Salesforce ha presentato il 6 novembre 2026 Koa Decisions, un modello di intelligenza artificiale specializzato nell’elaborazione di decisioni strutturate a partire da input testuali, immagini e contenuti audio. La tecnologia è sviluppata a partire dalla famiglia di modelli open-weight Gemma di Google e rappresenta l’evoluzione di HyperClassifier, il sistema già utilizzato nella piattaforma Agentforce per riconoscere gli intenti degli utenti e indirizzare le richieste verso le funzioni appropriate. Koa Decisions è stato progettato per ricevere una richiesta insieme a un insieme di categorie definite dall’applicazione e restituire direttamente una classificazione, una decisione booleana oppure un punteggio. Salesforce intende estenderne l’utilizzo oltre l’instradamento delle conversazioni, integrandolo progressivamente nei workflow aziendali e negli strumenti destinati agli sviluppatori. Il modello appartiene alla famiglia Koa, nella quale è presente anche un distinto sistema di ragionamento sviluppato con NVIDIA; Koa Decisions risponde invece all’esigenza di effettuare valutazioni circoscritte e ripetibili senza ricorrere ogni volta alla generazione di una risposta testuale articolata.
L’architettura si basa sulla distinzione tra generazione autoregressiva e produzione vincolata di risultati. Un tradizionale modello linguistico genera una risposta token dopo token, utilizzando progressivamente il contesto costituito dai token precedenti, mentre un modello decisionale può elaborare l’input e produrre una risposta compatta, spesso costituita da un solo token, attraverso un unico passaggio di decodifica. Questa configurazione riduce il numero di operazioni necessarie per ottenere un risultato direttamente utilizzabile da altri componenti software. In un esempio di assistenza aziendale, una richiesta relativa a problemi di accesso a un account può essere confrontata con le categorie corrispondenti ai reparti amministrazione account, ingegneria e vendite. Koa Decisions seleziona la categoria pertinente e restituisce un punteggio di confidenza, consentendo all’agente che gestisce la conversazione di attivare il gruppo di strumenti più appropriato. Il modello linguistico generale può quindi concentrarsi sulla formulazione delle spiegazioni e sulle attività che richiedono ragionamento articolato. Secondo Salesforce, la selezione del sistema più adatto dovrebbe avvenire automaticamente all’interno della piattaforma, senza richiedere ai clienti una configurazione manuale del modello per ogni singola funzione.
La ricerca tecnica relativa a Koa Decisions formalizza classificazione, rilevamento semantico della conclusione di un’interazione, verifiche booleane e attribuzione di punteggi come problemi di generazione vincolata con output a singolo token. L’approccio utilizza token speciali associati alle etichette e una fase di supervised fine-tuning per trasformare differenti compiti decisionali in operazioni di decodifica controllate. Nei benchmark comunicati dai ricercatori, il modello ha raggiunto un’accuratezza dell’85,5% su un insieme di valutazione utilizzato per l’instradamento degli intenti in produzione. I tempi di risposta si collocano intorno a mezzo secondo nei test descritti, con una velocità mediana fino a circa 7,5 volte superiore rispetto ai modelli frontier generalisti confrontati nelle medesime condizioni di servizio. Il sistema ha inoltre ottenuto un’accuratezza competitiva e tempi mediani inferiori rispetto al sistema specializzato Jev/TypeSafe considerato nella valutazione. Le capacità multimodali permettono di elaborare contenuti non esclusivamente testuali e di produrre risultati con più etichette, superando alcune limitazioni dei classificatori concepiti per associare un testo a una sola categoria.
Koa Decisions riprende l’esperienza operativa di HyperClassifier, già integrato in Agentforce. Il modello precedente interpreta l’intento di una richiesta e seleziona il gruppo di azioni da mettere a disposizione dell’agente prima che venga generata la risposta. Nelle interazioni vocali può inoltre stabilire se l’utente ha terminato di parlare, contribuendo alla gestione dei turni conversazionali. HyperClassifier utilizza token speciali per rappresentare le classi e conserva in cache i calcoli iniziali relativi alle istruzioni ripetute, evitando di rielaborare ogni volta il medesimo prefisso. La soluzione è stata sottoposta a fine-tuning a partire da GPT-OSS-20B e, secondo la documentazione Salesforce del luglio 2026, è in grado di classificare richieste utilizzando fino a 200 etichette. Dalla versione Spring 2026 è diventata il modello predefinito per il rilevamento degli intenti e l’instradamento delle richieste nei template Agentforce Service ed Employee Agent. Salesforce ha misurato per HyperClassifier un tempo di risposta di circa 26 millisecondi, rispetto a 1.446 millisecondi di un modello frontier generalista utilizzato come riferimento. Questa misurazione riguarda specificamente HyperClassifier e non deve essere attribuita alle prestazioni di Koa Decisions, valutate separatamente.
Salesforce ha reso disponibile una dimostrazione di Koa Decisions accessibile anche a persone che non sono già clienti della piattaforma, previa registrazione gratuita a Trailhead. L’ambiente dimostrativo consente di modificare la richiesta, personalizzare l’elenco delle categorie e osservare i punteggi di confidenza restituiti dal modello. Secondo la società, l’aggiunta di una nuova categoria, come quella relativa ai resi, non richiede un nuovo ciclo di addestramento, perché l’insieme delle possibili decisioni viene fornito direttamente insieme alla richiesta. Salesforce confronta questa modalità con i precedenti progetti di classificazione predittiva personalizzata, che potevano richiedere mesi di implementazione, indicando che alcune applicazioni basate su modelli decisionali possono essere portate in produzione nell’arco di poche ore. Si tratta tuttavia di un’indicazione riferita a determinate configurazioni e non di un tempo garantito per qualsiasi progetto aziendale.
Tra gli scenari descritti figura l’individuazione di opportunità commerciali a rischio, nelle quali un modello decisionale analizza le informazioni disponibili in Sales Cloud, segnala la situazione e seleziona il gruppo di lavoro che deve intervenire. Un modello linguistico può successivamente riassumere i cambiamenti rilevati e predisporre una comunicazione su Slack. La distribuzione prevista comprende integrazioni con Salesforce Flow, Apex, prompt template e API per sviluppatori. La disponibilità effettiva delle singole componenti può variare in funzione della regione, degli accordi contrattuali e delle successive decisioni relative a packaging e prezzi. L’accessibilità della dimostrazione e la precedente distribuzione di HyperClassifier non equivalgono quindi alla disponibilità generale di tutte le integrazioni pianificate. Koa Decisions introduce in questa architettura la possibilità di elaborare anche immagini e audio, mantenendo una separazione funzionale tra le decisioni strutturate eseguite da un modello specializzato e le attività di spiegazione e ragionamento affidate ai modelli linguistici generalisti.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)