Durante su conferencia Team ’24 en Las Vegas, Atlassian lanz\u00f3 hoy Rovo, su nuevo asistente de IA. Rovo puede tomar datos de herramientas propias y de terceros y hacerlos f\u00e1cilmente accesibles a trav\u00e9s de una nueva herramienta de b\u00fasqueda impulsada por IA y otras integraciones en los productos de Atlassian. Sin embargo, la parte m\u00e1s interesante pueden ser los nuevos Rovo Agents, que pueden usarse para automatizar flujos de trabajo en herramientas como Jira y Confluence. Un aspecto ingenioso de estos agentes: cualquiera puede crearlos utilizando una interfaz de lenguaje natural. No se requiere programaci\u00f3n.<\/p>\n
\u201cNos gusta pensar en Rovo como un gran modelo de conocimiento para las organizaciones. Es un producto de descubrimiento de conocimientos para todos los trabajadores del conocimiento\u201d, dijo a TechCrunch Sherif Mansour, jefe de producto de Atlassian para Atlassian Intelligence. \u201cCuando miras lo que tiene que hacer un trabajador del conocimiento, pasa por este proceso de: necesito encontrar un trabajo. Necesito aprenderlo y entenderlo. Y luego tomo una acci\u00f3n. La mayor\u00eda de las personas que tienen alg\u00fan tipo de trabajo de escritorio pasan por ese circuito. Creo que lo emocionante de Rovo es que finalmente estamos en la g\u00e9nesis del aterrizaje de la IA generativa que ayuda a acelerar lo que podemos hacer en esa \u00e1rea para los equipos\u201d.<\/p>\n
Equipo Atlassian `24 Las Vegas. Cr\u00e9ditos de imagen:<\/strong> Atlassiano<\/p>\n<\/div>\n La base de Rovo es el \u201cgr\u00e1fico de trabajo en equipo en la nube\u201d de Atlassian, el mismo gr\u00e1fico que forma la base de Atlassian Intelligence, el esfuerzo de un a\u00f1o de la compa\u00f1\u00eda para incorporar un compa\u00f1ero de equipo de IA a sus productos. Ese gr\u00e1fico re\u00fane datos de los propios productos de Atlassian y una serie de herramientas SaaS de terceros. Y en cierto modo, es la proliferaci\u00f3n de herramientas SaaS lo que necesita aplicaciones como Rovo, porque cada herramienta tiende a tener su propio silo de datos, lo que dificulta que los empleados encuentren la informaci\u00f3n que necesitan.<\/p>\n Cr\u00e9ditos de imagen:<\/strong> Atlassiano<\/p>\n<\/div>\n Rovo, dijo Mansour, gira en torno a tres pilares del trabajo en equipo: ayudar a los equipos a encontrar y conectarse con su trabajo, ayudarlos a aprender y luego ayudarlos a tomar medidas.<\/p>\n En cierto modo, la b\u00fasqueda empresarial es la opci\u00f3n m\u00e1s f\u00e1cil aqu\u00ed, ya que Atlassian ya est\u00e1 agregando todos estos datos. Pero tambi\u00e9n es una herramienta que deber\u00eda resultar \u00fatil de inmediato para sus usuarios y evitar que tengan que cambiar constantemente de contexto para encontrar informaci\u00f3n. Algunas de las herramientas de terceros compatibles de f\u00e1brica incluyen Google Drive, Microsoft SharePoint, Microsoft Teams, GitHub, Slack y Figma.<\/p>\n Las empresas, que suelen tener muchas herramientas personalizadas, tambi\u00e9n pueden crear sus propios conectores. La propia Atlassian, por ejemplo, cre\u00f3 un conector que incluye su documentaci\u00f3n interna para desarrolladores. Simplemente hacer que esa documentaci\u00f3n est\u00e9 disponible en Rovo, dijo Mansour, ahorr\u00f3 a los desarrolladores una o dos horas cada semana, un ahorro de tiempo mayor que lo que esos mismos desarrolladores informan al usar una herramienta de generaci\u00f3n de c\u00f3digo de IA.<\/p>\n Como enfatiz\u00f3 Mansour, el mayor desaf\u00edo t\u00e9cnico, adem\u00e1s de construir la infraestructura de inteligencia artificial para impulsar Rovo, es construir todos estos conectores y garantizar que respeten el permiso de acceso establecido por los equipos de seguridad y TI de una empresa. \u201cCuando buscas, obtienes un conjunto de resultados diferente a mi b\u00fasqueda. Nos aseguramos de que se adapte a usted y respete sus permisos, y solo [shows] a lo que tienes acceso\u201d.<\/p>\n Cr\u00e9ditos de imagen:<\/strong> Atlassiano<\/p>\n<\/div>\n No ser\u00eda 2024 si Rovo no llegara tambi\u00e9n como servicio de chat. Dado que tambi\u00e9n tiene acceso a todos estos datos, es una tarea relativamente f\u00e1cil utilizar la generaci\u00f3n de recuperaci\u00f3n aumentada (RAG) para alimentar un modelo de lenguaje grande y hacer que el modelo proporcione respuestas personalizadas.<\/p>\n Incluso cuando se usa RAG, los modelos de lenguaje grandes siguen siendo susceptibles a alucinaciones (aunque RAG reduce en gran medida las posibilidades de que el modelo se salga del gui\u00f3n). Para garantizar que los usuarios puedan confiar en los resultados, Rovo siempre cita sus fuentes y la mayor\u00eda de las veces (con presentaciones de diapositivas y dise\u00f1os de Figma, por ejemplo), hay incluso una vista previa interactiva.<\/p>\n Una caracter\u00edstica interesante que Atlassian tambi\u00e9n incorpor\u00f3 a Rovo es su capacidad para detectar y explicar la jerga de la empresa. Incluso existe una extensi\u00f3n de Chrome para esto que subrayar\u00e1 y explicar\u00e1 autom\u00e1ticamente un determinado t\u00e9rmino espec\u00edfico de la empresa mientras lee un documento de Google, por ejemplo. Esta funci\u00f3n est\u00e1 impulsada por el motor de b\u00fasqueda sem\u00e1ntica de Rovo.<\/p>\n Una cosa es encontrar informaci\u00f3n. Otra es tomar medidas al respecto. Ah\u00ed es donde entran Rovo Agents. En cierto modo, esto es una extensi\u00f3n de lo que la compa\u00f1\u00eda hizo con Atlassian Intelligence. De hecho, la empresa tambi\u00e9n describe a los agentes Rovo como \u201ccompa\u00f1eros de equipo virtuales\u201d.<\/p>\n \u00abLos agentes Rovo transformar\u00e1n el trabajo en equipo con su capacidad para sintetizar grandes vol\u00famenes de datos empresariales, descomponer tareas complejas, aprender mientras act\u00faan y asociarse con sus compa\u00f1eros humanos para tomar decisiones cr\u00edticas y complejas\u00bb, escribe Mansour en el anuncio de hoy. \u201cLos agentes no son s\u00f3lo una versi\u00f3n mejorada de los chatbots. Aportan conocimientos y habilidades especializados a una amplia variedad de flujos de trabajo y procesos\u201d.<\/p>\n Cr\u00e9ditos de imagen:<\/strong> Atlassiano<\/p>\n<\/div>\n Eso significa que pueden generar, revisar y editar contenido para uso de marketing, especificaciones de productos o problemas de Jira. Los usuarios tambi\u00e9n pueden crear agentes que respondan preguntas espec\u00edficas o recomienden mejores pr\u00e1cticas. Pero lo m\u00e1s importante es que pueden automatizar tareas en funci\u00f3n del progreso de un problema de Jira, por ejemplo, o ayudar a los usuarios a limpiar sus trabajos pendientes de Jira u organizar p\u00e1ginas de Confluence, todo ello con humanos al tanto.<\/span><\/p>\n \u00abCreemos firmemente que el futuro del trabajo en equipo son los compa\u00f1eros que trabajan junto con compa\u00f1eros virtuales: agentes\u00bb, dijo Mansour. \u00abHabr\u00e1 muchos de ellos y usted interactuar\u00e1 con ellos en sus flujos de trabajo diarios\u00bb.<\/p>\n<\/p><\/div>\n![\"\"](\"https:\/\/techcrunch.com\/wp-content\/uploads\/2024\/04\/rovo-search.webp\")
<\/p>\n![\"\"](\"https:\/\/techcrunch.com\/wp-content\/uploads\/2024\/04\/rovo-find.webp\")
<\/p>\nCompa\u00f1eros virtuales<\/h2>\n
![\"\"](\"https:\/\/techcrunch.com\/wp-content\/uploads\/2024\/04\/rovo-agents_e33e69.webp\")
<\/p>\n