透明性を重視して設計された Rovo

インシデント管理のための AI ChatOps は、OpenAI 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 シリーズなど) と他の機械学習モデルの組み合わせを利用しています。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応答が生成されます。

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。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。

インシデント管理のための AI ChatOps では、Jira Service Management のインシデント作業項目にリンクされている Slack チャンネルに新規ユーザーが追加されると、関連するインシデントの要約とそれに関する会話すべてが提供されるため、ユーザーはインシデント解決プロセスを迅速に進められます。さらに、インシデント管理のための AI ChatOps では、Slack で生じる会話をタイムラインとして Jira Service Management に記録し、将来参照できるようにします。

アトラシアンでは、インシデント管理のための AI ChatOps は、次のようなシナリオで最も効果的だと考えています。

• 組織では、インシデントの選別や解決のための主要なコラボレーション ツールとして Slack を利用している。

• 組織では、Jira Service Management のインシデント作業項目内で行われるインシデントに関する会話を、特定のプロトコルに従って記録している。

インシデント管理のための AI ChatOps の作業に使用されるモデルは、その性質上、不正確、不完全、または信頼できない動作を示す場合があることを念頭に置きます。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。

インシデント管理のための AI ChatOps 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。

• 組織がインシデントの選別や解決のための主要なコラボレーション ツールとして Slack を利用していない。

• チームが、Jira Service Management のインシデント作業項目や、選別中のインシデント作業項目にリンクされている Slack チャンネルにアクセスできない。

こうした理由から、インシデント管理のための AI ChatOps を利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、他のユーザーと共有することをお勧めします。

また、関連するインシデント作業項目や Slack チャンネルにユーザーが適切なレベルでアクセスできるよう、権限を見直すこともご検討ください。

インシデント管理のための AI ChatOps がお客様のデータをどのように使用するかについて、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) と応答 (出力)。
• リンクしている Slack チャンネルのインシデント データやメッセージなど、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)。

お客様のデータ保護のため、インシデント管理のための AI ChatOps では次の対策を適用しています。

• 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 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 やその他のサードパーティの LLM プロバイダーが改善を行うために使用されることはありません。
• OpenAI は「副処理者」ページに記載されている副処理者です。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、ご利用の製品の権限に従います。たとえば、インシデント作業項目へのアクセス権がない場合、インシデント管理のための AI ChatOps を生成しても、その作業項目の十分なコンテキストを得られません。ご自身のコンテンツを製品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、組織管理者に連絡して、チームのアクセス権限が適切に設定されていることをご確認ください。

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。
• 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。
• 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

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。
• 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。
  • 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。
• 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 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。
• 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。
• 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。
  • 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。
• 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。
• 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。
  • 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。
• 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

Jira Cloud for Slack アプリは、AI を使用してアプリ内の Jira メンション機能を提供します。この機能は、Google が開発した大規模言語モデル、具体的には Gemini シリーズのモデルを活用しています。

アプリはこれらのモデルを使用して、Slack で自然言語の応答を分析/生成し、Jira 内でユーザーに代わってアクションを実行します。

これらのモデルは、入力に基づいて応答を生成しますが、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応答が生成されます。

Google のモデルの機能に関する詳細をご覧ください。

Slack で Jira をメンションすると、チームは任意の Slack チャンネルから作業項目を直接、収集・管理できるようになります。スレッドから離れることなく、平易な言葉で @Jira を使用すると、作業項目の作成、フィールドの更新、タスクの割り当てを行えます。@Jira を使用して、チーム メイトへの作業の割り当てやエージェントへの引き継ぎも行えます。セットアップは数秒で完了し、以降はプロジェクトと設定が保持されます。

Slack で Jira をメンションする機能は、会話の中で作業が発生した瞬間に、チームがその作業を収集して対応できるように設計されています。Slack で Jira をメンションすることは、次のような状況で最も効果的であると考えています。

• Slack の会話からの作業項目を作成する場合: Slack のスレッドでバグ、決定事項、またはタスクが発生した場合、@Jira を使用して必要な内容を記述することで、関連するコンテキストを添付した状態で Jira に作業項目を作成できます。
• 既存の作業項目を更新する場合: Jira を開くことなく、Slack から直接、既存の Jira 作業項目のステータス、優先度、または担当者を更新するようにエージェントに依頼できます。
• エージェントに作業を割り当てる場合: Jira に依頼して、エージェントに作業を割り当て、取り組みを開始できます。
• 作業項目をインラインで編集する場合: ご自身やチーム メンバーが、Slack スレッド内で作成または更新された作業項目について、展開されたカードを使用してフィールドを直接編集できます。
• チャンネルレベルの既定を設定する場合: /jira agent スラッシュ コマンドを使用すると、既定の Jira サイト、既定のプロジェクト、特定の Slack チャンネルでのエージェントの動作に関するカスタム指示を設定できます。

Jira アプリ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挙動を示す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。

Slack で @Jira を使用する際は、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。

• ご自身に Jira での権限がないため、クエリやアクションの実行が制限されている場合。
• ご利用の Slack スレッドまたはチャンネルに、曖昧または不正確な表現が含まれている場合。このような場合、@Jira が正確な作業項目を作成または更新する可能性が低くなります。
• Jira にメンションする際、不明瞭または曖昧な指示を出している場合。
• ご利用のチャンネルまたはスレッドに、人、場所、事実に関する最新かつ正確な情報が不足している場合。

このことから、Slack で @Jira を使用する状況を検討して、受け取った応答の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。

• プロンプトはできるだけ具体的に記述します。
• プロンプトを言い換えます。
• Slack スレッドを閉じる前に、作成または更新された Jira 作業項目の正確性を確認します。

お客様のデータが Jira for Slack アプリ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。このセクションは、Atlassian Trust Center で入手できる情報を補足するものです。

私たちは以下を処理します。

• お客様のプロンプト (入力) と応答 (出力)。
• Jira 作業項目の更新など、プロンプトに関連するご利用のインスタンスからのコンテキストです。
• 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応答を含む）。

お客様のデータについて Jira for Slack アプリでは次の措置が適用されます。

• 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。
  • 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。
  • Google による保存は行われません。
  • Google モデルの改良には利用されません。
• Google Vertex は、アトラシアンの副データ処理者リストに含まれる副データ処理者です。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、作業項目を作成する権限がない場合、Slack で Jira をメンションしても作成できません。

Rovo 関連リソース

サポート記事

Slack Marketplace リスト

Loom エディターは、OpenAI と Google が開発した大規模言語モデルと、オープンソースの大規模言語モデル (Llama シリーズを含む) とその他の機械学習モデルの組み合わせによって動作しています。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。

Loom エディターはこれらのモデルを使用して、動画のトランスクリプトからコンテンツを抽出/分析し、Loom 内で自然言語を生成します。

これらのモデルは、入力に基づいて応答を生成しますが、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応答が生成されます。

Loom エディターは、これらのモデルを使用して動画のトランスクリプトからコンテキストを抽出します。主な機能には、タイトル、要約、チャプターの自動生成のほか、トランスクリプトベースの編集、つなぎ言葉や無音部分の自動削除が含まれます。

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。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。

Loom エディターには、Loom 動画を自動的に強化するように設計された、AI を活用した機能が多数含まれています。Loom エディターには現在、次の機能が含まれています。

• 自動タイトル: 動画のトランスクリプトのコンテキストに基づいて、カスタマイズされた動画タイトルが自動的に生成されます。
• 自動要約: 録画後に要約が自動生成され、動画の下の説明ボックスに表示されます。
• 自動チャプター: 動画で話し合われたトピックに基づいて、チャプターが自動的に生成されます。動画がチャプターによって複数のセクションに分割されるため、視聴者がナビゲーションしやすくなります。
• AI ワークフロー: 動画をテキスト文書、メッセージ、またはバグ レポートに変換するため、Jira に直接送信できます。
• 字幕の翻訳: 字幕をさまざまな言語に自動翻訳します。

Loom エディターは、次のようなシナリオで最も効果を発揮します。

• すばやいナビゲーション補助の作成: 簡単にナビゲーションできるように、自動チャプターによって動画をセクションに分割します。
• すぐに共有できる要約の作成: 録画の直後に、カスタマイズされた自動タイトルと自動要約を自動で生成します。
• 動画とテキスト ドキュメントの連携: 動画コンテンツを、SOP、メッセージ、Jira に直接送信されるバグ報告といった、AI ワークフローなどのテキスト アセットに変換します。
• 話し方のブラッシュアップ: 「えー」や「あー」などのつなぎ言葉の削除や、長い沈黙のトリミングを行うことで、よりプロフェッショナルな印象を与えられます。
• 視聴者の直接的なアクション: 録画のコンテキストに基づいて次のステップを案内する自動行動喚起ボタンを自動で生成します。
• キャプションの翻訳: さまざまな言語のキャプションを自動翻訳します。

Loom エディター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、不正確または不完全であり、信頼できない挙動を示す場合があることを念頭に置くことが重要です。

たとえば、受け取った回答において、基になっている内容が正確に反映されていない場合や、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る場合があります。

Loom エディターは、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。

• マイナーな言語への翻訳が必要である場合。LLM は一般的に、より広く話されている (ならびに、より十分に文書化されている) 言語を得意とする傾向があります。
• 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場合。Loom エディターは、さまざまな要因により回答が変わる可能性があります。
• 人間が関与していない場合。Loom エディターは、求められている出力結果の検証や誘導を人間が行う必要があります。
• 新しい視覚要素や画像を生成する必要がある場合。Loom エディターは、主にテキストや基本的な動画のトリミングに特化しています。

こうした理由から、Loom エディターを使用する状況を考慮し、他のユーザーと共有する前にコンテンツをレビューすることをお勧めします。

お客様のデータが Loom エディターで使用される仕組み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。

• 選択した動画ファイル、そのトランスクリプト、動画のメタデータ、動画上またはその周辺に追加したテキストなど、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応答を含む）。
• 動画ファイル自体 (音声 + 動画ストリーム)
• その動画の自動生成されたトランスクリプト (テキスト)
• 次を含む、動画に関する既存のメタデータ:
  • タイトル、説明、トピック
  • チャプター / セクション / 要約 (すでに存在する場合)
  • 行動喚起の設定 (例: ターゲット URL、ボタンのテキスト)、この機能に関して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プロンプトやコンテンツを含む)
  • トランスクリプトから生成されたキャプション
• ユーザーが提供したテキスト:
  • タイトル、要約、チャプターへの編集
  • オーバーレイ (注釈、矢印、ボックスなど) によって追加されたテキスト

Loom エディターでは、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）と応答（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。
  • 大規模な言語/OpenAI、または該当する 3P モデルの改善には使用されません。
• OpenAI、Google Vertex、AWS Bedrock は、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は、お客様の入力と出力を使用しません。
• この機能は、ご利用のインスタンスの権限に従います。例えば、ご自身が特定の Loom 動画へのアクセス権をお持ちではない場合は、Loom エディターによるコンテンツの編集を行えません。自分のコンテンツが、ご利用のインスタンス内の他のユーザーへの回答に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。

AI ビデオ エディター: Loom ビデオ編集機能

Loom スクリーンショットは、OpenAI、Anthropic、Google が開発した大規模言語モデルと、オープンソースの大規模言語モデル (Llama シリーズなど) とその他の機械学習モデルの組み合わせによって動作しています。これらのモデルには、OpenAI の GPT シリーズのモデル、Anthropic の Claude シリーズのモデル、Google の Gemini シリーズのモデルがあります。

Loom スクリーンショットでは、こうしたモデルを使用することで、デスクトップ アプリや Chrome 拡張機能から Loom スクリーンショットの自動タイトルを生成します。

これらのモデルは、入力に基づいて応答を生成しますが、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応答が生成されます。

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。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。

Loom スクリーンショットを使用すると、スクリーンショットのキャプチャ、注釈の追加、共有、保存を行えます。Loom スクリーンショットには、以下の機能が含まれています。

• キャプチャ オプション: カスタム エリア、特定のタブ、または画面全体をキャプチャできます。
• 即時共有: 各スクリーンショットは自動的に一意の共有可能なリンクを生成するため、手動でファイルをダウンロードしてアップロードする必要がなくなります。
• 注釈ツール: Loom エディターで直接テキスト、図形、矢印を追加して重要な要素をハイライトし、画像をよりわかりやすくできます。
• Cloud ライブラリ: すべてのスクリーンショットは自動的に Loom ライブラリに保存され、フォルダーやトピックを使用して管理できます。

Loom スクリーンショットは、次のような状況で最も効果を発揮します。

• 画面上にハイライトして注意を引きたい要素がある場合。
• 手動でのファイルのダウンロードやアップロードを行わずに、画面キャプチャを簡単に共有したい場合。
• カスタム エリア、特定のタブ、画面全体など、画面のさまざまな部分を録画したいことが多い場合。
• 保存した画面キャプチャを管理して一元化するための簡単な方法を探している場合。
• スクリーンショットに、より正確なタイトルを自動生成するための十分な情報が含まれている場合。

Loom スクリーンショッ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、Loom スクリーンショットによって自動で生成されたタイトルは、その元となったコンテンツを正確に反映していない場合や、一見妥当に聞こえるものの、実際には誤りや不備がある内容が含まれている場合があります。

Loom スクリーンショットは、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。

• ライブ動画を編集する必要がある場合。Loom スクリーンショットは静的なスクリーンショットのみを編集できます。
• クリックやスクロールを必要とするバグを実演するなど、実際の操作を示す必要がある場合。
• 多くのパネルを持つダッシュボードや複数画面のフローのような複雑な UI など、コンテキストを維持するためにスクリーンショットよりも短い動画を使用する方が効果的である場合。
• ライブでのブレインストーミングやホワイトボードなどの、非常にインタラクティブなコラボレーションを行う場合。
• 人間が関与していない場合。Loom スクリーンショットは、人間が関与して出力を確認またはガイドする場合に最も効果的に機能します。

こうした理由から、Loom スクリーンショットを使用する状況を考慮し、他のユーザーと共有する前に各スクリーンショットをレビューすることをお勧めします。

お客様のデータが Loom スクリーンショットで使用される仕組み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。

• プロンプト (入力) (例: スクリーンショット画像) と応答 (出力) (例: 自動生成されたタイトル)
• スクリーンショット、メタデータ、スクリーンショット上またはその周辺に提供されたテキストなど、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応答を含む）。

Loom スクリーンショットでは、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）と応答（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。
  • 大規模な言語/OpenAI、または該当する 3P モデルの改善には使用されません。
• OpenAI、Google Vertex、AWS Bedrock は、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は、お客様の入力と出力を使用しません。
• この機能は、ご利用のインスタンスの権限に従います。例えば、ご自身が特定の Loom 動画へのアクセス権をお持ちではない場合、Loom スクリーンショットによるそのコンテンツの編集を行えません。ご利用のインスタンス内の他のユーザーへの回答に、Loom 動画が利用されないようにするには、ワークスペース管理者に連絡して、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。

Chrome ブラウザ向け Free スクリーンショット

Rovo で作成は、OpenAI と Anthropic が開発した大規模言語モデルと、オープンソースの大規模言語モデル (Llama シリーズなど) とその他の機械学習モデルの組み合わせによって動作しています。これらの大規模言語モデルには、OpenAI の GPT シリーズのモデルと Anthropic の Claude シリーズのモデルが含まれます。

Rovo で作成は、これらのモデルを使用して自然言語とサポートされているファイル形式をアプリ内で分析および生成します。

これらのモデルは、入力に基づいて応答を生成しますが、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応答が生成されます。

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。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。

Rovo で作成を使用すると、ユーザーはワンクリックで AI に指示してコンテンツ (たとえば、ホワイトボード、リアルタイム文書、ページ、データベース、ブログなど) を作成できます。

アトラシアンでは、Rovo で作成は次のようなシナリオで最大の効果を発揮すると考えています。

• 白紙の状態から始める。Rovo で作成は、ユーザーがプロンプトから Confluence ページ、ホワイトボード、データベース、ブログ、またはリアルタイム文書の最初の下書きを生成するのに役立ちます。ユーザーが明確なゴール、対象読者、および新しいコンテンツに反映させたい関連するコンテキストを提供する場合に、最大の効果を発揮します。
• アイデアやメモから構造化されたコンテンツを作成する。Rovo で作成では、大まかな入力内容、ミーティング議事録、初期段階のアイデアを、プロジェクトの概要、戦略ページ、キャンペーン計画、リリース ノート、ユーザー ストーリーなどの、より整理されたコンテンツに変換できます。最大の効果を発揮するのは、見直して改善するために役立つ出発点を探している場合です。
• 再利用可能なテンプレートまたはフォーマットを生成する。Rovo で作成は、ユーザーが一般的なチームのワークフロー向けのテンプレート、ページ構造、またはその他の開始点を下書きするのを支援します。最大の効果を発揮するのは、ユーザーが出力を AI が生成した下書きコンテンツとして扱い、共有または使用する前に、正確性、完全性、および適合性を見直す場合です。

Rovo で作成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。

Rovo で作成は、次のようなシナリオではあまり効果を発揮しないことが判明しています。

• 組織のナレッジ ベースから構造化されたナレッジ データが必要である。Rovo で作成は、構造化されていない自然言語のデータや情報で最大の効果を発揮しますが、構造化されたデータを使った作業を指示された場合は精度が落ちる場合があります。
• 人、場所、事実に関する最新かつ正確な情報が必要である。
• 権限の問題で自分が利用できない情報 (例: 制限されている Confluence ナレッジ ベース内の情報など) に、Rovo で作成にアクセスしてもらう必要がある。
• プロンプト内でエンティティ名 (チーム名や人名など) を指定する際に、タイプミスをする。これでは、Rovo で作成がナレッジ ベース内でそれらのエンティティを見つけられず、その結果、得られる結果が不完全になったり、タイプミスがそのまま正しいものとして結果に再現されたりする可能性があるためです。
• プロンプト ボックスに添付した特定のテンプレートを、Rovo で作成に再利用して欲しい場合。Rovo で作成は決定論的ではないため、そのテンプレートに完全には従いません。

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。
• AI が生成したテンプレートは、コンテンツに適用する前に確認しましょう。お客様または他のユーザーが Rovo で作成を使って作成したテンプレートは、作成に使用したプロンプトに応じて品質や完全性が異なります。

お客様のデータが Rovo で作成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、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。

• お客様のテキスト プロンプト (入力) と応答 (出力)。
• プロンプト ボックスのマイク アイコンを使用して入力した音声プロンプト (入力)。音声を処理して文字起こしを生成します。文字起こしは、リクエストを完了するためにのみ使用されます。
• 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 (インスタンスに接続されているサードパーティのソースなど)
• 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 (関連する Teamwork Graph データなど)
• 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応答を含む）。

お客様のデータに対して、Rovo で作成では次の措置が適用されます。

• 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、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。
  • 大規模な言語/OpenAI、または該当する 3P モデルの改善には使用されません。
• 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。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、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。

Rovo 関連リソース

Rovo による Jira スペースの作成には、Google が開発した大規模言語モデルが使用されています。これらの大規模言語モデルには、Google の Gemini シリーズのモデルが含まれます。

「Rovo で作成」機能では、これらのモデルを使用して、製品内で自然言語の分析と生成を行います。

これらのモデルは、入力に基づいて応答を生成しますが、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応答が生成されます。

OpenAI のモデルの機能について詳細をご確認ください。

「Rovo で作成」機能を使用して Jira スペースを作成すると、チームの作業方法を自然言語で記述するだけで、すぐに利用できる Jira スペースを作成できるため、空のテンプレートから始めてすべてを手動で設定する必要がありません。この機能は、入力したプロンプトと、Confluence ページ、Loom 動画、アップロードしたファイルなどの提供されたコンテキストを基に、Jira スペースのブループリントを生成します。このブループリントには、推奨されるプロジェクト名、プロジェクト キー、作業タイプ、ステータス、ナビゲーション項目、およびチーム メイトの候補が含まれます。

アトラシアンでは、Rovo で作成は次のようなシナリオで最大の効果を発揮すると考えています。

• チームに必要な内容が明確であり、汎用的なテンプレートを選択して手動で調整するのではなく、それに合わせて構成されたスペースを作成したい場合。
• Confluence ページ、Loom 動画、アップロードしたファイルなどの既存のコンテキストを提供し、AI によって、それらをチームの実際のワークフローを反映したスペース構成に変換したい場合。具体例としては、既存の Jira、Monday、または Asana ボードのスクリーンショットが挙げられます。
• 新しいプロジェクトの作成時に、作業タイプ、ステータス、ナビゲーション項目の設定にかかる手間を減らし、チームがすぐに作業を開始できるようにしたい場合。

Rovo で作成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。

Rovo で作成は、次のようなシナリオではあまり効果を発揮しないことが判明しています。

• チームがこの Jira スペースに求める内容について、プロンプトに含めるための十分な情報がない場合。「Rovo で作成」機能は、AI が適切な提案を生成できるよう、十分な情報をプロンプトに含めた場合に最も効果的に機能します。
• 人、場所、事実に関する最新かつ正確な情報が必要である場合。
• Jira スペースのブループリントを生成するために、「Rovo で作成」機能が、ユーザー自身がアクセスできない情報 (アクセス権限のない Jira スペースや Confluence ページなど) にアクセスする必要がある場合。
• ワークフローが高度に専門化されている、または特殊な場合。「Rovo で作成」機能はワークフロー名を提案できますが、ワークフローに伴う複雑な自動化を設定する機能には、現時点では対応していません。
  

「Rovo で作成」機能は、コンプライアンス上で正確性が厳密に求められるプロジェクト構成には使用しないでください。スペースを作成する前に、すべての提案内容を確認してください。

このため、スペースを作成する前に AI が生成した構成を確認し、チームのニーズに合わない提案があれば調整することをお勧めします。

こちらもぜひご検討ください。

• チームがどのような作業を行うのか、またスペースをどのように設定したいのかについて、できるだけ具体的にプロンプトに記述すること。たとえば、必要な作業項目のタイプや、使用したいステータス名を具体的に指定します。
• Confluence ページ、Loom 録画、ファイルのアップロードなど、関連するコンテキストを提供して、AI がより正確な推奨を生成できるようにすること。
• AI が提案したチーム メイトをスペースに追加する前に、その権限を確認すること。

Jira スペースの作成において、「Rovo で作成」機能がお客様のデータをどのように使用するのかについて、ご不明な点をお持ちの場合もあるかと思います。このセクションでは、Atlassian Trust Center に掲載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) および AI が生成したスペース構成 (出力)。
• プロンプトに関連するインスタンス内のコンテキスト (リンクした Confluence ページ、貼り付けた Loom 動画、チャットにアップロードしたファイル、既存の作業タイプ、ステータス名、スペース名の一覧などのテナント情報)。
• 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応答を含む)。
  

お客様のデータに対して、Rovo で作成では次の措置が適用されます。

• 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、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。
  • 大規模な言語/OpenAI、または該当する 3P モデルの改善には使用されません。
• Google Vertex は、アトラシアンのサブプロセッサー一覧に記載されているサブプロセッサーです。同社は、お客様のリクエストを処理する目的以外で、お客様の入力および出力を使用することはありません。
• この機能は、インスタンスに設定されている権限に従って動作します。たとえば、特定の Confluence ページへのアクセス権がない場合、「Rovo で作成」機能は、スペース構成を生成する際にそのページのコンテンツを取得または使用しません。また、インスタンス内の他のユーザーへの応答でお客様のコンテンツが利用されないようにしたい場合は、組織管理者と連携し、適切な権限が設定されていることを確認してください。

Rovo 関連リソース

Marketplace アプリのレビュー要約は、OpenAI が開発した大規模言語モデルやその他の機械学習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 シリーズのモデルが含まれます。

Marketplace アプリのレビュー要約は、これらのモデルを使用して製品内で自然言語を分析および生成します。

これらのモデルは、入力に基づいて応答を生成しますが、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応答が生成されます。

OpenAI のモデルの機能について詳細をご確認ください。

Marketplace アプリのレビュー要約は、ユーザーがすべてのレビューを読まなくても、実際のお客様がアプリについて語っている内容を理解するのに役立ちます。Marketplace のアプリ一覧ページにある、公開の承認されたレビューについて、お客様が気に入っている点、不満な点、およびアプリの一般的な使用方法を含めて、わかりやすい言葉で短い要約を作成します。

Marketplace アプリのレビュー要約は、次のような状況で最大の効果を発揮します。

• 選択したアプリに、最近の英語のレビューが十分にあり、共通のテーマが明確に読み取れる場合。
• 個別のレビューを読んだりアプリを試用したりする前に、お客様のセンチメントの概要をすばやく把握したい場合。
• 要約は単独で使用するのではなく、アプリの覧の情報、ベンダーのドキュメント、および個別のレビューと併せて使用しましょう。

次の点にもご留意ください。

• 要約は意図的に短くなっています。最も一般的なテーマといくつかの長所と短所のみに焦点を当てるため、個別のニュアンスは含まれない場合があります。
• 要約を生成する際は、英語で書かれたレビューのみが対象となります。
• 高評価のレビューの多くにテキストがほとんど、またはまったくない場合、要約はより長く詳細なレビューをより強く反映する可能性があり、全体的な星評価が好意的であっても、否定的な内容に偏ることがあります。
• 一時的な問題に関する最近の注目を集めやすいレビューは、新しいレビューが投稿されるまで要約に影響を与える可能性があります。
• 要約は 24 時間キャッシュされ、新しいレビューのたびにではなく、新しいレビューが一定のしきい値に達した際に定期的に更新されるため、最新のレビューがまだ反映されていない場合があります。
• 確実に要約できるだけの十分なレビューがない場合、要約は表示されません。

Marketplace アプリのレビュー要約を駆動するモデルの仕組みにより、不正確、不完全、または信頼性に欠ける結果が生成される場合があることに留意することが重要です。

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。

次のような状況では、Marketplace アプリのレビュー要約があまり役に立たないことがわかっています。

• アプリのレビューが非常に少ないか、レビューが短い、トピックから外れている、または英語以外の言語で書かれている。このような場合、要約が内容を適切に表していないか、まったく表示されない場合があります。
• アプリの機能、セキュリティ体制、または既知のバグに関する、正確で最新の詳細情報が必要な場合。これらについては、ベンダー一覧、ドキュメント、およびサポート チャンネルが信頼できる情報源です。
• アプリの購入、セキュリティ、またはコンプライアンスに関する決定を行おうとしている。要約はあくまで出発点であり、最終決定の根拠となるものではありません。
• 人、場所、事実に関する最新かつ正確な情報が必要である。

こちらもぜひご検討ください。

• 要約は最終的な結論ではなく、出発点として扱いましょう。決定を下す前に、要約と併せて、最新のレビューやベンダーの返信を含む個別のレビューをいくつかお読みください。

私たちは以下を処理します。

• 公開の承認されたレビュー、レビュー内容、投票数、公開日、およびレビューのステータス。要約を生成するために使用する、アプリの Marketplace 一覧に関する情報。
• ユーザーによるこの機能の操作に関するデータ。要約が表示されるかどうかや、アプリ一覧ページのレビュー セクションに到達した分析イベントの数など。
• ECOHELP チケット経由、または一般的なフィードバック コレクターからの要約に関してユーザーが提供するフィードバック。

Marketplace アプリのレビュー要約では、お客様のデータについて次の措置が適用されます。

お客様の入力と出力:

• Marketplace の一覧ですでに公開されている、承認されたレビューにのみ基づいています。お客様のアトラシアン インスタンスから非公開コンテンツがモデルに送信されることはありません。
• 要約には、名前やメール ID などの個人情報は含まれません。アプリに関するお客様のフィードバックの全体的な概要を提供します。
• Marketplace アプリの一覧で公開されている要約以外のいかなる形式でも、他のお客様には提供されません。
• OpenAI 以外のサードパーティの LLM プロバイダーに送信されることはなく、アトラシアンの内部 AI ゲートウェイを経由してのみ送信されます。
• リクエストの処理に必要な範囲を超えて、それらのプロバイダーによって保存されることはありません。
• サードパーティの大規模言語モデルのトレーニングや改善には使用されません。
• 前述の LLM を使用した要約の生成にアプリのレビューが使用されないようにする場合は、レビューを公開しないことをお勧めします。

OpenAI は、アトラシアンのデータ副処理者のリストに含まれる副処理者です。OpenAI は、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。

他の Marketplace のお客様にすばやく表示できるように、生成された要約をキャッシュします。キャッシュされた要約は公開レビューのみに基づいており、個人データやインスタンス固有のデータは含まれていません。

作業項目の AI 生成要約は、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。これらの大規模言語モデルには、OpenAI の GPT シリーズのモデルが含まれます。

作業項目の AI 生成要約は、これらのモデルを使用して Jira の作業項目情報を分析し、当社の製品内で短い自然言語の要約を生成します。

これらのモデルは、入力に基づいて応答を生成しますが、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応答が生成されます。

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 AI 生成要約は、Jira 作業項目のインテント、現在のステータス、および次のステップを要約することによって、項目の明確で簡潔な概要の取得に役立ちます。これにより、詳細やリンクされたコンテキストをすべて目視で読む前に作業項目をよりすばやく理解してより速く行動に移すことができます。

アトラシアンでは、作業項目の AI 生成要約は、次のようなシナリオで最も効果的だと考えています。

• 次に何をするか決める前に、作業項目の概要をすばやく確認したい。
• 手動ですべてのフィールドやリンクされた作業項目に目を通すことなく、作業項目に関する最も関連性の高い情報を把握したい。
• 重要な決定事項を把握したい。
• 1 つまたは複数の情報量の多い作業項目 (たとえば、複数のコメント、リンクされた作業項目、履歴があるものなど) を確認する必要があり、どこから始めるべきかをすばやく把握したい。

作業項目の AI 生成要約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。

作業項目の AI 生成要約は、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。
• リクエストに正しく回答するために、作業項目の AI 生成要約機能がアクセスする必要のある情報が、すぐに利用できない (ご利用のインスタンスでは利用できない場合など)。
• 作業項目の完全性が保証された記録、または信頼できる記録が必要である。要約は出発点として提供されるものであり、必要に応じて作業項目の詳細を確認する代わりとして依存すべきものではありません。
• 基となる作業項目の情報が、不完全、古い、または曖昧であるか、一貫性がない。
• 関連する作業項目のコンテンツへの権限またはアクセスが最近変更され、要約がまだ更新されていない。

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。

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。
• 作業項目のフィールド、説明、コメント、およびリンクされた作業項目を正確かつ最新の状態に保つ。
• 特に権限、ステータス、所有権、またはリンクされた作業項目が最近変更された場合に、要約が最新の作業項目の情報を反映していることを確認する。
• 要約を作業項目自体の代わりとしてではなく、補助的な概要として扱う。

作業項目の AI 生成要約でお客様のデータがどのように使用されるかについて、ご不明な点があるかと思います。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。

私たちは以下を処理します。

• お客様のプロンプト (入力) と応答 (出力)。
• Jira 作業項目のデータ、Jira 作業項目の関係、リンクされた作業項目のコンテキストなど、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応答を含む）。

作業項目の AI 生成要約を使用する際には、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）と応答（出力）：
  • 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。
  • どの LLM プロバイダーにも保管されません。
  • 大規模言語モデルおよび OpenAI モデルの改良には使用されません。
• 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。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。生成された要約は、基となる Jira 作業項目にアクセスできるユーザーのみに表示され、要約には制限のないコンテンツのみが使用されます。権限が変更されると、ユーザーがアクセス権を持つ作業項目の要約のみが表示されるように、要約が更新されます。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。

Rovo 関連リソース

Rovo を使用した変更リスク評価 (以下、「変更リスク評価」) には、OpenAI が開発した大規模言語モデルや Google が開発した大規模言語モデルのほか、その他の機械学習モデルが使用されています。これらの大規模言語モデルには、OpenAI の GPT シリーズおよび Google の Gemini シリーズのモデルが含まれます。

変更リスク評価では、これらのモデルを使用して、製品内で自然言語やコードの分析と生成を行います。

これらのモデルは、入力に基づいて応答を生成しますが、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応答が生成されます。

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。

変更リスク評価では、静的コード解析、変更の競合、インシデント、ロールバック計画の有効性など、20 を超える項目に基づいて、Jira Service Management の変更リクエストに関する技術的リスクと運用上のリスクを評価します。変更承認者は、変更に伴うリスクを幅広く把握できるため、重大なインシデントの発生を抑えることを目的とした、より適切な意思決定を行えます。また、特定したリスクに対する軽減策も提案します。

変更リスク評価は、次のような場合に特に効果を発揮すると考えています。

• プロジェクト設定で、カスタムの評価要件を含む接続済みナレッジ ベースを構成している場合。
• この機能を利用する変更承認者に対し、変更リクエスト内のリンクやコメントを含む、リスクを適切に評価するために必要なすべてのデータソースへのアクセス権限を付与している場合。
• Change Deployment の追跡/ゲート制御の構成を通じて、Bitbucket や GitHub などの開発環境を Jira Service Management に接続している場合。
• 変更承認者が、リスク評価の内容と提案された軽減策を慎重に確認し、この機能を変更リクエストへの対応方法を判断するための要素の 1 つとして利用し、唯一の評価結果として過度に依存すべきではないことを理解している場合。

変更リスク評価を支えるモデルの仕組みにより、これらのモデルは、不正確、不完全、または信頼性に欠ける結果を返す場合があることを理解しておくことが重要です。

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。

変更リスク評価は、次のような場合には十分な効果を発揮できないことがわかっています。

• 人、場所、事実に関する最新かつ正確な情報が必要である場合。
• 変更リクエストに誤った情報、古い情報、または不完全な情報が含まれている場合。たとえば、説明や詳細の内容が不十分な場合や、関連するサービスやアセットに関連付けられていない場合です。
• Jira Service Management のインシデント管理またはインシデント事後レビューを利用していない場合。この場合、インシデントのリスクを判定できないため、変更リスク評価では関連するリスクの全体像を十分に把握できない可能性があります。
• Jira Service Management のサービスまたはアセットを利用していない場合。
• サポート対象の CI/CD ツールを利用していない場合、またはデプロイの追跡やゲート制御を通じてサポート対象の CI/CD ツールを接続していない場合。
• 変更内容の説明に必要なプル リクエストへのリンクを記載していない場合 (ソフトウェア変更のみ)。
• Jira Service Management の課題タイプでタスク (「緩和策の提案」を参照) を無効にしている場合。この場合、変更リスク評価では緩和手順を作成できません。
• プロジェクト設定で接続したナレッジ ベースが不完全、不正確、または古い場合。
• ユーザーまたはチーム メンバーが、変更リクエストで参照されているナレッジ ベースや開発環境などの関連データソースにアクセスできない場合。この場合、リスク評価はアクセス可能なリソースのみを基に行われるため、リスク評価スコアや提案される緩和策は正確でない可能性があり、アクセス権限の違いによってユーザーごとに結果が異なる場合があります。
• 変更リスク評価は、意思決定を支援するためのガイダンスを提供するものであり、人によるレビューに代わるものではありません。リスク評価に関する最終的な判断は、変更マネージャーおよび承認者が行います。
• 変更マネージャーと承認者には、変更を承認する前に評価をレビューし、結果を検証する責任があります。
• 意思決定を行う際は、必ずチームの専門知識と組織のポリシーに従ってください。
  

このため、変更リスク評価を利用する場面が適切かどうかを検討するとともに、生成された応答を他のユーザーと共有する前に、そ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。

• 変更リクエストの説明や添付するナレッジ ベースには、できるだけ詳細な情報を記載すること。
• AI の結果を検証し、意思決定を全面的に委ねるのではなく、判断材料の 1 つとして活用すること。
• この機能を利用するすべてのチーム メンバーが、関連するナレッジ ベースやプロジェクトに接続されたその他のリソースに対して同じアクセス権限を持つようにし、この機能を実行した際に同様の結果が得られるようにすること。
• この機能およびその出力を閲覧できるプロジェクト参加者を制限できない場合は、機密性の高いプロジェクトで変更リスク評価を使用しないこと。

変更リスク評価がお客様のデータをどのように使用するのかについて、ご不明な点をお持ちの場合もあるかと思います。このセクションでは、Atlassian Trust Center に掲載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) と応答 (出力)。
• プロンプトや変更内容の説明/コメントに関連するインスタンス内のコンテキスト (デプロイ情報、接続された開発環境、および提供されたナレッジ ベースのソースなど)。
• 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応答を含む)。
  

お客様のデータに対して、変更リスク評価では次の措置を講じています。

• 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 および Google を除くサードパーティの 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。
  • いかなる LLM モデルの改良にも使用されません。
• OpenAI と 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は、お客様の入力と出力を使用しません。
• この機能は、インスタンスに設定されている権限に従って動作します。たとえば、デプロイ環境、ナレッジ ベース、またはアクセスが制限されたリンクへのアクセス権限がない場合、受け取る応答には、そのページのコンテンツに基づく情報は含まれません。また、インスタンス内の他のユーザーへの応答でお客様のコンテンツが利用されないようにしたい場合は、組織管理者と連携し、適切な権限が設定されていることを確認してください。

Rovo 関連リソース

Rovo Ops による変更へのリスク評価を有効化および設定する

Rovo Ops で変更に対する潜在的なリスクを評価する

Forge LLM API (以下、「Forge LLM」) には、Anthropic が開発した大規模言語モデルが使用されています。これらの大規模言語モデルには、Anthropic の Claude シリーズのモデルが含まれます。

Forge LLM では、これらのモデルを使用して、Atlassian アプリと連携するように構築された Forge アプリ内で自然言語の分析と生成を行います。

これらのモデルは、Forge アプリからの入力に基づいて応答を生成する確率的なモデルです。つまり、学習に使用されたデータに基づいて、次に続く可能性が最も高い単語やテキストを予測することで応答を生成します。

Anthropic のモデルの機能に関する詳細をご確認ください。

Forge LLM を使用すると、Atlassian Platform 外部へのデータ送信を必要としないシンプルなプラットフォーム API を通じて、大規模言語モデルに安全にアクセスできるため、開発者は AI を活用した Forge アプリを迅速に開発できます。Forge LLM を利用することで、サードパーティへの配布や利用 (たとえば Atlassian Marketplace を通じた提供) を目的とした Forge アプリだけでなく、自組織内でのみ利用する Forge アプリにも、生成 AI の機能を組み込むことができます。

アトラシアンでは、Forge LLM 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。

• Forge アプリを構築しており、Atlassian Platform からのデータの外部送信を必要としない AI 機能を使用したい場合
• 安全で責任ある AI の使用に対するアトラシアンのコミットメントを遵守するように設計された AI を使用したい場合
• Forge アプリ内で業界をリードするモデルやインテリジェンスにアクセスする簡単な方法を求めている場合

Forge LLM 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、不正確さ、不完全さ、信頼できない動作を引き起こす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、ユーザーが受け取る応答において、基になっているコンテンツが正確に反映されていない場合や、合理的なようでも虚偽または不完全なコンテンツが含まれている場合があります。

Forge LLM 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。

• ユーザーが人、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場合
• ユーザーのリクエストに適切に対応するためには、ユーザー自身が直接アクセスできない情報 (例えば、自身のインスタンス内や Forge LLM 経由の情報など) に Forge アプリがアクセスする必要がある場合
• アプリが、決定的または再現可能である結果やその他の出力を提供する必要がある場合
• 現在 Forge LLMs を通じて利用できないモデルに、アプリからアクセスできるようにしたい場合

こうした理由から、Forge LLM を使用する場面についてよくご検討ください。また、ユーザーに対しても、受け取った回答を他の人と共有する前に、その品質を確認するように推奨することをお勧めします。

こちらもぜひご検討ください。

• アプリにおける Forge LLM の限定的かつ実用的なユース ケースを特定しましょう。
• それらのユース ケースに合わせて、Forge LLM で使用するプロンプトを適切にチューニングします。Anthropic の Claude モデル向けのプロンプト エンジニアリング手法に関する詳細をご確認ください。
• Forge LLM を活用したあらゆる機能に対する効果的なテスト計画を構築しましょう。

お客様のデータが Forge LLM で使用される仕組みについて、疑問をお持ちのことでしょう。このセクションは、Atlassian Trust Center で入手できる情報を補足するものです。

私たちは以下を処理します。

• ご利用のアプリが Forge LLM に送信するプロンプト (入力) と応答 (出力)
• これらのプロンプトに関連するアプリがインストールされているインスタンスからのコンテキスト (要約したい Confluence ページや分析したい JSM チケットなど)

お客様のデータについては、Forge LLM では次の指標が適用されます。

• ご利用のアプリのプロンプト (入力) と応答 (出力):
  • 他のお客様は利用できません。
  • AWS Bedrock の Anthropic 以外のサードパーティ 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。
  • アプリのリクエストを処理するためにのみ使用されます。
• AWS Bedrock は、アトラシアンの副処理者のリストに記載されている副処理者です。リクエストの処理以外の目的では、お客様の入力と出力を使用しません。
• この機能は Forge アプリのインストールの権限に従います。たとえば、Forge アプリが特定の Confluence ページへのアクセス権を持たない場合、そのページは LLM との間で送受信されるデータに含まれません。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。

Forge LLM API (プレビュー)

Rovo サービスは、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 サービス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、入力に基づいて応答を生成しますが、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応答が生成されます。

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 サービスについて

Rovo サービスは、一般的で繰り返し発生するサービス リクエストを Jira Service Management (JSM) 内で直接解決することで、IT、人事、施設管理などの従業員向けサービス チームをサポートするように設計されています。Rovo サービスには 2 つの機能があります。

解決エージェントは、提供された内部リソースを使用して計画を生成し、その計画を自律的に (その実行オプションを選択した場合)、または監督下で実行することで、作業項目を迅速に解決できるようにするのに適しています。

従業員オンボーディング エージェントは、ユーザーが設定したジャーニーを使用して、新入社員向けのオンボーディング計画を生成します。必要に応じて、提案された計画を編集できます。完成後、承認されたオンボーディング計画は、各ステップを監督しながら Rovo で実行できます。

監督型および自律型の実行モードの詳細をご確認ください。

Rovo サービスの仕組み

解決エージェントと従業員オンボーディング エージェントは、通常、どちらも次のように動作します。

1. JSM で、新しいサービス リクエストを分析します。たとえば、リクエストの要約、説明、関連フィールドなどです。
2. 管理者によって内部ナレッジ ソースとしてリンクされたランブック、ポリシー ドキュメント、社内記事などの内部ナレッジを取得して解釈します。
3. 割り当てられたリクエストに対する体系的なステップ形式の解決計画を生成します。これには、Rovo が実行できるアクションや、人間のサービス エージェントが完了すべきステップの提案が含まれます。
4. 次の方法で承認済みまたは割り当て済みの計画を実行します。

• 許可されている場合は、JSM 内でアクションを実行します (フィールドのアップデート、ステータスの変更、コメントの追加など)。
• 設定済みのツールやサードパーティ製の統合機能 (Okta や IdentityNow など) を呼び出して、アクセス関連のタスクを実行します。
• ステップの実行に十分な確信を持てない場合は、そのステップを人間のエージェントに引き継ぎます。

Rovo サービスの推奨ユース ケース

アトラシアンでは、Rovo サービス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。

• 組織に、該当するリクエスト タイプの解決に必要な手順を十分詳しく説明した、明確に定義および文書化されたランブック、ナレッジ記事、その他のリソース (従業員オンボーディングエージェント用のジャーニーを含む) が用意されている。
• リクエスト タイプごとに実行するアクション (使用するツール、必要なパラメーター、条件や例外を含む) を説明する、明確で最新のランブック、ジャーニー、その他の適切なドキュメントをナレッジ ベースの一部として作成することに取り組む用意がある。
• 解決計画のステップを実行するために必要なサードパーティ製ツールを適切に接続している。
• 他のユース ケースに拡大する前に Rovo サービスの機能をより的確に評価し、ナレッジやアクセスの格差/不足に対処できるよう、十分に理解され、毎回同様の方法で処理される、低リスクで対象が明確かつ繰り返し可能なリクエスト タイプから始めている。
• 日常的なソフトウェア デバッグのリクエストなど、通常は同じ解決計画が適用される、単純で内容が十分に理解された繰り返し可能なリクエスト タイプには、自律実行モードが使用されている。

Rovo サービス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。

受け取った回答が、その根拠となる内容を正確に反映していなかったり、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 サービスは、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。

• 自社システムの外部の人物、場所、その他の現実世界の事実に関する、最新かつ信頼できる情報を必要としている。
• アクセス権が付与されていない、または設定されていないツール内の情報にアクセスしたり、アクションを実行したりすることを Rovo サービスに期待している。Rovo サービスは、製品の権限を回避したり、接続されていないツールを操作したりすることはできません。
• 内部ナレッジ ベースの情報が不足している、古い、または一貫性がなく、Rovo サービスが安全で信頼性の高い計画を作成するのが困難である。
• リクエストのワークフローの個別性が非常に高い、または人間による複雑な判断を頻繁に必要としている。
• 英語以外の言語でサービス チケットやナレッジ ベースを扱う場合、Rovo サービスは十分に役立たない可能性があります。これは、他の言語におけるこの機能の精度が十分にテストされていないためです。

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。

• 内部のランブックとナレッジ記事を常に最新の状態に保ち、人間へのエスカレーションが必要な場合も含め、実行すべきアクションとその条件を明確かつ具体的に記載してください。
• 計画と成果を慎重に確認してください。特に、Rovo サービスがサードパーティ製ツールと連携する場合や、ユーザー アクセスを変更する場合は注意が必要です。
• Rovo サービスは、繰り返し可能で複雑性の低いタスクにかかる手作業を削減するためのアシスタントとして使用してください。コンテキストによって解決方法が大きく異なる複雑なリクエストについて、人間の判断に代わるものとして使用しないでください。
• 自律実行モードを使用する場合は、手順の再現性が高い、単純で十分に文書化されたリクエスト タイプから始めてください。

お客様のデータが Rovo サービス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。このセクションは、Atlassian Trust Center で入手できる情報を補足するものです。

私たちは以下を処理します。

• お客様のプロンプト (入力) と応答 (出力)。
• プロンプトに関連するインスタンス内のコンテキスト (Confluence 記事や過去の JSM 作業項目などの内部ナレッジ ソース、および Rovo サービスのナレッジ ベースに追加されたその他の項目)
• 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応答を含む）。

データについては、Rovo サービス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 または Google 以外のサードパーティ製の 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。
• OpenAI と 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。同社は、お客様のリクエストを処理する目的以外で、お客様の入力および出力を使用することはありません。
• この機能は、インスタンスに設定されている権限に従って動作します。たとえば、Confluence のナレッジ ソースへのアクセス権がない場合、受け取る回答にそれらのページのコンテンツが提案されることはありません。また、インスタンス内の他のユーザーへの応答でお客様のコンテンツが利用されないようにしたい場合は、組織管理者と連携し、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 関連リソース

Rovo サービスを使用して、チームの作業を効率化する

ブロック テンプレート用 AI 支援メタデータは、Google と OpenAI が開発した大規模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含まれます。

ブロックテンプレート用 AI 支援メタデータは、これらのモデルを使用して製品内で自然言語を分析および生成します。

これらのモデルは、入力に基づいて応答を生成しますが、その本質は確率論に基づいています。つまり、学習に使用されたデータに基づいて、次に続く可能性が最も高い単語やテキストを予測することで応答を生成します。

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

将来コンテンツのブロックを簡単に再利用するためにブロック テンプレートを作成する際、ブロック テンプレート用 AI 支援メタデータは、コンテンツに基づいてブロック テンプレートのタイトルと説明を自動的に生成し、時間を節約します。ユーザーは、これらの提案のいずれかを承認、編集、または削除できます。

ブロック テンプレート用 AI 支援メタデータは、次のようなシナリオで最も効果を発揮すると考えられます。

• 将来のユーザーが、そのテンプレートが何に関連しているか、いつ使用すべきかを簡単に把握できるようにしたい場合。
• 一度に多くのブロック テンプレートを作成する場合。タイトルや説明を考えることではなく、テンプレート自体に集中できる。
• 特定のタイトルや説明が決まらないままブロック テンプレートを作成する場合。

ブロック テンプレート用 AI 支援メタデータ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。

次のようなシナリオでは、ブロック テンプレート用 AI 支援メタデータの有用性が低くなることが判明しています。

• テンプレートで英語以外の言語を使用している。
• ブロック テンプレートが非常に短い。その場合、AI が有用なタイトルや説明を生成するのに十分な文脈情報がない可能性があります。
• ブロック テンプレートに多岐にわたるトピックや主題にまたがる大量のコンテンツが含まれているため、AI が明確で一貫性のあるタイトルや説明を生成することが困難になっている。
• すでに特定のタイトルや説明が決まっている。

ブロック テンプレート用 AI 支援メタデータでお客様のデータがどのように扱われるかについて、ご質問があるかと存じます。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。

私たちは以下を処理します。

• お客様のプロンプト (入力) と応答 (出力)。
• ブロック テンプレートとして保存するブロックのコンテンツ (タイトルや説明の提案の生成元となります) など、リクエス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応答を含む）。

お客様のデータに関して、ブロック テンプレート用 AI 支援メタデータでは以下の対策を講じています。

• お客様の入力 (提案のために送信されたブロックのコンテンツ) と出力 (提案されたタイトルと説明):
  • 他のお客様は利用できません。
  • Google または 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。
  • LLM プロバイダーには保管されません。
  • 大規模言語モデルのトレーニングや改善には使用されません。
• Google および OpenAI はそれぞれ、副処理者のリストに含まれる副処理者です。両社は、お客様のリクエストを処理する目的以外で、お客様の入力および出力を使用することはありません。
• この機能は、ブロック テンプレートとして保存することを積極的に選択したコンテンツのみを対象とします。インスタンスの他のコンテンツを読み取ることはなく、提案は保存中のブロックからのみ生成されます。

• Atlassian Intelligence の透明性
• Atlassian Intelligence Trust Center