Rovo è progettato per la trasparenza

La bozze basate sull'IA sono supportate da modelli linguistici di grandi dimensioni sviluppati da OpenAI e Anthropic, nonché da una combinazione di modelli linguistici open source basati su trasformatori e altri modelli di machine learning. Questi modelli linguistici di grandi dimensioni includono la serie di modelli GPT di OpenAI e la serie di modelli Claude di Anthropic.

Rovo utilizza questi modelli per analizzare e generare un linguaggio naturale all'interno dei prodotti. I modelli di codifica Open Source convertono i contenuti testuali inseriti in forme numeriche (incorporamenti) che vengono utilizzate per identificare e dare forma ad argomenti a partire da ciò che inserisci.

Questi modelli linguistici di grandi dimensioni generano risposte in base agli input forniti dall'utente e sono di natura probabilistica. Ciò significa che le loro risposte vengono generate prevedendo la parola o il testo successivo più probabile, in base ai dati su cui sono stati formati.

Leggi di più sulle funzionalità dei modelli di OpenAI e dei modelli di Anthropic. Per ulteriori informazioni sui modelli linguistici open source, vedi le informazioni sull'incorporamento dei modelli.

Le bozze basate sull'IA suggeriscono bozze pregenerate di articoli della knowledge base che i tuoi amministratori e agenti devono prendere in considerazione. Questa funzionalità genera bozze per i ticket più comuni in un progetto Jira Service Management, utilizzando i dettagli e i commenti contenuti nei ticket del progetto.

Ciò consente ai team di assistenza di aumentare la copertura degli articoli della knowledge base in modo più rapido e semplice, il che a sua volta andrà a vantaggio delle prestazioni di altre funzionalità di Jira Service Management. Ad esempio, gli articoli della knowledge base creati utilizzando bozze basate sull'IA possono quindi essere utilizzati dalla funzionalità di risposte basate sull'IA dell'assistente virtuale del servizio per risolvere in modo più semplice e rapido le richieste degli utenti in cerca di aiuto.

Leggi di più sulle risposte basate sull'IA nell'assistente virtuale del servizio.

Riteniamo che le bozze basate sull'IA funzionino meglio negli scenari in cui:

• Il progetto riceve più di 40 richieste in un mese. I progetti con meno di 40 richieste potrebbero non includere informazioni sufficienti per generare bozze basate sull'IA.
• Il contenuto dei ticket, come riepilogo, descrizione e altri campi, è principalmente in inglese. La qualità delle bozze basate sull'IA può variare per altre lingue.

È importante ricordare che, per effetto del modo in cui operano, i modelli usati per le bozze basate sull'IA a volte possono presentare comportamenti imprecisi, incompleti o inaffidabili.

Ad esempio, le risposte che ricevi potrebbero non riflettere con precisione i contenuti su cui si basano o potrebbero includere contenuti che sembrano ragionevoli ma sono incompleti o non affidabili.

Abbiamo scoperto che le bozze basate sull'IA sono meno utili negli scenari in cui:

• Il progetto riceve meno di 40 richieste in un mese.
• Il progetto crea automaticamente richieste in base agli avvisi, in quanto potrebbero non richiedere un articolo della knowledge base; la funzionalità suggerirà comunque delle bozze basate sull'IA in relazione alle richieste.
• Ti servono bozze per i ticket in cui il contenuto è in lingue diverse dall'inglese.

Per questo motivo, ti invitiamo a pensare alle situazioni in cui usi Rovo e a verificare la qualità delle risposte che ricevi prima di condividerle con gli altri.

Altri fattori da considerare:

• L'attuazione di misure assicura che i membri del tuo team esaminino a fondo le bozze basate sull'IA prima di procedere alla creazione di articoli della knowledge base basati su di esse
• Chiedere agli amministratori del progetto di identificare gli esperti nel loro team che saranno responsabili della revisione e della modifica delle bozze basate sull'IA per mantenere articoli della knowledge base di alta qualità

Comprendiamo che potresti avere domande su come l'IA utilizza i tuoi dati. Questa sezione integra le informazioni disponibili nell'Atlassian Trust Center.

Elaboriamo:

• Le tue richieste (input) e risposte (output).
• Contesto fornito dall'istanza rilevante per una funzionalità, ad esempio dati in un ticket quali valori dei campi, riepilogo e descrizione per generare bozze utilizzando Rovo.
• Dati su come interagisci con le nostre funzionalità, come i dati clickstream e le persone con cui lavori.
• Feedback che scegli di fornire su questa funzionalità, inclusi eventuali suggerimenti o risposte che scegli di condividere come parte del tuo commento.

Per quanto riguarda i tuoi dati, le bozze basate sull'IA applicano le misure seguenti.

• Le tue richieste (input) e risposte (output):
  • Non sono disponibili agli altri clienti
  • Non vengono inviati a nessun fornitore di LLM di terze parti diverso da OpenAI o Anthropic su AWS Bedrock.
  • Non sono archiviati dai fornitori di LLM.
  • non vengono usati per migliorare alcun LLM di terze parti.
  • Vengono utilizzati solo per elaborare la tua esperienza.
• OpenAI e AWS Bedrock sono sub-responsabili del trattamento nel nostro elenco di sub-responsabili del trattamento. Usano i dati che inserisci e le risposte che ricevi solo ed esclusivamente per elaborare la tua richiesta.
• Elaboriamo solo ticket accessibili a tutti i partecipanti a un progetto del servizio per il tuo sito. Eventuali problemi con le autorizzazioni dei ticket applicate non vengono considerati per la generazione di bozze.
• Aggiorniamo ogni 7 giorni le bozze basate sull'IA per garantire che i contenuti siano attuali.

Scopri di più sull'uso di Rovo

I riepiloghi basati sull'IA nelle schede dell'hub aziendale si basano su modelli linguistici di grandi dimensioni sviluppati da OpenAI, che includono la serie di modelli GPT di OpenAI.

Rovo utilizza questi modelli per analizzare e generare un linguaggio naturale all'interno dei prodotti.

Questi modelli generano risposte in base agli input forniti dall'utente e sono di natura probabilistica. Ciò significa che le loro risposte vengono generate prevedendo la parola o il testo successivo più probabile, in base ai dati su cui sono stati formati.

Leggi di più sulle capacità dei modelli di OpenAI.

I riepiloghi basati sull'IA nelle schede dell'hub aziendale aiutano a compilare e pubblicare rapidamente l'hub aziendale, suggerendo descrizioni delle schede generate dall'IA. Questa funzionalità utilizza l'IA per generare un riepilogo della pagina o del post del blog di Confluence collegati per la scheda dell'hub aziendale.

Riteniamo che i riepiloghi basati sull'IA nelle schede dell'hub aziendale funzionino meglio negli scenari in cui:

• Desideri usare le schede dell'hub aziendale in Confluence per collegare a contenuti ricchi di testo.
• Sei in cerca di un breve riepilogo dei contenuti di Confluence ricchi di testo da visualizzare nelle descrizioni delle schede Confluence.

È importante ricordare che, a causa del modo in cui operano, i modelli usati per i riepiloghi basati sull'IA nelle schede dell'hub aziendale talvolta possono presentare comportamenti imprecisi, incompleti o inaffidabili.

Ad esempio, le risposte che ricevi potrebbero non riflettere con precisione i contenuti su cui si basano o potrebbero includere contenuti che sembrano ragionevoli ma sono incompleti o non affidabili.

Abbiamo scoperto che i riepiloghi basati sull'IA nelle schede dell'hub aziendale sono meno utili negli scenari in cui:

• Ti servono informazioni aggiornate e accurate su persone, luoghi e fatti.
• Ti serve un riepilogo di una pagina di Confluence molto breve in cui non ci sono contenuti a sufficienza per generare un riepilogo utile.
• Ti serve un riepilogo di una pagina di Confluence in cui la maggior parte del contenuto è in tabelle o si espande.
• Ti serve un riepilogo di una pagina di Confluence con la maggior parte del contenuto in macro.

Per questo motivo, ti invitiamo a pensare alle situazioni in cui usi Rovo e a verificare la qualità delle risposte che ricevi prima di condividerle con gli altri.

Comprendiamo che tu possa avere domande sul modo in cui i riepiloghi basati sull'IA nelle schede dell'hub aziendale utilizzano i tuoi dati. Questa sezione integra le informazioni disponibili nell'Atlassian Trust Center.

Elaboriamo:

• Le tue richieste (input) e risposte (output).
• Il contesto della tua istanza pertinente al tuo prompt, ad esempio i contenuti della pagina di Confluence che vuoi riassumere.
• Dati su come interagisci con le nostre funzionalità, come i dati clickstream e le persone con cui lavori.
• Feedback che scegli di fornire su questa funzionalità, inclusi eventuali suggerimenti o risposte che scegli di condividere come parte del tuo commento.

Per quanto riguarda i tuoi dati, i riepiloghi basati sull'IA nelle schede dell'hub aziendale applicano le seguenti misure.

• Le tue richieste (input) e risposte (output):
  • Non sono disponibili agli altri clienti.
  • Non vengono inviati a nessun provider LLM di terze parti diverso da OpenAI.
  • Non sono archiviati da alcun fornitore di LLM.
  • Non vengono utilizzati per migliorare i vasti modelli linguistici.
  • Vengono utilizzati solo per elaborare la tua esperienza.
• OpenAI è un sub-responsabile del trattamento nella nostra lista di sub-responsabili del trattamento. Usa i dati che inserisci e le risposte che ricevi solo ed esclusivamente per elaborare la tua richiesta.
• Questa funzionalità eredita le autorizzazioni dell'istanza. Ad esempio, se non hai accesso a una pagina di Confluence, non potrai usare questa funzionalità per recuperare un riepilogo utilizzando Rovo. Se non vuoi che i contenuti vengano resi disponibili ad altri utenti nell'istanza, contatta l'amministratore dell'organizzazione per assicurarti che le autorizzazioni siano impostate in modo appropriato.

Scopri di più sull'uso di Rovo

Rovo Dev is powered by large language models developed by OpenAI and Anthropic on AWS Bedrock and Anthropic on Google Vertex AI, as well as a combination of other machine learning models. These large language models include OpenAI's GPT series of models and Anthropic's Claude series of models.

Rovo Dev uses these models to analyze and generate natural language and code 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 and Anthropic's models.

Rovo Dev is a context-aware AI agent for professional software engineers. It understands natural language and code, and integrates with Atlassian tools like Jira, Confluence, and Bitbucket as well as third-party developer platforms such as GitHub. Powered by Atlassian’s Teamwork Graph, it draws on organizational context, business knowledge, and codebase history to accelerate the software development lifecycle. Rovo Dev assists with planning, code generation, reviews, and automating repetitive work at scale.

The Rovo Dev product suite includes:

• Rovo Dev in Bitbucket and GitHub: Rovo Dev integrates with both Bitbucket and GitHub to check pull requests against both technical requirements and business objectives. It helps you to spot potential issues before they reach production and checks that code changes align with Jira acceptance criteria, reducing review cycles and preventing rework.

• Rovo Dev CLI: Rovo Dev CLI brings Rovo Dev directly into your command line interface, turning your terminal into an AI development agent that is seamlessly integrated with your Atlassian workflow.

We believe that Rovo Dev works best in scenarios where:

• You need assistance with coding tasks such as writing new code, debugging existing code, or understanding complex codebases.
• You want automated code review feedback on pull requests to catch potential issues and improve code quality.
• You need help with common development tasks like refactoring, testing, or documentation
• You want to resolve Jira work items more efficiently by automating code changes in linked repositories.
• Your development team wants to maintain consistent coding standards and best practices.

It's important to remember that because of the way that the models used to power Rovo Dev 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 Rovo Dev is less useful in scenarios where:

• You need current and accurate information about people, places and facts that are not contained within your codebase, development context, or reachable Atlassian content such as Confluence pages or Jira issues.
• You need Rovo Dev to have access to information that isn't readily available in your repository, development environment, or linked Atlassian tools.
• You need perfect accuracy for safety-critical or security-sensitive code without human review because Rovo Dev should not be used in these scenarios.
• You're working with proprietary or highly confidential code patterns that weren't part of the model's training data. You might not find Rovo Dev helpful when working with very new technologies that weren't included in the model's training data, because Rovo Dev may not have sufficient context on those technologies to provide useful outputs.
• Rovo Dev should not be used as the sole method for security reviews, compliance checks, or in scenarios where code correctness is critical for safety or regulatory requirements without appropriate human oversight.

• For this reason, we encourage you to think about the situations when you use Rovo Dev and review the quality of the responses you receive before implementing suggested changes or sharing them with others.

You might also want to think about:

• Being as specific as possible in what you ask Rovo Dev to do, including providing clear context about your codebase and requirements.
• Reviewing and testing any code changes suggested by Rovo Dev before committing them to your repository.
• Ensuring your development environment has appropriate permissions and access controls configured.
• Keeping your repository documentation and code comments up to date to provide better context for AI assistance.
• Using Rovo Dev as a collaborative tool alongside human code review rather than a replacement for it.

We understand you may have questions about how Rovo Dev uses your data. This section supplements the information available on our Rovo Dev Page.

We process:

• Your prompts (inputs) and responses (outputs) when interacting with Rovo Dev
• Context from your development environment relevant to your prompt, such as code files and pull requests in Bitbucket, Jira work items, content from connected third-party apps such as Github or connected MCP servers, or local files on your device (if using RovoDev CLI)
• Data about how you interact with our features, such as command usage patterns and the development tools you work with

• Feedback you choose to provide about this feature, including any prompts or responses you choose to share as part of your feedback

When it comes to your data, Rovo Dev applies the following measures:

Your prompts (inputs) and responses (outputs):

• Are not available to other customers
• Are not sent to any third party LLM provider other than OpenAI, Google Vertex AI, and Anthropic on AWS Bedrock
• Are not stored by OpenAI, Google Vertex AI or Anthropic on AWS Bedrock
• Are not used to improve OpenAI or Anthropic models

• Are used only to serve your experience

Third-party processing:

• OpenAI, Google Vertex AI, and Amazon Web Services (AWS Bedrock) are subprocessors on our List of Subprocessors. They do not use your inputs and outputs for any purpose besides processing your request.

Permissions and access:

• Rovo Dev follows the permissions in your development environment and connected Atlassian tools. For example, if you do not have access to certain repositories or Jira projects, Rovo Dev will not access content from those sources when generating responses.
• If you do not want your code or content to be available in responses to other users in your organization, please work with your system administrators to ensure your permissions and access controls are set appropriately.

• In Rovo Dev CLI, users are able to add third-party Model Context Protocol (MCP) servers to provide Rovo Dev with access to third party content. Integration with any third-party MCP server requires approval from your user and you must ensure that you comply with any third-party terms of use. Users can enter prompts to send data outside of your Atlassian site, and data sent outside your site will not be subject to Atlassian terms.

Discover more about using Rovo Dev

Rovo Dev Community Group

Riassumi pagine e blog utilizzando l'IA, che si basa sui modelli linguistici di grandi dimensioni sviluppati da OpenAI e Google. Questi includono le serie di modelli GPT di OpenAI e Gemini di Google.

Rovo utilizza questi modelli per analizzare e generare un linguaggio naturale all'interno dei prodotti.

Questi modelli generano risposte in base agli input forniti dall'utente e sono di natura probabilistica. Ciò significa che le loro risposte vengono generate prevedendo la parola o il testo successivo più probabile, in base ai dati su cui sono stati formati.

Scopri di più sulle funzionalità dei modelli di OpenAI e dei modelli di Google.

Risparmia tempo e ricevi i dettagli necessari per svolgere il lavoro più velocemente generando un breve riepilogo di una pagina o di un blog di Confluence con l'IA. Scopri di più sull'uso dell'IA in Confluence.

Riteniamo che il riepilogo di pagine e blog con Rovo funzioni in maniera ottimale nei seguenti casi:

• Pagine con molto testo che richiedono almeno 5 minuti per essere lette.
• Sono presenti molti contenuti scritti, con poche immagini e/o altra formattazione come le espansioni su una pagina.

È importante ricordare che i modelli utilizzati per riassumere le pagine e i blog utilizzando l'IA a volte possono presentare comportamenti imprecisi, incompleti o inaffidabili a causa del modo in cui funzionano.

Ad esempio, le risposte che ricevi potrebbero non riflettere con precisione i contenuti su cui si basano o potrebbero includere contenuti che sembrano ragionevoli ma sono incompleti o non affidabili.

Nel lavoro continuo di miglioramento del supporto per macro e tabelle, così come dell'espansione dei riepiloghi, abbiamo scoperto che riassumere pagine e blog con Rovo è meno utile negli scenari seguenti:

• ti servono informazioni aggiornate e accurate su persone, luoghi e fatti.
• Ti serve un riepilogo di una pagina di Confluence molto breve in cui non ci sono contenuti sufficienti.
• Ti serve un riepilogo di una pagina di Confluence in cui la maggior parte del contenuto è in tabelle o si espande.
• Ti serve un riepilogo di una pagina di Confluence con la maggior parte del contenuto in macro.

Ti invitiamo a pensare alle situazioni in cui usi Rovo e a verificare la qualità delle risposte che ricevi prima di condividerle con gli altri.

Altri fattori da considerare:

• Chiedere a Rovo di riepilogare le pagine che sono ricche di contenuti testuali.

Sappiamo che potresti avere domande su come vengono utilizzati i dati dall'IA per l'automazione di Confluence. Questa sezione integra le informazioni disponibili nella nostra pagina delle domande frequenti.

Elaboriamo:

• I tuoi suggerimenti (input) e risposte (output).

• Il contesto della tua istanza pertinente al tuo prompt, ad esempio i contenuti della pagina di Confluence che vuoi riassumere.

• Dati su come interagisci con le nostre funzionalità, come i dati clickstream e le persone con cui lavori

• Feedback che scegli di fornire su questa funzionalità, inclusi eventuali suggerimenti o risposte che scegli di condividere come parte del tuo commento.

Per quanto riguarda i dati, nell'ambito del riepilogo di pagine e blog con Rovo, si applicano le seguenti misure:

• I tuoi suggerimenti (input) e risposte (output):
  • Non sono disponibili per gli altri clienti.
  • Non vengono inviati a fornitori terzi di LLM diversi da OpenAI o Google.

  • Non sono archiviati dai fornitori di LLM.

  • Non vengono utilizzati per migliorare i modelli di LLM.
  • Vengono utilizzati solo per elaborare la tua esperienza.
• Tutti i fornitori terzi di LLM sono sub-responsabili del trattamento dei dati e sono elencati nella nostra pagina specifica. Questi fornitori usano i dati che inserisci e le risposte che ricevi solo ed esclusivamente per l'elaborazione della tua richiesta.
• Questa funzionalità eredita le autorizzazioni dell'istanza. Ad esempio, se non hai accesso a una pagina di Confluence, questa funzione non verrà mostrata e non potrai creare il riepilogo di una pagina con Rovo. Se non vuoi che i contenuti vengano resi disponibili ad altri utenti nell'istanza, contatta l'amministratore dell'organizzazione per assicurarti che le autorizzazioni siano impostate in modo appropriato.

La definizione di termini con Rovo in Confluence e Jira è basata su modelli linguistici di grandi dimensioni sviluppati da OpenAI, Google e Anthropic, così come su una combinazione di modelli linguistici di grandi dimensioni Open Source (tra cui le serie Llama, Phi e Mixtral) e su altri modelli di machine learning. Questi includono le serie di modelli GPT di Open AI, Gemini di Google e Claude di Anthropic.

Rovo utilizza questi modelli per analizzare e generare risposte basate sul linguaggio naturale all'interno di Confluence e Jira.

Questi modelli generano risposte in base ai tuoi input e sono di natura probabilistica. Ciò significa che le loro risposte vengono generate prevedendo la parola o il testo successivo più probabile, in base ai dati su cui sono stati formati.

Leggi di più sulle funzionalità dei modelli di OpenAI, dei modelli di Google e dei modelli di Anthropic. Per ulteriori informazioni sui modelli linguistici Open Source, vedi le informazioni sulla serie Llama.

Una delle cose più difficili del consumo di contenuti su Confluence e Jira è comprendere il contesto necessario per capire cosa stai leggendo. Abbreviazioni, acronimi, termini sconosciuti e nomi specifici del team o del progetto possono portare a una lunga e tediosa ricerca delle informazioni di cui hai bisogno.

La definizione dei termini con Rovo metterà a disposizione i termini specifici dell'azienda (come acronimi, nomi di progetto, sistema o team) in una pagina in Confluence o nella descrizione di un ticket in Jira. Questo garantisce agli utenti le informazioni di cui hanno bisogno e quando ne hanno bisogno; inoltre, aiuta i team a lavorare meglio insieme.

Rovo può farti risparmiare tempo definendo queste cose per te, senza distrarti da ciò che stai leggendo.

Se trovi una definizione che ritieni imprecisa, puoi modificarla o aggiungerne una nuova, quindi impostare la visibilità per quella pagina o quel ticket, per l'intero spazio o progetto, oppure accedere all'intera organizzazione.

Riteniamo che definire i termini con Rovo in Confluence e Jira funzioni in maniera ottimale negli scenari in cui:

• Un'azienda ha più pagine nell'istanza di Confluence che menzionano, descrivono o spiegano a quale termine specifico fa riferimento Rovo.

È importante ricordare che i modelli utilizzati per definire i termini con Rovo in Confluence a volte possono presentare comportamenti imprecisi, incompleti o inaffidabili a causa del modo in cui funzionano.

Ad esempio, le risposte che ricevi potrebbero non riflettere con precisione i contenuti su cui si basano o potrebbero includere contenuti che sembrano ragionevoli ma sono incompleti o non affidabili.

Abbiamo scoperto che definire i termini utilizzando l'IA in Confluence è meno utile negli scenari in cui:

• ti servono informazioni attuali e accurate su persone, luoghi e fatti.
• non disponi di un contesto completo sul termine all'interno di quell'istanza di Confluence (ad esempio, se non ci sono pagine che menzionano il termine specifico, la definizione di quel termine non verrà generata con precisione).
• La definizione richiede l'accesso ai contenuti di Confluence per cui non disponi delle autorizzazioni di visualizzazione
• l'utente tenta di definire più termini anziché uno singolo alla volta.

Inoltre, in Jira, abbiamo anche scoperto che, poiché la definizione dei termini con Rovo si basa sulla ricerca in Confluence, la funzione sarà disponibile in Jira solo se disponi delle autorizzazioni di visualizzazione di un'istanza di Confluence nello stesso sito dell'istanza di Jira.

È anche possibile che la definizione di termini con Rovo non funzioni come previsto negli spazi di Confluence o nelle istanze di Jira che contengono contenuti scritti in più lingue.

Comprendiamo che potresti avere domande su come la definizione di termini con Rovo usa i dati. Questa sezione integra le informazioni disponibili nella nostra pagina delle domande frequenti.

Elaboriamo:

• I tuoi suggerimenti (input) e risposte (output).
• Contesto tratto dalla tua istanza pertinente alla richiesta, come il termine che desideri definire.
• Dati su come interagisci con le nostre funzionalità, come i dati clickstream e le persone con cui lavori.
• Feedback che scegli di fornire su questa funzionalità, inclusi eventuali suggerimenti o risposte che scegli di condividere come parte del tuo commento.

Per quanto riguarda i dati, alla definizione di termini con Rovo si applicano le seguenti misure:

• I tuoi suggerimenti (input) e risposte (output):
  • Non sono disponibili per gli altri clienti.

  • Non vengono inviati a nessun fornitore di LLM di terze parti diverso da OpenAI, Google o Anthropic su AWS Bedrock.

  • Non sono archiviati dai fornitori di LLM.
  • Non vengono utilizzati per migliorare i modelli di LLM.
  • Vengono utilizzati solo per elaborare la tua esperienza.
• Tutti i fornitori terzi di LLM sono sub-responsabili del trattamento dei dati e sono elencati nella nostra pagina specifica. Questi fornitori usano i dati che inserisci e le risposte che ricevi solo ed esclusivamente per l'elaborazione della tua richiesta.
• Questa funzionalità segue le autorizzazioni di accesso degli utenti esistenti, quindi agli utenti non verrà mostrata una definizione dei contenuti a cui non hanno accesso. Invece, la funzione esegue un pull di contenuti e definizioni solo dalle pagine e dai progetti che l'utente è autorizzato a visualizzare nell'istanza. Se desideri che i contenuti della tua istanza non siano disponibili nelle risposte ad altri utenti, collabora con l'amministratore dell'organizzazione per avere la certezza che le tue autorizzazioni siano impostate in modo appropriato.
• Se un utente modifica o aggiorna una definizione manualmente, la definizione viene archiviata e conservata per 1 anno.

L'IA nelle esperienze di modifica si basa sui modelli linguistici di grandi dimensioni sviluppati da OpenAI e Google. Questi includono le serie di modelli GPT di OpenAI e Gemini di Google.

Rovo utilizza questi modelli per analizzare e generare un linguaggio naturale all'interno dei prodotti.

Questi modelli generano risposte in base ai tuoi input e sono di natura probabilistica. Ciò significa che le loro risposte vengono generate prevedendo la parola o il testo successivo più probabile, in base ai dati su cui sono stati formati.

Scopri di più sulle funzionalità dei modelli di OpenAI e dei modelli di Google.

Rovo aiuta a promuovere una comunicazione efficace tra tutti i team di un'organizzazione per migliorare l'efficienza, il processo decisionale e le procedure.

Riteniamo che l'utilizzo di Rovo nelle esperienze di modifica funzioni in maniera ottimale negli scenari seguenti:

• Trasformazione dei contenuti esistenti per diversi tipi di pubblico. Rovo aiuta a cambiare tono, a migliorare la scrittura e a rendere le informazioni tecniche più facili da comprendere per gli altri team. È la soluzione ideale per i team che vogliono scrivere in modo più professionale e conciso.
• Riepilogo dei contenuti esistenti. Con Rovo, puoi trasformare note approssimative in utile documentazione strategica, articoli della knowledge base, piani di campagne e altro ancora. Puoi usarlo anche per analizzare le informazioni esistenti per definire piani d'azione ed elementi. Funziona in modo ottimale per le pagine ricche di testo in cui c'è molto contesto da cui attingere.
• Generazione di nuovi contenuti. Rovo ti aiuta a redigere nuovi contenuti come pagine strategiche, panoramiche di progetto, note di rilascio o user story. Funziona in maniera ottimale quando i team utilizzano istruzioni chiare e specifiche, con un obiettivo ben definito in mente.

È importante ricordare che i modelli utilizzati per alimentare l'IA nelle esperienze di modifica a volte possono presentare comportamenti imprecisi, incompleti o inaffidabili a causa del modo in cui funzionano.

Ad esempio, le risposte che ricevi potrebbero non riflettere con precisione i contenuti su cui si basano o potrebbero includere contenuti che sembrano ragionevoli ma sono incompleti o non affidabili.

Abbiamo scoperto che utilizzare Rovo nelle esperienze di modifica è meno utile negli scenari in cui:

• ti servono informazioni attuali, aggiornate e accurate su persone, luoghi e fatti.
• devi avere accesso a informazioni che non puoi reperire direttamente (ad esempio, nella tua istanza) per rispondere correttamente alla tua richiesta.
• devi generare contenuti in un formato diverso dal markdown standard (ad esempio, generando un pannello informativo da zero).
• devi fare riferimento a informazioni che non sono già presenti nel documento in fase di modifica (ad esempio, contenuti presenti in un altro documento o in un altro prodotto).
• Devi generare e trasformare i contenuti in lingue diverse dall'inglese.

Per questo motivo, ti invitiamo a pensare alle situazioni in cui usi Rovo e a verificare la qualità delle risposte che ricevi prima di condividerle con gli altri.

Altri fattori da considerare:

• Poni delle domande a Rovo nel modo più specifico possibile.
• Scomporre le richieste complesse in task più piccoli e gestibili.
• Incorporare parole chiave rilevanti per migliorare la precisione dei contenuti generati.
• Usare correttamente la grammatica e la punteggiatura nel testo inserito.
• Correggere, rivedere e modificare l'output generato dall'assistente di scrittura IA per ottenere precisione e chiarezza.
• Mettere in pratica diverse istruzioni o varianti del testo inserito per scoprire idee diverse.
• Collaborare con gli altri per raccogliere feedback e migliorare la qualità dell'output.

Sappiamo che potresti avere domande su come vengono utilizzati i dati dall'IA nelle esperienze di modifica. Questa sezione integra le informazioni disponibili nella nostra pagina delle domande frequenti.

Elaboriamo:

• I tuoi suggerimenti (input) e risposte (output).
• Contesto fornito dall'istanza rilevante per la richiesta, come il prodotto da cui hai attivato Rovo.
• Dati su come interagisci con le nostre funzionalità, come i dati clickstream e le persone con cui lavori.
• Feedback che scegli di fornire su questa funzionalità, inclusi eventuali suggerimenti o risposte che scegli di condividere come parte del tuo commento.

Per quanto riguarda i dati, alle esperienze di modifica con Rovo si applicano le seguenti misure:

• I tuoi suggerimenti (input) e risposte (output):
  • Non sono disponibili per gli altri clienti.

  • Non vengono inviati a fornitori terzi di LLM diversi da OpenAI o Google.

  • Non sono archiviati dai fornitori di LLM.
  • Non vengono utilizzati per migliorare i modelli di LLM.
  • Vengono utilizzati solo per elaborare la tua esperienza.
• Tutti i fornitori terzi di LLM sono sub-responsabili del trattamento dei dati e sono elencati nella nostra pagina specifica. Questi fornitori usano i dati che inserisci e le risposte che ricevi solo ed esclusivamente per l'elaborazione della tua richiesta.
• Questa funzionalità segue le autorizzazioni della tua istanza. Ad esempio, se non hai accesso a una determinata pagina di Confluence, i contenuti della pagina non saranno suggeriti nella risposta che ricevi. Se non vuoi che i tuoi contenuti vengano resi disponibili nelle risposte ad altri utenti nella tua istanza, collabora con l'amministratore dell'organizzazione per avere la certezza che le tue autorizzazioni siano impostate in modo appropriato.

Lo strumento di riformattazione dei ticket si basa su vasti modelli linguistici sviluppati da OpenAI, tra cui la serie di modelli GPT di OpenAI.

Rovo utilizza questo modello per analizzare e generare un linguaggio naturale in Jira.

Questi modelli generano risposte in base agli input forniti dall'utente e sono di natura probabilistica. Ciò significa che le loro risposte vengono generate prevedendo la parola o il testo successivo più probabile, in base ai dati su cui sono stati formati.

Leggi di più sulle capacità dei modelli di OpenAI.

Lo strumento di riformattazione dei ticket aiuta ad aumentare la chiarezza delle descrizioni dei ticket Jira riformattandole attraverso un modello sviluppato da Atlassian che copre i tipi di informazioni che generalmente ci aspettiamo di vedere nella descrizione di un ticket Jira, ad esempio una user story, il contesto del lavoro e i criteri di accettazione.

Riteniamo che lo strumento di riformattazione dei ticket funzioni meglio negli scenari in cui le descrizioni dei ticket contengono già informazioni utili (ad esempio criteri di accettazione o link alle fonti) che però non sono formattate utilizzando una struttura chiara o coerente.

È importante ricordare che, per effetto del modo in cui operano, a volte i modelli alla base dello strumento di riformattazione dei ticket possono presentare comportamenti imprecisi, incompleti o inaffidabili.

Ad esempio, la tua descrizione riformattata potrebbe non riflettere con precisione il contenuto su cui si basava o potrebbe includere dettagli che sembrano sensati ma sono falsi o incompleti.

Abbiamo scoperto che lo strumento di riformattazione dei ticket è meno utile in scenari in cui:

• ti servono informazioni attuali e accurate su persone, luoghi e fatti.
• Le descrizioni dei ticket non includono molte informazioni, perché c'è una maggiore probabilità che i modelli alla base dello strumento di riformattazione dei ticket aggiungano informazioni che non erano incluse nella descrizione originale.

Per questo motivo, ti invitiamo a pensare alle situazioni in cui usi Rovo e a verificare la qualità delle risposte che ricevi prima di condividerle con gli altri. Prima di iniziare a usare lo strumento, potresti anche pensare di esaminare le descrizioni dei ticket e verificare che includano tutte le informazioni pertinenti.

Comprendiamo che potresti avere domande su come lo strumento di riformattazione dei ticket utilizza i tuoi dati. Questa sezione integra le informazioni disponibili nell'Atlassian Trust Center.

Elaboriamo:

• I tuoi suggerimenti (input) e risposte (output).
• Contesto della tua istanza pertinente al prompt, ad esempio descrizione e riepilogo del ticket Jira.
• Dati su come interagisci con le nostre funzionalità, come i dati clickstream e le persone con cui lavori.
• Feedback che scegli di fornire su questa funzionalità, inclusi eventuali suggerimenti o risposte che scegli di condividere come parte del tuo commento.

Per quanto riguarda i tuoi dati, lo strumento di riformattazione dei ticket applica le misure seguenti:

• I tuoi suggerimenti (input) e risposte (output):
  • Non sono disponibili agli altri clienti
  • Non vengono inviati a nessun provider LLM di terze parti diverso da OpenAI.
  • Non vengono archiviati da OpenAI.
  • Non vengono utilizzati per migliorare i modelli di OpenAI.
  • Vengono utilizzati solo per elaborare la tua esperienza.
• OpenAI è un subresponsabile del trattamento nel nostro elenco di subresponsabili del trattamento. Questi fornitori usano i dati che inserisci e le risposte che ricevi solo ed esclusivamente per l'elaborazione della tua richiesta.
• Questa funzionalità utilizza solo le informazioni disponibili nel ticket Jira e viene richiamata dal ticket Jira. Pertanto, può essere richiamata solo da un utente che dispone dell'autorizzazione a visualizzare il ticket e non accederà a nessun'altra informazione.

Scopri di più sull'uso di Rovo

Il riepilogo dei dettagli dei ticket utilizzando l'IA si basa sui modelli linguistici di grandi dimensioni sviluppati da OpenAI e Google. Questi includono le serie di modelli GPT di OpenAI e Gemini di Google.

Rovo utilizza questi modelli per analizzare e generare un linguaggio naturale all'interno dei prodotti.

Questi modelli generano risposte in base ai tuoi input e sono di natura probabilistica. Ciò significa che le loro risposte vengono generate prevedendo la parola o il testo successivo più probabile, in base ai dati su cui sono stati formati.

Scopri di più sulle funzionalità dei modelli di OpenAI e dei modelli di Google.

Invece di leggere lunghe descrizioni e numerosi commenti su un ticket di Jira Service Management, puoi usare Rovo per riassumere rapidamente queste informazioni. Ciò aiuta gli agenti a comprendere rapidamente il contesto del ticket e gli eventuali progressi compiuti, consentendo di agire in modo tempestivo e fornire assistenza quanto prima.

Riteniamo che riassumere i dettagli del ticket utilizzando Rovo sia la soluzione ottimale per:

• Ticket con descrizione e commenti in inglese.
• Ticket con un gran numero di commenti e/o commenti e descrizioni lunghi.

È importante ricordare che i modelli utilizzati per riassumere i dettagli dei ticket utilizzando l'IA a volte possono presentare comportamenti imprecisi, incompleti o inaffidabili a causa del loro funzionamento.

Ad esempio, le risposte che ricevi potrebbero non riflettere con precisione i contenuti su cui si basano o potrebbero includere contenuti che sembrano ragionevoli ma sono incompleti o non affidabili.

Abbiamo scoperto che riassumere i dettagli dei ticket utilizzando Rovo è meno utile negli scenari in cui:

• Stai usando una lingua diversa dall'inglese
• Non è presente la cronologia o i dettagli del ticket

Per questo motivo, ti invitiamo a pensare alle situazioni in cui usi Rovo e a verificare la qualità delle risposte che ricevi prima di condividerle con gli altri.

Sappiamo che potresti avere domande su come il riepilogo dei dettagli del ticket tramite l'IA utilizza i dati. Questa sezione integra le informazioni disponibili nella nostra pagina delle domande frequenti.

Elaboriamo:

• I tuoi suggerimenti (input) e risposte (output).
• Il contesto della tua istanza pertinente al tuo prompt include dettagli su Jira Service. Problema di gestione, come la descrizione del ticket, i commenti e gli utenti coinvolti in esso.
• Dati su come interagisci con le nostre funzionalità, come i dati clickstream e le persone con cui lavori
• Feedback che scegli di fornire su questa funzionalità, inclusi eventuali suggerimenti o risposte che scegli di condividere come parte del tuo commento.

Per quanto riguarda i dati, nell'ambito del riepilogo dei dettagli del ticket con Rovo, si applicano le seguenti misure:

• I tuoi suggerimenti (input) e risposte (output):
  • Non sono disponibili per gli altri clienti.

  • Non vengono inviati a nessun fornitore di LLM di terze parti diverso da OpenAI, Google o Anthropic su AWS Bedrock.

  • Non sono archiviati dai fornitori di LLM.
  • Non vengono utilizzati per migliorare i modelli di LLM.
  • Vengono utilizzati solo per elaborare la tua esperienza.
• Tutti i fornitori terzi di LLM sono sub-responsabili del trattamento dei dati e sono elencati nella nostra pagina specifica. Questi fornitori usano i dati che inserisci e le risposte che ricevi solo ed esclusivamente per l'elaborazione della tua richiesta.
• Questa funzionalità segue le autorizzazioni della tua istanza. Solo gli agenti e gli amministratori di progetto possono visualizzare il pulsante Riepiloga.

I riassunti dei link intelligenti di Atlassian Intelligence (AI) sono basati su modelli linguistici di grandi dimensioni sviluppati da OpenAI, Google e Anthropic, su una combinazione di modelli linguistici di grandi dimensioni open source (tra cui la serie Llama, la serie Phi e la serie Mixtral) e su altri modelli di machine learning. Questi modelli linguistici di grandi dimensioni includono la serie di modelli GPT di Open AI, la serie di modelli Gemini di Google e la serie di modelli Claude di Anthropic.

Atlassian Intelligence utilizza questi modelli per analizzare e generare un linguaggio naturale all'interno dei nostri prodotti.

Questi modelli generano risposte in base ai tuoi input e sono di natura probabilistica. Ciò significa che le loro risposte vengono generate prevedendo la parola o il testo successivo più probabile, in base ai dati su cui sono stati formati.

Leggi di più sulle funzionalità dei modelli di OpenAI, dei modelli di Google e dei modelli di Anthropic. Per ulteriori informazioni sui modelli di linguaggio open source, vedi le informazioni sulla serie Llama e sulla serie Phi.

Dopo aver passato il mouse su un link intelligente di Jira, Confluence e Documenti Google, Atlassian Intelligence può aiutarti a riassumere il contenuto, consentendoti così di determinare l'importanza e il valore del link e di decidere la tua prossima azione. Questo riduce la necessità di lasciare la pagina corrente e cambiare contesto.

Riteniamo che Riepiloga Link intelligenti con l'IA funzioni meglio negli scenari in cui:

• Stai visualizzando una pagina o un ticket con uno o più Link intelligenti.
• Stai visualizzando una pagina o un ticket con uno o più Link intelligenti che contengono molte informazioni o contenuti densi, che sottrarrebbero tempo e distoglierebbero l'attenzione dai contenuti più importanti.

È importante tenere in considerazione che, per effetto del modo in cui opera Riepiloga Link intelligenti con l'IA, i modelli alla base di questa funzione possono talvolta presentare comportamenti imprecisi, incompleti o inaffidabili.

Ad esempio, i riepiloghi che ricevi potrebbero non riflettere con precisione i contenuti su cui si basano o potrebbero includere contenuti che sembrano ragionevoli ma sono incompleti o non affidabili.

Abbiamo scoperto che Riepiloga Link intelligenti con l'IA è meno utile negli scenari in cui:

• ti servono informazioni aggiornate e accurate su persone, luoghi e fatti.
• Devi riepilogare contenuti incredibilmente brevi.
• Devi riepilogare tutti i metadati e il contenuto in un link. Ad esempio, se desideri comprendere tutti i valori dei campi di un ticket Jira, nonché la sua descrizione e il contenuto dei commenti.

Per questo motivo, ti invitiamo a pensare alle situazioni in cui usi Atlassian Intelligence e a verificare la qualità delle risposte che ricevi prima di condividerle con gli altri.

Sappiamo che potresti avere domande su come effettuare il riepilogo dei dettagli del ticket tramite Atlassian Intelligence utilizza i tuoi dati. Questa sezione integra le informazioni disponibili nella nostra pagina delle domande frequenti.

Elaboriamo:

• I tuoi suggerimenti (input) e risposte (output).
• Il contesto della tua istanza pertinente al tuo prompt, ad esempio i contenuti del link che vuoi riepilogare.
• Dati su come interagisci con le nostre funzionalità, come i dati clickstream e le persone con cui lavori.
• Feedback che scegli di fornire su questa funzionalità, inclusi eventuali risposte che scegli di condividere come parte del tuo commento.

Per quanto riguarda i tuoi dati, Riepiloga Link intelligenti con l'IA applica le misure seguenti.

• I tuoi riepiloghi:
  • Non sono disponibili per gli altri clienti.

  • Non vengono inviati a nessun fornitore di LLM di terze parti diverso da OpenAI, Google o Anthropic su AWS Bedrock.

  • Non sono archiviati dai fornitori di LLM.
  • Non vengono utilizzati per migliorare i modelli di LLM.
  • Vengono utilizzati solo per elaborare la tua esperienza.
• Tutti i fornitori terzi di LLM sono sub-responsabili del trattamento dei dati e sono elencati nella nostra pagina specifica. Questi fornitori usano i dati che inserisci e le risposte che ricevi solo ed esclusivamente per l'elaborazione della tua richiesta.

• Questa funzione segue le autorizzazioni della tua istanza. Ad esempio, se non hai accesso a una pagina o a un ticket in Jira, Confluence o Google, non sarai in grado di riepilogare i contenuti di quella fonte. Se desideri che i contenuti della tua istanza non siano disponibili nelle risposte ad altri utenti, collabora con l'amministratore dell'organizzazione per avere la certezza che le tue autorizzazioni siano impostate in modo appropriato.

I riepiloghi creati con l'IA in Jira si basano su modelli linguistici di grandi dimensioni sviluppati da OpenAI, tra cui i modelli OpenAI descritti qui.

Atlassian Intelligence utilizza questi modelli per analizzare e generare un linguaggio naturale all'interno dei nostri prodotti.

Questi modelli generano risposte in base agli input forniti dall'utente e sono di natura probabilistica. Ciò significa che le risposte vengono generate prevedendo la parola o il testo successivo più probabile, in base ai dati su cui sono stati formati.

Scopri di più sulle funzionalità dei modelli di OpenAI o su questo approccio nei documenti di ricerca di OpenAI.

Invece di leggere lunghe descrizioni e una serie di commenti relativi a un ticket di Jira, puoi usare Atlassian Intelligence per ottenere rapidamente un riassunto di queste informazioni. Ciò aiuta gli agenti a comprendere rapidamente il contesto del ticket e gli eventuali avanzamenti compiuti, così che potranno agire in modo tempestivo e fornire assistenza quanto prima.

Riassumere i dettagli dei ticket con Atlassian Intelligence è la soluzione perfetta per quei ticket con un numero elevato di commenti e/o descrizioni e commenti particolarmente lunghi.

Non bisogna sottovalutare che, per loro natura, i modelli su cui si basano i riepiloghi creati con l'IA in Jira a volte si comportano in modo impreciso, incompleto o inaffidabile.

Ad esempio, le risposte che ricevi potrebbero non riflettere con precisione i contenuti su cui si basano o potrebbero includere contenuti che sembrano ragionevoli ma sono incompleti o non affidabili.

Abbiamo scoperto che riassumere i dettagli dei ticket utilizzando Atlassian Intelligence è meno utile nei casi in cui:

• Non è presente la cronologia o i dettagli del ticket
• Il ticket ha più di 100 commenti (verranno riassunti solo gli ultimi 100 commenti)

Per questo motivo, ti invitiamo a pensare alle situazioni in cui usi Atlassian Intelligence e a verificare la qualità delle risposte che ricevi prima di condividerle con gli altri.

Sappiamo che potresti avere domande su come effettuare il riepilogo dei dettagli del ticket tramite Atlassian Intelligence utilizza i tuoi dati. Questa sezione integra le informazioni disponibili nell'Atlassian Trust Center.

Elaboriamo:

• Le tue richieste (input) e risposte (output).
• Contesto dell'istanza pertinente al prompt, inclusi i dettagli sul ticket di Jira, come la descrizione del ticket, i commenti e gli utenti coinvolti.
• Dati su come interagisci con le nostre funzionalità, come i dati clickstream e le persone con cui lavori.
• Feedback che scegli di fornire su questa funzionalità, inclusi eventuali suggerimenti o risposte che scegli di condividere come parte del tuo commento.

Per quanto riguarda i tuoi dati, al riepilogo dei dettagli del ticket tramite Atlassian Intelligence si applicano le seguenti misure:

• Le tue richieste (input) e risposte (output):
  • Non sono disponibili per gli altri clienti.
  • Non vengono inviati a fornitori terzi di LLM diversi da OpenAI.
  • Non vengono archiviati da OpenAI.
  • Non vengono utilizzati per migliorare i modelli OpenAI.
  • Vengono utilizzati solo per elaborare la tua esperienza.
• OpenAI è un sub-responsabile del trattamento nella nostra lista di sub-responsabili del trattamento. Usa i dati che inserisci e le risposte che ricevi solo ed esclusivamente per elaborare le tue richieste.
• Questa funzionalità eredita le autorizzazioni della tua istanza. Questa funzionalità utilizza solo le informazioni disponibili nel ticket Jira e viene richiamata dal ticket Jira. Pertanto, può essere richiamata solo da un utente che dispone dell'autorizzazione a visualizzare il ticket e non accederà a nessun'altra informazione.

La Ripartizione del lavoro con l'IA si basa su modelli linguistici di grandi dimensioni sviluppati da OpenAI.

Atlassian Intelligence utilizza questi modelli per analizzare e generare un linguaggio naturale all'interno dei nostri prodotti.

Questi modelli generano risposte in base agli input forniti dall'utente e sono di natura probabilistica. Ciò significa che le loro risposte vengono generate prevedendo la parola o il testo successivo più probabile, in base ai dati su cui sono stati formati.

Scopri di più sulle capacità dei modelli di OpenAI o su questo approccio nei documenti di ricerca di OpenAI.

La Ripartizione del lavoro con l'IA suggerisce ticket subordinati in base al ticket che hai creato in Jira e semplifica la suddivisione di ticket di grandi dimensioni in sezioni più piccole. Il ticket viene utilizzato come contesto per generare suggerimenti per i riepiloghi e le descrizioni dei ticket subordinati.

A nostro avviso, la Ripartizione del lavoro con l'IA funziona meglio nei seguenti scenari:

• Quando si parte da un ticket con un riepilogo e una descrizione dettagliati, che comprendano eventuali vincoli, istruzioni e definizioni di "completato".
• Il ticket iniziale non contiene ticket subordinati esistenti.

Non bisogna sottovalutare che, per loro natura, i modelli su cui si basa la Ripartizione del lavoro con l'IA si comportano a volte in modo impreciso, incompleto o inaffidabile.

Ad esempio, le risposte che ricevi potrebbero non riflettere con precisione i contenuti su cui si basano o potrebbero includere contenuti che sembrano ragionevoli ma sono incompleti o non affidabili.

Abbiamo riscontrato che la Ripartizione del lavoro con l'IA è meno efficace nei seguenti scenari:

• Ti servono informazioni attuali e accurate su persone, luoghi e fatti.
• Quando non si parte da una descrizione e un riepilogo del ticket dettagliati (ad esempio, se si tenta di generare suggerimenti relativi al ticket subordinato partendo da un ticket con una descrizione molto concisa e generale).

Per questo motivo, ti invitiamo a pensare alle situazioni in cui usi Atlassian Intelligence e a verificare la qualità delle risposte che ricevi prima di condividerle con gli altri.

Altri fattori da considerare:

• Esprimere nel modo più specifico possibile ciò che chiedi di fare ad Atlassian Intelligence.
• Fornire quante più informazioni possibili nel riepilogo e nella descrizione del ticket di partenza.

È normale avere domande sul modo in cui la Ripartizione del lavoro con l'IA utilizza i tuoi dati. Questa sezione integra le informazioni disponibili nell'Atlassian Trust Center.

Elaboriamo:

• Le tue richieste (input) e risposte (output).
• Contesto dell'istanza pertinente al prompt, inclusi i dati del ticket (come il riepilogo, la descrizione e i commenti).
• Dati su come interagisci con le nostre funzionalità, come i dati clickstream e le persone con cui lavori.
• Feedback che scegli di fornire su questa funzionalità, inclusi eventuali suggerimenti o risposte che scegli di condividere come parte del tuo commento.

La Ripartizione del lavoro con l'IA applica le misure seguenti per gestire i tuoi dati.

• Le tue richieste (input) e risposte (output):
  • Non sono disponibili agli altri clienti
  • Non vengono inviati a nessun provider LLM di terze parti diverso da OpenAI.
  • Non vengono archiviati da OpenAI.
  • Non vengono utilizzati per migliorare i modelli OpenAI.
  • Vengono utilizzati solo per elaborare la tua esperienza.
• OpenAI è un sub-responsabile del trattamento, incluso nella lista dei nostri sub-responsabili. Usa i dati che inserisci e le risposte che ricevi solo ed esclusivamente per elaborare la tua richiesta.
• Questa funzionalità si attiene alle autorizzazioni della tua istanza (è cioè necessario poter accedere al ticket per generare suggerimenti relativi ai ticket subordinati). Se non vuoi che i tuoi contenuti siano disponibili nelle risposte generate da altri utenti, contatta l'amministratore dell'organizzazione per verificare di aver impostato correttamente le autorizzazioni.

Scopri di più sull'utilizzo di Atlassian Intelligence