Elegir entre un puñado de opciones dejó de ser tarea de un modelo de lenguaje de gran escala. Koa Decisions, la nueva versión del modelo de decisión de Salesforce, lee una solicitud y una lista de categorías definidas por el usuario, y devuelve una sola respuesta —una opción, un sí o no, o una puntuación— en un solo paso y en milisegundos. El equipo de ciencia de datos de la compañía lo construyó aplicando técnicas de entrenamiento novedosas sobre Gemma, el modelo de pesos abiertos de Google, y le añadió soporte multimodal para imágenes y audio.
El contraste con un LLM de propósito general es la clave del anuncio: en pruebas de enrutamiento dentro de Agentforce, el modelo de decisión resolvió en aproximadamente 26 milisegundos, mientras que un modelo general tardó cerca de 1.4 segundos, de acuerdo con la medición difundida por la empresa. La diferencia no es solo de velocidad: un LLM genera texto token por token, mientras que el modelo de decisión lee la solicitud completa y emite su respuesta de una vez, lo que reduce el cómputo y permite que otro software actúe de inmediato. Koa Decisions sucede a HyperClassifier, que ya operaba el enrutamiento interno de Agentforce —por ejemplo, al dirigir la consulta "¿dónde está mi paquete?" a la sección del agente especializada en envíos— y la compañía planea extenderlo a flows, Apex y plantillas de prompts para desarrolladores, además de una API. El modelo forma parte de la familia Koa, que incluye un modelo de razonamiento separado desarrollado con NVIDIA.
En corto: Salesforce presentó Koa Decisions, un modelo de decisión de un solo paso construido sobre Gemma que, según sus propias mediciones en Agentforce, resuelve solicitudes de enrutamiento en unos 26 milisegundos frente a 1.4 segundos de un LLM general; la empresa ofrece una demostración gratuita vía Trailhead y advierte que precios, empaquetado y disponibilidad por región pueden variar y se rigen por los acuerdos con cada cliente.