JiraのAIはAnyLLMか標準か|自社契約LLMをつなぐ判断

JiraのAIはAnyLLMか標準か|自社契約LLMをつなぐ判断

「全社でもう生成AIの法人契約を結んでいるのに、Jira や Confluence の中では別のAIに別の料金を払うのか」「標準のAIを有効にすると、課題やページの中身がどのモデルに送られるのか説明できない」——Atlassian の製品を使う会社の情シスやAI導入担当から、最近よく上がる問いです。一つの事実から始めます。Atlassian の公式マーケットプレイスには、自社が契約しているLLMを Jira と Confluence に直接つなぐアプリがいくつも出てきており、その一つ AnyLLM は2026年9月18日に Jira Cloud 向けの版3.2.0を出したばかりで、掲載ページの導入数は5件、レビューはまだありません。問われているのは、どちらのAIが賢いかではありません。鍵と権限と記録を誰が持つかを、自社で引き受けるかどうかです。この記事では、Atlassian 標準のAIと、自社契約のLLMをつなぐアプリの二つを並べ、AnyLLM の公開情報を手がかりに、鍵の置き場所、閲覧権限の引き継ぎ、書き込みの確認、何がどこへ渡るか、費用の増え方、小規模ベンダーのアプリを入れるときの審査とやめ方を整理します。画面の操作手順は扱いません。


カメ先生カメ先生

Jira にAIを入れる話になると、標準のAIと外のアプリのどちらが便利か、という比べ方をされがちなんだ。でも本当に違うのは、モデルを選ぶ責任と、鍵を預かる責任がどちらの側にあるかなんだよ。


カメ子カメ子

標準のAIなら Atlassian が全部持ってくれて、自社契約のLLMをつなぐなら自分たちが持つ、ということですか。


カメ先生カメ先生

そう。自社契約のLLMをつなげば、どのモデルに何を送るかを自分で決められる。その代わり、鍵の管理も、送った先の契約条件の確認も、アプリを入れた会社の仕事になる。自由と責任がセットで移ってくるわけだ。


カメ子カメ子

選べるようになる分だけ、決めなければいけないことも増えるんですね。


この記事のポイント
  • AnyLLM はドイツの maplee が出す Marketplace のアプリで、自社が契約したLLM(OpenAI 互換・Azure OpenAI・Anthropic・自社ホスト、最大5接続)を Jira と Confluence につなぎ、閲覧者本人の権限で読み、書き込みは本人の確認後にだけ実行すると説明している
  • 標準のAIとの違いは性能より責任の置き場所にある。モデルの選択、鍵の管理、送り先の契約条件、記録の確認が自社側に移る
  • 導入数5件の小規模ベンダーのアプリなので、ダッシュボードの小窓や全員に送られる共通知識などの例外、記録の残り方、やめ方を先に確かめ、AIの提案を採るかどうかは人が決める

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

目次

数字で見るAnyLLM:版3.2.0、導入5件、レビューなし

まず公開されている数字を並べます。Atlassian Marketplace の掲載ページでは、AnyLLM の提供元は maplee という会社で、ドイツで開発・サポートしていると説明されています。maplee 自身は情報セキュリティ管理(ISMS)や国際規格の認証取得を支援する会社だと紹介されており、AIの専業ベンダーではありません。最新の版は Jira Cloud 向けの3.2.0で、公開日は2026年9月18日、更新内容は「小さな版の更新」とだけ書かれています。

導入数は5件、レビューは「まだない」と表示されています。料金は Atlassian 経由の支払いで商用ライセンスと書かれていますが、掲載ページに具体的な金額は出ておらず、無料で試すボタンがあるだけです。提供元はプライバシーとセキュリティに関する質問票に回答済みで、その回答は掲載ページから読めます。一方、Marketplace のバグ報奨金制度には参加しておらず、Atlassian が独自に審査した上位の安全認定の表示も見当たりません。

この数字が意味するのは、良し悪しではなく審査の進め方です。導入数が数千件あるアプリなら、他社の利用実績や公開された不具合報告から推し量れることが多くあります。導入数5件のアプリは、他社の実績に頼れず、自社で一から確かめる前提になります。逆に言えば、公開されている説明が細かいかどうかが判断の材料の大半を占めます。AnyLLM は手引きと権限の説明ページを英語とドイツ語で公開しており、この記事もそこに書かれた範囲だけをもとにしています。

AnyLLMとは:自社が契約したLLMを呼び込むアプリ

AnyLLM は、Jira と Confluence の中にAIとの対話の窓を足すアプリです。特徴は、AIのモデルをアプリ側が用意するのではなく、利用する会社が自分で契約しているLLMの接続先と鍵を登録して使う点にあります。掲載ページが挙げる接続先は、OpenAI と同じ呼び出し方に対応した接続先(LiteLLM・OpenRouter・Mistral・DeepSeek などを例示)、Azure OpenAI、Anthropic、自社でホストしたモデルで、最大5つの接続を、それぞれ別の鍵とモデル一覧で持てます。

呼び出せる場所は、Confluence のページの著者表示の近く、右クリックの操作、Jira の課題の操作、ダッシュボードの小窓などです。手引きによれば、AIは利用者が見られる範囲の課題とページを探して読み、課題・コメント・ページの作成は「提案」として示し、利用者が実行を押したときだけ書き込みます。利用者が自分用のエージェントや定型の指示を作り、サイト全体に共有することもできます。記憶の機能もありますが、仕組みの詳しい説明は公開されていません。

導入の条件にも癖があります。アプリは Jira に入れることが前提で、Confluence は同じ導入に後から足す形です。手引きは Confluence だけに入れることはできないと明記しています。掲載ページで確認できる版は Jira Cloud 向けで、社内設置型の Data Center 版については記載がありません。社内設置の Atlassian 製品を使い続けている会社は、まずこの時点で対象外になる可能性が高いと考えてください。

Atlassian 標準のAIと何が違うか

比べる相手は、Atlassian が自社製品に組み込んでいるAIの Rovo です。Atlassian の公式の説明では、Rovo は既定で、信頼できる外部のLLMと Atlassian が自社でホストするLLMの間で、要求ごとに使うモデルを振り分けます。どのモデルが使われるかは Atlassian が決め、利用する会社が任意のモデルや自社の契約を差し込む仕組みにはなっていません。

外部のLLM提供元に一切データを出したくない会社向けには、Cloud Enterprise の契約で、Atlassian がホストするLLMだけに限定する設定を申し込めます。ただし公式の案内では、管理画面から自分で切り替える仕組みはまだなく、営業担当かサポートへの依頼が必要で、組織単位でしか掛けられません。一部の機能が使えない場合があり、課金の対象となる操作ごとにより高いクレジット単価が掛かるとも書かれています。標準のAIでも送り先を絞る道はありますが、上位の契約と追加の費用が前提です。

比べる点Atlassian 標準のAI(Rovo)自社契約のLLMをつなぐアプリ(AnyLLM の場合)
使うモデルAtlassian が振り分けて決める自社が契約した接続先から管理者が選ぶ(最大5接続)
鍵と契約Atlassian の契約に含まれる自社が持つLLMの鍵を登録。送り先の契約条件は自社で確認
読む範囲利用者の閲覧権限に沿う閲覧者本人の権限で読むと説明(例外あり)
書き込み機能ごとに異なる提案のみ。本人が実行を押してから書き込む
費用の数え方Rovo のクレジットアプリの利用料と、自社のLLM契約の従量料金
提供元の規模Atlassian 本体導入5件・レビューなしの小規模ベンダー

表から分かるとおり、二つの違いは機能の数より責任の置き場所です。標準のAIは、モデルの選択も鍵も記録も Atlassian の契約の中で完結します。自社契約のLLMをつなぐアプリでは、モデルの選択、鍵、送り先の契約条件が自社側に移り、アプリはその間をつなぐ役になります。どちらを選ぶかは、この責任を引き受ける体制が社内にあるかで決まります。

標準で足りる会社、自社契約をつなぐ理由がある会社

最初に確かめたいのは、そもそも自社契約のLLMをつなぐ理由があるかです。Atlassian の製品の中でAIを少し使えれば十分で、全社のAI契約を持っていない会社なら、わざわざ小規模ベンダーのアプリを挟む理由は薄いと考えてよいでしょう。モデルを選ぶ自由は、選ぶ人と確かめる人がいて初めて意味を持ちます。

逆に、自社契約をつなぐ理由が生まれやすいのは次のような会社です。全社で特定のLLM提供元と法人契約を結び、データの扱いや保存期間の条件を交渉済みの会社。社内の情報を外部の提供元に出さない方針で、自社ホストのモデルや閉じた環境の接続先を用意している会社。部署ごとに用途に合ったモデルを使い分けたい会社です。共通するのは「どのモデルに送るか」を自社の規程で決めたい事情があることです。

  • 全社のAI利用規程で、使ってよいLLM提供元と契約条件がすでに決まっている
  • その提供元とデータの保存・学習・所在地の条件を書面で取り交わしている
  • 鍵の発行・差し替え・失効を担当する人と手順が決まっている
  • LLMの従量料金を部署ごとに見る仕組みが、Atlassian の外にすでにある
  • Rovo の利用をすでに止めている、または止める予定がある

この五つのうち半分も当てはまらないなら、自社契約をつなぐ前に、まず全社のAI契約と規程を整えるほうが先です。アプリを入れれば規程の代わりになるわけではありません。アプリは自社の決めごとを Jira と Confluence の中で守らせる道具であって、決めごとそのものは作ってくれません。

鍵の置き場所と持ち主

自社契約のLLMをつなぐとき、最も重いのは鍵の扱いです。AnyLLM の掲載ページと権限の説明ページでは、登録したLLMの鍵は Atlassian のシークレットストアに暗号化して保存され、ブラウザや画面、記録には出てこないと説明されています。管理者も登録済みの鍵を読み出すことはできず、差し替えるか削除するかしか選べません。

鍵が読めない設計は安全側ですが、運用の持ち主を決めておかないと困ることがあります。鍵を発行するのはLLM提供元の管理画面で、これは情シスや全社のAI担当が持っていることが多いはずです。一方、アプリに鍵を登録するのは Jira か Confluence の製品管理者です。発行する人と登録する人が別の部署だと、鍵の差し替えや失効のときに誰も全体を把握していない状態になりがちです。退職や異動で鍵を発行した人がいなくなると、どの鍵がどこに登録されているかを誰も説明できなくなります。

実務では、アプリ専用の鍵を新しく発行し、他の用途と使い回さないことを勧めます。専用の鍵なら、LLM提供元の側で利用量を分けて見られ、問題が起きたときにその鍵だけを止められます。最大5接続まで持てるからといって、部署ごとに思い思いの接続先を足していくと、鍵の数だけ失効の手順が増えます。接続先の追加は全社のAI担当の承認事項にしておくのが無難です。

  • 鍵はアプリ専用に発行し、他のシステムと使い回さない
  • 発行した人、登録した人、失効させる人を一つの台帳に書く
  • 接続先の追加と差し替えは、全社のAI担当の承認を経てから行う
  • LLM提供元の側でも、アプリ用の鍵の利用量に上限を設定しておく

閲覧権限の引き継ぎと、二つの例外

AnyLLM の権限の説明ページは、最初の原則として「AIは常に個人の権限で動く」と書いています。検索も読み取りも、その人が見られる範囲だけで行い、ページや課題の文脈もやり取りのたびにその人の権限で読み直すとしています。昇格した権限で動くモードは無いとも明記しています。アプリは独自の権限を一切与えず、既存の Jira と Confluence の権限で利用範囲が決まるという説明です。

ただし、同じページに例外が二つ書かれています。一つ目はダッシュボードの小窓です。保存した質問への答えを表示する小窓は、更新を押した人の権限で答えが作られ、ダッシュボードを見られる全員に表示されます。答えは誰かの履歴ではなく小窓に保存されます。つまり、閲覧権限の広い人が更新した答えを、権限の狭い人が見る場面が生まれます。手引き自身がこの点をはっきり書いているのは誠実ですが、運用で手当てしなければ「本人の権限で読む」という原則に穴が開きます。

二つ目はサイト共通の知識です。管理者が書いた共通の知識は、すべての利用者のすべての要求に添えてAIへ送られます。ここに部署限定の情報や、社外秘の数字を書いてしまうと、権限に関係なく全員の質問の材料になり、全員分の要求として外部のLLMへ送られます。共通の知識には、誰に見られても困らない社内の用語や書き方の決まりだけを置く、という線を最初に引いておくべきです。

  • 役員だけが見る課題を含む保存した質問を、全社員が見るダッシュボードの小窓に置き、役員が更新する
  • サイト共通の知識に、未発表の価格改定や主要顧客の名前を書き込む
  • 閲覧権限の棚卸しをしないまま導入し、AIが初めて広すぎる権限の課題を見つけ出す

書き込みは提案で止まる:実行を押す人の責任

AnyLLM では、AIは課題・コメント・ページの作成を提案のカードとして示すだけで、利用者が実行を押すまで何も書き込まれないと説明されています。実行したときは、その利用者の権限で、その利用者の名前で書き込まれるとされています。AIが勝手に課題を閉じたりページを書き換えたりしない設計で、標準のAIのエージェント機能より控えめな線引きです。

この設計は安心材料ですが、責任がどこにあるかを明確にする設計でもあります。実行を押した瞬間、その書き込みは利用者本人の行為になります。AIが提案したコメントに誤った期日や存在しない仕様が書かれていても、記録上は押した人が書いたコメントとして残ります。提案のカードを読まずに実行する習慣がつくと、確認の仕組みがあっても確認していないのと同じになります。

ですから、提案を採るかどうかの判断はAIに任せない、という線を利用者に明示しておく必要があります。たとえば、AIが作った課題の文面には根拠にした課題やページの名前を書かせ、根拠が示されない提案は実行しない。期日・担当者・優先度のような判断を含む項目は、AIの提案を下書きとして扱い、必ず人が書き直してから実行する。管理者はAIの利用範囲を「切」か「読み取りと書き込み」の二択で設定でき、書き込み不可にすれば実行も失敗すると手引きは説明しているので、最初の試行では書き込みの範囲を部署で絞る運用も考えられます。

どのモデルに何が渡るか

自社契約のLLMをつなぐ最大の利点は、送り先を自分で選べることです。掲載ページは、ベンダーのサーバーはデータの経路に入らず、要求は Atlassian の環境から、管理者が承認した接続先へ直接送られると説明しています。手引きによれば、接続先は一つも事前に承認されておらず、すべての宛先に明示的な承認が要ります。承認・差し替え・取り消しができるのは Jira の管理者だけで、製品ごとに一度ずつ行います。

では、何が送られるのか。手引きでは、AIに送られるのは会話の直近16件(約3万2千字)までで、それより前のやり取りは履歴には残っても文脈としては使われません。開いているページや課題の文脈、AIが検索して読んだ課題やページの本文、先ほどのサイト共通の知識も要求に含まれます。プライバシーポリシーは処理の対象として、課題の要約・説明・コメント、ページの本文、要求した人のアカウントIDを挙げています。接続先のLLM提供元がそれをどう扱うかについて、maplee は関与できないとし、確認は利用者の責任としています。

見落としやすいのが、LLM以外の送り先です。AnyLLM には任意でウェブ検索と画像生成の機能があり、管理者が有効にすると、ウェブ検索では外部の検索サービスに最大400字の検索語が、画像生成では接続先の画像モデルに最大2,000字の指示が送られます。検索サービスはLLMとは別の会社であることが多く、別の契約条件の確認が要ります。検索の宛先も製品ごとの承認が必要なので、承認の台帳にLLMとは別の行として載せておきます。

送り先何が渡るか誰が承認するか自社で確かめること
接続したLLM直近16件までの会話、ページ・課題の文脈、読んだ本文、共通の知識Jira の管理者(製品ごと)提供元との保存・学習・所在地の条件
外部の検索サービス(任意)最大400字の検索語製品の管理者が有効化、宛先は Jira の管理者が承認検索語の保存と利用の条件
画像モデル(任意)最大2,000字の指示製品の管理者が有効化生成物の扱いと保存期間
Atlassian の保管場所設定、暗号化した鍵、監査記録、利用量アプリの導入時点で発生Atlassian 側のデータ所在の設定

会話の履歴・記憶・記録はどこに残るか

プライバシーポリシー(2026年8月12日更新)によれば、アプリのデータは設定・監査記録・利用量を含めて Atlassian が管理する保管場所に置かれ、maplee のサーバーには保存しないと書かれています。監査記録はアカウントID・日時・操作の種類で、90日で自動的に消えます。利用量の記録はライセンスの期間中保持され、終了から30日以内に削除されます。設定と暗号化した鍵はアンインストールの時点で消えると説明されています。

一方、手引きには会話の履歴が最大50件まで保存され、固定していない古い会話から自動で消えると書かれています。履歴、記憶、保存した選択、自作のエージェントは本人のもので、Jira と Confluence で共通です。ポリシーは課題やページの本文を「1回の要求の間だけメモリに置く」と説明していますが、その本文をもとに書かれたAIの回答が履歴として残る点は、ポリシーの書き方からは読み取りにくいところです。導入前に、履歴と記憶がどこに、どれだけの期間置かれるのかを提供元に確かめておくべきです。

運用上の注意も手引きに書かれています。停止を押しても画面の表示が止まるだけで、要求はサーバー側で続き、最後まで書かれた回答が履歴に残ることがあります。管理者は他人の会話や記憶を見られず、利用統計もモデルごとのリクエスト数とトークン数だけで個人別の内訳はありません。個人の使い方が見えないのはプライバシーの面では利点ですが、問題が起きたときの調べ方は限られます。監査記録の90日と、LLM提供元の側に残る記録をどう組み合わせて調べるかを、事前に決めておく必要があります。

学習の扱いは、送り先の契約で決まる

Atlassian 自身の学習の既定値が契約ごとにどう変わったかは、別の記事で整理しているので、ここでは自社契約のLLMをつなぐ場合に限った話を一つだけ押さえます。AnyLLM 経由で送った内容が学習に使われるかどうかは、Atlassian の設定ではなく、接続先のLLM提供元と自社が結んだ契約の条件で決まるという点です。Atlassian は標準のAIについて、顧客のデータを外部のAI提供元の学習に使わせないと説明していますが、アプリが自社の鍵で直接送る要求は、その説明の外側にあります。

つまり、法人向けの契約で学習に使わない条件を取り交わした提供元の鍵を登録すれば、その条件がそのまま効きます。逆に、個人向けの鍵や試用の鍵を登録してしまうと、学習や保存の条件が社内の規程と食い違う送り先に、課題やページの本文が流れることになります。maplee のポリシーも、データ処理の契約を結べる提供元や、必要に応じてEU域内にデータを置ける提供元を選ぶよう勧めています。鍵を登録する前に、その鍵がどの契約に紐づいているかを確かめるのが最初の作業です。

小規模ベンダーのアプリを入れるときの審査

AnyLLM の公開情報は小規模なアプリとしては詳しいほうですが、導入5件・レビューなしという事実は変わりません。審査では、機能より先に提供元とアプリの続き方を見ます。審査で見るのは「今日動くか」ではなく「止まったとき、やめたときに何が残るか」です。

具体的には、掲載ページから読めるセキュリティ質問票の回答を読み、データの保存場所、障害時の連絡、脆弱性の扱いを確かめます。Marketplace のバグ報奨金制度に参加していない点は、提供元に脆弱性の報告窓口と対応方針を直接聞く理由になります。版の履歴も見ます。掲載ページで確認できる版の記録が少ない場合は、更新の頻度と、Atlassian 側の仕様変更への追随の実績を提供元に尋ねます。さらに、アプリが求める権限の範囲が版の更新で広がっていないかを、更新のたびに確かめる担当を決めます。

提供元が情報セキュリティ管理の支援会社であることは、規程や書類の整い方には期待を持てる材料です。ただし、それはアプリの品質を保証するものではありません。提供元の肩書きではなく、自社の情報で試したときの振る舞いで判断します。試用期間のうちに、例外の二つ(ダッシュボードの小窓と共通の知識)が自社の運用でどう効くかを実際に確かめておきます。

  • セキュリティ質問票の回答を読み、保存場所・障害時の連絡・脆弱性の報告窓口を確認した
  • プライバシーポリシーと手引きの記載の差(履歴の保存)を提供元に問い合わせた
  • アプリが求める権限を記録し、版の更新ごとに見直す担当を決めた
  • 社内設置型を使う部署が対象外になることを関係部署に伝えた
  • やめるときに履歴・記憶・設定がどう消えるかを書面で確認した

費用の増え方:アプリ料金とLLMの従量料金

費用は二本立てになります。一つはアプリの利用料で、Marketplace の掲載ページでは Atlassian 経由の支払いの商用ライセンスとされていますが、金額は掲載されていません。一般に Marketplace のアプリは製品の利用者数で料金が決まることが多いので、実際の見積もりでは、AIを使わない社員の分まで料金が掛かるのかを必ず確かめます。

もう一つは、接続したLLMの従量料金です。こちらは自社とLLM提供元の契約で請求されるので、アプリの請求書には現れません。会話の直近16件までが毎回送られる設計なので、長い会話ほど1回の質問で送る量が増えます。ページ全体を読ませる要約や、検索して複数の課題を読む質問は、短い質問よりはるかに多くのトークンを使うと考えておくべきです。サイト共通の知識も全員の全要求に添えられるので、長く書くほど全体の費用が増えます。

費用を抑える手段は、アプリの中では限られます。手引きによれば管理者は利用の上限(要求の頻度の制限)を設定でき、利用統計でモデルごとのリクエスト数とトークン数を見られますが、個人別や部署別の内訳はありません。部署ごとに費用を見たいなら、部署ごとに別の接続と鍵を用意し、LLM提供元の側で鍵ごとの利用量を見るしかありません。標準のAIのクレジットと違い、予算の管理は Atlassian の外で行う前提になります。

マーケ部門のConfluenceでの使いどころ

マーケティングの部署は、Confluence に施策の記録や制作の依頼をため込みがちです。キャンペーンの振り返り、広告の入稿ルール、制作会社への依頼書、ウェビナーの運営手順などです。こうしたページは数が多く、過去の施策の結果や決めごとを探す作業に時間がかかるので、AIに探させて要約させる使い方とは相性がよい領域です。

使いどころとして現実的なのは三つです。一つ目は、過去の施策の記録を探し、似た条件の施策の結果と反省点を根拠のページ名付きでまとめさせること。二つ目は、制作の依頼の下書きです。過去の依頼書と入稿ルールをもとに、Jira の課題として依頼の文面を提案させ、担当者が期日と予算を書き直してから実行します。三つ目は、定型の指示を共有して、振り返りの書き方を部署でそろえることです。どれも、AIに結論を出させるのではなく、探す・下書きする・形をそろえる作業に絞っている点が共通します。

避けたいのは、施策の良し悪しや予算の配分をAIの要約で決めることです。AIは読めたページの範囲でしかまとめられず、閲覧権限のない部署の記録や、Confluence に書かれていない事情は反映されません。顧客名や未発表の製品情報を含むページを読ませる場合は、接続先のLLMの契約条件が、その情報を外部に出してよい条件を満たしているかを先に確かめます。制作会社など社外の人を Confluence に招いている場合は、その人たちにAIの利用を許すかも決めておきます。

試す順番とやめ方

自社契約のLLMをつなぐアプリは、全社に一度に配るものではありません。部署と接続先を絞って試し、例外の振る舞いと費用を確かめてから広げます。

STEP1
送ってよい接続先を一つに決める

全社のAI規程で認められた法人契約の提供元から、アプリ専用の鍵を一本発行する。個人や試用の鍵は登録しない。

STEP2
閲覧権限を棚卸しする

試す部署の Jira のプロジェクトと Confluence のスペースで、閲覧権限が広すぎるものを先に直す。AIは見られるものを全部探しに行く。

STEP3
例外の二つを設定で潰す

ダッシュボードの小窓は試行中は使わない。サイト共通の知識には、誰に見られても困らない用語と書き方の決まりだけを書く。

STEP4
書き込みを提案の確認つきで試す

AIの提案には根拠のページ名を書かせ、期日・担当・優先度は人が書き直してから実行する。誤った提案は記録して部署で共有する。

STEP5
費用と記録を一か月分見る

LLM提供元の側で鍵の利用量を、アプリの利用統計でモデル別のトークン数を見て、広げたときの費用を見積もる。

やめ方も最初に決めておきます。プライバシーポリシーでは、アンインストールで設定と暗号化した鍵はすぐに消え、監査記録は90日、利用量の記録はライセンス終了から30日以内に消えるとされています。履歴や記憶の消え方は手引きとポリシーから読み切れないので、やめる前に提供元へ書面で確かめます。あわせて、LLM提供元の側でアプリ用の鍵を失効させ、残したい会話は事前に Confluence へ保存しておきます。アプリが止まっても、Jira と Confluence の本体と、自社のLLM契約はそのまま残るので、標準のAIへ切り替えるかどうかはその時点で改めて判断できます。

まとめ

Jira と Confluence に入れるAIを、標準の Rovo にするか、自社契約のLLMをつなぐアプリにするかは、性能の比較ではなく責任の置き場所の選択です。AnyLLM は、自社のLLMの鍵を Atlassian のシークレットストアに置き、閲覧者本人の権限で読み、書き込みは本人の確認後にだけ実行すると説明しており、送り先を自分で選べる代わりに、鍵と送り先の契約条件と記録の確認が自社の仕事になります。導入5件・レビューなしの小規模ベンダーのアプリであることを前提に、ダッシュボードの小窓と共通の知識という二つの例外、履歴の残り方、費用の見え方、やめ方を試行のうちに確かめる。AIの提案を採るかどうかは人が決め、根拠のページ名を書かせ、人が確認する範囲を先に決めておく。その準備ができる会社にとって、自社契約のLLMをつなぐ選択肢は、全社のAI規程を Jira と Confluence の中まで届かせる手段になります。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

運営会社:株式会社デボノ

目次