Brief Introduction to Atlassian Intelligence-社区分享版
Team '23 宣发 AI 能力（虚拟队友）
背景介绍
Atlassian 智能化战略
早在2020年，Atlassian 宣布全面推出 Atlassian Cloud 产品的智能功能，以实现更强大、更无缝的协作体验。新功能包括 Confluence Cloud、Jira Software Cloud 和 Jira Service Management Cloud 中的智能搜索，在 Jira Service Management 中聚集类似的工单。每天提供数百万个智能预测，以简化团队合作，从而提高 IT 团队的效率。
Percept.AI 智能客服 - 服务左移
2022年1月，Atlassian 宣布收购自动化人工智能工具 Percept.AI。Percept.AI 使用人工智能为其虚拟代理技术提供支持，帮助组织自动化一级支持（1st line support）交互，同时允许无缝过渡到人类专家，而不会丢失上下文。
基于大语言模型的 Atlassian Intelligence
Atlassian Intelligence 为我们的团队引入了一位全新的“虚拟队友”，深入了解我们的协作方式以加速工作进程。它利用 Atlassian 内部的 AI 模型，同时与 OpenAI 合作，充分发挥人工智能 ChatGPT 的潜力。Atlassian Intelligence 已嵌入于 Atlassian 云平台中，成为跨产品的 AI 能力集合，如同“团队协作”一样，为所有 Atlassian 云产品提供通用技术基础。
团队合作图 Teamwork Graph
Atlassian 团队合作研究
Atlassian 数据科学家汇总了 250 万次聊天交流，形成了来自全球员工的 25,000 多次不同的互动，使用强制算法结合 Python 和 Gephi 创建了如下图所示的网络图可视化。该图中的每个点代表一个 Atlassian 员工，每条线代表聊天中的一个对话。
从这张图中可以看出：所有人紧密联系，看不到很多孤岛，而是一个紧密结合的单元。这看起来很像人类的心脏。Atlassian 是开放式的工作方式，所以想法可以自由地流动，任何人都可以参与进来、提供观点或伸出援手。开放的工作方式向我们展示了大家相互联系、超越传统结构、作为一个坚实的整体共同工作的重要性，或者正如这张图所示：一颗跳动的心。
在整个工程领域，Atlassian 的协作文化在其构建产品的方式中发挥的淋漓尽致。从支持团队到客户倡导团队再到开发团队联系密切，大家密切地关注客户的需求和反馈。使用传统的组织架构图，我们永远无法看到：大家如何能够走出自己的特定领域与他人合作的复杂性。
Atlassian 团队合作理念
Atlassian 将团队合作分解成一个公式：团队合作 = 正确的工具 + 正确的人员 + 正确的实践，以团队为中心，结合强大的文化、成熟的实践和协作工具。
团队合作图
Atlassian 凭借超过20年的数据积累，涵盖数百万软件、IT和业务团队的工作计划、跟踪和交付数据，形成了对团队合作独特而深刻的理解。这些丰富的知识构建了团队合作图的基础，该图以两种最常见的团队合作类型为模型：
基于服务的工作：团队接受传入的帮助请求，并使用自定义工作流和数据，来为员工和客户更高效地解决问题；
基于项目的工作：团队管理从概念到交付的整个项目流程，从路线图、计划、任务、目标和文档管理等全方面管理；
生成式 AI 技术
RAG Chain（检索增强生成）是一种在运行时接收用户查询、从索引中检索相关数据，然后将用户查询和检索到的数据（上下文）构造成提示词（Prompt），传递给聊天模型，并解析输出的过程。
AI 应用场景加速任何类型的工作
Atlassian 云平台中使用 Atlassian Intelligence 的产品有：Atlas、Analytics、Bitbucket、Compass、Confluence、Jira Software、Jira Service Management、Jira Work Management 和 Trello。
即时学习 Learn on the fly
随着组织的不断发展，项目描述、缩写词和术语也在不断演进。理解这些概念的含义以及形成共识是一项相当困难的任务。
回答任何问题
在 Confluence 中回答有关公司机构知识和政策的问题，例如：“我可以花多少钱来设置家庭办公室？以及”如何设置我的开发环境？”
快速总结会议纪要中的决策和行动项目
Atlassian Intelligence 使用 OpenAI 的生成式 AI 技术来创建、总结和提取内容中的信息，使我们的团队能够加快工作速度。
在 Jira Software 中定义产品更新的测试计划
自然语言搜索生成 JQL
释放 Jira 查询语言 (JQL) 的强大功能来查找所有 Jira Cloud 产品中的问题。
Atlassian Analytics 生成 SQL
Atlassian Analytics 通过生成 SQL 实现了对自然语言问题的理解。这意味着用户可以提出问题，并借助Atlassian Analytics 来分析和可视化来自 Atlassian 产品和其他连接的多个来源的数据，而无需深入了解 SQL 编写。
AI Code Reviewer 更快、更全面的代码审查
Atlassian Intelligence 通过提出更改建议来提高代码质量，以便审查人员更快、更全面地完成代码审查。
Atlassian Intelligence 根据提交消息自动生成拉取请求描述
Atlassian Intelligence 会审查拉取请求差异，并自动留下评论以及建议的更改
帮助运营和支持团队加快服务速度
速度是现代服务管理的命脉。员工和客户都期望立即响应并快速解决。 Atlassian Intelligence 为 Jira Service Management 中始终在线的虚拟队友提供支持，可在团队最需要时提供即时帮助。
始终在线的 JSM 虚拟代理 高级版/企业版
JSM 虚拟代理可以直接在 Slack 和 Microsoft Teams 里自动提供支持与人性化交互。员工无需离开他们最喜欢的协作工具即可获得帮助。支持团队借助 Chatbot 转移了重复的请求，使他们能够专注于更重要的工作。设置虚拟代理的速度非常快，无需编码、数据科学或昂贵的顾问。
总结帮助请求相关信息，以使代理了解最新情况
帮助制定深思熟虑的应对措施，让客户在紧张的情况下放松下来
支持人员利用 AI 优化回复的内容，调整语气以展现更专业或富有同理心，同时可以将冗长的知识库文章精炼为简明的指导，使客户在紧张的情境中能够更轻松地理解和采纳建议。
Atlas 简化文本
AI 简化更新按钮：以便更轻松地保持在 280 个字符的限制之内
小结
Atlassian Intelligence 利用内部开发的人工智能和 OpenAI 开发的人工智能，使用项目或服务工作特有的团队合作图，以及内部语言模型和 OpenAI 来提供特定于客户环境的结果。然而，人工智能能为用户做的事情仍然有限，例如：如果开发人员请求人工智能帮助制定最新 iPhone 型号的开发计划，他们必须记住，OpenAI 的数据模型目前仅支持到特定时间（非最新）。因此人工智能将无法告诉用户最新的 iPhone 型号。
Atlassian 拥有 OpenAI 独立的专用基础设施，并与他们签订了一系列协议。通过 Atlassian Intelligence 提交的数据和收到的回复不会用于微调或改进 OpenAI 的模型或服务。每个数据请求都会通过 SSL 加密服务单独发送到 OpenAI，进行处理并发返回 Atlassian。
尽管 Atlassian Intelligence 很大程度上遵守了公司现有的隐私政策，但 Atlassian 用户也需要选择使用该技术。虽然该技术可以帮助代理制作响应，但只有当用户手动按下发送按钮时才会传递该消息。在没有用户首先确认的情况下，技术永远不应该做任何事情。
Atlassian 将持续探索人工智能的应用场景，以使关键工作流程更加便捷，比如：工作流等配置管理、关于内容或人员的建议、查询与搜索等。Atlassian Intelligence 的发展路线图将在正式发布（GA）后，根据从用户获取的反馈进行动态调整。因此，Altassian 用户有机会尽早使用并积极参与其发展，最终受益于每位 Atlassian 客户。
联系YY哥：
视频号：
公众号：
Q & A