Principios de privacidad: búsqueda, aprendizaje e inteligencia artificial

Nuestra misión es desarrollar un producto que haga la vida más simple, placentera y productiva. Nuestro principio rector a medida que construimos este producto es que la privacidad y la seguridad de los Datos del cliente son sagradas, como se detalla en nuestra Política de privacidad, SPARC y los Términos de Slack.

El aprendizaje automático (AA) y la inteligencia artificial (IA) son herramientas útiles que utilizamos de forma limitada para mejorar la misión de nuestro producto. Para desarrollar modelos de IA/AA, nuestros sistemas analizan los Datos del cliente (es decir, mensajes, contenido y archivos) que se envían a Slack, así como otro tipo de información (incluida la información de uso) como se define en nuestra Política de privacidad y en nuestro acuerdo con el cliente. Para garantizar la privacidad y seguridad de los Datos del cliente en este contexto particular, tenemos algunos principios rectores:

No se filtrarán los datos entre espacios de trabajo. No construimos ni educamos los modelos que usan los clientes de forma general para que puedan aprender, memorizar o ser capaces de reproducir alguna parte de los Datos del cliente.
Contamos con controles técnicos para evitar el acceso. Al desarrollar modelos de IA/AA o al analizar de otro modo los Datos del cliente, Slack no puede acceder al contenido subyacente. Contamos con diferentes medidas técnicas para evitar que esto ocurra. Lee nuestro documento técnico sobre seguridad para obtener más información sobre estos controles que protegen la confidencialidad y la seguridad de los Datos del cliente.
Nuestros clientes pueden elegir si quieren participar en estas prácticas. Si quieres que tus Datos del cliente se excluyan de las fuentes de educación de los modelos globales de Slack, puedes elegir esa opción. Si eliges que tus datos no se incluyan, los Datos del cliente de tu espacio de trabajo se usarán únicamente para mejorar la experiencia dentro de tu propio espacio de trabajo. Además, seguirás teniendo todos los beneficios de nuestros modelos de IA/AA educados de forma global sin colaborar con los modelos subyacentes.

Contáctanos para excluirte. Si quieres que tus Datos del cliente se excluyan de los modelos globales de Slack, puedes elegir esa opción. Para excluirte, solicita a los propietarios de tu organización o espacio de trabajo o al propietario principal que se pongan en contacto con nuestro equipo de experiencia del cliente en feedback@slack.com con la URL de tu espacio de trabajo/organización y el asunto “Solicitud de exclusión del modelo global de Slack”. Procesaremos tu solicitud y te responderemos una vez que se haya completado la opción de exclusión.

Datos del cliente y otra información

Cómo puede hacer uso Slack de los Datos del cliente (como mensajes, contenido, archivos) y de Otra información para actualizar nuestros servicios

Usando como base los principios ya mencionados, te mostramos aquí algunos ejemplos de mejoras y técnicas de protección de la privacidad que nuestros equipos de productos y análisis de datos pueden usar para desarrollar, actualizar y mejorar Slack:

Recomendaciones de canales: Es posible que usemos conocimientos para recomendar que un usuario se una a un nuevo canal público dentro de su empresa. Realizamos estas sugerencias con base en las coincidencias entre las membresías, las actividades y los temas de los canales. Nuestro modelo aprende de sugerencias previas y de si un usuario se une o no al canal que recomendamos. Podemos, a la vez, proteger la privacidad al separar nuestro modelo de los Datos del cliente. Usamos modelos externos (no educados sobre los mensajes de Slack) para evaluar las similitudes entre los temas y obtener puntajes numéricos. Nuestro modelo global solo da recomendaciones con base en estos puntajes numéricos y en datos que no son de clientes. Para ver más detalles técnicos, visita nuestro blog de ingeniería y obtén más información.
Resultados de la búsqueda: Nuestros modelos de búsqueda de aprendizaje automático ayudan a los usuarios a encontrar lo que buscan al identificar los resultados correctos para una solicitud en particular. Hacemos esto con base en resultados de búsqueda históricos e interacciones anteriores sin tener que incorporar el aprendizaje del texto subyacente de la consulta, el resultado o el proxy de la búsqueda. En resumen, nuestro modelo no puede reconstruir la solicitud o el resultado de la búsqueda. En su lugar, aprende de información contextual específica de los equipos, como el número de veces en las que se ha hecho clic sobre un mensaje en una búsqueda o una coincidencia en el número de palabras entre la solicitud y el mensaje recomendado.
Autocompletar: Slack podría mostrar sugerencias para completar consultas de búsqueda u otro texto (por ejemplo, completar automáticamente la frase «Atención al cliente» luego de que un usuario haya escrito las primeras letras de la frase). Estas sugerencias son locales y se obtienen a partir de frases comunes de mensajes públicos dentro del espacio de trabajo de un usuario. Se educa a nuestro algoritmo que elige entre sugerencias posibles de forma global con opciones sugeridas y aceptadas con anterioridad. Protegemos la privacidad de los datos al usar reglas para puntuar el grado de similitud entre el texto escrito y la sugerencia de varias maneras, entre las que se incluyen usar sólo los puntajes y conteos numéricos de interacciones pasadas del algoritmo.
Sugerencia de emoji: Slack podría sugerir reacciones con emojis para los mensajes según el contenido y el sentimiento de cada mensaje, el uso histórico del emoji y la frecuencia de uso del emoji dentro del equipo en diferentes contextos. Por ejemplo, si 🎉 es una reacción habitual para mensajes de celebración en un canal en particular, les sugeriremos a los usuarios que reaccionen a mensajes positivos nuevos y similares con 🎉. Para lograr esto y, a la vez, proteger los Datos del cliente, es posible que usemos un modelo externo (no educado sobre los mensajes de Slack) para determinar el sentimiento del mensaje. Nuestro modelo sugerirá un emoji solo teniendo en cuenta la frecuencia con la que ese emoji en particular se haya asociado con los mensajes que expresan ese sentimiento dentro de ese espacio de trabajo.

Estos tipos de personalizaciones y mejoras consideradas solo son posibles si estudiamos y comprendemos cómo nuestros usuarios interactúan con Slack.

Slack toma muy en serio la privacidad, y nuestras obligaciones de confidencialidad descritas en nuestros acuerdos con los clientes y en nuestra Política de privacidad se aplican a cada uno de estos casos. Los clientes son propietarios de sus propios Datos del cliente. Slack suma y desvincula los Datos del cliente de manera que su uso por Slack para actualizar los Servicios nunca identifique a ninguno de nuestros clientes ni individuos como la fuente de estas mejoras ante ningún tercero, salvo las afiliadas o los subprocesadores de Slack.

Principios de privacidad: búsqueda, aprendizaje e inteligencia artificial