对话Slack CEO:人工智能可以减少信息过载的麻烦

每天有六百多万人使用Slack作为与同事交流和分享信息的枢纽和平台。这家总部位于旧金山的这家公司也刚刚筹集了2.5亿美元的资金。

但新的竞争对手——包括微软的Teams、Atlassian Stride、谷歌的Hangouts Chat、和, Facebook的Workplace——正在涌入协同办公市场,挑战Slack的霸主地位,而且,在某些情况下,他们会在市场营销时标榜自己是更为高效的选择。在前往波士顿途中,Slack首席执行官Stewart Butterfield接受了《麻省理工学院技术评论》(《MIT Technology Review》)的采访,谈到了该公司计划如何使用人工智能来防止人们被数据压垮。下面是经过编辑的采访摘录。

 对话Slack CEO:人工智能可以减少信息过载的麻烦

Slack CEO Stewart Butterfield

在公开发布三年半之后,Slack还在继续增长,但是人们也开始质疑其作为职场工具的有效性。

Stewart Butterfield:人们对于现代办公生活的抱怨通常并不是消息不够灵通、不理解正在做什么决定,不知道发生了什么事情这类状况。那种疏离的感觉(实际上)已经通过Slack减少了。如果你在一家有10000名员工的公司里工作,并使用电子邮件作为主要的沟通工具,那么你可能对于公司里发生的所有的沟通只能够看到百分之一的百分之几。但是如果你使用Slack的话,你大概能看到百分之十到百分之二十。

可是另一方面,信息太多了。我们已经采取了数以百计的小措施,都是为了减少Slack中巨大信息流造成的影响。例如,当你第一次开始使用Slack的时候,我们会为每一条新消息向你发送一条提醒信息,但是不久之后,我们会提示你,要不要切换到我们的推荐设置(只有在收到了一条直接的消息或者提到了你的名字或者特定关键字的消息的时候,才提醒你)。我认为我们可以提供(甚至是更多的)工具和以人为本的设计技术,以帮助人们更好地使用Slack,而又不会感到难以承受。

Slack于去年年初成立了一个名为“搜索、学习和智能”(Search,Learning&Intelligence)的人工智能和机器学习部门,以减少“信息雪崩”。Slack已经集成了SLI开发出的一些功能。对于这个部门,你们的具体目标是什么?

Stewart Butterfield:目标之一就是提升搜索。搜索有两种。一种是基本的关键字搜索,这是当人们知道某个事物存在,而且他们想要找到某个特定事物时的情况。还有一种更为普遍的搜索类型,就像学习一个主题。大多数公司都会使用一些术语或代码名称,这可能会造成混淆,特别是在你新进公司的时候。

(SLI的)第二个目标是主动的推荐或提醒。第三个目标是试图理解整个语料库(也就是Slack中的信息),并且随着时间的推移逐步改进,最理想的方式是不需要(用户的)任何手工输入。电脑将完成这一切;人们只要用他们平常沟通的方式进行沟通就可以了。你可以设想一个永远在线的虚拟参谋长,他会读取Slack中的每条消息,然后根据你的偏好综合所有这些信息,他是随着时间的推移不断了解你的偏好的。而且它会根据你未曾明言以及明确表示的反馈,推荐在当时看起来最重要的少数事项。因此,不管你是在早晨刚刚醒来,还是刚走出会议室或者下飞机,当你查看Slack时,这个虚拟参谋长都会在等着你,而且在理想情况下已经准备好了一个近乎完美的、对你很重要的事情的列表。

这是一个有趣的想法。在此之外,SLI还研究什么?

Stewart Butterfield:“对组织的见解”。我们有了这个非常令人着迷的内部项目,看看我们公司不同部门之间(Slack内部)的连接强度以及这些维度上的公共消息与私人消息的比例。所以,如果你从我们的设施团队的角度来看待Slack,(就会发现)他们会和财务、人力资源和安全部门交流,但几乎从不和工程部门交流。如果从我们的营销团队的角度来看待Slack,他们会和销售、产品和财务部门交流。

我们希望能够在组织的基础上以及在个人的基础上提供这样的见解,所以SLI团队在获得客户许可的前提下采集一些Slack数据,并向他们展示其公司内部的情况。

我认为每个人都会喜欢有一份私人版本的报告,上面会记录类似这样的事情:你同男人说话的方式是否与同女人说话的方式不同?你同上级说话的方式是否与同下级说话的方式不同?你在公共场合和私底下是否使用了不同的语言风格?你在何种对话中会更具攻击性,又在何种对话中更为友善?如果报告显示你在早晨更为随和、友善并且精力充沛,而在下午则容易脾气暴躁并缺乏耐心,那么也许你需要来点午后小吃。

这种“组织见解”服务听起来像是在近期就可以准备好投入使用了。你什么时候会发布“虚拟参谋长”功能?

Stewart Butterfield:我不知道什么时候才能(我们可以)跨越这个门槛。可能会需要很长时间。我们还在做很多实验。在早期,我们与微软研究院(Microsoft Research)就问答机器人等基础研究工作合作很多。我们还与IBM、和Watson团队建立了合作伙伴关系,这种合作更像是持续的合作。但是很多这些事情都是非常困难而遥远的。我认为我们现在所拥有的一切是好的。 几年后,它将是非常好的。大约在五年后,它将会出类拔萃。而在十年之内,我们离开它就会无法工作了







原文出处:科技行者
转载请与作者联系,同时请务必标明文章原始出处和原文链接及本声明。
上一篇:redis集群


下一篇:解决机器学习问题的一般流程