Salesforce presenta Koa Decisions con supporto per immagini e audio

Il 6 novembre 2026, Salesforce ha presentato Koa Decisions, un modello decisionale basato sul modello Gemma di Google, con pesi aperti, in grado di accettare testo, immagini e audio. L’azienda prevede di estendere questa tecnologia oltre l’instradamento delle richieste di Agentforce, includendola nei flussi di lavoro Salesforce e negli strumenti per sviluppatori.

Koa Decisions è la versione successiva di HyperClassifier. Legge una richiesta e un elenco di categorie definito dall’utente, quindi restituisce in un unico passaggio una selezione, una decisione affermativa o negativa oppure un punteggio. Salesforce afferma che l’operazione richiede pochi millisecondi. Il modello entra a far parte della famiglia Koa insieme a un distinto modello di ragionamento Koa, sviluppato con NVIDIA.

Come Koa Decisions produce una risposta

La differenza sta nel modo in cui viene prodotta la risposta. Un modello linguistico di grandi dimensioni genera il testo un token alla volta, basando ciascun nuovo token su quelli precedenti. Un modello decisionale legge l’intera richiesta e restituisce in un unico passaggio una risposta concisa, spesso composta da un solo token. Poiché la risposta è breve, richiede meno risorse di calcolo per essere prodotta e gli altri software possono utilizzarla subito.

Nel caso di un problema di accesso a un account, il modello può selezionare il team che si occupa degli account da un elenco che comprende anche i team di ingegneria e vendite, quindi restituire un punteggio di affidabilità. In questo modo, un agente può usare un modello specializzato per decisioni ripetibili e riservare un modello linguistico di grandi dimensioni generico alla scrittura e al ragionamento. Nell’impostazione di Salesforce, i clienti non devono selezionare manualmente un modello per ogni attività.

Risultati della ricerca e storico operativo di HyperClassifier

Il preprint di ricerca su Koa Decisions descrive la classificazione, il rilevamento semantico della fine del parlato, i controlli booleani e l’assegnazione di punteggi come attività di generazione vincolata con output di un singolo token. I token atomici delle etichette e la messa a punto supervisionata riducono queste attività a una decodifica deterministica in un unico passaggio.

Gli autori riferiscono un’accuratezza dell’85,5% su un benchmark di instradamento degli intenti in produzione, tempi di risposta di circa mezzo secondo e una velocità mediana fino a circa 7,5 volte superiore a quella dei modelli di frontiera testati nelle stesse condizioni di erogazione. Rispetto al sistema dedicato Jev/TypeSafe, riferiscono un’accuratezza competitiva e tempi mediani di risposta più rapidi, oltre a input multimodali e output con più etichette, funzionalità che i sistemi testuali con una sola etichetta non gestiscono.

Koa Decisions si basa su un predecessore già integrato in Agentforce. Un resoconto dell’account Salesforce Engineering spiega come HyperClassifier interpreta l’intento dell’utente e indirizza gli agenti verso gruppi di azioni prima che venga generata una risposta. Nelle interazioni vocali, determina se una persona ha finito di parlare. La versione precedente rappresenta ogni classe con un token speciale univoco e memorizza nella cache i calcoli iniziali del prompt, così da non elaborare di nuovo le istruzioni ripetute; il numero di passaggi necessari per produrre l’output rimane quindi fisso, indipendentemente dalla lunghezza del nome della classe.

Secondo un resoconto della distribuzione dell’8 luglio 2026, HyperClassifier è stato messo a punto sul modello GPT-OSS-20B e può classificare fino a 200 etichette. Nella primavera del 2026 è diventato il modello predefinito per il rilevamento e l’instradamento degli intenti nei modelli Agentforce Service ed Employee Agent.

Salesforce ha misurato un tempo di risposta di circa 26 millisecondi per l’instradamento con HyperClassifier, contro i 1.446 millisecondi di un modello di frontiera generico. Questa misurazione in produzione riguarda il predecessore e non dimostra le prestazioni di Koa Decisions.

Accesso alla demo e integrazioni previste

Chiunque, anche chi non è cliente Salesforce, può provare la demo di Koa Decisions dopo aver creato un account Trailhead gratuito. Gli utenti possono modificare la richiesta e l’elenco delle categorie e visualizzare i punteggi di affidabilità delle opzioni.

Salesforce afferma che aggiungere una categoria, come quella dei resi, non richiede una nuova messa a punto. L’azienda contrappone questa procedura ai progetti personalizzati di classificazione predittiva, che per molti clienti aziendali richiedevano mesi; in alcuni casi, un’implementazione di un modello decisionale può arrivare in produzione nel giro di poche ore.

Un esempio documentato di flusso di lavoro mostra un modello decisionale che segnala un’opportunità di vendita a rischio e seleziona il team che dovrebbe intervenire, mentre un modello linguistico di grandi dimensioni riassume i cambiamenti: il processo passa così da un record di Sales Cloud a un avviso su Slack. Le integrazioni previste comprendono flussi, Apex, modelli di prompt e un’API per sviluppatori. Prezzi e pacchetti possono cambiare, la disponibilità può variare da una regione all’altra e l’accesso è disciplinato dagli accordi con i clienti; di conseguenza, né la demo né l’attuale distribuzione di HyperClassifier dimostrano che tutte le integrazioni previste siano disponibili a tutti.

Sul piano pratico, questa soluzione definisce più chiaramente la ripartizione dei compiti all’interno del software aziendale: i modelli decisionali si occupano di instradamento, controlli e assegnazione di punteggi, mentre i modelli linguistici di grandi dimensioni gestiscono spiegazioni e ragionamento. Koa Decisions aggiunge a questa architettura input multimodali e un numero maggiore di punti di integrazione previsti; la sua diffusione nelle aziende dipenderà ora da come queste integrazioni andranno oltre la demo e le funzioni di instradamento già svolte da HyperClassifier.