Salesforce heeft een nieuw taalmodel gepresenteerd genaamd Koa, dat specifiek is ontwikkeld voor het gebruik van tools binnen een zakelijke context. Het model is ontworpen om de agentische capaciteiten van AI-systemen te verbeteren, waardoor ze complexere taken kunnen uitvoeren binnen bedrijfsprocessen.
Technologische basis en training
Salesforce Koa is gebouwd door middel van post-training van het open-weight basismodel Nemotron-3-Super-120B. Volgens een wetenschappelijk rapport op arxiv.org is hiervoor gebruikgemaakt van reinforcement learning via Group Relative Policy Optimization (GRPO).
Om de prestaties te optimaliseren zonder de privacy van klanten in gevaar te brengen, is Koa getraind op een combinatie van publieke data en synthetisch gegenereerde gegevens. Er is geen gebruikgemaakt van klantgegevens tijdens dit proces. Het doel hiervan is om de vaardigheid van het model in het aansturen van tools te vergroten, terwijl de algemene prestaties van het taalmodel behouden blijven.
Innovatie in workflow-simulatie
Een cruciaal onderdeel van de ontwikkeling van Koa is de zogenaamde 'simulation-to-reward pipeline'. Deze techniek stelt het model in staat om workflow-specificaties om te zetten in multi-turn taken die zijn afgestemd op specifieke persona's. Beloningen binnen het trainingsproces worden gekoppeld aan het succesvol oplossen van taken door middel van correct toolgebruik.
Voor toepassingen binnen de zakelijke sfeer worden deze specificaties geschreven in Agent Script. Dit is de declaratieve taal die Salesforce hanteert voor het bouwen van agents binnen salesforce.com, het platform waar menselijke medewerkers en AI-agents samenwerken. Voor publieke domeinen waarbij toolgebruik vereist is, synthetiseert het systeem de structuur van de workflow direct.
Prestaties en benchmarks
Uit tests blijkt dat Salesforce Koa significante verbeteringen laat zien ten opzichte van het oorspronkelijke open-weight basismodel. De grootste winst is behaald op het gebied van multi-turn toolgebruik, wat betekent dat het model beter in staat is om over meerdere interacties heen complexe opdrachten uit te voeren.
In benchmarks gericht op agentisch redeneren, publiek toolgebruik en Customer Relationship Management (CRM) presteert Koa beter dan een sterke propriëtaire baseline. Hoewel het model nog niet het niveau van de allersterkste 'frontier'-modellen bereikt, tonen de resultaten aan dat specificatie-gestuurde reinforcement learning een effectieve methode is om open-weight modellen te specialiseren voor zakelijke taken.
Integratie in het Salesforce-ecosysteem
De ontwikkeling van Koa past in de bredere strategie van Salesforce om een "Agentic AI CRM" te zijn. Het model ondersteunt de functionaliteiten van diverse clouds binnen het platform. Zo wordt AI ingezet in de salesforce.com om pipelines en winratio's te verbeteren via gespecialiseerde sales-agents.
Ook binnen de salesforce.com wordt de technologie gebruikt om servicekosten te verlagen door de inzet van AI-agents op één platform. Daarnaast vindt integratie plaats in de salesforce.com, waar AI wordt gebruikt voor het personaliseren en automatiseren van klantcommunicatie op grote schaal.
Door de combinatie van het Koa-model en de Agentforce-infrastructuur streeft Salesforce ernaar om AI-agents dieper te integreren in bedrijfsprocessen, variërend van commercie en analytics tot duurzaamheidsoplossingen in Net Zero Cloud.