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.