개인정보 처리방침: 검색, 학습 및 인공지능
본 번역 텍스트는 정보 제공 목적으로만 사용되며, 영어 버전과 일치하지 않는 부분이 있는 경우 영어 버전이 적용됩니다.
개인정보 처리방침: 검색, 학습 및 인공지능
Slack의 사명은 업무를 간소화하고 생산성을 높이며 즐거움을 더해 주는 제품을 만드는 것입니다. 이 제품을 만드는 과정에서 Slack의 기본 원칙은 개인정보 처리방침, 보안 문서 및 SPARC와 Slack 약관에 설명된 대로, 고객 데이터의 개인정보 보호와 보안이 절대 침해되지 않도록 하는 것입니다.
머신러닝(ML)과 인공지능(AI)은 Slack이 제품 사명을 향상하기 위해 제한적인 방식으로 사용하는 유용한 도구입니다. AI/ML 모델을 개발하기 위해, Slack의 시스템은 개인정보 처리방침 및 고객 계약에 정의된 대로 Slack에 제출된 고객 데이터(예: 메시지, 콘텐츠 및 파일)와 더불어 기타 정보(사용량 정보 포함)를 분석합니다. 이 특정한 맥락에서 고객 데이터의 개인정보 보호와 보안을 보장하기 위해, Slack은 몇 가지 기본 원칙을 갖추고 있습니다.
- 데이터는 워크스페이스 간에 유출되지 않습니다. 모든 고객에 걸쳐 광범위하게 사용되는 모든 모델에 대해 Slack은 모델이 고객 데이터를 학습하거나 기억하거나 일부를 복제할 수 있는 방식으로는 모델을 구축하거나 트레이닝하지 않습니다.
- Slack에는 액세스를 방지하기 위한 기술적인 제어 기능을 갖추고 있습니다. AI/ML 모델을 개발하거나 달리 고객 데이터를 분석할 때 Slack은 기반이 되는 콘텐츠에 액세스할 수 없습니다. Slack에는 이를 방지하기 위한 다양한 기술적 조치가 마련되어 있습니다. 고객 데이터의 기밀성 및 보안을 보호하는 제어 기능에 대한 자세한 정보는 보안 백서를 읽어보시기 바랍니다.
- Slack은 고객에게 이러한 관행과 관련된 선택권을 제공합니다. 고객 데이터가 Slack 글로벌 모델의 트레이닝을 지원하는 데 사용되지 않기를 바라시는 경우 옵트아웃하실 수 있습니다. 옵트아웃하시면 워크스페이스의 고객 데이터는 워크스페이스에서의 경험을 개선하는 데만 사용되며, 기반이 되는 모델에 기여하지 않고도 전 세계적으로 트레이닝된 AI/ML 모델의 모든 혜택을 누리실 수 있습니다.
옵트아웃하려면 저희에게 문의하세요. 고객 데이터가 Slack 글로벌 모델을 트레이닝하는 데 사용되지 않기를 바라시는 경우 옵트아웃하실 수 있습니다. 옵트아웃하려면 조직 또는 워크스페이스 소유자 또는 주 소유자가 “Slack 글로벌 모델 옵트아웃 요청”이라는 제목으로 해당 워크스페이스/조직 URL을 포함하여 Slack 고객 경험 팀(feedback@slack.com)에 문의하도록 안내하시기 바랍니다. 요청을 처리하고 옵트아웃이 완료되면 응답을 보내드리겠습니다.
고객 데이터 및 기타 정보.
Slack이 고객 데이터(예: 메시지, 콘텐츠, 파일) 및 기타 정보를 이용하여 서비스를 업데이트하는 방식
위의 원칙을 바탕으로 Slack 제품과 분석 팀이 Slack을 발전시키고 업데이트하고 개선하는 데 사용할 수 있는 개선 사항 및 개인 정보 보호 기술의 몇 가지 예는 다음과 같습니다.
- 채널 추천: Slack은 사용자가 회사의 새 공개 채널에 참여하도록 추천하는 데 인사이트를 사용할 수 있습니다. 추천은 채널 멤버십, 활동 및 중복되는 주제를 기반으로 합니다. Slack의 모델은 이전 추천 항목, 그리고 사용자가 추천 채널에 참여하는지 여부로부터 학습합니다. 그 과정에서 모델과 고객 데이터를 분리하여 개인 정보를 보호합니다. Slack은 주제 유사성을 평가하는 데 (Slack 메시지에 대해 트레이닝되지 않은) 외부적인 모델을 사용하여 숫자로 된 점수를 출력합니다. Slack의 글로벌 모델은 숫자로 된 점수와 고객 이외의 데이터만 사용하여 추천합니다. 기술적인 세부 정보를 더 확인하려면 엔지니어링 블로그를 방문하여 자세히 알아보세요.
- 검색 결과: Slack의 검색 머신러닝 모델은 특정한 쿼리에 대해 알맞은 결과를 식별하여 사용자가 원하는 내용을 찾도록 도와줍니다. 이 모델은 검색 쿼리, 결과 또는 프록시의 기본 텍스트로부터 학습하는 일 없이 검색 결과 기록 및 이전 참여를 기반으로 합니다. 즉, Slack의 모델은 검색 쿼리나 결과의 구조를 재구성할 수 없다는 뜻입니다. 그 대신 검색에서 메시지가 클릭수 또는 쿼리 및 추천 메시지에 단어가 중복되어 나타나는 횟수와 같은 팀별, 상황별 정보로 학습합니다.
- 자동 완성: Slack에서는 검색 쿼리나 기타 텍스트를 완성하기 위한 추천 항목을 제시할 수 있습니다. 예를 들어 사용자가 ‘고객 지원’이라는 몇 글자를 입력한 후 구문을 자동 완성합니다. 이러한 추천은 지역별로 이루어지며 사용자의 워크플레이스에 있는 일반적인 공개 메시지 구문에서 제공됩니다. 잠재적인 추천 항목 중에서 선택하는 Slack의 알고리즘은 이전에 추천되고 수락된 완성 항목을 기반으로 전 세계적으로 트레이닝됩니다. Slack은 입력한 텍스트와 추천 항목 간의 유사성 점수를 다양한 방식으로 매기기 위한 규칙을 사용하여 데이터 개인 정보를 보호합니다. 여기에는 숫자로 된 점수 및 알고리즘의 이전 상호작용 횟수만 사용하는 방식이 포함됩니다.
- 이모티콘 추천: Slack에서는 메시지의 내용과 감정, 이모티콘의 사용 내역 및 다양한 상황에서 팀의 이모티콘 사용 빈도를 사용하여 메시지에 대한 이모티콘 반응을 추천할 수 있습니다. 예를 들어 특정한 채널에서 축하 메시지에 대한 일반적인 반응이 🎉인 경우 비슷하게 긍정적인 새 메시지에 🎉으로 반응하도록 사용자에게 제안합니다. 고객 데이터를 보호하면서 이 기능을 제공하기 위해 Slack에서는 메시지의 감정을 분류하려고 (Slack 메시지에 대해 트레이닝되지 않은) 외부적인 모델을 사용할 수 있습니다. 그러면 Slack의 모델은 해당 워크스페이스에서 특정한 이모티콘이 해당 감정의 메시지와 연결된 빈도만 고려하여 이모티콘을 추천합니다.
이러한 사려 깊은 개인화 및 개선 유형은 Slack이 사용자가 Slack과 상호작용하는 방식을 연구하고 이해해야만 가능한 것입니다.
Slack은 개인정보 보호를 중대하게 생각하며, 이러한 각 시나리오에서 고객 계약서와 개인정보 처리방침에 설명된 기밀 유지 의무가 적용됩니다. 고객 데이터는 고객의 소유입니다. Slack은 서비스를 업데이트할 목적으로 고객 데이터 이용 시 고객이나 개인이 Slack의 계열사 또는 하위 처리업체 이외의 타사에 대한 개선의 근원으로 식별되지 않도록 고객 데이터를 취합 및 분리합니다.