Soyons honnêtes : pour la plupart d'entre nous, la connaissance au sein de l'entreprise est un vrai bazar. L'information dont vous avez désespérément besoin se cache probablement dans un ticket Jira poussiéreux, une page Confluence que personne n'a touchée depuis des années ou un fil de discussion Slack datant de Noël dernier. Essayer de relier les informations peut sembler impossible, vous forçant à prendre des décisions sur la base d'informations partielles.
Atlassian a constaté ce problème et a développé une nouvelle fonctionnalité pour son outil d'IA, Rovo, appelée Rovo Deep Research. L'idée est de vous fournir un chercheur IA capable de passer au crible toutes ces informations éparpillées et de brosser un tableau complet.
Mais est-ce la solution pour tout le monde ? Dans ce guide, nous allons détailler ce qu'est réellement Rovo Deep Research. Nous examinerons son fonctionnement, ses points forts et, plus important encore, ses points faibles, surtout en le comparant aux outils d'IA conçus pour le monde trépidant du support client.
Qu'est-ce que Rovo Deep Research ?
Rovo Deep Research est une compétence spécifique intégrée à Rovo, l'assistant IA d'Atlassian. Il ne s'agit pas de votre robot conversationnel Q&R standard qui vous sort une réponse rapide d'une seule phrase. Il s'apparente davantage à un analyste de recherche IA pour toutes les données internes de votre entreprise. Vous pouvez lui soumettre une question large et ouverte, et il se mettra à enquêter de manière autonome pour revenir avec un rapport détaillé et en bonne et due forme.
Son objectif principal est d'élaborer un plan de recherche, de fouiller les informations dans vos applications Atlassian et autres applications connectées, puis de présenter ses découvertes de manière cohérente.
B{Rovo la décompose en sous-questions};
B --> C[Étape 1 : Recherche dans les sources de données connectées];
C --> D{Examen des résultats et identification des lacunes};
D --> E[Étape 2 : Recherche affinée en fonction des lacunes];
E --> F[Répétition des étapes si nécessaire];
F --> G{Consolidation de toutes les informations pertinentes};
G --> H[Les modèles d'IA rédigent le rapport final];
H --> I[Résultat : Page Confluence avec résumé, conclusions et citations];
Alt title : Flux de travail du processus de Rovo Deep Research
Alt text : Un organigramme montrant comment Rovo Deep Research décompose une requête, effectue des recherches par étapes, affine sa recherche et génère un rapport final.
</assetsรe
Après chaque « étape » de recherche, il prend du recul pour examiner ce qu'il a trouvé. Il écarte tout ce qui n'est pas pertinent et identifie les informations manquantes. En fonction de ces lacunes, il planifie sa prochaine vague de recherches. Ce processus étape par étape lui permet d'être plus approfondi.
Comment les modèles d'IA rédigent le rapport
Rovo s'appuie sur des modèles d'IA connus comme GPT-4 d'OpenAI et Claude d'Anthropic pour effectuer le gros du travail de planification de la recherche et de rédaction du rapport final.
Une fois qu'il a rassemblé toutes les informations, Rovo les organise en un plan clair. À partir de là, il rédige le rapport complet, qui comprend généralement un résumé rapide, les principales conclusions et parfois quelques suggestions. Une fonctionnalité très utile est qu'il étaye chaque point principal par une citation qui renvoie directement à la source, qu'il s'agisse d'un ticket Jira ou d'une page Confluence. Cela facilite la vérification des faits et renforce la confiance.
Les points forts de Rovo Deep Research
Comme sa compétence principale est de rassembler les connaissances internes, Rovo Deep Research est particulièrement utile pour les tâches internes nécessitant une vue d'ensemble, où vous devez relier de nombreuses informations.
Rassembler les connaissances d'un projet
Imaginons qu'un chef de projet doive rédiger une analyse post-mortem pour un lancement de produit majeur. Normalement, cela signifie passer des jours à fouiller dans les tickets Jira, les messages privés Slack et les anciennes notes de réunion. Au lieu de cela, il pourrait demander à Rovo : « Quels ont été les principaux blocages, les décisions clés et les résultats du projet Phénix le trimestre dernier ? ». Rovo pourrait alors compiler toutes ces informations dispersées en un seul rapport organisé.
Accélérer l'intégration et la recherche
Un nouveau développeur rejoignant l'équipe doit se mettre à niveau sur le système de « facturation ». Il pourrait passer une semaine à lire une documentation technique dense ou à harceler les ingénieurs seniors. Ou bien, il pourrait demander à Rovo de « créer un rapport sur l'architecture, les problèmes récents et les principaux contacts pour le service de facturation ». Cela lui donnerait un briefing détaillé en quelques minutes, ce qui peut sérieusement réduire sa courbe d'apprentissage.
Dégager des tendances à partir des retours
Imaginez une équipe produit qui essaie de décider quoi développer ensuite. Elle veut savoir de quoi les clients se sont le plus plaints au cours des trois derniers mois. Elle peut demander à Rovo : « Analyse les retours clients des tickets Jira Service Management et des canaux de support Slack pour trouver les trois problèmes récurrents les plus importants. » Le rapport mettrait en évidence les thèmes communs, donnant à l'équipe un point de départ fondé sur des données pour sa feuille de route.
Les points faibles de Rovo Deep Research
Rovo est certainement utile pour la recherche interne, mais il est important de savoir ce pour quoi il n'a pas été conçu. C'est particulièrement vrai si vous faites partie d'une équipe de support client.
Un outil pour la recherche interne, pas pour l'automatisation des interactions client
Le travail de Rovo est de créer un rapport destiné à être lu par une personne. C'est un analyste, pas un agent de support. Il ne parle pas aux clients et ne résout pas leurs problèmes dans un service d'assistance en direct.
Pour les équipes qui ont besoin de répondre automatiquement aux questions des clients en temps réel, un outil d'IA dédié au support est une bien meilleure option. Par exemple, un agent IA de eesel AI se connecte directement aux services d'assistance comme Zendesk ou Freshdesk. Il peut fournir des réponses instantanées, effectuer des tâches et résoudre des tickets sans intervention humaine.
Limité à l'univers Atlassian
Rovo tire sa force de son intégration étroite avec le « Teamwork Graph » d'Atlassian. C'est excellent si tout votre travail et vos connaissances se trouvent déjà dans Jira et Confluence. Mais si les informations de votre entreprise sont réparties entre de nombreux outils différents, il ne sera pas aussi efficace, loin de là.
Les équipes qui utilisent un mélange d'applications ont besoin de quelque chose de plus flexible. C'est pourquoi un outil comme eesel AI existe ; il offre plus de 100 intégrations en un clic pour se connecter aux connaissances où qu'elles soient stockées, que ce soit dans Google Docs, Notion, SharePoint ou directement dans votre service d'assistance.
Fournit des analyses, pas des actions
Rovo est excellent pour vous dire « quelle est » la situation, mais c'est là que ça s'arrête. C'est toujours à une personne de décider « et maintenant, on fait quoi ? ». Le rapport est l'étape finale de son processus, vous laissant gérer la suite.
Une véritable automatisation du support boucle la boucle en transformant l'information en action. Un agent IA de eesel AI peut faire plus que simplement résumer un problème. Vous pouvez le configurer avec des actions personnalisées pour rechercher le statut d'une commande dans Shopify, modifier un champ de ticket dans Zendesk ou envoyer un problème à la bonne équipe. Il fait le lien entre la connaissance d'un problème et sa résolution effective.
Tarifs et disponibilité de Atlassian Rovo Deep Research
Rovo Deep Research n'est pas un produit autonome ; il fait partie de l'assistant IA plus large, Rovo. Atlassian le rend progressivement disponible pour ses clients Cloud, en commençant par ceux des plans Premium et Enterprise.
La manière dont vous payez est basée sur des « crédits IA », qui sont inclus dans les forfaits mensuels. Atlassian n'applique pas de limites strictes pour le moment, mais ce type de modèle peut rendre vos coûts difficiles à prévoir. Si vous avez un mois avec de nombreuses demandes de recherche, vous pourriez recevoir une facture plus élevée que prévu.
<assetsรe
Asset 3 : [Tableau] , Une comparaison des modèles de tarification pour Atlassian Rovo et eesel AI.
| Caractéristique | Atlassian Rovo Deep Research | eesel AI |
|---|---|---|
| Modèle | Basé sur des « crédits IA » | Nombre fixe d'interactions IA par mois |
| Prévisibilité | Potentiellement imprévisible ; les coûts peuvent varier | Élevée ; coût mensuel fixe |
| Évolution | Les coûts peuvent augmenter de manière significative avec l'usage | Évolution économique |
| Facturation | Inclus dans les forfaits mensuels | Basée sur les résolutions, pas sur chaque ticket |
</assetsรe
Pour les équipes qui préfèrent savoir ce qu'elles paient chaque mois, d'autres structures de tarification peuvent être plus judicieuses. Par exemple, la tarification d'eesel AI est basée sur un nombre fixe d'interactions IA par mois, et ils ne vous facturent pas pour chaque ticket résolu. Cela simplifie grandement la budgétisation et vous permet de croître sans craindre d'être pénalisé pour avoir géré un volume plus important.
Ce qu'il faut retenir de Rovo Deep Research : choisir la bonne IA pour la bonne tâche
Soyons clairs, Rovo Deep Research est un outil très puissant pour explorer les informations internes de votre entreprise. Si votre équipe vit et respire la suite Atlassian, son talent pour transformer des données éparpillées en rapports organisés peut être d'une grande aide pour la planification, les bilans de projet et la recherche en général.
Mais si votre objectif principal est d'automatiser le support client, de réduire votre nombre de tickets et de faciliter la vie de vos agents, ce n'est pas l'outil adéquat. En fin de compte, Rovo vous donne des rapports, mais une véritable plateforme de support IA vous apporte des résolutions.
C'est précisément là qu'un outil spécialement conçu pour le support, comme eesel AI, prend tout son sens. Il a été conçu dès le départ pour l'automatisation du support. Il se connecte à n'importe quel service d'assistance que vous utilisez, peut réellement effectuer des tâches sur les tickets et dispose même d'un mode de simulation pour que vous puissiez tout tester avant de le mettre en service.
Prêt à passer des rapports de Rovo Deep Research aux résolutions ?
Rovo Deep Research est excellent pour obtenir des réponses en interne, mais vous avez besoin d'un outil différent pour agir automatiquement sur ces réponses pour vos clients.
Si vous cherchez à automatiser votre processus de support et à offrir des résolutions instantanées à vos clients, il est peut-être temps de découvrir ce qu'un agent IA conçu pour cette tâche peut faire. Vous pouvez commencer avec eesel AI en quelques minutes et le tester sur l'historique réel des tickets de votre équipe.
Foire aux questions
Rovo Deep Research agit comme un analyste de recherche IA qui passe au crible les informations internes éparpillées de l'entreprise. Son objectif principal est d'enquêter sur des questions ouvertes et de compiler des rapports détaillés et organisés pour fournir une vue d'ensemble complète sur un sujet.
Il s'appuie sur le « Teamwork Graph » d'Atlassian pour le contexte et effectue des recherches en plusieurs étapes, en décomposant les requêtes en sous-questions. Après avoir recueilli les informations, il utilise des modèles d'IA comme GPT-4 pour organiser et rédiger un rapport complet avec les sources citées.
Rovo Deep Research excelle dans les tâches nécessitant la consolidation des connaissances internes, telles que les analyses post-mortem pour les lancements de projets, l'accélération de l'intégration des nouveaux membres de l'équipe, ou l'analyse des retours internes pour obtenir des informations sur les produits. Il aide à relier les informations provenant de divers documents et communications internes.
Non, Rovo Deep Research est conçu pour la recherche interne et la génération de rapports destinés à une revue humaine, et non pour l'automatisation directe des interactions avec les clients. Il n'interagit pas avec les clients et ne résout pas les problèmes de support en direct dans un environnement de service d'assistance.
Oui, Rovo Deep Research tire sa force de son intégration étroite avec le « Teamwork Graph » d'Atlassian. Bien qu'il puisse se connecter à d'autres applications, son efficacité est maximale lorsque la plupart des connaissances de votre entreprise se trouvent dans Jira et Confluence.
Rovo Deep Research est inclus dans l'assistant IA plus large, Rovo, disponible pour les clients Atlassian Cloud Premium et Enterprise. La tarification est basée sur des « crédits IA », qui sont inclus dans les forfaits mensuels, ce qui peut entraîner des coûts imprévisibles si l'utilisation varie de manière significative.
Rovo Deep Research est conçu pour fournir des rapports et des analyses détaillés, vous indiquant efficacement « quelle est » la situation. Cependant, il n'automatise pas d'actions et n'effectue pas de tâches basées sur ses conclusions ; ces étapes suivantes sont laissées à l'utilisateur.
