Maak teamwork mogelijk met AI die op verantwoorde wijze is samengesteld

Rovo combineert open source, zelf gehoste modellen en modellen gehost door derden, om een kunstmatige-intelligentie-ervaring te bieden die is afgestemd op jou, je teams en je workflows.

Deze LLM-providers slaan de input en output van klanten niet op en gebruiken deze gegevens ook niet om hun diensten te trainen. Deze aanpak geeft prioriteit aan de privacy van je gegevens gedurende het hele proces.

Bekijk deze pagina voor meer informatie over de technologie die de basis vormt van onze mogelijkheden van Rovo.

Bekijk deze veelvoorkomende usecases en prompts om te beginnen. Deze usecases kunnen je helpen je taken sneller uit te voeren met Rovo-agents, Rovo Chat en Rovo-zoeken.

Sommige modellen die worden gebruikt in onze AI-gedreven functies genereren reacties op basis van jouw input en zijn probabilistisch van aard. Dit betekent dat hun antwoorden worden gegenereerd door het/de meest waarschijnlijke volgende woord/tekst te voorspellen op basis van de gegevens waarmee de modellen zijn getraind. Houd er bovendien rekening mee dat de resultaten van Rovo ook gebaseerd zijn op rechten en daarom per gebruiker kunnen verschillen.

Door deze benadering gedragen deze modellen zich soms op manieren die onnauwkeurig, onvolledig of onbetrouwbaar zijn. De responses die je krijgt, kunnen bijvoorbeeld geen nauwkeurige weergave geven van de inhoud waarop ze zijn gebaseerd of ze genereren inhoud die redelijk klinkt maar onvolledig is en waar je niet van op aan kunt.

We willen je aansporen om na te denken over de situaties waarin je deze functies gebruikt. In gevallen waarin je actuele en nauwkeurige informatie over mensen, plaatsen en feiten nodig hebt, kun je het bijvoorbeeld beter niet gebruiken. Ook raden we je aan de kwaliteit van de reacties die je krijgt te beoordelen voordat je deze met anderen deelt.

Rovo verwerkt de invoer van je gebruiker om de uitvoer te leveren waar je gebruiker om heeft gevraagd. We kunnen ook organisatiegegevens verwerken afkomstig van je site waarvoor de gebruiker het recht heeft deze te bekijken, en deze opnemen in de gebruikersinvoer, zodat LLM's nauwkeurigere, relevantere en contextuele antwoorden kunnen geven.

De LLM-providers die we gebruiken, gebruiken jouw invoer en uitvoer niet om hun service te verbeteren. OpenAI en andere LLM-providers bewaren je invoer en uitvoer niet.

Naast het restrictieve beleid dat we hebben opgezet voor onze LLM-providers, beperken we ook het gebruik en de toegang van klantgegevens binnen ons platform. Input en output van klanten worden alleen gebruikt om individuele klantervaringen te verbeteren. Ze worden niet gebruikt voor modeltrainingen voor klanten.

Atlassian kan je invoer en uitvoer voor beperkte tijd opslaan om latentie te verminderen. Dit doet Atlassian bijvoorbeeld wanneer er een samenvattingspagina wordt weergegeven of als dit nodig is om een functie te kunnen gebruiken, zoals het weergeven van zoekgeschiedenis. Ga naar onze transparantiepagina voor meer informatie over hoe klantgegevens worden gebruikt voor functies.

Als je op de hoogte wilt worden gehouden van belangrijke veranderingen in dit beleid, schrijf je dan hier in.

We gebruiken een breed scala aan open source, door Atlassian gehoste LLM's, waaronder modellen uit de Llama-serie en Mixtral, naast extern gehoste LLM's uit de GPT-modellenserie van OpenAI, de Claude-modellenserie van Anthropic en de Gemini-modellenserie van Google, om klanten de beste resultaten te bieden. Onze functies maken gebruik van dynamisch routeren om de juiste mix van modellen te selecteren die voor elk scenario de beste ervaring en nauwkeurigheid kunnen bieden.

De LLM-providers die we gebruiken, bewaren jouw input en output niet om hun eigen diensten te verbeteren.

Raadpleeg onze lijst van subgegevensverwerkers voor meer informatie over onze extern gehoste LLM-providers. Ga naar onze transparantiepagina voor meer informatie over hoe elke functie gebruikmaakt van LLM's.

Nee, geen van onze LLM-providers slaat de gegevens op die je indient of de antwoorden die je ontvangt.

De gegevens die je indient en de antwoorden die je ontvangt via Rovo worden niet gebruikt om LLM-modellen of diensten te verfijnen of te verbeteren. Voor extern gehoste modellen wordt elk gegevensverzoek afzonderlijk naar de externe provider verzonden via een SSL-gecodeerde service, verwerkt en teruggestuurd naar Atlassian.

Nee. Rovo maakt gebruik van dynamische routering tussen modellen en ondersteunt geen selectie van providers.

Rovo-apps vormen een kernonderdeel van het Atlassian Cloud-platform, net als andere apps (zoals Projecten en Doelen). Deze platform-apps kunnen niet worden verwijderd. Organisatiebeheerders kunnen echter AI-gedreven Rovo-functies voor Atlassian-apps beheren (activeren of deactiveren) in Atlassian-beheer. Houd er rekening mee dat Rovo-functies die niet AI-gedreven zijn, zoals Rovo-zoeken, niet kunnen worden uitgeschakeld.

Meer informatie over het beheren van AI in je apps vind je in onze documentatie. Zie onze documentatie voor een lijst met Rovo-functies die beschikbaar zijn als AI is geactiveerd.

We bieden momenteel alleen een opt-outregeling voor AI-functies op appniveau.

Ter herinnering: de functies Rovo-zoeken, Studio en Bladwijzers zijn altijd beschikbaar en altijd ingeschakeld, omdat ze nu deel uitmaken van het Atlassian-platform. Meer informatie over de beschikbare opt-outregeling vind je in onze documentatie.

Je kunt ook een allowlist of blocklist configureren om de inhoud te beperken die door Rovo wordt geïndexeerd van Google Drive en Microsoft SharePoint. Informatie over het configureren van een allowlist of blocklist vind je in onze documentatie.

When using Atlassian-hosted LLMs, there will be slight variations in performance and latency due to different LLM options available to Rovo. Typically, Rovo dynamically routes requests between third-party and Atlassian-hosted LLMs to select the best model based on the user request. However, with Atlassian-hosted LLMs, Rovo’s AI-powered features rely solely on models within the Atlassian Cloud boundary.