Atlassian Intelligence 专为提高透明度而设计
我们本着绝无戏言的精神,致力于开放式沟通、问责制,并帮助团队以负责任的方式使用 AI。
Atlassian Intelligence 旨在加速推进协作并使团队能够加快工作速度。就像了解如何与团队展开最好的合作一样,了解 Atlassian Intelligence 的工作方式将帮助团队更有效地使用它。在此页面中,我们将介绍我们 AI 驱动的产品和功能是如何工作的,包括它们可以做什么和不能做什么,以及它们如何影响您体验我们产品的方式。我们相信,为您提供此页面上的信息将帮助您充分利用我们的产品以及您的团队合作。要详细了解我们对负责任构建技术的承诺,请访问我们的负责任技术原则。
Jira Service Management 中的 Atlassian Intelligence 回答功能
Atlassian Intelligence 的回答功能由 OpenAI 开发的大型语言模型提供支持。这些模型包括此处描述的 OpenAI 模型。 Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。 这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过根据他们接受训练的数据预测最有可能的下个单词或文本来生成的。 阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文了解有关此方法的更多信息。 |
Atlassian Intelligence 的回答功能连接到 Jira Service Management 中的虚拟支持人员。它使用生成式人工智能在关联的知识库空间中进行搜索,并回答客户的问题。 我们认为,Atlassian Intelligence 的回答功能在以下情况下效果最佳:
|
请务必记住,考虑到这些模型过去推动 Atlassian Intelligence 回答功能工作的方式,这些模型的行为有时可能不准确、不完整或不可靠。 例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。 我们发现,Atlassian Intelligence 的回答功能在以下情况下用处不大:
因此,我们建议您在使用 Atlassian Intelligence 时要考虑所处的情况,并在与他人共享之前查看所收到的回复的质量。 您可能还需要考虑:
|
我们理解,您可能会对 Jira Service Management 中的 Atlassian Intelligence 回答功能如何使用您的数据有疑问。此部分将补充我们在 Trust Center 中提供的信息。 我们会处理:
|
Automation using Atlassian Intelligence
由 OpenAI 开发的 GPT 模型为 Automation using Atlassian Intelligence 提供支持。这些模型包括此处介绍的 OpenAI 模型。 Atlassian Intelligence 使用这些模型来分析自然语言输入,并在 Jira 和 Confluence 中为您生成自动化规则。 这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过它们训练所用的数据预测最有可能的下个单词或文本来生成的。 了解有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文了解有关此方法的更多信息。 |
创建自动化规则是日常自动化体验的核心,我们希望通过将 Atlassian Intelligence 添加到 Jira 和 Confluence 的自动化规则构建器中来简化这一过程。现在,您只需输入并描述想要实现自动化的方面,即可轻松创建自动化规则,同时可让 Atlassian Intelligence 为您处理创建规则涉及的所有繁重工作。详细了解适用于 Jira 和适用于 Confluence 的 Automation using Atlassian Intelligence。 我们认为,当您不确定如何开始或希望加快规则创建流程时,适用于 Jira 和适用于 Confluence 的 Automation using Atlassian Intelligence 的使用效果最佳。 不确定如何更好地创建自动化规则?自动化规则由不同类型组件的组合创建而成:触发器、操作、条件和分支。可以将组件视为规则的基石。要使用 Atlassian Intelligence 成功创建规则,您的规则必须至少包含一个触发器和一项操作。例如: 在 Jira 中: 每周一,查找到期时间在未来 7 天的所有任务,并向经办人发送提醒邮件。 当请求单转移到测试时,将请求单分配给 John Smith。 在 Confluence 中:
此外,要成功创建规则,其组件必须受 Automation using Atlassian Intelligence 的支持。这意味着规则中的任何触发器、操作、条件或分支都必须与 Jira 和/或 Confluence 中的自动化兼容。 |
请务必记住,由于模型通过特定方式来推动 Automation using Atlassian Intelligence 发挥作用,这些模型有时会表现得不准确、不完整或不可靠。 例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。 我们发现,在以下情况下,Automation using Atlassian Intelligence 不太有用:
因此,我们建议您在使用 Atlassian Intelligence 时要考虑所处的情况,并在与他人共享之前审查所收到的回复的质量。 Automation using Atlassian Intelligence 只能与 Jira 和 Confluence 中的一组现有可用自动化组件配合使用。 如上所述,您可能还需要尽可能具体地考虑要求 Atlassian Intelligence 做的事情。 |
我们了解您可能对 Automation using Atlassian Intelligence 如何使用您的数据有疑问。本部分补充了我们 Trust Center 提供的信息。 我们会处理:
当涉及到您的数据时,使用 Atlassian Intelligence for Confluence automation 自动化功能时会应用以下措施:
OpenAI 是我们的辅助处理程序,位于我们的辅助处理程序列表中。除了处理您的请求外,它们不会将您的输入和输出用于任何其他目的。 此功能遵循您实例中的权限。例如,如果您没有访问特定项目或页面的权限,则您收到的回复中将不会建议来自这些资产的内容。如果您不想让实例中的其他用户在回复中看到您的内容,请与您的组织管理员合作,确保您的权限设置得当。 |
Chart Insights
Chart insights is powered by large language models developed by OpenAI. These models include the OpenAI models described here. Atlassian Intelligence uses these models to analyze and generate natural language within our products. These models generate responses based on your inputs and are probabilistic in nature. This means that their responses are generated by predicting the most probable next word or text based on the data that they have been trained on. Read more about the capabilities of OpenAI’s models, or about this approach in OpenAI’s research papers. |
Chart insights uses Atlassian Intelligence to help speed up your understanding of data in any chart in Atlassian Analytics. It does so by using the dashboard title, chart title, and chart data (including column headers and row values) to generate a natural language summary of that chart and its data. It will also aim to identify any trends or anomalies to provide you with certain insights into that chart. We believe that Chart insights work best in scenarios where:
Bar charts, line charts, and bar-line charts work best with this feature since they typically have trends, dates, and many rows of data. |
It’s important to remember that because of the way that the models used to power Chart insights work, these models can sometimes behave in ways that are inaccurate, incomplete, or unreliable. For example, the responses that you receive might not accurately reflect the content that they are based on, or include content that sounds reasonable but is false or incomplete. We’ve found that Chart insights is less useful in scenarios where:
For this reason, we encourage you to think about the situations when you use Atlassian Intelligence and review the quality of the responses you receive before sharing them with others. You might also want to think about:
|
We understand you may have questions about how Chart insights uses your data. This section supplements the information available on this page We process:
When it comes to your data, Chart insights applies the following measures.
|
Confluence 快速摘要
使用 Atlassian Intelligence 为页面和博文生成摘要的功能由 OpenAI 开发的 LLM 模型提供支持。这些模型包括此处描述的多种 OpenAI 模型。 Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。 这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过它们训练所用的数据预测最有可能的下个单词或文本来生成的。 了解有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文了解有关此方法的更多信息。 |
Save time and get the details you need to do your work faster by generating a quick summary of a Confluence page or blog with Atlassian Intelligence. Find out more about using Atlassian Intelligence in Confluence. We believe that summarizing pages and blogs using Atlassian Intelligence works best in scenarios when:
|
请务必记住,由于这些模型通过特定方式使用 Atlassian Intelligence 助力为页面和博文生成摘要,这些模型的行为有时可能不准确、不完整或不可靠。 例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。 尽管我们会继续为宏、表格和摘要中的扩展提供更好的支持,但我们发现,在以下情况下,使用 Atlassian Intelligence 为页面和博文生成摘要的用处相对较小:
我们建议您在使用 Atlassian Intelligence 时要考虑所处的情况,并在与他人共享之前审查所收到的回复的质量。 您可能还需要考虑:
|
我们理解,您可能会对使用 Atlassian Intelligence for Confluence 自动化功能时如何使用您的数据有疑问。此部分将补充我们在 Trust Center 中提供的信息。 我们会处理:
当涉及到您的数据时,使用 Atlassian Intelligence 为页面面和博文生成摘要时会应用以下措施:
|
在 Confluence 中使用 Atlassian Intelligence 定义术语
在 Confluence 中使用 Atlassian Intelligence 定义术语的功能由 OpenAI 开发的大型语言模型提供支持。这些模型包括此处描述的多种 OpenAI 模型。 Atlassian Intelligence 使用这些模型来分析和生成 Confluence 中的自然语言回答。 这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过它们训练所用的数据预测最有可能的下个单词或文本来生成的。 |
在 Confluence 中使用内容最令人兴奋的事情之一可能就是会获取了解所读内容所需的背景信息。缩略语、首字母缩略词、不熟悉的术语以及团队或项目特定的名称可能会导致您花很长时间搜索所需的信息。 使用 Atlassian Intelligence 定义术语将为 Confluence 页面上的公司特定术语、首字母缩略词、项目名称或状态提供定义。这可为用户在需要时提供他们需要的信息,同时还能帮助团队更好地合作。 Atlassian Intelligence 可以为您定义这些内容,从而节省您的时间,而不会让您偏离正在阅读的内容。 我们认为,在以下情况下,在 Confluence 中使用 Atlassian Intelligence 定义术语效果最佳:
|
请务必记住,由于这些模型通过特定方式在 Confluence 中使用 Atlassian Intelligence 定义术语,这些模型的行为有时可能不准确、不完整或不可靠。 例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。 我们发现,在以下情况下,在 Confluence 中使用 Atlassian Intelligence 定义术语的用处不大:
|
我们理解,您可能会对在 Confluence 中使用 Atlassian Intelligence 定义术语如何使用您的数据怀有疑问。本部分补充了我们 Trust Center 提供的信息。 我们会处理:
就您的数据而言,在 Confluence 中使用 Atlassian Intelligence 定义术语时会应用以下措施:
|
使用 Atlassian Intelligence 生成拉取请求描述
使用 Atlassian Intelligence 生成拉取请求描述由 OpenAI 开发的大型语言模型 (LLM) 提供支持。这些模型包括此处描述的 OpenAI 模型。 Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言和代码。 这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过它们训练所用的数据预测最有可能的下个单词或文本来生成的。 阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文了解有关此方法的更多信息。 |
当您在 Bitbucket Cloud 代码审查体验中编写拉取请求描述或评论时,Atlassian Intelligence 可以帮助您生成、转换和汇总内容。具体包括:
我们认为,在以下情况下,使用 Atlassian Intelligence 生成 Bitbucket Cloud 拉取请求描述效果最佳:
|
请务必记住,考虑到这些模型用于推动此功能工作的方式,这些模型的行为有时可能不准确、不完整或不可靠。 例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。 我们发现,在以下情况下,使用 Atlassian Intelligence 生成 Bitbucket Cloud 拉取请求描述不太有用:
因此,我们建议您在使用 Atlassian Intelligence 时要考虑所处的情况,并在与他人共享之前查看所收到的回复的质量。 您可能还需要考虑:
|
我们理解,您可能会对在 Confluence 中使用 Atlassian Intelligence 定义术语如何使用您的数据怀有疑问。本部分补充了我们 Trust Center 提供的信息。 我们会处理:
当涉及到您的数据时,使用 Atlassian Intelligence 生成拉取请求描述会应用以下措施:
|
在 Atlassian Analytics 中生成 SQL 查询
由 OpenAI 开发的大型语言模型对在 Atlassian Analytics 中使用 Atlassian Intelligence 生成 SQL 查询这一功能提供支持。这些模型包括此处描述的 OpenAI 模型。 Atlassian Intelligence 使用这些模型来分析和理解自然语言,然后在 Atlassian Analytics 中将其转换为结构化查询语言 (SQL)。 这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过它们训练所用的数据预测最有可能的下个单词或文本来生成的。 了解有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文了解有关此方法的更多信息。 |
用自然语言向 Atlassian Intelligence 提问,然后将其转换为 SQL,而不是从头开始自己编写 SQL 查询。提出问题后,Atlassian Intelligence 会使用所选数据源的 Atlassian Data Lake 架构生成 SQL 查询,该查询可用于在您的 Atlassian Analytics 仪表板上构建图表,还可以帮助您了解 Data Lake 中的架构。 我们认为,在以下情况下,使用 Atlassian Intelligence 生成 SQL 查询效果最佳:
|
请务必记住,由于这些模型通过特定方式使用 Atlassian Intelligence 生成 SQL 查询,这些模型的行为有时可能不准确、不完整或不可靠。 例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。 我们发现,在以下情况下,使用 Atlassian Intelligence 生成 SQL 查询的用处不大:
因此,我们建议您在使用 Atlassian Intelligence 时要考虑所处的情况,并在与他人共享之前审查所收到的回复的质量。 您可能还需要考虑:
|
我们理解,您可能会对在使用 Atlassian Intelligence 生成 SQL 查询时会如何使用您的数据怀有疑问。本部分补充了我们 Trust Center 提供的信息。 我们会处理:
就您的数据而言,使用 Atlassian Intelligence 生成 SQL 查询时会应用以下措施。
|
编辑器中的生成式 AI
由 OpenAI 开发的大型语言模型对编辑体验下的 Atlassian Intelligence 提供支持。这些模型包括此处描述的 OpenAI 模型。 Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。 这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过它们训练所用的数据预测最有可能的下个单词或文本来生成的。 了解有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文了解有关此方法的更多信息。 |
Atlassian Intelligence 有助于推动组织中的所有团队之间进行有效沟通,从而提高效率、加速决策和改善流程。 我们认为,在以下情况下,使用编辑体验下的 Atlassian Intelligence 效果最佳:
|
请务必记住,由于这些模型通过特定方式为编辑体验下的 Atlassian Intelligence 提供支持,这些模型的行为有时可能不准确、不完整或不可靠。 例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。 我们发现,在以下情况下,使用编辑体验下的 Atlassian Intelligence 的用处不大:
因此,我们建议您在使用 Atlassian Intelligence 时要考虑所处的情况,并在与他人共享之前审查所收到的回复的质量。 您可能还需要考虑:
|
我们理解,您可能会对编辑体验下的 Atlassian Intelligence 如何使用您的数据怀有疑问。此部分将补充我们在 Trust Center 中提供的信息。 我们会处理:
当涉及到您的数据时,编辑体验中的 Atlassian Intelligence 会应用以下措施:
|
在 Confluence 中搜索答案
使用 Atlassian Intelligence 在 Confluence 中搜索答案的功能由 OpenAI 开发的 LLM 模型提供支持。这些模型包括此处描述的多种 OpenAI 模型。 Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。 这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过它们训练所用的数据预测最有可能的下个单词或文本来生成的。 了解有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文了解有关此方法的更多信息。 |
知识库扩充速度过快,用户无法跟上这样的速度。使用 Atlassian Intelligence 在 Confluence 中搜索答案的功能可以帮助客户更快地获取推进工作所需的关键信息。此功能可帮您轻松找到所需信息。它了解您会向团队成员提出哪些类型的问题,并立即回答。详细了解如何使用 Atlassian Intelligence 在 Confluence 中搜索答案。 我们认为,当您的 Confluence 网站上包含详细、完整、最新的内容时,使用 Atlassian Intelligence 在 Confluence 中搜索答案效果最佳。 此功能不会生成新内容,而会在遵循限制的前提下搜索 Confluence 页面和博文,以找到问题的答案。Atlassian Intelligence 仅根据您 Confluence 中的内容以及您有权访问的具体内容来生成答案。 |
请务必记住,由于这些模型通过特定方式使用 Atlassian Intelligence 在 Confluence 中搜索答案,这些模型的行为有时可能不准确、不完整或不可靠。 例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。 我们发现,在以下情况下,使用 Atlassian Intelligence 在 Confluence 中搜索答案的用处相对较小:
因此,我们建议您在使用 Atlassian Intelligence 时要考虑所处的情况,并在与他人共享之前审查所收到的回复的质量。 您可能还需要考虑:
|
我们理解,对于使用 Atlassian Intelligence 在 Confluence 中搜索答案时我们会如何使用您的数据,您可能有疑问。此部分将补充我们在 Trust Center 中提供的信息。 我们会处理:
当涉及到您的数据时,使用 Atlassian Intelligence 在 Confluence 中搜索答案时会应用以下措施:
|
在 Jira 中搜索事务
使用 Atlassian Intelligence 搜索事务的功能由 OpenAI 开发的大语言模型提供支持。这些模型包括此处描述的多种 OpenAI 模型 - 已由 Atlassian 使用生成的合成数据进行微调。 Atlassian Intelligence 使用这些模型来分析和理解自然语言,然后将其转换为我们产品中的 Jira 查询语言 (JQL) 代码。 这些模型根据您的输入生成回复,本质上具有概率性。也就是说,它们会根据训练所用数据,预测接下来最有可能出现的单词或文本,以此生成回复。 详细了解 OpenAI 模型的功能和 OpenAI 微调。您还可以参阅 OpenAI 的研究论文,进一步了解此方法。 |
现在,您可以用日常语言向 Atlassian Intelligence 询问所需内容,而不必使用复杂的查询。通过使用 Atlassian Intelligence 搜索事务,您的提示将转换为 JQL 查询,这能快速帮助您搜索特定事务。 我们认为,在以下情况下,使用 Atlassian Intelligence 搜索事务效果最佳:
|
请务必记住,由于这些模型通过特定方式使用 Atlassian Intelligence 搜索事务,这些模型的行为有时可能不准确、不完整或不可靠。 例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上错误或不完整的内容。 我们发现,在以下情况下,使用 Atlassian Intelligence 搜索事务的用处相对较小:
因此,我们建议您在使用 Atlassian Intelligence 时要考虑所处的情况,并在与他人共享之前审查所收到的回复的质量。 您可能还需要尽可能具体地考虑要求 Atlassian Intelligence 做的事情。务必包含要查找的确切字段和值。 |
我们理解,您可能对在使用 Atlassian Intelligence 搜索事务时会如何使用您的数据有疑问。此部分将补充我们在 Trust Center 中提供的信息。 我们会处理:
当涉及到您的数据时,使用 Atlassian Intelligence 搜索事务时会应用以下措施:
|
在 Jira Service Management 中建议请求类型
使用 Atlassian Intelligence 提供请求类型建议的功能由 OpenAI 开发的大语言模型提供支持。这些模型包括此处描述的多种 OpenAI 模型。 Atlassian Intelligence 使用这些模型来分析自然语言输入,以及在 Jira Service Management 中为您生成有关请求类型名称和描述的建议。 这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过它们训练所用的数据预测最有可能的下个单词或文本来生成的。 了解有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文了解有关此方法的更多信息。 |
在判断要为项目创建何种请求类型方面节省时间,直接从 Atlassian Intelligence 获取建议。您只需描述自己的工作和团队通常管理的内容,即可查看您可以创建哪些类型的请求。从 Atlassian Intelligence 生成的建议中选择一项,以创建请求类型。详细了解如何使用 Atlassian Intelligence 来提供请求类型建议。 我们认为,在以下情况下,使用 Atlassian Intelligence 提供请求类型建议的效果最佳:
|
请务必记住,由于这些模型通过特定方式使用 Atlassian Intelligence 提供请求类型建议,这些模型的行为有时可能不准确、不完整或不可靠。 例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。 我们发现,在以下情况下,使用 Atlassian Intelligence 提供请求类型建议的用处相对较小:
因此,我们建议您在使用 Atlassian Intelligence 时要考虑所处的情况,并在与他人共享之前审查所收到的回复的质量。 您可能还需要考虑:
|
我们理解,您可能会对使用 Atlassian Intelligence 提供请求类型建议时如何使用您的数据有疑问。此部分将补充我们在 Trust Center 中提供的信息。 我们会处理:
当涉及到您的数据时,使用 Atlassian Intelligence 提供请求类型建议会应用以下措施。
|
在 Jira Service Management 中总结事务详情
由 OpenAI 开发的大型语言模型对使用 Atlassian Intelligence 总结事务详情这一功能提供支持。这些模型包括此处描述的 OpenAI 模型。 Atlassian Intelligence 使用这些模型来分析和生成我们产品中的自然语言。 这些模型根据您的输入生成回复,本质上具有概率性。这意味着它们的回复是通过根据他们接受训练的数据预测最有可能的下个单词或文本来生成的。 阅读有关 OpenAI 模型功能的更多信息,或查看 OpenAI 的研究论文了解有关此方法的更多信息。 |
您可以使用 Atlassian Intelligence 来快速总结这些信息,而不必通读有关 Jira Service Management 事务的长篇描述和大量评论。这有助于支持人员快速了解事务的背景以及所取得的任何进展,使他们能够迅速采取行动并提供及时的帮助。 我们认为,使用 Atlassian Intelligence 总结事务详情最适合以下事务:
|
请务必记住,考虑到这些模型过去推动使用 Atlassian Intelligence 总结事务详情功能工作的方式,这些模型的行为有时可能不准确、不完整或不可靠。 例如,您收到的回复可能无法准确反映其所依据的内容,或者包含听起来合理但事实上是错误或不完整的内容。 我们发现,在以下情况下,使用 Atlassian Intelligence 总结事务详情的用处不大:
因此,我们建议您在使用 Atlassian Intelligence 时要考虑所处的情况,并在与他人共享之前查看所收到的回复的质量。 |
我们了解您可能对在使用 Atlassian Intelligence 总结事务详情时会如何使用您的数据怀有疑问。本部分补充了我们 Trust Center 提供的信息。 我们会处理:
就您的数据而言,使用 Atlassian Intelligence 总结事务详情时会应用以下措施:
|
Summarize Smart Links with AI
Summarize Smart Links with AI is powered by large language models developed by Open AI. These models include the OpenAI models described here. Atlassian Intelligence uses these models to analyze and generate natural language within our products. These models generate responses based on your inputs and are probabilistic in nature. This means that their responses are generated through predicting the most probable next word or text, based on the data that they have been trained on. Read more about the capabilities of OpenAI’s models, or about this approach in OpenAI’s research papers. |
After you hover over a Smart Link from Jira, Confluence, and Google Docs, Atlassian Intelligence can help you summarize the content, which allows you to determine the importance and value of the link and decide your next action. This reduces the need to leave the current page and switch contexts. We believe that Summarize Smart Links with AI works best in scenarios where:
|
It’s important to remember that because of the way that the models used to power Summarize Smart Links with AI work, these models can sometimes behave in ways that are inaccurate, incomplete, or unreliable. For example, the summaries you receive might not accurately reflect the content that they are based on, or include content that sounds reasonable but is false or incomplete. We’ve found that Summarize Smart Links with AI is less useful in scenarios where:
For this reason, we encourage you to think about the situations when you use Atlassian Intelligence and review the quality of the responses you receive before sharing them with others. |
We understand you may have questions about how summarizing issue details using Atlassian Intelligence uses your data. This section supplements the information available on our Trust Center. We process:
When it comes to your data, Summarize Smart Links with AI applies the following measures. Your summaries:
|
Read more about Atlassian Intelligence
Discover more about using Atlassian Intelligence
Find out how to use Atlassian Intelligence to search for answers in Confluence