DreamforceでJensen Huangが、クローズドな最先端AIに対抗するSalesforce Koaを支持

DreamforceでJensen Huangは、Salesforceが2026年9月15日に初のCRM推論モデルを発表する中、率直なメッセージを発した。人工知能によって、人々は今や「すべてを知り、何でもできる」ようになると彼は主張した。

より大きなニュースは、このスローガンではない。Salesforceは、合成CRMシナリオでNVIDIA Nemotron 3 Superをポストトレーニングして構築した特化型モデル、Koaを発表した。これはSalesforceのインフラ内で稼働し、Agentforceにクローズドな最先端モデルの代替手段をもたらす。

これまで、Agentforceのワークフローで継続的な推論が必要になる場合、SalesforceはAnthropicやOpenAIなどのプロバイダーに依存していた。Koaは、こうしたパートナーシップを終わらせることなく、その依存関係を変える。Salesforceは今後、企業タスクの一部を自社で制御するモデルに振り分けられる。

この発表は、競合する2つのアプローチの試金石となる。一方は多くの業務タスクを汎用の最先端モデルに委ねる。もう一方は、オープンウェイトを企業のデータ構造、ポリシー、反復的なワークフローに適応させる。

Koaが特化型モデルの優位を証明したわけではない。Salesforceは社内結果、パイロット顧客名、提供スケジュールを公表しているが、独立した本番環境での証拠は限られる。この隔たりが、HuangによるDreamforceでの壮大なビジョンと、企業の買い手が現時点で検証できる内容を分けている。

DreamforceでJensen Huangが、大きな約束の裏にKoaを置いた

Huangによる広範なAIメッセージは、Salesforceのモデル戦略における具体的な変化とともに示された。

HuangはDreamforce初日、サンフランシスコのMoscone CenterでSalesforce CEOのMarc Benioffと登壇した。AIを次の主要なインフラ層として論じながら、彼は会場の聴衆の中へと進んだ。

「電気によって、私たちはあらゆるものに電力を供給できるようになりました」とHuangは述べた。「インターネットによって、あらゆるものを見つけられるようになりました」。続けて彼は、AIが社会を「すべてを知り、何でもできる」ものにすると主張した。

この表現はAIに対するHuangの広い見方を表しているが、同時に発表された製品は実務上の重要性を示した。Salesforceは、顧客関係管理向けに特別設計された初の推論モデルとしてKoaを発表した。

推論モデルは、回答を生成したり行動を起こしたりする前に、中間ステップを検討するため追加の計算を行う。CRMでは、1件のリクエストにおいて、アカウント履歴、ポリシー、権限、複数のツールを評価することを意味し得る。

公式のDreamforce announcementによると、SalesforceはNemotron 3 SuperをポストトレーニングしてKoaを開発した。ポストトレーニングは、既存のベースモデルを特定のタスク、振る舞い、運用上の制約に適応させる手法だ。

Salesforceによれば、約30年にわたるCRM導入事例をモデルにした独自の合成データセットを作成したという。合成データは、顧客レコードの直接的な複製ではなく、生成された事例から成る。

同社は、これらのシナリオが14を超える業界での業務を表現しているとしている。見込み客の創出、商談の適格性評価、サービスケースの解決、ポリシーを考慮したツール利用などを対象とする。

各シナリオでは、シミュレートされた専門職とタスク、さらにそれを完了するために必要な一連のアクションが組み合わされた。この設計は、CRM用語がどのように聞こえるかだけでなく、エンタープライズ業務がどのように進むかをモデルに学習させる狙いがある。

Salesforceはまた、Koaのトレーニングコーパスに顧客データは含まれていないとしている。したがってHuangの登場は、普遍的なAI能力に関する野心的な主張と、意図的に範囲を絞ったエンタープライズモデルを結び付けたものだった。

この対比は重要だ。Koaは、あらゆる質問に答えることや、あらゆる最先端モデルを上回ることを目的としていない。Salesforceの運用管理下に置かれたまま、Salesforceのワークフロー内で信頼性高く推論することを意図している。

同社は複数のAgentforceエントリーポイントを通じてKoaを提供する計画だ。顧客は組織単位で選択でき、個々のエージェントに割り当てることも、管理対象モデルカタログ経由で利用することもできる。

この柔軟性により、ルーティングが発表の中核となる。企業は、すべてのタスクに単一のモデルを選ぶ必要がない。例外的な問題には高価な汎用知能を確保し、反復可能なCRM業務にはKoaを利用できる。

これがHuangの「何でもできる」というメッセージの具体的な意味だ。モデルは、商談の更新、ケースの振り分け、フォローアップの予定設定など、ガバナンスの効いたアクションに推論を接続しなければならない。

この発表はまた、「すべてを知る」が責任ある形で意味し得る範囲を限定する。Koaが受け取るのは、顧客が共有を選択したレコード、グラウンディングデータ、指示だけだ。

Koaは全知ではなく、Salesforceも技術的な製品詳細においてそのように提示していない。提案される優位性は、関連性の高いコンテキスト、特化、制御されたアクセスから生まれる。

この区別は、演出的な基調講演の瞬間を、重要なプラットフォーム上の意思決定へと変える。Salesforceはもはや、外部の知能を自社アプリケーションに接続するだけではない。自ら運用できる推論レイヤーを構築している。

Salesforce Koaがクローズドな最先端モデルへの依存に挑む

Koaは、エンタープライズ推論のより大きな部分をSalesforceが制御できるようにすることで、クローズドモデルのプロバイダーに圧力をかける。

Koa以前は、複雑なAgentforceリクエストがSalesforceのAIゲートウェイを経由し、ClaudeやChatGPTなどのモデルへ渡されることがあった。このゲートウェイは、リクエストごとに適切なモデルを選択する。

Salesforceにはすでに、特定のタスクに向けた小型モデルがあった。しかしSalesforce AIのエグゼクティブバイスプレジデントであるJayesh Govindarajanは、継続的な推論は最先端モデルのプロバイダーに依存したままだったと述べた。

「推論については、私たちは常に最先端モデルのプロバイダーに依存してきました」とGovindarajanはTechCrunchに語った。「今までは。」

この最後の言葉が、Koaが単なる新しいモデルリリースにとどまらない理由を説明している。Salesforceはアプリケーション層、顧客関係、権限、ビジネスロジック、そして各リクエストの背後にあるコンテキストの多くを保有している。

従来、困難な推論はクローズドモデルのプロバイダーが担っていた。この立場により、最先端ラボは高価値なエンタープライズワークフローの中で重要な役割を得ていた。

Koaによって、Salesforceはその役割の一部を内製化できる。同社はモデルウェイトを管理し、システムをホストし、提供環境を定義し、Agentforceのルーティングにどう組み込むかを決定する。

このモデルは、寛容なライセンスの下で公開されたオープンウェイトモデル、NVIDIA Nemotron 3 Superをベースとしている。オープンウェイトにより、承認された運用者は、すべてのリクエストを元の開発者に送らずにモデルを展開・適応できる。

この制御は、Salesforceによるデータ境界の主張を支える。同社によれば、Koaは完全に自社インフラ内で稼働し、推論中も顧客情報はSalesforce内にとどまる。

推論とは、トレーニング済みモデルが回答やアクションを生成するプロセスである。そのプロセスを単一の制御された環境に保つことで、ガバナンス、監査、データ所在地に関する判断を簡素化できる可能性がある。

この主張は、導入がリスクフリーになることを意味しない。Salesforceは引き続き、モデルエンドポイント、接続されたツール、保存された認証情報、アクション権限、各セッションで提供されるデータを保護しなければならない。

ただし、所有権によって、こうしたリスクを誰が管理するかは変わる。顧客は外部モデルへの経路をもう一つ追加する代わりに、Salesforceの既存の信頼境界の一部としてKoaを評価できる。

Koaはまた、Salesforceに推論コストへの影響力をより与える。クローズドなプロバイダーは通常、トークン使用量、予約容量、あるいは交渉済みのエンタープライズ契約に応じて課金する。

特化型モデルは、より少ない生成トークンで正しいCRMアクションに到達できるなら、不必要な推論を減らせる。SalesforceとNVIDIAは、その効率性がKoaの設計目標の一つだとしている。

Nemotron 3 Superは、トークンごとにモデルの選択された部分だけを有効化するMixture-of-Expertsアーキテクチャを採用している。NVIDIAによれば、このモデルは1,200億パラメータを持つ一方、推論時に有効化されるのは120億だ。

NVIDIAはまた、このモデルに100万トークンのコンテキストウィンドウを与えている。コンテキストウィンドウとは、モデルが1回の対話で考慮できる情報量のことだ。

これらの仕様が重要なのは、マルチエージェントのワークフローでは長い履歴、ツール出力、中間的な判断が生成されるためだ。NVIDIAは、このようなワークロードでは通常のチャットより大幅に多くのコンテキストが使われ得るとしている。

同社は、Nemotron 3 Superが従来のNemotron Superモデルの最大5倍のスループットを実現すると主張している。また、テストによっては精度が最大2倍になるとしている。

これらはNVIDIAによる測定であり、Koaに関する独立した知見ではない。Salesforceによるポストトレーニング、提供システム、接続ツール、ガバナンス層も、実運用での性能に影響する。

それでも、このアーキテクチャはSalesforceにとって、低コストな特化へ向かうもっともらしい道筋を提供する。すべてのリクエストで最も広範な知能にコストを払うのではなく、一般的なアクション向けにモデルを調整できる。

これは、OpenAI、Anthropic、その他のクローズドプロバイダーに特定の領域で圧力をかける。より優れた汎用推論が、そのコストと運用者の制御低下を正当化することを示す必要がある。

この圧力は、直ちに置き換えられる脅威ではない。Salesforceは引き続き外部モデルをサポートしており、同じDreamforceの期間にAnthropicとの連携強化も発表した。

むしろKoaは、Salesforceの交渉上の立場を変える。同社は日常的な推論を内部で振り分け、より広い能力が測定可能な価値をもたらすタスクに最先端モデルを確保できる。

このモデルポートフォリオは、勝者総取りの競争というよりクラウドコンピューティングに似ている。企業は、ワークロード、セキュリティ要件、レイテンシ、コストに基づいてシステムを組み合わせる。

ナレッジワーカーにとっても、これはモデルブランドから業務コンテキストの質へと注目を移す。パイプライン履歴や運用上の定義を欠く汎用モデルは、商談を正確に評価できない。

したがって、構造化された組織コンテキストはAIスタックの一部となる。searchable knowledge baseをすでに構築しているチームは、同じ原則を理解しているだろう。有用な回答は、関連情報へのガバナンスの効いたアクセスに依存する。

仕組みの中核は、より大きな汎用モデルではなく特化にある

Koaの中心的な賭けは、タスク固有のトレーニングと制御されたアクションが、幅広いベンチマークでの首位より重要になり得るという点にある。

最先端モデルの競争は、しばしば数学、コーディング、科学、汎用的な推論テストに焦点を当てる。これらの測定は中核能力の比較に役立つが、CRMエージェントが直面する失敗は別種のものだ。

エンタープライズエージェントは、正しいレコードを選び、権限に従い、承認済みのツールを呼び出し、複数のステップにわたってコンテキストを維持しなければならない。誤ったアカウントを更新するなら、流暢な回答では不十分だ。

Salesforceによれば、Koaの合成トレーニングシナリオはこうした運用上の要求を対象としている。顧客ライフサイクル全体にわたり、専門職、顧客の状態、ポリシー、ツール、期待されるアクションの順序をシミュレートする。

あるシナリオでは、リスクの高い商談を特定するようエージェントに求めるかもしれない。その場合、コミュニケーションを確認し、ステージの変化を調べ、会社のルールを適用し、承認された次のアクションを推奨する必要がある。

別のシナリオでは、怒っているサービス顧客を扱う場合がある。エージェントはアカウントのコンテキストを取得し、ポリシー上の制限を理解し、正しい機能を呼び出し、必要に応じてエスカレーションしなければならない。

したがって、このモデルにはテキスト生成以上のことが求められる。言語を、記録システム全体にわたる制御された業務へと変換しなければならない。

Salesforceは、商談の更新、ケースの振り分け、フォローアップの予定設定といったタスク向けベンチマークであるCRM Benchで、この挙動を評価している。同社によれば、KoaはCRMアクションにおいて主要モデルと同等か、それを上回る性能を示している。

Salesforceは、ベンチマークにおいてKoaのエラー数が3分の1だったと報告している。また、アクション選択時の精度が11%高いとも主張している。

同社によれば、Koaは顧客コンテキストを2.1倍高い信頼性で想起できるという。さらに、長時間の会話中にコンテキストを記憶する能力が15%向上したと報告している。

これらの数値はSalesforce公式のKoaモデルページに掲載されている。外部の評価者が同等の条件下で再現するまでは、企業自己申告による結果として扱うべきだ。

ベンチマークの設計には注意を払う必要がある。CRMに特化した評価は、一般的な学術テストよりも業務上の能力を直接的に測定できる可能性がある。

一方で、ベンダーは使い慣れたワークフローや社内ツールに合わせてベンチマークを設計することもできる。購入者には、ベースライン、タスク分布、採点方法、失敗の重大度に関する詳細が必要だ。

軽微な書式エラーと、権限のないレコード変更を同じ重みで扱うべきではない。集計された精度指標は、本番環境で最も重要な失敗を見えにくくするおそれがある。

仕組みの第2の要素は、確率的モデルを取り囲む決定論的な制御だ。Salesforceは、応答の一貫性を高めるためにKoaを温度ゼロでホストしているとしている。

温度はモデル出力のばらつきを制御する。一般に低い設定ほど応答の再現性は高まるが、正確性を保証するものではない。

SalesforceはKoaの周囲にサービングハーネスも用いている。同社はこれを、モデルそのものを超えて安全性と運用上の制御を追加するレイヤーだと説明している。

この階層的な設計が重要なのは、言語モデルだけではエンタープライズガバナンスを担保できないためだ。権限、ツールスキーマ、検証、監視、承認ステップによって、エージェントが実行できる行為を制約しなければならない。

Salesforceによれば、Koaは各顧客が設定したコンテキストとガードレールの適用を受け続ける。Koaが閲覧できるのは、こうした管理された経路を通じて提供される情報だけだ。

第3の要素はモデルルーティングである。KoaはAgentforceにおける唯一の知能ソースではなく、プロバイダーの選択肢の一つとなる。

エージェントルーターは、CRMタスクをKoaへ振り分ける一方で、別の問題をClaudeや他のモデルへ送ることができる。これにより、ユーザー体験と基盤となるプロバイダーを切り離せる。

こうしたルーティングはモデルを交換可能なインフラに変え得るが、それは性能が真に比較可能な場合に限られる。不十分な評価では、低品質な結果を隠したまま、より低コストなモデルへ作業が振り分けられるおそれがある。

この戦略は、Salesforceが一つの研究機関に全面的に依存することからも守る。コスト、能力、規制要件、顧客の選好が変化しても、モデル選択を調整できる。

NVIDIAにとって、KoaはNemotronが特化型エンタープライズモデルの基盤になり得ることを示すものだ。完成製品にSalesforceのブランドが付されていても、NVIDIAは利益を得る。

その役割はアクセラレーターの供給にとどまらない。同社は、自らの知能レイヤーを構築するパートナーに対し、オープンウェイト、学習手法、デプロイメントソフトウェア、技術協業を提供している。

Nemotronアーキテクチャは、長時間にわたるエージェントワークフローと効率的な推論を想定して設計された。Koaは、この設計に大手ソフトウェアプラットフォーム内での注目度の高い試験機会を与える。

この戦略は、すべての企業に基盤モデルの構築を求める方式とは異なる。企業は高性能なオープンモデルから始め、ポストトレーニングを通じて独自のドメイン知識を適用できる。

難しいのは、組織に蓄積された経験を安全な学習データと有用な評価へ変換することだ。Salesforceは、合成コーパスが27年分のCRMインテリジェンスを反映していると説明している。

この説明を、27年分の顧客レコードがモデルに取り込まれたという意味に解釈すべきではない。Salesforceによれば、このコーパスは蓄積されたワークフロー知識をモデル化した合成シナリオを使用している。

この区別はプライバシーを支えるが、別の疑問も生む。合成例は期待されるパターンを再現できても、本番環境が持つ完全な混乱を捉えられない可能性がある。

実際のアカウントには、未入力フィールド、矛盾するレコード、特殊な権限、古いデータ、組織固有の例外が含まれる。こうした条件が、エージェントの成否を左右することが多い。

したがってKoaの仕組みは信頼に足るものではあるが、完成したものではない。特化は関連性と効率を高め得る一方、本番での価値はデータ品質、ツールの信頼性、運用テストに左右される。

社内ベンチマークだけではエンタープライズAIをめぐる議論に決着をつけられない

Koaに関する最も強い主張は、依然としてこのシステムを販売・運用する企業から発されている。

Salesforceは、パイロットに参加している組織として、1-800Accountant、Baxter Credit Union、Engine、Formula 1、UChicago Medicine、Xeroなどを挙げている。

また、Koaは従業員向け、ヘルプ、イベント、Webエージェントを通じて社内ですでに利用されているとしている。これらの導入は、広範な提供開始前のテストに有用な環境を提供する。

しかし、パイロットへの参加は、持続的な事業インパクトの証拠ではない。公開資料には、完了率、介入率、レイテンシー、総運用コストは開示されていない。

また、企業データに不整合がある場合のKoaの性能も示されていない。これは大規模なCRM導入において例外的なエッジケースではなく、日常的な条件である。

顧客のコメントは潜在的なユースケースを強調している。UChicago Medicineは複数ステップの調整を取り上げ、Engineは複雑なサービス状況にまたがる正確な推論に焦点を当てた。

これらの例は、特化型推論が役立つ可能性のある領域を示している。しかし、高リスク環境でモデルが自律的に機能できることを、まだ立証してはいない。

エンタープライズの購入者は、人間がKoaのアクションをどの程度の頻度で修正または承認しなければならないかを問うべきだ。また、回答の品質とワークフローの完了成功を区別する必要がある。

エージェントは正確な要約を生成しても、適切なシステムを更新できない場合がある。正しいツールを選択しても、無効なパラメーターを渡すことがある。

最も意味のある評価は、リクエストから検証済みの結果までタスク全体を追跡すべきだ。また、システムが割り当てられた権限の範囲内にとどまったかも測定すべきである。

顧客データがSalesforceの信頼境界内に留まるという同社の主張は、一つの重要な懸念に対応している。しかし、プロンプトインジェクション、過剰な権限、侵害されたコネクター、不適切な業務ルールをなくすものではない。

プロンプトインジェクションは、信頼できないコンテンツがエージェントの指示を操作する際に発生する。メールや文書が、システムを危険なアクションへ誘導しようとする可能性がある。

特化型モデルは学習を通じて一部の攻撃に耐性を持ち得るが、周辺の制御は引き続き必要だ。機密性の高いアクションには、検証、限定的な権限、ログ記録、適切な人間による承認が求められる。

購入者にはKoaの限界についての明確さも必要である。温度ゼロは一貫性を高められるが、誤った結論を正しいものにするわけではない。

同様に、合成学習は顧客データの直接的な露出を避けられる一方、シナリオ生成プロセスの仮定を埋め込む可能性がある。ワークフローの変化に応じて、こうした仮定は継続的に見直す必要がある。

ステージ上での安全性に関する議論は、さらに別の緊張を加えた。Huangは安全性を「最優先事項」と呼んだが、安全性と開発速度が単純なトレードオフを必要とするという考えは退けた。

「できる限り速く進め」と彼は述べる一方、製品が安全でない、あるいは制御不能に見える場合には企業が立ち止まるべきだと付け加えた。

この立場は、フロンティア開発の速度をめぐるAIリーダー間の活発な論争に加わるものだった。AIの減速をめぐる議論はすでにDreamforceを取り巻くより広い文脈の一部となっていた。

Koaを、フロンティアAIリスクをめぐるあらゆる議論の代理にすべきではない。これはアプリケーションプラットフォーム内で動作する、特化型のエンタープライズシステムである。

それでも、同じ原則はより小さな規模で適用される。顧客が結果を被る前に安全でない挙動を検出できる場合にのみ、迅速に動くことは責任ある行為となる。

Salesforceの統制されたインフラは、相互に分断されたモデルサービスの集合よりもKoaを監視しやすくする可能性がある。中央集権化は、一貫したポリシー、ログ、ロールバックプロセスを支援できる。

同時に、それは責任を集中させる。モデル、ルーター、またはサービングハーネスが失敗すれば、多くのAgentforceワークフローが同じ問題を引き継ぐ可能性がある。

この議論において、クローズドなフロンティアモデルには依然として優位性がある。その開発者は、汎用能力、安全性研究、評価、大規模サービングインフラに多額の投資を行っている。

また、各企業が基盤モデル開発を繰り返すことなく、迅速に改善できる。まれなタスクや高度な知的作業では、汎用モデルがより良い選択肢であり続ける可能性がある。

Salesforce自身も、継続的なモデル選択を通じてその現実を認めている。Claude、ChatGPT、その他のプロバイダーをAgentforceから排除しているわけではない。

同社のClaudeforceパートナーシップでは、Claudeを通じてSalesforceのデータとアクションにアクセスできる。初期製品には、Salesforceの権限によって管理される37の営業スキルが含まれる。

この同時並行の提携は矛盾ではない。異なるシステムが異なるワークロードを処理し、モデル競争が同社のプラットフォーム内で起きるとSalesforceが見込んでいることを示している。

したがってKoaの真の対抗対象は、クローズドなフロンティア推論への必須の依存である。その依存を弱めるために、すべての外部モデルを置き換える必要はない。

決定的な証拠は、ルーティングの判断と本番結果から得られる。顧客が価値の高いタスクで一貫してKoaを選択するなら、Salesforceは特化型オープンモデル適応を実証したことになる。

最も難しい作業の大半を顧客が引き続きクローズドプロバイダーに振り分けるなら、Koaはエンタープライズインテリジェンスの新たな中心ではなく、戦略的ヘッジにとどまるだろう。

Salesforce Koaの重要性を示す3つのシグナル

Koaの重要性は、基調講演での言葉ではなく、導入、検証済みの成果、ルーティングの挙動によって測られる。

第1のシグナルは、パイロットから広範な提供開始への移行である。Salesforceによれば、Koaは現在、選定されたパイロット顧客に提供されている。

同社は、2026年冬に米国リージョンで一般提供を開始する見込みだ。また、初期パイロット段階の直後にオープンベータを計画している。

このスケジュールは即座の試験を生む。明確なドキュメントを伴うタイムリーなリリースは、Koaがカンファレンスのデモではなく本番モデルだというSalesforceの主張を強めるだろう。

遅延は技術的失敗を証明するものではない。それでも、評価、インフラ、ガバナンス、または顧客の準備に、想定以上の作業が必要だったことを示唆する。

第2のシグナルは、名前が挙げられたパイロット組織からの証拠である。購入者は、推薦コメントや想定用途の説明ではなく、測定されたワークフローの結果を探すべきだ。

有用な指標には、タスク完了率、修正率、レイテンシー、エスカレーション、人間の承認を必要とするアクションの割合が含まれる。セキュリティインシデントとロールバック頻度も重要である。

コストの主張にも同じ規律が必要だ。トークン数が少なければ推論費用の一部は削減できるが、総コストにはホスティング、検索、統合、監視、人間によるレビューが含まれる。

独立した比較は特に価値がある。評価者は、同じレコード、権限、ツール、完了基準に対してKoaとフロンティアの代替モデルをテストすべきだ。

こうした比較は、SalesforceのCRM Benchの結果を裏付けるか、結果が通用しない領域を明らかにする可能性がある。どちらの結果も、顧客がより良いルーティング判断を下す助けとなる。

第3のシグナルは、SalesforceがKoaと外部モデルのバランスをどう取るかである。Agentforce内でのモデル選択は、公開上の位置付け以上のことを明らかにする。

Salesforceが一般的なCRM推論でKoaをデフォルトにするなら、それはモデルの信頼性と経済性への自信を示すことになる。顧客のオプトイン率も、別の導入指標となる。

Claudeや他のフロンティアシステムが複数ステップの作業の大半を引き続き処理するなら、特化の役割はより限定的かもしれない。それでもKoaは、プライバシーに敏感なワークフローや高度に反復的なワークフローに対応できる。

Salesforceがルーターについてどのように説明するかにも注目してください。選択ルールを透明化すれば、管理者は特定のタスクがなぜ特定のプロバイダーに届いたのかを理解しやすくなります。

組織は、モデル選択を測定可能な要件と結び付けられるべきです。これには、データの所在、レイテンシー、アクションのリスク、タスクの複雑性、許容可能なコストが含まれます。

業界全体は、NVIDIAのパートナーパイプラインにも注目するでしょう。Nemotronを基盤とする業界特化型システムが増えれば、Koaが再現可能なモデル開発パターンを示していることになります。

一方で、導入事例が限られたショーケースにとどまる場合、深い専門化は依然として高コストで難しいことを示唆します。大規模プラットフォームには実現できても、小規模なソフトウェアプロバイダーは引き続きクローズドAPIを利用する可能性があります。

エンタープライズチームにとって、当面の教訓は実践的です。モデルの能力だけでは、有効なエージェントは生まれません。

信頼性の高いエージェントには、整理されたコンテキスト、限定的な権限、テスト済みのツール、そして完了した業務に基づく評価が必要です。また、文書が散在し、意思決定が記録されていない状態ではなく、利用しやすい組織的知識も求められます。

このモデルが豊富な環境に備えるチームは、プロバイダーを選ぶ前にナレッジワークフローを強化できます。より良いコンテキストは、特化型・汎用型を問わず、あらゆるモデルルートを改善します。

Huang氏のDreamforceでの発言は、AIインフラをめぐる野心を捉えていました。Koaは、その下に隠れたより難しい問いを浮き彫りにします。エンタープライズデータに接続される推論レイヤーを、誰が支配するのかという問いです。

Salesforceは現在、Agentforce内で検証できる答えを手にしています。競合モデルへのアクセスを維持しながら、Koaを自社でコントロールしています。

今後数か月で、そのコントロールがより良い成果を生むのか、それとも選択肢を増やすだけなのかが明らかになるはずです。購入者は、本番環境での測定値、独立した比較、透明性の高いルーティング方針を求めるべきです。

その証拠によって、DreamforceでのJensen Huang氏の発言が、特化型エンタープライズAIへの持続的な転換を示したものだったかどうかが決まります。それまでは、Koaはクローズドモデルへの依存に対する有力な挑戦であり、勝利の証明ではありません。