Salesforce lansează modelul de raționament Koa pentru Agentforce, antrenat pe Nemotron

Salesforce și NVIDIA au anunțat pe 15 septembrie 2026 modelul Koa, un model de raționament CRM pentru platforma Agentforce a Salesforce, construit prin post-antrenarea modelului Nemotron 3 Super de la NVIDIA pe un set de date sintetic proprietar modelat pe cunoștințele de întreprindere din aproape trei decenii de implementări CRM.

Salesforce a descris Koa ca fiind primul său model de raționament CRM, conceput special pentru a ajuta agenții să raționeze prin fluxuri de lucru complexe și cu multiple etape și să folosească instrumentele potrivite pentru a finaliza sarcinile. În anunțul comun al companiilor, președintele și CEO-ul Salesforce, Marc Benioff, a declarat: “Cel mai valoros lucru pe care l‑a construit Salesforce nu este platforma noastră — ci cunoștințele acumulate despre modul în care funcționează cu adevărat afacerile enterprise. Cu Koa, cunoștințele sunt integrate în modelul în sine.” Jensen Huang, fondatorul și CEO-ul NVIDIA, a spus că modelele deschise Nemotron au oferit Salesforce baza pentru un model CRM care poate raționa și acționa în siguranță.

Salesforce a declarat că controlează greutățile modelului Koa și efectuează post‑antrenarea și inferența exclusiv în interiorul propriului său perimetru de încredere, astfel încât niciun date ale clienților să nu treacă această limită în timpul inferenței. Koa oferă clienților o opțiune specializată, găzduită de Salesforce, pentru a alimenta cazurile de utilizare ale Agentforce.

Date de antrenament sintetice și metodă de post‑antrenare

Conform declarațiilor Salesforce, nu au fost utilizate date ale clienților pentru antrenarea Koa. Corpusul de antrenament a fost construit exclusiv din scenarii sintetice care acoperă abilitățile de raționament, utilizare a instrumentelor și luare a deciziilor pe care agenții Agentforce le aplică în fluxurile de lucru CRM, cum ar fi generarea de lead‑uri, calificarea oportunităților și rezolvarea cazurilor de service.

Scenariile au fost concepute pentru a simula fluxuri de lucru enterprise din viața reală în peste 14 industrii, printre care producție, servicii financiare, sănătate și turism. În fiecare scenariu, o persoană a fost asociată cu un set de sarcini, iar secvența de acțiuni și apeluri de instrumente necesare pentru a le executa a fost mapată în prealabil.

Pentru post‑antrenare, Salesforce a aplicat Supervised Fine‑Tuning și învățare prin recompensă cu Group Relative Policy Optimization (GRPO), utilizând instrumentele NeMo RL, NeMo Gym și NeMo AutoModel de la NVIDIA. Salesforce a declarat că antrenarea pe un set țintit de sarcini enterprise prioritizate a conferit modelului o expertiză mai profundă, învățându-l să atingă un obiectiv printr-o secvență de acțiuni corecte în loc să se oprească la un răspuns corect.

Lucrare de cercetare și rezultate raportate

În un articol de cercetare depus la arXiv pe 14 septembrie 2026, dezvoltatorii modelului descriu Koa ca fiind rezultatul aplicării învățării prin recompensă GRPO pe modelul de bază open‑weight Nemotron‑3‑Super‑120B, utilizând date publice și generate sintetic și fără date ale clienților. Autorii identifică ca element distinctiv al modelului un pipeline de simulare‑la‑recompensă care transformă specificațiile de flux de lucru în sarcini multi‑turn condiționate de persoană, cu recompense legate de rezolvarea fiecărei sarcini prin utilizarea cu succes a instrumentelor pentru cereri dependente de date. Pentru domeniile enterprise, aceste specificații sunt scrise în Agent Script, limbajul declarativ al Salesforce pentru construirea agenților Agentforce; pentru domeniile publice de utilizare a instrumentelor, structura fluxului de lucru a fost sintetizată direct, cu aceeași mecanică de simulare și recompensă ancorată care alimentează GRPO în ambele cazuri.

Autorii raportează că, în cadrul benchmark‑urilor de utilizare publică a instrumentelor, raționament agentic și CRM enterprise, Koa depășește baza sa open‑weight, obținând cele mai clare progrese în utilizarea multi‑turn a instrumentelor, depășind o bază proprietară puternică și rămânând sub cele mai avansate modele frontier. Ei concluzionează că învățarea prin recompensă condusă de specificații oferă o cale practică de a specializa modelele de bază open‑weight pentru munca agentică în mediul enterprise.

Separat, Salesforce a declarat că, în benchmark‑ul său CRM, un set de sarcini din viața reală, cum ar fi actualizarea unei oportunități, direcționarea unui caz sau programarea unui follow‑up, Koa egalează sau depășește performanța modelelor de top în acțiuni CRM, cu trei ori mai puține erori.

Proiecte pilot, Missionforce și disponibilitate

Koa este deja utilizat în interiorul Salesforce, inclusiv într-un agent Slack care ajută angajații să găsească informații și să finalizeze sarcinile zilnice. Proiectele pilot cu clienții sunt în desfășurare la 1-800Accountant, Baxter Credit Union, Engine, Formula 1, UChicago Medicine și Xero.

Ryan Teeples, chief strategy officer la 1-800Accountant, a declarat că Koa permite agenților firmei să raționeze pas cu pas prin regulile fiscale, datele financiare și documentele clienților. John Sahagian, senior vice president și chief data officer la Baxter Credit Union, a spus că modelul poate ajuta agenții digitali să evalueze informațiile, instrumentele și politicile din spatele obiectivelor membrilor, cum ar fi achiziționarea unei locuințe. Elia Wallen, fondator și CEO al Engine, a menționat că călătoriile de afaceri implică nenumărate elemente în mișcare și că echipele sale au nevoie de un model capabil să raționeze precis prin probleme cu multiple etape, nu unul care doar pare încrezător. Andrew Chang, chief marketing officer la UChicago Medicine, a afirmat că Koa poate gestiona fluxuri de lucru de coordonare mai lungi și cu multiple etape, permițând echipelor să aibă mai mult timp pentru îngrijirea pacienților.

Alături de Koa, cele două companii introduc modele bazate pe Nemotron și calcul accelerat în Missionforce pentru guvern și organizații reglementate. Conform anunțului, multe dintre aceste organizații trebuie să controleze modelul și datele de instruire și să le implementeze în medii specializate — clouduri private, rețele clasificate și sisteme complet izolate — care nu intră niciodată în contact cu infrastructura publică.

Modelele NVIDIA post‑antrenate vor alimenta agenții pentru Missionforce Operations, un produs care digitalizează și automatizează fluxurile de lucru guvernamentale, inclusiv achizițiile, gestionarea furnizorilor și logistica. Modelele sunt antrenate pe datele operaționale și terminologia fiecărei organizații, astfel încât agenții să poată parcurge procesele de back‑office și să acționeze în mediul propriu al clientului, inclusiv în rețele izolate. Companiile au declarat că lucrează, de asemenea, pentru a integra modelele NVIDIA post‑antrenate în funcționalități suplimentare ale Missionforce, ceea ce ar permite clienților să construiască și să ruleze modele pe propria infrastructură pentru sarcini specializate.

Koa este disponibil pentru clienți pilot selectați în prezent în Agentforce, cu disponibilitate generală așteptată în iarna 2026 în regiunile din SUA. Missionforce Operations este disponibil în mod general acum în regiunile din SUA, iar modelele NVIDIA post‑antrenate vor fi disponibile pentru clienți selectați în octombrie 2026.