Salesforce Koa: el modelo de IA entrenado con 27 años de CRM y cero datos de clientes
Salesforce Koa es el primer modelo de razonamiento que la compañía entrena para una sola cosa: ejecutar tareas de CRM. Se presentó en Dreamforce el 15 de septiembre, está construido sobre NVIDIA Nemotron 3 Super y la afirmación central es medible: comete tres veces menos errores que los modelos generales en acciones de CRM. Y no se entrenó con datos de ningún cliente.
Cómo se entrenó Salesforce Koa sin datos de clientes
Este es el punto técnico que vale la pena entender, porque es el que resuelve la objeción de siempre. Salesforce no metió las bases de datos de sus clientes al entrenamiento. Usó datos sintéticos: escenarios simulados construidos a partir de lo que la compañía aprendió en casi 27 años de implementaciones de CRM.
Cada escenario empareja un perfil de usuario con una tarea concreta y traza la secuencia de acciones que un agente debe ejecutar para completarla. El corpus cubre más de catorce industrias, entre ellas manufactura, servicios financieros, salud y viajes. Después, ese material se usa para post-entrenar el modelo base de NVIDIA.
La medición se hizo sobre un banco de pruebas propio de Salesforce, con tareas reales del oficio: actualizar una oportunidad, enrutar un caso, mover una etapa del embudo. Ahí es donde aparece el dato de los tres veces menos errores. Conviene subrayar que es un benchmark de la casa, así que mide bien lo que Salesforce considera importante y no necesariamente lo que mediría un tercero.
Marc Benioff lo explicó con una frase que resume el cambio: el conocimiento queda dentro del modelo, y eso corre completamente dentro de tu frontera de confianza. Jensen Huang, por NVIDIA, lo planteó desde su lado: los modelos abiertos Nemotron son la base para convertir décadas de experiencia empresarial en IA especializada.
Modelo pequeño y especializado contra modelo grande y general
Salesforce Koa es una apuesta a contracorriente del titular dominante. Mientras la industria discute modelos cada vez más grandes y más generales, aquí la tesis es la opuesta: un modelo que sabe menos del mundo pero mucho más de un oficio.
Tiene sentido económico. En una tarea de CRM no necesitas que el modelo sepa de poesía isabelina; necesitas que no se equivoque al cambiar el estado de un caso. Un modelo especializado es más barato de operar, más fácil de auditar y más predecible, que es exactamente lo que pide un área de sistemas antes de firmar.
Disponibilidad: hoy está en piloto con clientes seleccionados, y la disponibilidad general se espera para el invierno de 2026 en regiones de Estados Unidos. No se anunciaron precios. Los modelos de NVIDIA post-entrenados para Missionforce Operations llegan a clientes seleccionados en octubre.
Qué significa para América Latina
Es la plantilla, no el producto, lo que hay que mirar. Pocas empresas de la región van a entrenar un modelo propio. Pero la receta —tomar un modelo abierto, generar datos sintéticos a partir de tu experiencia de dominio y post-entrenar— es replicable a una escala mucho menor. Una consultora con quince años de implementaciones de facturación electrónica en Colombia tiene exactamente el mismo activo que Salesforce presume: conocimiento de proceso que nadie más tiene.
El dato sintético destraba el problema legal. La razón por la que muchos proyectos de IA en la región mueren en el área jurídica es que implican usar datos de clientes. Simular escenarios en vez de usar registros reales elimina esa conversación. Es más trabajo de diseño y menos trabajo de abogados.
Ojo con la fecha y la región. Disponibilidad general en invierno y en regiones de Estados Unidos significa que en LatAm esto va a llegar tarde, como suele pasar con las funciones de Agentforce. Si alguien te lo ofrece hoy en una propuesta comercial, vale la pena preguntar en qué región se va a ejecutar y desde cuándo.
Salesforce Koa: lo que queda por comprobar
La afirmación de los tres veces menos errores necesita verificación externa para valer algo fuera del material de marketing. Además, sin precios anunciados no se puede comparar con la alternativa obvia: usar un modelo general con buenas instrucciones y herramientas bien definidas.
Aun así, la dirección es clara y sirve incluso si Koa no despega. Después de dos años de comprar inteligencia general por token, las empresas están empezando a comprar modelos que saben hacer su trabajo. Ahí la ventaja competitiva deja de ser el tamaño del modelo y pasa a ser quién tiene los datos de proceso. Esa es una competencia bastante más abierta.
Sitios oficiales:
Anuncio de Salesforce ·
NVIDIA
Reportado por: Salesforce Ben — Verdict
Lee también:
La Agents API de OpenAI entra en beta pública
Nvidia cae y los hyperscalers suben tras el debate sobre frenar la IA
