Rovo — разработан с заботой о прозрачности

ИИ-заготовки работают на основе больших языковых моделей, разработанных компаниями OpenAI и Anthropic, а также языковых моделей на основе трансформеров с открытым исходным кодом и других моделей машинного обучения. В их число входит серия моделей GPT от OpenAI и серия моделей Claude от Anthropic.

Rovo использует эти модели для анализа и создания ответов на естественном языке в наших продуктах. Модели шифраторов с открытым исходным кодом преобразуют входные данные из текстового формата в числовой (векторное представление слов), а затем на основе этих видоизмененных входных данных определяются и формируются темы.

Эти большие языковые модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI и Anthropic. Подробнее о языковых моделях с открытым исходным кодом см. в справке по моделям векторного представления текста.

ИИ-заготовки — это предварительно сгенерированные черновики статей для базы знаний, которые должны затем проверить ваши администраторы и агенты. Эта функция создает заготовки текста для наиболее распространенных задач проекта Jira Service Management, используя сведения и комментарии из задач этого проекта.

Командам службы поддержки быстрее и проще наращивать базу знаний, опираясь на ИИ-заготовки, а это, в свою очередь, повышает эффективность других функций Jira Service Management. Например, статьи базы знаний, созданные на основе ИИ-заготовок, затем сможет использовать виртуальный помощник в функции ответов ИИ, чтобы быстрее и проще оказывать помощь клиентам.

Узнайте больше об ответах ИИ в виртуальном помощнике.

По нашему мнению, ИИ-заготовки показывают наилучшие результаты в следующих случаях.

• По проекту поступает более 40 запросов в месяц. В проектах, по которым поступает менее 40 запросов, может оказаться недостаточно информации для создания ИИ-заготовок.
• Содержимое задач — резюме, описание и другие поля — представлено преимущественно на английском языке. Качество ИИ-заготовок на других языках может отличаться.

Важно помнить: иногда модели, используемые в качестве основы для ИИ-заготовок, могут давать неточные, неполные или недостоверные результаты. Это связано с принципами их работы.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы обнаружили, что в следующих случаях ИИ-заготовки могут оказаться не такими эффективными.

• По проекту поступает менее 40 запросов в месяц.
• Проект автоматически создает запросы на основе оповещений — в таком случае статья в базе знаний может не требоваться. Однако вам все равно будет предлагаться ИИ-заготовка, касающаяся этих запросов.
• Вам нужны заготовки по задачам, содержимое которых написано на языках, отличных от английского.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Rovo, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

• Примите меры для того, чтобы участники команды тщательно изучали ИИ-заготовки, прежде чем приступать к созданию статей базы знаний на их основе
• Попросите администраторов проектов назначить из числа участников команды экспертов, ответственных за проверку и редактирование ИИ-заготовок, чтобы обеспечить высокое качество статей в базе знаний

Мы понимаем, что у вас могут возникнуть вопросы о том, как в функции ИИ-заготовок используются ваши данные. Этот раздел дополняет сведения, доступные в Atlassian Trust Center.

Мы обрабатываем следующие данные.

• Ваши запросы (ввод) и ответы (вывод).
• Контекст из вашего экземпляра, имеющий отношение к функции, например данные в задаче, такие как значения полей, сводки и описание, чтобы создавать заготовки с помощью Rovo.
• Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
• Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

В ИИ-заготовках предусмотрены следующие меры в отношении ваших данных.

• Ваши запросы (ввод) и ответы (вывод):
  • Недоступны другим клиентам
  • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI или Anthropic в AWS Bedrock;
  • не хранятся ни у каких поставщиков больших языковых моделей;
  • Не используются для улучшения языковых моделей сторонних поставщиков.
  • используются только для вашего обслуживания.
• OpenAI и AWS Bedrock являются субобработчиками в нашем списке субобработчиков данных. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
• Мы обрабатываем только те задачи, которые доступны всем участникам проекта службы поддержки вашего сайта. Любые задачи, для которых требуются права, не используются при формировании заготовок.
• Мы обновляем ИИ-заготовки каждые 7 дней, чтобы обеспечить актуальность контента.

Узнать больше об использовании Rovo

Функция ИИ-сводок для карточек центра компании работает на базе больших языковых моделей, разработанных OpenAI. В их число входит серия моделей GPT от OpenAI.

Rovo использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Подробнее о возможностях моделей OpenAI.

Функция ИИ-сводок для карточек центра компании заключается в создании описаний для карточек с помощью ИИ и помогает быстро вносить информацию и публиковать ее в центре компании. Эта функция использует ИИ, чтобы получить сводную информацию со связанной страницы Confluence или записи в блоге для размещения ее на карточке центра компании.

По нашему мнению, использование ИИ-сводок для карточек центра компании наиболее полезно в следующих случаях.

• Вам удобно использовать карточки центра компании в Confluence для размещения ссылок на фрагменты контента с большим количеством текста.
• Вы ищете возможность отображать в описаниях карточек Confluence краткую сводку по содержимому Confluence с большим количеством текста.

Важно! Иногда эти модели могут выдавать неточный, неполный или ненадежный результат. Это связано с принципами работы моделей, используемых в качестве основы для функции создания ИИ-сводок на карточках центра компании.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы обнаружили, что использование ИИ-сводок для карточек центра компании менее полезно в следующих случаях.

• Вам нужна актуальная и точная информация о людях, местах и фактах.
• Вам требуется изложение очень короткой страницы Confluence, на которой недостаточно содержимого для создания полезной сводки.
• Вам нужно краткое изложение страницы Confluence, где большая часть содержимого находится в таблицах или раскрываемых разделах.
• Вам нужно краткое изложение страницы Confluence, большая часть содержимого которой находится в макросах.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Rovo, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при создании ИИ-сводок для карточек центра компании. Этот раздел дополняет сведения, доступные в Atlassian Trust Center.

Мы обрабатываем следующие данные.

• Ваши запросы (ввод) и ответы (вывод).
• Контекст из вашего экземпляра, связанный с запросом, например содержимое страницы Confluence, краткое изложение которой вы хотите получить.
• Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
• Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

В отношении использования ваших данных функцией ИИ-сводок для карточек центра компании применяются следующие меры.

• Ваши запросы (ввод) и ответы (вывод):
  • недоступны другим клиентам;
  • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI;
  • не хранятся ни у каких поставщиков LLM;
  • не используются для улучшения больших языковых моделей;
  • используются только для вашего обслуживания.
• OpenAI является субобработчиком из нашего списка субобработчиков данных. OpenAI не использует ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
• Эта функция учитывает права в вашем экземпляре. Например, если у вас нет доступа к определенной странице Confluence, вы не сможете использовать эту функцию для получения сводки страницы с помощью Rovo. Если вы хотите ограничить доступность контента для других пользователей в вашем экземпляре, обратитесь к администратору организации, чтобы убедиться, что права настроены соответствующим образом.

Узнать больше об использовании Rovo

Rovo Dev использует большие языковые модели OpenAI и Anthropic в AWS Bedrock, модели Anthropic в Google Vertex AI, а также комбинацию других моделей машинного обучения. В их число входит серия моделей GPT от OpenAI и серия моделей Claude от Anthropic.

Rovo Dev использует эти модели для анализа и генерации ответов на естественном языке, а также для написания кода в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI и Anthropic.

Rovo Dev — это контекстно-зависимый агент ИИ для профессиональных разработчиков программного обеспечения. Он понимает естественный язык и код, интегрируется с инструментами Atlassian (такими как Jira, Confluence и Bitbucket), а также со сторонними платформами разработчиков (такими как GitHub). Rovo Dev работает на базе Atlassian Teamwork Graph и использует организационный контекст, бизнес-знания и историю базы кода для ускорения цикла разработки программного обеспечения. Rovo Dev помогает планировать, генерировать и проверять код, а также автоматизировать повторяющиеся задачи в любом масштабе.

В набор продуктов Rovo Dev входят:

• Rovo Dev в Bitbucket и GitHub. Благодаря интеграциям с Bitbucket и GitHub можно проверять запросы pull на соответствие техническим требованиям и бизнес-целям. Rovo Dev выявляет потенциальные проблемы еще до того, как они попадут в рабочую среду, и обеспечивает соответствие изменений в коде критериям приемки в Jira, что сокращает количество циклов проверки и помогает избежать доработок.

• Интерфейс командной строки Rovo Dev. Rovo Dev можно использовать прямо в интерфейсе командной строки. ИИ-агент разработки доступен в терминале и легко интегрируется с рабочим процессом Atlassian.

По нашему мнению, Rovo Dev показывает наилучшие результаты в следующих случаях.

• Вам нужна помощь в решении таких задач, как написание нового кода, отладка существующего или понимание сложных баз кода.
• Вы хотите автоматически получать обратную связь по запросам pull после проверки кода, чтобы выявлять потенциальные проблемы и улучшать качество кода.
• Вам нужна помощь в решении стандартных задач разработки, таких как рефакторизация, тестирование или документация.
• Вы хотите более эффективно решать задачи в Jira, автоматизируя изменение кода в связанных репозиториях.
• Ваша команда разработчиков хочет поддерживать согласованные стандарты программирования и следовать рекомендациям.

Важно помнить, что иногда модели, используемые в качестве основы для Rovo Dev, могут давать неточные, неполные или недостоверные результаты. Это связано с принципами их работы.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы заметили, что в следующих случаях инструмент Rovo Dev может оказаться недостаточно эффективным.

• Вам нужна актуальная и точная информация о людях, местах, фактах, которых нет в вашей базе кода, контексте разработки или доступном контенте Atlassian, например на страницах Confluence или в проблемах Jira.
• Вам нужно, чтобы у Rovo Dev был доступ к информации, которая недоступна в вашем репозитории, среде разработки или связанных инструментах Atlassian.
• Вам нужна идеальная точность кода, от которого зависит безопасность или защита, без контроля со стороны человека, потому что Rovo Dev не следует использовать в таких сценариях.
• Вы работаете с частными или строго конфиденциальными шаблонами кода, которые не входили в состав данных, использованных для обучения модели. Возможно, Rovo Dev не поможет при работе с очень новыми технологиями, которые не были включены в обучающие данные модели, поскольку у Rovo Dev недостаточно контекста для выдачи полезных результатов.
• Rovo Dev не следует использовать в качестве единственного инструмента для проверки безопасности, проверки соответствия требованиям, а также в сценариях, где правильность кода имеет решающее значение для безопасности или нормативного соответствия в силу отсутствия строгого человеческого контроля.

• По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Rovo Dev, и проверять качество полученных ответов, прежде чем внедрять предложенные изменения или делиться ими.

Также стоит учесть следующее.

• Формулируйте запросы к Rovo Dev максимально подробно. Четко определяйте контекст, давайте информацию о базе кода и требованиях.
• Проверяйте и тестируйте любые изменения кода, предложенные Rovo Dev, перед их сохранением в вашем репозитории.
• Следите за наличием настроенных прав доступа и средств управления доступом в вашей среде разработки.
• Своевременно обновляйте документацию по репозиторию и комментарии к коду, чтобы у ИИ-помощника было больше контекста.
• Используйте Rovo Dev в качестве инструмента для совместной работы наряду с проверкой кода человеком, а не в качестве замены проверки.

Мы понимаем, что у вас могут возникнуть вопросы о том, как Rovo Dev использует ваши данные. Этот раздел дополняет сведения, доступные на странице Rovo Dev.

Мы обрабатываем следующие данные.

• Ваши запросы (ввод) и ответы (вывод) при взаимодействии с Rovo Dev.
• Контекст из среды разработки, имеющий отношение к вашему запросу, например файлы кода и запросы pull в Bitbucket, задачи в Jira, контент из подключенных сторонних приложений, таких как Github, или с подключенных серверов MCP, или из локальных файлов на вашем устройстве (при использовании интерфейса командной строки RovoDev).
• Данные о том, как вы взаимодействуете с нашими функциями, например паттерны использования команд и инструменты разработки, которые вы применяете.

• Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для Rovo Dev предусмотрены следующие меры в отношении ваших данных.

Ваши запросы (ввод) и ответы (вывод):

• Недоступны другим клиентам
• Не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google Vertex AI и Anthropic в AWS Bedrock.
• Не сохраняются средствами OpenAI, Google Vertex AI или Anthropic на AWS Bedrock.
• Не используются для улучшения моделей OpenAI или Anthropic.

• используются только для предоставления вам соответствующих возможностей.

Обработка данных сторонними сервисами:

• OpenAI, Google Vertex AI и Amazon Web Services (AWS Bedrock) входят в наш список субпроцессоров. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.

Разрешения и доступ:

• К Rovo Dev применяются права доступа, настроенные в вашей среде разработки и подключенных инструментах Atlassian. Так, если у вас нет доступа к определенным репозиториям или проектам Jira, Rovo Dev не будет просматривать их содержимое при генерации ответов.
• Если вы хотите ограничить доступность контента в ответах, предоставляемых другим пользователям в вашей организации, обратитесь к системным администраторам и попросите проверить настройку прав доступа.

• В интерфейсе командной строки Rovo Dev пользователи могут добавлять сторонние серверы Model Context Protocol (MCP), чтобы предоставить Rovo Dev доступ к стороннему контенту. Для интеграции с любым сторонним сервером MCP требуется подтверждение от пользователя, и вы должны убедиться, что соблюдаете любые условия использования стороннего сервиса. Пользователи могут вводить запросы на отправку данных за пределы вашего сайта Atlassian, при этом данные, отправленные за пределы вашего сайта, не будут регулироваться условиями Atlassian.

Подробнее об использовании Rovo Dev

Группа сообщества Rovo Dev

Формирование сводок страниц и блогов с помощью ИИ работает на базе больших языковых моделей, разработанных OpenAI и Google. В их число входят серия моделей GPT от OpenAI и серия моделей Gemini от Google.

Rovo использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI и Google.

Экономьте время и быстрее получайте сведения, необходимые для работы, формируя сводки страниц или блогов Confluence с помощью ИИ. Подробнее об использовании ИИ в Confluence.

По нашему мнению, функция создания сводок страниц и блогов с помощью Rovo показывает наилучшие результаты в следующих случаях:

• На странице большое количество текста, так что на ее чтение уходит 5 минут или более.
• На странице много текстового содержимого и мало визуальных элементов и (или) другого форматирования, например разворачиваемых разделов.

Важно помнить, что из-за принципов работы моделей, используемых для формирования сводок страниц и блогов с помощью ИИ, иногда эти модели могут давать неточные, неполные или ненадежные результаты.

Например, полученные ответы могут неточно отражать контент, на котором они основаны, или включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным.

Хотя мы продолжаем улучшать поддержку макросов, таблиц и раскрываемых разделов функцией создания сводок, мы обнаружили, что формирования сводок страниц и блогов с помощью Rovo может быть менее полезным в следующих ситуациях:

• Вам нужна актуальная и точная информация о людях, местах и фактах.
• Вам нужно краткое изложение очень маленькой страницы Confluence, на которой недостаточно содержимого.
• Вам нужно краткое изложение страницы Confluence, где большая часть содержимого находится в таблицах или раскрываемых разделах.
• Вам нужно краткое изложение страницы Confluence, большая часть содержимого которой находится в макросах.

Мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Rovo, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

• Запрашивайте у Rovo сводки страниц, на которых точно много текстового содержимого.

Мы понимаем, что у вас могут возникнуть вопросы о том, как ваши данные используются при автоматизации в Confluence с помощью ИИ. Этот раздел дополняет сведения, доступные на странице часто задаваемых вопросов.

Мы обрабатываем следующие данные.

• Ваши запросы (ввод) и ответы (вывод).

• Контекст из вашего экземпляра, связанный с запросом, например содержимое страницы Confluence, краткое изложение которой вы хотите получить.

• Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.

• Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для формирования сводок страниц и блогов с помощью Rovo предусмотрены следующие меры в отношении ваших данных:

• Ваши запросы (ввод) и ответы (вывод):
  • недоступны другим клиентам;
  • Они не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI или Google.

  • не хранятся ни у каких поставщиков больших языковых моделей;

  • не используются для улучшения больших языковых моделей;
  • используются только для вашего обслуживания.
• Все сторонние поставщики больших языковых моделей являются субобработчиками. Они перечислены в нашем списке субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
• Эта функция учитывает права в вашем экземпляре. Например, если у вас нет доступа к определенной странице Confluence, функция не будет отображаться и вы не сможете получить сводку страницы с помощью Rovo. Если вы хотите ограничить доступность контента для других пользователей в вашем экземпляре, обратитесь к администратору организации, чтобы убедиться, что права настроены соответствующим образом.

Rovo генерирует определения терминов в Confluence и Jira на основе больших языковых моделей, разработанных компаниями OpenAI, Google и Anthropic, а также ряда больших языковых моделей с открытым исходным кодом (в том числе серий Llama и Mixtral) и других моделей машинного обучения. В их число входят серия моделей GPT от OpenAI, серия моделей Gemini от Google и серия моделей Claude от Anthropic.

С помощью этих моделей Rovo анализирует запросы и генерирует ответы на естественном языке в Confluence и Jira.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI, Google и Anthropic. Подробнее о языковых моделях с открытым исходным кодом см. в справке по серии Llama.

Иногда при ознакомлении с содержимым в Confluence и Jira одна из самых сложных задач — получить контекст, необходимый для понимания того, что вы читаете. Сокращения, аббревиатуры, незнакомые термины и названия, используемые в конкретных командах или проектах, могут затруднить поиск нужной информации.

Определение терминов с помощью Rovo позволит определить уникальные для компании термины (например, аббревиатуры, названия проектов, систем или команд) на странице Confluence или в описании задачи в Jira. Таким образом пользователи могут получить необходимую информацию именно тогда, когда она им нужна, что способствует совместной работе команд.

Rovo помогает экономить время, предоставляя нужные определения без необходимости переключаться с изучаемого документа.

Если вы столкнулись с определением, которое, по вашему мнению, является неточным, вы можете отредактировать его или добавить новое, а затем настроить видимость определения для этой страницы, задачи, всего раздела или проекта, а также для доступа в рамках всей вашей организации.

По нашему мнению, Rovo в Confluence и Jira лучше всего дает определения для терминов в следующих случаях:

• В экземпляре Confluence компании есть несколько страниц, на которых упоминается, описывается или объясняется, что означает конкретный термин, чтобы у Rovo были сведения, от которых можно оттолкнуться.

Важно помнить, что из-за принципов работы моделей, используемых для генерации определений для терминов с помощью Rovo в Confluence, иногда эти модели могут давать неточные, неполные или ненадежные результаты.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы заметили, что функция определения терминов с помощью ИИ в Confluence может быть менее полезной в следующих ситуациях:

• Вам нужна актуальная и точная информация о людях, местах и фактах.
• В экземпляре Confluence не хватает подробных сведений о термине (например, если нет страниц с упоминанием конкретного термина, для термина не получится сгенерировать точное определение).
• Генерация определений требует доступа к контенту Confluence, на просмотр которого у вас нет прав
• Вы пытаетесь получить определение сразу для нескольких терминов вместе, а не по отдельности.

Кроме того, мы обнаружили, что в Jira эта возможность будет работать только при наличии права на просмотр экземпляра Confluence на том же сайте, где находится ваш экземпляр Jira, поскольку генерация определений для терминов с помощью Rovo основана на поиске в Confluence.

Вы также можете заметить, что генерация определений для терминов с помощью Rovo не работает должным образом в разделах Confluence или экземплярах Jira, в которых контент написан на нескольких языках.

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при генерации определений для терминов с помощью Rovo. Этот раздел дополняет сведения, доступные на странице часто задаваемых вопросов.

Мы обрабатываем следующие данные.

• Ваши запросы (ввод) и ответы (вывод).
• Контекст из вашего экземпляра, связанный с вашим запросом, например термин, определение которого вы хотите получить.
• Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
• Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для функции генерации определений терминов с помощью Rovo предусмотрены следующие меры в отношении ваших данных:

• Ваши запросы (ввод) и ответы (вывод):
  • недоступны другим клиентам;

  • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google или Anthropic в AWS Bedrock;

  • не хранятся ни у каких поставщиков больших языковых моделей;
  • не используются для улучшения больших языковых моделей;
  • используются только для вашего обслуживания.
• Все сторонние поставщики больших языковых моделей являются субобработчиками. Они перечислены в нашем списке субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
• Эта функция учитывает права доступа пользователей в вашем экземпляре, то есть пользователи не увидят определения, сгенерированные на основе контента, к которому у них нет доступа. Функция получает содержимое и определения только со страниц и проектов, на просмотр которых пользователь имеет права в этом экземпляре. Если вы хотите ограничить доступность контента в ответах для других пользователей в вашем экземпляре, обратитесь к администратору организации, чтобы настроить права доступа соответствующим образом.
• Если пользователь вручную отредактирует или обновит определение, оно будет храниться в течение 1 года.

Функция редактирования Rovo на базе ИИ работает на основе больших языковых моделей, разработанных OpenAI и Google. В их число входят серия моделей GPT от OpenAI и серия моделей Gemini от Google.

Rovo использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI и Google.

Rovo помогает наладить коммуникацию между всеми командами организации для повышения эффективности, принятия более точных решений и совершенствования других процессов.

По нашему мнению, функция редактирования с помощью Rovo показывает наилучшие результаты в следующих ситуациях:

• Преобразование существующего контента для разных аудиторий. ИИ помогает изменить тон, улучшить качество текста и упростить подачу технической информации для других команд. Это лучше всего сработает для команд, которые хотят сделать текст более профессиональным и лаконичным.
• Формирование сводок существующего контента. С помощью Rovo можно превратить черновые заметки в полезную стратегическую документацию, статьи базы знаний, планы кампаний и многое другое. Кроме того, можно анализировать существующую информацию для установления планов действий и задач. Это лучше всего сработает для страниц с большим количеством текста, где доступно много контекста.
• Создание нового контента. Rovo помогает создавать новый контент, например страницы стратегий, обзоры проектов, примечания к релизу или пользовательские истории. Это лучше всего сработает, когда команды используют четкие и конкретные запросы с учетом определенной цели.

Важно помнить, что из-за принципов работы моделей, используемых для редактирования с помощью Rovo, иногда эти модели могут давать неточные, неполные или ненадежные результаты.

Например, полученные ответы могут неточно отражать контент, на котором они основаны, или включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным.

Мы обнаружили, что функция редактирования с помощью Rovo может быть менее полезной в следующих ситуациях:

• Вам нужна актуальная и точная информация о людях, местах и фактах.
• Для надлежащего ответа на ваш запрос требуется информация, к которой у вас нет прямого доступа (например, в вашем экземпляре).
• Вам необходимо создать контент с форматированием, выходящим за рамки стандартной разметки (например, создание информационной панели с нуля).
• Вам необходимо использовать информацию, которой нет в редактируемом документе (например, содержимое другого документа или другого продукта).
• Вам нужно генерировать и преобразовывать контент на языках, отличных от английского.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Rovo, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

• Отправляйте Rovo максимально конкретные запросы.
• Разбивайте сложные запросы на небольшие, легко выполнимые задания.
• Используйте подходящие ключевые слова, чтобы повысить точность генерируемого контента.
• Соблюдайте правила грамматики и пунктуации во входном тексте.
• Проверяйте, корректируйте и редактируйте выходные данные, сгенерированные помощником по написанию текстов на основе ИИ, для точности и ясности.
• Экспериментируйте с различными запросами или вариантами входного текста, чтобы изучить разные идеи.
• Сотрудничайте с другими людьми, чтобы получать обратную связь и улучшать качество выходных данных.

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при редактировании с помощью Rovo. Этот раздел дополняет сведения, доступные на странице часто задаваемых вопросов.

Мы обрабатываем следующие данные.

• Ваши запросы (ввод) и ответы (вывод).
• Контекст из вашего экземпляра, связанный с запросом, например данные продукта, в котором запущен Rovo.
• Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
• Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для функции редактирования с помощью Rovo предусмотрены следующие меры в отношении ваших данных:

• Ваши запросы (ввод) и ответы (вывод):
  • недоступны другим клиентам;

  • Они не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI или Google.

  • не хранятся ни у каких поставщиков больших языковых моделей;
  • не используются для улучшения больших языковых моделей;
  • используются только для вашего обслуживания.
• Все сторонние поставщики больших языковых моделей являются субобработчиками. Они перечислены в нашем списке субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
• Эта функция учитывает права доступа в вашем экземпляре. Например, если у вас нет доступа к определенной странице Confluence, вам не будет предложен контент этой страницы в ответе, который вы получите. Если вы не хотите, чтобы ваш контент был доступен в ответах другим пользователям экземпляра, обратитесь к администратору организации, чтобы убедиться, что права доступа настроены соответствующим образом.

Средство переформатирования задач работает на основе больших языковых моделей, разработанных OpenAI, включая серию моделей GPT.

Инструмент Rovo использует эту модель для анализа и создания ответов на естественном языке в Jira.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Подробнее о возможностях моделей OpenAI.

Средство переформатирования задач помогает сделать описания задач Jira более понятными путем их переформатирования с использованием шаблона Atlassian. В этот шаблон включены типы информации, которые обычно присутствуют в описании задачи Jira, такие как пользовательская история, контекст задачи и критерии приемки.

По нашему мнению, средство переформатирования задач наиболее эффективно, когда описания задач уже содержат полезную информацию (например, критерии приемки или ссылки на источники), но эта информация не имеет четкой и единообразной структуры.

Важно помнить: иногда модели, используемые в средстве переформатирования задач, могут выдавать неточный, неполный или ненадежный результат. Это связано с принципом их работы.

Например, переформатированное описание может неточно отражать контент, на основе которого создано, или содержать сведения, которые кажутся правдоподобными, но на самом деле являются ложными или неполными.

Мы обнаружили, что средство переформатирования задач может оказаться менее эффективным в следующих случаях.

• Вам нужна актуальная и точная информация о людях, местах и фактах.
• Описания задач содержат мало информации. В этом случае высока вероятность того, что модели, используемые в средстве переформатирования задач, могут добавить информацию, которой не было в исходном описании.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Rovo, и всегда проверять качество полученных ответов, прежде чем делиться ими с другими. Вам также следует убедиться, что описания задач содержат всю необходимую информацию, прежде чем переформатировать их с помощью средства переформатирования задач.

Мы понимаем, что у вас могут возникнуть вопросы о том, как ваши данные используются в средстве переформатирования задач. Этот раздел дополняет сведения, доступные в Atlassian Trust Center.

Мы обрабатываем следующие данные.

• Ваши запросы (ввод) и ответы (вывод).
• Контекст из вашего экземпляра, связанный с запросом, например описание и резюме задачи Jira.
• Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
• Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

В средстве переформатирования задач предусмотрены следующие меры в отношении ваших данных.

• Ваши запросы (ввод) и ответы (вывод):
  • недоступны другим клиентам;
  • Не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI.
  • не хранятся OpenAI;
  • Не используются для улучшения моделей OpenAI.
  • используются только для вашего обслуживания.
• OpenAI является субобработчиком из нашего списка субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
• Эта функция использует только информацию, доступную в задаче Jira, и вызывается из задачи Jira. Поэтому ее может вызвать только пользователь, который имеет право на просмотр задачи и не будет иметь доступа к другой информации.

Узнать больше об использовании Rovo

Формирование сводки сведений о задаче с помощью ИИ выполняется на базе больших языковых моделей, разработанных компаниями OpenAI и Google. В их число входят серия моделей GPT от OpenAI и серия моделей Gemini от Google.

Rovo использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI и Google.

Вместо того чтобы читать длинные описания и многочисленные комментарии к задаче Jira Service Management, можно моментально получить сводку по этой информации с помощью Rovo. Благодаря этому агенты могут быстро понимать контекст задачи и достигнутый прогресс, а также принимать срочные меры и оказывать своевременную помощь.

По нашему мнению, лучше всего использовать Rovo для формирования сводок сведений о следующих задачах:

• задачи с описанием и комментариями на английском языке;
• задачи с большим количеством комментариев и (или) длинными комментариями и описаниями.

Важно помнить, что из-за принципов работы моделей, используемых для резюмирования сведений о задаче с помощью ИИ, иногда эти модели могут выдавать неточные, неполные или ненадежные результаты.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы заметили, что функция резюмирования сведений о задаче посредством Rovo может быть менее полезна в следующих ситуациях:

• используется язык, отличный от английского;
• у задачи нет истории или дополнительных сведений.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Rovo, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при резюмировании сведений о задаче с помощью ИИ. В этом разделе представлены сведения, дополняющие содержание страницы часто задаваемых вопросов.

Мы обрабатываем следующие данные.

• Ваши запросы (ввод) и ответы (вывод).
• Контекст из вашего экземпляра, связанный с запросом, в том числе сведения о задаче Jira Service Management, например ее описание и комментарии к ней, а также пользователи, принимающие участие в заявке.
• Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
• Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Для резюмирования сведений о задаче с помощью Rovo предусмотрены следующие меры в отношении ваших данных.

• Ваши запросы (ввод) и ответы (вывод):
  • недоступны другим клиентам;

  • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google или Anthropic в AWS Bedrock;

  • не хранятся ни у каких поставщиков больших языковых моделей;
  • не используются для улучшения больших языковых моделей;
  • используются только для вашего обслуживания.
• Все сторонние поставщики больших языковых моделей являются субобработчиками. Они перечислены в нашем списке субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
• Эта функция учитывает права доступа в вашем экземпляре. Кнопка Summarize (Сводка) доступна только агентам и администраторам проекта.

Atlassian Intelligence генерирует краткие описания интеллектуальных ссылок на основе больших языковых моделей, разработанных компаниями OpenAI, Google и Anthropic, а также ряда больших языковых моделей с открытым исходным кодом (в том числе серий Llama, Phi и Mixtral) и других моделей машинного обучения. В их число входит серия моделей GPT от OpenAI, серия моделей Gemini от Google и серия моделей Claude от Anthropic.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI, Google и Anthropic. Дополнительные сведения о языковых моделях с открытым исходным кодом см. в справке по сериям Llama и Phi.

Когда вы наводите курсор на интеллектуальную ссылку из Jira, Confluence и Google Документов, Atlassian Intelligence может составить краткое описание контента, определить важность и значение ссылки и принять решение о дальнейших действиях. Благодаря этому необязательно покидать текущую страницу и переключаться между приложениями.

По нашему мнению, краткие описания интеллектуальных ссылок на основе ИИ наиболее полезны в следующих случаях:

• Вы просматриваете страницу или задачу с одной или несколькими интеллектуальными ссылками.
• Вы просматриваете страницу или задачу с одной или несколькими интеллектуальными ссылками, насыщенными контентом, чтение которого отнимает время и отвлекает внимание от основного материала.

Важно! Иногда эти модели могут выдавать неточный, неполный или ненадежный результат. Это связано с принципами работы моделей, используемых в качестве основы при создании краткого описания интеллектуальной ссылки с помощью ИИ.

Например, краткое описание может неточно отражать контент, на котором оно основано, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы обнаружили, что в следующих случаях краткие описания интеллектуальных ссылок на основе ИИ могут показать себя не так эффективно:

• Вам нужна актуальная и точная информация о людях, местах и фактах.
• вам нужно кратко изложить контент очень маленького объема;
• вам нужно кратко изложить все метаданные и контент ссылки, например в том случае, если вы хотите изучить все значения полей в заявке Jira, а также ее описание и комментарии.

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Мы понимаем, что у вас могут возникнуть вопросы о том, как ваши данные используются при формировании сводки сведений о задаче с помощью Atlassian Intelligence. Этот раздел дополняет сведения, доступные на странице часто задаваемых вопросов.

Мы обрабатываем следующие данные.

• Ваши запросы (ввод) и ответы (вывод).
• Контекст из вашего экземпляра, связанный с запросом, например контент по ссылке, краткое описание которой вы хотите получить.
• Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
• Отзывы, которые вы решили оставить о функции, включая любые ответы, которыми вы делитесь в рамках отзыва.

Для функции создания краткого описания интеллектуальной ссылки с помощью ИИ предусмотрены следующие меры в отношении ваших данных.

• Ваше краткое описание:
  • недоступны другим клиентам;

  • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI, Google или Anthropic в AWS Bedrock;

  • не хранятся ни у каких поставщиков больших языковых моделей;
  • не используются для улучшения больших языковых моделей;
  • используются только для вашего обслуживания.
• Все сторонние поставщики больших языковых моделей являются субобработчиками. Они перечислены в нашем списке субобработчиков. Они не используют ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.

• Эта функция учитывает права в вашем экземпляре. Например, если у вас нет доступа к странице или заявке в Jira, Confluence или Google, вы не сможете создать краткое описание контента из этого источника. Если вы хотите ограничить доступность контента в ответах для других пользователей экземпляра, обратитесь к администратору организации, чтобы настроить права соответствующим образом.

Функция формирования сводки на базе ИИ в Jira основана на больших языковых моделях, разработанных OpenAI, включая модели, описанные здесь.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы составляются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Подробнее о возможностях моделей OpenAI и об этом подходе читайте в исследовательских работах OpenAI.

Вместо того чтобы читать длинные описания и многочисленные комментарии к задаче Jira, можно моментально получить сводку по этой информации с помощью Atlassian Intelligence. Благодаря этому агенты могут быстро понимать контекст задачи и достигнутый прогресс, а также принимать срочные меры и оказывать своевременную помощь.

По нашему мнению, лучше всего использовать Atlassian Intelligence для формирования сводок сведений о задачах с большим количеством комментариев и (или) с длинными комментариями и описаниями.

Важно помнить, что иногда модели, используемые при формировании сводок на базе ИИ в Jira, могут выдавать неточный, неполный или ненадежный результат. Это связано с принципами их работы.

Например, полученные ответы могут неточно отражать контент, на котором они основаны, или включать контент, который выглядит правдоподобным, но оказывается недостоверным или неполным.

Мы обнаружили, что сводка сведений о задаче на базе Atlassian Intelligence может быть менее полезна в следующих ситуациях:

• у задачи нет истории или дополнительных сведений;
• у задачи более 100 комментариев (сводка формируется только по 100 последним комментариям).

По этой причине рекомендуется подумать, в каких ситуациях будет уместно использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с кем-либо.

Мы понимаем, что у вас могут возникнуть вопросы о том, как ваши данные используются при формировании сводки сведений о задаче с помощью Atlassian Intelligence. Этот раздел дополняет сведения, доступные в Atlassian Trust Center.

Мы обрабатываем следующие данные.

• Ваши запросы (ввод) и ответы (вывод).
• Контекст из вашего экземпляра, связанный с запросом, в том числе сведения о задаче Jira, например ее описание и комментарии к ней, а также пользователи, принимающие участие в заявке.
• Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
• Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

Формирование сводки сведений о задаче с помощью Atlassian Intelligence предусматривает следующие меры в отношении ваших данных.

• Ваши запросы (ввод) и ответы (вывод):
  • недоступны другим клиентам;
  • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI;
  • не хранятся OpenAI;
  • не используются для улучшения моделей OpenAI;
  • используются только для вашего обслуживания.
• OpenAI является субобработчиком из нашего списка субобработчиков данных. OpenAI не использует ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
• Эта функция учитывает права в вашем экземпляре. Эта функция использует только информацию, доступную в задаче Jira, и вызывается из задачи Jira. Поэтому ее может вызвать только пользователь, который имеет право на просмотр задачи и не будет иметь доступа к другой информации.

Функция разделения задач на базе ИИ основана на больших языковых моделях, разработанных OpenAI.

Решение Atlassian Intelligence использует эти модели для анализа и создания ответов на естественном языке в наших продуктах.

Эти модели дают ответы на основе ваших входных данных и носят вероятностный характер. Это значит, что ответы генерируются путем прогнозирования наиболее вероятного следующего слова или текста на основе данных, на которых модели прошли обучение.

Узнайте больше о возможностях моделей OpenAI или ознакомьтесь с исследовательскими работами OpenAI, описывающими этот подход.

Функция разделения задач на базе ИИ помогает разбить крупные блоки работы на более мелкие, предлагая варианты дочерних задач для созданной вами задачи Jira. При формировании резюме и описаний для дочерних задач ваша задача выступает в качестве контекста.

По нашему мнению, функция разделения задач на базе ИИ показывает наилучшие результаты в следующих случаях.

• Начальная задача сопровождается подробным резюме и описанием, в которых указаны все ограничения, инструкции и критерии готовности.
• У начальной задачи нет дочерних задач.

Важно помнить, что иногда модели, используемые при разделении задач на базе ИИ, могут выдавать неточный, неполный или ненадежный результат. Это связано с принципами их работы.

Например, такие ответы могут неточно отражать контент, на котором они основаны, или включать контент, который кажется правдоподобным, но является недостоверным или неполным.

Мы обнаружили, что в следующих случаях разделение задач на базе ИИ может оказаться не таким эффективным.

• Вам нужна актуальная и точная информация о людях, местах и фактах.
• У начальной задачи нет подробного резюме и описания (например, если вы пытаетесь создать варианты дочерних задач для задачи с коротким и слишком общим описанием).

По этой причине мы рекомендуем вам подумать о том, в каких ситуациях вы будете использовать Atlassian Intelligence, и проверять качество полученных ответов, прежде чем делиться ими с другими.

Также стоит учесть следующее.

• Отправляйте Atlassian Intelligence максимально конкретные запросы.
• Указывайте в резюме и описании начальной задачи как можно больше информации.

Мы понимаем, что у вас могут возникнуть вопросы о том, как используются ваши данные при разделении задач на базе ИИ. Этот раздел дополняет сведения, доступные в Atlassian Trust Center.

Мы обрабатываем следующие данные.

• Ваши запросы (ввод) и ответы (вывод).
• Контекст из вашего экземпляра, связанный с запросом, в том числе данные о задаче (например, резюме, описание и комментарии).
• Данные о том, как вы взаимодействуете с нашими функциями, например данные о переходах и пользователях, с которыми вы работаете.
• Отзывы, которые вы решили оставить о функции, включая любые запросы или ответы, которыми вы делитесь в рамках отзыва.

При разделении задач на базе ИИ предусмотрены следующие меры в отношении ваших данных.

• Ваши запросы (ввод) и ответы (вывод):
  • Недоступны другим клиентам
  • не отправляются сторонним поставщикам больших языковых моделей, кроме OpenAI;
  • не хранятся OpenAI;
  • не используются для улучшения моделей OpenAI;
  • используются только для вашего обслуживания.
• OpenAI является субобработчиком из нашего списка субобработчиков данных. OpenAI не использует ваши входные и выходные данные ни для каких целей, кроме обработки вашего запроса.
• Эта функция учитывает права в вашем экземпляре (то есть для создания вариантов дочерних задач у вас должен быть доступ к начальной задаче). Если вы хотите ограничить доступность контента в ответах, создаваемых для других пользователей, обратитесь к администратору организации, чтобы убедиться, что права настроены соответствующим образом.

Узнать больше об использовании Atlassian Intelligence