Salesforce、画像と音声に対応した「Koa Decisions」を発表

Salesforceは2026年11月6日、GoogleのオープンウェイトモデルGemmaを基に開発し、テキスト、画像、音声を入力できる意思決定モデル、Koa Decisionsを発表した。同社は、Agentforceのリクエスト振り分けにとどまらず、Salesforceのワークフローや開発者向けツールにもこの技術を展開する計画だ。

Koa DecisionsはHyperClassifierの次期バージョンだ。リクエストとユーザーが定義したカテゴリ一覧を読み取り、1回の処理で選択結果、はい／いいえの判断、またはスコアを返す。Salesforceによると、この処理にかかる時間は数ミリ秒だという。このモデルは、NVIDIAと共同開発した別のKoa推論モデルとともに、Koaファミリーに加わる。

Koa Decisionsが回答を生成する仕組み

違いは、回答の生成方法にある。大規模言語モデルはトークンを1つずつ生成し、新しいトークンはそれまでに生成されたトークンに基づく。一方、意思決定モデルはリクエスト全体を読み取り、多くの場合は1つのトークンからなる簡潔な回答を1回の処理で出力する。回答が短いため、生成に必要な計算量が少なく、ほかのソフトウェアはその結果にすぐ対応できる。

アカウントへのログインに関する問題なら、モデルはエンジニアリング部門や営業部門も含む一覧からアカウント部門を選び、信頼度スコアを返せる。これにより、エージェントは繰り返し発生する判断に特化型モデルを使い、文章作成や推論には汎用のLLMを使うことができる。Salesforceの設計では、顧客がタスクごとにモデルを手動で選ぶ必要はない。

研究成果とHyperClassifierの本番運用実績

チームのKoaの意思決定に関する研究プレプリントでは、分類、意味に基づく発話終了判定、真偽値のチェック、スコアリングを、単一トークンを出力する制約付き生成として定式化している。ラベルごとに固有のトークンを用い、教師ありファインチューニングを行うことで、これらのタスクを決定論的な1回のデコードに集約する。

著者らによると、本番環境のインテント振り分けベンチマークで正解率85.5%を達成し、応答時間は約0.5秒だった。また、同一のサービング条件でテストした最先端モデルと比べ、応答時間の中央値は最大で約7.5倍速かったという。専用システムのJev/TypeSafeとの比較では、競争力のある正解率とより速い応答時間の中央値を示したうえ、単一ラベルのテキストシステムでは扱えないマルチモーダル入力と複数ラベルの出力にも対応すると報告している。

Koa Decisionsは、すでにAgentforceに組み込まれている先行モデルを基盤としている。Salesforceのエンジニアリングアカウントの投稿では、HyperClassifierがユーザーの意図を解釈し、応答を生成する前にエージェントをアクションセットへ振り分ける仕組みを説明している。音声でのやり取りでは、話者が話し終えたかどうかを判定する。従来の設計では、クラスごとに固有の特殊トークンを割り当て、最初のプロンプトの計算結果をキャッシュすることで、同じ指示を再処理しないようにしている。そのため、クラス名の長さにかかわらず、出力までのステップ数は一定に保たれる。

HyperClassifierはGPT-OSS-20Bでファインチューニングされており、2026年7月8日の導入報告によると、最大200のラベルにわたって分類できます。2026年春には、Agentforce ServiceとEmployee Agentのテンプレートで、インテント検出とルーティングに使用するデフォルトモデルになりました。

Salesforceの測定では、HyperClassifierの振り分け応答時間は約26ミリ秒で、汎用の最先端モデルの1,446ミリ秒と比べて短かった。ただし、この本番環境での測定値は先行モデルのものであり、Koa Decisionsの性能を示すものではない。

デモの利用方法と今後予定されている連携

Salesforceの顧客でない人も含め、誰でも無料のTrailheadアカウントに登録すればKoa Decisionsのデモを試せる。ユーザーはリクエストやカテゴリ一覧を編集し、各選択肢の信頼度スコアを確認できる。

Salesforceによると、「返品」などのカテゴリを追加する際に再学習は不要だという。同社は、多くの大企業で数カ月を要したカスタム予測分類プロジェクトとこのプロセスを対比し、意思決定モデルの導入は数時間で本番環境に移行できる場合もあるとしている。

公開されているワークフローの例では、意思決定モデルがリスクのある営業案件を検知し、対応すべきチームを選ぶ一方で、LLMが何が変わったのかを要約する。Sales CloudのレコードからSlackのアラートへとつなぐ例だ。今後は、フロー、Apex、プロンプトテンプレート、開発者向けAPIとの連携が予定されている。価格や提供形態は変更される可能性があり、利用可能な地域も異なる。また、アクセスは顧客との契約に従う。そのため、デモやHyperClassifierの既存の導入実績だけでは、予定されているすべての連携が一般提供されているとは言えない。

実用面で重要なのは、企業向けソフトウェアにおける役割分担が明確になることだ。意思決定モデルが振り分け、チェック、スコアリングを担い、LLMが説明や推論を担う。Koa Decisionsは、この仕組みにマルチモーダル入力と、より幅広い連携先を追加する計画だ。企業でどこまで活用されるかは、こうした連携がデモの段階を超え、HyperClassifierがすでに担っている振り分け機能以外にも広がるかどうかにかかっている。