tickets dans Jira à l'aide d'Atlassian Intelligence grâce à de grands modèles de langage développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici, affinés par Atlassian à l'aide de données synthétiques générées. Atlassian Intelligence utilise ces modèles pour analyser et comprendre le langage naturel, puis le traduit en code Jira Query Language (JQL) à l'intérieur de nos produits. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. En savoir plus sur les capacités des modèles OpenAI, ainsi que sur la personnalisation d'OpenAI. Vous pouvez également obtenir davantage d'informations sur cette approche dans les articles de recherche d'OpenAI. |
Vous pouvez désormais demander à Atlassian Intelligence ce que vous désirez en langage courant au lieu d'envoyer des requêtes complexes. En recherchant des tickets avec Atlassian Intelligence, votre message sera traduit en une requête JQL qui vous permettra de rechercher rapidement des problèmes spécifiques. Nous pensons que la recherche de tickets à l'aide d'Atlassian Intelligence fonctionne mieux dans les scénarios où :
|
Il est important de rappeler qu'en raison du fonctionnement propre aux modèles utilisés pour rechercher des tickets à l'aide d'Atlassian Intelligence, ces modèles peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que la recherche de tickets à l'aide d'Atlassian Intelligence était moins utile dans les scénarios où :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Il vous sera également utile d'être aussi précis que possible dans les demandes adressées à Atlassian Intelligence. Veillez à inclure les champs et les valeurs exacts que vous recherchez. |
Vous avez probablement des questions sur la façon dont la recherche de tickets avec Atlassian Intelligence utilise vos données. Cette section complète les informations disponibles dans notre Trust Center. Ce que nous traitons :
En ce qui concerne vos données, la recherche de tickets à l'aide d'Atlassian Intelligence applique les mesures suivantes :
|
Suggérer des types de demandes dans Jira Service Management
Suggérez des types de demande à l'aide d'Atlassian Intelligence grâce à de grands modèles de langage développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles afin d'analyser les saisies en langage naturel et générer pour vous des recommandations concernant les noms et les descriptions des types de demande dans Jira Service Management. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Passez moins de temps à réfléchir aux types de demande qu'il vous faut créer dans votre projet en bénéficiant de suggestions proposées par Atlassian Intelligence. Décrivez simplement vos activités ainsi que ce que gère votre équipe habituellement, afin de voir les types de demande que vous pourriez créer. Sélectionnez l'une des suggestions générées par Atlassian Intelligence afin de créer un type de demande. En savoir plus sur l'utilisation d'Atlassian Intelligence pour suggérer des types de demande. Nous pensons que l'utilisation d'Atlassian Intelligence pour suggérer des types de demande fonctionne au mieux dans les scénarios où :
|
Il est important de rappeler qu'en raison du fonctionnement propre aux modèles utilisés pour suggérer des types de demande à l'aide d'Atlassian Intelligence, ces modèles peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que l'utilisation d'Atlassian Intelligence pour suggérer des types de demande est moins utile dans les scénarios où :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Considérez également les points suivants :
|
Vous avez probablement des questions sur la façon dont Atlassian Intelligence utilise vos données pour suggérer des types de demande. Cette section complète les informations disponibles dans notre Trust Center. Ce que nous traitons :
En ce qui concerne vos données, la fonction de suggestion de types de demande d'Atlassian Intelligence applique les mesures qui suivent.
|
Résumer les informations de tickets dans Jira Service Management
Résumez les informations de tickets à l'aide d'Atlassian Intelligence grâce à de grands modèles linguistiques développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser et générer du langage naturel dans ses produits. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Au lieu de parcourir de longues descriptions et une multitude de commentaires concernant un ticket Jira Service Management, vous pouvez utiliser Atlassian Intelligence afin d'obtenir rapidement un résumé de ces informations. Cela permet aux agents de comprendre rapidement le contexte du ticket et l'avancement réalisé, ce qui leur permet d'agir rapidement et de fournir un support rapide. Nous pensons que le fait de résumer les informations des tickets à l'aide d'Atlassian Intelligence est la meilleure solution pour :
|
Il est important de se rappeler qu'en raison du fonctionnement des modèles utilisés pour résumer les informations des tickets à l'aide d'Atlassian Intelligence, ils peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert qu'il est moins utile de résumer les informations du ticket à l'aide d'Atlassian Intelligence dans les scénarios où :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. |
Nous comprenons que vous avez peut-être des questions sur la façon dont le résumé des informations de tickets avec Atlassian Intelligence utilise vos données. Cette section complète les informations disponibles dans notre Trust Center. Ce que nous traitons :
En ce qui concerne vos données, le résumé d'informations de tickets à l'aide d'Atlassian Intelligence applique les mesures suivantes :
|
Rédigez des formules personnalisées à l'aide d'Atlassian Intelligence
La rédaction de formules personnalisées à l'aide d'Atlassian Intelligence est optimisée par de grands modèles de langage développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser le langage naturel, puis le traduit en SQLite dans Atlassian Analytics. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Au lieu d'écrire vos propres expressions SQLite de zéro, demandez ou décrivez à Atlassian Intelligence comment vous souhaitez transformer les données de votre tableur de résultats et il les traduira en une expression SQLite utilisée pour les formules personnalisées. Une fois que vous avez posé une question, Atlassian Intelligence utilise les données du tableur des résultats de l'étape précédente de Visual SQL pour générer une expression SQLite qui applique des calculs ou des opérations à ces données pour votre graphique. Cela peut également vous aider à découvrir les fonctions SQLite et leur syntaxe. La rédaction de formules personnalisées à l'aide d'Atlassian Intelligence fonctionne mieux dans les scénarios où :
|
Lorsque vous utilisez des formules personnalisées, n'oubliez pas que les modèles utilisés dans Atlassian Intelligence peuvent parfois se comporter de manière imprécise, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que la rédaction de formules personnalisées à l'aide d'Atlassian Intelligence était moins utile dans les scénarios où :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Considérez également les points suivants :
|
Nous savons que vous pouvez avoir des questions sur la manière dont vos données sont utilisées lors de la rédaction de formules personnalisées à l'aide d'Atlassian Intelligence. Cette section complète les informations disponibles dans notre centre de confiance. Ce que nous traitons :
En ce qui concerne vos données, la rédaction de formules personnalisées à l'aide d'Atlassian Intelligence applique les mesures suivantes. Vos invites (entrées) et les réponses (sorties) :
OpenAI est un sous-traitant figurant sur notre liste de sous-traitants. Il n'utilise pas vos entrées et sorties à d'autres fins que le traitement de votre demande. |
En savoir plus sur Atlassian Intelligence
En savoir plus sur l'utilisation d'Atlassian Intelligence
Découvrez comment utiliser Atlassian Intelligence pour rechercher des réponses dans Confluence
Une meilleure transparence avec Atlassian Intelligence et Rovo
Notre engagement « non au baratin » en faveur d'une communication ouverte, de la responsabilité et d'aider les équipes à utiliser AI de manière responsable.
Rovo
Sélectionnez une fonctionnalité Rovo ci-dessous pour avoir un aperçu transparent des cas d'usage et de l'utilisation des données.
Accélérez le travail grâce à l'IA
Sélectionnez une fonctionnalité Atlassian Intelligence ci-dessous pour avoir un aperçu transparent des cas d'usage et de l'utilisation des données.
Réponses d'Atlassian Intelligence dans Jira Service Management
Les réponses d'Atlassian Intelligence reposent sur de grands modèles linguistiques développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser et générer du langage naturel dans ses produits. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
La fonction de réponses d'Atlassian Intelligence se connecte à l'agent de service virtuel de Jira Service Management. Elle utilise l'intelligence artificielle générative pour réaliser des recherches dans vos espaces de base de connaissances liés et répondre aux questions de vos clients. Nous pensons que les réponses d'Atlassian Intelligence fonctionnent mieux dans les scénarios où :
|
Il est important de se rappeler qu'en raison du fonctionnement des modèles utilisés pour alimenter les réponses d'Atlassian Intelligence, ils peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que les réponses d'Atlassian Intelligence sont moins utiles dans les scénarios où :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Considérez également les points suivants :
|
Vous avez probablement des questions sur la façon dont les réponses d'Atlassian Intelligence utilisent vos données dans Jira Service Management. Cette section complète les informations disponibles sur notre page de FAQ. Ce que nous traitons :
|
Automatisation avec Atlassian Intelligence
L'automatisation avec Atlassian Intelligence se base sur les modèles GPT développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles afin d'analyser les saisies en langage naturel et générer pour vous une règle d'automatisation dans Jira et Confluence. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
La création de règles d'automatisation est au cœur de l'expérience d'automatisation quotidienne, et nous voulons vous faciliter la tâche en ajoutant Atlassian Intelligence au générateur de règles d'automatisation de Jira et Confluence. Vous pouvez désormais facilement créer des règles d'automatisation en saisissant et en décrivant ce que vous souhaitez automatiser, puis en laissant Atlassian Intelligence prendre en charge l'essentiel des tâches de création des règles. En savoir plus sur l'automatisation à l'aide d'Atlassian Intelligence pour Jira et fou Confluence. Nous estimons que l'automatisation avec Atlassian Intelligence pour Jira et Confluence est particulièrement adaptée à des situations dans lesquelles vous ne savez pas par où commencer, ou bien lorsque vous souhaitez accélérer le processus de création de règles. Vous ne savez pas comment créer une règle d'automatisation de manière optimale ?Les règles d'automatisation sont créées en combinant différents types de composants : déclencheurs, actions, conditions et branches. Vous pouvez vous représenter les composants comme différents éléments constitutifs d'une règle. Pour créer une règle avec succès via Atlassian Intelligence, votre règle doit au minimum contenir un déclencheur et une action. Par exemple : Dans Jira : Chaque lundi, identifiez toutes les tâches dont la date d'échéance est inférieure ou égale à 7 jours, puis envoyez un e-mail de rappel aux personnes responsables. Quand un ticket passe à l'état En cours de test, l'assigner à John Smith. Dans Confluence :
Par ailleurs, pour qu'une règle soit créée avec succès, tous ses composants doivent être pris en charge par l'automatisation avec Atlassian Intelligence. Cela signifie que tous les déclencheurs, toutes les actions, conditions ou branches de votre règle doivent être compatibles avec l'automatisation dans Jira et/ou Confluence. |
Il est important de se rappeler qu'en raison du fonctionnement propre aux modèles utilisés pour alimenter l'automatisation avec Atlassian Intelligence, ces modèles peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que l'automatisation avec Atlassian Intelligence était moins utile dans les scénarios où :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. L'automatisation avec Atlassian Intelligence ne fonctionnera qu'avec les composants d'automatisation disponibles dans Jira et Confluence. Il vous sera également utile d'être aussi précis que possible dans les demandes adressées à Atlassian Intelligence, tel que décrit ci-dessus. |
Vous avez probablement des questions sur la façon dont l'automatisation avec Atlassian Intelligence utilise vos données. Cette section complète les informations disponibles sur notre page de FAQ. Ce que nous traitons :
En ce qui concerne vos données, Atlassian Intelligence pour l'automatisation Confluence applique les mesures suivantes :
OpenAI est un sous-traitant figurant sur notre liste de sous-traitants. Il n'utilise pas vos entrées et sorties à d'autres fins que le traitement de votre demande. Cette fonctionnalité respecte les autorisations de votre instance. Par exemple, si vous n'avez pas accès à un projet ou à une page spécifique, la réponse que vous recevrez ne vous suggèrera pas de contenu de ces actifs. Si vous ne voulez pas que votre contenu soit disponible en réponse aux autres utilisateurs de votre instance, demandez à l'administrateur de votre organisation de vérifier que vos autorisations sont correctement définies. |
Regroupement des alertes
Le regroupement des alertes par Atlassian Intelligence repose sur de grands modèles linguistiques développés par OpenAI et d'autres modèles d'apprentissage machine. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles d'apprentissage machine pour analyser et générer des groupes d'alertes et proposer des suggestions connexes (anciens groupes d'alertes et anciens intervenants en cas d'alertes) au sein de nos produits en fonction de la similitude du contenu des alertes ou des tags utilisés. Atlassian Intelligence utilise ensuite de grands modèles linguistiques pour analyser et générer des descriptions et du contenu en langage naturel pour ces groupes dans nos produits. Ces grands modèles linguistiques génèrent des réponses en fonction de vos saisies et sont probabilistes. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Le regroupement des alertes utilise Atlassian Intelligence pour identifier et regrouper les alertes similaires. Il vous aide également en identifiant et en recommandant d'anciens groupes d'alertes similaires et d'anciens intervenants (ou équipes d'intervenants) en cas d'alertes, en fonction de la similitude sémantique du contenu des alertes ou des tags utilisés. Lorsque vous souhaitez transformer le groupe d'alertes en incident, le regroupement des alertes prérenseigne également toutes les informations contextuelles que vous pourrez consulter dans le cadre du processus de création de l'incident. Nous pensons que le regroupement des alertes fonctionne mieux dans les scénarios suivants :
|
Il est important de se rappeler qu'en raison du fonctionnement des modèles utilisés pour alimenter le regroupement des alertes, ces modèles peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Dans le cas des groupes d'alertes que vous voyez, ils ne reflètent peut-être pas exactement la similitude sémantique de leurs tags. Nous avons découvert que le regroupement des alertes est moins utile dans les scénarios suivants :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Envisagez également de vous assurer que vous et votre équipe suiviez des pratiques cohérentes en matière d'utilisation des tags d'alerte. |
Vous avez probablement des questions sur la façon dont le regroupement des alertes utilise vos données. Cette section complète les informations disponibles sur notre page de FAQ. Ce que nous traitons :
Nous traitons les données de vos alertes pour créer une version du modèle d'apprentissage machine afin de reconnaître des modèles spécifiques à vos alertes. Cette version n'est utilisée que dans le cadre de votre expérience :
En ce qui concerne vos données, le regroupement des alertes applique les mesures suivantes.
|
Résumez les pages et les blogs à l'aide d'Atlassian Intelligence grâce à de grands modèles de langage développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser et générer du langage naturel dans ses produits. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Gagnez du temps et obtenez les informations dont vous avez besoin pour travailler plus rapidement en générant un résumé rapide d'une page ou d'un blog Confluence avec Atlassian Intelligence. En savoir plus sur l'utilisation d'Atlassian Intelligence dans Confluence. Nous pensons que le fait de résumer les pages et les blogs à l'aide d'Atlassian Intelligence est la meilleure solution dans les scénarios suivants :
|
Il est important de se rappeler qu'en raison du fonctionnement des modèles utilisés pour résumer les pages et les blogs à l'aide d'Atlassian Intelligence, ces modèles peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Bien que nous améliorions la prise en charge des macros, des tableaux et des extensions dans le cadre des résumés, nous estimons que le résumé de pages et de blogs via Atlassian Intelligence présente une utilité moindre dans les scénarios suivants :
Nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Considérez également les points suivants :
|
Vous avez probablement des questions sur la façon dont Atlassian Intelligence utilise vos données pour l'automatisation Confluence. Cette section complète les informations disponibles sur notre page de FAQ. Ce que nous traitons :
En ce qui concerne vos données, la fonction de résumé de pages et de blogs dans Confluence à l'aide d'Atlassian Intelligence applique les mesures suivantes :
|
Définir des termes avec Atlassian Intelligence
La définition de termes avec Atlassian Intelligence dans Confluence et Jira repose sur de grands modèles linguistiques développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser et générer des réponses en langage naturel dans Confluence. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. |
L'un des plus grands défis liés à la consommation de contenu dans Confluence et Jira implique de trouver le contexte dont vous avez besoin pour comprendre ce que vous lisez. Les abréviations, les acronymes, les termes inconnus et les noms spécifiques à une équipe ou à un projet peuvent donner lieu à une longue recherche pour trouver les informations nécessaires. La définition des termes à l'aide d'Atlassian Intelligence permettra de définir les termes spécifiques à l'entreprise (tels que les acronymes et les noms de projets, de systèmes ou d'équipes) sur une page de Confluence ou dans la description d'un ticket dans Jira. Cela fournit aux utilisateurs les informations dont ils ont besoin, quand ils en ont besoin, tout en aidant les équipes à mieux travailler ensemble. Atlassian Intelligence peut vous faire gagner du temps en définissant ces éléments pour vous, directement depuis le contenu que vous lisez. Si une définition vous semble inexacte, vous pouvez la modifier ou en ajouter une nouvelle, puis définir la visibilité pour cette page ou ce ticket, l'ensemble de l'espace ou du projet, ou l'accès à l'ensemble de votre organisation. Nous pensons que la définition de termes à l'aide d'Atlassian Intelligence dans Confluence fonctionne mieux dans les scénarios où :
|
Il est important de se rappeler qu'en raison du fonctionnement des modèles utilisés pour définir des termes avec Atlassian Intelligence dans Confluence, ils peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que la définition de termes à l'aide d'Atlassian Intelligence dans Confluence était moins utile dans les scénarios où :
De plus, nous avons également découvert que, du fait que la définition de termes à l'aide d'Atlassian Intelligence repose sur la recherche dans Confluence, la fonctionnalité ne fonctionnera dans Jira que si vous disposez de l'autorisation de consulter une instance Confluence sur le même site que la vôtre. Il est également possible que la définition de termes à l'aide d'Atlassian Intelligence ne fonctionne pas comme prévu dans les instances Confluence ou Jira qui hébergent des documents écrits en plusieurs langues. |
Vous avez probablement des questions sur la façon dont la définition de termes avec Atlassian Intelligence utilise vos données. Cette section complète les informations disponibles sur notre page de FAQ. Ce que nous traitons :
En ce qui concerne vos données, la définition de termes à l'aide d'Atlassian Intelligence applique les mesures suivantes :
|
IA générative dans l'éditeur
Les expériences d'édition avec Atlassian Intelligence reposent sur de grands modèles linguistiques développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser et générer du langage naturel dans ses produits. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Atlassian Intelligence contribue à une communication efficace entre toutes les équipes d'une organisation afin d'améliorer l'efficacité, la prise de décisions et les processus. Nous pensons que l'utilisation d'Atlassian Intelligence dans des expériences d'édition fonctionne mieux dans les scénarios suivants :
|
Il est important de se rappeler qu'en raison du fonctionnement des modèles utilisés pour alimenter Atlassian Intelligence dans les expériences d'édition, ils peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que l'utilisation d'Atlassian Intelligence dans des expériences d'édition était moins utile dans les scénarios où :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Considérez également les points suivants :
|
Vous avez probablement des questions sur la façon dont Atlassian Intelligence utilise vos données dans les expériences d'édition. Cette section complète les informations disponibles sur notre page de FAQ. Ce que nous traitons :
En ce qui concerne vos données, les réponses d'Atlassian Intelligence dans les expériences d'édition appliquent les mesures suivantes :
|
Résumer les informations de tickets dans Jira Service Management
Résumez les informations de tickets à l'aide d'Atlassian Intelligence grâce à de grands modèles linguistiques développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser et générer du langage naturel dans ses produits. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Au lieu de parcourir de longues descriptions et une multitude de commentaires concernant un ticket Jira Service Management, vous pouvez utiliser Atlassian Intelligence afin d'obtenir rapidement un résumé de ces informations. Cela permet aux agents de comprendre rapidement le contexte du ticket et l'avancement réalisé, ce qui leur permet d'agir rapidement et de fournir un support rapide. Nous pensons que le fait de résumer les informations des tickets à l'aide d'Atlassian Intelligence est la meilleure solution pour :
|
Il est important de se rappeler qu'en raison du fonctionnement des modèles utilisés pour résumer les informations des tickets à l'aide d'Atlassian Intelligence, ils peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert qu'il est moins utile de résumer les informations du ticket à l'aide d'Atlassian Intelligence dans les scénarios où :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. |
Vous avez peut-être des questions sur la façon dont le résumé des informations de tickets avec Atlassian Intelligence utilise vos données. Cette section complète les informations disponibles sur notre page de FAQ. Ce que nous traitons :
En ce qui concerne vos données, le résumé d'informations de tickets à l'aide d'Atlassian Intelligence applique les mesures suivantes :
|
IA générative dans l'éditeur
Résumer des liens intelligents avec l'IA repose sur de grands modèles linguistiques développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser et générer du langage naturel dans ses produits. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Après avoir survolé un lien intelligent dans Jira, Confluence ou Google Docs, Atlassian Intelligence peut vous aider à obtenir un résumé du contenu, ce qui vous éclaire sur la pertinence et la valeur du lien, et vous permet de décider de votre prochaine action. Vous n'avez donc ni besoin de quitter la page en cours ni de changer de contexte. Nous pensons que l'option de Résumé des liens intelligents avec l'IA fonctionne mieux dans les scénarios où :
|
Il est important de se rappeler qu'en raison du fonctionnement des modèles utilisés pour alimenter les Résumés des liens intelligents avec l'IA, ces modèles peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les résumés que vous recevez peuvent ne pas refléter exactement le contenu sur lequel ils sont basés ou inclure du contenu qui semble raisonnable, mais qui en réalité est faux ou incomplet. Nous avons découvert que l'option de Résumer les liens intelligents avec l'IA est moins utile dans les scénarios où :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. |
Vous avez peut-être des questions sur la façon dont le résumé des informations de tickets avec Atlassian Intelligence utilise vos données. Cette section complète les informations disponibles sur notre page de FAQ. Ce que nous traitons :
En ce qui concerne vos données, le Résumé des liens intelligents avec l'IA applique les mesures suivantes. Vos résumés :
|
Résumé rapide de Confluence
La rédaction de formules personnalisées à l'aide d'Atlassian Intelligence est optimisée par de grands modèles de langage développés par OpenAI. Ceux-ci incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser le langage naturel, puis le traduit en SQLite dans Atlassian Analytics. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les entraîner. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Au lieu d'écrire vos propres expressions SQLite de zéro, demandez ou décrivez à Atlassian Intelligence comment vous souhaitez transformer les données de votre tableur de résultats et il les traduira en une expression SQLite utilisée pour les formules personnalisées. Une fois que vous avez posé une question, Atlassian Intelligence utilise les données du tableur des résultats de l'étape précédente de Visual SQL pour générer une expression SQLite qui applique des calculs ou des opérations à ces données pour votre graphique. Cela peut également vous aider à découvrir les fonctions SQLite et leur syntaxe. La rédaction de formules personnalisées à l'aide d'Atlassian Intelligence fonctionne mieux dans les scénarios où :
|
Lorsque vous utilisez des formules personnalisées, n'oubliez pas que les modèles utilisés dans Atlassian Intelligence peuvent parfois se comporter de manière imprécise, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que la rédaction de formules personnalisées à l'aide d'Atlassian Intelligence était moins utile dans les scénarios où :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Considérez également les points suivants :
|
Vous avez probablement des questions sur la façon dont Atlassian Intelligence utilise vos données pour l'automatisation Confluence. Cette section complète les informations disponibles sur notre page de FAQ. Ce que nous traitons :
En ce qui concerne vos données, la fonction de résumé de pages et de blogs dans Confluence à l'aide d'Atlassian Intelligence applique les mesures suivantes :
|
Utilisez l'IA pour passer à l'action
Sélectionnez une fonctionnalité Atlassian Intelligence ci-dessous pour avoir un aperçu transparent des cas d'usage et de l'utilisation des données.
Résumez les pages et les blogs à l'aide d'Atlassian Intelligence grâce à de grands modèles de langage développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser et générer du langage naturel dans ses produits. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Lorsque vous requalifiez une ou plusieurs alertes, ou un ou plusieurs groupes d'alertes en incident dans Jira Service Management, la fonctionnalité de création d'incident avec l'IA utilise Atlassian Intelligence pour préremplir rapidement toutes les informations contextuelles afin que vous puissiez les consulter dans le cadre du processus de création de l'incident. Cela permet aux utilisateurs de comprendre rapidement le contexte de l'incident créé à partir de ces alertes ou de ces groupes d'alertes, mais aussi de vérifier et de confirmer les informations préremplies, y compris le titre, la description et la priorité de l'alerte lorsqu'elle est requalifiée en incident. Nous pensons que la fonctionnalité de création d'incident avec l'IA fonctionne mieux dans les scénarios où :
|
Il est important de se rappeler qu'en raison du fonctionnement des modèles utilisés pour optimiser la fonctionnalité de création d'incident avec l'IA, ces modèles peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que la fonctionnalité de création d'incident avec l'IA est moins utile dans les scénarios où :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Pour obtenir les résultats les plus utiles, nous vous conseillons d'être aussi précis que possible dans ce que vous demandez à Atlassian Intelligence. Il vous sera également utile d'être aussi précis que possible dans les demandes adressées à Atlassian Intelligence. |
Vous avez probablement des questions sur la façon dont la fonctionnalité de création d'incident avec l'IA utilise vos données. Cette section complète les informations disponibles sur notre page de FAQ. Ce que nous traitons :
En ce qui concerne vos données, la fonctionnalité de création d'incident avec l'IA applique les mesures suivantes.
|
Générez des descriptions de pull requests avec Atlassian Intelligence
La génération de descriptions de pull requests avec Atlassian Intelligence repose sur de grands modèles linguistiques (LLM) développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser et générer du langage naturel et du code dans nos produits. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Atlassian Intelligence peut vous aider à générer, transformer et résumer du contenu pendant que vous rédigez des descriptions de pull requests ou des commentaires dans le cadre de l'expérience de revue de code Bitbucket Cloud. Ceci inclut :
Nous pensons que la génération de descriptions de pull requests Bitbucket Cloud avec Atlassian Intelligence fonctionne mieux dans les scénarios suivants :
|
Il est important de se rappeler qu'en raison du fonctionnement des modèles utilisés pour alimenter ce travail sur les fonctionnalité, ils peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que la génération de descriptions de pull requests Bitbucket Cloud à l'aide d'Atlassian Intelligence était moins utile dans les scénarios suivants :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Considérez également les points suivants :
|
Vous avez probablement des questions sur la façon dont la définition de termes avec Atlassian Intelligence dans Confluence utilise vos données. Cette section complète les informations disponibles sur notre page de FAQ. Ce que nous traitons :
En ce qui concerne vos données, la génération de descriptions de pull requests à l'aide d'Atlassian Intelligence applique les mesures suivantes :
|
Générer des requêtes SQL dans Atlassian Analytics
La génération de requêtes SQL avec Atlassian Intelligence dans Atlassian Analytics repose sur de grands modèles linguistiques développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser et comprendre le langage naturel, puis le traduit en langage de requête structuré (SQL) dans Atlassian Analytics. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Posez une question à Atlassian Intelligence en langage naturel et faites-la traduire en requête SQL, plutôt que d'écrire entièrement vos propres requêtes SQL. Lorsque vous lui avez posé une question, Atlassian Intelligence utilise le schéma Atlassian Data Lake de la source de données sélectionnée pour générer une requête SQL qui peut être utilisée pour créer des graphiques dans vos tableaux de bord Atlassian Analytics et qui peut également vous aider à en savoir plus sur le schéma dans le Data Lake (lac de données). Nous pensons que la génération de requêtes SQL à l'aide d'Atlassian Intelligence fonctionne mieux dans les scénarios où :
Je ne sais pas quelles questions poser ?Voici quelques suggestions :
|
Il est important de se rappeler qu'en raison du fonctionnement propre aux modèles utilisés pour générer des requêtes SQL à l'aide d'Atlassian Intelligence, ces modèles peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que la génération de requêtes SQL à l'aide d'Atlassian Intelligence était moins utile dans les scénarios où :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Considérez également les points suivants :
|
Vous avez probablement des questions sur la façon dont la génération de requêtes SQL avec Atlassian Intelligence utilise vos données. Cette section complète les informations disponibles sur notre page de FAQ. Ce que nous traitons :
En ce qui concerne vos données, la génération de requêtes SQL à l'aide d'Atlassian Intelligence applique les mesures suivantes :
|
Rechercher des réponses dans Confluence
Recherchez des réponses dans Confluence à l'aide d'Atlassian Intelligence grâce à de grands modèles de langage développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser et générer du langage naturel dans ses produits. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Les bases de connaissances se développent trop vite pour que les utilisateurs puissent suivre le rythme. La recherche de réponses dans Confluence à l'aide d'Atlassian Intelligence permet d'accéder plus rapidement aux informations clés dont les clients ont besoin afin de faire avancer leur travail. Cette fonctionnalité vous permet de trouver facilement les informations dont vous avez besoin. Elle comprend les types de questions que vous poseriez à un collègue et y répond instantanément. Plus d'informations sur l'utilisation d'Atlassian Intelligence pour rechercher des réponses dans Confluence. Nous estimons que la recherche de réponses dans Confluence à l'aide d'Atlassian Intelligence fonctionne au mieux lorsque votre site Confluence propose du contenu détaillé, complet et actualisé. Cette fonctionnalité ne génère pas de nouveau contenu, mais permet de parcourir les pages et les blogs de Confluence, dans le respect des restrictions, afin de trouver la réponse à votre question. Atlassian Intelligence génère des réponses basées uniquement sur le contenu de votre Confluence, et sur ce à quoi vous avez spécifiquement accès. Je ne sais pas quelles questions poser ?Voici quelques suggestions :
|
Vous avez probablement des questions sur la façon dont la recherche de réponses dans Confluence avec Atlassian Intelligence utilise vos données. Cette section complète les informations disponibles sur notre page de FAQ. Ce que nous traitons :
En ce qui concerne vos données, la recherche de réponses dans Confluence à l'aide d'Atlassian Intelligence applique les mesures suivantes :
|
Rechercher des tickets dans Jira
Recherchez des tickets dans Jira à l'aide d'Atlassian Intelligence grâce à de grands modèles de langage développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici, affinés par Atlassian à l'aide de données synthétiques générées. Atlassian Intelligence utilise ces modèles pour analyser et comprendre le langage naturel, puis le traduit en code Jira Query Language (JQL) à l'intérieur de nos produits. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. En savoir plus sur les capacités des modèles OpenAI, ainsi que sur la personnalisation d'OpenAI. Vous pouvez également obtenir davantage d'informations sur cette approche dans les articles de recherche d'OpenAI. |
Vous pouvez désormais demander à Atlassian Intelligence ce que vous désirez en langage courant au lieu d'envoyer des requêtes complexes. En recherchant des tickets avec Atlassian Intelligence, votre message sera traduit en une requête JQL qui vous permettra de rechercher rapidement des problèmes spécifiques. Nous pensons que la recherche de tickets à l'aide d'Atlassian Intelligence fonctionne mieux dans les scénarios où :
|
Il est important de rappeler qu'en raison du fonctionnement propre aux modèles utilisés pour rechercher des tickets à l'aide d'Atlassian Intelligence, ces modèles peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que la recherche de tickets à l'aide d'Atlassian Intelligence était moins utile dans les scénarios où :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Il vous sera également utile d'être aussi précis que possible dans les demandes adressées à Atlassian Intelligence. Veillez à inclure les champs et les valeurs exacts que vous recherchez. |
Vous avez probablement des questions sur la façon dont la recherche de tickets avec Atlassian Intelligence utilise vos données. Cette section complète les informations disponibles sur notre page de FAQ. Ce que nous traitons :
En ce qui concerne vos données, la recherche de tickets à l'aide d'Atlassian Intelligence applique les mesures suivantes :
|
Obtenez des informations instantanées à partir de vos données
Sélectionnez une fonctionnalité Atlassian Intelligence ci-dessous pour avoir un aperçu transparent des cas d'usage et de l'utilisation des données.
Chart Insights
Chart Insights repose sur de grands modèles linguistiques développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles pour analyser et générer du langage naturel dans ses produits. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Chart Insights utilise Atlassian Intelligence pour vous aider à mieux comprendre les données des graphiques dans Atlassian Analytics. Pour ce faire, il utilise le titre du tableau de bord, le titre du graphique et les données du graphique (y compris les en-têtes de colonne et les valeurs des lignes) pour générer un résumé en langage naturel de ce graphique et de ses données. Il visera également à identifier les tendances ou les anomalies afin de vous donner un aperçu de ce graphique. Nous pensons que Chart Insights fonctionne mieux dans les scénarios où :
Les graphiques à barres, les diagrammes linéaires et les graphiques mêlant ces deux modalités fonctionnent mieux avec cette fonctionnalité, car ils contiennent généralement des tendances, des dates et de nombreuses lignes de données. |
Il est important de se rappeler qu'en raison du fonctionnement des modèles utilisés pour alimenter le travail de Chart Insights, ces modèles peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que Chart Insights est moins utile dans les scénarios où :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Considérez également les points suivants :
|
Vous avez probablement des questions sur la façon dont Chart Insights utilise vos données. Cette section complète les informations disponibles sur notre page de FAQ. Ce que nous traitons :
En ce qui concerne vos données, Chart Insights applique les mesures suivantes.
|
Suggérer des types de demandes dans Jira Service Management
Suggérez des types de demande à l'aide d'Atlassian Intelligence grâce à de grands modèles de langage développés par OpenAI. Ces modèles incluent les modèles OpenAI décrits ici. Atlassian Intelligence utilise ces modèles afin d'analyser les saisies en langage naturel et générer pour vous des recommandations concernant les noms et les descriptions des types de demande dans Jira Service Management. Ces modèles génèrent des réponses en fonction de vos entrées et suivent une approche probabiliste. En d'autres termes, ils génèrent leurs réponses en prédisant le mot ou le texte suivant le plus probable, sur la base des données qui ont permis de les former. Pour en savoir plus sur les capacités des modèles d'OpenAI ou sur cette approche, consultez les articles de recherche d'OpenAI. |
Passez moins de temps à réfléchir aux types de demande qu'il vous faut créer dans votre projet en bénéficiant de suggestions proposées par Atlassian Intelligence. Décrivez simplement vos activités ainsi que ce que gère votre équipe habituellement, afin de voir les types de demande que vous pourriez créer. Sélectionnez l'une des suggestions générées par Atlassian Intelligence afin de créer un type de demande. En savoir plus sur l'utilisation d'Atlassian Intelligence pour suggérer des types de demande. Nous pensons que l'utilisation d'Atlassian Intelligence pour suggérer des types de demande fonctionne au mieux dans les scénarios où :
|
Il est important de rappeler qu'en raison du fonctionnement propre aux modèles utilisés pour suggérer des types de demande à l'aide d'Atlassian Intelligence, ces modèles peuvent parfois se comporter de manière inexacte, incomplète ou peu fiable. Par exemple, les réponses que vous recevrez peuvent ne pas refléter exactement le contenu sur lequel elles sont basées ou inclure du contenu qui semble raisonnable, mais qui est faux ou incomplet. Nous avons découvert que l'utilisation d'Atlassian Intelligence pour suggérer des types de demande est moins utile dans les scénarios où :
C'est pourquoi nous vous encourageons à réfléchir aux situations dans lesquelles vous utilisez Atlassian Intelligence et à évaluer la qualité des réponses reçues avant de les partager avec d'autres personnes. Considérez également les points suivants :
|
Vous avez probablement des questions sur la façon dont Atlassian Intelligence utilise vos données lors de la suggestion de types de demande. Cette section complète les informations disponibles sur notre page de FAQ. Ce que nous traitons :
En ce qui concerne vos données, la fonction de suggestion de types de demande d'Atlassian Intelligence applique les mesures qui suivent.
|
Références
Recevez des mises à jour en temps réel sur l'état des produits Atlassian sur notre page d'état dédiée.
En savoir plus sur Atlassian Intelligence
Découvrez comment Atlassian gère les données clients.