ИИ плюс ответственность — основа сильной команды

В Rovo сочетаются открытые модели с самостоятельным хостингом и модели, размещенные у сторонних поставщиков. Это позволяет предоставлять возможности искусственного интеллекта с учетом ваших предпочтений, потребностей команд и специфики рабочих процессов.

Поставщики больших языковых моделей (LLM), с которыми мы сотрудничаем, не хранят входные и выходные данные клиентов и не используют их для обучения своих инструментов. При таком подходе во главу угла ставится конфиденциальность ваших данных на протяжении всего процесса.

Чтобы узнать больше о технологиях и возможностях Rovo, посетите эту страницу.

Чтобы начать, ознакомьтесь с этими распространенными примерами использования и запросами. Это поможет вам ускорить выполнение задач с помощью агентов, чата и поиска Rovo.

Некоторые модели, используемые в наших функциях на базе ИИ, дают ответы на основе входных данных и носят вероятностный характер. Это значит, что ответы составляются путем прогнозирования наиболее вероятного следующего слова или текста — с учетом данных, на которых модели прошли обучение. Также обратите внимание, что ответы Rovo зависят от набора прав, поэтому могут различаться у разных пользователей.

Из-за такого подхода модели иногда могут давать неточные, неполные и недостоверные ответы. Например, такие ответы могут неточно отражать контент, на котором основаны, или создавать контент, который кажется обоснованным, но является недостоверным, и на него не следует полагаться.

Мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать эти функции (например, не в тех случаях, когда вам нужна актуальная и точная информация о людях, местах и фактах), и проверять качество полученных ответов, прежде чем делиться ими с другими.

Rovo обрабатывает входные данные пользователя, чтобы давать необходимые ответы. Мы также можем обрабатывать организационные данные с вашего сайта, если пользователь имеет право их просматривать, и включать их в состав входных данных от пользователя, чтобы большие языковые модели (LLM) могли предоставлять более точные, актуальные и подходящие по контексту ответы.

Наши поставщики LLM не используют ваши входные и выходные данные для совершенствования своих услуг. Ни OpenAI, ни какой-либо иной поставщик LLM не сохраняет ваши входные и выходные данные.

Мы не только применяем ограничительные политики в отношении наших поставщиков LLM, но также ограничиваем использование клиентских данных и доступ к ним на нашей платформе. Входные и выходные данные клиента используются только для обслуживания этого конкретного клиента и повышения удобства его работы. Они не используются для обучения моделей других клиентов.

Atlassian может в течение ограниченного времени хранить входные и выходные данные, чтобы сократить время ожидания, например, при отображении сводки страницы, или когда это необходимо для предоставления функции, такой как отображение истории поиска. Чтобы узнать больше о том, как данные клиентов используются в той или иной функции, посетите нашу страницу, посвященную прозрачности.

Если вы хотите получать уведомления о любых существенных изменениях в этой политике, подпишитесь здесь.

Мы используем широкий спектр LLM с открытым исходным кодом и размещением в Atlassian, включая модели из серий LLama и Mixtral, а также модели, размещенные у сторонних поставщиков, например GPT от OpenAI, Claude от Anthropic и Gemini от Google, чтобы клиенты получали наилучшие результаты. В функциях используется динамическая маршрутизация, позволяющая подобрать оптимальное сочетание моделей для максимально точной и эффективной отработки каждого сценария.

Наши поставщики LLM не хранят ваши входные и выходные данные и не используют их для совершенствования своих сервисов.

Ознакомьтесь с нашим списком субобработчиков данных для получения дополнительной информации о внешних поставщиках LLM. С дополнительной информацией о том, как LLM используются в той или иной функции, можно ознакомиться на нашей странице, посвященной прозрачности работы.

Нет, ни один из наших поставщиков LLM не хранит данные, которые вы отправляете, или ответы, которые вы получаете.

Данные, которые вы отправляете, и ответы, которые вы получаете от Rovo, не используются для доработки или улучшения любых моделей или сервисов LLM. В случае с моделями, размещенными у сторонних поставщиков, каждый запрос данных отправляется поставщику отдельно по зашифрованному SSL-каналу для обработки и отправки обратно в Atlassian.

Нет. В Rovo применяется динамическая маршрутизация между моделями и выбор поставщиков невозможен.

Rovo является важной частью платформы Atlassian Cloud, как и другие приложения (например, «Проекты» и «Цели»). Удалить их невозможно. Но администраторы организации могут управлять функциями Rovo на базе ИИ в приложениях Atlassian: включать и выключать их. Для этого нужно зайти на страницу Администрирование Atlassian. Обратите внимание, что функции Rovo не на базе ИИ, такие как поиск Rovo, отключить нельзя.

Дополнительную информацию об управлении функциями ИИ в приложениях можно посмотреть в нашей документации. Там же вы найдете список функций Rovo, доступных при включенном ИИ.

В настоящее время можно только отказаться от функций ИИ целиком, на уровне приложения.

Напоминаем, что поиск Rovo, а также функции Studio и «Закладки» всегда доступны и всегда включены, поскольку теперь они являются частью платформы Atlassian. Вы можете узнать больше о доступных способах отказа от функции ИИ в нашей документации.

Вы также можете настроить список разрешенных и запрещенных данных, чтобы ограничить индексирование контента на Google Диске или в Microsoft SharePoint средствами Rovo. Инструкции по настройке вы найдете в нашей документации.

When using Atlassian-hosted LLMs, there will be slight variations in performance and latency due to different LLM options available to Rovo. Typically, Rovo dynamically routes requests between third-party and Atlassian-hosted LLMs to select the best model based on the user request. However, with Atlassian-hosted LLMs, Rovo’s AI-powered features rely solely on models within the Atlassian Cloud boundary.