Salesforce presenta Koa Decisions con compatibilidad con imágenes y audio

Salesforce presentó Koa Decisions el 6 de noviembre de 2026. Se trata de un modelo de toma de decisiones basado en Gemma, el modelo de pesos abiertos de Google, que admite texto, imágenes y audio. La empresa planea ampliar esta tecnología más allá del enrutamiento de solicitudes de Agentforce para incorporarla a los flujos de trabajo de Salesforce y a las herramientas para desarrolladores.

Koa Decisions es la siguiente versión de HyperClassifier. Lee una solicitud y una lista de categorías definidas por el usuario y, en un solo paso, devuelve una opción, una decisión afirmativa o negativa, o una puntuación. Salesforce describe esta operación como algo que tarda milisegundos. El modelo se suma a la familia Koa junto con un modelo de razonamiento Koa independiente, desarrollado con NVIDIA.

Cómo genera una respuesta Koa Decisions

La diferencia está en cómo se genera la respuesta. Un modelo de lenguaje grande genera texto token por token; cada token nuevo se basa en los anteriores. En cambio, un modelo de toma de decisiones lee la solicitud completa y emite una respuesta concisa, a menudo de un solo token, en un único paso. Como esa respuesta es breve, requiere menos capacidad de cómputo y otros programas pueden actuar sobre ella de inmediato.

Ante un problema de inicio de sesión en una cuenta, el modelo puede seleccionar el equipo de cuentas de una lista que también incluye ingeniería y ventas, y luego devolver una puntuación de confianza. Así, un agente puede usar un modelo especializado para tomar decisiones repetibles y reservar un modelo de lenguaje grande (LLM) general para la redacción y el razonamiento. En el diseño de Salesforce, los clientes no tienen que seleccionar manualmente un modelo para cada tarea.

Resultados de investigación y trayectoria de HyperClassifier en producción

La prepublicación de investigación sobre la toma de decisiones de Koa plantea la clasificación, la determinación semántica del fin de turno, las comprobaciones booleanas y la puntuación como tareas de generación restringida con salidas de un solo token. Los tokens de etiqueta atómicos y el ajuste fino supervisado reducen esas tareas a una decodificación determinista de un solo paso.

Los autores informan de una precisión del 85,5 % en una prueba comparativa de enrutamiento de intenciones en producción, respuestas en aproximadamente medio segundo y una velocidad mediana hasta aproximadamente 7,5 veces mayor que la de los modelos de frontera evaluados en condiciones de servicio idénticas. Frente al sistema especializado Jev/TypeSafe, informan de una precisión competitiva y respuestas medianas más rápidas, además de entradas multimodales y salidas con varias etiquetas, que los sistemas de texto con una sola etiqueta no admiten.

Koa Decisions se basa en un modelo predecesor que ya está integrado en Agentforce. Una publicación de ingeniería de Salesforce explica cómo HyperClassifier interpreta la intención del usuario y dirige a los agentes a conjuntos de acciones antes de que se genere una respuesta. En las interacciones de voz, determina si alguien ha terminado de hablar. En su diseño anterior, cada clase se representa con un token especial único y se almacenan en caché los cálculos iniciales de la instrucción para no volver a procesar las instrucciones repetidas; así, el número de pasos de salida se mantiene fijo, independientemente de la longitud del nombre de la clase.

HyperClassifier se ajustó con GPT-OSS-20B y puede clasificar hasta 200 etiquetas, según una descripción de la implementación del 8 de julio de 2026. En la primavera de 2026, se convirtió en el modelo predeterminado de detección y enrutamiento de intenciones para las plantillas de Agentforce Service y Employee Agent.

Salesforce midió en aproximadamente 26 milisegundos el tiempo de respuesta de HyperClassifier para el enrutamiento, frente a los 1.446 milisegundos de un modelo de frontera general. Esa medición en producción corresponde al modelo predecesor y no establece el rendimiento de Koa Decisions.

Acceso a la demostración e integraciones previstas

Cualquier persona, incluso quienes no son clientes de Salesforce, puede probar la demostración de Koa Decisions tras registrarse para obtener una cuenta gratuita de Trailhead. Los usuarios pueden editar la solicitud y la lista de categorías, y ver las puntuaciones de confianza de las opciones.

Salesforce afirma que añadir una categoría, como devoluciones, no requiere volver a entrenar el modelo. La empresa contrasta este proceso con los proyectos personalizados de clasificación predictiva, que para muchos clientes empresariales duraban meses; una implementación de un modelo de toma de decisiones puede llegar a producción en cuestión de horas.

Un ejemplo documentado de flujo de trabajo muestra un modelo de toma de decisiones que marca una oportunidad de venta en riesgo y selecciona al equipo que debe intervenir, mientras un LLM resume qué cambió; el proceso pasa de un registro de Sales Cloud a una alerta de Slack. Entre las integraciones previstas se incluyen flujos, Apex, plantillas de instrucciones y una API para desarrolladores. Los precios y los paquetes pueden cambiar, la disponibilidad puede variar según la región y el acceso se rige por los acuerdos con los clientes; por tanto, ni la demostración ni la implementación actual de HyperClassifier garantizan la disponibilidad general de todas las integraciones previstas.

La importancia práctica radica en una división más clara de las tareas dentro del software empresarial: los modelos de toma de decisiones se encargan del enrutamiento, las comprobaciones y la puntuación, mientras que los LLM se ocupan de la explicación y el razonamiento. Koa Decisions añade entradas multimodales y más puntos de integración previstos a esa arquitectura; su alcance empresarial dependerá ahora de cómo esas integraciones se extiendan más allá de la demostración y de las funciones de enrutamiento que HyperClassifier ya desempeña.