Intelligence artificielle, apprentissage automatique et utilisation des données chez Slack
Ce guide est une ressource complémentaire qui fournit des informations détaillées sur les pratiques de Slack en matière de données dans le cadre du développement de fonctionnalités d’intelligence artificielle (IA) et de machine learning (ML).
Conseil : nous vous recommandons de lire Notre approche de l’IA et du machine learning avant de consulter les informations plus détaillées ci-dessous.
Vue d’ensemble des données
Comme indiqué dans notre Politique de confidentialité, les données client comprennent les éléments suivants :
- Données des messages, par exemple le contenu d’un message
- Données des fichiers, par exemple les envois de fichiers dans Slack
- Données d’objets, par exemple un canal ou une liste
- Données des transcriptions, par exemple la transcription d’un appel d’équipe
Slack n’utilise pas les données clients pour entraîner les grands modèles linguistiques (LLM) utilisés dans les fonctionnalités d’IA générative. Comme défini dans la Politique de confidentialité de Slack, nos systèmes peuvent analyser les informations d’utilisation (telles que la fréquence d’utilisation ou d’interaction avec une fonctionnalité) et les informations relatives à l’espace de travail (telles que le nombre d’utilisateurs dans un espace de travail ou les paramètres de l’espace de travail) pour les fonctionnalités de ML.
Types de modèles
Nous utilisons divers modèles pour alimenter les fonctionnalités d’IA et d’apprentissage automatique de Slack. Comprendre ces modèles et leur fonctionnement est essentiel pour comprendre comment vos données sont utilisées.
-
Modèles génératifs
Ces modèles utilisent des LLM tiers pour créer une sortie. Les données clients ne sont pas utilisées pour entraîner ces modèles. -
Modèles prédictifs
Ces modèles utilisent des algorithmes de machine learning pour alimenter des fonctionnalités telles que les recommandations de canaux et les suggestions d’émojis. La plupart de nos modèles prédictifs sont des modèles globaux qui sont entraînés à partir des données agrégées de plusieurs clients.
Comment les fonctionnalités utilisent les modèles et les données
Le tableau ci-dessous présente les données et modèles qui alimentent des fonctionnalités Slack spécifiques.
| Fonctionnalité | Exemples* | Données utilisées | Modèle génératif utilisé ? | Modèle prédictif utilisé ? |
| Résumé | Résumés des canaux, résumés de résumés, notes d’appel d’équipe, récaps |
Données client : Données des messages, des fichiers et des transcriptions Autres informations : Informations de l’espace de travail, du compte et d’utilisation |
Oui, par exemple pour générer un résumé Remarque : Ce modèle n’utilise jamais de données client pour l’entraînement |
Oui, par exemple pour personnaliser un résumé Remarque : il s’agit d’un modèle général, mais aucune donnée client n’est utilisée pour l’entraînement |
| Recherche | Recherche en langage courant, classement de recherche |
Données client : Données des messages, des fichiers, des transcription et des objets Slack Autres informations : Informations de l’espace de travail, du compte et d’utilisation |
Oui, par exemple pour générer une réponse de recherche Remarque : Ce modèle n’utilise jamais de données client pour l’entraînement |
Oui, par exemple pour classer des résultats de recherche Remarque : il s’agit d’un modèle général, mais aucune donnée client n’est utilisée pour l’entraînement |
| Recommandations | Recherche d’utilisateurs, recherche de canaux, archives de canaux, suggestions pour rejoindre ou quitter, VIP |
Données client : N/A Autres informations : Informations sur l’utilisation |
Non |
Oui, par exemple pour faire des recommandations Remarque : il s’agit d’un modèle général, mais aucune donnée client n’est utilisée pour l’entraînement |
| Actions d’IA | Création d’un flux de travail par IA, résumer les étapes du flux de travail du canal |
Données client : Données des messages, des fichiers, des transcription et des objets Slack Autres informations : Informations relatives à l’Espace de travail et au Compte |
Oui, par exemple pour générer des flux de travail à partir de requêtes en langage naturel et alimenter les étapes de synthèse et de recherche du flux de travail Remarque : Ce modèle n’utilise jamais de données client pour l’entraînement |
Non |
| Saisie semi-automatique | Recommandations de @mentions, suggestions de navigation dans les recherches |
Données client : N/A Autres informations : Informations de l’espace de travail, du compte et d’utilisation |
Non |
Oui, par exemple pour faire des recommandations Remarque : il s’agit d’un modèle général, mais aucune donnée client n’est utilisée pour l’entraînement |
| Spam | Modèles de détection des spams pour prévenir les abus sur la plateforme |
Données client : N/A Autres informations : Informations de l’espace de travail, du compte et d’utilisation |
Non |
Oui, par exemple pour identifier du spam Remarque : il s’agit d’un modèle général, mais aucune donnée client n’est utilisée au cours de l’entraînement |
| Traduction | Détection de la langue, traduction automatique par IA |
Données client : Données des messages, des fichiers et des transcriptions Autres informations : Informations de l’espace de travail, du compte et d’utilisation |
Oui, par exemple pour générer des traductions Remarque : Ce modèle n’utilise jamais de données client pour l’entraînement |
Oui, par exemple pour détecter des langues de traduction Remarque : il ne s’agit pas d’un modèle général |
* La colonne Exemples de ce tableau est incluse à des fins d’illustration et ne comprend pas une liste exhaustive des fonctionnalités de Slack.