Salesforce Koa kan ta CRM-oppgaver fra Claude og ChatGPT

Salesforce Koa viser hvordan spesialiserte AI-modeller bygget på åpne vekter kan ta store mengder CRM-arbeid fra Claude og ChatGPT. Ikke fordi Koa skal være smartest i alt, men fordi modellen er trent til å gjøre én type jobb: resonnere seg gjennom salg, markedsføring og kundeservice inne i Salesforce.

Det er en langt mer interessant konkurranse enn enda en modell som kan løse vanskelige matteoppgaver på en resultatliste. Bedrifter betaler ikke først og fremst for en verdensmester i teori. De betaler for at en agent velger riktig handling, husker kunden gjennom en lang samtale og følger bedriftens regler uten å rote det til.

Koa er Salesforces første egen reasoning-modell for CRM, bygget ved å ettertrene åpne Nemotron-modeller fra Nvidia. Foreløpig er den bare tilgjengelig for utvalgte pilotkunder. Likevel peker retningen ganske tydelig mot et marked der de største generelle modellene tar de vanskeligste oppgavene, mens spesialiserte modeller gjør mesteparten av rutinearbeidet billigere og nærmere bedriftens egne data.

Hva er Salesforce Koa?

Salesforce Koa er en reasoning-modell for Agentforce, bygget på Nvidia Nemotron og ettertrent for CRM-oppgaver. Ifølge Salesforces presentasjon av Koa bygger treningen på 27 år med kunnskap om selskapets arbeidsflyter, men ikke på faktiske kundedata.

Reasoning betyr her at modellen skal kunne arbeide seg gjennom oppgaver med flere steg. Det kan være å kvalifisere en salgsmulighet, finne neste riktige handling i en kundesak eller planlegge en oppfølging. Før Koa ble slike oppgaver sendt gjennom Agentforce sin modellruter til en frontier-modell som Claude eller ChatGPT, ifølge TechCrunchs intervju med Salesforces AI-sjef.

Salesforce og Nvidia tok i stedet en ferdig grunnmodell og trente den videre på et proprietært, syntetisk datasett. Scenariene simulerer både personer, verktøybruk, beslutninger og arbeidsflyter gjennom hele kundereisen. Salesforce oppgir at materialet dekker mer enn 14 bransjer, blant annet produksjon, finans, helse og reiseliv.

Det er viktig å skille mellom åpne vekter og et åpent sluttprodukt. Nemotron gir Salesforce tilgang til vektene og muligheten til å tilpasse modellen. Selve Koa er Salesforce-hostet, ettertrent med selskapets proprietære datasett og levert som en del av Agentforce. Dette er altså ikke en modell du laster ned og kjører fritt på egen server.

Hvorfor kan Koa bli et problem for AI-laboratoriene?

Koa kan redusere antallet oppgaver Salesforce må sende til lukkede frontier-modeller. Det betyr færre tokens kjøpt fra eksterne modellleverandører og mer kontroll over både kjøringen og hvor den verdifulle kundekonteksten behandles.

Her ligger trusselen. OpenAI og Anthropic har brukt enorme summer på å bygge modeller som kan gjøre nesten alt. Nvidia trenger ikke slå dem på alle områder. Selskapet kan tilby åpne grunnmodeller som Salesforce og andre programvareleverandører former rundt de oppgavene kundene faktisk betaler for.

Da flyttes verdien et hakk nærmere arbeidet. Salesforce har arbeidsflytene, tillatelsene, kundedataene og distribusjonen. Nvidia har modellene og infrastrukturen. Frontier-laboratoriet risikerer å ende som en kostbar reserve som kobles inn når den spesialiserte modellen møter en oppgave den ikke klarer selv.

Dette passer også inn i en bredere Nvidia-strategi. Jeg har tidligere skrevet om hvordan Nvidia beveger seg fra chip-leverandør til full-stack AI-selskap. Koa er et konkret eksempel på hva den strategien kan bli ute hos en stor programvareleverandør: ikke bare GPU-er under andres modell, men Nvidia-teknologi helt opp i laget som utfører arbeidet.

Hva hevder Salesforce at modellen gjør bedre?

Salesforce oppgir at Koa er 11 prosent mer presis når en agent skal velge riktig handling, henter fram kundekontekst med 2,1 ganger høyere pålitelighet og husker kontekst 15 prosent bedre i lange samtaler. Målingene er gjort på CRM Bench med oppgaver som å oppdatere en salgsmulighet, rute en kundesak og planlegge oppfølging.

Dette er mer relevante mål for en CRM-agent enn en generell kunnskapstest. Velger agenten feil verktøy, oppdaterer feil felt eller glemmer hva kunden sa tidligere, hjelper det lite at grunnmodellen er glimrende på fysikk. I kundeservice blir én feil handling fort til både merarbeid og en irritert kunde. Det er ikke akkurat mangelvare fra før.

Samtidig kommer tallene fra Salesforce selv. Selskapet navngir ikke hvilke «generelle intelligensmodeller» Koa sammenlignes med på produktsiden, og publiserer heller ikke nok detaljer der til at en vanlig kunde kan gjenskape hele testen. Påstanden om bedre resultater er derfor lovende, men fortsatt en leverandørpåstand.

Salesforce sier også at modellen bruker færre tokens på de samme arbeidsoppgavene enn Claude eller ChatGPT. Det kan være viktigere enn en liten prosentforskjell i en benchmark, men selskapet har foreløpig ikke lagt fram en offentlig pris eller et konkret regnestykke for kostnad per fullført sak. For en bedrift er det nettopp den målingen som teller: ikke pris per token, men pris per jobb som faktisk blir gjort riktig.

Hvordan holder Salesforce kundedataene innenfor systemet?

Koa kjører innenfor Salesforces egen «trust boundary», og Salesforce kontrollerer modellvektene. Selskapet sier at kundedata verken ble brukt i treningen eller sendes utenfor denne grensen under inferens. Treningskorpuset består i stedet av syntetiske CRM-scenarier.

Det betyr ikke at modellen arbeider uten kundedata. En agent kan bruke de postene, instruksjonene og den konteksten kunden uttrykkelig gjør tilgjengelig i Salesforce. Forskjellen er hvor behandlingen skjer, hvem som kontrollerer modellen og hvilke eksisterende tillatelser som følger forespørselen.

Salesforce oppgir dessuten at Koa serveres med temperatur 0 for å gi mer konsistente svar, og at et eget sikkerhetslag legger kontrollmekanismer rundt modellen. Lav temperatur gjør ikke en AI ufeilbarlig, men den reduserer den kreative variasjonen. I en kundesak er forutsigbarhet som regel en funksjon, ikke en mangel.

Også her bør innkjøpere be om konkrete svar før de jubler. Hvilke logger lagres? Hvor lenge beholdes de? Hvordan testes tilpassede handlinger mot feil data eller uventede instruksjoner? «Innenfor grensen» er et godt utgangspunkt, men sikkerhet avgjøres av hele kjeden rundt modellen.

Er Koa tilgjengelig nå?

Koa er tilgjengelig for et begrenset antall pilotkunder per 15. september 2026. Salesforce nevner blant andre 1-800Accountant, Baxter Credit Union, Engine, Formula 1, UChicago Medicine og Xero. Planen er generell tilgjengelighet i amerikanske regioner vinteren 2026, med en åpen beta kort tid etter.

Når modellen blir bredere tilgjengelig, skal kunder kunne velge den på organisasjonsnivå, for en bestemt agent eller for en underagent. Den blir også lagt inn som en administrert modell i Data Cloud-katalogen. Det gir Salesforce mulighet til å rute ulike deler av samme arbeidsflyt til modellen som passer best.

For norske små og mellomstore bedrifter betyr dette først og fremst at det er for tidlig å planlegge en migrering. Salesforce oppgir amerikansk tilgjengelighet først, og produktsiden sier ingenting om norsk utrulling eller pris. En pilot er nyttig dokumentasjon på retningen, men ikke det samme som et ferdig kjøpsalternativ.

Forsvinner Claude og ChatGPT fra Salesforce?

Nei. Koa blir et alternativ i Agentforce, ikke en full erstatning for alle andre modeller. Samtidig med Koa har Salesforce lansert Claudeforce, et samarbeid som lar ansatte bruke Claude som grensesnitt mot data og arbeidsflyter i Salesforce.

Det gjør historien mer troverdig, ikke mindre. Modelleruting er allerede en del av Agentforce. En spesialisert modell kan ta store mengder forutsigbart CRM-arbeid, mens en frontier-modell brukes når oppgaven krever bredere kunnskap, mer fleksibilitet eller kapasitet Koa ikke har.

Nvidia beskriver selv Nemotron som en familie av åpne modeller med tilgjengelige vekter, treningsdata og oppskrifter. Nvidias Nemotron-oversikt viser også verktøy for automatisk modellruting. Kombinasjonen er ganske åpenbar: bruk ikke den største og dyreste modellen på hvert eneste steg hvis en mindre, spesialisert modell gjør jobben godt nok.

Det er derfor jeg ikke leser Koa som en «modellkrig» med én vinner. Jeg leser den som et angrep på frontier-laboratorienes andel av regningen. De kan fortsatt levere den beste generelle modellen, men de får ikke nødvendigvis beholde de store mengdene enkle og repeterende kall.

Hva bør en bedrift måle før den velger Koa?

Bedriften bør måle kostnad per korrekt fullført arbeidsflyt, antall feilhandlinger og hvor ofte et menneske må rydde opp. Salesforces tre leverandørmål er en start, men egne data, regler og integrasjoner avgjør om Koa faktisk er bedre enn modellen som brukes i dag.

Lag derfor et testsett med virkelige, anonymiserte oppgaver og tydelige godkjenningskriterier. Mål om agenten velger riktig handling, bruker riktig kundekontekst, stopper når den mangler tillatelse og gir saken videre til et menneske på riktig tidspunkt. Test også lange samtaler, fordi det er der Salesforce hevder 15 prosent bedre kontekstminne.

Be om en tydelig pris før du sammenligner. En modell som bruker færre tokens kan fortsatt bli dyrere hvis plattformavgiften er høyere, den gjør flere verktøykall eller krever mer kontrollarbeid. Og ikke bytt bare fordi leverandørens benchmark ser pen ut. Kjør samme sak gjennom Koa og dagens modell, og mål sluttresultatet.

Koa er foreløpig et lovende pilotprodukt med flere ubesvarte spørsmål. Men retningen er viktig: åpne grunnmodeller gjør det mulig for selskapene som eier arbeidsflytene å bygge sin egen intelligens oppå dem. Hvis Koa leverer billigere og mer presist CRM-arbeid i praksis, har Salesforce og Nvidia funnet en langt mer effektiv måte å utfordre AI-laboratoriene på enn å slå dem i enda en generell modelltest.

Ofte stilte spørsmål