Atlassian Intelligence, projetado para proporcionar transparência

O agrupamento de alertas do Atlassian Intelligence é alimentado por grandes modelos de linguagem da OpenAI e por outros modelos de aprendizado de máquina. Entre esses modelos estão os da OpenAI descritos aqui.

O Atlassian Intelligence usa esses modelos de aprendizado de máquina para analisar, gerar grupos de alertas e dar sugestões relacionadas (grupos e respondentes de alertas anteriores) nos produtos da Atlassian com base na semelhança do conteúdo dos alertas ou dos marcadores usados. Depois, o Atlassian Intelligence usa grandes modelos de linguagem para analisar e gerar descrições e conteúdo em linguagem natural para esses grupos nos produtos que a gente oferece.

Esses grandes modelos de linguagem são probabilísticos e geram respostas com base nas entradas. Como consequência, as respostas são geradas pela previsão da próxima palavra ou texto mais provável, com base nos dados nos quais foram treinados.

Leia mais sobre as capacidades dos modelos da OpenAI ou sobre essa abordagem nos artigos de pesquisa da OpenAI.

O agrupamento de alertas usa o Atlassian Intelligence para identificar e agrupar alertas semelhantes. Ele também ajuda a identificar e a recomendar grupos de alerta semelhantes anteriores e respondentes de alerta anteriores (ou equipes de respondentes), com base na semelhança semântica do conteúdo do alerta ou dos marcadores usados.

Para escalar o grupo de alertas para um incidente, o agrupamento de alertas também preenche com antecedência todas as informações contextuais para você revisar como parte do processo de criação do incidente.

A gente acredita que o agrupamento de alertas funciona melhor nos cenários em que:

• Sua organização costuma encontrar padrões de alertas semelhantes ou duplicados que ocorrem em alto volume, seja por um período curto ou mais longo.
• Sua organização sempre categoriza alertas usando marcadores.
• A equipe costuma perceber que alertas semelhantes ou duplicados devem ser transformados em incidentes.

É importante lembrar que, devido à forma como os modelos usados para alimentar o agrupamento de alertas funcionam, esses modelos, às vezes, podem ser imprecisos, incompletos ou não confiáveis.

Por exemplo, as respostas que você receber podem não refletir com precisão o conteúdo em que se baseiam ou podem incluir conteúdo que pareça razoável, mas é falso ou incompleto. Os grupos de alertas exibidos talvez não reflitam com precisão a semelhança semântica dos marcadores.

A gente descobriu que o agrupamento de alertas é menos útil em cenários em que:

• você necessita de informações atuais e precisas sobre pessoas, lugares e fatos.
• Você precisa do agrupamento de alertas para ter acesso a informações que não sejam disponibilizadas a você de imediato para agrupar os alertas. O agrupamento de alertas acontece dentro dos limites das funções e permissões configuradas da equipe. Portanto, você vai ter acesso apenas aos grupos e insights de alertas a que você tem permissão para visualizar.
• Os marcadores de alerta usados pela equipe não são consistentes nem são bem mantidos. O agrupamento de alertas agrupa alertas com base na semelhança semântica dos títulos e marcadores de alerta. Portanto, a qualidade dos grupos de alertas gerados depende da consistência e da higienização dos marcadores de alerta usados pela equipe e pela empresa.

Por isso, encorajamos você a pensar nas situações em que usa o Atlassian Intelligence e a analisar a qualidade de respostas recebidas antes de compartilhá-las com outras pessoas.

Você e a equipe também devem usar os marcadores de alerta com consistência.

A gente entende que você pode ter dúvidas sobre como o agrupamento de alertas usa os dados. Esta seção complementa as informações disponíveis no Trust Center.

O que é processado:

• As solicitações (dados de entrada) e respostas (dados de saída).
• O contexto da sua instância relevante para o prompt, como os dados do seu alerta (títulos e marcadores de alertas, prioridade, equipes dos respondentes, descrição).
• Dados sobre como você interage com as funções, como dados de sequência de cliques e as pessoas com quem você trabalha.
• Feedback que você opta por fornecer sobre essa função, incluindo solicitações ou respostas que decida compartilhar como parte do feedback.

A gente processa os dados de alerta para treinar uma versão do modelo de aprendizado de máquina no reconhecimento de padrões específicos para seus alertas. Esta versão é usada para atender apenas à sua experiência:

• A gente armazena os padrões identificados informar você.
• Seus dados de alerta não são usados para treinar nenhum LLM.

Em relação aos dados, o agrupamento de alertas aplica as seguintes medidas:

• Entradas e saídas:
  • Não estão disponíveis para outros clientes
  • Não são enviadas para nenhum provedor de LLM terceirizado que não seja a OpenAI.
  • Não são armazenadas pela OpenAI.
  • Não são usadas para melhorar os modelos da OpenAI.
  • São usadas apenas para servir a sua experiência.
• A OpenAI está da Lista de Subprocessadores da Atlassian. A empresa não usa dados de entrada e de saída para qualquer outra finalidade que não seja processar as solicitações.
• Esta função segue as permissões do site. Por exemplo, se o Atlassian Intelligence agrupar 50 alertas com base nos marcadores e na semelhança semântica e se você tiver permissão para ver apenas 30, apenas esses 30 vão aparecer na visualização detalhada do grupo. Se você não quer que o conteúdo seja disponibilizado nas respostas para outros usuários no site, fale com o administrador do site/organização para garantir que as permissões tenham a definição adequada.

As respostas do Atlassian Intelligence são alimentadas por grandes modelos de linguagem desenvolvidos pela OpenAI. Esses modelos incluem os modelos OpenAI descritos aqui.

O Atlassian Intelligence usa esses modelos para analisar e gerar linguagem natural para os produtos.

Esses modelos geram respostas com base nos dados de entrada e são de natureza probabilística. O que quer dizer que as respostas são geradas pela previsão da próxima palavra ou texto mais provável, com base nos dados nos quais eles foram treinados.

Leia mais sobre as capacidades dos modelos da OpenAI ou sobre essa abordagem nos artigos de pesquisa da OpenAI.

A função de respostas do Atlassian Intelligence se conecta ao agente virtual no Jira Service Management. Ela usa inteligência artificial generativa para pesquisar nos espaços vinculados da base de conhecimento e responder às perguntas dos clientes.

A gente acredita que as respostas do Atlassian Intelligence funcionam melhor em cenários em que:

• Você tem uma base de conhecimento vinculada completa e atualizada que o agente virtual pode acessar para apresentar respostas às perguntas dos clientes usando as respostas do Atlassian Intelligence.
• As respostas do Atlassian Intelligence são usadas para responder às perguntas de clientes que:
  • podem ser resolvidas dando informações ou instruções.
  • são abordadas em artigos da base de conhecimento ou podem ser adicionadas a eles.
  • em geral não precisam ser escaladas para agentes.

É importante lembrar que, devido à forma como os modelos usados para alimentar as respostas do Atlassian Intelligence funcionam, esses modelos, às vezes, podem ser imprecisos, incompletos ou não confiáveis.

Por exemplo, as respostas que você recebe podem não refletir com precisão o conteúdo em que se baseiam ou incluir conteúdo que pareça razoável, mas é falso ou incompleto.

A gente acha que as respostas do Atlassian Intelligence são menos úteis em cenários em que:

• Você necessita de informações atuais e precisas sobre pessoas, lugares e fatos.
• você precisa das respostas do Atlassian Intelligence para ter acesso a informações que não estão disponíveis de imediato para você (por exemplo, na base de conhecimento vinculada) para responder à solicitação com tranquilidade.
• Sua base de conhecimento está desatualizada ou incompleta, então as pesquisas podem não ser úteis.
• Os artigos em sua base de conhecimento não incluem informações relevantes ou de alta qualidade, portanto, as respostas do Atlassian Intelligence podem fornecer informações menos relevantes aos clientes com base nesses artigos.

Por isso, a gente sugere que você pense sobre as situações em que usa o Atlassian Intelligence e analise a qualidade das respostas recebidas antes de compartilhar as saídas com outras pessoas.

Também considere:

• Analisar e atualizar proativamente sua base de conhecimento vinculada (e os artigos existentes incluídos nela) para garantir que ela permaneça completa e atualizada.
• Analisar proativamente as permissões e restrições aplicáveis aos espaços vinculados da sua base de conhecimento para garantir que as respostas do Atlassian Intelligence tenham acesso às informações certas para serem úteis.

A gente entende que você pode ter dúvidas sobre como o Atlassian Intelligence responde quando o Jira Service Management usa seus dados. Esta seção complementa as informações disponíveis no Trust Center.

O que é processado:

• As solicitações (dados de entrada) e respostas (dados de saída).
• Contexto da instância relevante para a solicitação, como os espaços vinculados da base de conhecimento.
• Dados sobre como você interage com as funções, como dados de sequência de cliques e as pessoas com quem você trabalha.
• Feedback que você opta por dar sobre a função, incluindo solicitações ou respostas que decida compartilhar como parte do feedback.
• Em relação aos seus dados, as respostas do Atlassian Intelligence no Jira Service Management aplicam as seguintes medidas:
• As solicitações (dados de entrada) e respostas (dados de saída):
  • Não são disponibilizadas para outros clientes.
  • Não são enviadas para nenhum provedor de LLM terceirizado que não seja a OpenAI.
  • Não são armazenadas pela OpenAI.
  • Não são usadas para melhorar os modelos da OpenAI.
  • São usadas apenas para a sua experiência.
• A OpenAI é um subprocessador que consta na Lista de subprocessadores. Eles não usam os dados de entrada e de saídas para nenhuma finalidade além de processar as solicitações.
• Essa função segue as permissões e restrições aplicáveis aos espaços vinculados à base de conhecimento. Isso significa que todas as páginas disponíveis para os clientes no portal Jira Service Management estarão disponíveis por meio de respostas do Atlassian Intelligence. Por exemplo, se o acesso a uma determinada página do Confluence for restrito e não estiver disponível em geral por meio do Jira Service Management, o conteúdo dessa página não será sugerido nas respostas do Atlassian Intelligence. Se você não quiser que o conteúdo esteja disponível nas respostas de outros usuários da instância, trabalhe com o administrador da organização para garantir que as permissões sejam definidas de forma adequada.

A automação ao usar o Atlassian Intelligence é alimentada por modelos GPT desenvolvidos pela OpenAI. Entre esses modelos estão os da OpenAI descritos aqui.

O Atlassian Intelligence usa esses modelos para analisar a entrada de linguagem natural e gerar uma regra de automação no Jira e no Confluence.

Eles geram respostas com base em suas entradas e são de natureza probabilística. Isso significa que as respostas são geradas pela previsão da próxima palavra ou texto mais provável, com base nos dados nos quais eles foram treinados.

Leia mais sobre as capacidades dos modelos da OpenAI ou sobre essa abordagem nos artigos de pesquisa da OpenAI.

A criação de regras de automação está no centro da experiência diária de automação, e a gente quer tornar isso ainda mais fácil para você ao adicionar o Atlassian Intelligence ao criador de regras de automação no Jira e no Confluence. Agora, é possível criar regras de automação digitando e descrevendo o que você quer automatizar. Deixe que o Atlassian Intelligence cuide de todo o trabalho pesado para você. Saiba mais sobre Automação usando o Atlassian Intelligence para Jira e para Confluence.

A gente acredita que a Automação usando o Atlassian Intelligence para o Jira e o Confluence funciona melhor em cenários em que você não tem certeza de como começar ou quer acelerar o processo de criação de regras.

É importante lembrar que, devido à forma como os modelos usados para impulsionar a Automação usando o Atlassian Intelligence funcionam, esses modelos, às vezes, podem ser imprecisos, incompletos ou não confiáveis.

Por exemplo, as respostas recebidas podem não refletir com precisão o conteúdo em que se baseiam ou podem incluir conteúdo que pareça razoável, mas é falso ou incompleto.

A gente descobriu que a Automação usando o Atlassian Intelligence é menos útil em cenários em que:

• A Automação usando o Atlassian Intelligence precisa ter acesso a informações que não estão disponíveis para você (por exemplo, uma página ou projeto restrito) para responder com adequação à solicitação.
• Você precisa realizar tarefas pontuais.
• Você precisa consultar informações de dentro da sua base de conhecimento.

Por isso, encorajamos você a pensar nas situações em que usa o Atlassian Intelligence e a analisar a qualidade de respostas recebidas antes de compartilhá-las com outras pessoas.

A Automação usando o Atlassian Intelligence só vai funcionar com o conjunto de componentes de automação disponíveis no Jira e no Confluence.

Você também pode pensar em ser o mais específico possível no que pede para o Atlassian Intelligence fazer, conforme descrito acima.

Você deve ter dúvidas sobre como a Automação usando o Atlassian Intelligence usa os dados. Esta seção complementa as informações disponíveis no Trust Center.

O que é processado:

• As solicitações (dados de entrada) e respostas (dados de saída).
• Contexto da instância relevante para o prompt, como um projeto do Jira ou uma página do Confluence.
• Dados sobre como você interage com as funções, como dados de sequência de cliques e as pessoas com quem você trabalha.
• Feedback que você opta por fornecer sobre essa função, incluindo solicitações ou respostas que decida compartilhar como parte do feedback.

Quando se trata de dados, o uso do Atlassian Intelligence para automação do Confluence aplica as seguintes medidas:

• As solicitações (dados de entrada) e respostas (dados de saída):
  • Não estão disponíveis para outros clientes.
  • Não são enviados para nenhum provedor de LLM terceirizado que não seja a OpenAI.
  • Não são armazenados pela OpenAI.
  • Não são usados para melhorar os modelos da OpenAI.
  • São usadas apenas para servir a sua experiência.

A OpenAI é um subprocessador da nossa Lista de Subprocessadores. Eles não usam os dados de entrada e de saída para nenhuma finalidade além de processar as solicitações.

Essa função segue as permissões na instância. Por exemplo, se você não tiver acesso a uma determinada página ou projeto, o conteúdo desses recursos não vai ser sugerido para você na resposta recebida. Se você não quiser que o conteúdo seja disponibilizado nas respostas de outros usuários na instância, trabalhe com o administrador da organização para garantir que as permissões tenham uma definição adequada.

O Chart insights é alimentado por grandes modelos de linguagem desenvolvidos pela OpenAI. Entre esses modelos estão os da OpenAI descritos aqui.

O Atlassian Intelligence usa esses modelos para analisar e gerar linguagem natural para os produtos.

Esses modelos geram respostas com base nos dados de entrada e são de natureza probabilística. Como consequência, as respostas são geradas pela previsão da próxima palavra ou texto mais provável, com base nos dados nos quais eles foram treinados.

Leia mais sobre as capacidades dos modelos da OpenAI ou sobre essa abordagem nos artigos de pesquisa da OpenAI.

O Chart insights usa o Atlassian Intelligence para ajudar a acelerar a compreensão dos dados em qualquer gráfico no Atlassian Analytics. Isso é feito usando o título do painel, o título do gráfico e os dados do gráfico (incluindo cabeçalhos de coluna e valores de linha) para gerar um resumo em linguagem natural desse gráfico e de seus dados. Também vai ter como objetivo identificar quaisquer tendências ou anomalias para oferecer alguns insights sobre esse gráfico.

A gente acredita que o Chart insights funciona melhor em cenários em que:

• Os gráficos têm muitas linhas de dados.
• Os gráficos têm um título de painel.
• Os gráficos têm cabeçalhos de coluna.
• Os gráficos têm valores em todas as linhas e colunas.

Gráficos de barras, gráficos de linhas e gráficos de barras funcionam melhor com essa função, pois costumam ter tendências, datas e muitas linhas de dados.

É importante lembrar que, devido à forma como os modelos usados para alimentar o Chart insights funcionam, esses modelos, às vezes, podem ser imprecisos, incompletos ou não confiáveis.

Por exemplo, as respostas que você recebe podem não refletir com precisão o conteúdo em que se baseiam ou incluir conteúdo que pareça razoável, mas é falso ou incompleto.

A gente descobriu que o Chart insights é menos útil em cenários em que:

• Você tem gráficos com uma ou apenas algumas linhas de dados.
• Você tem gráficos que são do tipo de valor único.
• Você tem gráficos sem títulos, etiqueta de eixo e cabeçalhos de coluna.

Por isso, a gente sugere que você pense sobre as situações em que usa o Atlassian Intelligence e analise a qualidade das respostas recebidas antes de compartilhar as saídas com outras pessoas.

Também considere:

• Verifique a precisão dos insights com outros usuários que possam ter mais contexto sobre os dados específicos exibidos no gráfico.
• Para dar uma resposta, o Atlassian Intelligence usa apenas o contexto de um único gráfico e não o painel inteiro.

A gente entende que você pode ter dúvidas sobre como o Chart insights usa seus dados. Esta seção complementa as informações disponíveis nesta página

O que é processado:

• As solicitações (dados de entrada) e respostas (dados de saída).
• O contexto da instância relevante para o prompt, como os dados no gráfico.
• Dados sobre como você interage com as funções, como dados de sequência de cliques e as pessoas com quem você trabalha.
• Feedback que você opta por dar sobre a função, incluindo solicitações ou respostas que decida compartilhar como parte do feedback.

Quando se trata de dados, o Chart insights aplica as seguintes medidas.

• As solicitações (dados de entrada) e respostas (dados de saída):
  • Não são disponibilizadas para outros clientes.
  • Não são enviadas para nenhum provedor de LLM terceirizado que não seja a OpenAI.
  • Não são armazenados pela OpenAI
  • Não são usadas para melhorar os modelos da OpenAI.
  • São usadas apenas para a sua experiência.
• A OpenAI é um subprocessador que consta na Lista de subprocessadores. Eles não usam os dados de entrada e de saídas para nenhuma finalidade além de processar as solicitações.
• Essa função usa apenas informações do painel ao qual você tem acesso e para o qual solicitou insights.

Resuma páginas e blogs usando o Atlassian Intelligence com modelos LLM desenvolvidos pela OpenAI. Esses modelos incluem os modelos OpenAI descritos aqui.

O Atlassian Intelligence usa esses modelos para analisar e gerar linguagem natural para os produtos.

Eles geram respostas com base em suas entradas e são de natureza probabilística. Isso significa que as respostas são geradas pela previsão da próxima palavra ou texto mais provável, com base nos dados nos quais eles foram treinados.

Leia mais sobre as capacidades dos modelos da OpenAI ou sobre essa abordagem nos artigos de pesquisa da OpenAI.

Economize tempo e obtenha os detalhes necessários para fazer seu trabalho com mais rapidez ao gerar um resumo rápido de uma página ou blog do Confluence com o Atlassian Intelligence. Saiba mais sobre como usar o Atlassian Intelligence no Confluence.

A gente acredita que resumir páginas e blogs usando o Atlassian Intelligence funciona melhor em cenários em que:

• Há uma página de texto que leva 5 minutos ou mais para ser lida.
• Há muito conteúdo escrito, com recursos visuais limitados e/ou outras formatações, como expansões em uma página.

É importante lembrar que, devido à forma como os modelos usados para resumir páginas e blogs usando o Atlassian Intelligence funcionam, esses modelos, às vezes, podem ser imprecisos, incompletos ou não confiáveis.

Por exemplo, as respostas recebidas podem não refletir com precisão o conteúdo em que se baseiam ou podem incluir conteúdo que pareça razoável, mas é falso ou incompleto.

Embora continuemos criando suporte para macros, tabelas e expandindo resumos, resumir páginas e blogs usando o Atlassian Intelligence é menos útil em cenários em que:

• Você precisa de informações atuais e precisas sobre pessoas, lugares e fatos.
• Você precisa de um resumo de uma página muito curta do Confluence em que não há conteúdo suficiente.
• Você precisa de um resumo de uma página do Confluence em que a maior parte do conteúdo está em tabelas ou se expande.
• Você precisa de um resumo de uma página do Confluence com a maior parte do conteúdo em macros.

Pense nas situações em que o Atlassian Intelligence é usado e analise a qualidade das respostas recebidas antes de compartilhá-las com outras pessoas.

Você também pode querer:

• Pedir ao Atlassian Intelligence que resuma páginas que você sabe que estão repletas de conteúdo em texto.

A gente entende que você pode ter dúvidas sobre como o uso do Atlassian Intelligence para automação do Confluence usa seus dados. Esta seção complementa as informações disponíveis no Trust Center.

O que é processado:

• As solicitações (dados de entrada) e respostas (dados de saída).

• O contexto de sua instância é relevante para sua solicitação, assim como o conteúdo da página do Confluence que você deseja resumir.

• Dados sobre como você interage com as funções, como dados de sequência de cliques e as pessoas com quem você trabalha

• Feedback que você opta por fornecer sobre essa função, incluindo solicitações ou respostas que decida compartilhar como parte do feedback.

Em relação aos seus dados, resumir páginas e blogs usando o Atlassian Intelligence aplicam as seguintes medidas:

• As solicitações (dados de entrada) e respostas (dados de saída):
  • Não estão disponíveis para outros clientes.
  • não são enviadas para nenhum provedor de LLM terceirizado que não seja a OpenAI.
  • não são armazenadas pelo OpenAI.
  • Não são usados para melhorar o OpenAI.
  • são usadas apenas para a experiência.
• O OpenAI é um subprocessador que consta na lista de subprocessadores. Eles não usam os dados de entrada e de saídas para nenhuma finalidade além de processar as solicitações.
• Essa função segue as permissões na sua instância. Por exemplo, se você não tiver acesso a uma página do Confluence, essa função não vai ser exibida nem vai conseguir resumir uma página usando o Atlassian Intelligence. Se você não quiser que o conteúdo seja disponibilizado para outros usuários na instância, trabalhe com o administrador da organização para garantir a definição adequada das permissões.

A definição de termos usando o Atlassian Intelligence no Confluence é baseada em grandes modelos de linguagem desenvolvidos pela OpenAI. Esses modelos incluem os modelos OpenAI descritos aqui.

O Atlassian Intelligence usa esses modelos para analisar e gerar respostas em linguagem natural no Confluence.

Esses modelos geram respostas com base nos dados de entrada e são de natureza probabilística. O que quer dizer que as respostas são geradas pela previsão da próxima palavra ou texto mais provável, com base nos dados nos quais eles foram treinados.

Uma das coisas mais desafiadoras sobre o consumo de conteúdo no Confluence é obter o contexto necessário para entender o que está lendo. Abreviações, acrônimos, termos desconhecidos e nomes específicos de equipes ou projetos podem levar a uma longa busca pelas informações de que você precisa.

A definição de termos usando o Atlassian Intelligence vai definir termos, acrônimos, nomes de projetos ou status específicos da empresa em uma página no Confluence. Assim, os usuários acessam as informações de que precisam, quando precisam, o que ajuda as equipes a trabalharem melhor juntas.

O Atlassian Intelligence poupa tempo ao definir essas coisas para você, sem se afastar do que você está lendo.

A gente acha que definir termos usando o Inteligência Atlassian no Confluence funciona melhor em cenários em que:

• Uma empresa tem várias páginas na instância do Confluence que mencionam, descrevem ou explicam a qual termo específico o Atlassian Intelligence deve fazer referência.

É importante lembrar que, devido à forma como os modelos usados para definir termos usando a Inteligência Atlassian no Confluence funcionam, esses modelos às vezes podem se comportar de maneiras imprecisas, incompletas ou não confiáveis.

Por exemplo, as respostas que você recebe podem não refletir com precisão o conteúdo em que se baseiam ou incluir conteúdo que pareça razoável, mas é falso ou incompleto.

A gente descobriu que definir termos usando o Atlassian Intelligence no Confluence é menos útil em cenários em que:

• Você precisa de informações atuais e precisas sobre pessoas, lugares e fatos.
• Você não tem um contexto amplo sobre o termo dentro dessa instância do Confluence (por exemplo, se não houver páginas que mencionem o termo específico, a definição desse termo não vai ser gerada com precisão).
• Você tenta definir vários termos em vez de um termo individual por vez.

Você deve ter dúvidas sobre como seus dados vão ser usados para definir termos com o Atlassian Intelligence no Confluence. Esta seção complementa as informações disponíveis na Trust Center.

O que é processado:

• As solicitações (dados de entrada) e respostas (dados de saída).
• O contexto da instância relevante para o prompt, como o termo que você quer definir.
• Dados sobre como você interage com as funções, como dados de sequência de cliques e as pessoas com quem você trabalha.
• Feedback que você optar por dar sobre essa função, incluindo solicitações ou respostas que você decida compartilhar como parte do feedback.

Quando se trata dos seus dados, a definição de termos usando o Atlassian Intelligence no Confluence segue as seguintes medidas:

• As solicitações (dados de entrada) e respostas (dados de saída):
  • Não estão disponíveis para outros clientes
  • não são enviadas para nenhum provedor de LLM terceirizado que não seja a OpenAI.
  • não são armazenadas pelo OpenAI.
  • não são usadas para melhorar os modelos da OpenAI.
  • são usadas apenas para a experiência.
• O OpenAI é um subprocessador que consta na lista de subprocessadores. Eles não usam os dados de entrada e de saídas para nenhuma finalidade além de processar as solicitações.
• Essa função segue as permissões de acesso do usuário, portanto, não vai ser mostrada aos usuários uma definição do conteúdo ao qual eles não têm acesso. Em vez disso, a função extrai conteúdo e definições apenas das páginas do Confluence que o usuário tem permissão para visualizar na instância. Se você não quiser que o conteúdo seja disponibilizado nas respostas de outros usuários na instância, trabalhe com o administrador da organização para garantir que as permissões tenham uma definição adequada.

A geração de descrições de pull request com o Atlassian Intelligence é alimentada por grandes modelos de linguagem (LLM) desenvolvidos pela OpenAI. Entre esses modelos estão os da OpenAI descritos aqui.

O Atlassian Intelligence usa esses modelos para analisar e gerar linguagem natural e código nos produtos.

Eles geram respostas com base em suas entradas e são de natureza probabilística. Isso significa que as respostas são geradas pela previsão da próxima palavra ou texto mais provável, com base nos dados nos quais eles foram treinados.

Leia mais sobre as capacidades dos modelos da OpenAI ou sobre essa abordagem nos artigos de pesquisa da OpenAI.

O Atlassian Intelligence pode ajudar você a gerar, transformar e resumir conteúdo enquanto você escreve descrições ou comentários de pull request na experiência de revisão de código do Bitbucket Cloud. Ou seja, ele:

• Gera uma descrição da pull request com base nas alterações de código contidas na pull request.
• Resume, melhora ou altera o tom da descrição de uma pull request.
• Resume, melhora ou altera o tom de um comentário da pull request.

A gente acredita que gerar descrições de pull request do Bitbucket Cloud com o Atlassian Intelligence funciona melhor em cenários em que:

• Como autor de código, você quer que o Atlassian Intelligence ajude a escrever ou melhorar descrição de uma pull request. Isso é ótimo para equipes que podem revisar e confirmar se o conteúdo gerado pelo Atlassian Intelligence é apropriado para descrever a pull request.
• Como revisor de código, você quer que o Atlassian Intelligence o ajude a melhorar o tom ou o conteúdo de um comentário de pull request que você já redigiu.

É importante lembrar que, devido à forma como os modelos usados para alimentar essa função funcionam, esses modelos, às vezes, podem ser imprecisos, incompletos ou não confiáveis.

Por exemplo, as respostas recebidas podem não refletir com precisão o conteúdo em que se baseiam ou podem incluir conteúdo que pareça razoável, mas é falso ou incompleto.

A gente descobriu que gerar descrições de pull request do Bitbucket Cloud com o Atlassian Intelligence é menos útil em cenários em que:

• Você precisa da descrição da pull request para fazer referência a informações que ainda não estejam presentes nas alterações do código (por exemplo, código-fonte contido em outro lugar no repositório).
• Você não pode revisar e confirmar se o conteúdo gerado pelo Atlassian Intelligence é um reflexo preciso da pull request.
• Você necessita de informações atuais e precisas sobre pessoas, lugares e fatos.

Por isso, a gente sugere que você pense sobre as situações em que usa o Atlassian Intelligence e analise a qualidade das respostas recebidas antes de compartilhar as saídas com outras pessoas.

Também considere:

• Ser o mais específico possível sobre o que você pedir para o Atlassian Intelligence fazer.
• Corrigir, revisar e editar a saída gerada pelo assistente de redação do AI para obter precisão e clareza.
• Colaborar com outras pessoas para obter feedback e melhorar a qualidade da produção.

Você deve ter dúvidas sobre como seus dados vão ser usados para definir termos com o Atlassian Intelligence no Confluence. Esta seção complementa as informações disponíveis na Trust Center.

O que é processado:

• Os prompts (dados de entrada) e as respostas (dados de saída)
• O contexto da instância que é relevante para o prompt, como:
  • as alterações de código e as mensagens de commit na pull request
  • o conteúdo da descrição da pull request
  • o conteúdo do comentário da pull request
• Dados sobre como você interage com as funções, como dados de sequência de cliques e as pessoas com quem você trabalha
• Feedback que você optou por fazer sobre essa função

Quando se trata de dados próprios, a geração de descrições de pull request com o Atlassian Intelligence segue as seguintes medidas:

• As solicitações (dados de entrada) e respostas (dados de saída):
  • Não estão disponíveis para outros clientes
  • Não são enviados para nenhum provedor de IA terceirizado que não seja a OpenAI
  • Não são armazenados pela OpenAI
  • Não são usados para melhorar os modelos da OpenAI
  • São usados apenas para experiência
• A OpenAI é um subprocessador que consta na Lista de subprocessadores. Eles não podem usar os dados para nenhuma finalidade além de processar a solicitação.

A geração de consultas SQL usando o Atlassian Intelligence no Atlassian Analytics é alimentada por grandes modelos de linguagem desenvolvidos pela OpenAI. Esses modelos incluem os modelos OpenAI descritos aqui.

O Atlassian Intelligence usa esses modelos para analisar e entender a linguagem natural e, em seguida, a traduz em linguagem de consulta estruturada (SQL) no Atlassian Analytics.

Esses modelos geram respostas com base nos dados de entrada e são de natureza probabilística. O que quer dizer que as respostas são geradas pela previsão da próxima palavra ou texto mais provável, com base nos dados nos quais eles foram treinados.

Leia mais sobre as capacidades dos modelos da OpenAI ou sobre essa abordagem nos artigos de pesquisa da OpenAI.

Em vez de escrever as próprias consultas SQL do zero, use linguagem natural para fazer uma pergunta ao Atlassian Intelligence, que vai transformar o texto em SQL. Depois de fazer uma pergunta, o Atlassian Intelligence usa o esquema do Atlassian Data Lake da fonte de dados selecionada para gerar uma consulta SQL que pode ser usada para criar gráficos nos painéis do Atlassian Analytics e pode ajudar você a aprender sobre o esquema no Data Lake.

A gente acha que gerar consultas SQL usando o Atlassian Intelligence funciona melhor em cenários em que:

• Você quer criar um gráfico personalizado começando com o SQL gerado e refinando a consulta quando necessário.
• A pergunta em linguagem natural inclui palavras e conceitos mencionados no esquema do Atlassian Data Lake, onde você é o mais específico possível.
• Você quer conhecer e aprender sobre o esquema do Atlassian Data Lake.

É importante lembrar que, devido à forma como os modelos usados para gerar consultas SQL usando o Atlassian Intelligence funcionam, esses modelos às vezes podem se comportar de maneiras imprecisas, incompletas ou não confiáveis.

Por exemplo, as respostas que você recebe podem não refletir com precisão o conteúdo em que se baseiam ou incluir conteúdo que pareça razoável, mas é falso ou incompleto.

A gente descobriu que gerar consultas SQL usando o Atlassian Intelligence é menos útil em cenários em que:

• Você precisa de informações atuais e precisas sobre pessoas, lugares e fatos.
• Você precisa dessa função para ter acesso a informações que não estejam disponíveis no esquema do Atlassian Data Lake (por exemplo, dados do planejamento avançado) para responder à pergunta.
• A pergunta inclui referências a campos personalizados.
• A pergunta é feita em um idioma diferente do inglês.
• Você não tem familiaridade suficiente com o SQL para validar o SQL retornado pelo Atlassian Intelligence.

Por esse motivo, é recomendado que você pense nas situações em que usa o Atlassian Intelligence e analise a qualidade das respostas que recebe antes de compartilhar com outras pessoas.

Você também pode querer considerar:

• Ser o mais específico possível no que você pede que o Atlassian Intelligence faça
• A fonte de dados do Atlassian Data Lake que você está usando disponha dos dados necessários para responder à pergunta.

Você deve ter dúvidas sobre como seus dados vão ser usados na geração de consultas SQL com o Atlassian Intelligence. Esta seção complementa as informações disponíveis na Trust Center.

O que é processado:

• As solicitações (dados de entrada) e respostas (dados de saída).
• O contexto da instância é relevante para o prompt, incluindo os esquemas do Atlassian Data Lake disponíveis para o público válidos para a instância.
• Dados sobre como você interage com as funções, como dados de sequência de cliques e as pessoas com quem você trabalha.
• Feedback que você optar por dar sobre essa função, incluindo solicitações ou respostas que você decida compartilhar como parte do feedback.

Quando se trata dos seus dados, a geração de consultas SQL usando o Atlassian Intelligence segue as seguintes medidas.

• As solicitações (dados de entrada) e respostas (dados de saída):
  • não estão disponíveis para outros clientes.
  • Não são enviados para nenhum provedor de IA terceirizado que não seja a OpenAI.
  • não são armazenadas pelo OpenAI.
  • não são usadas para melhorar os modelos da OpenAI.
  • são usadas apenas para a experiência.
• O OpenAI é um subprocessador que consta na lista de subprocessadores. Eles não usam os dados de entrada e de saídas para nenhuma finalidade além de processar as solicitações.
• Essa função segue as permissões na conexão com o Atlassian Data Lake. Por exemplo, se você não tiver acesso a uma conexão do Atlassian Data Lake, não vai poder criar SQL para que ela seja consultada.

O Atlassian Intelligence em experiências de edição é alimentado por grandes modelos de linguagem desenvolvidos pela OpenAI. Esses modelos incluem os modelos OpenAI descritos aqui.

O Atlassian Intelligence usa esses modelos para analisar e gerar linguagem natural para os produtos.

Esses modelos geram respostas com base nos dados de entrada e são de natureza probabilística. O que quer dizer que as respostas são geradas pela previsão da próxima palavra ou texto mais provável, com base nos dados nos quais eles foram treinados.

Leia mais sobre as capacidades dos modelos da OpenAI ou sobre essa abordagem nos artigos de pesquisa da OpenAI.

O Atlassian Intelligence ajuda a impulsionar a comunicação eficaz entre todas as equipes de uma organização para melhorar a eficiência, a tomada de decisões e os processos.

A gente acredita que usar o Atlassian Intelligence na edição de textos funciona melhor para:

• Adaptar o conteúdo para diferentes públicos. O Atlassian Intelligence ajuda a mudar o tom, melhorar a redação e tornar as informações técnicas mais fáceis para outras equipes entenderem. Essa opção funciona melhor para equipes que querem redigir textos mais profissionais e concisos.
• Resumir o conteúdo. Com o Atlassian Intelligence, você pode transformar notas de rascunho em documentação de estratégia útil, artigos da base de conhecimento, planos de campanha e muito mais. Ele também pode ser usado para analisar as informações e definir planos de ação e itens. Essa opção funciona melhor para páginas com muito texto, nas quais há muito contexto para extrair.
• Gerar conteúdo novo. O Atlassian Intelligence ajuda você a redigir conteúdo novo, como páginas de estratégia, visões gerais do projeto, notas da versão ou histórias de usuários. Essa opção funciona melhor quando as equipes usam prompts claros e específicos, com um objetivo específico em mente.

É importante lembrar que, devido à forma como os modelos usados para impulsionar a Atlassian Intelligence em experiências de edição funcionam, às vezes eles podem se comportar de maneiras imprecisas, incompletas ou não confiáveis.

Por exemplo, as respostas que você recebe podem não refletir com precisão o conteúdo em que se baseiam ou incluir conteúdo que pareça razoável, mas que seja falso ou incompleto.

A gente descobriu que usar o Atlassian Intelligence para editar textos é menos útil em cenários em que:

• Você precisa de informações atuais, precisas e atualizadas sobre pessoas, lugares e fatos.
• Você precisa ter acesso a informações que não estão disponíveis para você (por exemplo, na instância) para dar uma resposta adequada à solicitação.
• Você precisa gerar conteúdo em um formato além da marcação padrão (por exemplo, gerar um painel de informações do zero).
• Você precisa referenciar informações que ainda não estão presentes no documento que está sendo editado (por exemplo, conteúdo presente em outro documento ou em outro produto).
• É preciso criar e transformar conteúdo em outros idiomas além do inglês.

Por isso, a gente sugere que você pense sobre as situações em que usa o Atlassian Intelligence e analise a qualidade das respostas recebidas antes de compartilhar as saídas com outras pessoas.

Também considere:

• Ser o mais específico possível sobre o que você pedir para o Atlassian Intelligence fazer.
• Dividir solicitações complexas em tarefas menores e gerenciáveis.
• Incorporar palavras-chave relevantes para melhorar a precisão do conteúdo criado.
• Usar gramática e pontuação adequadas no texto de entrada.
• Corrigir, revisar e editar a saída gerada pelo assistente de redação do AI para obter precisão e clareza.
• Testar solicitações diferentes ou variações do texto de entrada para descobrir novas ideias.
• Colaborar com outras pessoas para obter feedback e melhorar a qualidade da produção.

Você deve ter dúvidas sobre como o Atlassian Intelligence usa os seus dados para editar textos. Esta seção complementa as informações disponíveis no Trust Center.

O que é processado:

• As solicitações (dados de entrada) e respostas (dados de saída).
• O contexto da instância relevante para a solicitação, como o produto acionado a partir do Atlassian Intelligence.
• Dados sobre como você interage com as funções, como dados de sequência de cliques e as pessoas com quem você trabalha.
• Feedback que você opta por dar sobre a função, incluindo solicitações ou respostas que decida compartilhar como parte do feedback.

Em relação aos seus dados, o Atlassian Intelligence aplica as seguintes medidas para editar textos:

• As solicitações (dados de entrada) e respostas (dados de saída):
  • Não são disponibilizadas para outros clientes.
  • Não são enviadas para nenhum provedor de LLM terceirizado que não seja a OpenAI.
  • Não são armazenadas pela OpenAI.
  • Não são usadas para melhorar os modelos da OpenAI.
  • São usadas apenas para a sua experiência.
• A OpenAI é um subprocessador que consta na Lista de subprocessadores. Eles não usam os dados de entrada e de saídas para nenhuma finalidade além de processar as solicitações.
• Essa função segue as permissões na instância. Por exemplo, se você não tiver acesso a uma determinada página do Confluence, o conteúdo dessa página não vai ser sugerido para você na resposta recebida. Se você não quiser que o conteúdo esteja disponível nas respostas de outros usuários na instância, trabalhe com o administrador da organização para garantir que as permissões tenham uma definição adequada.

Pesquise respostas no Confluence usando o Atlassian Intelligence com os modelos LLM desenvolvidos pela OpenAI. Entre esses modelos estão os da OpenAI descritos aqui.

O Atlassian Intelligence usa esses modelos para analisar e gerar linguagem natural para os produtos.

Esses modelos geram respostas com base nos dados de entrada e são de natureza probabilística. O que quer dizer que as respostas são geradas pela previsão da próxima palavra ou texto mais provável, com base nos dados nos quais eles foram treinados.

Leia mais sobre as capacidades dos modelos da OpenAI ou sobre essa abordagem nos artigos de pesquisa da OpenAI.

As bases de conhecimento crescem mais rápido do que os usuários conseguem acompanhar. Pesquisar respostas no Confluence com o Atlassian Intelligence oferece um caminho mais rápido para as principais informações que os clientes precisam para o progresso do trabalho. Essa função é útil para encontrar as informações de que você precisa com facilidade. Ela entende os tipos de perguntas que você faria a um colega de equipe e a responde de imediato. Descubra mais sobre o uso do Atlassian Intelligence para pesquisar respostas no Confluence.

A gente acredita que pesquisar respostas no Confluence com o Atlassian Intelligence funciona melhor quando o site do Confluence tem bastante conteúdo detalhado, completo e atualizado.

Essa função não gera conteúdo novo, mas pesquisa páginas e blogs do Confluence (respeitando as restrições) para encontrar uma resposta adequada para a pergunta. O Atlassian Intelligence apenas gera respostas com base no que está no Confluence e no que você tem acesso, em específico.

É importante lembrar que, devido à forma como os modelos usados para pesquisar respostas no Confluence com o Atlassian Intelligence funcionam, esses modelos, às vezes, podem ser imprecisos, incompletos ou não confiáveis.

Por exemplo, as respostas recebidas podem não refletir com precisão o conteúdo em que se baseiam ou podem incluir conteúdo que pareça razoável, mas é falso ou incompleto.

A gente acredita que pesquisar respostas no Confluence com o Atlassian Intelligence é menos útil em situações em que:

• Você precisa de informações atuais e precisas sobre pessoas, lugares e fatos.
• Você precisa de informações atuais e precisas sobre aquelas que têm tendência a serem alteradas com frequência (por exemplo, roteiros que são atualizados todo mês).
• Você precisa de informações atuais e precisas sobre pessoas específicas e a função que elas desempenham na organização.
• Você precisa de acesso a informações que não estão disponíveis de imediato (por exemplo, páginas restritas na instância do Confluence) para encontrar uma resposta adequada para a pergunta.
• A resposta consiste em uma variedade de valores ou categorias diferentes (por exemplo, métricas que são atualizadas toda semana).
• Você precisa de respostas que exigem nuances, complexidades ou raciocínios de nível humano.

Por esse motivo, é recomendado que você pense nas situações em que usa o Atlassian Intelligence e analise a qualidade das respostas que recebe antes de compartilhar com outras pessoas.

Você também pode querer considerar:

• Ser o mais específico possível no que você pede que o Atlassian Intelligence faça
• Fazer perguntas sobre algo que você sabe que está documentado na instância do Confluence e às quais você tem acesso.

A gente entende que você pode ter dúvidas sobre como a pesquisa de respostas no Confluence usando o Atlassian Intelligence usa os dados. Esta seção complementa as informações disponíveis no Trust Center.

O que é processado:

• As solicitações (dados de entrada) e respostas (dados de saída).
• Contexto da instância relevante para a solicitação, como conteúdo das três primeiras páginas devolvido da pesquisa do Confluence.
• Dados sobre como você interage com as funções, como dados de sequência de cliques e as pessoas com quem você trabalha.
• Feedback que você optar por dar sobre essa função, incluindo solicitações ou respostas que você decida compartilhar como parte do feedback.

Em relação aos dados, a pesquisa de respostas no Confluence usando o Atlassian Intelligence aplica as seguintes medidas:

• As solicitações (dados de entrada) e respostas (dados de saída):
  • não estão disponíveis para outros clientes.
  • não são enviadas para nenhum provedor de LLM terceirizado que não seja a OpenAI.
  • não são armazenadas pelo OpenAI.
  • não são usadas para melhorar os modelos da OpenAI.
  • são usadas apenas para a experiência.
• O OpenAI é um subprocessador que consta na lista de subprocessadores. Eles não usam os dados de entrada e de saídas para nenhuma finalidade além de processar as solicitações.
• Essa função segue as permissões na instância. Por exemplo, se você não tiver acesso a uma determinada página do Confluence, essa função não vai usar o conteúdo dessa página na resposta exibida. Se você não quiser que o conteúdo esteja disponível nas respostas de outros usuários na instância, trabalhe com o administrador da organização para garantir que as permissões tenham uma definição adequada.

O Atlassian Intelligence usa grandes modelos de linguagem desenvolvidos pela OpenAI para pesquisar itens no Jira. Isso inclui os modelos da OpenAI descritos aqui, aperfeiçoados pela Atlassian com dados gerados de forma sintética.

O Atlassian Intelligence usa esses modelos para analisar e entender linguagem natural e depois a traduz para o código da Linguagem de Consulta do Jira (JQL) nos produtos.

Esses modelos geram respostas com base nos dados de entrada e são de natureza probabilística. Ou seja, as respostas são geradas pela previsão da próxima palavra ou texto mais provável, com base nos dados nos quais foram treinados.

Leia mais sobre as capacidades dos modelos da OpenAI e o ajuste da OpenAI. Você também pode ler mais sobre essa abordagem nos artigos de pesquisa da OpenAI.

Agora é possível fazer perguntas ao Atlassian Intelligence em linguagem cotidiana, em vez de elaborar consultas complexas. Ao usar o Atlassian Intelligence para pesquisar itens, a solicitação é traduzida para consultas JQL que ajuda a pesquisar itens específicos com rapidez.

A gente acredita que usar o Atlassian Intelligence para pesquisar itens funciona melhor em situações em que:

• A consulta por itens do Jira é feita com campos de item disponíveis no projeto do Jira.
• A consulta tem campos e valores específicos que delimitam a pesquisa de itens.
• Os campos e valores na pesquisa já existem no projeto do Jira.
• A consulta está em inglês.
• A consulta pode ser traduzida para JQL. Como o Atlassian Intelligence converte solicitações em código JQL, você vai obter resultados melhores com entradas que contém palavras-chave que podem ser traduzidas para JQL.

É importante lembrar que, devido à forma como os modelos usados para pesquisar itens com o Atlassian Intelligence funcionam, esses modelos, às vezes, podem ser imprecisos, incompletos ou não confiáveis.

Por exemplo, as respostas que você recebe podem não refletir com precisão o conteúdo em que se baseiam ou incluir conteúdo que pareça razoável, mas é falso ou incompleto.

A gente acredita que pesquisar itens com o Atlassian Intelligence é menos útil em situações em que:

• Você necessita de informações atuais e precisas sobre pessoas, lugares e fatos.
• As entidades do Jira na pesquisa não são itens, como projetos, quadros ou usuários.
• A pesquisa foi feita em um idioma diferente do inglês.
• Você precisa da pesquisa para analisar itens e criar gráficos, resumos ou outras representações de dados.
• A pesquisa exige funções que não estão disponíveis em JQL no momento (por exemplo, perguntas como "Encontrar itens em que eu comentei" que não podem ser traduzidas para funções JQL).

Por esse motivo, é recomendado que você pense nas situações em que usa o Atlassian Intelligence e analise a qualidade das respostas que recebe antes de compartilhar com outras pessoas.

Além disso, seja o mais específico possível sobre o que vai pedir para o Atlassian Intelligence fazer. Inclua os campos e valores exatos que quer encontrar.

Você deve ter dúvidas sobre como a pesquisa de itens com o Atlassian Intelligence usa os seus dados. Esta seção complementa as informações disponíveis no Trust Center.

O que é processado:

• As solicitações (dados de entrada) e respostas (dados de saída).
• Contexto da instância relevante para a solicitação, como o projeto em que você está agora.
• Dados sobre como você interage com as funções, como dados de sequência de cliques e as pessoas com quem você trabalha.
• Feedback que você optar por dar sobre essa função, incluindo solicitações ou respostas que você decida compartilhar como parte do feedback.

Em relação aos dados, o Atlassian Intelligence aplica as seguintes medidas para pesquisar itens:

• As solicitações (dados de entrada) e respostas (dados de saída):
  • não estão disponíveis para outros clientes.
  • Não são enviadas para nenhum provedor de LLM terceirizado que não seja a OpenAI.
  • não são armazenadas pelo OpenAI.
  • não são usadas para melhorar os modelos da OpenAI.
  • são usadas apenas para a experiência.
• O OpenAI é um subprocessador que consta na lista de subprocessadores. Eles não usam os dados de entrada e de saídas para nenhuma finalidade além de processar as solicitações.
• As respostas de pesquisa vão se basear nos itens e campos a que você tem acesso (por exemplo, se você não tiver acesso a projetos específicos do Jira, não vai ser possível obter resultados de pesquisa dos itens e campos desses projetos).

Use o Atlassian Intelligence para sugerir os tipos de solicitação com base em grandes modelos de linguagem desenvolvidos pela OpenAI. Entre esses modelos estão os da OpenAI descritos aqui.

O Atlassian Intelligence usa esses modelos para analisar as entradas em linguagem natural e gerar recomendações para os nomes dos tipos de solicitação e descrições para você no Jira Service Management.

Esses modelos geram respostas com base nos dados de entrada e são de natureza probabilística. O que quer dizer que as respostas são geradas pela previsão da próxima palavra ou texto mais provável, com base nos dados nos quais eles foram treinados.

Leia mais sobre as capacidades dos modelos da OpenAI ou sobre essa abordagem nos artigos de pesquisa da OpenAI.

Receba sugestões do Atlassian Intelligence e economize tempo sem ter que tentar descobrir quais tipos de solicitação você precisa criar para o projeto. Apenas descreva o trabalho e o que a equipe costuma gerenciar para ver quais tipos de solicitações você pode criar. Escolha uma das sugestões geradas pelo Atlassian Intelligence para criar um tipo de solicitação. Saiba mais sobre como usar o Atlassian Intelligence para sugerir tipos de solicitação.

A gente acredita que usar o Atlassian Intelligence para sugerir tipos de solicitação funciona melhor em situações em que:

• Você tem casos de uso muito específicos que os templates de tipo de solicitação não atendem.
• Você tem requisitos muito generalizados e está em busca de novas ideias.
• O idioma escolhido é bastante falado (inglês ou espanhol, por exemplo).

É importante lembrar que, devido à forma como os modelos usados para sugerir tipos de solicitação com o Atlassian Intelligence funcionam, esses modelos, às vezes, podem ser imprecisos, incompletos ou não confiáveis.

Por exemplo, as respostas que você recebe podem não refletir com precisão o conteúdo em que se baseiam ou incluir conteúdo que pareça razoável, mas é falso ou incompleto.

A gente percebeu que usar o Atlassian Intelligence para sugerir tipos de solicitação é menos útil em situações em que:

• Você necessita de informações atuais e precisas sobre pessoas, lugares e fatos.
• Você precisa da função para ter acesso a informações que não estão disponíveis de imediato (na sua instância, por exemplo) para encontrar uma resposta adequada para a solicitação.
• Você apresenta solicitações muito vagas ou irrelevantes para o gerenciamento de serviços.
• O idioma escolhido não é muito falado

Por isso, a gente sugere que você pense sobre as situações em que usa o Atlassian Intelligence e analise a qualidade das respostas recebidas antes de compartilhar as saídas com outras pessoas.

Também considere:

• Ser o mais específico possível sobre o que você pedir para o Atlassian Intelligence fazer.

Você deve ter dúvidas sobre como os seus dados são usados pelo Atlassian Intelligence para sugerir tipos de solicitação. Esta seção complementa as informações disponíveis no Trust Center.

O que é processado:

• As solicitações (dados de entrada) e respostas (dados de saída).
• O contexto da instância relevante para a solicitação.
• Dados sobre como você interage com as funções, como dados de sequência de cliques e as pessoas com quem você trabalha.
• Feedback que você opta por dar sobre a função, incluindo solicitações ou respostas que decida compartilhar como parte do feedback.

Em relação aos seus dados, o Atlassian Intelligence aplica as seguintes medidas para sugerir tipos de solicitação:

• As solicitações (dados de entrada) e respostas (dados de saída):
  • Não estão disponíveis para outros clientes.
  • Não são enviadas para nenhum provedor de LLM terceirizado que não seja a OpenAI.
  • Não são armazenadas pela OpenAI.
  • Não são usadas para melhorar os modelos da OpenAI.
  • São usadas apenas para a sua experiência.
• A OpenAI é um subprocessador que consta na Lista de subprocessadores. Eles não usam os dados de entrada e de saídas para nenhuma finalidade além de processar as solicitações.
• A função usa apenas as informações das solicitações para que todas as permissões do Jira sejam respeitadas.

Resuma as informações do item usando o Atlassian Intelligence com base em grandes modelos de linguagem desenvolvidos pela OpenAI. Esses modelos incluem os modelos OpenAI descritos aqui.

O Atlassian Intelligence usa esses modelos para analisar e gerar linguagem natural para os produtos.

Esses modelos geram respostas com base nos dados de entrada e são de natureza probabilística. O que quer dizer que as respostas são geradas pela previsão da próxima palavra ou texto mais provável, com base nos dados nos quais eles foram treinados.

Leia mais sobre as capacidades dos modelos da OpenAI ou sobre essa abordagem nos artigos de pesquisa da OpenAI.

Em vez de ler descrições longas e vários comentários sobre um item do Jira Service Management, use o Atlassian Intelligence para resumir essas informações para você. Ajude os agentes a entender com rapidez o contexto do item e qualquer progresso feito, permitindo que eles executem ações rápidas e ofereçam assistência no momento certo.

A gente acredita que resumir as informações do item usando o Atlassian Intelligence funciona melhor para:

• itens com descrição e comentários em inglês,
• itens com muitos comentários e/ou comentários e descrições longas.

É importante lembrar que, devido à forma como os modelos usados para resumir as informações do item usando o Atlassian Intelligence funcionam, esses modelos, às vezes, podem ser imprecisos, incompletos ou não confiáveis.

Por exemplo, as respostas que você recebe podem não refletir com precisão o conteúdo em que se baseiam ou incluir conteúdo que pareça razoável, mas é falso ou incompleto.

A gente acredita que resumir as informações do item usando o Atlassian Intelligence é menos útil em cenários quando:

• você está usando um idioma diferente do inglês,
• o item não tem histórico nem informações.

Por esse motivo, é recomendado que você pense nas situações em que usa o Atlassian Intelligence e analise a qualidade das respostas que recebe antes de compartilhar com outras pessoas.

A gente entende que você pode ter dúvidas sobre como o resumo das informações do item usando o Atlassian Intelligence usa os dados. Esta seção complementa as informações disponíveis no Trust Center.

O que é processado:

• As solicitações (dados de entrada) e respostas (dados de saída).
• O contexto da instância relevante para a solicitação inclui informações sobre o Jira Service. Gestão do item, como descrição do item, comentários e usuários envolvidos no ticket.
• Dados sobre como você interage com as funções, como dados de sequência de cliques e as pessoas com quem você trabalha.
• Feedback que você optar por dar sobre essa função, incluindo solicitações ou respostas que você decida compartilhar como parte do feedback.

Em relação aos dados, o resumo das informações do item usando o Atlassian Intelligence aplica as seguintes medidas:

• As solicitações (dados de entrada) e respostas (dados de saída):
  • não estão disponíveis para outros clientes.
  • não são enviadas para nenhum provedor de LLM terceirizado que não seja a OpenAI.
  • não são armazenadas pelo OpenAI.
  • não são usadas para melhorar os modelos da OpenAI.
  • são usadas apenas para a experiência.
• O OpenAI é um subprocessador que consta na lista de subprocessadores. Eles não usam os dados de entrada e de saídas para nenhuma finalidade além de processar as solicitações.
• Essa função segue as permissões na instância. Apenas agentes e administradores do projeto podem visualizar o botão Resumir.

O recurso Resumir links inteligentes com IA usa grandes modelos de linguagem desenvolvidos pela OpenAI. Eles incluem os modelos descritos aqui.

O Atlassian Intelligence usa esses modelos para analisar e gerar linguagem natural para os produtos.

Esses modelos geram respostas com base nos dados de entrada e são de natureza probabilística. O que quer dizer que as respostas são geradas pela previsão da próxima palavra ou texto mais provável, com base nos dados nos quais eles foram treinados.

Leia mais sobre as capacidades dos modelos da OpenAI ou sobre essa abordagem nos artigos de pesquisa da OpenAI.

Depois que você passa o cursor do mouse sobre um link inteligente do Jira, Confluence e Documentos Google, o Atlassian Intelligence ajuda a resumir o conteúdo. Isso permite que você determine a importância e o valor do link para decidir sua próxima ação. Assim, você não precisa sair da página atual e trocar de contexto.

Acreditamos que o recurso Resumir links inteligentes com IA funciona melhor nos cenários em que:

• Você visualiza uma página ou item com um ou mais links inteligentes.
• Você visualiza uma página ou item com um ou mais links inteligentes contendo muitas informações ou conteúdo denso, que exigem tempo para a leitura e desviam a atenção da página.

Vale lembrar que os modelos às vezes podem ter um comportamento impreciso, incompleto ou não confiável devido à maneira como eles costumavam alimentar o recurso Resumir links inteligentes com IA.

Por exemplo, os resumos que você recebe podem não refletir com precisão o conteúdo em que eles se baseiam ou incluir conteúdo que parece razoável, mas é falso ou incompleto.

Descobrimos que o recurso Resumir links inteligentes com IA é menos útil nos cenários em que:

• Você necessita de informações atuais e precisas sobre pessoas, lugares e fatos.
• Você precisa resumir um conteúdo muito curto.
• Você precisa resumir todos os metadados e o conteúdo de um link. Por exemplo, quando você quer entender todos os valores de campo de um ticket do Jira, além do conteúdo do comentário e descrição.

Por isso, a gente sugere que você pense sobre as situações em que usa o Atlassian Intelligence e analise a qualidade das respostas recebidas antes de compartilhar as saídas com outras pessoas.

A gente entende que você pode ter dúvidas sobre como o resumo das informações do item usando o Atlassian Intelligence usa os dados. Esta seção complementa as informações disponíveis no Trust Center.

O que é processado:

• As solicitações (dados de entrada) e respostas (dados de saída).
• O contexto da sua instância é relevante para o prompt, assim como o conteúdo do link que você quer resumir.
• Dados sobre como você interage com as funções, como dados de sequência de cliques e as pessoas com quem você trabalha.
• O feedback que você fornece sobre a função, incluindo as respostas compartilhadas como parte disso.

Quando se trata dos seus dados, o recurso Resumir links inteligentes com IA aplica as seguintes medidas.

Seus resumos:

• Não estão disponíveis para outros clientes
• Não são enviadas para nenhum provedor de LLM terceirizado que não seja a OpenAI.
• Não são armazenadas pela OpenAI.
• Não são usadas para melhorar os modelos da OpenAI.
• São usadas apenas para a sua experiência.
• A OpenAI é um subprocessador que consta na Lista de subprocessadores. Eles não usam os dados de entrada e de saídas para nenhuma finalidade além de processar as solicitações.

• Essa função segue as permissões na instância. Por exemplo, se você não tiver acesso a uma página ou ticket no Jira, Confluence ou Google, não vai ser possível resumir o conteúdo dessas fontes. Se você não quer que seu conteúdo seja disponibilizado nas respostas para outros usuários na instância, trabalhe com o administrador da organização para garantir que as permissões tenham uma definição adequada.