Ahora LinkedIn eliminará todos los mensajes spam que recibas en tu bandeja de entrada

LinkedIn ha introducido nuevas herramientas de detección automática de mensajes no deseados o ‘spam’, junto a dos pestañas que los clasifican según el algoritmo de aprendizaje haya indicado si se trata de mensajes legítimos o no.

En la bandeja de entrada del apartado de Mensajes de la plataforma se va a introducir el botón ‘Focused’, para mensajes relevantes y de interés para los usuarios, mientras que el resto se irán guardando en ‘Otros’.

MIRA: WhatsApp: ¿cómo saber si otra persona ha iniciado sesión con mi cuenta en otro dispositivo?

La compañía no ha detallado cuándo implementará esta característica, pero sí ha aclarado que será opcional, de manera que se podrá activar o desactivar según las necesidades de los usuarios.

Para poder llevar a cabo esta tarea, LinkedIn hará uso de un sistema de aprendizaje automático que irá clasificando estos mensajes y detectará automáticamente aquellos que sean ‘spam’ o no deseados, según han podido saber medios como TechCrunch.

MIRA: Inteligencia artificial recrea cómo serían Iron Man, Batman y otros superhéroes en el siglo XIX

La plataforma ha comentado que cada segundo se envían un total de 21 mensajes directos (inMails) con diferentes oportunidades laborales o vacantes. Estas pueden estar mezcladas con otros mensajes y, por ello, la bandeja de entrada puede colapsar. Por eso, cree que esta nueva herramienta busca mejorar la experiencia en la plataforma, tanto para trabajadores como para reclutadores.

Este servicio de búsqueda de empleo online también ha confirmado que en los mensajes considerados ‘spam’ se incluirá un botón para informar a la plataforma de un mensaje inapropiado.

MIRA: El cofundador de Netflix llama a Elon Musk “la persona más valiente y creativa del planeta” por su compra a Twitter

Tal y como ha comprobado TechCrunch, esta funcionalidad se está probando en grupos reducidos, aunque la compañía ha señalado que irá desplegando esta funcionalidad a nivel global próximamente.