Salesforce giới thiệu Koa Decisions, hỗ trợ hình ảnh và âm thanh

Ngày 6 tháng 11 năm 2026, Salesforce giới thiệu Koa Decisions, một mô hình ra quyết định được xây dựng dựa trên Gemma có trọng số mở của Google, có thể tiếp nhận văn bản, hình ảnh và âm thanh. Công ty dự định mở rộng công nghệ này ra ngoài chức năng định tuyến yêu cầu của Agentforce, đưa vào các quy trình làm việc và công cụ dành cho nhà phát triển của Salesforce.

Koa Decisions là phiên bản tiếp theo của HyperClassifier. Mô hình đọc một yêu cầu cùng danh sách danh mục do người dùng xác định, sau đó đưa ra lựa chọn, quyết định có hoặc không, hoặc điểm số chỉ trong một bước. Salesforce cho biết thao tác này chỉ mất vài mili giây. Mô hình này gia nhập dòng Koa, bên cạnh một mô hình suy luận Koa riêng được xây dựng cùng NVIDIA.

Koa Decisions đưa ra câu trả lời như thế nào

Điểm khác biệt nằm ở cách tạo ra câu trả lời. Mô hình ngôn ngữ lớn tạo văn bản từng token một, trong đó mỗi token mới dựa trên các token đứng trước. Mô hình ra quyết định đọc toàn bộ yêu cầu rồi đưa ra câu trả lời ngắn gọn, thường chỉ gồm một token, trong một bước. Vì câu trả lời ngắn nên cần ít năng lực tính toán hơn để tạo ra, đồng thời phần mềm khác có thể hành động dựa trên câu trả lời đó ngay lập tức.

Khi xử lý vấn đề đăng nhập tài khoản, mô hình có thể chọn nhóm phụ trách tài khoản từ một danh sách cũng có các nhóm kỹ thuật và bán hàng, rồi đưa ra điểm tin cậy. Nhờ đó, một tác tử có thể dùng mô hình chuyên biệt cho các quyết định lặp lại, đồng thời dành mô hình ngôn ngữ lớn tổng quát (LLM) cho việc viết và suy luận. Theo thiết kế của Salesforce, khách hàng không cần tự chọn mô hình cho từng tác vụ.

Kết quả nghiên cứu và quá trình triển khai HyperClassifier

Bản tiền xuất bản nghiên cứu về quyết định Koa của nhóm mô hình hóa việc phân loại, xác định điểm kết thúc ngữ nghĩa, kiểm tra Boolean và chấm điểm thành bài toán tạo sinh có ràng buộc, với đầu ra chỉ gồm một token. Các token nhãn nguyên tử và phương pháp tinh chỉnh có giám sát rút gọn những tác vụ này thành quá trình giải mã xác định chỉ trong một bước.

Các tác giả báo cáo độ chính xác 85,5% trên một chuẩn đánh giá định tuyến ý định trong môi trường sản xuất, thời gian phản hồi khoảng nửa giây và tốc độ trung vị nhanh hơn tới khoảng 7,5 lần so với các mô hình tiên tiến hàng đầu được thử nghiệm trong cùng điều kiện phục vụ. Khi so sánh với hệ thống chuyên biệt Jev/TypeSafe, họ báo cáo độ chính xác cạnh tranh và thời gian phản hồi trung vị nhanh hơn, đồng thời hỗ trợ đầu vào đa phương thức và đầu ra nhiều nhãn—những khả năng mà các hệ thống văn bản chỉ hỗ trợ một nhãn không có.

Koa Decisions được phát triển dựa trên một phiên bản tiền nhiệm đã được tích hợp vào Agentforce. Một bài đăng trên tài khoản Salesforce Engineering mô tả cách HyperClassifier diễn giải ý định của người dùng và điều hướng tác tử đến các nhóm hành động trước khi tạo câu trả lời. Trong các cuộc hội thoại bằng giọng nói, mô hình xác định liệu người nói đã nói xong hay chưa. Thiết kế trước đây của mô hình biểu thị mỗi lớp bằng một token đặc biệt duy nhất và lưu vào bộ nhớ đệm các phép tính ban đầu của lời nhắc, nhờ đó không phải xử lý lại những chỉ dẫn lặp lại; số bước tạo đầu ra được giữ cố định bất kể độ dài tên lớp.

Theo bài viết về đợt triển khai ngày 8 tháng 7 năm 2026, HyperClassifier được tinh chỉnh trên GPT-OSS-20B và có thể phân loại tối đa 200 nhãn. Mô hình này trở thành mô hình mặc định để phát hiện ý định và định tuyến cho các mẫu Agentforce Service và Employee Agent vào mùa xuân năm 2026.

Salesforce đo được thời gian phản hồi định tuyến của HyperClassifier vào khoảng 26 mili giây, so với 1.446 mili giây ở một mô hình tiên tiến hàng đầu tổng quát. Kết quả đo trong môi trường sản xuất này thuộc về phiên bản tiền nhiệm, không chứng minh hiệu năng của Koa Decisions.

Truy cập bản demo và các tích hợp dự kiến

Bất kỳ ai, kể cả người không phải khách hàng Salesforce, đều có thể dùng thử bản demo Koa Decisions sau khi đăng ký tài khoản Trailhead miễn phí. Người dùng có thể chỉnh sửa yêu cầu và danh sách danh mục, đồng thời xem điểm tin cậy của từng lựa chọn.

Salesforce cho biết việc thêm một danh mục như hàng trả lại không cần huấn luyện lại mô hình. Công ty đối chiếu quy trình này với các dự án phân loại dự đoán tùy chỉnh vốn mất nhiều tháng đối với nhiều khách hàng doanh nghiệp; đôi khi có thể đưa một giải pháp dựa trên mô hình ra quyết định vào môi trường sản xuất chỉ trong vài giờ.

Một ví dụ quy trình làm việc được ghi nhận cho thấy mô hình ra quyết định đánh dấu một thương vụ bán hàng có nguy cơ thất bại và chọn nhóm cần can thiệp, trong khi một mô hình ngôn ngữ lớn tóm tắt những thay đổi, chuyển thông tin từ bản ghi Sales Cloud thành cảnh báo Slack. Các tích hợp dự kiến bao gồm luồng, Apex, mẫu lời nhắc và API dành cho nhà phát triển. Giá cả và các gói dịch vụ có thể thay đổi, khả năng cung cấp có thể khác nhau tùy khu vực, và quyền truy cập chịu sự điều chỉnh của các thỏa thuận với khách hàng; vì vậy, bản demo và việc triển khai HyperClassifier hiện có không chứng minh rằng mọi tích hợp dự kiến đều được cung cấp rộng rãi.

Ý nghĩa thực tiễn là sự phân công nhiệm vụ trong phần mềm doanh nghiệp trở nên rõ ràng hơn: mô hình ra quyết định xử lý việc định tuyến, kiểm tra và chấm điểm, còn mô hình ngôn ngữ lớn đảm nhiệm giải thích và suy luận. Koa Decisions bổ sung đầu vào đa phương thức và mở rộng các điểm tích hợp dự kiến cho kiến trúc này; phạm vi ứng dụng trong doanh nghiệp giờ đây phụ thuộc vào cách những tích hợp đó được mở rộng vượt ra ngoài bản demo và các chức năng định tuyến mà HyperClassifier đã thực hiện.