Jensen Huang al Dreamforce sostiene Salesforce Koa contro l'AI di frontiera chiusa

Jensen Huang al Dreamforce ha lanciato un messaggio netto mentre Salesforce presentava il suo primo modello di ragionamento per CRM il 15 settembre 2026. L'intelligenza artificiale, ha sostenuto, ora permette alle persone di “sapere tutto e fare qualsiasi cosa”.

La notizia più importante non era lo slogan. Salesforce ha presentato Koa, un modello specializzato realizzato tramite post-training di NVIDIA Nemotron 3 Super su scenari CRM sintetici. Opera nell'infrastruttura Salesforce e offre ad Agentforce un'alternativa ai modelli di frontiera chiusi.

Finora, Salesforce si è affidata a fornitori come Anthropic e OpenAI quando un workflow di Agentforce richiedeva un ragionamento prolungato. Koa cambia questa dipendenza senza porre fine alle partnership. Salesforce può ora instradare alcune attività aziendali verso un modello che controlla.

L'annuncio diventa così una prova di due approcci concorrenti. Uno invia molte attività aziendali a modelli di frontiera generalisti. L'altro adatta pesi aperti alle strutture dati, alle policy e ai workflow ricorrenti di un'azienda.

Koa non dimostra che i modelli specializzati vinceranno. Salesforce ha diffuso risultati interni, nomi di progetti pilota e una tempistica di disponibilità, ma poche evidenze indipendenti in produzione. Questo divario separa l'ampia visione di Huang al Dreamforce da ciò che gli acquirenti aziendali possono verificare oggi.

Jensen Huang al Dreamforce ha posto Koa dietro la grande promessa

Il messaggio ambizioso di Huang sull'AI è arrivato insieme a un cambiamento concreto nella strategia dei modelli di Salesforce.

Huang si è unito al CEO di Salesforce Marc Benioff al Moscone Center di San Francisco durante la giornata inaugurale del Dreamforce. Si è spostato tra il pubblico mentre parlava dell'AI come del prossimo grande livello dell'infrastruttura.

“Con l'elettricità potevamo alimentare tutto”, ha detto Huang. “Con internet puoi trovare qualsiasi cosa.” Ha poi sostenuto che l'AI consente alla società di “sapere tutto e fare qualsiasi cosa”.

La formulazione ha catturato la visione ampia di Huang sull'AI, ma l'annuncio di prodotto associato ne ha chiarito le implicazioni pratiche. Salesforce ha presentato Koa come il suo primo modello di ragionamento progettato specificamente per il customer relationship management.

Un modello di ragionamento dedica calcolo aggiuntivo all'elaborazione di passaggi intermedi prima di produrre una risposta o compiere un'azione. Nel CRM, ciò può significare valutare la cronologia di un account, le policy, le autorizzazioni e diversi strumenti durante una singola richiesta.

Secondo l'annuncio ufficiale del Dreamforce, Salesforce ha sviluppato Koa attraverso il post-training di Nemotron 3 Super. Il post-training adatta un modello di base esistente a compiti specifici, comportamenti e vincoli operativi.

Salesforce afferma di aver creato un dataset sintetico proprietario modellato su quasi tre decenni di implementazioni CRM. I dati sintetici consistono in esempi generati anziché in copie dirette dei record dei clienti.

L'azienda afferma che questi scenari rappresentano il lavoro in oltre 14 settori. Coprono attività come la generazione di lead, la qualificazione delle opportunità, la risoluzione dei casi di assistenza e l'uso di strumenti consapevole delle policy.

Ogni scenario associava un professionista simulato a un'attività e alla sequenza di azioni necessarie per completarla. Questa progettazione mira a insegnare al modello come procede il lavoro aziendale, non solo come suona il vocabolario del CRM.

Salesforce afferma inoltre che nessun dato dei clienti è entrato nel corpus di addestramento di Koa. La presenza di Huang ha quindi collegato un'ambiziosa affermazione sulle capacità universali dell'AI a un modello aziendale volutamente ristretto.

Questo contrasto conta. Koa non è progettato per rispondere a ogni domanda o superare ogni modello di frontiera. È destinato a ragionare in modo affidabile nei workflow Salesforce, rimanendo sotto il controllo operativo di Salesforce.

L'azienda prevede di rendere Koa disponibile attraverso diversi punti di accesso di Agentforce. I clienti possono selezionarlo per un'organizzazione, assegnarlo a singoli agenti o utilizzarlo attraverso il catalogo di modelli gestito.

Questa flessibilità rende l'instradamento centrale nell'annuncio. Un'azienda non deve scegliere un solo modello per ogni attività. Può riservare l'intelligenza generale costosa a problemi insoliti e usare Koa per il lavoro CRM ripetibile.

Questo è il significato concreto dietro il messaggio “fare qualsiasi cosa” di Huang. Il modello deve collegare il ragionamento ad azioni governate, incluso l'aggiornamento di un'opportunità, l'instradamento di un caso o la pianificazione di un follow-up.

L'annuncio restringe inoltre ciò che “sapere tutto” può responsabilmente significare. Koa riceve solo i record, i dati di grounding e le istruzioni che un cliente sceglie di condividere.

Non è onnisciente, e Salesforce non lo presenta così nei dettagli tecnici del prodotto. Il suo vantaggio proposto deriva dal contesto pertinente, dalla specializzazione e dall'accesso controllato.

Questa distinzione trasforma un momento teatrale di keynote in una decisione di piattaforma rilevante. Salesforce non si limita più a collegare intelligenza esterna alle proprie applicazioni. Sta costruendo un livello di ragionamento che può gestire direttamente.

Salesforce Koa mette in discussione la dipendenza dai modelli di frontiera chiusi

Koa esercita pressione sui fornitori di modelli chiusi dando a Salesforce il controllo di una quota maggiore del ragionamento aziendale.

Prima di Koa, le richieste complesse di Agentforce potevano passare attraverso il gateway AI di Salesforce verso modelli come Claude o ChatGPT. Il gateway sceglie un modello adatto per ogni richiesta.

Salesforce disponeva già di modelli più piccoli per attività mirate. Tuttavia, Jayesh Govindarajan, executive vice president di Salesforce AI, ha affermato che il ragionamento prolungato rimaneva dipendente dai fornitori di modelli di frontiera.

“Il ragionamento è sempre stato qualcosa per cui ci siamo affidati ai fornitori di modelli di frontiera”, ha dichiarato Govindarajan a TechCrunch. “Fino a ora.”

Questa frase finale spiega perché Koa conta oltre il lancio di un altro modello. Salesforce possiede il livello applicativo, le relazioni con i clienti, le autorizzazioni, la logica aziendale e gran parte del contesto dietro ogni richiesta.

Storicamente, un fornitore di modelli chiusi garantiva il ragionamento più complesso. Questa posizione dava ai laboratori di frontiera un ruolo importante nei workflow aziendali ad alto valore.

Koa consente a Salesforce di internalizzare parte di quel ruolo. L'azienda controlla i pesi del modello, ospita il sistema, definisce l'ambiente di serving e determina come entra nell'instradamento di Agentforce.

Il modello si basa su NVIDIA Nemotron 3 Super, un modello a pesi aperti rilasciato con una licenza permissiva. I pesi aperti consentono agli operatori approvati di distribuire e adattare il modello senza inviare ogni richiesta al suo sviluppatore originario.

Questo controllo sostiene l'argomentazione di Salesforce sui confini dei dati. L'azienda afferma che Koa opera interamente nella propria infrastruttura, con le informazioni dei clienti che rimangono in Salesforce durante l'inferenza.

L'inferenza è il processo attraverso cui un modello addestrato produce una risposta o un'azione. Mantenere questo processo in un unico ambiente controllato può semplificare governance, audit e decisioni sulla localizzazione dei dati.

L'affermazione non significa che il deployment diventi privo di rischi. Salesforce deve comunque proteggere gli endpoint del modello, gli strumenti connessi, le credenziali archiviate, le autorizzazioni alle azioni e i dati forniti durante ogni sessione.

Tuttavia, la proprietà cambia chi gestisce tali rischi. I clienti possono valutare Koa come parte dell'attuale perimetro di fiducia di Salesforce, anziché aggiungere un altro percorso verso un modello esterno.

Koa offre inoltre a Salesforce maggiore influenza sull'economia dell'inferenza. I fornitori chiusi di solito addebitano costi in base all'uso di token, alla capacità riservata o ad accordi aziendali negoziati.

Un modello specializzato può ridurre il ragionamento superfluo se raggiunge la corretta azione CRM con meno token generati. Salesforce e NVIDIA affermano che questa efficienza è uno degli obiettivi progettuali di Koa.

Nemotron 3 Super utilizza un'architettura mixture-of-experts, che attiva solo parti selezionate del modello per ciascun token. NVIDIA afferma che il modello ha 120 miliardi di parametri, ma ne attiva 12 miliardi durante l'inferenza.

NVIDIA attribuisce inoltre al modello una finestra di contesto di un milione di token. Una finestra di contesto è la quantità di informazioni che un modello può considerare in una singola interazione.

Queste specifiche sono rilevanti perché i workflow multi-agente generano cronologie lunghe, output degli strumenti e decisioni intermedie. NVIDIA afferma che tali carichi di lavoro possono usare molto più contesto rispetto a una normale chat.

L'azienda sostiene che Nemotron 3 Super offre un throughput fino a cinque volte superiore rispetto al precedente modello Nemotron Super. Sostiene inoltre una precisione fino a due volte maggiore, a seconda del test.

Si tratta di misurazioni NVIDIA, non di risultati indipendenti su Koa. Anche il post-training di Salesforce, il sistema di serving, gli strumenti connessi e il livello di governance influiranno sulle prestazioni reali.

Tuttavia, l'architettura offre a Salesforce una strada plausibile verso una specializzazione a costo inferiore. Può ottimizzare il modello per azioni comuni anziché pagare per l'intelligenza più ampia disponibile a ogni richiesta.

Ciò esercita pressione su OpenAI, Anthropic e altri fornitori chiusi in un'area specifica. Devono dimostrare che un ragionamento generale superiore giustifica il costo e il minore controllo dell'operatore.

La pressione non costituisce una minaccia di sostituzione immediata. Salesforce continua a supportare modelli esterni e ha annunciato una partnership più approfondita con Anthropic durante lo stesso ciclo del Dreamforce.

Koa cambia invece la posizione negoziale di Salesforce. L'azienda può instradare internamente il ragionamento di routine, riservando i modelli di frontiera alle attività in cui le loro capacità più ampie offrono un valore misurabile.

Questo portafoglio di modelli assomiglia più al cloud computing che a una competizione in cui il vincitore prende tutto. Le aziende combinano i sistemi in base al carico di lavoro, ai requisiti di sicurezza, alla latenza e al costo.

Per i knowledge worker, questo sposta inoltre l'attenzione dai marchi dei modelli alla qualità del contesto aziendale. Un modello generale non può valutare accuratamente un accordo quando non dispone della cronologia della pipeline e delle definizioni operative.

Il contesto organizzativo strutturato diventa quindi parte dello stack AI. I team che stanno già creando una base di conoscenza ricercabile riconosceranno lo stesso principio: risposte utili dipendono da un accesso governato alle informazioni pertinenti.

Il meccanismo è la specializzazione, non un modello generale più grande

La scommessa centrale di Koa è che l'addestramento specifico per l'attività e le azioni controllate possano contare più della leadership nei benchmark generali.

La competizione tra modelli di frontiera si concentra spesso su test di matematica, programmazione, scienza e ragionamento generalizzato. Queste misurazioni aiutano a confrontare le capacità di base, ma gli agenti CRM affrontano un insieme diverso di errori.

Un agente aziendale deve selezionare il record corretto, rispettare le autorizzazioni, chiamare uno strumento approvato e preservare il contesto attraverso diversi passaggi. Una risposta fluida è inadeguata se aggiorna l'account sbagliato.

Salesforce afferma che gli scenari di addestramento sintetici di Koa sono mirati a queste esigenze operative. Simulano professionisti, stati dei clienti, policy, strumenti e sequenze di azioni previste lungo il ciclo di vita del cliente.

Uno scenario potrebbe richiedere a un agente di identificare un'opportunità a rischio. Dovrebbe esaminare le comunicazioni, analizzare i cambiamenti di fase, applicare le regole aziendali e raccomandare una successiva azione autorizzata.

Un altro potrebbe coinvolgere un cliente dell'assistenza irritato. L'agente dovrebbe recuperare il contesto dell'account, comprendere i limiti delle policy, chiamare le funzioni corrette ed effettuare un'escalation quando richiesto.

Il modello deve quindi fare più che generare testo. Deve tradurre il linguaggio in lavoro controllato in un sistema di registrazione.

Salesforce valuta questo comportamento con CRM Bench, il suo benchmark per attività quali l'aggiornamento delle opportunità, l'instradamento dei casi e la pianificazione dei follow-up. L'azienda afferma che Koa eguaglia o supera le prestazioni dei principali modelli nelle azioni CRM.

Salesforce riferisce che Koa commette tre volte meno errori nel benchmark. Afferma inoltre una precisione superiore dell’11% nella selezione di un’azione.

L’azienda dichiara che Koa richiama il contesto del cliente con un’affidabilità 2,1 volte maggiore. Riferisce inoltre un miglioramento del 15% nel ricordare il contesto durante conversazioni prolungate.

Queste cifre compaiono sulla pagina ufficiale del modello Koa di Salesforce. Restano risultati dichiarati dall’azienda finché valutatori esterni non li riprodurranno in condizioni comparabili.

La progettazione del benchmark merita attenzione. Una valutazione specifica per il CRM può misurare la competenza operativa più direttamente di un test accademico generale.

Tuttavia, un fornitore può anche modellare il proprio benchmark attorno a flussi di lavoro e strumenti interni familiari. Gli acquirenti hanno bisogno di dettagli su baseline, distribuzione dei compiti, punteggi e gravità degli errori.

Un errore di formattazione minore non dovrebbe avere lo stesso peso di una modifica non autorizzata a un record. L’accuratezza aggregata può celare gli errori che contano di più in produzione.

La seconda parte del meccanismo è un controllo deterministico attorno a un modello probabilistico. Salesforce afferma di eseguire Koa con temperatura zero per rendere le risposte più coerenti.

La temperatura controlla la variazione nell’output del modello. Un’impostazione più bassa rende in genere le risposte più ripetibili, anche se non garantisce la correttezza.

Salesforce utilizza inoltre un harness di serving attorno a Koa. L’azienda lo descrive come un ulteriore livello di sicurezza e controlli operativi oltre al modello stesso.

Questa progettazione a livelli è importante perché un modello linguistico non può imporre da solo la governance aziendale. Autorizzazioni, schemi degli strumenti, convalida, monitoraggio e passaggi di approvazione devono limitare ciò che un agente può fare.

Salesforce afferma che Koa rimane soggetto al contesto e alle protezioni configurate da ciascun cliente. Vede soltanto le informazioni fornite attraverso questi percorsi governati.

La terza parte è il routing dei modelli. Koa diventa un’altra opzione di fornitore anziché l’unica fonte di intelligenza per Agentforce.

Un router di agenti può indirizzare un’attività CRM a Koa inviando al contempo un problema diverso a Claude o a un altro modello. Questo separa l’esperienza dell’utente dal fornitore sottostante.

Un routing di questo tipo può trasformare i modelli in infrastruttura intercambiabile, ma solo quando le prestazioni sono realmente comparabili. Una valutazione debole indirizzerebbe il lavoro verso costi inferiori nascondendo risultati di qualità inferiore.

La strategia protegge inoltre Salesforce dal dipendere completamente da un unico laboratorio. Può adeguare la selezione dei modelli al variare di costi, capacità, requisiti normativi o preferenze dei clienti.

Per NVIDIA, Koa dimostra come Nemotron possa diventare la base di modelli aziendali specializzati. NVIDIA ne trae vantaggio anche quando il prodotto finale porta il marchio Salesforce.

Il suo ruolo va oltre la fornitura di acceleratori. L’azienda mette a disposizione pesi aperti, metodi di addestramento, software di deployment e collaborazione tecnica per i partner che costruiscono i propri livelli di intelligenza.

L’architettura Nemotron è stata progettata per flussi di lavoro agentici di lunga durata e un’inferenza efficiente. Koa offre a questo progetto un banco di prova di rilievo all’interno di una grande piattaforma software.

Questa strategia differisce dal chiedere a ogni impresa di costruire un modello di base. Le aziende possono partire da un modello aperto capace e applicare la propria conoscenza di dominio tramite post-addestramento.

La parte difficile diventa trasformare l’esperienza istituzionale in dati di addestramento sicuri e valutazioni utili. Salesforce descrive il proprio corpus sintetico come il riflesso di 27 anni di intelligenza CRM.

Questa descrizione non dovrebbe essere interpretata come 27 anni di record dei clienti immessi nel modello. Salesforce afferma che il corpus utilizza scenari sintetici modellati sulla conoscenza accumulata dei flussi di lavoro.

La distinzione favorisce la privacy, ma solleva un’altra domanda. Gli esempi sintetici possono riprodurre schemi attesi senza catturare l’intero disordine degli ambienti di produzione.

Gli account reali contengono campi incompleti, record in conflitto, autorizzazioni insolite, dati obsoleti ed eccezioni specifiche dell’organizzazione. Sono spesso queste condizioni a determinare il successo di un agente.

Il meccanismo di Koa è quindi credibile ma incompleto. La specializzazione può migliorare rilevanza ed efficienza, ma il valore in produzione dipende dalla qualità dei dati, dall’affidabilità degli strumenti e dai test operativi.

I benchmark interni non possono risolvere il dibattito sull’AI aziendale

Le affermazioni più forti su Koa provengono ancora dalle aziende che vendono e gestiscono il sistema.

Salesforce ha nominato diverse organizzazioni che partecipano ai progetti pilota, tra cui 1-800Accountant, Baxter Credit Union, Engine, Formula 1, UChicago Medicine e Xero.

Afferma inoltre che Koa è già utilizzato internamente tramite agenti per dipendenti, assistenza, eventi e web. Questi deployment offrono ambienti utili per i test prima di una disponibilità più ampia.

La partecipazione a un progetto pilota, tuttavia, non prova un impatto aziendale duraturo. I materiali pubblicati non rivelano tassi di completamento, tassi di intervento, latenza o costi operativi totali.

Non mostrano neppure come Koa si comporti quando i dati aziendali sono incoerenti. Questa è una condizione ordinaria nelle grandi implementazioni CRM, non un caso limite eccezionale.

Le dichiarazioni dei clienti sottolineano potenziali casi d’uso. UChicago Medicine ha evidenziato il coordinamento in più fasi, mentre Engine si è concentrata sul ragionamento preciso in situazioni di servizio complesse.

Questi esempi mostrano dove il ragionamento specializzato potrebbe essere utile. Non dimostrano ancora che il modello possa operare autonomamente in ambienti ad alto rischio.

Gli acquirenti aziendali dovrebbero chiedere quanto spesso gli esseri umani debbano correggere o approvare le azioni di Koa. Dovrebbero inoltre distinguere la qualità delle risposte dal completamento riuscito del flusso di lavoro.

Un agente può generare un riepilogo accurato e comunque non aggiornare il sistema corretto. Può selezionare lo strumento giusto ma fornire un parametro non valido.

Le valutazioni più significative dovrebbero seguire attività complete, dalla richiesta al risultato verificato. Dovrebbero inoltre misurare se il sistema è rimasto entro le autorizzazioni assegnate.

L’affermazione di Salesforce secondo cui i dati dei clienti restano all’interno del suo perimetro di fiducia affronta una preoccupazione importante. Non elimina prompt injection, autorizzazioni eccessive, connettori compromessi o regole aziendali difettose.

La prompt injection si verifica quando contenuti non affidabili manipolano le istruzioni di un agente. Un’email o un documento potrebbe tentare di reindirizzare un sistema verso un’azione non sicura.

Un modello specializzato può resistere ad alcuni attacchi tramite l’addestramento, ma i controlli circostanti restano necessari. Le azioni sensibili dovrebbero richiedere convalida, autorizzazioni ristrette, registrazione e un’appropriata approvazione umana.

Gli acquirenti hanno inoltre bisogno di chiarezza sui limiti di Koa. La temperatura zero può aumentare la coerenza senza rendere corretta una conclusione errata.

Allo stesso modo, l’addestramento sintetico può evitare l’esposizione diretta dei dati dei clienti pur incorporando ipotesi derivanti dal processo di generazione degli scenari. Tali ipotesi richiedono una revisione continua man mano che i flussi di lavoro cambiano.

La discussione sulla sicurezza sul palco ha aggiunto un ulteriore livello di tensione. Huang ha definito la sicurezza la “priorità numero uno”, ma ha respinto l’idea che sicurezza e velocità di sviluppo richiedano un semplice compromesso.

“Correte più veloce che potete”, ha detto, aggiungendo che le aziende dovrebbero fermarsi quando un prodotto appare non sicuro o fuori controllo.

Questa posizione si è inserita in una disputa attiva tra i leader dell’AI sul ritmo dello sviluppo di frontiera. Un dibattito sul rallentamento dell’AI era già diventato parte del contesto più ampio di Dreamforce.

Koa non dovrebbe diventare un sostituto di ogni argomento sul rischio dell’AI di frontiera. È un sistema aziendale specializzato che opera all’interno di una piattaforma applicativa.

Eppure, lo stesso principio si applica ancora su scala minore. Muoversi rapidamente è responsabile solo quando un’azienda può rilevare comportamenti non sicuri prima che i clienti ne subiscano le conseguenze.

L’infrastruttura controllata di Salesforce può rendere Koa più facile da monitorare rispetto a una raccolta di servizi di modelli disconnessi. La centralizzazione può supportare politiche coerenti, log e processi di rollback.

Concentra anche la responsabilità. Se il modello, il router o l’harness di serving fallisce, molti flussi di lavoro di Agentforce potrebbero ereditare lo stesso problema.

I modelli chiusi di frontiera mantengono vantaggi in questo dibattito. I loro sviluppatori investono molto in capacità generali, ricerca sulla sicurezza, valutazione e infrastruttura di serving su larga scala.

Possono anche migliorare rapidamente senza che ogni impresa ripeta lo sviluppo di un modello di base. Per attività rare o intellettualmente impegnative, i modelli generali potrebbero rimanere la scelta migliore.

Salesforce stessa riconosce questa realtà attraverso la continua scelta dei modelli. Non sta rimuovendo Claude, ChatGPT o altri fornitori da Agentforce.

La sua partnership Claudeforce offre ai venditori accesso ai dati e alle azioni Salesforce tramite Claude. Il prodotto iniziale include 37 competenze di vendita governate dalle autorizzazioni Salesforce.

Questa partnership simultanea non è una contraddizione. Mostra che Salesforce si aspetta che la concorrenza tra modelli avvenga all’interno della sua piattaforma, con sistemi diversi che gestiscono carichi di lavoro diversi.

Il vero avversario di Koa è quindi la dipendenza obbligatoria dal ragionamento chiuso di frontiera. Non deve sostituire ogni modello esterno per indebolire tale dipendenza.

Le prove decisive arriveranno dalle decisioni di routing e dai risultati in produzione. Se i clienti selezioneranno con costanza Koa per attività di valore, Salesforce avrà convalidato l’adattamento di modelli aperti specializzati.

Se continueranno a indirizzare il lavoro più difficile verso fornitori chiusi, Koa resterà una copertura strategica anziché un nuovo centro dell’intelligenza aziendale.

Tre segnali mostreranno se Salesforce Koa conta davvero

L’importanza di Koa sarà misurata dal deployment, dai risultati verificati e dal comportamento di routing, non dal linguaggio dei keynote.

Il primo segnale è il passaggio dai progetti pilota alla disponibilità generale. Salesforce afferma che Koa è ora disponibile per clienti pilota selezionati.

L’azienda prevede la disponibilità generale nelle regioni degli Stati Uniti durante l’inverno del 2026. Prevede inoltre una beta aperta poco dopo la fase pilota iniziale.

Questo calendario crea un test immediato. Un rilascio puntuale con documentazione chiara rafforzerebbe l’affermazione di Salesforce che Koa sia un modello di produzione, non una dimostrazione da conferenza.

Un ritardo non dimostrerebbe un fallimento tecnico. Suggerirebbe comunque che valutazione, infrastruttura, governance o preparazione dei clienti hanno richiesto più lavoro del previsto.

Il secondo segnale è costituito dalle evidenze delle organizzazioni pilota nominate. Gli acquirenti dovrebbero cercare risultati misurati dei flussi di lavoro anziché approvazioni o descrizioni dell’uso previsto.

Indicatori utili includono tassi di completamento delle attività, tassi di correzione, latenza, escalation e percentuale di azioni che richiedono approvazione umana. Contano anche gli incidenti di sicurezza e la frequenza dei rollback.

Le affermazioni sui costi richiedono la stessa disciplina. Un minor numero di token può ridurre una componente della spesa per l’inferenza, ma i costi totali includono hosting, recupero, integrazione, monitoraggio e revisione umana.

I confronti indipendenti sarebbero particolarmente preziosi. I valutatori dovrebbero testare Koa e le alternative di frontiera rispetto agli stessi record, autorizzazioni, strumenti e criteri di completamento.

Tali confronti potrebbero convalidare i risultati CRM Bench di Salesforce o mostrare dove non riescono a trasferirsi. Entrambi gli esiti aiuterebbero i clienti a prendere decisioni di routing migliori.

Il terzo segnale è il modo in cui Salesforce bilancia Koa con i modelli esterni. La selezione dei modelli all’interno di Agentforce rivelerà più del posizionamento pubblico.

Se Salesforce renderà Koa l’impostazione predefinita per il ragionamento CRM comune, dimostrerà fiducia nell’affidabilità e nell’economia del modello. I tassi di adesione dei clienti offrirebbero un’ulteriore misura dell’adozione.

Se Claude o altri sistemi di frontiera continueranno a gestire la maggior parte del lavoro in più fasi, la specializzazione potrebbe avere un ruolo più ristretto. Koa potrebbe comunque servire flussi di lavoro sensibili alla privacy o altamente ripetitivi.

Osservate anche come Salesforce descrive il router. Regole di selezione trasparenti aiuterebbero gli amministratori a comprendere perché un’attività sia stata indirizzata a un determinato provider.

Le organizzazioni dovrebbero poter collegare la scelta del modello a requisiti misurabili. Tra questi rientrano la localizzazione dei dati, la latenza, il rischio delle azioni, la complessità dell’attività e il costo accettabile.

L’intero settore seguirà anche la pipeline di partner di NVIDIA. Un numero maggiore di sistemi specifici per dominio costruiti su Nemotron suggerirebbe che Koa rappresenta un modello ripetibile di sviluppo dei modelli.

Un numero limitato di implementazioni dimostrative indicherebbe che la specializzazione profonda rimane costosa e difficile. Le grandi piattaforme potrebbero riuscirci, mentre i fornitori software più piccoli continuerebbero a utilizzare API chiuse.

Per i team aziendali, la lezione immediata è pratica. La sola capacità del modello non basta a creare un agente efficace.

Gli agenti affidabili richiedono contesto pulito, permessi limitati, strumenti testati e valutazioni basate sul lavoro completato. Necessitano inoltre di conoscenza istituzionale accessibile, non di documenti dispersi e decisioni non documentate.

I team che si preparano a questo ambiente ricco di modelli possono rafforzare i propri flussi di lavoro della conoscenza prima di scegliere un provider. Un contesto migliore migliora ogni percorso del modello, inclusi i sistemi specializzati e quelli generalisti.

La dichiarazione di Huang al Dreamforce ha colto l’ambizione che circonda l’infrastruttura AI. Koa mette in luce la questione più difficile che vi si cela: chi controlla il livello di ragionamento collegato ai dati aziendali?

Salesforce ora ha una risposta che può testare all’interno di Agentforce. Controlla Koa, preservando al contempo l’accesso a modelli concorrenti.

I prossimi mesi dovrebbero mostrare se tale controllo produce risultati migliori o soltanto più opzionalità. Gli acquirenti dovrebbero pretendere misurazioni in produzione, confronti indipendenti e politiche di instradamento trasparenti.

Queste evidenze determineranno se Jensen Huang al Dreamforce abbia segnato un cambiamento duraturo verso un’AI aziendale specializzata. Fino ad allora, Koa rappresenta una sfida credibile alla dipendenza dai modelli chiusi, non una prova di vittoria.