Künstliche Intelligenz, Machine Learning und Verwendung von Daten in Slack

Dieser Leitfaden ist eine ergänzende Ressource mit detaillierten Informationen zu den Methoden der Datenverarbeitung, die Slack bei der Erstellung von Funktionen für Künstliche Intelligenz (KI) und Machine Learning (ML) verwendet.

Tipp: Wir empfehlen die Lektüre von Unser Ansatz bei KI und Machine Learning, bevor du dir die detaillierten Informationen hier ansiehst.

Datenübersicht

Wie in unserer Datenschutzrichtlinie definiert, bestehen Kundendaten aus Folgendem:

• Nachrichtendaten, z. B. der Inhalt einer Nachricht
• Dateidaten, z. B. in Slack hochgeladene Dateien
• Objektdaten, z. B. ein Channel oder eine Liste
• Transkriptionsdaten, z. B. das Transkript eines Huddles

Slack nutzt keine Kundendaten, um große Sprachmodelle (LLMs) zu trainieren, die in generativen KI-Funktionen verwendet werden. Wie in der Slack-Datenschutzrichtlinie beschrieben, analysieren unsere Systeme Nutzungsinformationen (z. B. wie häufig eine Funktion verwendet oder wie häufig mit ihr interagiert wurde) und Workspace-Informationen (z. B. die Anzahl von Benutzer:innen in einem Workspace oder die Workspace-Einstellungen) für ML-Funktionen.

Arten von Modellen

Wir verwenden verschiedene Modelle, um die KI- und ML-Funktionen von Slack zu trainieren. Um zu verstehen, wie deine Daten verwendet werden, musst du diese Modelle verstehen und wissen, wie sie funktionieren.

• Generative Modelle
  Diese Modelle verwenden Drittanbieter-LLMs und eine Ausgabe zu generieren. Zum Trainieren dieser Modelle werden keine Kundendaten verwendet.
• Prognosemodelle
  Diese Modelle verwenden Machine Learning-Algorithmen, um Funktionen wie Channel-Empfehlungen und Emoji-Vorschläge zu ermöglichen. Die meisten unserer Prognosemodelle sind globale Modelle, die mit Daten einer Vielzahl von Kund:innen trainiert werden.

Nutzung der Modelle und Daten durch die Funktionen

Die Tabelle unten zeigt die Daten und Modelle, die bestimmte Slack-Funktionen unterstützen.

Funktion	Beispiele*	Verwendete Daten	Wird ein generatives Modell verwendet?	Wird ein Prognosemodell verwendet?
Zusammenfassung	Channel-Zusammenfassungen, Dateizusammenfassungen, Huddle-Notizen, Übersichten	Kundendaten: Nachrichten-, Datei und Transkriptionsdaten Sonstige Informationen: Informationen zu Workspace, Account und Nutzung	Ja, z. B. zum Generieren einer Zusammenfassung Hinweis: Dieses Modell wird niemals mit Kundendaten trainiert.	Ja, z. B. zum Personalisieren einer Zusammenfassung Hinweis: Dies ist ein globales Modell, es wird aber nicht mit Kundendaten trainiert.
Suchen	Suche in natürlicher Sprache, Suchreihenfolge	Kundendaten: Daten aus Nachrichten, Dateien, Transkriptionen und Slack-Objekten Sonstige Informationen: Informationen zu Workspace, Account und Nutzung	Ja, z. B. zum Generieren einer Antwort auf eine Suche Hinweis: Dieses Modell wird niemals mit Kundendaten trainiert.	Ja, z. B. um Suchergebnisse in eine Reihenfolge zu bringen Hinweis: Dies ist ein globales Modell, es wird aber nicht mit Kundendaten trainiert.
Empfehlungen	Benutzersuche, Channel-Suche, Channel-Archiv, Beitritts- und Austrittsempfehlungen, VIP	Kundendaten: N. Z. Sonstige Informationen: Nutzungsinformationen	Nein	Ja, z. B. für Empfehlungen Hinweis: Dies ist ein globales Modell, es wird aber nicht mit Kundendaten trainiert.
KI-Aktionen	KI-Workflow-Erstellung, Workflow-Schritt zum Zusammenfassen eines Channels	Kundendaten: Daten aus Nachrichten, Dateien, Transkriptionen und Slack-Objekten Sonstige Informationen: Workspace- und Account-Informationen	Ja, z. B. zum Generieren von Workflows aus Abfragen in natürlicher Sprache sowie für Schritte zum Zusammenfassen und Durchsuchen von Workflow-Schritts Hinweis: Dieses Modell wird niemals mit Kundendaten trainiert.	Nein
Autovervollständigung	Empfehlungen für @-Erwähnungen, Vorschläge für die Suchnavigation	Kundendaten: N. Z. Sonstige Informationen: Informationen zu Workspace, Account und Nutzung	Nein	Ja, z. B. zum Erzeugen von Empfehlungen Hinweis: Dies ist ein globales Modell, es wird aber nicht mit Kundendaten trainiert.
Spam	Spam-Erkennungsmodelle, um die missbräuchliche Verwendung der Plattform zu verhindern	Kundendaten: N. Z. Sonstige Informationen: Informationen zu Workspace, Account und Nutzung	Nein	Ja, z. B. zum Klassifizieren von Spam Hinweis: Dies ist ein globales Modell, beim Training werden aber keine Kundendaten verwendet.
Übersetzung	Spracherkennung, KI-Sprachübersetzung	Kundendaten: Nachrichten-, Datei und Transkriptionsdaten Sonstige Informationen: Informationen zu Workspace, Account und Nutzung	Ja, z. B. zum Generieren von Übersetzungen Hinweis: Dieses Modell wird niemals mit Kundendaten trainiert.	Ja, z. B. zum Erkennen der Sprache für Übersetzungen Hinweis: Dies ist kein globales Modell.

*Die Spalte Beispiele dieser Tabelle dient nur zur Veranschaulichung und stellt keine vollständige Liste aller Slack-Funktionen dar.