透明性を重視して設計された Rovo

AI による下書きは、OpenAI と Anthropic によって開発された大規模言語モデル、および Transformer をベースにしたオープン ソースの言語モデルとその他の機械学習モデルの組み合わせによって支えられています。これらの大規模言語モデルには、OpenAI の GPT シリーズのモデルと Anthropic の Claude シリーズのモデルが含まれます。

Rovo はこれらのモデルを使用して、製品内で自然言語を分析/生成します。オープン ソースのエンコーダー モデルは、テキスト形式の入力を数値形式 (埋め込み) に変換し、その結果が、入力に含まれるトピックの識別と形成に利用されます。

これらの大規模言語モデルは、入力に基づいて回答を生成しますが、その本質は確率論に基づいています。つまり、学習したデータに基づいて、次にくる可能性が最も高い単語やテキストを予測して回答が生成されます。

OpenAI のモデルと、Anthropic のモデルの機能に関する詳細をご確認ください。オープンソースの言語モデルの詳細については、モデルの組み込みに関する情報を参照してください。

AI による下書きは、管理者とエージェントが検討するナレッジ記事の下書きを事前に生成して提案します。この機能は、Jira Service Management プロジェクトで最も一般的な作業項目の下書きを、そのプロジェクトの作業項目内の詳細やコメントを使用して生成します。

これにより、サービス チームはナレッジ ベース記事のカバレッジをより迅速かつ簡単に拡大でき、ひいては Jira Service Management の他の機能のパフォーマンス向上にも役立ちます。たとえば、AI による下書きを使用して作成されたナレッジ記事を仮想サービス エージェントの AI による回答機能で使用して、ヘルプ依頼者からのリクエストをより簡単かつ迅速に解決できます。

仮想サービス エージェントの AI による回答機能の詳細をご確認ください。

アトラシアンでは、AI による下書きは次のようなシナリオで最適に機能すると考えています。

• プロジェクトで受け取るリクエストがどの月でも 40 件を超える。リクエストが 40 件未満のプロジェクトでは、AI による下書きを生成するのに十分な情報が含まれていない可能性があります。
• 要約、説明、その他のフィールドなど、作業項目の内容の言語は主に英語である。AI による下書きの質は、言語によって異なる可能性があります。

AI による下書きを機能させるために使用されているモデルは、その構造上、不正確だったり、不完全だったり、信頼できない動作をしたりする場合があることを念頭に置くことが重要です。

たとえば、受け取った回答には基になっている内容が正確に反映されていなかったり、合理的なようでも虚偽または不完全な内容が含まれていたりする可能性があります。

AI による下書きは、次のようなシナリオではあまり効果的でないことが判明しています。

• プロジェクトで受け取るリクエストが 1 か月あたり 40 件未満である。
• ナレッジ ベース記事は必ずしも必要ではないため、プロジェクトではアラートから自動でリクエストを作成している。この機能では引き続き、それらのリクエストに関連した AI による下書きが提案されます。
• 内容が英語以外の言語である作業項目の下書きが必要である。

このことから、Rovo を使用する状況をご検討いただき、受け取った回答の質を確認した上で、他の人と共有することをお勧めします。

こちらもぜひご検討ください。

• チーム メンバーが AI による下書きを徹底的に確認してから、それに基づいたナレッジ記事を作成するよう対策を講じる。
• 質の高いナレッジ ベース記事を維持するために、AI による下書きのレビューと編集を担当する専門家をチーム内で見つけるようプロジェクト管理者に依頼する。

お客様のデータが AI による下書きでどのように使用されるかについて疑問をお持ちのことでしょう。このセクションでは、Atlassian Trust Center で入手できる情報を補足します。

処理されるデータの種類は以下のとおりです。

• お客様のプロンプト (入力) と回答 (出力)。
• 作業項目内のデータ (Rovo を使用して下書きを生成するためのフィールド値、要約、説明) など、機能に関連するインスタンスのコンテキスト。
• クリックストリーム データや一緒に作業する人など、お客様が私たちの機能をどのように利用したかに関するデータ。
• お客様が提供することを選択した、この機能についてのフィードバック (フィードバックの一部として共有することを選択したプロンプトや回答を含む)。

AI による下書きでは、お客様のデータに対して次の指標が適用されます。

• プロンプト (入力) と回答 (出力) について
  • 他のお客様は利用できません。
  • OpenAI、または AWS Bedrock の Anthropic 以外のサードパーティの LLM プロバイダーには送信されません。
  • どの LLM プロバイダーにも保管されません。
  • サードパーティの LLM の改善に使用されることはありません。
  • ご自身のエクスペリエンスのためにのみ利用されます。
• OpenAI と AWS Bedrock はそれぞれ、副処理者のリストに含まれる副処理者です。副処理者がリクエストを処理するための目的以外で、お客様の入力と出力を使用することはありません。
• アトラシアンは、サイトのサービス プロジェクトの関係者全員がアクセスできる作業項目のみを処理します。適用された作業項目の権限に関する課題は、下書きの作成には利用されません。
• 最新の内容を維持するために、アトラシアンは AI による下書きを 7 日ごとに更新しています。

Rovo の使い方について詳しく見る

会社ハブ カードの AI 要約は、OpenAI によって開発された大規模な言語モデルを利用しています。これらの大規模な言語モデルには、OpenAI の GPT シリーズのモデルが含まれます。

Rovo はこれらのモデルを使用して、製品内で自然言語を分析/生成します。

これらのモデルは、入力に基づいて回答を生成しますが、その本質は確率論に基づいています。つまり、学習したデータに基づいて、次にくる可能性が最も高い単語やテキストを予測して回答が生成されます。

OpenAI のモデルの機能について詳細をご確認ください。

会社ハブ カードの AI 要約は、AI が生成したカードの説明を提案することで、会社ハブをすばやく入力して公開できるようにします。この機能は AI を使用して、会社ハブ カード向けに、リンクされている Confluence ページやブログ投稿の要約を生成します。

会社ハブ カードの AI 要約は、次のようなシナリオで最適に機能します。

• Confluence で会社ハブ カードを使用して、テキスト量が多いコンテンツにリンクさせたい。
• Confluence カードの説明に表示する、テキスト量が多い Confluence コンテンツの簡潔な要約を探している。

会社ハブ カードの AI 要約を強化するために使用されているモデルは、その構造上、不正確だったり、不完全だったり、信頼できない動作をしたりする場合があることを念頭に置くことが重要です。

たとえば、受け取った回答には基になっている内容が正確に反映されていなかったり、合理的なようでも虚偽または不完全な内容が含まれていたりする可能性があります。

会社ハブ カードの AI 要約は、次のようなシナリオではあまり効果的でないことが判明しています。

• 人、場所、事実に関する最新かつ正確な情報が必要である。
• 役に立つ要約を生成するには内容が不十分な、非常に短い Confluence ページの要約が必要な場合。
• ほとんどのコンテンツが表形式または展開されている Confluence ページの要約が必要な場合。
• ほとんどのコンテンツがマクロである Confluence ページの要約が必要な場合。

このことから、Rovo を使用する状況をご検討いただき、受け取った回答の質を確認した上で、他の人と共有することをお勧めします。

お客様のデータが会社ハブ カードの AI 要約でどのように使用されるかについて、疑問をお持ちのことでしょう。このセクションでは、Atlassian Trust Center で入手できる情報を補足します。

処理されるデータの種類は以下のとおりです。

• お客様のプロンプト (入力) と回答 (出力)。
• 要約する Confluence ページのコンテンツなど、プロンプトに関連するインスタンスのコンテキスト。
• クリックストリーム データや一緒に作業する人など、お客様が私たちの機能をどのように利用したかに関するデータ。
• お客様が提供することを選択した、この機能についてのフィードバック (フィードバックの一部として共有することを選択したプロンプトや回答を含む)。

会社ハブ カードの AI 要約では、お客様のデータに対して次の指標が適用されます。

• プロンプト (入力) と回答 (出力) について
  • 他のお客様は利用できません。
  • OpenAI 以外のサードパーティの LLM プロバイダーには送信されません。
  • どの LLM プロバイダーにも保管されません。
  • 大規模言語モデルの改良には使用されません。
  • ご自身のエクスペリエンスのためにのみ利用されます。
• OpenAI は、アトラシアンの副処理者のリストに含まれる副処理者です。副処理者がリクエストを処理するための目的以外で、お客様の入力と出力を使用することはありません。
• この機能は、ご利用のインスタンスの権限に従います。たとえば、Confluence ページにアクセスできない場合、Rovo を利用して要約を取得するこの機能はご利用いただけません。ご自身のコンテンツをインスタンスの他のユーザーに利用されないようにするには、組織の管理者に連絡して、権限が適切に設定されていることをご確認ください。

Rovo の使い方について詳しく見る

Rovo Dev は、AWS Bedrock で OpenAI と Anthropic が、Google Vertex AI で Anthropic が開発した大規模な言語モデル、およびその他の機械学習モデルの組み合わせによって強化されています。これらの大規模言語モデルには、OpenAI の GPT シリーズのモデルと Anthropic の Claude シリーズのモデルが含まれます。

Rovo Dev はこれらのモデルを使用して、製品内で自然言語やコードを分析/生成します。

これらのモデルは、入力に基づいて回答を生成しますが、その本質は確率論に基づいています。つまり、学習したデータに基づいて、次にくる可能性が最も高い単語やテキストを予測して回答が生成されます。

OpenAI のモデルと、Anthropic のモデルの機能に関する詳細をご確認ください。

Rovo Dev は、プロのソフトウェア エンジニア向けのコンテキスト認識型 AI エージェントです。自然言語とコードを理解し、Jira、Confluence、Bitbucket などのアトラシアン ツールや、GitHub などのサードパーティの開発者プラットフォームと統合できます。アトラシアンの Teamwork Graph を活用し、組織のコンテキスト、ビジネス知識、コードベースの履歴を活用して、ソフトウェア開発ライフサイクルを加速します。Rovo Dev は、計画、コード生成、レビューを支援し、反復作業を大規模に自動化します。

Rovo Dev 製品スイートには以下が含まれます。

• Bitbucket と GitHub での Rovo Dev: Rovo Dev は Bitbucket と GitHub の両方と連携して、プル リクエストを技術的要件とビジネス目標の両方に照らしてチェックします。本番環境に移行する前に潜在的な問題を特定したり、作業やコードの変更が Jira の承認基準に沿っていることを確認したりする作業を支援することで、レビュー サイクルを短縮してやり直しを防ぎます。

• Rovo Dev CLI: Rovo Dev CLI を使って Rovo Dev をコマンドライン インターフェイスに直接組み込むことで、ターミナルがアトラシアンのワークフローとシームレスに統合された AI 開発エージェントに変わります。

アトラシアンでは、Rovo Dev は次のようなシナリオで最適に機能すると考えています。

• 新しいコードの記述、既存のコードのデバッグ、複雑なコード ベースの理解などのコーディング作業に支援を必要としている。
• 潜在的な問題を検出し、コードの品質を向上させるために、プル リクエストに対するコード レビュー フィードバックの自動化を必要としている。
• リファクタリング、テスト、ドキュメンテーションなどの一般的な開発タスクについて支援を必要としている。
• リンクされたリポジトリのコード変更を自動化することで、Jira 作業項目をより効率的に解決したい。
• 開発チームで一貫したコーディング標準とベスト プラクティスを維持したい。

Rovo Dev を機能させるために使用されているモデルは、その構造上、不正確だったり、不完全だったり、信頼できない動作をしたりする場合があることを念頭に置くことが重要です。

たとえば、受け取った回答には基になっている内容が正確に反映されていなかったり、合理的なようでも虚偽または不完全な内容が含まれていたりする可能性があります。

Rovo Dev は、次のようなシナリオではあまり効果的でないことが判明しています。

• コードベース、開発コンテキスト、またはアクセス可能なアトラシアン コンテンツ (Confluence ページや Jira 課題など) に含まれていない人、場所、事実に関する最新かつ正確な情報を必要としている。
• リポジトリ、開発環境、またはリンクされたアトラシアン ツールですぐに入手できない情報に Rovo Dev からアクセスできるようにしたい。
• 安全性が極めて重要、またはセキュリティ上重要なコードに、人間によるレビューなしで完璧な精度を必要としている。このようなシナリオでは Rovo Dev を使用すべきではありません。
• モデルのトレーニング データに含まれていなかった独自のコード パターンや機密性の高いコード パターンを使用している。モデルのトレーニング データに含まれていない非常に新しいテクノロジーを扱う場合、Rovo Dev は役に立たない可能性があります。これは、Rovo Dev がそれらのテクノロジーに関する十分なコンテキストを持っていないため、有用な出力を提供できない可能性があるためです。
• Rovo Dev は、セキュリティ レビューやコンプライアンス チェックの唯一の方法として使用したり、適切な人間による監視なしにコードの正確性が安全性や規制要件にとって重要であるシナリオで使用したりしないでください。

• このため、提案された変更を実装したり、他のユーザーと共有したりする前に、Rovo Dev を使用する状況について考えて、受け取った応答の品質を確認することをお勧めします。

こちらもぜひご検討ください。

• コードベースと要件に関する明確なコンテキストを提供するなど、Rovo Dev に依頼する作業をできるだけ具体的なものにします。
• リポジトリにコミットする前に、Rovo Dev が提案したコード変更を確認してテストします。
• 開発環境に適切な権限とアクセス制御が設定されていることを確認します。
• リポジトリのドキュメントとコード コメントを最新の状態に保ち、AI 支援のコンテキストをわかりやすいものにします。
• Rovo Dev を、人間によるコード レビューの代替としてではなく、人間によるコード レビューと並行して使用する共同ツールとして使用します。

お客様のデータが Rovo Dev でどのように使用されるかについて疑問をお持ちかもしれません。このセクションでは、Rovo Dev ページで提供されている情報を補足します。

処理されるデータの種類は以下のとおりです。

• Rovo Dev とやり取りする際のプロンプト (入力) と応答 (出力)
• プロンプトに関連する開発環境からのコンテキスト (Bitbucket のコード ファイルやプル リクエスト、Jira の作業項目、Github などの接続されたサードパーティ アプリや接続された MCP サーバーからのコンテンツ、デバイス上のローカル ファイル (RovoDev CLI を使用している場合) など)
• コマンドの使用パターンや使用する開発ツールなど、当社の機能の利用方法に関するデータ

• この機能に関してお客様が提供することを選択したフィードバック (フィードバックの一部として共有することを選択したプロンプトや応答を含む)

お客様のデータについて、Rovo Dev では次の指標が適用されます。

プロンプト (入力) と応答 (出力):

• 他のお客様は利用できません。
• OpenAI、Google Vertex AI、または AWS Bedrock の Anthropic 以外のサードパーティの LLM プロバイダーには送信されない
• OpenAI、Google Vertex AI、または Anthropic によって AWS Bedrock に保存されることはない
• OpenAI や Anthropic モデルの改善には使用されない

• ご自身のエクスペリエンスのためにのみ利用されます。

サードパーティによる処理:

• OpenAI、Google Vertex AI、および Amazon Web Services (AWS Bedrock) は、当社の副処理者のリストに含まれる副処理者です。お客様のリクエストを処理するための目的以外で、副処理者がお客様の入力と出力を使用することはありません。

権限とアクセス:

• Rovo Dev は、開発環境および接続されたアトラシアン ツールの権限に従います。たとえば、特定のリポジトリまたは Jira プロジェクトへのアクセス権がない場合、Rovo Dev は応答を生成するときにそれらのソースのコンテンツにアクセスしません。
• インスタンス内の他のユーザーへの応答に自分のコンテンツが利用されないようにするには、組織管理者に連絡して、自分の権限が適切に設定されていることを確認してください。

• Rovo Dev CLI では、ユーザーはサードパーティの Model Context Protocol (MCP) サーバーを追加して、Rovo Dev にサードパーティ コンテンツへのアクセス権を提供できます。サードパーティの MCP サーバーとの統合にはユーザーの承認が必要であり、サードパーティの利用規約に準拠していることを確認する必要があります。ユーザーはプロンプトを入力してアトラシアン サイトの外部にデータを送信することができます。サイトの外部に送信されたデータにはアトラシアン規約は適用されません。

Rovo Dev の使い方についてもっと知る

Rovo Dev コミュニティ グループ

AI を使用してページやブログを要約する機能は、OpenAI と Google によって開発された大規模な言語モデルを利用しています。これらの大規模言語モデルには、OpenAI の GPT シリーズのモデルや Google の Gemini シリーズのモデルなどがあります。

Rovo はこれらのモデルを使用して、製品内で自然言語を分析/生成します。

これらのモデルは、入力に基づいて回答を生成しますが、その本質は確率論に基づいています。つまり、学習したデータに基づいて、次にくる可能性が最も高い単語やテキストを予測して回答が生成されます。

OpenAI のモデルと、Google のモデルの機能に関する詳細をご確認ください。

AI で Confluence ページやブログの簡単な要約を生成することで、時間を節約して、作業時間を短縮するために必要な詳細を入手できます。Confluence での AI の使用に関する詳細をご覧ください。

Rovo を利用したページやブログの要約は、次のようなシナリオで最も効果的です。

• ページ内のテキスト量が多く、読むのに 5 分以上かかる。
• ビジュアルが限られている、またはページの展開などの他のフォーマットで記述されたコンテンツが多い。

AI の機能を利用してページやブログの要約を強化するというモデルの利用方法により、これらのモデルが不正確、不完全、または信頼性の低い動作をする場合があることにご注意ください。

たとえば、受け取った回答に質問の内容が正確に反映されていなかったり、妥当なようでも虚偽または不完全な内容が含まれていたりする可能性があります。

当社は、マクロ、表、要約内の展開のサポートを改善し続けていますが、Rovo を利用したページやブログの要約が、次のようなシナリオではあまり効果的でないことが判明しています。

• 人、場所、事実に関する最新かつ正確な情報が必要である。
• コンテンツが不十分な、非常に短い Confluence ページの要約が必要な場合。
• ほとんどのコンテンツが表形式または展開されている Confluence ページの要約が必要な場合。
• ほとんどのコンテンツがマクロである Confluence ページの要約が必要な場合。

Rovo を使用する状況をご検討いただき、受け取った回答の質を確認した上で、他の人と共有することをお勧めします。

こちらもぜひご検討ください。

• テキストベースのコンテンツが多いことがわかっているページを要約するよう Rovo に依頼する。

Confluence 自動化に AI を利用する際に、お客様のデータがどのように使用されるかについて疑問をお持ちのことでしょう。このセクションでは、FAQ ページで提供されている情報を補足します。

私たちは以下を処理します。

• お客様のプロンプト (入力) と回答 (出力)。

• 要約する Confluence ページのコンテンツなど、プロンプトに関連するインスタンスのコンテキスト。

• クリックストリーム・データや一緒に作業する人など、お客様がアトラシアンの機能をどのように利用したかに関するデータ。

• お客様が提供することを選択した、この機能についてのフィードバック（フィードバックの一部として共有することを選択したプロンプトや回答を含む）。

お客様のデータに関しては、Rovo を利用したページやブログの要約には、次のような対策を適用しています。

• プロンプト（入力）と回答（出力）：
  • 他のお客様は利用できません。
  • OpenAI または Google 以外のサードパーティの LLM プロバイダーには送信されません。

  • LLM ベンダーには保管されません。

  • LLM モデルの改良には利用されません。
  • ご自身のエクスペリエンスのためにのみ利用されます。
• サードパーティの LLM プロバイダーはすべて復処理者であり、復処理者のページに記載されています。お客様のリクエストを処理するための目的以外で、副処理者がお客様の入力と出力を使用することはありません。
• この機能は、ご利用のインスタンスの権限に従います。たとえば、Confluence ページにアクセスできない場合、この機能は表示されず、Rovo を利用してページを要約することもできません。ご自身のコンテンツをインスタンスの他のユーザーに利用されないようにするには、組織の管理者に連絡して、権限が適切に設定されていることをご確認ください。

Confluence と Jira における Rovo を使用した用語の定義は、OpenAI、Google、Anthropic によって開発された大規模言語モデル、およびオープンソースの大規模言語モデル (Llama シリーズや Mixtral シリーズなど) と他の機械学習モデルの組み合わせをりようしています。これらの大規模言語モデルには、OpenAI の GPT シリーズのモデル、Google の Gemini シリーズのモデル、Anthropic の Claude シリーズのモデルなどがあります。

Rovo はこれらのモデルを利用して、Confluence と Jira 内の自然言語による回答を分析および生成します。

これらのモデルは、入力に基づいて回答を生成しますが、その本質は確率論に基づいています。つまり、学習したデータに基づいて、次にくる可能性が最も高い単語やテキストを予測して回答が生成されます。

OpenAI のモデル、Google のモデル、Anthropic のモデルの機能に関する詳細をご確認ください。オープンソースの言語モデルの詳細については、Llama シリーズの情報を参照してください。

Confluence や Jira でコンテンツを利用する際に最も難しいことの 1 つは、読んでいる内容を理解するために必要となるコンテキストの把握です。略語、頭字語、なじみのない用語、チームやプロジェクト固有の名前は、必要な情報を得るために長時間検索することにつながります。

Rovo を利用して用語を定義すると、Confluence のページや Jira の作業項目説明のページに、会社固有の用語 (頭字語、プロジェクト名、システム名、チーム名など) の定義が表示されます。これにより、ユーザーは必要な情報を随時取得でき、同時にチームの連携を強化できます。

Rovo を使用すれば、読んでいるコンテンツから離れることなくこれらを自動的に定義できるため、時間を節約できます。

正しくないと思われる定義が見つかった場合は、既存の定義を編集するか新しい定義を追加してから、当該のページや作業項目にその定義が表示されるように設定するか、スペース全体、プロジェクト全体、組織全体にその定義が表示されるように設定することができます。

Confluence と Jira における Rovo を利用した用語の定義は、次のようなシナリオで最も効果的です。

• 会社の Confluence インスタンスには、Rovo が参照する特定の用語について言及、記述、または説明しているページが複数ある。

Confluence で Rovo の機能を利用して用語を定義するというモデルの利用方法により、これらのモデルが不正確、不完全、または信頼性の低い動作をする場合があることにご注意ください。

たとえば、受け取った回答には基になっている内容が正確に反映されていなかったり、合理的なようでも虚偽または不完全な内容が含まれていたりする可能性があります。

Confluence で AI を利用して用語の定義をすることは、次のようなシナリオではあまり効果的でないことが判明しています。

• 人、場所、事実に関する最新かつ正確な情報が必要である。
• Confluence インスタンス内の用語についてのコンテキストが十分ではない（たとえば、特定の用語に言及しているページがない場合、その用語の定義は正確に生成されません）。
• 用語を定義するには、ユーザーが閲覧権限を持たない Confluence コンテンツにアクセスする必要があります。
• 一度に 1 つの用語を定義するのではなく、複数の用語を定義しようとしている。

さらに、Rovo を使用して用語を定義するには Confluence での検索が必要であるため、この機能は、Jira インスタンスと同じサイトにある Confluence インスタンスを閲覧する権限がある場合にのみ Jira で使用できます。

また、Confluence スペースや Jira インスタンスに複数の言語で書かれたコンテンツがある場合は、Rovo を使用した用語の定義が期待どおりに機能しないことがあります。

Rovo を使用して用語を定義する際にお客様のデータがどのように使用されるかについて疑問をお持ちのことでしょう。このセクションでは、FAQ ページで提供されている情報を補足します。

私たちは以下を処理します。

• お客様のプロンプト (入力) と回答 (出力)。
• 定義したい用語など、プロンプトに関連するインスタンスのコンテキスト。
• クリックストリーム データや一緒に作業する人など、お客様が私たちの機能をどのように利用したかに関するデータ。
• お客様が提供することを選択した、この機能についてのフィードバック（フィードバックの一部として共有することを選択したプロンプトや回答を含む）。

Rovo を使用して用語を定義する際には、お客様のデータについて次のような対策が適用されます。

• プロンプト（入力）と回答（出力）：
  • 他のお客様は利用できません。

  • OpenAI、Google、または AWS Bedrock の Anthropic 以外のサードパーティの LLM プロバイダーには送信されません。

  • どの LLM プロバイダーにも保管されません。
  • LLM モデルの改良には利用されません。
  • ご自身のエクスペリエンスのためにのみ利用されます。
• サードパーティの LLM プロバイダーはすべて復処理者であり、復処理者のページに記載されています。リクエストの処理以外の目的でお客様の入力と出力を使用することはありません。
• この機能は既存のユーザー アクセス権限に従うため、ユーザーがアクセス権限を持たないコンテンツから定義が表示されることはありません。その代わりに、この機能は、ユーザーがインスタンス内で閲覧する権限を持っているページとプロジェクトからのみコンテンツと定義を取得します。ご自身のコンテンツがインスタンスの他のユーザーへの回答として利用されないようにするには、組織の管理者に連絡して、権限が適切に設定されていることをご確認ください。
• ユーザーが定義の編集や更新を手動で行った場合、その定義は 1 年間保管されます。

AI の編集エクスペリエンスは、OpenAI と Google によって開発された大規模な言語モデルを活用しています。これらの大規模言語モデルには、OpenAI の GPT シリーズのモデルや Google の Gemini シリーズのモデルなどがあります。

Rovo はこれらのモデルを使用して、製品内で自然言語を分析/生成します。

これらのモデルは、入力に基づいて回答を生成しますが、その本質は確率論に基づいています。つまり、学習したデータに基づいて、次にくる可能性が最も高い単語やテキストを予測して回答が生成されます。

OpenAI のモデルと、Google のモデルの機能に関する詳細をご確認ください。

Rovo は、組織内のすべてのチームで効果的なコミュニケーションを促進し、効率、意思決定、プロセスを向上させるのに役立ちます。

アトラシアンでは、編集エクスペリエンスに Rovo を使用すると、次のようなシナリオで最も効果的だと考えています。

• 既存のコンテンツを対象ユーザー別に変換する。Rovo は、調子を変えたり、文章を改善し、技術情報を他のチームが理解しやすくしたりするのに役立ちます。これは、文章をより専門的かつ簡潔にしたいチームに最適です。
• 既存のコンテンツを要約する。Rovo を使用すると、大まかなメモを有益な戦略ドキュメント、ナレッジ ベース記事、キャンペーン計画などに変換できます。また、既存の情報を分析して行動計画や項目を定義するのにも使用できます。これは、ページ内のテキスト量が多く、そこから多くのコンテキストを抽出する場合に最適です。
• 新しいコンテンツを生成する。Rovo は、戦略ページ、プロジェクト概要、リリース ノート、ユーザー ストーリーなどの新しいコンテンツを下書きするのに役立ちます。これは、チームが特定のゴールを念頭に置き、明確で具体的なプロンプトを使用する場合に最適です。

編集エクスペリエンスでの AI の使用を強化するというモデルの利用方法により、これらのモデルが不正確、不完全、または信頼性の低い動作をする場合があることにご注意ください。

たとえば、受け取った応答には基になっている内容が正確に反映されていなかったり、合理的なようでも虚偽または不完全な内容が含まれていたりする可能性があります。

編集エクスペリエンスでの Rovo の使用は、次のようなシナリオでは、あまり効果的でないことが判明しています。

• 人、場所、事実に関する最新かつ正確な情報が必要である。
• リクエストに正しく回答するためにアクセスする必要のある情報がすぐに利用できない（インスタンスに存在しないなど）。
• 標準のマークダウンを超える形式でコンテンツを生成する必要がある（情報パネルを最初から生成するなど）。
• 編集中の文書にはまだ存在していない情報を参照する必要がある（別の文書や別の製品に存在するコンテンツなど）。
• 英語以外の言語でコンテンツを生成および変換する必要がある。

このことから、Rovo を使用する状況をご検討いただき、受け取った回答の質を確認した上で、他の人と共有することをお勧めします。

こちらもぜひご検討ください。

• Rovo に質問する内容をできるだけ具体的にする。
• 複雑な要求をより小さな管理しやすいタスクに分割します。
• 関連するキーワードを組み込んで、生成されるコンテンツの精度を高めます。
• 入力テキストには適切な文法と句読点を使用します。
• AI ライティング・アシスタントによって生成された出力を校正、レビュー、編集して、正確でわかりやすくします。
• さまざまなプロンプトや入力テキストのバリエーションを試して、さまざまなアイデアを探ります。
• 他のユーザーと協力してフィードバックを収集し、出力の品質を向上させます。

編集エクスペリエンスにおける AI でお客様のデータがどのように使用されるかについて疑問をお持ちのことでしょう。このセクションでは、FAQ ページで提供されている情報を補足します。

私たちは以下を処理します。

• お客様のプロンプト (入力) と回答 (出力)。
• Rovo をトリガーした製品など、プロンプトに関連するインスタンスからのコンテキスト。
• クリックストリーム データや一緒に作業する人など、お客様が私たちの機能をどのように利用したかに関するデータ。
• お客様が提供することを選択した、この機能についてのフィードバック（フィードバックの一部として共有することを選択したプロンプトや回答を含む）。

データに関しては、編集エクスペリエンスにおける Rovo には、次の対策を適用しています。

• プロンプト（入力）と回答（出力）：
  • 他のお客様は利用できません。

  • OpenAI または Google 以外のサードパーティの LLM プロバイダーには送信されません。

  • どの LLM プロバイダーにも保管されません。
  • LLM モデルの改良には利用されません。
  • ご自身のエクスペリエンスのためにのみ利用されます。
• サードパーティの LLM プロバイダーはすべて復処理者であり、復処理者のページに記載されています。お客様のリクエストを処理するための目的以外で、副処理者がお客様の入力と出力を使用することはありません。
• この機能は、ご利用のインスタンスの権限に従います。たとえば、特定の Confluence ページにアクセスできない場合、受信した回答でそのページのコンテンツが提案されることはありません。ご自身のコンテンツをインスタンスの他のユーザーへの回答として利用されないようにするには、組織の管理者に連絡して、権限が適切に設定されていることをご確認ください。

作業項目の再整形機能は、OpenAI の GPT シリーズのモデルを含む、OpenAI によって開発された大規模言語モデルを利用しています。

Rovo はこのモデルを使用して、Jira 内で自然言語を分析/生成します。

これらのモデルは、入力に基づいて回答を生成しますが、その本質は確率論に基づいています。つまり、学習したデータに基づいて、次にくる可能性が最も高い単語やテキストを予測して回答が生成されます。

OpenAI のモデルの機能について詳細をご確認ください。

作業項目の再整形機能を使用すると、アトラシアンが開発したテンプレートに基づいて再整形を行い、Jira 作業項目の説明をわかりやすくできます。このテンプレートは、ユーザー ストーリー、作業のコンテキスト、承認基準など、Jira 作業項目の説明で通常見られる種類の情報を網羅しています。

作業項目の再整形機能は、作業項目の説明にすでに有用な情報 (承認基準や情報源へのリンクなど) が含まれているが、その情報が明確または一貫した構造で整形されていない場合に最も大きな効果を発揮します。

作業項目の再整形機能に使用されているモデルは、その構造上、不正確だったり、不完全だったり、信頼できない動作をしたりする場合があることを念頭に置くことが重要です。

たとえば、再整形された説明に元の内容が正確に反映されていなかったり、一見筋が通っているようでも虚偽または不完全な細部が含まれていたりする可能性があります。

作業項目の再整形機能は、次のようなシナリオではあまり効果的でないことが判明しています。

• 人、場所、事実に関する最新かつ正確な情報が必要である。
• 作業項目の説明にあまり情報が含まれていない。この場合、作業項目の再整形機能に使用されているモデルが、元の説明に含まれていない情報を追加する可能性が高くなります。

このことから、Rovo を使用する状況をご検討いただき、受け取った回答の質を必ず確認した上で、他の人と共有することをお勧めします。あわせて、作業項目の再整形機能を使用して作業項目を再整形する前に、作業項目の説明に関連情報がすべて含まれているかどうか確認することを検討してください。

作業項目の再整形機能でお客様のデータがどのように使用されるかについて、ご不明な点があると思います。このセクションでは、Atlassian Trust Center で入手できる情報を補足します。

処理されるデータの種類は以下のとおりです。

• お客様のプロンプト (入力) と回答 (出力)。
• Jira 作業項目の説明や要約など、プロンプトに関連するインスタンスのコンテキスト。
• クリックストリーム データや一緒に作業する人など、お客様が私たちの機能をどのように利用したかに関するデータ。
• お客様が提供することを選択した、この機能についてのフィードバック (フィードバックの一部として共有することを選択したプロンプトや回答を含む)。

作業項目の再整形機能を使用する際には、お客様のデータについて次のような対策が適用されます。

• プロンプト (入力) と回答 (出力) について:
  • 他のお客様は利用できません
  • OpenAI 以外のサードパーティの LLM プロバイダには送信されません。
  • OpenAI によって保存されません。
  • OpenAI のモデルの改善には使用されません。
  • ご自身のエクスペリエンスのためにのみ利用されます。
• OpenAI は、副処理者のリストに含まれる副処理者です。これらのプロバイダーがリクエストの処理以外の目的でお客様の入力と出力を使用することはありません。
• この機能は、該当の Jira 作業項目で入手可能な情報のみを使用し、その Jira 作業項目から呼び出されます。したがって、その作業項目の閲覧権限を持つユーザー以外は呼び出すことができず、また他の情報にはアクセスできません。

Rovo の使い方について詳しく見る

AI を使用した作業項目の詳細の要約は、OpenAI と Google が開発した大規模な言語モデルを利用しています。これらの大規模言語モデルには、OpenAI の GPT シリーズのモデルや Google の Gemini シリーズのモデルなどがあります。

Rovo はこれらのモデルを使用して、製品内で自然言語を分析/生成します。

これらのモデルは、入力に基づいて回答を生成しますが、その本質は確率論に基づいています。つまり、学習したデータに基づいて、次にくる可能性が最も高い単語やテキストを予測して回答が生成されます。

OpenAI のモデルと、Google のモデルの機能に関する詳細をご確認ください。

Jira Service Management で作業項目に関する長文の説明や多数のコメントをすべて読む代わりに、Rovo でこれらの情報をすばやく要約できます。これにより、エージェントが作業項目のコンテキストとこれまでの進捗をすばやく理解し、迅速にアクションを実行して、タイムリーな支援を提供できます。

Rovo を使用した作業項目の詳細の要約は、次の場合に最適だと私たちは考えています。

• 説明とコメントが英語で記述されている作業項目。
• コメントの数が多い作業項目や、コメントや説明が長い作業項目。

AI の機能を使用して作業項目の詳細の要約を強化するというモデルの仕組み上、これらのモデルが不正確、不完全、または信頼性の低い動作をする場合があることにご注意ください。

たとえば、受け取った回答には基になっている内容が正確に反映されていなかったり、合理的なようでも虚偽または不完全な内容が含まれていたりする可能性があります。

Rovo を使用した作業項目の詳細の要約は、次のようなシナリオではあまり効果的でないことが判明しています。

• 英語以外の言語を使用している
• 作業項目に履歴や詳細がない

このことから、Rovo を使用する状況をご検討いただき、受け取った回答の質を確認した上で、他の人と共有することをお勧めします。

AI を使用して作業項目の詳細を要約する際にお客様のデータがどのように使用されるかについて疑問をお持ちのことでしょう。このセクションでは、FAQ ページで提供されている情報を補足します。

私たちは以下を処理します。

• お客様のプロンプト (入力) と回答 (出力)。
• プロンプトに関連するインスタンスからのコンテキスト (作業項目の説明、コメント、チケットに関連するユーザーなど、Jira Service Management 作業項目の詳細を含む)。
• クリックストリーム・データや一緒に作業する人など、お客様がアトラシアンの機能をどのように利用したかに関するデータ。
• お客様が提供することを選択した、この機能についてのフィードバック（フィードバックの一部として共有することを選択したプロンプトや回答を含む）。

Rovo を使用して作業項目の詳細を要約する際には、お客様のデータについて次のような対策を適用しています。

• プロンプト（入力）と回答（出力）：
  • 他のお客様は利用できません。

  • OpenAI、Google、または AWS Bedrock の Anthropic 以外のサードパーティの LLM プロバイダーには送信されません。

  • どの LLM プロバイダーにも保管されません。
  • LLM モデルの改良には利用されません。
  • ご自身のエクスペリエンスのためにのみ利用されます。
• あらゆるサードパーティの LLM プロバイダーは復処理者であり、「復処理者」ページに記載されています。これらのプロバイダーがリクエストの処理以外の目的でお客様の入力と出力を使用することはありません。
• この機能は、ご利用のインスタンスの権限に従います。エージェントとプロジェクト管理者のみに「要約」ボタンが表示されます。

Atlassian Intelligence (AI) によるスマート リンクの要約は、OpenAI、Google、Anthropic によって開発された大規模言語モデル、およびオープンソースの大規模言語モデル (Llama シリーズ、Phi シリーズ、Mixtral シリーズなど) と他の機械学習モデルの組み合わせによって支えられています。これらの大規模言語モデルには、OpenAI の GPT シリーズのモデル、Google の Gemini シリーズのモデル、Anthropic の Claude シリーズのモデルなどがあります。

Atlassian Intelligence はこれらのモデルを使用して、製品内の自然言語を分析および生成します。

これらのモデルは、入力に基づいて回答を生成しますが、その本質は確率論に基づいています。つまり、学習したデータに基づいて、次にくる可能性が最も高い単語やテキストを予測して回答が生成されます。

OpenAI のモデル、Google のモデル、Anthropic のモデルの機能に関する詳細をご確認ください。オープン ソースの言語モデルの詳細については、Llama シリーズや Phi シリーズでご確認ください。

Jira、Confluence、Google Docs のスマート リンクにカーソルを合わせると、Atlassian Intelligence がコンテンツを要約して、ユーザーがリンクの重要性と価値を判断し、次のアクションを決定できるようにします。これにより、現在のページを離れてコンテキストを切り替える必要が減ります。

アトラシアンでは、AI でスマート リンクを要約することは、次のようなシナリオで最も効果的に機能すると考えています。

• スマート リンクを含むページや作業項目を見ている。
• スマート リンクを含み、情報量やコンテンツが多いページや作業項目を見ている。これらを確認するのに時間がかかり、目的のメイン コンテンツを読むことに集中できない。

AI によるスマート リンク要約のために使用されるモデルの仕組み上、不正確だったり、不完全だったり、信頼できない動作をしたりする場合があることを念頭に置くことが重要です。

たとえば、受け取った要約には基になっている内容が正確に反映されていなかったり、一見筋が通っているようでも虚偽または不完全な内容が含まれていたりする可能性があります。

AI でスマート リンクを要約することは、次のようなシナリオではあまり効果的でないことが判明しています。

• 人、場所、事実に関する最新かつ正確な情報が必要である。
• 非常に短いコンテンツを要約する必要がある。
• 1 つのリンク内のすべてのメタデータとコンテンツを要約する必要がある。たとえば、Jira チケットのすべてのフィールド値、その説明とコメントの内容を理解したい場合。

このことから、Atlassian Intelligence を使用する状況をご検討いただき、受け取った回答の質を確認した上で、他の人と共有することをお勧めします。

Atlassian Intelligence を使用して作業項目の詳細を要約する際にお客様のデータがどのように使用されるかについて疑問をお持ちのことでしょう。このセクションでは、FAQ ページで提供されている情報を補足します。

私たちは以下を処理します。

• お客様のプロンプト (入力) と回答 (出力)。
• 要約するリンクの内容など、プロンプトに関連するインスタンスのコンテキスト。
• クリックストリーム データや一緒に作業する人など、お客様が私たちの機能をどのように利用したかに関するデータ。
• この機能についてお客様が提供するフィードバック (フィードバックの一部として共有する回答を含む)。

お客様のデータについては、AI を使用したスマート リンクの要約では次の指標が適用されます。

• お客様の要約:
  • 他のお客様は利用できません。

  • OpenAI、Google、または AWS Bedrock の Anthropic 以外のサードパーティの LLM プロバイダーには送信されません。

  • どの LLM プロバイダーにも保管されません。
  • LLM モデルの改良には利用されません。
  • ご自身のエクスペリエンスのためにのみ利用されます。
• サードパーティの LLM プロバイダーはすべて復処理者であり、復処理者のページに記載されています。リクエストの処理以外の目的でお客様の入力と出力を使用することはありません。

• この機能は、ご利用のインスタンスの権限に従います。たとえば、Jira や Confluence のチケットやページ、または Google のページにアクセスできない場合、そのソースからのコンテンツを要約することはできません。インスタンス内の他のユーザーへの回答に自分のコンテンツが利用されないようにするには、組織管理者に連絡して、ご自身の権限が適切に設定されていることをご確認ください。

Jira の AI 要約は、OpenAI によって開発された大規模な言語モデルを利用しています。こうしたモデルには、こちらで説明されている OpenAI モデルが含まれます。

Atlassian Intelligence はこれらのモデルを使用して、製品内の自然言語を分析/生成します。

これらのモデルは、入力に基づいて回答を生成しますが、その本質は確率論に基づいています。つまり、学習したデータに基づいて、次にくる可能性が最も高い単語やテキストを予測して回答が生成されます。

OpenAI のモデルの能力、またはこのアプローチについて詳しくは、OpenAI の研究論文をお読みください。

Jira 作業項目上にある長文の説明や多数のコメントをすべて読む代わりに、Atlassian Intelligence を活用することで、こうした情報をすばやく要約できます。これにより、エージェントが作業項目のコンテキストとこれまでの進捗をすばやく理解し、迅速にアクションを実行して、タイムリーな支援を提供できます。

Atlassian Intelligence による作業項目の詳細の要約は、コメントの数が多い作業項目や、長いコメントや説明がある作業項目に取り組む際に最も役立つでしょう。

Jira の AI 要約に使用されているモデルは、その構造上、不正確、不完全、または信頼できない動作をする可能性があることを念頭に置くことが重要です。

たとえば、受け取った回答には基になっている内容が正確に反映されていなかったり、妥当なようでも虚偽または不完全な内容が含まれていたりする可能性があります。

Atlassian Intelligence を使用した作業項目の詳細の要約は、次のようなシナリオではあまり効果的でないことが判明しています。

• 作業項目に履歴や詳細がない
• 作業項目に 100 件以上のコメントがある (最新のコメント 100 件のみが要約されます)

このような理由から、Atlassian Intelligence を使用する状況をご検討いただき、受け取った回答の質を確認したうえで、他のユーザーと共有することをお勧めします。

Atlassian Intelligence を使用して作業項目の詳細を要約する際にお客様のデータがどのように使用されるかについて疑問をお持ちのことでしょう。このセクションでは、Atlassian Trust Center で入手できる情報を補足します。

処理されるデータの種類は以下のとおりです。

• お客様のプロンプト (入力) と回答 (出力)。
• プロンプトに関連するインスタンスからのコンテキスト (作業項目の説明、コメント、チケットに関連するユーザーなど、Jira 作業項目の詳細を含む)。
• クリックストリーム データや一緒に作業する人など、お客様が私たちの機能をどのように利用したかに関するデータ。
• お客様が提供することを選択した、この機能についてのフィードバック (フィードバックの一部として共有することを選択したプロンプトや回答を含む)。

Atlassian Intelligence を使用して作業項目の詳細を要約する際には、お客様のデータについて次のような対策が適用されます。

• プロンプト (入力) と回答 (出力) について
  • 他のお客様は利用できません。
  • OpenAI 以外のサードパーティの LLM プロバイダーには送信されません。
  • OpenAI によって保存されません。
  • OpenAI モデルの改善には利用されません。
  • ご自身のエクスペリエンスのためにのみ利用されます。
• OpenAI は、アトラシアンの副処理者のリストに含まれる副処理者です。副処理者がリクエストを処理するための目的以外で、お客様の入力と出力を使用することはありません。
• この機能は、ご利用のインスタンスの権限に従います。この機能は、該当の Jira 作業項目で入手可能な情報のみを使用し、その Jira 作業項目から呼び出されます。したがって、その作業項目の閲覧権限を持つユーザー以外は呼び出すことができず、また他の情報にはアクセスできません。

AI Work Breakdown は、OpenAI によって開発された大規模な言語モデルを利用しています。

Atlassian Intelligence はこれらのモデルを使用して、製品内の自然言語を分析/生成します。

これらのモデルは、入力に基づいて回答を生成しますが、その本質は確率論に基づいています。つまり、学習したデータに基づいて、次にくる可能性が最も高い単語やテキストを予測して回答が生成されます。

OpenAI のモデルの能力、またはこのアプローチに関する詳細は、OpenAI の研究論文をご参照ください。

AI Work Breakdown は、お客様が作成した Jira 作業項目に基づいて子作業項目を提案するため、大規模な作業をより小さなタスクに分割するのに便利です。作業項目をコンテキストとして使用し、子作業項目の要約と説明の提案を生成します。

AI Work Breakdown は、次のようなシナリオで最適に機能します。

• 最初に取り組む作業項目が、制約、指示、完了の定義など、詳細な要約と説明を持っている場合
• 最初に取り組む作業項目が、既存の子作業項目を持たない場合

AI Work Breakdown を機能させるために使用されているモデルは、その構造上、不正確、不完全、または信頼できない動作をする可能性があることを念頭に置くことが重要です。

たとえば、受け取った回答には基になっている内容が正確に反映されていなかったり、合理的なようでも虚偽または不完全な内容が含まれていたりする可能性があります。

AI Work Breakdown は、次のようなシナリオではあまり効果的でないことが判明しています。

• 人、場所、事実に関する最新かつ正確な情報が必要である。
• 最初に取り組む作業項目に、詳細な作業項目の要約と説明がない (たとえば、非常に短く不明瞭な説明を含む作業項目に基づいて子作業項目の提案を生成しようとしている場合)。

このことから、Atlassian Intelligence を使用する状況をご検討いただき、受け取った回答の質を確認した上で、他の人と共有することをお勧めします。

こちらもぜひご検討ください。

• Atlassian Intelligence に質問する内容をできるだけ具体的にする。
• 最初に取り組む作業項目の要約と説明には、できるだけ多くの情報を提供する。

お客様のデータが AI Work Breakdown でどのように使用されるか、疑問をお持ちのことでしょう。このセクションでは、アトラシアンの Trust Center で入手できる情報を補足します。

処理されるデータの種類は以下のとおりです。

• お客様のプロンプト (入力) と回答 (出力)。
• プロンプトに関連するインスタンスからのコンテキスト (要約、説明、コメントなどの作業項目データを含む)。
• クリックストリーム データや一緒に作業する人など、お客様が私たちの機能をどのように利用したかに関するデータ。
• お客様が提供することを選択した、この機能についてのフィードバック (フィードバックの一部として共有することを選択したプロンプトや回答を含む)。

AI Work Breakdown は、お客様のデータに対して次の指標を適用します。

• プロンプト (入力) と回答 (出力) について
  • 他のお客様は利用できません。
  • OpenAI 以外のサードパーティの LLM プロバイダには送信されません。
  • OpenAI によって保存されません。
  • OpenAI モデルの改善には利用されません。
  • ご自身のエクスペリエンスのためにのみ利用されます。
• OpenAI は、アトラシアンの副処理者のリストに含まれる副処理者です。副処理者がリクエストを処理するための目的以外で、お客様の入力と出力を使用することはありません。
• この機能は、ご利用のインスタンスの権限に従います (子作業項目の提案を生成するには、ご自身がその作業項目へのアクセス権を持っている必要があります)。ご自身のコンテンツを他のユーザーが生成した回答に使用されないようにするには、組織管理者にご連絡のうえ、権限が適切に設定されていることをご確認ください。

Atlassian Intelligence の使用方法について詳しく知る

ミーティング エージェントは、OpenAI および Google によって開発された大規模言語モデルに加え、その他の機械学習モデルの組み合わせを使用しています。これらのモデルには、OpenAI の GPT シリーズのモデル、Google の Gemini シリーズのモデルなどがあります。

ミーティング エージェントは、これらのモデルを使用して、製品内で自然言語を分析・生成します。

これらのモデルは、入力に基づいて回答を生成しますが、その本質は確率論に基づいています。つまり、学習したデータに基づいて、次にくる可能性が最も高い単語やテキストを予測して回答が生成されます。

OpenAI のモデルと、Google のモデルの機能に関する詳細をご確認ください。

ミーティング エージェントは、Teamwork Collection (Jira、Confluence、Loom) を使用している組織のユーザーに提供されています。

ミーティング エージェントは Loom のデスクトップ アプリで利用可能で、見逃したトピックの最新情報の把握、アクション アイテムの記録、次回のミーティングに向けて準備できるようにすることで、ユーザーがミーティング エクスペリエンスを向上させられるようサポートすることを目的としています。

ミーティング エージェントは、次のようなシナリオで最も効果的に機能すると考えています。

• 現在のミーティング、または定期的に開催されている一連のミーティングに関する情報について質問し、回答を得たい場合。
• 自社のナレッジ ベースに関する質問を、簡単にアクセスできる方法で行いたい場合。

ミーティング エージェントの機能を強化するために使用されているモデルは、その構造上、不正確だったり、不完全だったり、信頼できない動作をしたりする場合があることを念頭に置くことが重要です。

たとえば、受け取った回答には基になっている内容が正確に反映されていなかったり、合理的なようでも虚偽または不完全な内容が含まれていたりする可能性があります。

ミーティング エージェントは、次のようなシナリオではあまり効果的でないことが判明しています。

• ミーティング エージェントを使用して、現在のセッションや一連の定期ミーティング以外のミーティングの情報にアクセスする必要がある場合。
• ミーティング エージェントを使用して、書き起こしが利用できないミーティングの情報にアクセスする必要がある場合。
• 人、場所、事実に関する最新かつ正確な情報が必要である。
• リクエストに正しく回答するためにミーティング エージェントがアクセスする必要のある情報が、すぐに利用できない場合 (ご利用のインスタンスでは利用できない場合など)。

このことから、ミーティング エージェントを使用する状況をご検討いただき、受け取った回答の質を確認した上で、他の人と共有することをお勧めします。

こちらもぜひご検討ください。

• ミーティング エージェントに依頼する内容をできるだけ具体的にする。
• より広範な情報にアクセスした上でクエリに回答して欲しい場合は、ミーティング エージェントに「Web を検索」をリクエストします。たとえば、「ビデオ会議ソフトウェアの獲得可能な最大市場規模はどのようなものか」を知りたい場合、クエリに Web 検索結果を追加することで、ミーティング エージェントの回答精度が向上します。
• ミーティング エージェントは、ミーティングの記録やその他のアーティファクトに関する情報や背景情報へのアクセスを主な目的として使用します。ミーティング アーティファクト以外でより容易に取得できる組織の背景情報については、Rovo の使用を推奨します。たとえば、「製品責任者は誰か」や「米国での次の全社休暇はいつか」といった質問には、Rovo の方が迅速に回答できる場合があります。ミーティング エージェントの使用が適しているのは、ミーティング アーティファクトの外部ソースに関する組織の背景情報へ迅速にアクセスすることが目的の場合です。Rovo が適している場合は、Rovo の使用を推奨します。

お客様のデータがミーティング エージェントでどのように使用されるかについて疑問をお持ちのことでしょう。このセクションでは、Atlassian Trust Center で入手できる情報を補足します。

私たちは以下を処理します。

• お客様のプロンプト (入力) と回答 (出力)。
• 動画の書き起こし (動画そのものは含まれません)
• プロンプトに関連するご利用のインスタンスの背景情報。たとえば「2026 年の自社の福利厚生はどのようなものか」と入力した場合、福利厚生に関する情報が含まれている、アクセス可能な Confluence ページが渡されることがあります。
• クリックストリーム データや一緒に作業する人など、お客様が私たちの機能をどのように利用したかに関するデータ。
• お客様が提供することを選択した、この機能についてのフィードバック（フィードバックの一部として共有することを選択したプロンプトや回答を含む）。

データの取り扱いについては、ミーティング エージェントでは次の指標が適用されます。

• プロンプト（入力）と回答（出力）：
  • 他のお客様は利用できません。
  • OpenAI または Google 以外のサードパーティの LLM プロバイダーには送信されません。
  • Open AI または Google によって保存されることはありません。
  • Open AI または Google のいかなるモデルの改善にも使用されることはありません。
  • ご自身のエクスペリエンスのためにのみ利用されます。
• ミーティング エージェントの会話履歴は、過去 30 日間のミーティングについてアクセス可能です。
• Open AI と Google は、アトラシアンの副処理者のリストに含まれる副処理者です。リクエストの処理以外の目的でお客様の入力と出力を使用することはありません。
• この機能は、ご利用のインスタンスの権限に従います。たとえば、所属していないチームの機密ポリシー ドキュメント (Confluence ページ) にアクセス権がない場合、そのページのコンテンツが回答として提案されることはありません。ご利用のインスタンス内の他のユーザーへの回答に自分のコンテンツが利用されないようにするには、組織管理者に連絡して、ご自身の権限が適切に設定されていることをご確認ください。

ミーティング エージェントの詳細を読む

Jira のエージェントは、OpenAI と Google によって開発された大規模な言語モデルを利用しています。これらの大規模言語モデルには、OpenAI の GPT シリーズのモデルや Google の Gemini シリーズのモデルなどがあります。

Jira のエージェントは、これらのモデルを使用して Jira 内で自然言語の応答やコードを分析、生成します。

これらのモデルは、入力に基づいて回答を生成しますが、その本質は確率論に基づいています。つまり、学習したデータに基づいて、次にくる可能性が最も高い単語やテキストを予測して回答が生成されます。

OpenAI のモデルと、Google のモデルの機能に関する詳細をご確認ください。

Jira のエージェントでは、Studio で作成したエージェントや、GitHub Copilot などのサードパーティ製エージェントを Jira の作業項目に割り当てることができます。作業項目にエージェントを追加すると、そのエージェントとの双方向のやり取りが確立されます。エージェントを作業項目に割り当てたり、ワークフロー内で作業が進むにつれてエージェントをトリガーしたりできます。

エージェントは最初の下書き、簡単な要約、特定のタスクをサポートするため、追跡されている場所で作業を継続できます。Rovo Dev や GitHub Copilot など、より強力なコーディング エージェントでもコードを生成できます。

タスクが割り当てられて作業を開始すると、エージェントは作業項目の [Agents (エージェント)] セクションでレビュー用の出力を提供します。エージェントの出力を表示、操作、共有できるのは自身のみです。

結果に満足したら、出力を作業項目のコメントとして共有し、チームも閲覧できるようにすることができます。

エージェントをスペースに追加すると、4 つの方法でコラボレーションできます:

• エージェントを担当者フィールドに追加します。
• エージェントをコメントで @メンションします。
• ワークフロー トランジションにエージェントを追加します。

• ボードの列にエージェントを追加します。

Jira のエージェントは、次のようなシナリオで特に効果を発揮すると考えています。

• 作業項目に、詳細な説明や関連コンテキスト (Confluence ページ、デザイン、ガイドライン) が十分に含まれており、エージェントが一般的な提案ではなく、チームの実際の業務内容に基づいて応答できる場合。
• コード生成や技術分析などの用途において、適切なスキルやツールを備えた、Studio で構築された専用エージェントやコーディング エージェント (Rovo Dev や GitHub Copilot など) を使用している場合。
• 初稿コメント、受け入れ基準、コード変更のドラフト作成など、適切に範囲設定されたタスクをエージェントに委任することで作業を進めつつ、人間はより高度な判断や最終承認に集中したい場合。
• フォローアップ プロンプトを使用してエージェントの出力を改善または修正しながら、反復的にやり取りしたい場合。

Jira のエージェントを機能させるために使用されているモデルは、その構造上、不正確だったり、不完全だったり、信頼できない動作をしたりする場合があることを念頭に置くことが重要です。

たとえば、受け取った回答には基になっている内容が正確に反映されていなかったり、合理的なようでも虚偽または不完全な内容が含まれていたりする可能性があります。

Jira のエージェントは、次のようなシナリオではあまり効果的でないことが判明しています。

• 人、場所、事実に関する最新かつ正確な情報が必要である。
• ユーザー権限などさまざまな理由で回答が異なる可能性があるため、どのような変動の影響も受けない、極めて一貫性が高く規則的な出力を必要としている。
• 人間が関与していない。求められている出力結果の検証や誘導でエージェントが最適に動作するには、人の関与が必要です。
• 作業項目に、エージェントが作業を開始するために必要なコンテキストが十分に含まれていない。これは、タスクを確実に理解するために必要な情報が Jira サイトや接続されたアプリや製品内に十分存在しない場合に発生することがあります。また、デザイン、コード スニペット、要件など、エージェントが必要とする特定の成果物が作業項目にリンクまたは参照されていない場合にも発生する可能性があります。
• Studio で構築されたエージェントに、割り当てられた作業に必要なスキルが備わっていない。エージェントへのスキルとツールの追加について詳しくはこちら。

• そのタスクには、人々との交渉やコミュニケーションが必要です。エージェントは意見を要約したり次のステップを提案したりできますが、関係者間の調整を行ったり、チームを代表してコミットメントを行ったりする用途には適していません。

このことから、Jira でエージェントを使用する状況をご検討いただき、受け取った回答の質を確認した上で、他の人と共有することをお勧めします。

こちらもぜひご検討ください。

• エージェントに実行してほしい作業項目の内容をできる限り具体的にする。
• エージェントが使用できる関連するコンテキストとリンク (ページ、リポジトリへのリンク、コード、デザイン) を提供する。
• フォローアップ プロンプトを繰り返して、出力を改良または修正する。

お客様のデータが Jira のエージェントでどのように使用されるかについて疑問をお持ちのことでしょう。このセクションでは、Atlassian Trust Center で入手できる情報を補足します。

私たちは以下を処理します。

• お客様のプロンプト (入力) と回答 (出力)。
• エージェントがタスクを完了するうえで役立つ追加情報を見つけるために使用される、作業項目のコンテキストや Teamwork Graph 内のデータなど、プロンプトに関連するインスタンス内のコンテキスト。
• クリックストリーム データや一緒に作業する人など、お客様が私たちの機能をどのように利用したかに関するデータ。

• お客様が提供することを選択した、この機能についてのフィードバック（フィードバックの一部として共有することを選択したプロンプトや回答を含む）。

データの取り扱いについては、Jira のエージェントでは次の指標が適用されます。

• アトラシアン作成エージェントまたは Rovo スタジオ エージェントとのプロンプト (入力) および回答 (出力):
  • 他のお客様は利用できません。
  • お客様のエクスペリエンスを提供する目的にのみ使用されます。
  • OpenAI または Google 以外のサードパーティの LLM プロバイダーには送信されません。
  • どの LLM プロバイダーにも保管されません。
  • 大規模言語モデルの改良には使用されません。
  • ご自身のエクスペリエンスのためにのみ利用されます。
• 管理者が Marketplace アプリまたはサードパーティ製 MCP サーバーを通じてサードパーティ製エージェントをインストールまたは有効化した場合、そのエージェントの利用には、当該サードパーティの利用規約、プライバシー通知、データ処理方針、およびデータ保持方針が適用されます。
  • サードパーティ製エージェントでは、アトラシアン製または Studio 構築エージェントとは異なる LLM、サブプロセッサー、インフラストラクチャ、保持期間、および制御が使用される場合があります。お客様は、サードパーティ製エージェントを有効化または利用する前に、該当するサードパーティの利用規約およびドキュメントを確認する必要があります。
• OpenAI または Google Vertex は、アトラシアンの副処理者のリストに含まれる副処理者です。リクエストの処理以外の目的でお客様の入力と出力を使用することはありません。
• この機能は、ご利用のインスタンスの権限に従います。たとえば、特定の Confluence ページにアクセスできない場合、エージェントは受信した回答でそのページにアクセスできません。 ご利用のインスタンス内の他のユーザーへの回答に自分のコンテンツが利用されないようにするには、組織管理者に連絡して、ご自身の権限が適切に設定されていることをご確認ください。
• エージェントはお客様に代わって動作し、お客様の権限を継承します。エージェントが取得できるのは、お客様がアクセス可能なデータのみに限定され、その出力は、お客様が共有するか、他のユーザーに表示されるアクションをトリガーしない限り、お客様だけに表示されます。

AI エージェントと作業項目でコラボレーションする

Rovo 関連リソース

AI エージェントと作業項目でコラボレーションする

Rovo 関連リソース

Mentioning Jira in Slack lets teams capture and manage work items directly from any Slack channel. Use @Jira to create work items, update fields, and assign tasks in plain language, without leaving the thread. You can also use @Jira to assign work to a teammate or hand off to an agent. Setup takes seconds and your project and preferences are remembered from there.

Mentioning Jira in Slack is designed to help teams capture and act on work the moment it comes up in conversation. We believe that mentioning Jira in Slack works best in scenarios where you are:

• Creating work items from Slack conversations. When a bug, decision, or task surfaces in a Slack thread, you can use @Jira and describe what you need to create the work item in Jira with the relevant context attached.
• Updating existing work items. You can ask the agent to update the status, priority, or assignee of an existing Jira work item directly from Slack, without opening Jira.
• Assigning work to an agent. You can ask the Jira to assign work to an agent to kick-off execution.
• Editing work items inline. You or your teammates can edit fields directly using an unfurl card for the created or updated work item in the Slack thread.
• Configuring channel-level defaults. You can use the /jira agent slash command to set a default Jira site, default project, and custom instructions for how the agent behaves in a specific Slack channel.

It’s important to remember that because of the way that the models used to power the Jira app 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 using @Jira in Slack is less useful in scenarios where:

• You lack permissions in Jira which restrict your ability to query or perform actions.
• The Slack thread or channel that you’re using contains vague or imprecise language. When this is the case, @Jira is less likely to create or update accurate work items.
• You give the unclear or vague instructions when you @mention Jira.
• Your channel or thread lacks current and accurate information about people, places, and facts.

For this reason, we encourage you to think about the situations when you use @Jira in Slack and review the quality of the responses you receive.

You might also want to think about:

• Being as specific as possible in your prompts.
• Rephrasing your prompts.
• Reviewing the created or updated Jira work items for accuracy before closing the Slack thread.

We understand you may have questions about how the Jira for Slack app uses your data. This section supplements the information available on our Trust Center.

We process:

• Your prompts (inputs) and responses (outputs).
• Context from your instance relevant to your prompt, such as updates to a Jira work item.
• 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, the Jira app for Slack 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 Google.
  • Are not stored by Google.
  • Are not used to improve Google models.
  • Are used only to serve your experience.
• Google Vertex is a sub-processor on our List of Sub-processors. They do not use your inputs and outputs for any purpose besides processing your request.
• This feature follows the permissions in your instance. For example, if you do not have permission to create work items, then you will be unable to do so via mentioning Jira in Slack.

Rovo resources

Support article

Slack Marketplace listing