Slack 人工智慧、機器學習與資料使用

本指南為補充資源，針對 Slack 使用資料實務以建立人工智慧 (AI) 與機器學習 (ML) 等功能提供詳細的資訊。

提示：建議先閱讀「我們的 AI 與機器學習方法」，然後再查看下方更詳細的資訊。

資料概觀

根據我們在隱私權政策中的定義，客戶資料包含以下內容：

• 訊息資料，例如訊息的內容
• 檔案資料，例如上傳至 Slack 的檔案
• 物件資料，例如頻道或清單
• 文字轉出資料，例如微型會議的文字轉出

Slack 不會使用客戶資料來訓練用於生成式 AI 功能的大型語言模型 (LLM)。根據 Slack 隱私權政策的定義，我們的系統會分析 ML 功能的使用資訊 (例如某一功能使用或互動的頻率) 和工作空間資訊 (例如工作空間中的使用者人數或工作空間設定)。

模型類型

我們使用各種模型支援 Slack 的 AI 與機器學習功能。瞭解這些模型並理解其運作方式，是瞭解資料如何使用的關鍵。

• 生成式模型
  這些模型使用第三方 LLM 來建立輸出。我們不會使用客戶資料來訓練這些模型。
• 預測模型
  這些模型使用機器學習演算法來支援各項功能，例如頻道推薦和表情符號建議。我們多數的預測模型都屬於全域模型，這些模型訓練的基礎係來自多個客戶的彙總資料。

功能如何使用模型和資料

下表概述能支援特定 Slack 功能的資料與模型。

功能	範例*	使用的資料	是否使用生成式模型？	是否使用預測模型？
摘要	頻道摘要，檔案摘要，微型會議記錄，要點回顧	客戶資料：訊息，檔案和文字轉出資料 其他資訊：工作空間、帳號和使用資訊	是的；例如產生摘要 注意：此模型絕不使用客戶資料進行訓練	是的；例如產生個人化的摘要 注意：這是全域模型，但不會使用客戶資料進行訓練
搜尋	日常用語搜尋、搜尋排名	客戶資料：訊息、檔案、文字轉出和 Slack 物件資料 其他資訊：工作空間、帳號和使用資訊	是的；例如產生搜尋答覆 注意：此模型絕不使用客戶資料進行訓練	是的；例如進行搜尋結果排名 注意：這是全域模型，但不會使用客戶資料進行訓練
建議	使用者搜尋、頻道搜尋、頻道封存、加入和提出建議、VIP	客戶資料：不適用 其他資訊：使用資訊	否	是的；例如提出建議 注意：這是全域模型，但不會使用客戶資料進行訓練
AI 動作	AI 工作流程建立、產生頻道工作流程步驟摘要	客戶資料：訊息、檔案、文字轉出和 Slack 物件資料 其他資訊：工作空間和帳戶資訊	是的；例如從日常用語查詢中產生工作流程，以及支援摘要和搜尋工作流程步驟 注意：此模型絕不使用客戶資料進行訓練	否
自動完成	@提及建議、搜尋導覽建議	客戶資料：不適用 其他資訊：工作空間、帳號和使用資訊	否	是的；例如提供建議 注意：這是全域模型，但不會使用客戶資料進行訓練
垃圾郵件	垃圾郵件偵測模型，可避免平台濫用情況	客戶資料：不適用 其他資訊：工作空間、帳號和使用資訊	否	是的；例如將垃圾郵件分類 注意：這是全域模型，但訓練時不會使用客戶資料
翻譯	語言偵測、AI 語言翻譯	客戶資料：訊息，檔案和文字轉出資料 其他資訊：工作空間、帳號和使用資訊	是的；例如產生翻譯 注意：此模型絕不使用客戶資料進行訓練	是的；例如偵測翻譯語言 注意：這不是全域模型

*本表格的範例一欄僅供說明用途，並不包含 Slack 功能的完整清單。