Inteligência artificial, aprendizado de máquina e uso de dados no Slack

Este guia é um recurso complementar que fornece informações detalhadas sobre as práticas de dados que o Slack utiliza na criação de recursos de inteligência artificial (IA) e aprendizado de máquina (ML).

Dica: recomendamos a leitura de Nossa abordagem para IA e aprendizado de máquina antes de analisar as informações mais detalhadas abaixo.

Visão geral dos dados

Conforme definido na nossa Política de Privacidade, os Dados do Cliente são compostos pelo seguinte:

• Dados de mensagens, como o conteúdo de uma mensagem
• Dados de arquivos, como os arquivos enviados para o Slack
• Dados de objetos, como um canal ou uma lista
• Dados de transcrições, como a transcrição de um círculo

O Slack não utiliza os Dados do Cliente para treinar grandes modelos de linguagem (LLMs) usados em recursos de IA generativa. Conforme definido na Política de Privacidade do Slack, nossos sistemas podem analisar informações de uso (como a frequência com que usam ou interagem com um recurso) e informações do workspace (como o número de usuários em um workspace ou as configurações do workspace) para recursos de ML.

Tipos de modelos

Utilizamos diversos modelos para alimentar os recursos de IA e de aprendizado de máquina do Slack. Compreender esses modelos e como eles funcionam é fundamental para entender como seus dados são usados.

• Modelos generativos
  Esses modelos utilizam LLMs de terceiros para gerar um resultado. Os Dados do Cliente não são utilizados para treinar esses modelos.
• Modelos preditivos
  Esses modelos utilizam algoritmos de aprendizado de máquina para alimentar recursos como recomendações de canais e sugestões de emojis. A maioria dos nossos modelos preditivos são modelos globais treinados com dados agregados de vários clientes.

Como os recursos utilizam os modelos e os dados

A tabela abaixo descreve os dados e os modelos que alimentam recursos específicos do Slack.

Recursos	Exemplos*	Dados usados	O modelo generativo foi utilizado?	O modelo preditivo foi utilizado?
Resumo	Resumos de canais, resumos de arquivos, anotações de círculos, destaques	Dados do Cliente: Dados de mensagens, arquivos e transcrições Outras informações: Informações de workspace, conta e uso	Sim, por exemplo, para gerar um resumo Observação: este modelo nunca utiliza Dados do Cliente para treinamento	Sim, por exemplo, para personalizar um resumo Observação: este é um modelo global, mas nenhum Dado do Cliente é usado para treinamento
Buscar	Pesquisa de linguagem natural, classificação de pesquisa	Dados do Cliente: Dados de mensagens, arquivos, transcrições e objetos do Slack Outras informações: Informações de workspace, conta e uso	Sim, por exemplo, para gerar uma resposta da pesquisa Observação: este modelo nunca utiliza Dados do Cliente para treinamento	Sim, por exemplo, para classificar os resultados da pesquisa Observação: este é um modelo global, mas nenhum Dado do Cliente é usado para treinamento
Recomendações	Pesquisa de usuários, pesquisa de canais, sugestões de arquivamento, entrada e saída de canais, VIP	Dados do Cliente: N/A Outras informações: Informações de uso	Não	Sim, por exemplo, para fazer recomendações Observação: este é um modelo global, mas nenhum Dado do Cliente é usado para treinamento
Ações da IA	Criação de fluxo de trabalho de IA, etapa de fluxo de trabalho para resumir canal	Dados do Cliente: Dados de mensagens, arquivos, transcrições e objetos do Slack Outras informações: Informações de workspace e conta	Sim, por exemplo, para gerar fluxos de trabalho com base em consultas de linguagem natural e alimentar as etapas de fluxo de trabalho de resumo e pesquisa Observação: este modelo nunca utiliza Dados do Cliente para treinamento	Não
Preenchimento automático	Recomendações de @menção, sugestões para navegação de pesquisa	Dados do Cliente: N/A Outras informações: Informações de workspace, conta e uso	Não	Sim, por exemplo, para produzir recomendações Observação: este é um modelo global, mas nenhum Dado do Cliente é usado para treinamento
Spam	Modelos de detecção de spam para evitar o abuso da plataforma	Dados do Cliente: N/A Outras informações: Informações de workspace, conta e uso	Não	Sim, por exemplo, para classificar spam Observação: este é um modelo global, mas nenhum Dado do Cliente é usado durante o treinamento
Tradução	Detecção de idiomas, tradução de idiomas com IA	Dados do Cliente: Dados de mensagens, arquivos e transcrições Outras informações: Informações de workspace, conta e uso	Sim, por exemplo, para gerar traduções Observação: este modelo nunca utiliza Dados do Cliente para treinamento	Sim, por exemplo, para detectar o idioma para traduções Observação: este não é um modelo global

*A coluna Exemplos da tabela foi incluída para fins ilustrativos e não é uma lista completa de recursos do Slack.