Atlassian Habilita la Recolección de Datos Predeterminada para el Entrenamiento de IA

Atlassian ha implementado configuraciones predeterminadas de recopilación de datos en su suite de productos para recopilar datos de usuarios con el fin de entrenar modelos de IA. El cambio parece ser de exclusión voluntaria en lugar de inclusión voluntaria, lo que significa que la recopilación de datos está activa a menos que los usuarios la desactiven explícitamente.
Detalles Clave
El material fuente indica que esta noticia se compartió en Hacker News, donde recibió una participación significativa: 312 puntos y 75 comentarios. La discusión probablemente cubre detalles de implementación técnica, implicaciones de privacidad y reacciones de desarrolladores a este cambio de política.
Para los desarrolladores que utilizan productos de Atlassian como Jira, Confluence o Bitbucket, esto significa que los patrones de uso, las interacciones con el contenido y los datos de flujo de trabajo pueden recopilarse de forma predeterminada con fines de entrenamiento de IA. Aunque los tipos de datos específicos no se detallan en la fuente, la telemetría típica del software empresarial incluye la frecuencia de uso de funciones, patrones de error y secuencias de interacción.
Este tipo de recopilación de datos es cada vez más común en el software empresarial, ya que las empresas buscan mejorar las funciones de IA mediante datos de uso del mundo real. La naturaleza de exclusión voluntaria plantea preguntas sobre el consentimiento del usuario y la privacidad de los datos que probablemente se están discutiendo en los comentarios de Hacker News.
📖 Leer la fuente completa: HN AI Agents
👀 Ver también

Claude Code agrega entrada de voz con funcionalidad de pulsar para hablar.
Claude Code está implementando el modo de voz para aproximadamente el 5% de los usuarios inicialmente, con activación por pulsar y mantener la barra espaciadora. Los tokens de transcripción de voz no cuentan contra los límites de tasa y la función se incluye sin costo adicional.

InclusionAI lanza Ring-2.6-1T: Modelo de billón de parámetros para flujos de trabajo de agentes
InclusionAI presentó Ring-2.6-1T, un modelo de razonamiento de 1 billón de parámetros optimizado para ejecución de agentes, con niveles duales de esfuerzo de razonamiento (high/xhigh) y entrenamiento RL asíncrono mediante el algoritmo IcePop.

Claude Code v2.1.154: Opus 4.8, Flujos de Trabajo Dinámicos y Principales Correcciones
Nueva versión añade Opus 4.8 con predeterminados de alto esfuerzo, flujos de trabajo dinámicos que orquestan decenas a cientos de agentes, modo rápido al doble de tarifa por 2.5 veces la velocidad, y más de una docena de correcciones de errores.

El modelo MiniMax M2.7 muestra un rendimiento sólido como agente de codificación con IA.
Un desarrollador probó MiniMax M2.7 como su principal agente de IA para programación y descubrió que superó a GPT 5.4 y Gemini 3.1 Pro en velocidad y tareas de herramientas, con puntuaciones de referencia del 56,22% en SWE-Pro y del 57,0% en Terminal Bench 2.