Salesforce presenta il modello di ragionamento Koa per Agentforce, addestrato su Nemotron

Il 15 settembre 2026, Salesforce e NVIDIA hanno annunciato Koa, un modello di ragionamento CRM per la piattaforma Agentforce di Salesforce, costruito mediante il post‑training del modello Nemotron 3 Super su un dataset sintetico proprietario modellato sulla conoscenza aziendale accumulata in quasi tre decenni di implementazioni CRM.

Salesforce ha descritto Koa come il suo primo modello di ragionamento CRM, progettato appositamente per aiutare gli agenti a ragionare su flussi di lavoro complessi e multistep e a utilizzare gli strumenti giusti per completare il lavoro. Nell’annuncio congiunto delle aziende, il presidente e CEO di Salesforce, Marc Benioff, ha dichiarato: “La cosa più preziosa che Salesforce ha costruito non è la nostra piattaforma — è la conoscenza accumulata su come funziona realmente il business aziendale. Con Koa, la conoscenza è inserita direttamente nel modello.” Jensen Huang, fondatore e CEO di NVIDIA, ha affermato che i modelli open di Nemotron hanno fornito a Salesforce la base per un modello CRM capace di ragionare e agire in modo sicuro.

Salesforce ha dichiarato di controllare i pesi del modello Koa ed eseguire il post‑training e l’inferenza interamente all’interno del proprio perimetro di fiducia, in modo che nessun dato cliente attraversi tale perimetro durante l’inferenza. Koa offre ai clienti un’opzione specializzata, ospitata da Salesforce, per alimentare i casi d’uso di Agentforce.

Dati di addestramento sintetici e metodo di post‑addestramento

Secondo Salesforce, nessun dato cliente è stato utilizzato per addestrare Koa. Il corpus di addestramento è stato costruito interamente da scenari sintetici che coprono le capacità di ragionamento, utilizzo degli strumenti e decisione che gli agenti di Agentforce applicano nei flussi di lavoro CRM, come la generazione di lead, la qualificazione delle opportunità e la risoluzione di casi di assistenza.

Gli scenari sono stati progettati per simulare flussi di lavoro aziendali reali in più di 14 settori, tra cui manifatturiero, servizi finanziari, sanità e viaggi. In ogni scenario, una persona è stata associata a un insieme di compiti, e la sequenza di azioni e chiamate agli strumenti necessarie per eseguirli è stata mappata in anticipo.

Per il post‑training, Salesforce ha applicato il Supervised Fine‑Tuning e l’apprendimento per rinforzo con Group Relative Policy Optimization (GRPO), utilizzando gli strumenti NeMo RL, NeMo Gym e NeMo AutoModel di NVIDIA. Salesforce ha affermato che l’addestramento su un insieme mirato di compiti aziendali prioritari ha fornito al modello una competenza più approfondita, insegnandogli a raggiungere un obiettivo attraverso una sequenza di azioni corrette anziché fermarsi a una risposta corretta.

Articolo di ricerca e risultati riportati

In un articolo di ricerca presentato su arXiv il 14 settembre 2026, gli sviluppatori del modello descrivono Koa come il risultato dell’applicazione dell’apprendimento per rinforzo GRPO al modello di base open‑weight Nemotron-3-Super-120B, utilizzando dati pubblici e generati sinteticamente e senza dati cliente. Gli autori identificano come componente distintiva del modello una pipeline simulazione‑a‑ricompensa che trasforma le specifiche di flusso di lavoro in compiti multi‑turn condizionati da persona, con ricompense legate alla risoluzione di ciascun compito mediante l’uso corretto degli strumenti per richieste dipendenti dai dati. Per i domini aziendali, tali specifiche sono scritte in Agent Script, il linguaggio dichiarativo di Salesforce per la creazione di agenti Agentforce; per i domini pubblici di uso strumenti, la struttura del flusso di lavoro è stata sintetizzata direttamente, con la stessa simulazione e meccanismo di ricompensa alla base del GRPO in entrambi i casi.

Gli autori segnalano che, nei benchmark di uso pubblico di strumenti, ragionamento agente e CRM aziendale, Koa migliora rispetto al suo modello di base open‑weight, con i guadagni più evidenti nell’uso multi‑turn degli strumenti, supera una solida baseline proprietaria e rimane al di sotto dei modelli di frontiera più avanzati. Concludono che l’apprendimento per rinforzo guidato da specifiche offre una via pratica per specializzare i modelli di base open‑weight per il lavoro agente aziendale.

Separatamente, Salesforce ha dichiarato che nel suo benchmark CRM, una serie di compiti reali come l’aggiornamento di un’opportunità, l’instradamento di un caso o la programmazione di un follow‑up, Koa eguaglia o supera le prestazioni dei modelli leader nelle azioni CRM con tre volte meno errori.

Piloti, Missionforce e disponibilità

Koa è già in uso all’interno di Salesforce, incluso in un agente Slack che aiuta i dipendenti a trovare informazioni e a completare le attività quotidiane. I progetti pilota con i clienti sono in corso con 1-800Accountant, Baxter Credit Union, Engine, Formula 1, UChicago Medicine e Xero.

Ryan Teeples, chief strategy officer di 1-800Accountant, ha dichiarato che Koa consente agli agenti dell’azienda di ragionare passo dopo passo attraverso le norme fiscali, i dati finanziari e i documenti dei clienti. John Sahagian, senior vice president e chief data officer di Baxter Credit Union, ha affermato che il modello può aiutare gli agenti digitali a valutare le informazioni, gli strumenti e le politiche alla base degli obiettivi dei membri, come l’acquisto di una casa. Elia Wallen, fondatore e CEO di Engine, ha osservato che i viaggi di lavoro comportano innumerevoli componenti in movimento e che i suoi team hanno bisogno di un modello capace di ragionare con precisione su problemi multi‑step, anziché uno che semplicemente appare sicuro. Andrew Chang, chief marketing officer di UChicago Medicine, ha dichiarato che Koa può gestire flussi di lavoro di coordinamento più lunghi e multi‑step, consentendo ai team di dedicare più tempo alla cura dei pazienti.

Insieme a Koa, le due aziende stanno introducendo modelli basati su Nemotron e calcolo accelerato in Missionforce per enti governativi e organizzazioni regolamentate. Secondo l’annuncio, molte di queste organizzazioni devono controllare il modello e i dati di addestramento e distribuirli in ambienti specializzati — cloud privati, reti classificate e sistemi completamente isolati — che non entrano mai in contatto con infrastrutture pubbliche.

I modelli NVIDIA post-addestrati alimenteranno gli agenti per Missionforce Operations, un prodotto che digitalizza e automatizza i flussi di lavoro governativi, inclusi approvvigionamento, gestione dei fornitori e logistica. I modelli sono addestrati sui dati operativi e sulla terminologia di ciascuna organizzazione, così gli agenti possono gestire i processi di back‑office e intervenire all’interno dell’ambiente del cliente, comprese le reti isolate. Le aziende hanno dichiarato di stare lavorando per introdurre i modelli NVIDIA post-addestrati anche in ulteriori funzionalità di Missionforce, consentendo ai clienti di creare ed eseguire modelli sulla propria infrastruttura per carichi di lavoro specializzati.

Koa è disponibile ora per clienti pilota selezionati in Agentforce, con disponibilità generale prevista per l’inverno 2026 nelle regioni statunitensi. Missionforce Operations è attualmente disponibile nelle regioni statunitensi, e i modelli NVIDIA post-addestrati saranno disponibili per clienti selezionati nell’ottobre 2026.