Principios de privacidad: búsqueda, aprendizaje e inteligencia artificial

Nuestra misión es crear un producto que haga que el trabajo sea mucho más sencillo, agradable y productivo. Nuestro principio rector a la hora de crear este producto radica en que la privacidad y la seguridad de los Datos de cliente son sagradas, tal y como se detalla en nuestra Política de privacidad, SPARC, así como en las Condiciones de Slack

El aprendizaje automático (AA) y la inteligencia artificial (IA) son herramientas útiles que utilizamos de formas limitadas para mejorar nuestra misión de producto. Para desarrollar modelos de IA/AA, nuestros sistemas analizan los Datos de cliente (como mensajes, contenido o archivos que se hayan enviado en Slack), así como Otra información (entre la que se incluye la información de uso), tal y como se define en nuestra Política de privacidad y en nuestro acuerdo de clientes. Para garantizar la privacidad y la seguridad de los Datos de cliente en este contexto en particular, seguimos una serie de principios rectores:

Los datos no se filtrarán entre los espacios de trabajo. No desarrollamos ni entrenamos ningún modelo que se vaya a utilizar ampliamente para toda la clientela de forma que los modelos puedan aprender, memorizar o incluso reproducir en parte los Datos de cliente.
Contamos con controles técnicos para evitar el acceso. Al desarrollar modelos de IA/AA, o por el contrario, analizar los Datos del cliente, Slack no puede acceder al contenido subyacente. Y para asegurarnos de que esto sea así, tenemos varias medidas técnicas que lo impiden. Lee el informe técnico de seguridad para obtener más información sobre los controles que mantienen la confidencialidad y seguridad de los Datos del cliente.
Ofrecemos a los clientes la posibilidad de elegir entre ambas alternativas. Puedes abandonar si quieres excluir tus Datos de cliente para que no ayuden a entrenar los modelos globales de Slack. En ese caso, los Datos de cliente de tu espacio de trabajo solo se utilizarán para mejorar el servicio de tu propio espacio de trabajo y podrás disfrutar de las ventajas de nuestros modelos entrenados con inteligencia artificial (IA) o aprendizaje automático (AA) sin participar en los modelos subyacentes.

Ponte en contacto con nosotros para abandonar. Puedes abandonar si quieres excluir tus Datos de cliente de los modelos globales de Slack. Para abandonar, haz que los/as propietarios/as del espacio de trabajo, de la organización o los/as propietarios/as principales se pongan en contacto con nuestro equipo de Experiencia de cliente a través de feedback@slack.com, escribiendo tu URL de espacio de trabajo/organización y “Slack Global model opt-out request.” (Solicitud de abandono del modelo global de Slack) en el asunto. Procesaremos tu solicitud y la responderemos cuando se haya completado el proceso de abandono.

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

Siguiendo los principios anteriores, estos son 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: Podemos utilizar información para recomendar a las personas usuarias unirse a nuevos canales abiertos de su empresa. Hacemos estas sugerencias en base a las suscripciones, la actividad y las coincidencias de temas de los canales. Para ello, nuestro modelo analiza las sugerencias anteriores y si las personas usuarias se unen o no a los canales que les recomendamos. Además, para proteger la privacidad durante el proceso, separamos nuestro modelo de los Datos de cliente. Utilizamos modelos externos, que no están basados en mensajes de Slack, para evaluar la similitud de los temas con puntuaciones numéricas. El modelo global solo hace sugerencias basadas en estas puntuaciones y otros datos que no pertenecen a clientes. Visita nuestro blog sobre ingeniería para obtener más información sobre los detalles técnicos.
Resultados de búsqueda: Nuestros modelos de aprendizaje automático de las búsquedas ayudan a las personas usuarias a encontrar la información que necesitan identificando los resultados adecuados para una consulta en concreto. Para hacer esto, nos basamos en el historial de resultados de las búsquedas y en interacciones anteriores, sin llegar a analizar el texto subyacente de la consulta, los resultados ni el proxy. En pocas palabras, nuestro modelo no puede reconstruir la consulta ni los resultados. En su lugar, recopila la información contextual específica del equipo, como el número de veces que se ha seleccionado un mensaje en una búsqueda o coincidencias en el número de palabras de la consulta y el mensaje recomendado.
Autocompletar: Slack puede hacer sugerencias para la búsqueda de preguntas u otro tipo de texto, como autocompletar la frase “Atención al cliente” cuando la persona usuaria haya escrito las primeras letras. Estas sugerencias son locales y parten de las frases comunes que se utilizan en mensajes públicos del espacio de trabajo de la persona usuaria. Nuestro algoritmo, que escoge entre varias posibles sugerencias, se ha desarrollado de forma global en base a recomendaciones aceptadas previamente. Protegemos la privacidad de los datos mediante el uso de reglas para evaluar la similitud entre el texto escrito y la sugerencia de varias formas, como utilizar únicamente las puntuaciones numéricas y los recuentos de interacciones anteriores en el algoritmo.
Sugerencia de emojis: Slack puede sugerir reacciones emoji a partir del contenido y el tono de los mensajes, el uso previo de los emojis y la frecuencia con la que el equipo utiliza cada emoji en diferentes situaciones. Por ejemplo, si 🎉 se utiliza habitualmente como reacción a mensajes de felicitación en un canal en concreto, se lo sugeriremos a las personas usuarias en ocasiones similares. Para hacer esto y mantener la seguridad de los Datos del cliente, podemos utilizar un modelo externo (no entrenado en los mensajes de Slack) para identificar el tono de los mensajes. Nuestro modelo sugeriría emojis basándose únicamente en la frecuencia con la que cada emoji se ha utilizado para mensajes con un tono específico en ese espacio de trabajo.

Este tipo de personalizaciones y mejoras cuidadas solo son posibles si estudiamos y entendemos cómo interactúan las personas usuarias 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 los propietarios de sus propios Datos del cliente. Slack agrega y disocia los Datos del cliente de tal manera que su uso por parte de Slack para actualizar los Servicios nunca identificará a ninguno de nuestros clientes o individuos como la fuente de cualquiera de estas mejoras a ningún tercero, excepto a los afiliados o subprocesadores de Slack.

Principios de privacidad: búsqueda, aprendizaje e inteligencia artificial