Atlassian Intelligence によるアラートのグループ化は、OpenAI が開発した大規模な言語モデルや、他の機械学習モデルによって支えられています。たとえば、こちらで説明されている OpenAI モデルです。

Atlassian Intelligence は、これらの機械学習モデルを利用して、アラート グループを分析および生成し、アラートの内容や使用されているタグの類似性に基づいて、製品内で関連性のある提案 (過去のアラート グループや過去のアラート対応者) を行います。次に、Atlassian Intelligence は大規模な言語モデルを利用して、製品内のこれらのグループの自然言語による説明や内容を分析および生成します。

これらの大規模な言語モデルは、入力された内容に基づいて回答を生成し、確率的です。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。

アラートのグループ化では、Atlassian Intelligence を利用して識別し、同様のアラートを一緒にグループ化します。また、アラートの内容や使用されているタグとの意味的な類似性に基づいて、過去の類似アラート グループや過去のアラート対応者 (または対応者のチーム) を特定して推奨することにも役立ちます。

アラート グループをインシデントにエスカレートする場合、状況に応じた情報すべてがアラートのグループ化により事前に入力され、インシデント作成プロセスの一環として確認できます。

アトラシアンでは、アラートのグループ化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、短期間または長期間にかかわらず、類似または重複しているアラートが大量に発生するパターンが頻繁に起きている。
• 組織では、常にアラートをタグで分類している。
• チームは、類似または重複しているアラートをインシデントにエスカレートする必要があると気付くことが多い。

アラートのグループ化の強化の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。表示されるアラート グループには、タグの意味的な類似性が正確に反映されない可能性があります。

アラートのグループ化は、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。
• アラートを適切にグループ化するために、アラートをグループ化する際に、アクセスする必要のある情報がすぐに利用できない。アラートのグループ化は、チームが設定した役割や権限の範囲内で機能するため、閲覧権限のあるアラートのグループとインサイトにのみアクセスできる。
• チームが使用しているアラート タグが一貫していない、または適切に管理されていない。アラートのグループ化では、アラートのタイトルとタグの意味的な類似性に基づいてアラートがグループ化されるため、生成されるアラート グループの品質が、チームや組織が使用するアラート タグの一貫性とハイジーンによって決まる。

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。

また、アラート タグを使用する際に、あなたとチームが一貫したプラクティスに従うようにすることもご検討ください。

アラートのグループ化でのデータの扱いについて、さまざまな疑問が生じることでしょう。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。

アトラシアンが処理する内容は次のとおりです。

• お客様のプロンプト（入力）と回答（出力）。
• アラート データ (アラート タイトル、アラート タグ、優先度、対応者チーム、説明) 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）。

アトラシアンでは、お客様のアラート データを処理して、機械学習モデルのバージョンをトレーニングし、お客様のアラート特有のパターンを認識します。このバージョンは、ご自身のエクスペリエンスのためにのみ利用されます。

• 当社は特定したパターンを保存し、お客様にインサイトをご提供します。
• お客様のアラート データを利用して LLM をトレーニングすることはありません。

データについては、アラートのグループ化では次の指標が適用されます。

• お客様の入力と出力:
  • 他のお客様は利用できません
  • 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。
  • エクスペリエンスを提供するためにのみ使用されます。
• OpenAI は、副処理者のリストに含まれる副処理者です。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。
• この機能はサイトの権限に従います。たとえば、Atlassian Intelligence はタグと意味的な類似性に基づいて 50 件のアラートをグループ化し、ユーザーがそのうち 30 件のみを表示する権限を持っている場合、グループ詳細ビューにはその 30 件のみが表示されます。ご自身のアラートがサイトの他のユーザーへの対応として利用されないようにするには、組織/サイト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。

Atlassian Intelligence による回答は、OpenAI によって開発された大規模言語モデルによって支えられています。たとえば、こちらで説明されている OpenAI モデルです。

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。

Atlassian Intelligence による回答機能は、Jira Service Management の仮想サービス エージェントに接続されます。生成 AI を使って、リンクされたナレッジ ベース スペースを検索してカスタマーの質問に回答します。

アトラシアンでは、Atlassian Intelligence による回答は次のようなシナリオで最も効果的だと考えています。

• 完全で最新のナレッジ ベースがリンクされており、仮想サービス エージェントがそれにアクセスし、Atlassian Intelligence による回答を使用してカスタマーの質問に回答できる。
• Atlassian Intelligence による回答は、次のようなカスタマーの質問への回答に使用されます。
  • 情報や手順説明を提供することで解決できる質問。
  • 既存のナレッジ・ベース記事に記載されている（または追加できる）質問。
  • 一般的にエージェントにエスカレーションする必要がない質問。

Atlassian Intelligence の回答にこれらのモデルがどのように使われているかを理解し、これらのモデルが不正確だったり、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。

Atlassian Intelligence の回答は、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（リンク先のナレッジ・ベースに存在しないなど）。
• ナレッジ・ベースが古いか不完全であるため、検索が役に立たないかもしれない。
• ナレッジ・ベースの記事に関連情報や質の高い情報が含まれていないため、それらの記事に基づいてカスタマーに提供される Atlassian Intelligence の回答が、関連性の低いものになる可能性がある。

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。

次の内容もご検討ください。

• リンクされたナレッジ・ベース（およびそこに含まれる既存の記事）を積極的に見直して更新し、完全で最新の状態に保たれていることをご確認ください。
• リンクされたナレッジ・ベース・スペースに適用される権限と制限を積極的に見直して、Atlassian Intelligence の回答が役に立つ正しい情報にアクセスできることをご確認ください。

Jira Service Management における Atlassian Intelligence の回答に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、FAQ 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。

• 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のコンテキスト（リンクされたナレッジ・ベース・スペースなど）。
• 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回答を含む)。
• お客様のデータに関しては、Jira Service Management での Atlassian Intelligence の回答には、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) について:
  • 他のお客様は利用できません。
  • 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。
  • エクスペリエンスを提供するためにのみ使用されます。
• OpenAI は、副処理者のリストに含まれる副処理者です。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、リンクされたナレッジ・ベース・スペースに適用される権限と制限に従います。つまり、Jira Service Management ポータルでお客様が利用できるすべてのページが、Atlassian Intelligence の回答によって利用できるようになります。たとえば、特定の Confluence ページへのアクセスが制限されており、通常は Jira Service Management で利用できない場合、そのページのコンテンツは Atlassian Intelligence の回答による回答では提案されません。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。

Atlassian Intelligence を使用する自動化では、OpenAI が開発した GPT モデルを利用しています。これらのモデルには、こちらで説明されている OpenAI モデルが含まれます。

Atlassian Intelligence では、これらのモデルを利用して自然言語の入力を分析し、Jira と Confluence 内で自動化ルールを生成します。

これらのモデルは、入力された内容に基づいて回答を生成し、本質的に確率的です。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 のモデルの機能に関する詳細をご確認いただくか、このアプローチの詳細を OpenAI の研究論文でご確認ください。

自動化ルールの作成は、日常の自動化エクスペリエンスの主要部分です。Jira と Confluence の自動化ルール ビルダーに Atlassian Intelligence を追加することで、自動化ルールの作成をさらに容易にします。自動化する内容を入力して説明するだけで、簡単に自動化ルールを作成できるようになりました。Atlassian Intelligence がルールを作成するので、面倒な作業はすべて任せられます。Jira と Confluence 向けの Atlassian Intelligence を使用した自動化の詳細をご覧ください。

Jira と Confluence 向けの Atlassian Intelligence を使用した自動化が最も効果を発揮するのは、開始方法がわからない場合や、ルール作成プロセスを加速したい場合です。

Atlassian Intelligence を使用して自動化を強化するために使用されるモデルの仕組みにより、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、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 を使った自動化は、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。

• Atlassian Intelligence がリクエストに適切に回答するために、リクエスト送信者が利用できない情報 (たとえば、制限されたページやプロジェクト) へのアクセスを Atlassian Intelligence を使った自動化に提供する必要がある。
• 1 回限りのタスクを実行する必要がある。
• ナレッジ・ベース内から情報を問い合わせる必要がある。

このため、Atlassian Intelligence 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、他の人と共有することをお勧めします。

Atlassian Intelligence を使った自動化は、Jira と Confluence で利用可能な既存の自動化コンポーネントでのみ機能します。

また、前述のように、Atlassian Intelligence に質問する内容をできる限り具体的にします。

Atlassian Intelligence を使用して自動化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。このセクションは、当社の 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)。
• Jira プロジェクトまたは Confluence ページなど、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。
• 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、Confluence 自動化での Atlassian Intelligence の利用には、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) について:
  • 他のお客様は利用できません。
  • 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。
  • エクスペリエンスを提供するためにのみ使用されます。

OpenAI は、副処理者のリストに含まれる副処理者です。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。

この機能はインスタンスの権限に従います。たとえば、お客様が特定のプロジェクトまたはページにアクセスできない場合、それらのコンテンツを使用した提案が受信した回答に含ま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。

チャート インサイトは、OpenAI が開発した大規模な言語モデルによって強化されています。たとえば、こちらで説明されている OpenAI モデルです。

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。

チャート インサイトでは、Atlassian Intelligence を使用して、Atlassian Analytics のあらゆるグラフのデータを簡単に理解できるようにします。そのために、ダッシュボードのタイトル、グラフのタイトル、グラフのデータ (列ヘッダーと行の値を含む) を使用して、グラフとそのデータの自然言語による要約を生成します。また、傾向や異常を特定して、そのグラフに特定のインサイトを提供することも目的としています。

アトラシアンでは、chart insights は次のようなシナリオで最も効果的だと考えています。

• グラフのデータ行が多い。
• グラフにダッシュボードのタイトルがある。
• グラフに列ヘッダーがある。
• グラフのすべての行と列に値がある。

棒グラフ、折れ線グラフ、および棒線グラフは通常、傾向、日付、その他多数のデータ行が含まれているため、この機能が最も適しています。

chart insights 強化の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。

chart insights 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。

• グラフのデータ行が 1 行またはわずか数行。
• グラフが単一値タイプ。
• グラフにタイトル、軸ラベル、列ヘッダーがない。

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。

• グラフに表示されている特定のデータについて、詳細情報を持っている可能性のある他のユーザーに、インサイトの正確性を再確認します。
• Atlassian Intelligence は、回答時にダッシュボード全体ではなく、単一のグラフのコンテキストのみを使用することを念頭に置いてください。

chart insights のデータの扱いについて、さまざまな疑問が生じることでしょう。このセクションでは、このページに掲載されている情報の補足説明をします。

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)。
• グラフ内のデータなど、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)。

データについては、chart insights 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) について:
  • 他のお客様は利用できません。
  • 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、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。
• この機能では、お客様がアクセスでき、インサイトを要求したダッシュボードからの情報のみが使用されます。

Atlassian Intelligence を利用したページやブログの要約では、OpenAI が開発した LLM モデルを利用しています。たとえば、こちらで説明されている OpenAI モデルです。

Atlassian Intelligence はこれらのモデルを利用して、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。

Atlassian Intelligence 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 Atlassian Intelligence の使用に関する詳細をご覧ください。

Atlassian Intelligence 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。

Atlassian Intelligence 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。

当社は、マクロ、表、要約の展開のサポートを改善し続けていますが、Atlassian Intelligence 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ました。

• 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。

Atlassian Intelligence 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、他の人と共有することをお勧めします。

次の内容もご検討ください。

• 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 Atlassian Intelligence に依頼する。

Confluence 自動化に Atlassian Intelligence 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。このセクションは、当社の Trust Center で公開されている情報を補足するものです。

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)。

データに関しては、Atlassian Intelligence 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) について:
  • 他のお客様は利用できません。
  • OpenAI によって保存されません。
  • OpenAI 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、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、Atlassian Intelligence 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 や Jira での Atlassian Intelligence を利用した用語の定義には、OpenAI が開発した大規模言語モデルを利用しています。たとえば、こちらで説明されている OpenAI モデルです。

Atlassian Intelligence はこれらのモデルを利用して、Confluence 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。

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。

Atlassian Intelligence を利用して用語を定義すると、Confluence のページや Jira の課題説明のページに、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、それと同時にチームの連携を強化できます。

Atlassian Intelligence 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、当該のページや課題説明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 での Atlassian Intelligence 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、Atlassian Intelligence 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 Atlassian Intelligence 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 Atlassian Intelligence 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ました。

• 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、Atlassian Intelligence 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、Atlassian Intelligence 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。

Atlassian Intelligence 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。このセクションは、当社の Trust Center で公開されている情報を補足するものです。

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)。
• 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)。

Atlassian Intelligence 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) について:
  • 他のお客様は利用できません
  • 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、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。

Atlassian Intelligence を使用したプル リクエストの説明の生成は、OpenAI が開発した大規模言語モデル (LLM) を使用して行います。たとえば、こちらで説明されている OpenAI モデルです。

Atlassian Intelligence はこれらのモデルを使用して、製品内の自然言語およびコードを分析し、説明を生成します。

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、トレーニングを受けたデータに基づいて、最も可能性の高い次の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。

Atlassian Intelligence は、Bitbucket Cloud のコード レビュー エクスペリエンスでプル リクエストの説明やコメントを書いているときに、コンテンツの生成、変換、要約をサポートします。これには、次が含まれます。

• プル リクエストに含まれるコード変更に基づいてプル リクエストの説明を生成します。
• プル リクエストの説明の要約、改善、またはトーン変更を行います。
• プル リクエストのコメントの要約、改善、またはトーン変更を行います。

アトラシアンでは、Atlassian Intelligence を使用した Bitbucket Cloud のプル リクエストの説明の生成は、次のようなシナリオで最も効果的だと考えています。

• コード作成者が、プル リクエストの説明を書いたり改善したりするのを、Atlassian Intelligence に手伝ってもらいたい。これは、Atlassian Intelligence によって生成されたコンテンツがプル リクエストの説明として適切であると判断できるチームに最適です。
• コード レビュー担当者が、すでに下書きしたプル リクエストのコメントのトーンや内容の改善を、Atlassian Intelligence に手伝ってもらいたい。

この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、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。

Atlassian Intelligence を使用した Bitbucket Cloud のプル リクエストの説明の生成は、次のようなシナリオではあまり効果的ではないことが判明しています。

• プル リクエストの説明で、コード変更にまだ存在していない情報 (たとえば、リポジトリの他の場所に含まれているソース コード) について言及する必要がある。
• Atlassian Intelligence によって生成されたコンテンツがプル リクエストの説明として正しいかどうかを判断できない。
• 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 への質問を、できるだけ具体的なものにする。
• 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。
• 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。

Confluence で Atlassian Intelligence を利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。このセクションは、当社の Trust Center で入手できる情報を補足するものです。

処理されるデータの種類は以下のとおりです。

• 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:
  • プル リクエストのコード変更とコミット メッセージ
  • プル リクエストの説明の内容
  • プル リクエストのコメントの内容
• 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。
• この機能について提供したいフィードバック

Atlassian Intelligence を使用したプル リクエストの説明の生成では、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) について:
  • 他のお客様は利用できません
  • 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、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データを使用することはありません。

Atlassian Analytics での Atlassian Intelligence を使用した SQL クエリの生成には、OpenAI が開発した大規模な言語モデルを利用しています。たとえば、こちらで説明されている OpenAI モデルです。

Atlassian Intelligence はこれらのモデルを使用して自然言語を分析および理解し、それを Atlassian Analytics 内でSQL（構造化クエリ言語）に変換します。

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。

独自の SQL クエリをゼロから作成するのではなく、Atlassian Intelligence に自然言語で質問して、SQL に変換させます。質問すると、Atlassian Intelligence は、選択したデータ・ソースの Atlassian Data Lake のスキーマを使用して、Atlassian Analytics ダッシュボードにグラフを作成するための SQL クエリを生成します。Data Lake のスキーマについて学ぶのにも役立ちます。

アトラシアンでは、Atlassian Intelligence を使用した SQL クエリの生成は、次のようなシナリオで最も効果的だと考えています。

• 生成された SQL から始めて、必要に応じてクエリを調整してカスタム・グラフを構築したいと考えている。
• 自然言語の質問には Atlassian Data Lake のスキーマで参照されている単語や概念が含まれており、できるだけ具体的に記入されている。
• Atlassian Data Lake のスキーマの詳細を確認したいと考えている。

Atlassian Intelligence を使用して SQL クエリを生成するために使用されるモデルの動作方法により、これらのモデルは不正確、不完全、または信頼性の低い方法で動作す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。

Atlassian Intelligence を使用した SQL クエリの生成は、次のようなシナリオではあまり役に立たないことが判明しました。

• 人、場所、事実に関する最新かつ正確な情報が必要である。
• この機能が、Atlassian Data Lake のスキーマではすぐに利用できない情報（たとえば、Advanced Roadmaps のデータなど）にアクセスし、質問に適切に答えるために必要である。
• 質問にカスタム・フィールドへの参照が含まれている。
• 英語以外の言語で質問されている。
• Atlassian Intelligence から返された SQL を検証できるほど SQL に精通していない。

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。
• 使用している Atlassian Data Lake のデータ・ソースに、質問に答えるのに必要なデータが含まれていることを確認する。

Atlassian Intelligence を利用して SQL クエリを生成する際に、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。このセクションは、当社の 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) と回答 (出力)。
• インスタンスに適用可能な、一般公開されている Atlassian Data Lake のスキーマを含む、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、Atlassian Intelligence を使用した SQL クエリの生成には、次のような対策を適用しています。

• お客様のプロンプト（入力）と回答（出力）は：
  • 他のお客様は利用できません。
  • 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、サブプロセッサーのリストにあるサブプロセッサーです。リクエストの処理以外の目的で入力と出力を使用することはありません。
• この機能は、Atlassian Data Lake の接続の権限に従います。たとえば、Atlassian Data Lake 接続にアクセスできない場合、SQL を構築してクエリを実行することはできません。

編集エクスペリエンスにおける Atlassian Intelligence は、OpenAI によって開発された大規模言語モデルによって支えられています。たとえば、こちらで説明されている OpenAI モデルです。

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。

Atlassian Intelligence 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 Atlassian Intelligence 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。Atlassian Intelligence 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。Atlassian Intelligence を使用すると、大まかなメモを有益な戦略ドキュメンテーション、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分析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。Atlassian Intelligence 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作成するのに役立ちます。これは、チームが特定の目標を念頭に置き、明確で具体的なプロンプトを使用する場合に最適です。

Atlassian Intelligence を使用した編集エクスペリエンスにモデルがどのように使われているかを理解し、これらが不正確だったり、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。

編集エクスペリエンスにおける Atlassian Intelligence 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ました。

• 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、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 への質問を、できるだけ具体的なものにする。
• 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いて Atlassian Intelligence 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。このセクションは、当社の 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)。
• Atlassian Intelligence 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 Atlassian Intelligence 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) について:
  • 他のお客様は利用できません。
  • 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。
  • エクスペリエンスを提供するためにのみ使用されます。
• OpenAI は、副処理者のリストに含まれる副処理者です。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。

Atlassian Intelligence を使用した Confluence での回答の検索では、OpenAI が開発した LLM モデルを使用しています。たとえば、こちらで説明されている OpenAI モデルです。

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。

ナレッジ・ベースが急速に拡大しすぎて、ユーザーが追いつけません。Atlassian Intelligence を使用して Confluence で回答を検索すると、作業を進めるために必要な重要な情報にすばやくアクセスできます。この機能は、必要な情報を簡単に見つけるのに役立ちます。ユーザーがチームメイトに尋ねるような質問を理解し、即座に回答します。Atlassian Intelligence を使用して Confluence で回答を検索する方法の詳細を見る

Atlassian Intelligence を使用して Confluence で回答を検索するのは、詳細で完全かつ最新のコンテンツが Confluence サイトに大量に記載されている場合に最適だと私たちは考えています。

この機能は新しいコンテンツを生成するのではなく、（制限を守りながら） Confluence のページやブログを検索し、質問への回答を見つけます。Atlassian Intelligence は、Confluence の内容（具体的にはユーザーがアクセス権を持っている情報）のみに基づいて回答を生成します。

Atlassian Intelligence を使用して Confluence で回答を検索するために使用されるモデルの仕組み上、これらのモデルは不正確、不完全、または信頼性の低い方法で動作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。

Atlassian Intelligence を使用した Confluence での回答の検索は、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。
• 頻繁に変更される傾向がある情報（たとえば、毎月更新されるロードマップ）について、最新かつ正確な情報が必要である。
• 特定の人々と、その人が組織で果たしている役割について、最新かつ正確な情報が必要である。
• 質問に正しく回答するためには、自分が利用できない情報へのアクセス権が必要である（Confluence インスタンスのページが制限されているなど）。
• 回答が、さまざまな値やカテゴリ（たとえば、毎週更新される指標）で構成されている。
• ニュアンス、複雑さ、または人間レベルの推論を必要とする答えが必要である。

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 への質問を、できるだけ具体的なものにする。
• Confluence インスタンスに文書化されていることを把握しており、かつアクセス権を有していることについて質問する。

Atlassian Intelligence を使用して Confluence で回答を検索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。このセクションは、当社の Trust Center で入手できる情報を補足するものです。

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)。
• Confluence 検索から返された上位 3 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)。

Atlassian Intelligence を使用して Confluence で回答を検索する際には、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。
  • 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。
• OpenAI は、当社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、受信する回答にそのページのコンテンツが使用されることはありません。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。

Atlassian Intelligence を使用した Jira での課題検索には、OpenAI が開発した大規模な言語モデルが使用されています。このモデルには、こちらで説明する OpenAI モデルが含まれています。これは、生成された合成データを使用してアトラシアンが微調整したものです。

Atlassian Intelligence はこれらのモデルを使用して自然言語を分析および理解し、それを Atlassian Analytics 内で JQL（Jira クエリ言語）に変換します。

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、学習させ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 モデルの機能と OpenAI の微調整の詳細をお読みください。また、このアプローチの詳細については、OpenAI の研究論文もお読みください。

複雑なクエリを作成するのではなく、日常の言葉で何をしたいかを Atlassian Intelligence に質問できるようになりました。Atlassian Intelligence を使用して課題を検索すると、プロンプトが JQL クエリに変換され、特定の課題をすばやく検索できます。

アトラシアンでは、Atlassian Intelligence を使用した課題の検索は、次のような場合に最も効果的だと考えています。

• Jira プロジェクトで使用可能な課題フィールドを使用して Jira の課題をクエリしている。
• クエリには、課題検索を絞り込むのに役立つ特定のフィールドと値が含まれている。
• 検索対象のフィールドと値が Jira プロジェクトに存在している。
• 英語でクエリを実行している。
• クエリは JQL に翻訳可能である。Atlassian Intelligence はプロンプトを JQL コードに変換するので、入力に JQL に変換できるキーワードが含まれる場合、より良い結果が得られます。

Atlassian Intelligence を使用して課題を検索するために使用されるモデルの仕組み上、これらのモデルは不正確、不完全、または信頼性の低い方法で動作する場合があることにご注意ください。

たとえば、質問の内容が受け取った回答に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。

Atlassian Intelligence を使用した課題の検索は、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。
• プロジェクト、ボード、ユーザーなど、課題以外の Jira エンティティを検索している。
• 英語以外の言語で検索している。
• データのグラフ、要約、またはその他の表示を作成するために課題を検索して分析したいと考えている。
• 現在 JQL で提供されていない機能が検索に必要である（たとえば、「自分がコメントした課題を検索する」などの質問は JQL の機能に変換できない）。

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。

また、Atlassian Intelligence に質問する内容はできる限り具体的にしてください。検索するフィールドや値を正確に含めます。

Atlassian Intelligence を使用して課題を検索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。このセクションは、当社の Trust Center で入手できる情報を補足するものです。

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)。
• 現在取り組んでいるプロジェクトなど、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)。

Atlassian Intelligence を使用して課題を検索する際には、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。
  • 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。
• OpenAI 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お客様の入力と出力を使用することはありません。
• 検索結果は、アクセスできる課題とフィールドに基づく（たとえば、特定の Jira プロジェクトにアクセスできない場合、そのプロジェクトの課題とフィールドは検索結果に表示されない）。

Atlassian Intelligence を使用してリクエスト・タイプを提案することは、OpenAI が開発した大規模な言語モデルによって支えられています。たとえば、こちらで説明されている OpenAI モデルです。

Atlassian Intelligence はこれらのモデルを使用して自然言語入力を分析し、Jira Service Management 内でリクエスト・タイプの名前と説明に関する推奨事項を生成します。

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。

Atlassian Intelligence からの候補を表示することで、プロジェクト用にどのようなリクエスト・タイプを作成する必要があるかを考える時間を削減できます。自分の作業とチームが通常管理しているものを簡単に説明するだけで、どのようなタイプのリクエストを作成できるかがわかります。Atlassian Intelligence によって生成された提案の 1 つを選択して、リクエスト・タイプを作成します。Atlassian Intelligence を使用してリクエスト・タイプを提案する方法の詳細をご覧ください。

アトラシアンでは、Atlassian Intelligence を使用したリクエスト・タイプの提案は、次のようなシナリオで最も効果的だと考えています。

• 既存のリクエスト・タイプのテンプレートでは対応できない、非常に特殊なユース・ケースがある。
• 非常に大まかな要件があり、いくつかのアイデアを探している。
• 広く話されている言語（英語やスペイン語など）を使用している。

Atlassian Intelligence を使用してリクエスト・タイプを提案するために使用されるモデルの動作方法により、これらのモデルは不正確、不完全、または信頼性の低い方法で動作す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。

Atlassian Intelligence を使用したリクエスト・タイプの提案は、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ました。

• 人、場所、事実に関する最新かつ正確な情報が必要である。
• この機能が、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場合（インスタンスに含まれていない場合など）。
• あいまいすぎるか、サービス管理とは無関係なプロンプトを提供している。
• 広く話されている言語を使っていない。

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 への質問を、できるだけ具体的なものにする。

リクエスト・タイプの提案に Atlassian Intelligence を使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。このセクションは、当社の Trust Center で入手できる情報を補足するものです。

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。
• 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 を使用してリクエスト・タイプを提案する際には、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 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、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。
• この機能にはプロンプトの情報のみが使用されるため、Jira のすべての権限が尊重されます。

Atlassian Intelligence を使用した課題の詳細の要約は、OpenAI が開発した大規模な言語モデルによって支えられています。たとえば、こちらで説明されている OpenAI モデルです。

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 Service Management で課題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、Atlassian Intelligence でこれらの情報をすばやく要約できます。簡単に新しい関係者と情報を共有したり、新しいエージェントにチケットを移動したり、課題に関する詳細情報を入手したりできます。これにより、エージェントは課題のコンテキストと進捗状況をすばやく理解でき、迅速に行動し、タイムリーな支援を提供できます。

Atlassian Intelligence を使用した課題の詳細の要約は、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課題。
• コメントの数が多い課題や、コメントや説明が長い課題。

Atlassian Intelligence の機能を使用して課題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。

Atlassian Intelligence を使用した課題の詳細の要約は、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
• 課題に履歴や詳細がない

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 を使用して課題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。このセクションは、当社の Trust Center で公開されている情報を補足するものです。

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には、Jira Service Management の課題に関する詳細が含まれます（課題の説明、コメント、チケットに関係するユーザーなど）。
• 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)。

Atlassian Intelligence を使用して課題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、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 を使用したカスタム数式の記述は、OpenAI が開発した大規模な言語モデルによって支えられています。たとえば、こちらで説明されている OpenAI モデルです。

Atlassian Intelligence はこれらのモデルを使用して自然言語を分析し、それを Atlassian Analytics 内で SQLite に変換します。

これらのモデルは、入力された内容に基づいて回答を生成し、本質的に確率的です。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。

結果テーブルのデータの変換方法を Atlassian Intelligence に質問または説明すると、カスタム数式に使用される SQLite 式に変換されます。独自の SQLite 式をゼロから記述する必要はありません。質問すると、Atlassian Intelligence は前の Visual SQL ステップの結果テーブルのデータを使用して、グラフ用のデータに計算または演算を適用する SQLite 式を生成します。これは SQLite の関数とその構文について学ぶのにも役立ちます。

Atlassian Intelligence を使用してカスタム数式を記述するのは、次のようなシナリオで最も効果的です。

• クエリしたデータの 1 つの列に変更を適用する。
• 生成された SQLite 式を元に、必要に応じて改良する。
• 自然言語での質問に、列ヘッダーや行データで参照される単語や概念が含まれる。
• SQLite についてもっと知り、利用できる SQLite の機能を調べる。

カスタム数式を使用する際は、Atlassian Intelligence で使用されるモデルが不正確や不完全であったり、信頼性が低かったりする場合があることに注意してください。

たとえば、質問の内容が受け取った回答に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。

Atlassian Intelligence を使ったカスタム数式の記述は、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。

• 1 つのカスタム数式の複数の列に変更を適用する。
• 結果テーブルのデータではすぐには利用できない情報にアクセスするためにこの機能が必要である。
• プロンプトで英語以外の言語で質問される。

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 への質問を、できるだけ具体的なものにする。
• クエリしたデータが、質問に答えるために必要なデータに対応していることを確認する

Atlassain Intelligence を使用してカスタム数式を記述する際に、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。このセクションは、当社の Trust Center で公開されている情報を補足するものです。

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)。
• 前の Visual SQL ステップの結果セットのデータを含めるなど、プロンプトに関連するインスタンスのコンテキスト。
• 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)。
• クリックストリーム データなど、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

Atlassian Intelligence を使用してカスタム数式を記述する際には、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 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、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。