Inteligencia artificial, aprendizaje automático y uso de datos en Slack

Esta guía es un recurso complementario que proporciona información detallada sobre las prácticas de datos que Slack utiliza para desarrollar funciones de inteligencia artificial (IA) y aprendizaje automático (ML).

Consejo: Recomendamos leer nuestro enfoque sobre la IA y el aprendizaje automático antes de revisar la información más detallada que aparece a continuación.

Resumen de datos

Como se define en nuestra Política de privacidad, los datos del cliente se componen de lo siguiente:

• Datos de mensajes, por ejemplo, el contenido de un mensaje
• Datos de archivos, por ejemplo, archivos subidos a Slack
• Datos de objetos, por ejemplo, un canal o una lista
• Datos de transcripciones, por ejemplo, la transcripción de una junta

Slack no utiliza los datos del cliente para entrenar modelos grandes de lenguaje (LLM) utilizados en funciones de IA generativa. Como se define en la Política de privacidad de Slack, nuestros sistemas podrían analizar información de uso (como la frecuencia con la que se utiliza o se interactúa con una función) e información del espacio de trabajo (como el número de usuarios o los ajustes del espacio de trabajo) para las funciones de ML.

Tipos de modelos

Utilizamos diferentes modelos para potenciar la IA de Slack y las funciones de aprendizaje automático. Comprender estos modelos y como funcionan es fundamental para entender cómo se utilizan tus datos.

• Modelos generativos
  Estos modelos utilizan LLM de terceros para crear una salida. Los datos del cliente no se utilizan para entrenar estos modelos.
• Modelos predictivos
  Estos modelos utilizan algoritmos de aprendizaje automático para impulsar funciones como las recomendaciones del canal y las sugerencias de emojis. La mayoría de nuestros modelos predictivos son modelos globales que se entrenan con datos agregados de varios clientes.

Cómo utilizan las funciones los modelos y los datos

En la siguiente tabla se describen los datos y los modelos que impulsan funciones específicas de Slack.

Funciones	Ejemplos*	Datos usados	¿Modelo generativo usado?	¿Modelo predictivo usado?
Resumen	Resúmenes de canales, resúmenes de archivos, notas de juntas, síntesis	Datos del cliente: Datos de mensajes, archivos y transcripciones Otra información: Información de uso, sobre el espacio de trabajo y sobre la cuenta	Sí, por ejemplo, para generar un resumen Nota: Este modelo nunca utiliza datos del cliente para entrenar	Sí, por ejemplo, para personalizar un resumen Nota: Este es un modelo global, pero no se utilizan datos del cliente para entrenar
Realizar búsqueda	Búsqueda en lenguaje natural, clasificación de las búsquedas	Datos del cliente: Datos de mensajes, archivos, transcripciones y objetos de Slack Otra información: Información de uso, sobre el espacio de trabajo y sobre la cuenta	Sí, por ejemplo, para generar una respuesta de búsqueda Nota: Este modelo nunca utiliza datos del cliente para entrenar	Sí, por ejemplo, para clasificar resultados de la búsqueda Nota: Este es un modelo global, pero no se utilizan datos del cliente para entrenar
Recomendaciones	Búsqueda de usuarios, búsqueda de canales, archivo de canales, unirse, dejar sugerencias, VIP	Datos del cliente: N/A Otra información: Información de uso	No	Sí, por ejemplo, para hacer recomendaciones Nota: Este es un modelo global, pero no se utilizan datos del cliente para entrenar
Acciones de IA	Creación de flujos de trabajo con IA, resumir el paso del flujo de trabajo del canal	Datos del cliente: Datos de mensajes, archivos, transcripciones y objetos de Slack Otra información: Información del espacio de trabajo y de la cuenta	Sí, por ejemplo, para generar flujos de trabajo a partir de consultas en lenguaje natural y para potenciar los pasos de resumen y búsqueda del flujo de trabajo Nota: Este modelo nunca utiliza datos del cliente para entrenar	No
Autocompletar	Recomendaciones de @mención, sugerencias de navegación de búsqueda	Datos del cliente: N/A Otra información: Información de uso, sobre el espacio de trabajo y sobre la cuenta	No	Sí, por ejemplo, para producir recomendaciones Nota: Este es un modelo global, pero no se utilizan datos del cliente para entrenar
Correo no deseado	Modelos de detección de spam para evitar el abuso de la plataforma	Datos del cliente: N/A Otra información: Información de uso, sobre el espacio de trabajo y sobre la cuenta	No	Sí, por ejemplo, para clasificar correo no deseado Nota: Este es un modelo global, pero no se utilizan datos del cliente durante el entrenamiento
Traducción	Detección de idioma, traducción de idiomas con IA	Datos del cliente: Datos de mensajes, archivos y transcripciones Otra información: Información de uso, sobre el espacio de trabajo y sobre la cuenta	Sí, por ejemplo, para generar traducciones Nota: Este modelo nunca utiliza datos del cliente para entrenar	Sí, por ejemplo, para detectar el idioma para traducciones Nota: Este no es un modelo global

* La columna Ejemplos de esta tabla se ha incluido con fines ilustrativos y no es una lista exhaustiva de las funciones de Slack.