在拉斯維加斯舉辦的Team ’24會議上，Atlassian推出了它的新型AI助手Rovo。Rovo能夠利用來自第一方和第三方工具的數據，並通過新的AI驅動的搜索工具和其他整合到Atlassian的產品中的方式，讓這些數據易於獲取。然而，最有趣的部分可能是新的Rovo代理，它們可以用於自動化像Jira和Confluence這樣的工具中的工作流程。這些代理的一個巧妙之處是：任何人都可以使用自然語言界面來構建它們，無需編程。

想象一下，Rovo就像是組織中的一個大型知識模型。這是每個知識工作者的知識發現產品。當你看到一個知識工作者必須做的事情時，他們通過這樣的過程：我需要找到一份工作。我需要學習和理解它。然後我采取行動。大多數有辦公桌工作的人都通過這個循環。我認為Rovo最令人興奮的是，我們終於在生成性AI的起源地，它可以加速我們在這個領域為團隊所能做的事情。

Rovo的基礎是Atlassian的“雲團隊圖”，這也是Atlassian Intelligence的基礎，這是該公司一年前開始的努力，將一個AI隊友帶到其產品中。該圖將Atlassian自家產品和許多第三方SaaS工具的數據結合在一起。而且，在某種程度上，SaaS工具的擴散也需要像Rovo這樣的應用，因為每個工具都傾向於擁有自己的數據孤島，這使得員工更難找到他們需要的信息。

Rovo，旋轉在團隊合作的三個支柱之間：幫助團隊找到和連接他們的工作，幫助這些團隊學習，然後幫助他們采取行動。

實際上，企業搜索是這裡的低掛水果，因為Atlassian已經在聚集所有這些數據。但這也是一種應該對其用戶立即有用，並讓他們不必經常切換上下文以找到信息的工具。一些開箱即用的第三方工具包括Google Drive，Microsoft SharePoint，Microsoft Teams，GitHub，Slack和Figma。

企業，它們通常有很多自定義的工具，也可以構建自己的連接器。例如，Atlassian自己就建造了一個連接器，將其內部開發人員文檔引入。僅僅在Rovo中提供該文檔，就節省了開發人員每週一兩個小時的時間，這比同樣的開發人員從使用AI代碼生成工具報告的時間節省更多。

如果沒有Rovo作為聊天服務，那麼2024年就不會來。由於它也可以訪問所有這些數據，所以使用檢索增強生成（RAG）將大型語言模型與這些數據一起使用，並讓模型提供自定義的答案，這是一個相對容易的任務。

即使在使用RAG時，大型語言模型仍然容易出現幻覺（儘管RAG大大降低了模型跑偏的可能性）。為了確保用戶可以信任結果，Rovo總是引用其來源，而且大多數時候（例如在幻燈片和Figma設計中），甚至還有一個交互式預覽。

Atlassian還在Rovo中建立了一個有趣的功能，即能夠檢測和解釋公司的行話。甚至有一個Chrome擴展程序可以自動在你閱讀Google文檔時劃線並解釋某個特定的公司術語。這個功能由Rovo的語義搜索引擎提供支援。

找到信息是一回事，采取行動又是另一回事。這就是Rovo代理的作用所在。在某種程度上，這是該公司繼Atlassian Intelligence之後所做的延伸。實際上，該公司將Rovo Agents描述為“虛擬隊友”。

“Rovo代理將通過他們合成大量的企業數據，分解複雜的任務，學習他們的行動，並與他們的人類隊友合作來進行關鍵和複雜的決策，從而改變團隊合作。”“代理不僅僅是一些強化版的聊天機器人。他們為各種工作流程和流程帶來專業的知識和技能。

也就是說，他們可以生成，審查和編輯用於市場營銷，產品規格或Jira問題的內容。用戶還可以構建回答特定問題或推薦最佳實踐的代理。但更重要的是，他們可以在Jira問題進行時自動化任務，例如，或者幫助用戶清理他們的Jira後台或者組織Confluence頁面，所有這些都需要人在循環中。

“我們堅信，團隊工作的未來是隊友與虛擬隊友——代理一起工作，” Mansour說。“他們會有很多，你會在你的日常工作流程中與他們互動。”