Salesforce apresenta Koa Decisions com suporte a imagens e áudio

A Salesforce apresentou Koa Decisions em 6 de novembro de 2026. Trata-se de um modelo de decisão baseado no Gemma, da Google, com pesos abertos, que aceita texto, imagens e áudio. A empresa planeja expandir a tecnologia para além do roteamento de solicitações do Agentforce, levando-a aos fluxos de trabalho da Salesforce e às ferramentas para desenvolvedores.

Koa Decisions é a próxima versão do HyperClassifier. O modelo lê uma solicitação e uma lista de categorias definida pelo usuário e, em uma única etapa, retorna uma opção, uma decisão de sim ou não ou uma pontuação. A Salesforce afirma que essa operação leva milissegundos. O modelo passa a integrar a família Koa ao lado de um modelo de raciocínio Koa separado, desenvolvido com a NVIDIA.

Como Koa Decisions produz uma resposta

A diferença está em como a resposta é produzida. Um modelo de linguagem grande gera texto token por token, com cada novo token baseado nos anteriores. Um modelo de decisão lê a solicitação inteira e emite uma resposta concisa, muitas vezes com um único token, em uma só etapa. Como essa resposta é curta, exige menos poder computacional para ser produzida, e outros softwares podem agir com base nela imediatamente.

Em um problema de acesso à conta, o modelo pode selecionar a equipe de contas em uma lista que também inclui as equipes de engenharia e vendas e, em seguida, retornar uma pontuação de confiança. Isso permite que um agente use um modelo especializado para decisões repetitivas, reservando um modelo de linguagem grande (LLM) de uso geral para redação e raciocínio. Na abordagem da Salesforce, os clientes não precisam selecionar manualmente um modelo para cada tarefa.

Resultados da pesquisa e histórico de uso do HyperClassifier em produção

A pré-publicação da pesquisa sobre decisões do Koa da equipe formula a classificação, a detecção semântica do fim de fala, as verificações booleanas e a pontuação como geração restrita com saídas de um único token. Tokens atômicos para rótulos e o ajuste fino supervisionado reduzem essas tarefas a uma decodificação determinística em uma única etapa.

Os autores relatam uma precisão de 85,5% em um benchmark de produção para roteamento por intenção, respostas em cerca de meio segundo e tempos de resposta medianos até aproximadamente 7,5 vezes mais rápidos do que os dos modelos de fronteira testados sob condições idênticas de disponibilização. Em comparação com o sistema dedicado Jev/TypeSafe, relatam precisão competitiva e respostas medianas mais rápidas, além de entradas multimodais e saídas com vários rótulos, que os sistemas de texto com um único rótulo não conseguem processar.

Koa Decisions se baseia em um antecessor já integrado ao Agentforce. Uma publicação na conta Salesforce Engineering descreve como o HyperClassifier interpreta a intenção do usuário e direciona os agentes a conjuntos de ações antes de uma resposta ser gerada. Nas interações por voz, o modelo determina se alguém terminou de falar. Seu projeto anterior representa cada classe com um token especial exclusivo e armazena em cache os cálculos iniciais do prompt para que instruções repetidas não precisem ser processadas novamente, mantendo fixo o número de etapas de saída, independentemente do comprimento do nome da classe.

Segundo um relato de implantação de 8 de julho de 2026, o HyperClassifier foi ajustado com base no GPT-OSS-20B e pode classificar até 200 rótulos. Na primavera de 2026, tornou-se o modelo padrão de detecção de intenção e roteamento para os modelos Agentforce Service e Employee Agent.

A Salesforce mediu em cerca de 26 milissegundos o tempo de resposta do HyperClassifier para roteamento, em comparação com 1.446 milissegundos para um modelo de fronteira de uso geral. Essa medição em produção diz respeito ao antecessor e não comprova o desempenho do Koa Decisions.

Acesso à demonstração e integrações planejadas

Qualquer pessoa, inclusive quem não é cliente da Salesforce, pode experimentar a demonstração do Koa Decisions depois de se cadastrar para criar uma conta gratuita no Trailhead. Os usuários podem editar a solicitação e a lista de categorias e ver as pontuações de confiança das opções.

A Salesforce afirma que adicionar uma categoria, como devoluções, não exige um novo treinamento. A empresa contrasta esse processo com projetos personalizados de classificação preditiva, que levavam meses para muitos clientes corporativos; em alguns casos, uma implementação de modelo de decisão pode entrar em produção em questão de horas.

Um exemplo documentado de fluxo de trabalho mostra um modelo de decisão sinalizando um negócio de vendas em risco e selecionando a equipe que deve intervir, enquanto um LLM resume o que mudou, passando de um registro do Sales Cloud para um alerta no Slack. As integrações planejadas incluem fluxos, Apex, modelos de prompt e uma API para desenvolvedores. Os preços e pacotes podem mudar, a disponibilidade pode variar por região e o acesso é regido pelos contratos com os clientes; portanto, a demonstração e a implantação existente do HyperClassifier não comprovam a disponibilidade geral de todas as integrações planejadas.

A importância prática está em uma divisão mais clara de tarefas nos softwares corporativos: os modelos de decisão cuidam do roteamento, das verificações e da pontuação, enquanto os LLMs cuidam da explicação e do raciocínio. Koa Decisions acrescenta entradas multimodais e mais pontos de integração planejados a essa arquitetura; seu alcance empresarial dependerá agora de como essas integrações avançarão para além da demonstração e das funções de roteamento que o HyperClassifier já executa.