Salesforce ने इमेज और ऑडियो सपोर्ट के साथ Koa Decisions पेश किया

Salesforce ने 6 नवंबर 2026 को Koa Decisions पेश किया। Google के ओपन-वेट Gemma पर आधारित यह निर्णय मॉडल टेक्स्ट, इमेज और ऑडियो इनपुट स्वीकार करता है। कंपनी की योजना इस तकनीक को Agentforce में अनुरोधों को सही जगह भेजने से आगे बढ़ाकर Salesforce के वर्कफ़्लो और डेवलपर टूल तक ले जाने की है।

Koa Decisions, HyperClassifier का अगला संस्करण है। यह किसी अनुरोध और उपयोगकर्ता की ओर से तय की गई श्रेणियों की सूची को पढ़ता है, फिर एक ही चरण में कोई विकल्प चुनता है, हाँ-या-नहीं का निर्णय देता है या स्कोर लौटाता है। Salesforce के मुताबिक, इस प्रक्रिया में कुछ मिलीसेकंड लगते हैं। यह मॉडल Koa परिवार में NVIDIA के साथ विकसित किए गए अलग Koa तर्क मॉडल के साथ शामिल है।

Koa Decisions जवाब कैसे देता है

दोनों में अंतर जवाब तैयार करने के तरीके का है। बड़ा भाषा मॉडल टेक्स्ट को टोकन-दर-टोकन तैयार करता है; हर नया टोकन उससे पहले आए टोकनों पर आधारित होता है। निर्णय मॉडल पूरे अनुरोध को पढ़कर एक ही चरण में संक्षिप्त जवाब देता है, जो अक्सर एक ही टोकन होता है। जवाब छोटा होने के कारण उसे तैयार करने में कम कंप्यूटिंग संसाधन लगते हैं और दूसरा सॉफ़्टवेयर उस पर तुरंत कार्रवाई कर सकता है।

खाते में लॉगिन की समस्या आने पर, मॉडल इंजीनियरिंग और सेल्स टीमों वाले विकल्पों की सूची में से अकाउंट्स टीम चुन सकता है और फिर विश्वास-स्कोर दे सकता है। इससे एजेंट बार-बार आने वाले निर्णयों के लिए विशेषीकृत मॉडल का इस्तेमाल कर सकता है और लेखन तथा तर्क-विचार के लिए सामान्य LLM को सुरक्षित रख सकता है। Salesforce की व्यवस्था में ग्राहकों को हर काम के लिए खुद मॉडल चुनने की ज़रूरत नहीं होती।

शोध के नतीजे और HyperClassifier का परिचालन रिकॉर्ड

टीम का Koa-निर्णय शोध प्रीप्रिंट वर्गीकरण, सिमैंटिक एंडपॉइंटिंग, बूलियन जाँच और स्कोरिंग को एक-टोकन आउटपुट वाले नियंत्रित जनरेशन कार्यों के रूप में प्रस्तुत करता है। परमाण्विक लेबल टोकन और पर्यवेक्षित फ़ाइन-ट्यूनिंग इन कार्यों को नियतात्मक, एक-चरणीय डिकोडिंग में बदल देते हैं।

लेखकों के अनुसार, उत्पादन में अनुरोधों को सही जगह भेजने के बेंचमार्क पर सटीकता 85.5% रही, जवाबों में लगभग आधा सेकंड लगा और समान सर्विंग स्थितियों में जाँचे गए अत्याधुनिक मॉडलों की तुलना में माध्यिका गति लगभग 7.5 गुना तक तेज़ रही। समर्पित Jev/TypeSafe सिस्टम की तुलना में उन्होंने प्रतिस्पर्धी सटीकता और तेज़ माध्यिका जवाबों की सूचना दी। साथ ही, इसमें बहु-माध्यमीय इनपुट और बहु-लेबल आउटपुट हैं, जिन्हें एकल-लेबल वाले टेक्स्ट सिस्टम संभाल नहीं पाते।

Koa Decisions उस पिछले मॉडल पर आधारित है जो पहले से ही Agentforce में शामिल है। Salesforce Engineering खाते के एक विवरण में बताया गया है कि HyperClassifier उपयोगकर्ता के इरादे को समझता है और जवाब तैयार होने से पहले एजेंटों को कार्रवाई-समूहों तक पहुँचाता है। आवाज़ के साथ होने वाली बातचीत में यह पता लगाता है कि व्यक्ति बोलना समाप्त कर चुका है या नहीं। इसके पुराने डिज़ाइन में हर वर्ग को एक विशिष्ट विशेष टोकन से दर्शाया जाता है और शुरुआती प्रॉम्प्ट की गणनाओं को कैश किया जाता है, ताकि बार-बार दिए जाने वाले निर्देशों को फिर से संसाधित न करना पड़े। इससे वर्ग के नाम की लंबाई चाहे जो हो, आउटपुट के चरणों की संख्या तय रहती है।

8 जुलाई 2026 के परिनियोजन संबंधी विवरण के मुताबिक, HyperClassifier को GPT-OSS-20B पर फ़ाइन-ट्यून किया गया था और यह अधिकतम 200 लेबलों में वर्गीकरण कर सकता है। 2026 के वसंत में यह Agentforce Service और Employee Agent टेम्पलेट के लिए इरादे का पता लगाने और अनुरोधों को सही जगह भेजने वाला डिफ़ॉल्ट मॉडल बन गया।

Salesforce ने HyperClassifier के अनुरोध-मार्ग निर्धारण के जवाब का समय लगभग 26 मिलीसेकंड मापा, जबकि एक सामान्य अत्याधुनिक मॉडल को 1,446 मिलीसेकंड लगे। उत्पादन में दर्ज यह माप पिछले मॉडल का है; इससे Koa Decisions के प्रदर्शन की पुष्टि नहीं होती।

डेमो तक पहुँच और नियोजित एकीकरण

Salesforce के ग्राहक न होने वाले लोग भी, निःशुल्क Trailhead खाते के लिए पंजीकरण करने के बाद, Koa Decisions का डेमो आज़मा सकते हैं। उपयोगकर्ता अनुरोध और श्रेणियों की सूची में बदलाव कर सकते हैं और विकल्पों के विश्वास-स्कोर देख सकते हैं।

Salesforce का कहना है कि रिटर्न जैसी कोई श्रेणी जोड़ने के लिए दोबारा प्रशिक्षण की ज़रूरत नहीं होती। कंपनी इसकी तुलना उन कस्टम पूर्वानुमान-आधारित वर्गीकरण परियोजनाओं से करती है, जिन्हें कई उद्यम ग्राहकों के लिए पूरा करने में महीनों लगते थे; वहीं, निर्णय मॉडल का कार्यान्वयन कभी-कभी कुछ ही घंटों में उत्पादन स्तर तक पहुँच सकता है।

दस्तावेज़ में दिए गए एक वर्कफ़्लो उदाहरण में निर्णय मॉडल बिक्री के ऐसे सौदे को चिह्नित करता है जिस पर जोखिम मंडरा रहा हो और हस्तक्षेप करने वाली टीम चुनता है, जबकि LLM यह सारांश देता है कि क्या बदला है। इस प्रक्रिया में Sales Cloud का रिकॉर्ड Slack अलर्ट में बदल जाता है। नियोजित एकीकरणों में फ़्लो, Apex, प्रॉम्प्ट टेम्पलेट और डेवलपर API शामिल हैं। मूल्य-निर्धारण और पैकेजिंग बदल सकते हैं, उपलब्धता क्षेत्र के अनुसार अलग-अलग हो सकती है और पहुँच ग्राहक समझौतों के अधीन है। इसलिए, डेमो और HyperClassifier का मौजूदा परिनियोजन यह साबित नहीं करते कि हर नियोजित एकीकरण आम तौर पर उपलब्ध है।

व्यावहारिक रूप से, इससे उद्यम सॉफ़्टवेयर में काम का बँटवारा अधिक स्पष्ट होता है: निर्णय मॉडल अनुरोधों को सही जगह भेजने, जाँच करने और स्कोर देने का काम संभालते हैं, जबकि LLM व्याख्या और तर्क-विचार करते हैं। Koa Decisions इस ढाँचे में बहु-माध्यमीय इनपुट और एकीकरण के अधिक नियोजित बिंदु जोड़ता है। उद्यमों में इसकी पहुँच अब इस बात पर निर्भर करती है कि ये एकीकरण डेमो और HyperClassifier के मौजूदा अनुरोध-मार्ग निर्धारण कार्यों से आगे कैसे बढ़ते हैं।