Моделі та платформи ШІ
Salesforce представляє Koa Decisions із підтримкою зображень і аудіо
Додайте Unite.AI до бажаних джерел у Google
6 листопада 2026 року Salesforce представила Koa Decisions — модель ухвалення рішень на основі Gemma від Google з відкритими вагами, яка приймає текст, зображення й аудіо. Компанія планує розширити застосування цієї технології за межі маршрутизації запитів в Agentforce — на робочі процеси Salesforce і інструменти для розробників.
Koa Decisions — наступна версія HyperClassifier. Модель обробляє запит і визначений користувачем перелік категорій, а потім за один крок повертає вибір, відповідь «так» або «ні» чи оцінку. За описом Salesforce, ця операція триває мілісекунди. Модель поповнює сімейство Koa разом з окремою моделлю Koa для міркувань, створеною за участю NVIDIA.
Як Koa Decisions формує відповідь
Різниця полягає в тому, як формується відповідь. Велика мовна модель генерує текст токен за токеном, причому кожен новий токен залежить від попередніх. Модель ухвалення рішень обробляє весь запит і за один крок видає стислу відповідь, часто — один токен. Оскільки відповідь коротка, для її формування потрібно менше обчислювальних ресурсів, а інше програмне забезпечення може відразу діяти на її основі.
Якщо користувач не може ввійти в обліковий запис, модель може вибрати команду з роботи з обліковими записами зі списку, до якого також входять команди розробки та продажів, а потім повернути оцінку впевненості. Завдяки цьому агент може використовувати спеціалізовану модель для повторюваних рішень, залишаючи загальну велику мовну модель для написання текстів і міркувань. У підході Salesforce клієнтам не потрібно вручну вибирати модель для кожного завдання.
Результати досліджень і досвід використання HyperClassifier у виробничому середовищі
У препринті дослідження моделі ухвалення рішень Koa команда описує класифікацію, семантичне визначення кінця висловлювання, логічні перевірки та оцінювання як генерацію з обмеженнями, що дає однотокенні результати. Спеціальні токени для атомарних міток і донавчання з учителем зводять ці завдання до детермінованого декодування за один крок.
Автори повідомляють про точність 85.5% у виробничому тесті маршрутизації за намірами, час відповіді близько пів секунди та медіанну швидкість, приблизно до 7.5 раза вищу, ніж у передових моделей, протестованих за однакових умов обслуговування запитів. Порівняно зі спеціалізованою системою Jev/TypeSafe вони повідомляють про зіставну точність і швидші медіанні відповіді, а також про підтримку мультимодальних вхідних даних і кількох міток, із якими не працюють текстові системи з однією міткою.
Koa Decisions розвиває попередню модель, уже вбудовану в Agentforce. В обліковому записі Salesforce Engineering описано, як HyperClassifier визначає намір користувача й спрямовує агентів до наборів дій до того, як буде згенеровано відповідь. Під час голосової взаємодії модель визначає, чи людина закінчила говорити. У попередній версії кожному класу відповідав унікальний спеціальний токен, а обчислення початкової частини запиту кешувалися, щоб не обробляти повторні інструкції знову. Завдяки цьому кількість кроків для формування відповіді залишається незмінною незалежно від довжини назви класу.
HyperClassifier пройшла донавчання на GPT-OSS-20B і, згідно з описом розгортання від 8 липня 2026 року, може класифікувати дані за кількістю міток до 200. Навесні 2026 року вона стала типовою моделлю для виявлення намірів і маршрутизації в шаблонах Agentforce Service та Employee Agent.
За вимірюваннями Salesforce, HyperClassifier обробляла запити маршрутизації приблизно за 26 мілісекунд, тоді як загальній передовій моделі на це потрібно було 1,446 мілісекунд. Цей показник отримано під час роботи попередньої моделі, тому він не свідчить про продуктивність Koa Decisions.
Доступ до демоверсії та заплановані інтеграції
Спробувати демоверсію Koa Decisions може будь-хто, зокрема й ті, хто не є клієнтом Salesforce, — для цього потрібно зареєструвати безплатний обліковий запис Trailhead. Користувачі можуть редагувати запит і перелік категорій, а також переглядати оцінки впевненості для кожного варіанта.
За словами Salesforce, для додавання такої категорії, як повернення товарів, не потрібно повторно навчати модель. Компанія порівнює цей процес із розробкою спеціальних моделей прогнозної класифікації, яка для багатьох корпоративних клієнтів тривала місяцями; водночас іноді модель ухвалення рішень можна впровадити у виробниче середовище за кілька годин.
В одному з описаних прикладів робочого процесу модель ухвалення рішень позначає угоду про продаж як ризиковану й вибирає команду, яка має втрутитися, тоді як велика мовна модель підсумовує зміни. Процес переходить від запису в Sales Cloud до сповіщення у Slack. Серед запланованих інтеграцій — потоки, Apex, шаблони запитів і API для розробників. Ціни й пакети послуг можуть змінюватися, доступність може відрізнятися залежно від регіону, а доступ визначається угодами з клієнтами. Тому ні демоверсія, ні наявне розгортання HyperClassifier не підтверджують загальну доступність усіх запланованих інтеграцій.
Практичне значення цієї розробки — чіткіший розподіл завдань у корпоративному програмному забезпеченні: моделі ухвалення рішень відповідають за маршрутизацію, перевірки й оцінювання, а великі мовні моделі — за пояснення та міркування. Koa Decisions доповнює цю архітектуру мультимодальними вхідними даними й ширшим переліком запланованих точок інтеграції. Охоплення корпоративного сегмента залежатиме від того, як ці інтеграції вийдуть за межі демоверсії та функцій маршрутизації, які HyperClassifier уже виконує.
