Jak vytváříme hodnotu pomocí nástrojů Atlassian Rovo a Forge
Proč je přizpůsobení klíčem k získání skutečné hodnoty z Rovo AI
V dnešní době slýcháme o umělé inteligenci všude a neustále. Mění způsob, jakým pracujeme, automatizuje úkoly a otevírá možnosti, o kterých jsme před pár lety ani nesnili. Společnost Atlassian se svými funkcemi umělé inteligence, a zejména s nástrojem Rovo, patří mezi lídry v této oblasti. Možnosti nástroje Rovo jsou obrovské. Díky hluboké integraci do ekosystému Atlassian a chystané všeobecné dostupnosti může skutečně přinést zásadní změnu.
Očekávání však někdy neodpovídají první zkušenosti. Důvodem je, že nástroje dodávané v základním nastavení nefungují okamžitě pro každý případ použití. Klíčem je pochopit, jak Rovo funguje, jaké jsou jeho limity a jaké možnosti rozšíření existují. Rovo Chat se svými výchozími agenty již dokáže mnoho. Pro spolehlivá řešení, která přinášejí skutečnou hodnotu, je však nutné přizpůsobení.
Prvním krokem je vytvoření agentů v Rovo Studio. Tam můžete definovat konkrétní pokyny, propojit různé zdroje dat a pomocí předdefinovaných akcí upravovat data v Atlassianu nebo v jiných aplikacích. Funguje to dobře a rozhodně stojí za to tyto možnosti nejprve vyzkoušet.
Existují případy, kdy nestačí pouhé zadávání pokynů a konfigurace datových zdrojů či akcí. Zejména pokud některé funkce ještě nejsou k dispozici, nebo pokud máte specifické požadavky či logiku, pro které není obecný nástroj vhodným řešením. V takových případech můžete vytvořit specializované agenty Rovo na platformě Atlassian Forge. Možnosti jsou zde téměř neomezené. Právě v této oblasti přinášíme našim zákazníkům jako odborníci na Forge a umělou inteligenci největší přidanou hodnotu.
Co jsme dosud s Rovo zavedli:
AQL Helper pro Jira Assets
Aplikace pro Marketplace, která převádí vaše dotazy v přirozeném jazyce na přesné dotazy v jazyce AQL – díky čemuž můžete vyhledávat, filtrovat a analyzovat svá aktiva, aniž byste museli napsat jediný řádek kódu. Ať už spravujete inventář hardwaru, sledujete licence nebo provádíte audit dodržování předpisů, AQL Helper porozumí vašemu schématu, připraví správný dotaz v jazyce AQL a výsledky vám zobrazí během několika sekund.
Klasifikace příchozích marketingových kontaktů
Disponujeme různými zdroji marketingových kontaktů, které zpracováváme v Jira a Jira Assets. Vytvořili jsme agenta Rovo s pokyny, znalostmi o našich produktech a službách a doplňujícími informacemi a začlenili jsme ho do Jira Automation. Výsledkem je, že všechny příchozí potenciální zákazníky jsou automaticky přiřazeny k příslušnému produktu a službě. To výrazně urychluje marketingový proces. Podobný scénář by bylo možné implementovat také v Service Desku pro klasifikaci ticketů.
Automatické přiřazování kontaktů a účtů v systému CRM
Naše CRM jsme postavili na platformách Jira a Jira Assets. Původně jsme účty a kontakty pro tikety vytvářeli a přiřazovali ručně. Jednalo se o velmi časově náročný proces, při kterém často docházelo k chybám. Nyní to za nás automaticky na pozadí zajišťuje specializovaný agent Rovo. K tomu jsme museli vytvořit vlastního agenta založeného na platformě Forge. Nejprve jsme museli umožnit práci s Jira Assets a všemi vlastními poli (což nebylo k dispozici v základním nastavení). Poté jsme museli implementovat speciální logiku pro tento úkol. Mezi kontakty a účty existuje závislost a existují různé způsoby, jak z zdrojových informací (tiketu) rozpoznat příslušnou společnost. Po několika vylepšeních máme tento krok nyní plně automatizovaný s velmi nízkou mírou chybných předpovědí.
Automatické odstranění podpisu z lístků
E-mail používáme jako zdroj pro tikety v Service Desku a marketingu, ale příchozí zprávy často obsahují firemní podpisy. Ty zbytečně zaplňují popisy a komentáře v Jira, zabírají místo v uživatelském rozhraní a narušují fungování nástrojů umělé inteligence, jako je Rovo.
Vzhledem k tomu, že se podpisy jednotlivých uživatelů liší a v průběhu času se mění, potřebovali jsme řešení založené na umělé inteligenci, které by je dokázalo flexibilně rozpoznávat. Další výzvou byla pole pro formátovaný text: jednoduchá automatizace narušovala formátování a obrázky, zatímco práce s HTML přes API by byla příliš složitá.
Abychom tento problém vyřešili, vytvořili jsme agenta Rovo založeného na platformě Forge, který automaticky odstraňuje podpisy a přitom zachovává formátování i multimediální soubory.
Pojďme si promluvit o vašich příkladech použití a nápadech
Škála možných případů použití je téměř neomezená. Jsme přesvědčeni, že téměř každý úkol v Jira nebo Confluence, který se dnes provádí ručně, lze pomocí Rovo alespoň do určité míry automatizovat. A existují i další možnosti, o kterých zatím ani nevíme – ty objevíme až později, jakmile si osvojíme způsob práce založený na umělé inteligenci.
Jaké máte zkušenosti? Jaké scénáře použití byste chtěli pomocí Rovo automatizovat? Co se vám osvědčilo a na jaké potíže jste narazili? Velmi rádi bychom se o to s vámi podělili, a proto pořádáme Atlassian Rovo v praxi: Interaktivní online workshop. Nejedná se o webinář, ale o prostor pro diskusi a sdílení zkušeností. Během dosavadních setkání jsme vyslechli mnoho zajímavých nápadů na využití Rovo a také jsme se podělili o naše vlastní zkušenosti a postřehy.
Pokud vás Rovo zaujalo a rádi byste si popovídali o možnostech jeho využití ve vašem konkrétním případě, neváhejte se zaregistrovat na jeden z dostupných termínů. Pokud vám žádný z nich nevyhovuje, dejte nám prosím vědět v komentáři nebo zprávě, jaký datum a čas by vám vyhovovaly, a my se pokusíme to zařídit.
Klíčové kontakty:
Petr Sýkora
Matej Štrba
Martin Fischer
Další informace:
AI Screenshots Insights pro Jira vs. schopnosti OCR Rovo
Možnosti OCR Rovo: Od chytrého chatu po plnou automatizaci Při práci s nástroji Rovo a AI v nástrojích Atlassian hraje porozumění obrazu klíčovou roli v tom, jak efektivně mohou týmy získávat a využívat informace. Dnes se podíváme na rozdíly mezi tím, jak Rovo a naše aplikace AI Screenshot Insights pro Jira pracují s OCR (optickým rozpoznáváním znaků),
Jak vytváříme hodnotu pomocí nástrojů Atlassian Rovo a Forge
Proč je přizpůsobení klíčem k získání skutečné hodnoty z Rovo AI V dnešní době slýcháme o umělé inteligenci všude a neustále. Mění způsob, jakým pracujeme, automatizuje úkoly a otevírá možnosti, o kterých jsme před pár lety ani nesnili. Společnost Atlassian se svými funkcemi umělé inteligence, a zejména s nástrojem Rovo, patří mezi lídry v této oblasti. Možnosti nástroje Rovo
Předvyplnění polí v Jira Assets (Rovo Agent)
Automatické vyplňování polí v Jira Asset na základě kontextu úkolu Aplikace Smart Assets Suggestions a její agent Rovo vám pomohou ušetřit čas a zajistit přesnost dat díky automatickému předpovídání hodnot v uživatelských polích Jira Assets v vašich pracovních položkách v Jira. Na základě popisu problému a kontextu agent inteligentně navrhne a vyplní příslušné objekty prostředků. Ruční výběr