Künstliche Intelligenz, maschinelles Lernen 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.