Salesforce Memperkenalkan Koa Decisions dengan Dukungan Gambar dan Audio

Salesforce memperkenalkan Koa Decisions pada 6 November 2026, sebuah model pengambilan keputusan yang dibangun dari Gemma berbobot terbuka milik Google dan dapat menerima teks, gambar, serta audio. Perusahaan berencana memperluas teknologi ini, dari perutean permintaan Agentforce hingga alur kerja Salesforce dan alat pengembang.

Koa Decisions adalah versi terbaru HyperClassifier. Model ini membaca permintaan dan daftar kategori yang ditentukan pengguna, lalu memberikan pilihan, keputusan ya atau tidak, atau skor dalam satu langkah. Salesforce menyebut proses tersebut hanya memerlukan waktu beberapa milidetik. Model ini bergabung dengan keluarga Koa bersama model penalaran Koa terpisah yang dibangun bersama NVIDIA.

Cara Koa Decisions Menghasilkan Jawaban

Perbedaannya terletak pada cara jawaban dihasilkan. Model bahasa besar menghasilkan teks token demi token, dengan setiap token baru didasarkan pada token-token sebelumnya. Model pengambilan keputusan membaca seluruh permintaan dan mengeluarkan jawaban ringkas—sering kali hanya satu token—dalam satu langkah. Karena jawabannya singkat, komputasi yang diperlukan untuk menghasilkannya lebih sedikit, dan perangkat lunak lain dapat langsung menindaklanjutinya.

Untuk masalah terkait login akun, model ini dapat memilih tim akun dari daftar yang juga mencakup tim teknik dan penjualan, lalu memberikan skor keyakinan. Dengan begitu, agen dapat menggunakan model khusus untuk keputusan yang berulang, sementara model bahasa besar umum digunakan untuk menulis dan bernalar. Dalam rancangan Salesforce, pelanggan tidak perlu memilih model secara manual untuk setiap tugas.

Hasil Riset dan Rekam Jejak HyperClassifier dalam Produksi

Pracetak riset tentang keputusan Koa dari tim tersebut merumuskan klasifikasi, penentuan akhir ujaran secara semantik, pemeriksaan Boolean, dan pemberian skor sebagai proses generasi terkendali dengan keluaran satu token. Token label atomik dan penyempurnaan terawasi menyederhanakan tugas-tugas tersebut menjadi dekode deterministik satu langkah.

Para penulis melaporkan akurasi 85,5% pada tolok ukur perutean maksud dalam produksi, waktu respons sekitar setengah detik, serta kecepatan median hingga sekitar 7,5 kali lebih tinggi dibandingkan model-model terdepan yang diuji dalam kondisi penyajian yang sama. Dibandingkan dengan sistem khusus Jev/TypeSafe, mereka melaporkan akurasi yang kompetitif dan waktu respons median yang lebih cepat, serta masukan multimodal dan keluaran multi-label yang tidak dapat ditangani oleh sistem teks dengan satu label.

Koa Decisions dikembangkan berdasarkan pendahulunya yang sudah terintegrasi di Agentforce. Sebuah akun Salesforce Engineering menjelaskan cara HyperClassifier menafsirkan maksud pengguna dan mengarahkan agen ke rangkaian tindakan sebelum respons dibuat. Dalam interaksi suara, model ini menentukan apakah seseorang sudah selesai berbicara. Rancangan sebelumnya merepresentasikan setiap kelas dengan token khusus yang unik dan menyimpan hasil komputasi prompt awal dalam cache agar instruksi berulang tidak diproses kembali, sehingga jumlah langkah keluaran tetap sama, apa pun panjang nama kelasnya.

Menurut laporan penerapan tertanggal 8 Juli 2026, HyperClassifier disempurnakan menggunakan GPT-OSS-20B dan dapat mengklasifikasikan hingga 200 label. Model ini menjadi model deteksi maksud dan perutean bawaan untuk templat Agentforce Service dan Employee Agent pada musim semi 2026.

Salesforce mengukur waktu respons perutean HyperClassifier sekitar 26 milidetik, dibandingkan dengan 1.446 milidetik untuk model umum terdepan. Pengukuran produksi tersebut berlaku untuk pendahulunya dan tidak membuktikan kinerja Koa Decisions.

Akses Demo dan Integrasi yang Direncanakan

Siapa pun, termasuk orang yang bukan pelanggan Salesforce, dapat mencoba demo Koa Decisions setelah mendaftar untuk mendapatkan akun Trailhead gratis. Pengguna dapat mengubah permintaan dan daftar kategori, lalu melihat skor keyakinan untuk setiap opsi.

Salesforce menyatakan bahwa penambahan kategori seperti pengembalian barang tidak memerlukan pelatihan ulang. Perusahaan membandingkan proses ini dengan proyek klasifikasi prediktif khusus yang memakan waktu berbulan-bulan bagi banyak pelanggan perusahaan; implementasi model pengambilan keputusan terkadang dapat siap produksi dalam hitungan jam.

Salah satu contoh alur kerja yang terdokumentasi menunjukkan model pengambilan keputusan menandai transaksi penjualan yang berisiko dan memilih tim yang harus turun tangan, sementara model bahasa besar merangkum perubahan yang terjadi, dengan proses beralih dari catatan Sales Cloud ke peringatan Slack. Integrasi yang direncanakan mencakup alur, Apex, templat prompt, dan API pengembang. Harga dan paket dapat berubah, ketersediaan mungkin berbeda menurut wilayah, dan akses diatur oleh perjanjian pelanggan. Karena itu, demo dan penerapan HyperClassifier yang sudah ada tidak membuktikan bahwa setiap integrasi yang direncanakan tersedia secara umum.

Arti praktisnya adalah pembagian tugas yang lebih jelas dalam perangkat lunak perusahaan: model pengambilan keputusan menangani perutean, pemeriksaan, dan pemberian skor, sedangkan model bahasa besar menangani penjelasan dan penalaran. Koa Decisions menambahkan masukan multimodal dan titik integrasi yang direncanakan lebih luas pada arsitektur tersebut; jangkauannya di kalangan perusahaan kini bergantung pada bagaimana integrasi itu dikembangkan melampaui demo dan fungsi perutean yang sudah dijalankan HyperClassifier.