개인정보 처리방침: 검색, 학습 및 인공지능

본 번역 텍스트는 정보 제공 목적으로만 사용되며, 영어 버전과 일치하지 않는 부분이 있는 경우 영어 버전이 적용됩니다.

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.

머신 러닝(ML)과 인공지능(AI)은 Slack이 제품 사명을 향상하기 위해 사용하는 유용한 도구입니다. Slack은 고객 데이터를 사용하여 생성형 AI 모델을 개발하지 않습니다. 이모티콘 및 채널 추천과 같은 기능을 위한 생성형 모델을 개발하기 위해, Slack의 시스템은 개인정보 처리방침 및 고객 계약에 정의된 대로 Slack에 제출된 고객 데이터(예: 메시지, 콘텐츠, 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 데이터 일부를 복제할 수 있는 방식으로는 모델을 구축하거나 트레이닝하지 않습니다.
Slack에는 액세스를 방지하기 위한 기술적인 제어 기능을 갖추고 있습니다. AI/ML 모델을 개발하거나 아니면 고객 데이터를 분석할 때 Slack 직원은 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 Slack의 보안를 참조하시기 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 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.
검색 결과: Slack의 검색 머신러닝 모델은 특정한 쿼리에 대해 알맞은 결과를 식별하여 사용자가 원하는 내용을 찾도록 도와줍니다. 과거 검색 결과와 예전 참여를 기반으로 검색 쿼리나 결과를 재현할 수 없는 모델이 되도록 합니다.
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.

생성형 AI

생성형 AI는 AI 시스템의 카테고리로, 사용자가 입력하는 프롬프트에 응답하여 텍스트 등의 콘텐츠를 생성할 수 있습니다. 이 AI 카테고리에는 대규모 언어 모델(LLM)이 포함됩니다. Slack의 AI는 생성형 AI로, 타사 LLM을 활용합니다.

Slack은 고객이 적극적인 옵트인 동의를 제공하지 않는 한 고객 데이터를 사용하여 생성형 AI 모델을 학습시키지 않습니다. Slack의 AI는 모델이 고객 데이터로 업데이트되지 않고 고객 데이터를 요청한 후 달리 보관하지 않는 상용 LLM을 사용합니다. Slack의 AI는 이러한 모델을 자체 AWS 인프라에서 호스팅하고, 고객 데이터가 Slack의 신뢰 경계를 벗어나지 않으며 LLM 공급자가 고객 데이터에 액세스할 수 없습니다. 하위 프로세서 변경에 대한 알림을 받으려면 신뢰 및 규정 준수 웹페이지에서 업데이트를 신청하세요.

Slack의 AI 생성형 검색 답변

Slack의 AI에서 사용하는 검색 기능은 다음 소스에서 가져옵니다: Slack 기능(캔버스, 허들 캔버스 메모, 클립 스크립트 및 텍스트 코드조각); Slack에 업로드된 파일(PDF, 이메일, docx, pptx, 키노트); Google Drive에서 연결된 문서(문서, 슬라이드); Sharepoint/OnDrive(Word, Powerpoint), Box 등의 파일 스토리지 파트너 앱(설치된 경우). 이러한 파일에 액세스하려면 Slack과의 통합을 통해 사용자를 인증해야 합니다. 관리자 설정을 통해 모든 파일 결과를 비활성화하거나 외부 호스팅 파일에서의 소싱을 비활성화할 수 있습니다. 고객지원센터에서 자세히 알아보세요.