Salesforce presenta Koa: por qué un modelo de razonamiento para CRM cambia la evaluación del AI outbound

Salesforce presentó Koa como su primer modelo de razonamiento para CRM dentro de Agentforce. La compañía partió de NVIDIA Nemotron 3 Super y aplicó post-training con escenarios que representan tareas empresariales: generar y calificar leads, actualizar oportunidades, programar seguimientos, enrutar casos y usar herramientas a través de varios pasos.

El anuncio distingue modelo de agente. Koa no es un SDR digital completo ni una secuencia de ventas. Es la capa que razona y decide qué herramienta usar dentro de Agentforce. Hunter, el agente outbound que Salesforce presentó días antes, puede apoyarse en modelos y reglas para operar un proceso; Koa es una de las opciones de inteligencia que ejecutan ese razonamiento.

La disponibilidad también necesita precisión. El comunicado ubica Koa con clientes piloto seleccionados y prevé disponibilidad general durante el invierno de 2026 en regiones de Estados Unidos. Una fecha anunciada no equivale a capacidad disponible hoy en cada edición, país o instancia. La documentación contractual y el entorno del comprador mandan sobre la diapositiva.

NVIDIA describe Nemotron 3 Super como un modelo de 120 mil millones de parámetros totales y 12 mil millones activos, diseñado para razonamiento, uso de herramientas y workflows agénticos. Salesforce no lo entrenó desde cero. Según sus publicaciones, lo post-entrenó con aprendizaje supervisado y reinforcement learning para practicar tareas de CRM sobre una base ya capaz.

Salesforce afirma que el corpus específico de Koa usa escenarios sintéticos, no datos de clientes. Esos escenarios cubren más de 14 industrias y combinan persona, tarea, políticas, herramientas y una secuencia esperada de acciones. En el entrenamiento, un evaluador comprueba si el problema se resolvió y el modelo vuelve a intentar cuando falla.

La apuesta es razonable: un modelo general puede redactar una definición de lead calificado, pero una operación necesita aplicar pasos y límites de forma repetible. Sin embargo, especialización en patrones comunes de CRM no significa conocimiento automático del ICP, territorios, exclusiones, riesgo o economía de una empresa concreta. El modelo aprende una clase de trabajo; el comprador todavía debe escribir su contrato operativo.

Salesforce reporta que Koa iguala o supera a modelos líderes en acciones de CRM con tres veces menos errores. El comunicado atribuye el resultado a su propio CRM Benchmark, con tareas como actualizar una oportunidad, enrutar un caso o programar un seguimiento. Es un claim del proveedor sobre una evaluación diseñada por el mismo proveedor, no un resultado independiente aplicable a cualquier stack.

La página pública del benchmark explica dimensiones como exactitud, costo, velocidad, confianza y sostenibilidad. Para exactitud combina factualidad, completitud, concisión y seguimiento de instrucciones. No publica en las páginas consultadas el desglose completo necesario para reconstruir el claim de Koa: modelos comparados, tamaño de muestra, distribución por tarea, severidad de cada error y resultados específicos de lead qualification.

Por eso el dato sirve como razón para evaluar, no como ROI comprado por adelantado. Tres veces menos errores en una suite puede convivir con un fallo crítico en tu regla más importante. Si el agente contacta una cuenta con oportunidad activa, inventa una calificación o ejecuta una acción fuera de territorio, el promedio general ofrece poco consuelo.

Salesforce usa lead qualification como ejemplo de trabajo repetible: revisar definición, historial de cuenta, firmografía, umbral de routing y acción cuando el lead no califica. En outbound, esa cadena suele repartirse entre enriquecimiento, hojas, CRM, secuenciador y criterio del SDR. Una capa de razonamiento especializada podría reducir variación al conectar datos con la siguiente acción.

El cambio interesante no es que la AI produzca otro score. Es que deba explicar qué evidencia usó, aplicar la política correcta, actualizar el estado y detenerse cuando falta una herramienta o un dato. Salesforce dice que entrenó Koa para no fingir una acción cuando la herramienta necesaria no existe y para pedir información o escalar a una persona. Ese comportamiento debe probarse; no asumirse por aparecer en el diseño.

La postura de picos.Ai es separar cuatro decisiones: fit de cuenta, fit del contacto, fuerza y vigencia de la señal, y acción permitida. Un modelo puede ayudar a interpretar texto y ordenar evidencia. Las exclusiones —opt-out, cliente, oportunidad abierta, territorio bloqueado o dato sensible— deben vivir además como reglas deterministas fuera del prompt.

Para calificar de manera consistente, la empresa necesita definir qué cuenta entra, qué contacto puede actuar, qué señal caduca, qué evidencia mínima exige y qué evento crea una oportunidad. Si ventas, marketing y RevOps usan definiciones distintas, el modelo no encontrará una verdad escondida en el CRM. Automatizará el desacuerdo con mejor latencia.

Convierte criterios tácitos en campos y decisiones observables. Por ejemplo: employee_band dentro de rango; país permitido; rol con responsabilidad; tecnología confirmada por una fuente fechada; sin oportunidad activa; confidence superior al umbral interno; y resultado route_to_sdr, nurture, research o reject. No todos los casos deben terminar en outreach.

Conserva además la procedencia: source_url, observed_at, valor original, transformación y versión de la política. El razonamiento debe poder reconstruirse sin depender de una explicación elegante del modelo. Una traza útil muestra qué datos existían antes de la decisión, qué herramienta se llamó y qué registro cambió después.

Salesforce afirma que controla los pesos de Koa y ejecuta post-training e inferencia dentro de su trust boundary. También declara que no usó datos de clientes para entrenarlo y que datos y trazas del cliente no entrenan el modelo. Es una propuesta de gobernanza distinta a enviar cada tarea a una API general, pero no elimina la revisión de arquitectura, contrato y configuración.

El comprador debe confirmar región, retención, acceso administrativo, registros de auditoría, subprocesadores, cifrado, permisos y qué información llega a cada herramienta invocada. El modelo puede vivir dentro de una frontera mientras una acción posterior consulta otro sistema. El diagrama completo importa más que la ubicación de una sola caja.

Tampoco debe confundirse el modelo base abierto con Koa como producto controlado por el cliente. NVIDIA publica pesos y documentación de Nemotron 3 Super; Salesforce dice que controla los pesos post-entrenados de Koa y lo ofrece hospedado. Esa diferencia afecta portabilidad, evaluación y dependencia del proveedor.

Empieza en shadow mode. Reúne casos históricos sanitizados y representativos: leads aprobados, rechazados, ambiguos, duplicados, con oportunidad activa, señal caducada, cargo incorrecto y datos en conflicto. El modelo propone decisión y pasos, pero una persona o sistema de referencia conserva la acción real.

Define una rúbrica por dimensión: selección de fuentes, aplicación de la regla correcta, uso de herramientas, estado final, explicación, latencia y costo. Añade invariantes bloqueantes: nunca inventar un campo; nunca contactar a un suprimido; nunca modificar una oportunidad sin permiso; nunca confirmar una acción que la herramienta no ejecutó. Un buen promedio no compensa una falla de ese tipo.

Prueba también recuperación. Quita una herramienta, devuelve un timeout, entrega un dato contradictorio y cambia el owner a mitad del workflow. Comprueba si el sistema detiene, pide información, reintenta de forma segura o escala. El benchmark más útil no es el caso donde todo está disponible; es el momento en que la operación deja de parecerse a la demo.

En la capa de decisión mide precisión por clase, falsos positivos, falsos negativos, errores críticos, porcentaje enviado a revisión y acuerdo entre modelo y operador. En herramientas mide llamadas correctas, argumentos válidos, acciones confirmadas, reintentos, latencia y costo por lead procesado.

En negocio sigue el embudo por cohorte: contactos alcanzados, respuestas positivas, reuniones realizadas, reuniones calificadas, oportunidades aceptadas y pipeline. Conserva bajas, quejas, contactos indebidos y horas humanas de revisión. Un modelo puede reducir tiempo y, al mismo tiempo, empeorar qué cuentas llegan a ventas.

Para atribuir mejora, compara contra el proceso anterior con segmentos, periodos y capacidad equivalentes. Si cambia modelo, lista, oferta y volumen durante la misma semana, cualquier conclusión será decoración estadística. Una prueba controlada puede comenzar pequeña; lo que no puede comenzar es sin definición de éxito.

Koa confirma una tendencia: los proveedores están moviendo parte del trabajo desde modelos generales hacia modelos especializados, herramientas y políticas de dominio. Para outbound, esa dirección tiene sentido porque calificar, enrutar y detener son tareas más valiosas que producir veinte versiones de un opener.

El anuncio todavía deja preguntas abiertas. El claim central proviene de Salesforce, el detalle público del benchmark es insuficiente para reproducirlo y la disponibilidad permanece en piloto. Ninguna de esas cautelas vuelve irrelevante al producto; evita que una arquitectura prometedora se convierta en resultado imaginario.

picos.Ai puede construir una evaluación independiente para Agentforce, Koa u otro stack: gold set, reglas bloqueantes, shadow mode, trazas, métricas de herramienta y conexión hasta oportunidad. Si tu equipo quiere probar AI para calificación u outbound, usa el enlace Hablemos al final de esta página. Primero definimos qué decisión debe mejorar; después elegimos qué modelo merece tocarla.