گسترش همکاری Atlassian و OpenAI برای تبدیل دانش سازمانی به اقدام عملی
Atlassian و OpenAI در حال گسترش همکاری خود هستند و مدل‌های پیشرو خانوادهٔ GPT‑6 را در سراسر پلتفرم Atlassian به کار می‌گیرند تا قابلیت‌های مبتنی بر هوش مصنوعی به تیم‌ها در برنامه‌ریزی، ساخت و تحویل کار کمک کنند. ترکیب قابلیت‌های این دو شرکت، راه‌های بیشتری برای کار با محصولات Atlassian و OpenAI در اختیار مشتریان مشترک آن‌ها قرار می‌دهد.
طبق توافقی جدید، مدل‌های پیشرو OpenAI نیروی محرکهٔ عامل‌ها در سراسر پلتفرم Atlassian و Rovo خواهند بود. Rovo هوش OpenAI را با Teamwork Graph شرکت Atlassian ترکیب می‌کند؛ لایه‌ای از اطلاعات زمینه‌ای سازمان که افراد، پروژه‌ها، اسناد و تصمیم‌ها را به هم پیوند می‌دهد و درکی عمیق از شیوهٔ کار شرکت در اختیار هوش مصنوعی می‌گذارد.
گسترش این مشارکت ادامهٔ همکاری‌ای است که در سال ۲۰۲۳ آغاز شد و هم‌زمان با افزایش استفادهٔ خود Atlassian از Codex و ChatGPT Enterprise صورت می‌گیرد. بیش از ۳٬۰۰۰ توسعه‌دهندهٔ Atlassian از Codex در ترمینال‌ها، محیط‌های توسعهٔ یکپارچه و گردش‌کارهای بازبینی کد خود استفاده می‌کنند. کاربران Codex می‌توانند از طریق افزونه‌های Atlassian که از Teamwork Graph بهره می‌برند، به موارد کاری مرتبط و مستندات فنی دسترسی پیدا کنند؛ قابلیتی که به توسعه‌دهندگان در نوشتن، آزمایش و انتشار نرم‌افزار کمک می‌کند.
این توافق دسترسی گسترده‌تری به جدیدترین مدل‌های پیشرو OpenAI، از جمله GPT‑6 Astra و سری GPT‑5.6، در اختیار Atlassian می‌گذارد؛ در همین حال، OpenAI به بهبود قابلیت‌ها، کارایی و نسبت عملکرد به هزینهٔ مدل‌ها ادامه می‌دهد.
“ترکیب قابلیت‌های پیشرو OpenAI با Teamwork Graph شرکت Atlassian، شناختی عمیق از بافت سازمانی را وارد کارهای سازمان می‌کند. هم‌زمان با توسعهٔ پلتفرم باز خود، با گسترش این همکاری راهی یکپارچه در اختیار مشتریانمان می‌گذاریم تا پیشرفته‌ترین مدل‌های جهان را مستقیماً به واقعیت‌های کار روزمره‌شان پیوند دهند.”
“ترکیب مدل‌های پیشرو OpenAI با Atlassian، قابلیت‌های قدرتمند عامل‌های هوش مصنوعی را در بستر شیوهٔ واقعی فعالیت کسب‌وکارها گرد هم می‌آورد. با این همکاری، گذر از درک کار به اقدام عملی را برای تیم‌ها آسان‌تر می‌کنیم.”
با گسترش این همکاری، OpenAI همچنان برای کمک به مدیریت گردش‌کارهای حیاتی در سراسر شرکت به Jira متکی خواهد بود. این دو شرکت با همکاری یکدیگر می‌خواهند هوش پیشرو را به ابزارهایی بیاورند که کسب‌وکارها هم‌اکنون استفاده می‌کنند و عامل‌های هوش مصنوعی را به بخشی طبیعی از شیوهٔ انجام کار در تیم‌ها تبدیل کنند.
Atlassian می‌تواند با استفاده از APIهای OpenAI، هم‌گام با پیشرفت مدل‌ها، قابلیت‌های جدید استدلال را مستقیماً به Rovo بیاورد تا مشتریان در همان ابزارهای مورد استفاده‌شان به هوش مصنوعی هرچه توانمندتری دسترسی داشته باشند.
برای مثال، مدیر محصولی که برای عرضه آماده می‌شود، می‌تواند از Rovo بپرسد آیا تیم طبق برنامه پیش می‌رود یا نه. Rovo با تکیه بر Teamwork Graph می‌تواند تیکت‌های Jira، اسناد Confluence و بحث‌های مرتبط را به هم پیوند دهد تا موانع کار مهندسی را شناسایی کند، دربارهٔ مراحل کلیدی که در موعد مقرر تکمیل نشده‌اند هشدار دهد و تصمیم‌هایی را که نیازمند توجه هستند برجسته کند. مدل‌های OpenAI کمک می‌کنند این اطلاعات به ارزیابی روشنی از آمادگی برای عرضه و پیشنهادهایی برای گام‌های بعدی تبدیل شود؛ در نتیجه، تیم‌ها زمان کمتری را صرف کنار هم گذاشتن اطلاعات و زمان بیشتری را صرف پیشبرد کار می‌کنند.
این همکاری به محصولات خود Atlassian محدود نمی‌شود. مشتریان می‌توانند با افزونه‌های Atlassian و Teamwork Graph CLI برای ChatGPT و Codex، این دو ابزار را به گردش‌کارهای موجود خود متصل کنند و با رعایت مجوزهای دسترسی مربوطه، اطلاعات مرتبط پروژه، مستندات و زمینهٔ توسعه را در اختیار هوش مصنوعی بگذارند.
Atlassian به‌تازگی افزونهٔ تکمیلی(در یک پنجره جدید باز می‌شود) خود را عرضه کرده است که موارد کاری Jira، محتوای Confluence و افراد را مستقیماً به پرامپت‌های ChatGPT و Codex می‌آورد. صفحهٔ سنجاق‌شدهٔ Atlassian Home آن نیز کارهای محول‌شده، ویدئوهای اخیر Loom، پروژه‌ها و درخواست‌های ادغام کد در Bitbucket را نمایش می‌داد تا تیم‌ها بتوانند به اطلاعات زمینه‌ای مرتبط دسترسی پیدا کنند و دست به اقدام بزنند.
این دو شرکت در حال بررسی یکپارچه‌سازی عمیق‌تر با Jira هستند تا واگذاری کار به عامل‌های هوش مصنوعی، پیگیری پیشرفت، ثبت تصمیم‌ها و بازبینی نتایج برای تیم‌ها آسان‌تر شود. این قابلیت‌ها در کنار DX، پلتفرم Atlassian برای سنجش بهره‌وری توسعه‌دهندگان و عملکرد مهندسی، می‌توانند به مدیران مهندسی کمک کنند تأثیر هوش مصنوعی را بر سرعت توسعه، زمان چرخهٔ کار و تجربهٔ توسعه‌دهندگان بسنجند و در عین حال کنترل را در دست انسان‌ها نگه دارند.
