Koa Decisions decide en milisegundos y con un solo token. Salesforce presentó este 6 de noviembre la nueva versión de HyperClassifier, su modelo de reparto dentro de Agentforce, construida con técnicas nuevas sobre Gemma, el modelo de pesos abiertos de Google. La novedad grande es de entrada: Koa Decisions acepta texto, imágenes y audio, y devuelve una elección, un sí o un no, o una puntuación, en un único paso.
El ejemplo de la compañía es el de todos los días en un centro de ayuda. Un cliente escribe que no puede entrar a su cuenta. ¿Ese mensaje va a ingeniería, a cuentas o a ventas? Un modelo grande puede interpretarlo, claro, pero tarda más de un segundo en razonar la respuesta. Koa Decisions lee la solicitud completa, la cruza con las categorías que definió la empresa y responde «cuentas» en milisegundos, con su confianza al lado. El programa receptor actúa de inmediato.
La diferencia está en la forma de contestar. Un modelo grande escribe token a token, y cada pieza nueva depende de las anteriores. Un token es la unidad básica de texto que procesa un modelo, cercana a una palabra. Un modelo de decisión lee todo de una vez y suelta una respuesta corta, muchas veces de un solo token. Producirla cuesta menos cómputo y otro programa puede usarla al instante. Por eso Salesforce lo plantea como reparto: las decisiones repetidas quedan para Koa Decisions y la redacción y el razonamiento, para los modelos grandes.
Un token basta para repartir el trabajo
El terreno no es nuevo para la compañía. HyperClassifier ya reparte las solicitudes dentro de Agentforce: un «¿dónde está mi paquete?» cae en la parte del agente que atiende envíos, mientras otras partes atienden preguntas frecuentes, promociones y escalamientos a una persona. En las llamadas de voz, ese modelo detecta si quien habla terminó su frase. Datos de Salesforce Engineering citados por Unite.AI lo describen ajustado sobre GPT-OSS-20B y capaz de clasificar hasta en 200 etiquetas; en la primavera de 2026 quedó como modelo por defecto para detectar la intención en las plantillas de Agentforce Service y de Employee Agent.
Las cifras de velocidad ayudan a entender el empeño. Al medir el reparto de solicitudes en Agentforce, Salesforce encontró que su modelo de decisión tardó unos 26 milisegundos, frente a 1,4 segundos de un modelo grande de uso general. El documento de investigación del equipo, difundido por Unite.AI, reporta 85,5 % de acierto en una prueba de reparto de intenciones tomada de producción, respuestas cercanas a medio segundo y una velocidad media hasta 7,5 veces mayor que la de los modelos de frontera comparados en las mismas condiciones. Frente a Jev, de TypeSafe AI, reporta un acierto competitivo con respuestas medias más rápidas, entradas de imagen y audio y salidas con varias etiquetas.
El contexto explica la prisa. A mediados de septiembre, TypeSafe AI salió a la luz con Jev, un modelo hecho para elegir entre opciones. Un mes después, OpenAI puso a disposición general su Decisions API de OpenAI, y otras empresas sacaron modelos de decisión propios. Salesforce llega a esa mesa con una ventaja doméstica: su modelo anterior ya trabaja dentro de Agentforce, con clientes reales.
Sumar una categoría sin entrenar de nuevo
La demostración pública deja ver el cambio práctico. Cualquier persona puede probar Koa Decisions con una cuenta gratuita de Trailhead, aunque no sea cliente. La prueba reparte una solicitud entre ingeniería, cuentas y ventas, y muestra la confianza de cada opción: en el ejemplo animado, la primera cae en ingeniería con 95 %. Al sumar una cuarta opción, «Devoluciones», y cambiar el texto por un pedido que llegó ayer y hay que devolver, el modelo elige devoluciones con 99,5 %, sin entrenamiento nuevo.
Ese detalle pesa en una empresa. Clasificar solicitudes con aprendizaje automático a la medida pedía definir el resultado, reunir datos, etiquetarlos, entrenar y revisar el acierto; en muchos clientes, pasar de la idea a producción tomaba meses. Un modelo de decisión parte de un modelo ya entrenado, que ya relaciona «quiero devolver el pedido» con «devoluciones». La empresa suma la categoría y, en casos que cita Salesforce, la puesta en producción puede cerrarse en horas.
Los planes de uso pasan del reparto inicial. Salesforce quiere llevar Koa Decisions a los flujos, a Apex y a las plantillas de instrucciones, más una interfaz de programación para desarrolladores. El modelo se suma a la familia Koa, donde ya vive un modelo de razonamiento separado, construido con NVIDIA. Un flujo que da la compañía junta las dos piezas: cuando una venta empieza a caerse, el modelo de decisión marca el riesgo y elige el equipo que debe intervenir, y un modelo grande resume qué cambió; el aviso sale de Sales Cloud y aterriza en Slack.
Salesforce no dio precio ni fecha cerrada para cada integración, y dejó escrito que precios y empaques pueden cambiar y que la disponibilidad varía por región. Lo verificable hoy es más corto: el modelo existe, la demostración funciona con cuentas gratuitas, acepta imagen y audio, y su antecesor ya reparte en Agentforce a 26 milisegundos frente a 1,4 segundos. Una empresa que atiende miles de mensajes al día no necesita que cada uno lo razone el modelo más caro de la casa; necesita que la primera decisión, la de reparto, llegue bien y en milisegundos.
Fuente: Salesforce
