Salesforce lancerer Koa‑reasoningsmodel til Agentforce, trænet på Nemotron

Salesforce og NVIDIA annoncerede den 15. september 2026 Koa, en CRM‑reasoningsmodel til Salesforces Agentforce‑platform, bygget ved eftertræning af NVIDIAs Nemotron 3 Super‑model på et proprietært syntetisk datasæt, der er modelleret ud fra virksomhedskundskab fra næsten tre årtiers CRM‑implementeringer.

Salesforce beskrev Koa som deres første CRM‑reasoningsmodel, specielt udviklet til at hjælpe agenter med at ræsonnere gennem komplekse, flertrins‑arbejdsgange og bruge de rette værktøjer til at fuldføre arbejdet. I virksomhedernes fælles meddelelse sagde Salesforce‑bestyrelsesformand og administrerende direktør Marc Benioff: “Det mest værdifulde, Salesforce har bygget, er ikke vores platform – det er den akkumulerede viden om, hvordan virksomhedens forretning faktisk fungerer. Med Koa er denne viden indlejret i selve modellen.” Jensen Huang, grundlægger og administrerende direktør for NVIDIA, sagde, at de åbne Nemotron‑modeller gav Salesforce grundlaget for en CRM‑model, der kan ræsonnere og handle sikkert.

Salesforce oplyser, at de kontrollerer Koa-modellens vægte og udfører eftertræning og inferens udelukkende inden for deres egen tillidsgrænse, så ingen kundedata krydser denne grænse under inferens. Koa giver kunderne en specialiseret, Salesforce‑hostet mulighed for at drive Agentforce‑brugssager.

Syntetiske træningsdata og eftertræningsmetode

Ifølge Salesforce blev der ikke brugt kundedata til at træne Koa. Træningskorpuset blev udelukkende bygget ud fra syntetiske scenarier, der dækker ræsonnering, værktøjsbrug og beslutningstagning, som Agentforce‑agenter anvender på tværs af CRM‑arbejdsgange såsom generering af leads, kvalificering af muligheder og løsning af service‑sager.

Scenarierne blev designet til at simulere virkelige virksomheders arbejdsgange på tværs af mere end 14 brancher, herunder fremstilling, finansielle tjenester, sundhedssektoren og rejse. I hvert scenarie blev en persona parret med et sæt opgaver, og rækkefølgen af handlinger og værktøjskald, der kræves for at udføre dem, blev kortlagt på forhånd.

Til eftertræning anvendte Salesforce Supervised Fine‑Tuning og forstærkningslæring med Group Relative Policy Optimization (GRPO) ved brug af NVIDIAs NeMo RL, NeMo Gym og NeMo AutoModel‑værktøjer. Salesforce oplyser, at træning på et målrettet sæt prioriterede virksomhedsopgaver gav modellen dybere ekspertise, så den lærer at nå et mål gennem en sekvens af korrekte handlinger i stedet for blot at stoppe ved et korrekt svar.

Forskningspapir og rapporterede resultater

I et forskningspapir indsendt til arXiv den 14. september 2026 beskriver modellens udviklere Koa som resultatet af at anvende GRPO‑forstærkningslæring på den åbne vægt‑Nemotron‑3‑Super‑120B‑grundmodel, ved brug af offentlige og syntetisk genererede data og uden kundedata. Forfatterne identificerer som modellens karakteristiske komponent en simulation‑to‑reward‑pipeline, der omdanner arbejdsgangsspecifikationer til persona‑betingede, flertrins‑opgaver, med belønninger knyttet til at løse hver opgave gennem vellykket værktøjsbrug for datadependente forespørgsler. For virksomhedsområder skrives disse specifikationer i Agent Script, Salesforces deklarative sprog til opbygning af Agentforce‑agenter; for offentlige værktøjs‑brugsområder blev arbejdsgangsstrukturen syntetiseret direkte, med den samme simulerings‑ og grundlagte‑belønningsmekanisme, der driver GRPO i begge tilfælde.

Forfatterne rapporterer, at Koa på tværs af offentlige værktøjs‑brug, agent‑reasoning og virksomhedens CRM‑benchmark forbedrer den åbne vægt‑basis, med de mest markante gevinster inden for flertrins‑værktøjsbrug, overgår en stærk proprietær baseline og forbliver under de mest avancerede frontier‑modeller. De konkluderer, at specifikationsdrevet forstærkningslæring giver en praktisk vej til at specialisere åbne grundmodeller til virksomhedens agent‑arbejde.

Separat oplyser Salesforce, at i deres CRM‑benchmark, hvor en række virkelige opgaver såsom opdatering af en mulighed, routing af en sag eller planlægning af en opfølgning, matcher eller overgår Koa de førende modellers præstation på CRM‑handlinger med tre gange færre fejl.

Pilotprojekter, Missionforce og tilgængelighed

Koa er allerede i brug inden for Salesforce, herunder i en Slack‑agent, der hjælper medarbejdere med at finde information og udføre daglige opgaver. Kunde‑pilotprojekter er i gang med 1-800Accountant, Baxter Credit Union, Engine, Formula 1, UChicago Medicine og Xero.

Ryan Teeples, chief strategy officer hos 1-800Accountant, sagde at Koa giver firmaets agenter mulighed for at ræsonnere trin for trin gennem skatteregler, finansielle data og kundedokumenter. John Sahagian, senior vice president og chief data officer hos Baxter Credit Union, udtalte at modellen kan hjælpe digitale agenter med at afveje information, værktøjer og politikker bag medlemsmål som at købe et hus. Elia Wallen, grundlægger og administrerende direktør for Engine, bemærkede at forretningsrejser involverer utallige bevægelige dele, og at hans teams har brug for en model, der kan ræsonnere præcist gennem flertrins‑problemer i stedet for blot at lyde selvsikker. Andrew Chang, chief marketing officer hos UChicago Medicine, sagde at Koa kan håndtere længere, flertrins‑koordinationsarbejdsgange, så teams får mere tid til patientpleje.

Sammen med Koa bringer de to virksomheder Nemotron‑baserede modeller og accelereret computing ind i Missionforce for offentlige og regulerede organisationer. Ifølge meddelelsen skal mange af disse organisationer kontrollere modellen og træningsdataene og implementere dem i specialiserede miljøer — private skyer, klassificerede netværk og fuldstændigt luftspærrede systemer — som aldrig berører offentlig infrastruktur.

Denne eftertrænede NVIDIA‑modeller vil drive agenter for Missionforce Operations, et produkt der digitaliserer og automatiserer offentlige arbejdsprocesser inklusive indkøb, leverandørstyring og logistik. Modellerne er trænet på hver organisations driftsdata og terminologi, så agenter kan håndtere back‑office‑processer og handle inden for kundens eget miljø, herunder luftspærrede netværk. Virksomhederne oplyser, at de også arbejder på at integrere eftertrænede NVIDIA‑modeller i yderligere Missionforce‑funktioner, hvilket vil give kunderne mulighed for at bygge og køre modeller på deres egen infrastruktur til specialiserede arbejdsbelastninger.

Koa er nu tilgængelig for udvalgte pilotkunder i Agentforce, med generel tilgængelighed forventet i vinteren 2026 i USA‑regionerne. Missionforce Operations er generelt tilgængelig nu i USA‑regionerne, og de eftertrænede NVIDIA‑modeller vil blive tilgængelige for udvalgte kunder i oktober 2026.