編者按：Slack搜索、學習和智慧團隊主管Noah Weiss接受了採訪， 為我們簡單介紹了Slack搜索、學習和智慧團隊的發展狀況及未來發展計畫， 同時還談到了如何利用資料將注意力集中於每天的工作上。 以下是正文。
一年前， Noah Weiss設立了Slack的搜索、學習和智能（SLI）團隊及紐約辦事處， 並在整個紐約的咖啡店裡打遊擊式面試應聘者及完成其他工作。 現在他領導著一個12人的團隊， 用搜索和機器學習在Slack之上構建一個智慧層， 使Slack更加智慧， 從而達到使用次數越多公司越高效的結果。
這些功能旨在説明客戶減少基本的耗時工作任務——例如搜索檔，
SLI團隊工作一年後， 我們約了Weiss， 瞭解其團隊建設情況、他們所面臨的挑戰以及他們的目標， 或許對你大有裨益。
Slack：當你最開始著手這份工作時， 你在一篇發表在Medium的文章中解釋說， Slack的SLI團隊的任務將是“專注於構建使Slack更有效的功能， 公司越大使用到Slack的方面越多。 ”這是什麼意思？
Weiss：大公司的員工面臨的最大的問題之一是， 感覺工作時有大量的資訊可以跟上工作， 這種感覺是無法抗拒的。 雖然Slack可以幫助解決這些問題， 但我們還是可以添加一個智慧層， 根據人員、主題及最關注的團隊分類來自動地將人們的注意力引導到對他們最重要的資訊上。
人們使用Slack來與同事及團隊保持溝通， 他們上傳和共用檔， 他們從外部應用和服務中提取資料。 隨著時間的推移， Slack成為一個公司的粘合劑和知識庫。
每個月， 即使是一個只有1000人的公司也可能會發送數百萬條消息。 這些都是可搜索的、且可以幫助他人的知識。 這是真的可以發揮影響力的地方。
Slack: 目前SLI都開發了些什麼東西呢？
Weiss：我們開發了Slackbot頻道建議功能， 根據你的相關內容為你推薦應該加入或離開的頻道。 假設你加入了一個新的頻道， 例如＃developer-team， 你可能會收到Slackbot的消息：“嘿， 你可能也會對＃core-product或＃data-analytics感興趣”， 所以它可以説明你找到最好的資訊來源。
我們還為所有未讀資訊進行“科學排序”， 它收集所有未讀資訊， 然後根據你過去的閱讀行為習慣對資訊順序進行優先順序排序。
最近， 我們一直在搜索排名和關鍵信號方面做文章， 希望可以提高Slack的搜索結果的品質。 今年， 我們第一次涉足構建通用搜索板塊——在一個視圖中提供個性化和最近的搜索結果。
Slack：這一路以來遇到的最大的挑戰是什麼？
Weiss：我們要解決的基本問題是：“我們怎樣才能在Slack內部進行資料驅動的產品開發工作？”需要從兩方面著手：首先是識別我們的哪些資料可以支撐控制智慧功能， 其次是評估我們的所做是否使Slack的體驗變得更好。 這不僅影響著我們， 還影響與我們密切合作的基礎搭建團隊和核心產品團隊等其他團隊。
我們正在解決一個非常重要的問題：信息超載。 在將任何東西提交給客戶之前，
Slack：SLI接下來幾年的工作重心是什麼呢？
Weiss：對於什麼樣的人才是“頭號員工”這個問題， 我考慮了很多。 我認為， 這種員工的工作不是類似於安排日程這樣的平凡工作， 而是實實在在地幫助決策者們， 確保他們的時間都是用在了最重要的地方， 而且這類員工還可以敏銳地發現重要和有趣的事情。
我們的想法是， 隨著時間的推移， 把Slack做成一個可以減少你浪費在瞭解集體內部溝通上的時間的助手，
當我們做到這一點的那刻， 就是萬人矚目之時。
這一切都令人興奮不已。
翻譯來自：蟲洞翻翻譯者ID：YLS編輯：郝鵬程