Il modello è aperto e addestrato su dati sintetici, non sulle anagrafiche dei clienti reali
Ieri, 15 settembre, Salesforce ha presentato Koa, il suo primo modello di ragionamento per il CRM, costruito su NVIDIA Nemotron 3 Super. L’annuncio è arrivato sul palco della Dreamforce, con Jensen Huang. Ma il numero che conta non è il nome del modello. Secondo lo stesso Huang, i modelli aperti sono passati dal 30% di inizio 2025 a circa il 70% attuale. Non è una variazione da laboratorio: è il segnale che il baricentro dell’intelligenza artificiale applicata si sta spostando.
Il 70% che non ti aspetti da Salesforce
Se vendi software o pubblichi contenuti per imprese, questo ti riguarda. I dati citati da Huang descrivono un ecosistema, ma Salesforce li ha trasformati in una scelta di prodotto. Nel benchmark CRM Bench di Salesforce — una suite di compiti reali come aggiornare un’opportunità, instradare un caso o fissare un follow-up — Koa eguaglia o supera i modelli leader nelle azioni CRM con un terzo degli errori. È un benchmark interno, quindi va letto con cautela: non è un confronto indipendente. Però cambia la domanda: se un modello costruito in casa fa lo stesso lavoro sbagliando meno, perché continuare a dipendere da qualcun altro?
Prima di Koa, gli agenti di Salesforce indirizzavano i compiti di ragionamento a modelli di frontiera come Claude o ChatGPT. Con Koa il ragionamento può restare dentro casa. Non è solo una questione di prestazioni assolute, ma di controllo sui flussi di lavoro. Resta aperta la domanda: perché Salesforce, che poteva continuare a usare Claude o ChatGPT, ha costruito un modello suo?
Il paradosso del gigante CRM che non usa i dati dei clienti
Il dataset sintetico è il punto: non sono anagrafiche di clienti reali, ma esempi generati per insegnare al modello come si muove un flusso di lavoro CRM. Il modello è completamente aperto: pesi, dataset e ricette sono disponibili su Hugging Face e tramite NVIDIA NIM, quindi un’azienda può personalizzarlo e distribuirlo sulla propria infrastruttura privata.
Non usare i dati dei clienti non è un limite, è una scelta di posizionamento. Permette a Salesforce di offrire un modello addestrato sul proprio dominio senza esporsi ai problemi di privacy dei dati reali. Se Koa eguaglia o supera i leader con un terzo degli errori, che spazio resta ai modelli di frontiera che prima facevano da motore?
Chi perde quando il modello diventa tuo, e aperto
La risposta economica arriva dai fornitori di software, non dai laboratori di ricerca. Un’analisi di Constellation Research osserva che i fornitori di software stanno riducendo i costi di inferenza AI e migliorando l’accuratezza con il fine-tuning di modelli aperti sui propri dati di dominio. È esattamente il movimento di Salesforce: non acquistare l’accesso al modello migliore, ma addestrarlo sui flussi di lavoro che conosce meglio.
Il passo successivo è meno visibile ma più importante. Jayesh Govindarajan, EVP di Salesforce AI, ha spiegato a TechCrunch che Salesforce ha costruito «molti piccoli modelli linguistici specifici per attività», che fanno parte del portfolio di Agentforce. Non è un singolo modello a fare tutto: è una serie di modelli piccoli, specializzati, distribuiti nei flussi di lavoro.
Il contesto aiuta a leggere la strategia. Agentforce era nato nell’ottobre 2024 come prima piattaforma enterprise di AI agent. Nei dodici mesi successivi, l’azienda ha lavorato con migliaia di clienti attraverso quattro rilasci principali, fino al lancio di Agentforce 360 dello scorso ottobre, come raccontato in una nota Salesforce. La creazione di Koa si inserisce in una linea già avviata: accumulare asset di dominio, non dipendere da un modello altrui.
Per chi costruisce o integra AI in azienda, il messaggio è secco: il valore si sposta dal modello agli asset di dominio e ai flussi di lavoro che il modello serve. Koa è la prova che il CRM può smettere di essere cliente dei modelli altrui. Il punto non è se Koa sia migliore di un LLM generalista, ma quanto rapidamente il controllo dei flussi di lavoro diventerà il vero fossato.
