Salesforce introduserer Koa Decisions med støtte for bilder og lyd

Salesforce introduserte Koa Decisions 6. november 2026, en beslutningsmodell basert på Googles Gemma med åpne vekter, som tar imot tekst, bilder og lyd. Selskapet planlegger å utvide teknologien fra ruting av forespørsler i Agentforce til arbeidsflyter og utviklerverktøy i Salesforce.

Koa Decisions er neste versjon av HyperClassifier. Modellen leser en forespørsel og en brukerdefinert liste over kategorier, og returnerer deretter et valg, en ja-eller-nei-avgjørelse eller en poengsum i ett trinn. Salesforce beskriver at dette tar millisekunder. Modellen blir en del av Koa-familien sammen med en separat Koa-resonneringsmodell utviklet med NVIDIA.

Slik gir Koa Decisions et svar

Forskjellen ligger i hvordan svaret blir produsert. En stor språkmodell genererer tekst token for token, der hvert nye token bygger på tokenene før det. En beslutningsmodell leser hele forespørselen og gir et kortfattet svar, ofte ett enkelt token, i ett trinn. Fordi svaret er kort, krever det mindre datakraft å produsere, og annen programvare kan bruke det umiddelbart.

Ved et problem med innlogging på en konto kan modellen velge kundestøtteteamet fra en liste som også omfatter utvikling og salg, og deretter returnere en konfidenspoengsum. Dermed kan en agent bruke en spesialisert modell til gjentakbare avgjørelser, samtidig som en generell LLM brukes til skriving og resonnering. I Salesforces løsning trenger ikke kundene å velge en modell manuelt for hver oppgave.

Forskningsresultater og HyperClassifiers bruk i produksjon

Teamets forhåndspublisering av forskningen på Koa-beslutninger beskriver klassifisering, semantisk endepunktsdeteksjon, boolske kontroller og poengsetting som begrenset generering med utdata på ett token. Atomære etikettoken og veiledet finjustering reduserer disse oppgavene til deterministisk dekoding i ett trinn.

Forfatterne rapporterer en nøyaktighet på 85,5 % på en referansetest for ruting av brukerintensjoner i produksjon, svartider på omtrent et halvt sekund og en medianhastighet som er opptil omtrent 7,5 ganger høyere enn for de mest avanserte modellene som ble testet under identiske driftsforhold. Sammenlignet med det spesialiserte Jev/TypeSafe-systemet rapporterer de konkurransedyktig nøyaktighet og raskere median svartid, samt multimodale inndata og utdata med flere etiketter, som tekstsystemer med én etikett ikke håndterer.

Koa Decisions bygger videre på en forgjenger som allerede er integrert i Agentforce. En konto fra Salesforce Engineering beskriver hvordan HyperClassifier tolker brukerens hensikt og sender agenter videre til handlingssett før et svar blir generert. I taleinteraksjoner avgjør modellen om noen er ferdig med å snakke. I den tidligere utformingen representeres hver klasse av et unikt spesialtoken, og beregninger for den innledende forespørselen mellomlagres, slik at gjentatte instruksjoner ikke behandles på nytt. Dermed holdes antallet genereringstrinn konstant, uavhengig av lengden på klassenavnet.

Ifølge en beskrivelse av utrullingen 8. juli 2026 ble HyperClassifier finjustert på GPT-OSS-20B og kan klassifisere opptil 200 etiketter. Våren 2026 ble modellen standardmodellen for intensjonsdeteksjon og ruting i Agentforce Service- og Employee Agent-malene.

Salesforce målte svartiden for HyperClassifiers ruting til omtrent 26 millisekunder, sammenlignet med 1 446 millisekunder for en generell, svært avansert modell. Denne målingen fra produksjonsmiljøet gjelder forgjengeren og fastslår ikke ytelsen til Koa Decisions.

Tilgang til demoen og planlagte integrasjoner

Alle kan prøve demoen av Koa Decisions, også personer som ikke er Salesforce-kunder, etter å ha registrert seg for en gratis Trailhead-konto. Brukerne kan redigere forespørselen og kategorilisten og se konfidenspoengsummer for alternativene.

Salesforce sier at det ikke kreves ny trening for å legge til en kategori som returer. Selskapet setter dette i kontrast til skreddersydde prosjekter for prediktiv klassifisering, som tok flere måneder for mange bedriftskunder; en implementering av en beslutningsmodell kan noen ganger settes i produksjon på få timer.

I ett dokumentert eksempel på en arbeidsflyt markerer en beslutningsmodell en salgsavtale som står i fare for å gå tapt, og velger teamet som bør gripe inn, mens en LLM oppsummerer hva som har endret seg. Arbeidsflyten går fra en oppføring i Sales Cloud til et Slack-varsel. Planlagte integrasjoner omfatter flyter, Apex, instruksjonsmaler og et utvikler-API. Priser og pakker kan endres, tilgjengeligheten kan variere fra region til region, og tilgang reguleres av kundeavtaler. Derfor innebærer ikke demoen og den eksisterende utrullingen av HyperClassifier at alle planlagte integrasjoner er allment tilgjengelige.

Den praktiske betydningen er en tydeligere arbeidsdeling i bedriftsprogramvare: Beslutningsmodeller håndterer ruting, kontroller og poengsetting, mens LLM-er står for forklaringer og resonnering. Koa Decisions tilfører multimodale inndata og flere planlagte integrasjonspunkter til denne arkitekturen. Hvor stor utbredelse løsningen får i bedrifter, avhenger nå av hvordan disse integrasjonene går fra demo til bredere bruk, utover rutingsfunksjonene HyperClassifier allerede utfører.