编者按：Slack搜索、学习和智能团队主管Noah Weiss接受了采访，为我们简单介绍了Slack搜索、学习和智能团队的发展状况及未来发展计划，同时还谈到了如何利用数据将注意力集中于每天的工作上。以下是正文。
一年前，Noah Weiss设立了Slack的搜索、学习和智能（SLI）团队及纽约办事处，并在整个纽约的咖啡店里打游击式面试应聘者及完成其他工作。现在他领导着一个12人的团队，用搜索和机器学习在Slack之上构建一个智能层，使Slack更加智能，从而达到使用次数越多公司越高效的结果。
这些功能旨在帮助客户减少基本的耗时工作任务——例如搜索文件，搜索Wi-Fi密码以及在会议后召开重要讨论——从而解放他们去做更具挑战性和创造性的工作 。
SLI团队工作一年后，我们约了Weiss，了解其团队建设情况、他们所面临的挑战以及他们的目标，或许对你大有裨益。
Slack：当你最开始着手这份工作时，你在一篇发表在Medium的文章中解释说，Slack的SLI团队的任务将是“专注于构建使Slack更有效的功能，公司越大使用到Slack的方面越多。”这是什么意思？
Weiss：大公司的员工面临的最大的问题之一是，感觉工作时有大量的信息可以跟上工作，这种感觉是无法抗拒的。虽然Slack可以帮助解决这些问题，但我们还是可以添加一个智能层，根据人员、主题及最关注的团队分类来自动地将人们的注意力引导到对他们最重要的信息上。
人们使用Slack来与同事及团队保持沟通，他们上传和共享文件，他们从外部应用和服务中提取数据。随着时间的推移，Slack成为一个公司的粘合剂和知识库。
每个月，即使是一个只有1000人的公司也可能会发送数百万条消息。这些都是可搜索的、且可以帮助他人的知识。这是真的可以发挥影响力的地方。
Slack: 目前SLI都开发了些什么东西呢？
Weiss：我们开发了Slackbot频道建议功能，根据你的相关内容为你推荐应该加入或离开的频道。假设你加入了一个新的频道，例如＃developer-team，你可能会收到Slackbot的消息：“嘿，你可能也会对＃core-product或＃data-analytics感兴趣”，所以它可以帮助你找到最好的信息来源。
我们还为所有未读信息进行“科学排序”，它收集所有未读信息，然后根据你过去的阅读行为习惯对信息顺序进行优先级排序。
最近，我们一直在搜索排名和关键信号方面做文章，希望可以提高Slack的搜索结果的质量。今年，我们第一次涉足构建通用搜索板块——在一个视图中提供个性化和最近的搜索结果。
Slack：这一路以来遇到的最大的挑战是什么？
Weiss：我们要解决的基本问题是：“我们怎样才能在Slack内部进行数据驱动的产品开发工作？”需要从两方面着手：首先是识别我们的哪些数据可以支撑控制智能功能，其次是评估我们的所做是否使Slack的体验变得更好。这不仅影响着我们，还影响与我们密切合作的基础搭建团队和核心产品团队等其他团队。
我们正在解决一个非常重要的问题：信息过载。在将任何东西提交给客户之前，你可能已经在实验室中打磨了产品和概念很多年，但是，我们都知道我们需要定期反馈实际使用情况来了解我们的方向是否正确。这需要一个迭代过程，我们需要不断地在这个工程中纠错并改正。
Slack：SLI接下来几年的工作重心是什么呢？
Weiss：对于什么样的人才是“头号员工”这个问题，我考虑了很多。我认为，这种员工的工作不是类似于安排日程这样的平凡工作，而是实实在在地帮助决策者们，确保他们的时间都是用在了最重要的地方，而且这类员工还可以敏锐地发现重要和有趣的事情。
我们的想法是，随着时间的推移，把Slack做成一个可以减少你浪费在了解集体内部沟通上的时间的助手，就像是使用者的参谋。
当我们做到这一点的那刻，就是万人瞩目之时。
这一切都令人兴奋不已。
本文转自d1net（转载）