Dreamforce의 Jensen Huang, 폐쇄형 프런티어 AI에 맞선 Salesforce Koa 지지

Jensen Huang은 2026년 9월 15일 Salesforce가 첫 CRM 추론 모델을 소개한 Dreamforce에서 직설적인 메시지를 전했다. 그는 인공지능이 이제 사람들이 “모든 것을 알고 무엇이든 할 수 있게” 한다고 주장했다.

더 큰 뉴스는 이 구호가 아니었다. Salesforce는 합성 CRM 시나리오를 바탕으로 NVIDIA Nemotron 3 Super를 사후 학습해 구축한 특화 모델 Koa를 공개했다. 이 모델은 Salesforce 인프라 내에서 실행되며 Agentforce에 폐쇄형 프런티어 모델의 대안을 제공한다.

지금까지 Salesforce는 Agentforce 워크플로에 지속적인 추론이 필요할 경우 Anthropic과 OpenAI 같은 공급업체에 의존했다. Koa는 이러한 파트너십을 끝내지 않으면서도 그 의존 구조를 바꾼다. 이제 Salesforce는 일부 엔터프라이즈 작업을 자사가 통제하는 모델로 라우팅할 수 있다.

이 발표는 두 가지 경쟁 접근법의 시험대가 된다. 하나는 많은 비즈니스 작업을 범용 프런티어 모델에 맡기는 방식이다. 다른 하나는 오픈 웨이트를 기업의 데이터 구조, 정책, 반복 업무 흐름에 맞게 조정하는 방식이다.

Koa가 특화 모델의 승리를 입증한 것은 아니다. Salesforce는 내부 결과, 파일럿 고객명, 제공 일정을 공개했지만 독립적인 실제 운영 근거는 거의 제시하지 않았다. 이 간극은 Huang의 거대한 Dreamforce 비전과 엔터프라이즈 구매자가 오늘 검증할 수 있는 현실을 가른다.

Dreamforce의 Jensen Huang, 거대한 약속 뒤에 Koa를 배치하다

Huang의 포괄적인 AI 메시지는 Salesforce의 모델 전략에 관한 구체적인 변화와 함께 나왔다.

Huang은 Dreamforce 개막일에 샌프란시스코 Moscone Center에서 Salesforce CEO Marc Benioff와 함께 무대에 올랐다. 그는 AI를 차세대 주요 인프라 계층으로 논하며 관객석으로 들어갔다.

“전기로 우리는 모든 것에 동력을 공급할 수 있었습니다.” Huang은 말했다. “인터넷으로는 무엇이든 찾을 수 있습니다.” 이어 그는 AI가 사회가 “모든 것을 알고 무엇이든 할 수 있게” 한다고 주장했다.

이 표현은 AI에 대한 Huang의 폭넓은 관점을 담았지만, 함께 나온 제품 발표는 실질적인 이해관계를 보여줬다. Salesforce는 고객 관계 관리에 특화해 설계한 첫 추론 모델로 Koa를 소개했다.

추론 모델은 답변을 생성하거나 행동을 취하기 전, 중간 단계를 거치는 데 추가 연산을 사용한다. CRM에서는 하나의 요청 안에서 계정 이력, 정책, 권한, 여러 도구를 평가하는 일을 의미할 수 있다.

공식 Dreamforce 발표에 따르면 Salesforce는 Nemotron 3 Super를 사후 학습해 Koa를 개발했다. 사후 학습은 기존 기반 모델을 특정 작업, 행동, 운영 제약에 맞게 조정하는 과정이다.

Salesforce는 약 30년에 이르는 CRM 구축 사례를 본뜬 독점 합성 데이터 세트를 만들었다고 밝혔다. 합성 데이터는 고객 기록을 직접 복제한 것이 아니라 생성된 예시로 구성된다.

회사는 이 시나리오들이 14개가 넘는 산업군의 업무를 반영한다고 말한다. 여기에는 리드 생성, 영업 기회 적격성 판단, 서비스 케이스 해결, 정책을 고려한 도구 사용 등이 포함된다.

각 시나리오는 시뮬레이션된 전문 인력, 작업, 그리고 이를 완료하는 데 필요한 행동 순서를 연결했다. 이 설계는 단순히 CRM 용어의 표현 방식을 가르치는 데 그치지 않고, 엔터프라이즈 업무가 어떻게 진행되는지를 모델에 학습시키는 것을 목표로 한다.

Salesforce는 Koa의 학습 코퍼스에 고객 데이터가 들어가지 않았다고도 밝혔다. 따라서 Huang의 등장은 보편적 AI 역량에 대한 야심 찬 주장과 의도적으로 좁게 설정한 엔터프라이즈 모델을 연결했다.

이 대비는 중요하다. Koa는 모든 질문에 답하거나 모든 프런티어 모델을 능가하도록 설계된 것이 아니다. Salesforce의 운영 통제 아래에서 Salesforce 워크플로 내 추론을 안정적으로 수행하는 것이 목적이다.

회사는 여러 Agentforce 진입점을 통해 Koa를 제공할 계획이다. 고객은 조직 전체에 이 모델을 선택하거나, 개별 에이전트에 할당하거나, 관리형 모델 카탈로그를 통해 사용할 수 있다.

이러한 유연성은 라우팅을 발표의 핵심으로 만든다. 기업은 모든 작업에 하나의 모델을 선택할 필요가 없다. 예외적인 문제에는 비용이 높은 범용 지능을 남겨두고, 반복적인 CRM 업무에는 Koa를 활용할 수 있다.

이것이 Huang의 “무엇이든 할 수 있다”는 메시지가 지닌 구체적 의미다. 모델은 영업 기회 업데이트, 케이스 라우팅, 후속 조치 일정 잡기 등을 포함한 거버넌스가 적용된 행동으로 추론을 연결해야 한다.

이 발표는 “모든 것을 안다”는 말이 책임 있게 의미할 수 있는 범위도 좁힌다. Koa는 고객이 공유하기로 선택한 기록, 그라운딩 데이터, 지침만 받는다.

Koa는 전지전능하지 않으며, Salesforce도 기술 제품 상세 정보에서 그렇게 제시하지 않는다. 제안된 장점은 관련성 높은 맥락, 전문화, 통제된 접근에서 나온다.

이 구분은 극적인 기조연설의 순간을 중대한 플랫폼 결정으로 바꾼다. Salesforce는 더 이상 외부 지능을 애플리케이션에 연결하기만 하는 것이 아니다. 스스로 운영할 수 있는 추론 계층을 구축하고 있다.

Salesforce Koa, 폐쇄형 프런티어 모델 의존에 도전하다

Koa는 엔터프라이즈 추론의 더 큰 비중을 Salesforce가 통제하도록 하며 폐쇄형 모델 공급업체에 압박을 가한다.

Koa 이전에는 복잡한 Agentforce 요청이 Salesforce의 AI 게이트웨이를 거쳐 Claude나 ChatGPT 같은 모델로 전달될 수 있었다. 이 게이트웨이는 각 요청에 적합한 모델을 선택한다.

Salesforce는 이미 집중적인 작업을 위한 소형 모델을 보유하고 있었다. 하지만 Salesforce AI의 수석 부사장 Jayesh Govindarajan은 지속적인 추론이 프런티어 공급업체에 계속 의존해 왔다고 말했다.

Govindarajan은 TechCrunch에 “추론은 늘 우리가 프런티어 모델 공급업체에 의존해 온 영역이었습니다”라고 말했다. “지금까지는요.”

이 마지막 표현은 Koa가 또 하나의 모델 출시를 넘어 중요한 이유를 설명한다. Salesforce는 애플리케이션 계층, 고객 관계, 권한, 비즈니스 로직, 그리고 각 요청 뒤에 놓인 맥락의 상당 부분을 보유한다.

폐쇄형 모델 공급업체는 역사적으로 어려운 추론을 제공했다. 이 위치는 프런티어 연구소에 고가치 엔터프라이즈 워크플로 내 중요한 역할을 부여했다.

Koa는 Salesforce가 그 역할의 일부를 내부화하도록 한다. 회사는 모델 웨이트를 통제하고, 시스템을 호스팅하며, 서빙 환경을 정의하고, Agentforce 라우팅에 모델이 투입되는 방식을 결정한다.

이 모델은 허용적인 라이선스로 공개된 오픈 웨이트 모델 NVIDIA Nemotron 3 Super를 기반으로 한다. 오픈 웨이트는 승인된 운영자가 모든 요청을 원래 개발자에게 보내지 않고도 모델을 배포하고 조정할 수 있게 한다.

이 통제는 Salesforce의 데이터 경계 주장을 뒷받침한다. 회사는 Koa가 전적으로 자사 인프라에서 실행되며, 추론 과정에서도 고객 정보가 Salesforce 내부에 머문다고 설명한다.

추론은 학습된 모델이 답변이나 행동을 생성하는 과정이다. 이 과정을 하나의 통제된 환경 안에 유지하면 거버넌스, 감사, 데이터 위치 관련 결정을 단순화할 수 있다.

그렇다고 배포가 위험에서 자유로워지는 것은 아니다. Salesforce는 여전히 모델 엔드포인트, 연결된 도구, 저장된 자격 증명, 행동 권한, 각 세션에서 제공되는 데이터를 보호해야 한다.

다만 소유권은 누가 이러한 위험을 관리하는지를 바꾼다. 고객은 또 다른 외부 모델 경로를 추가하는 대신 Salesforce의 기존 신뢰 경계 안에서 Koa를 평가할 수 있다.

Koa는 또한 Salesforce에 추론 경제성에 대한 더 큰 영향력을 준다. 폐쇄형 공급업체는 일반적으로 토큰 사용량, 예약 용량, 또는 협상된 엔터프라이즈 계약에 따라 요금을 부과한다.

특화 모델은 더 적은 생성 토큰으로 올바른 CRM 행동에 도달한다면 불필요한 추론을 줄일 수 있다. Salesforce와 NVIDIA는 이 효율성이 Koa의 설계 목표 중 하나라고 말한다.

Nemotron 3 Super는 토큰마다 모델의 일부만 활성화하는 전문가 혼합 아키텍처를 사용한다. NVIDIA는 이 모델이 1,200억 개의 파라미터를 보유하지만 추론 중에는 120억 개만 활성화한다고 말한다.

NVIDIA는 또한 이 모델에 100만 토큰의 컨텍스트 윈도우를 제공한다. 컨텍스트 윈도우는 모델이 한 번의 상호작용에서 고려할 수 있는 정보의 양이다.

이 사양은 멀티에이전트 워크플로가 긴 이력, 도구 출력, 중간 의사결정을 생성하기 때문에 중요하다. NVIDIA는 이러한 워크로드가 일반 채팅보다 훨씬 더 많은 컨텍스트를 사용할 수 있다고 말한다.

회사는 Nemotron 3 Super가 이전 Nemotron Super 모델보다 최대 5배의 처리량을 제공한다고 주장한다. 또한 시험에 따라 최대 2배의 정확도를 제공한다고 주장한다.

이는 Koa에 관한 독립적인 결과가 아니라 NVIDIA의 측정치다. Salesforce의 사후 학습, 서빙 시스템, 연결 도구, 거버넌스 계층도 실제 성능에 영향을 미친다.

그럼에도 이 아키텍처는 Salesforce에 비용이 낮은 전문화를 향한 그럴듯한 경로를 제공한다. 모든 요청에 가장 광범위한 지능의 비용을 지불하는 대신, 일반적인 행동에 맞춰 모델을 조정할 수 있다.

이는 OpenAI, Anthropic 및 다른 폐쇄형 공급업체에 특정 영역에서 압박을 가한다. 이들은 더 뛰어난 범용 추론이 비용과 줄어든 운영자 통제권을 정당화한다는 점을 보여줘야 한다.

이 압박이 즉각적인 대체 위협은 아니다. Salesforce는 외부 모델을 계속 지원하고 있으며, 같은 Dreamforce 기간에 Anthropic과의 더 깊은 파트너십도 발표했다.

대신 Koa는 Salesforce의 협상 위치를 바꾼다. 회사는 일상적인 추론을 내부적으로 라우팅하고, 더 넓은 역량이 측정 가능한 가치를 제공하는 작업에는 프런티어 모델을 남겨둘 수 있다.

이 모델 포트폴리오는 승자독식 경쟁보다 클라우드 컴퓨팅에 더 가깝다. 기업은 워크로드, 보안 요구 사항, 지연 시간, 비용에 따라 시스템을 조합한다.

지식 근로자에게 이는 모델 브랜드보다 비즈니스 맥락의 품질에 더 큰 주목을 요구한다. 범용 모델은 파이프라인 이력과 운영 정의가 없으면 거래를 정확히 평가할 수 없다.

따라서 구조화된 조직 맥락은 AI 스택의 일부가 된다. 이미 검색 가능한 지식 기반을 구축하는 팀이라면 같은 원칙을 알아볼 수 있다. 유용한 답변은 관련 정보에 대한 거버넌스가 적용된 접근에 달려 있다.

핵심 메커니즘은 더 큰 범용 모델이 아니라 전문화다

Koa의 핵심 베팅은 작업별 학습과 통제된 행동이 광범위한 벤치마크 선도보다 더 중요할 수 있다는 것이다.

프런티어 모델 경쟁은 수학, 코딩, 과학, 일반화된 추론 시험에 주로 초점을 맞춘다. 이러한 측정은 핵심 역량을 비교하는 데 도움이 되지만, CRM 에이전트가 마주하는 실패 유형은 다르다.

엔터프라이즈 에이전트는 올바른 기록을 선택하고, 권한을 따르며, 승인된 도구를 호출하고, 여러 단계에 걸쳐 맥락을 유지해야 한다. 잘못된 계정을 업데이트한다면 유창한 답변은 충분하지 않다.

Salesforce는 Koa의 합성 학습 시나리오가 이러한 운영 요구 사항을 겨냥한다고 말한다. 이 시나리오는 고객 생애주기 전반에서 전문 인력, 고객 상태, 정책, 도구, 예상되는 행동 순서를 시뮬레이션한다.

한 시나리오에서는 에이전트가 위험에 처한 영업 기회를 식별해야 할 수 있다. 에이전트는 커뮤니케이션을 검토하고, 단계 변화를 살피며, 회사 규칙을 적용하고, 승인된 다음 행동을 권고해야 한다.

다른 시나리오에서는 불만이 큰 서비스 고객이 등장할 수 있다. 에이전트는 계정 맥락을 검색하고, 정책 한도를 이해하며, 올바른 기능을 호출하고, 필요할 경우 에스컬레이션해야 한다.

따라서 모델은 텍스트 생성 이상의 일을 해야 한다. 기록 시스템 전반에서 언어를 통제된 업무로 전환해야 한다.

Salesforce는 영업 기회 업데이트, 케이스 라우팅, 후속 조치 일정 잡기 같은 작업을 위한 자사 벤치마크 CRM Bench로 이러한 행동을 평가한다. 회사는 Koa가 CRM 행동에서 선도 모델 성능과 동등하거나 이를 능가한다고 말한다.

Salesforce는 Koa가 해당 벤치마크에서 오류를 3배 적게 낸다고 보고했다. 또한 행동을 선택할 때 정밀도가 11% 더 높다고 주장한다.

회사는 Koa가 고객 맥락을 2.1배 더 높은 신뢰도로 기억한다고 설명한다. 이어 장시간 대화에서 맥락을 기억하는 능력이 15% 개선됐다고 보고했다.

이 수치는 Salesforce 공식 Koa 모델 페이지에 제시돼 있다. 외부 평가자가 유사한 조건에서 재현하기 전까지는 회사 자체 보고 결과로 남는다.

벤치마크 설계는 면밀히 살펴볼 필요가 있다. CRM 특화 평가는 일반적인 학술 시험보다 운영 역량을 더 직접적으로 측정할 수 있다.

다만 벤더는 익숙한 워크플로와 내부 도구에 맞춰 벤치마크를 설계할 수도 있다. 구매자는 기준선, 작업 분포, 채점 방식, 실패의 심각도에 관한 세부 정보를 확인해야 한다.

사소한 형식 오류가 무단 레코드 변경과 같은 비중을 가져서는 안 된다. 종합 정확도는 실제 운영에서 가장 중요한 실패를 가릴 수 있다.

메커니즘의 두 번째 요소는 확률적 모델 주변에 구축된 결정론적 제어다. Salesforce는 응답의 일관성을 높이기 위해 Koa를 온도 0으로 호스팅한다고 설명한다.

온도는 모델 출력의 변동성을 제어한다. 일반적으로 낮은 설정은 응답의 반복 가능성을 높이지만, 정확성을 보장하지는 않는다.

Salesforce는 Koa 주변에 서빙 하니스도 사용한다. 회사는 이를 모델 자체를 넘어서는 추가적인 안전 및 운영 제어 계층으로 설명한다.

이러한 계층형 설계가 중요한 이유는 언어 모델만으로 엔터프라이즈 거버넌스를 강제할 수 없기 때문이다. 권한, 도구 스키마, 검증, 모니터링, 승인 단계가 에이전트의 행동을 제한해야 한다.

Salesforce는 Koa가 각 고객이 설정한 맥락과 가드레일의 적용을 계속 받는다고 말한다. Koa는 이러한 거버넌스 경로를 통해 제공된 정보만 볼 수 있다.

세 번째 요소는 모델 라우팅이다. Koa는 Agentforce의 유일한 지능 소스가 아니라 또 하나의 제공업체 옵션이 된다.

에이전트 라우터는 CRM 작업을 Koa로 보내는 동시에 다른 문제는 Claude 또는 다른 모델로 보낼 수 있다. 이는 사용자 경험을 기반 모델 제공업체와 분리한다.

이러한 라우팅은 모델을 상호 교체 가능한 인프라로 만들 수 있지만, 성능이 실제로 비교 가능할 때만 가능하다. 부실한 평가는 낮은 품질의 결과를 숨긴 채 작업을 더 저렴한 방향으로 라우팅할 수 있다.

이 전략은 Salesforce가 하나의 연구소에 완전히 의존하지 않도록 보호한다. 비용, 역량, 규제 요건 또는 고객 선호도가 변할 때 모델 선택을 조정할 수 있다.

NVIDIA에게 Koa는 Nemotron이 특화 엔터프라이즈 모델의 기반이 될 수 있음을 보여준다. 완성 제품에 Salesforce 브랜딩이 붙더라도 NVIDIA는 이익을 얻는다.

그 역할은 가속기 공급을 넘어선다. 이 회사는 자체 지능 계층을 구축하는 파트너에게 오픈 웨이트, 학습 방법, 배포 소프트웨어, 기술 협업을 제공한다.

Nemotron 아키텍처는 장기 실행 에이전트 워크플로와 효율적인 추론을 위해 설계됐다. Koa는 이 설계에 주요 소프트웨어 플랫폼 내부의 눈에 띄는 시험 무대를 제공한다.

이 전략은 모든 엔터프라이즈에 기반 모델 구축을 요구하는 방식과 다르다. 기업은 역량 있는 오픈 모델에서 출발해 사후 학습을 통해 자체 도메인 지식을 적용할 수 있다.

어려운 부분은 기관의 경험을 안전한 학습 데이터와 유용한 평가로 전환하는 일이다. Salesforce는 자사의 합성 코퍼스가 27년간의 CRM 지능을 반영한다고 설명한다.

이 설명을 27년치 고객 레코드가 모델에 입력됐다는 의미로 해석해서는 안 된다. Salesforce는 해당 코퍼스가 축적된 워크플로 지식을 기반으로 모델링한 합성 시나리오를 사용한다고 말한다.

이러한 구분은 개인정보 보호에 도움이 되지만, 또 다른 질문을 낳는다. 합성 예시는 예상되는 패턴을 재현할 수 있지만 실제 운영 환경의 모든 혼란을 포착하지 못할 수 있다.

실제 계정에는 누락된 필드, 상충하는 레코드, 이례적인 권한, 오래된 데이터, 조직별 예외가 존재한다. 이러한 조건이 에이전트의 성공 여부를 좌우하는 경우가 많다.

따라서 Koa의 메커니즘은 신뢰할 만하지만 아직 완성되지 않았다. 특화는 관련성과 효율성을 높일 수 있지만, 실제 운영 가치는 데이터 품질, 도구 신뢰성, 운영 테스트에 달려 있다.

내부 벤치마크만으로는 엔터프라이즈 AI 논쟁을 결론낼 수 없다

Koa에 관한 가장 강력한 주장은 여전히 이 시스템을 판매하고 운영하는 기업들에서 나온다.

Salesforce는 1-800Accountant, Baxter Credit Union, Engine, Formula 1, UChicago Medicine, Xero를 포함해 파일럿에 참여하는 여러 조직의 이름을 공개했다.

또한 Koa가 직원, 지원, 이벤트, 웹 에이전트를 통해 이미 내부적으로 사용되고 있다고 말한다. 이러한 배포는 광범위한 출시 전에 테스트할 유용한 환경을 제공한다.

그러나 파일럿 참여가 지속적인 비즈니스 영향의 증거는 아니다. 공개된 자료는 완료율, 개입률, 지연 시간, 총 운영 비용을 공개하지 않는다.

또한 기업 데이터가 일관되지 않을 때 Koa가 어떻게 작동하는지도 보여주지 않는다. 이는 대규모 CRM 배포에서 예외적인 엣지 케이스가 아니라 일상적인 조건이다.

고객 발언은 잠재적 사용 사례를 강조한다. UChicago Medicine은 여러 단계의 조정을 강조했고, Engine은 복잡한 서비스 상황 전반의 정밀한 추론에 초점을 맞췄다.

이 사례들은 특화된 추론이 도움이 될 수 있는 영역을 보여준다. 하지만 아직 이 모델이 고위험 환경에서 자율적으로 작동할 수 있음을 입증하지는 못한다.

엔터프라이즈 구매자는 인간이 Koa의 행동을 얼마나 자주 수정하거나 승인해야 하는지 물어야 한다. 또한 답변 품질과 성공적인 워크플로 완료를 구분해야 한다.

에이전트는 정확한 요약을 생성하고도 올바른 시스템을 업데이트하지 못할 수 있다. 올바른 도구를 선택해도 유효하지 않은 매개변수를 제공할 수 있다.

가장 의미 있는 평가는 요청부터 검증된 결과까지 전체 작업을 추적해야 한다. 또한 시스템이 할당된 권한 범위 안에 머물렀는지도 측정해야 한다.

고객 데이터가 Salesforce의 신뢰 경계 안에 남는다는 Salesforce의 주장은 한 가지 중요한 우려를 다룬다. 하지만 프롬프트 인젝션, 과도한 권한, 손상된 커넥터, 결함 있는 비즈니스 규칙을 제거하지는 못한다.

프롬프트 인젝션은 신뢰할 수 없는 콘텐츠가 에이전트의 지시를 조작하는 경우에 발생한다. 이메일이나 문서가 시스템을 안전하지 않은 행동으로 유도하려 할 수 있다.

특화 모델은 학습을 통해 일부 공격을 견딜 수 있지만, 주변 제어 체계는 여전히 필요하다. 민감한 행동에는 검증, 제한된 권한, 로깅, 적절한 인간 승인이 요구돼야 한다.

구매자는 Koa의 한계에 대해서도 명확히 알아야 한다. 온도 0은 일관성을 높일 수 있지만 잘못된 결론을 올바르게 만들지는 않는다.

마찬가지로 합성 학습은 고객 데이터의 직접 노출을 피하면서도 시나리오 생성 과정의 가정을 내재화할 수 있다. 워크플로가 변함에 따라 이러한 가정은 지속적인 검토가 필요하다.

무대 위 안전성 논의는 또 다른 긴장을 더했다. Huang은 안전을 “최우선 과제”라고 불렀지만, 안전과 개발 속도가 단순한 상충 관계를 요구한다는 생각은 거부했다.

그는 “가능한 한 빠르게 달려라”라고 말하면서도, 제품이 안전하지 않거나 통제 불능으로 보일 때는 기업이 멈춰야 한다고 덧붙였다.

이 입장은 프런티어 개발 속도를 둘러싼 AI 리더들의 진행 중인 논쟁에 들어섰다. AI 감속 논쟁은 이미 Dreamforce의 더 넓은 맥락 일부가 됐다.

Koa가 프런티어 AI 위험에 관한 모든 논쟁의 대리물이 되어서는 안 된다. 이는 애플리케이션 플랫폼 안에서 운영되는 특화 엔터프라이즈 시스템이다.

그러나 같은 원칙은 더 작은 규모에서도 여전히 적용된다. 기업이 고객이 결과를 감당하기 전에 안전하지 않은 행동을 감지할 수 있을 때에만 빠른 움직임은 책임 있는 행위가 된다.

Salesforce의 통제된 인프라는 Koa를 분리된 모델 서비스의 집합보다 더 쉽게 모니터링하게 만들 수 있다. 중앙화는 일관된 정책, 로그, 롤백 프로세스를 지원할 수 있다.

동시에 책임도 집중된다. 모델, 라우터 또는 서빙 하니스가 실패하면 많은 Agentforce 워크플로가 같은 문제를 물려받을 수 있다.

폐쇄형 프런티어 모델은 이 논쟁에서 장점을 유지한다. 개발사들은 일반 역량, 안전성 연구, 평가, 대규모 서빙 인프라에 막대한 비용을 투자한다.

각 엔터프라이즈가 기반 모델 개발을 반복하지 않아도 빠르게 개선할 수 있다. 드물거나 지적으로 까다로운 작업에서는 일반 모델이 계속 더 나은 선택일 수 있다.

Salesforce 자체도 지속적인 모델 선택을 통해 그 현실을 인정한다. Agentforce에서 Claude, ChatGPT 또는 다른 제공업체를 제거하지 않고 있다.

Claudeforce 파트너십을 통해 판매자는 Claude를 통해 Salesforce 데이터와 행동에 접근할 수 있다. 초기 제품에는 Salesforce 권한의 적용을 받는 37개의 영업 스킬이 포함된다.

이러한 동시 파트너십은 모순이 아니다. Salesforce가 서로 다른 시스템이 서로 다른 워크로드를 처리하는 방식으로, 플랫폼 내부에서 모델 경쟁이 일어날 것으로 예상한다는 점을 보여준다.

따라서 Koa의 실제 경쟁 상대는 폐쇄형 프런티어 추론에 대한 의무적 의존이다. 그 의존을 약화하기 위해 모든 외부 모델을 대체할 필요는 없다.

결정적인 증거는 라우팅 결정과 실제 운영 결과에서 나올 것이다. 고객이 가치 있는 작업에 Koa를 일관되게 선택한다면, Salesforce는 특화 오픈 모델 적응의 가치를 입증하게 된다.

고객이 가장 어려운 작업 대부분을 계속 폐쇄형 제공업체로 라우팅한다면, Koa는 엔터프라이즈 지능의 새로운 중심이 아니라 전략적 헤지로 남을 것이다.

Salesforce Koa의 중요성을 보여줄 세 가지 신호

Koa의 중요성은 기조연설의 표현이 아니라 배포, 검증된 결과, 라우팅 행동으로 측정될 것이다.

첫 번째 신호는 파일럿에서 광범위한 제공으로의 전환이다. Salesforce는 현재 Koa가 일부 파일럿 고객에게 제공되고 있다고 말한다.

회사는 2026년 겨울에 미국 리전에서 정식 제공을 시작할 것으로 예상한다. 초기 파일럿 단계 직후에는 오픈 베타도 계획하고 있다.

이 일정은 즉각적인 시험대를 만든다. 명확한 문서와 함께 제때 출시된다면 Koa가 컨퍼런스 시연이 아닌 실제 운영 모델이라는 Salesforce의 주장을 강화할 것이다.

지연이 기술적 실패를 입증하는 것은 아니다. 그러나 평가, 인프라, 거버넌스 또는 고객 준비 상태에 예상보다 더 많은 작업이 필요했음을 시사할 수 있다.

두 번째 신호는 이름이 공개된 파일럿 조직의 증거다. 구매자는 지지 발언이나 의도된 사용 설명보다 측정된 워크플로 결과를 찾아야 한다.

유용한 지표에는 작업 완료율, 수정률, 지연 시간, 에스컬레이션, 인간 승인이 필요한 행동의 비율이 포함된다. 보안 사고와 롤백 빈도도 중요하다.

비용 주장에도 같은 엄격함이 필요하다. 더 적은 토큰은 추론 비용의 한 요소를 줄일 수 있지만, 총비용에는 호스팅, 검색, 통합, 모니터링, 인간 검토가 포함된다.

독립적인 비교는 특히 가치가 클 것이다. 평가자는 동일한 레코드, 권한, 도구, 완료 기준을 기준으로 Koa와 프런티어 대안을 테스트해야 한다.

이러한 비교는 Salesforce의 CRM Bench 결과를 검증하거나 그 결과가 이전되지 않는 지점을 드러낼 수 있다. 어느 결과든 고객이 더 나은 라우팅 결정을 내리는 데 도움이 될 것이다.

세 번째 신호는 Salesforce가 Koa와 외부 모델의 균형을 어떻게 맞추는지다. Agentforce 내부의 모델 선택은 공개적 포지셔닝보다 더 많은 것을 보여줄 것이다.

Salesforce가 일반적인 CRM 추론에 Koa를 기본값으로 설정한다면, 이는 모델의 신뢰성과 경제성에 대한 자신감을 보여줄 것이다. 고객 옵트인 비율은 또 다른 채택 지표가 될 수 있다.

Claude 또는 다른 프런티어 시스템이 대부분의 다단계 작업을 계속 처리한다면, 특화의 역할은 더 좁을 수 있다. Koa는 여전히 개인정보에 민감하거나 매우 반복적인 워크플로에 활용될 수 있다.

Salesforce가 라우터를 어떻게 설명하는지도 주목할 필요가 있습니다. 투명한 선택 규칙은 관리자가 특정 작업이 왜 특정 제공업체에 도달했는지 이해하는 데 도움이 될 것입니다.

조직은 모델 선택을 측정 가능한 요구사항과 연결할 수 있어야 합니다. 여기에는 데이터 위치, 지연 시간, 작업 위험도, 작업 복잡도, 허용 가능한 비용이 포함됩니다.

업계 전반은 NVIDIA의 파트너 파이프라인도 주시할 것입니다. Nemotron 기반의 도메인 특화 시스템이 더 많이 구축된다면, Koa가 반복 가능한 모델 개발 패턴을 제시한다는 의미가 될 수 있습니다.

제한된 수의 쇼케이스 배포만 이뤄진다면, 고도의 전문화가 여전히 비용이 많이 들고 어렵다는 점을 시사할 것입니다. 대형 플랫폼은 이를 감당할 수 있겠지만, 소규모 소프트웨어 제공업체는 계속 폐쇄형 API를 사용할 가능성이 큽니다.

엔터프라이즈 팀에 당장의 교훈은 실용적입니다. 모델 성능만으로는 효과적인 에이전트가 만들어지지 않습니다.

신뢰할 수 있는 에이전트에는 정제된 컨텍스트, 제한된 권한, 검증된 도구, 그리고 완료된 작업을 바탕으로 한 평가가 필요합니다. 또한 문서가 흩어져 있거나 의사결정이 기록되지 않은 상태가 아니라, 접근 가능한 조직 지식도 필요합니다.

이처럼 모델이 풍부한 환경을 준비하는 팀은 제공업체를 선택하기 전에 지식 워크플로를 강화할 수 있습니다. 더 나은 컨텍스트는 특화 시스템과 범용 시스템을 포함한 모든 모델 경로를 개선합니다.

Huang의 Dreamforce 발언은 AI 인프라를 둘러싼 야심을 잘 보여주었습니다. Koa는 그 이면에 숨은 더 어려운 질문을 드러냅니다. 엔터프라이즈 데이터에 연결된 추론 계층을 누가 통제하는가?

Salesforce는 이제 Agentforce 내부에서 검증할 수 있는 답을 갖게 되었습니다. 경쟁 모델에 대한 접근성을 유지하면서도 Koa를 통제합니다.

향후 몇 달은 그 통제가 더 나은 결과를 만드는지, 아니면 선택지만 늘리는지 보여줄 것입니다. 구매자는 프로덕션 측정치, 독립적인 비교, 투명한 라우팅 정책을 요구해야 합니다.

그 증거가 Jensen Huang의 Dreamforce 발언이 특화형 엔터프라이즈 AI를 향한 지속적인 전환을 의미했는지 판가름할 것입니다. 그때까지 Koa는 폐쇄형 모델 의존성에 대한 신뢰할 만한 도전이지만, 승리의 증거는 아닙니다.