اگر مدیر یک تیم فروش هستید و نگران نشت داده‌های حساس شرکت به سرورهای خارجی هستید، مدل جدید Koa دقیقاً برای حل این کابوس طراحی شده است. این مدل استدلالی (Reasoning Model) — شبیه شطرنج‌بازی که قبل از هر حرکت چند گام جلوتر را می‌بیند — اجازه می‌دهد پیچیدگی‌های تجاری بدون خروج داده‌ها از محیط سازمان مدیریت شود.
به گزارش خبرگزاری‌های فناوری، شرکت‌های Salesforce و Nvidia در تاریخ ۱۵ سپتامبر ۲۰۲۶ و در جریان کنفرانس Dreamforce، از مدل Koa پرده‌برداری کردند. این مدل برای انجام وظایف پیچیده سازمانی طراحی شده تا هزینه‌های گزاف مدل‌های پیشرو (Frontier Models) را حذف کند.
برای سال‌ها، کسب‌وکارها میان قدرت مدل‌هایی مثل GPT-4 و الزامات سخت‌گیرانه امنیتی گیر کرده بودند. همان‌طور که در تحلیل قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، بسیاری از شرکت‌ها از «درگاه‌های واسط» برای ارسال درخواست‌ها به تامین‌کنندگان خارجی استفاده می‌کردند که منجر به هزینه‌های بالای توکن و ریسک نشت داده می‌شد. Koa با ارائه یک جایگزین با وزن‌های باز (Open Weights) — یعنی مدل‌هایی که دستور پخت آن‌ها علناً منتشر شده و قابل میزبانی شخصی هستند — این معادله را تغییر می‌دهد.
مدل Koa بر پایه مدل Nemotron انویدیا ساخته شده و برای سه حوزه کلیدی بهینه‌سازی شده است:
- اتوماسیون فروش
- گردش‌های کاری بازاریابی
- حل مسائل پشتیبانی مشتریان
طبق اعلام جایش گووینداراجان، معاون ارشد هوش مصنوعی سلسفورس، برای حفظ حریم خصوصی، از داده‌های واقعی مشتریان در آموزش استفاده نشده است. در عوض، آن‌ها از داده‌های مصنوعی (Synthetic Data) برای شبیه‌سازی محیط‌های حرفه‌ای، از جمله مواجهه با مشتریان خشمگین، استفاده کردند.
از منظر فنی، تمرکز Koa بر «توکنومیکس» یا بهینه‌سازی هزینه است. کاری آن بریسکی، معاون نرم‌افزارهای هوش مصنوعی انویدیا، اشاره کرد که این معماری زمان تا نخستین توکن (Time to First Token) و هزینه‌های کلی استنتاج (Inference) — یعنی لحظه‌ای که مدل واقعاً جواب تولید می‌کند و شبیه خودِ آشپزی است، نه دوره‌ی آموزش آشپز — را کاهش می‌دهد. این بهینه‌سازی در لایه‌ی استنتاج، یادآور قابلیت‌های معماری Triton انویدیا در مدیریت جریان‌های داده است که سرعت پاسخ‌دهی مدل‌ها را در مقیاس سازمانی افزایش می‌دهد. این یعنی پلتفرم Agentforce می‌تواند استدلال‌های چندمرحله‌ای را داخلی مدیریت کند و نیازی به ارسال درخواست به Claude یا ChatGPT نباشد.
این حرکت نشان‌دهنده شکافی است که میان پژوهش‌های عمومی و نیازهای تجاری ایجاد شده است. در حالی که آزمایشگاه‌های بزرگ به دنبال حل مسائل پیچیده ریاضی هستند، سلسفورس روی منطق‌های تکراری کسب‌وکار تمرکز کرده تا هزینه استقرار عامل‌های (Agents) هوش مصنوعی در مقیاس وسیع را پایین بیاورد.
با این حال، سلسفورس ارتباطش را با غول‌ها قطع نکرده است. این شرکت هم‌زمان ClaudeForce را معرفی کرد؛ همکاری با Anthropic که به کاربران اجازه می‌دهد از مدل Claude به عنوان رابط استفاده کنند، در حالی که داده‌ها در زیرساخت امن سلسفورس باقی می‌مانند.
گام بعدی شما
- اگر از Agentforce استفاده می‌کنید، مدل Koa را برای وظایف تکراری فروش جایگزین مدل‌های خارجی کنید تا هزینه توکن‌ها را کاهش دهید.
- بررسی کنید که آیا گردش‌های کاری شما نیاز به استدلال عمیق دارند یا با مدل‌های تخصصی‌تر و ارزان‌تر مثل Koa قابل مدیریت هستند.
- تغییرات در هزینه‌های استنتاج مدل‌های بازمتن در برابر مدل‌های بسته را رصد کنید.
اما اثر این رویکرد «هوش مصنوعی حاکمیتی» بر سایر ارائه‌دهندگان CRM و ERP حتی جذاب‌تر است — به تحلیل ما درباره‌ی رقابت مدل‌های باز و بسته در محیط B2B مراجعه کنید.
گفتگو