Atlassian Intelligence avslöjat: fördelar, nackdelar och praktiska insikter

Vill du ha en kortversion? Scrolla längst ner för de viktigaste slutsatserna, som förhoppningsvis får dig att gå upp igen och läsa resten.

Saker att tänka på med Atlassian Intelligence

Ny teknik som AI undviks ofta av följande skäl:

• Brist på djupgående kunskap om tekniken.

• Brist på domänkunskap i den egna miljön (t.ex. osäkerhet kring var man ska börja).

• Man krånglar till idéerna kring hur tekniken ska implementeras.

• Ingen tydlig bild av fördelarna.

• Skepsis och för mycket hype (t.ex. diskussioner i stil med ”AI är vår räddare”).

• Oro för kostnader och att ”tappa kontrollen”.

Men den goda nyheten är att det inte behöver vara så. I det här blogginlägget går jag närmare in på hur du kan använda Atlassian Intelligence till din fördel. Oavsett om du fattar beslut, arbetar i ledningen, på servicedesk eller i ett utvecklingsteam bör du alltid fundera på om du ska aktivera Atlassian Intelligence i din organisation.

Om du redan tycker om att använda automatisering eller dagligen upplever frustrationer som exemplen nedan, har du troligen kommit rätt för att testa det.

• Upprepade uppgifter och svar till servicedeskens ”kunder”

• För många kontextbyten (ofta extra frustrerande för mjukvaruutvecklare) 

• För lite tid för att ta sig igenom längre texter eller dokumentation (t.ex. i Confluence)

• Många medarbetare tycker att JQL (Jira Query Language) är för komplicerat.

Vad är Atlassian Intelligence?

Innan vi går vidare behöver vi förstå att den här AI-lösningen inte bara är ett tomt skal som lagts till i Atlassian-sviten från ingenstans. Atlassian Intelligence använder Generative AI-teknik från OpenAI i kombination med kraften och datan i Atlassian-plattformen.

Som Sherif Mansour (Product Manager på Atlassian och Head of Product för Atlassian Intelligence) säger:

”Med över 20 års data som speglar hur miljontals team inom mjukvaruutveckling, IT och verksamhet planerar, följer upp och levererar arbete har Atlassian Intelligence en unik förståelse för teamarbete. Denna kunskap ligger till grund för teamwork graph, som bygger på de två vanligaste formerna av teamarbete:

• Servicebaserat arbete: team tar emot inkommande förfrågningar om hjälp och använder anpassade arbetsflöden och data för att lösa ärenden åt medarbetare och kunder.

• Projektbaserat arbete: team hanterar projekt från idé till leverans med hjälp av roadmaps, planer, uppgifter, mål och dokumentation.”

Läs mer i Atlassian Intelligence Introduction April 2023.

Ta in kraften i detta. Atlassian arbetar hårt för att uppfylla sitt uppdrag att ”frigöra potentialen i varje team”. Jag säger inte att du ska ”bygga luftslott”, men låt oss arbeta med det vi har och se vart det leder.

Nuvarande och kommande funktioner i Atlassian Intelligence

Tillgängligt nu:

Generera och omarbeta innehåll

• Confluence

• Jira Software

• Jira Service Management

• Jira Work Management

• Bitbucket (Beta)

• Trello (Beta)

Sammanfatta innehåll:

• Jira Service Management

• Confluence

Skapa automatiseringar

• Confluence

Definiera termer

• Confluence (Beta)

Sök efter ärenden

• Jira Software

• Jira Work Management

Generera SQL-frågor

• Atlassian Analytics

Sök efter svar

• Confluence (Beta)

• Compass

Automatisera supportinteraktioner

• Jira Service Management

Föreslå förfrågningstyper

• Jira Service Management

Kommer snart:

Sammanfatta innehåll:

• Jira Software

• Jira Work Management

• Confluence Mobile

Skapa automatiseringar

• Jira

Sammanfatta smarta länkar

• Confluence

• Jira Software

• Jira Service Management

• Appar från tredje part (t.ex. Google Docs, MS Office och Slack)

Granska kod

• Bitbucket

Källa: Utforska funktionerna i Atlassian Intelligence

Vilka är för- och nackdelarna med Atlassian Intelligence?

Det här är en vanlig fråga som ofta kommer upp i ett tidigt skede när man undersöker nya lösningar. Den är naturligtvis relevant, men jag rekommenderar att organisationer fokuserar mer internt på Atlassian Intelligence och funderar på var lösningen kan spara tid genom att minska tidskrävande, repetitiva uppgifter eller kontextväxlingar för att öka produktiviteten.

Låt oss börja med att sammanfatta några av för- och nackdelarna med Atlassian Intelligence, kopplade till möjliga scenarier som du kan känna igen dig i.

Fördelar:

• Öka produktiviteten på individnivå
  Exempel: Använd Atlassian Intelligence för att sammanfatta detaljerade rapporter, så att du snabbare kan förstå innehållet och förbereda dig inför möten. (Läs mer om scenariot hos Dominos Pizza).

• Minskad kontextväxling och förenklad support för utvecklare
  Exempel: Atlassian Intelligence kan ge AI-driven hjälp i Slack. Med en virtuell agent kan du minska kontextväxlingar och hjälpa utvecklare att få support utan att lämna sina föredragna verktyg. (Läs mer om scenariot hos OVO Energy)

• Produktiv innehållsskapande
  Exempel: Atlassian Intelligence gör det möjligt för användare att snabbt skapa verksamhetskritiskt innehåll i Confluence, vilket ökar hastigheten och effektiviteten i innehållsskapandet.

• AI-drivna sammanfattningar
  Exempel: Användare kan snabbt sätta sig in i vilket ämne som helst i Confluence med hjälp av AI-genererade sammanfattningar, vilket bidrar till snabbare informationsinhämtning och beslutsfattande.

• Automatisering med naturligt språk (kommer snart i Jira Software)
  Exempel: Automatisering med naturligt språk i Confluence gör det möjligt för användare att snabbt automatisera åtgärder med vanligt naturligt språk, vilket gör uppgiftsautomatisering mer användarvänlig.

• Smidig åtkomst till tillämpad kunskap
  Exempel: Atlassian Intelligence möjliggör konvertering från naturligt språk till JQL i Jira Software, vilket gör det enklare och snabbare för användare att hitta ärenden och beroenden. Det ger ett utmärkt sätt att utvinna tillämpad kunskap och insikter från projektdata.

• Q&A-sökning för djupare förståelse (för närvarande i beta)
  Exempel: I Confluence kan användare med Q&A-sökning gå längre än enkla sökresultat och hitta relevant information genom att ställa frågor om statusen för projekt, arbetsflöden, policyer eller processer.

• Minskad arbetsbelastning med Virtual Agents
  Exempel: Virtual Agents i Jira Service Management fungerar som AI-drivna virtuella teamkollegor som svarar på hjälpförfrågningar i Slack. Funktionen hjälper team att minska den manuella arbetsbelastningen samtidigt som servicekvaliteten bibehålls.

• Förslag på ärendetyper för administratörer
  Exempel: AI hjälper administratörer i Jira Service Management att skapa ärendetyper med bara några få ord som inmatning. Det kan förenkla konfigureringen av serviceprojekt för olika behov.

• Förbättrad kod och Developer Experience (kommer snart)
  Den kommande funktionen för kodgranskning i Bitbucket automatiserar granskningen av skillnader i pull requests, ger förslag på ändringar och låter mänskliga granskare fokusera mer på kritiska ändringar. Det påskyndar kodgranskningar och sparar tid.

Nackdelar:

• Inlärningsfas
  Precis som med all annan ny teknik kan många användare uppleva en inlärningskurva när de anpassar sig till eller implementerar de nya AI-funktionerna – särskilt delar som omfattar gränssnitt för naturligt språk och automatisering.

• Risk för beroende av AI
  Det finns alltid en risk att team blir alltför beroende av AI för vissa uppgifter, vilket vanligtvis märks om AI:n stöter på problem eller användarna saknar kunskap. Detta kan till stor del undvikas om användarna är väl förtrogna med traditionella metoder, vilket vi redan i viss mån ser när det gäller automatiseringar.

• Data- och säkerhetsfrågor
  Att implementera AI innebär att organisationens data behandlas, vilket kräver noggranna överväganden kring dataintegritet och säkerhet för att hantera eventuella farhågor.

• Begränsad tillgänglighet i Atlassian-utgåvor
  Atlassian Intelligence är för närvarande endast tillgängligt i Premium- och Enterprise-utgåvorna av Atlassians molnprodukter.

• Kräver kontinuerlig förbättring
  Precis som med all framväxande eller föränderlig teknik kan användare uppleva att funktionerna i Atlassian Intelligence behöver förbättras kontinuerligt över tid för att ta till sig feedback, öka träffsäkerheten och anpassas efter förändrade användarbehov.

• Resursfördelning
  Organisationer kan behöva avsätta resurser för att utbilda användare, administratörer och supportteam i hur AI-funktioner används effektivt och hur problem med dem felsöks. Här är det idealiskt att ha dedikerade användare med djupare kunskap om Atlassian-sviten. 

Enkelhet skapar tydlighet

Ett återkommande misstag när organisationer vill ta till sig ny teknik är att de alltför ofta övertänker, överkomplicerar eller befarar det värsta.

Håll det enkelt.

Det enda du bör vara medveten om är att vi befinner oss i en AI-hypecykel och att många av innovationerna förtjänar uppmärksamhet. Vi behöver vara medvetna om begränsningarna och riskerna med dessa system.

Beroende på vilken mognadsnivå din organisation har inom Atlassian-sviten eller AI, kan du behöva säkerställa en transparent och öppen kommunikation mellan de användare som kan dra nytta av Atlassian Intelligence. Det kan omfatta viktiga intressenter som Jira-administratörer, ledning, utvecklare, servicedeskteam eller andra team som använder Atlassian-produkter (Jira Software, Jira Service Management, Confluence, Bitbucket osv.).

När diskussionen har inletts bör organisationen börja identifiera var användarna upplever frustration. Här håller vi det enkelt: fokusera på att identifiera och välja ut en frustration med hög prioritet i organisationen. Då vet du vilken produkt du ska fokusera på.

Det är därför vi börjar i liten skala. När du har en produkt att börja med räcker det mer än väl för att komma igång. Ett möjligt scenario är Confluence-exemplet, där användarna har ont om tid och har svårt att ta sig igenom stora dokument inför viktiga möten.
AI-assistenter kan sammanfatta data så att användarna snabbt kan sätta sig in i läget inför viktiga möten.

En rekommendation är att nyckelanvändare eller administratörer bör ha tillräcklig produktkunskap innan AI implementeras. Tyvärr är det inte alltid så, och Atlassian-konsulter som jag själv brukar då hjälpa organisationen på lång sikt.
När din AI-assistent är igång efter en eventuell pilotperiod kommer användarna sannolikt att börja dra nytta av den och bli mer produktiva i sina dagliga uppgifter. Det är också värt att nämna att Atlassian Intelligence inte kräver att alla produkter aktiveras samtidigt, och att de kan tas bort när som helst. Se bilden nedan. 

AI eller inte AI? (och de viktigaste lärdomarna)

Allt handlar om perspektiv. AI bör ses som vilken annan teknik som helst, och vi använder teknik för att utföra uppgifter. Det är lätt att glömma att teknik ska tjäna människor som en förlängning av våra förmågor och att vi alltid har kontrollen.

”Tidig användning av dessa innovationer kommer att ge betydande konkurrensfördelar och underlätta de problem som är förknippade med att använda AI-modeller i affärsprocesser.” – Afraz Jaffri, Director Analyst på Gartner.

Här är några viktiga punkter att ta hänsyn till:

• Kom igång
  Vad väntar du på? Kom igång – i värsta fall tar du bort det och försöker igen inom en snar framtid.

• Vad väntar du på? Kom igång – i värsta fall tar du bort det och försöker igen inom en snar framtid.

• Kommunikation
  Öppna upp för interna diskussioner om AI mellan viktiga intressenter. Har du den domänkunskap som behövs om de produkter där du vill involvera AI?

• Öppna upp för interna diskussioner om AI mellan viktiga intressenter.

• Har du den domänkunskap som behövs om de produkter där du vill involvera AI?

• Transparens
  Håll dörrarna öppna och var transparent i kommunikationen. Vad innebär det, och hur påverkas din data?

• Håll dörrarna öppna och var transparent i kommunikationen. 

• Vad innebär det, och hur påverkas din data?

• Håll det enkelt
  Vilken direkt effekt och konkret förbättring kan AI ge dina användare eller team i deras dagliga arbete? Det räcker – krångla inte till det! Kom ihåg: vi bygger inte sandslott.

• Vilken direkt effekt och konkret förbättring kan AI ge dina användare eller team i deras dagliga arbete? Det räcker – krångla inte till det! Kom ihåg: vi bygger inte sandslott.

• Var tydlig
  Vad behöver göras, och vilka är involverade? Med enkelhet kommer tydlighet (kan du höra din inre zenmunk vid det här laget?).

• Vad behöver göras, och vilka är involverade? 

• Med enkelhet kommer tydlighet (kan du höra din inre zenmunk vid det här laget?).

• Börja i liten skala
  Genom att identifiera en prioriterad utmaning att lösa får du en produkt där du kan aktivera AI, vilket bör räcka för att komma i gång.

• Genom att identifiera en prioriterad utmaning att lösa får du en produkt där du kan aktivera AI, vilket bör räcka för att komma i gång.

• Ta fram en AI-strategi för din Atlassian Suite eller för verksamheten i stort.
  Om du lyckades med ovanstående (transparens, enkelhet och tydlighet) har du grunden för en bra strategi.

• Om du lyckades med ovanstående (transparens, enkelhet och tydlighet) har du grunden för en bra strategi.

• Fokusera på ert uppdrag
  Genom att dra nytta av Atlassian Intelligence kan dina användare eller team förhoppningsvis frigöra sig från tidskrävande uppgifter, bli mer produktiva och fokusera på företagets uppdrag.

• Genom att dra nytta av Atlassian Intelligence kan dina användare eller team förhoppningsvis frigöra sig från tidskrävande uppgifter, bli mer produktiva och fokusera på företagets uppdrag.

Kom ihåg: håll det enkelt! 

Om du vill läsa mer om Atlassian Intelligence kan du läsa Atlassians senaste artikel från 11/12/2023 här.