Salesforce stelde vorige week dat AI-modellen minder relevant worden, dat het meer en meer gaat om de data, de context en de juiste acties (workflows) om tot een eindresultaat te komen. Dat is iets waar ze al meer dan een jaar naartoe werken. Toch zien we zaken gebeuren bij Salesforce die haaks staan op dat gedachtegoed. Een partnership met Anthropic om Claude het standaardmodel te maken, en nu de introductie van een eigen AI-model. Is dat niet tegenstrijdig?
Samen met Nvidia heeft Salesforce een eigen AI-model geïntroduceerd, een zogenaamd CRM reasoning model met de naam Koa. Dit model is gebaseerd op Nvidia’s open Nemotron model waar Salesforce een grote hoeveelheid synthetische data en CRM-processen aan heeft toegevoegd op basis van de 27 jaar aan CRM-ervaring.
Claude en Claudeforce
Vorige maand introduceerde Salesforce een groot partnership met Claude. Zo kwam Claudeforce beschikbaar, waarmee je direct vanuit Claude kan koppelen met Salesforce en data kan raadplegen. Claude wordt echter ook gebruikt door de Atlas Reasoning Engine, Agentforce Vibes, Slackbot, Slack AI, etc. Anthropic is daarmee een zeer belangrijke partner voor Salesforce. Claude is krachtiger en beter dan de modellen die eerder werden gebruikt door Salesforce.
Trusted Enterprise AI Harness maakt AI-model minder belangrijk
Vervolgens kwam Salesforce vorige week met de Salesforce Trusted Enterprise AI Harness. Zoals wij het zien is dat een deterministische laag (Harness) die ervoor zorgt dat acties, context, beveiliging en de AI-modellen op de juiste manier samenkomen om acties uit te voeren op het Salesforce platform.
Een van de belangrijkste uitspraken bij de introductie van de AI Harness kwam van Rohan Kumar, president Chief Platform en Engineering Officer: “De Agentic Enterprise zal niet worden gedefinieerd door het model dat je als bedrijf kiest. Modellen blijven veranderen en intelligentie zal overal beschikbaar zijn. Wat je als bedrijf onderscheidt, is de betrouwbare eigen context die je aan die intelligentie toevoegt.”
Dus aan de ene kant is het AI-model minder belangrijk, aan de andere kant sluit Salesforce een mega partnership met Claude en introduceert het een eigen AI-model dat het samen met Nvidia heeft gebouwd.
Koa is het eigen CRM AI-model
Als AI-modellen minder belangrijk zijn, waarom dan toch een eigen AI-model? Het persbericht stelt dat veel AI-modellen tekortschieten bij het uitvoeren van CRM-acties. Koa zou volgens Salesforce “de leidende AI-modellen evenaren of overtreffen qua prestaties”. Als we echter in de cijfers duiken en hun research paper dat een dag voor het persbericht is gepubliceerd, dan klopt dat niet helemaal. Koa “presteert beter dan de proprietary baseline (GPT-4.1), maar onder de krachtigste frontier-modellen”. Op CRM Bench scoort Koa (0,86) beter dan GPT-4.1 (0,81), ongeveer gelijk aan Opus 4.8 (0,87), maar onder GPT-5.5 (0,90). Opvallend genoeg werd Opus 5 niet meegenomen in de testen.
Kijken we naar Tau2Bench dat end-to-end klantenservice gesprekken meet ligt Koa nog wel ruim achter op de concurrentie. Koa scoort hier 69,41 punten tegen GPT-5.5 met 83,99 en Claude Opus 4.8 met 74,00 punten. Het model maakt tot op zekere hoogte dus nog wel degelijk uit voor het eindresultaat, waarom dan toch Koa? Het antwoord is eenvoudig en dat is het prijskaartje.
AI Harness is modelselectie en Koa is een kostenbesparing
Organisaties die fors investeren in AI weten dit al, AI kan je organisatie veel efficiënter en beter maken. AI kan echter ook heel snel veel geld kosten als het massaal gebruikt wordt. Salesforce heeft miljoenen gebruikers op zijn platformen die zorgen voor een enorme hoeveelheid tokengebruik. Daar hangt een gigantisch prijskaartje aan en daar komt Koa om de hoek kijken en tokenomics. Tokenomics is simpelweg het juiste model kiezen om de minste tokens te gebruiken en kosten te maken.
Als je nu een enorm uitgebreid en rommelig klantenservicegesprek met AI moet analyseren dan is Claude op dit moment voor Salesforce de beste keuze. Feit is echter dat er ook enorm veel eenvoudige gesprekken en vragen zijn waar AI voor nodig is, maar Claude pure overkill is. Als Salesforce die met Koa kan wegwerken in plaats van met Claude scheelt dat enorm veel kosten.
Koa is samen met Nvidia ontwikkeld en gebaseerd op Nemotron-3-Super-120B-A12B, dit is een model met 120 miljard parameters waarvan er 12 miljard actief zijn per token. Daarnaast is het een open-weight model met een open licentie. Het draaien van dit model is vele malen goedkoper dan een frontier model en Salesforce hoeft niets te betalen aan Nvidia voor de licentie of het gebruik van Koa. Nvidia geeft dit model gewoon gratis weg. Nvidia doet dit omdat Salesforce wel moet investeren in AI-hardware om Koa te trainen, maar ook om Koa in productie te draaien. Salesforce kan dat doen door zelf datacenters op te zetten met Nvidia-chips of door AI-capaciteit te huren bij een van de vele AI-datacenters. Nvidia gaat er simpelweg meer chips door verkopen.
Tokenomics
Salesforce presenteert Koa als een innovatief CRM-model. In onze optiek is het gewoon tokenomics en daar is niets mis mee. AI zorgt voor enorme kosten en als het AI Harness goed werkt en het juiste model kiest voor de juiste actie is dat niet alleen goedkoper, maar ook duurzamer.
Als we het vergelijken met normale bedrijfsprocessen is het ook logisch, je laat de slimste medewerker of meest senior engineer, die als het goed is een stuk duurder is dan de junior en minder ervaren medewerker, ook niet de eenvoudige vragen beantwoorden binnen je organisatie.
Als AI-model het verschil maakt, hoe belangrijk zijn data, context en acties dan?
Door de overname van Fin lijkt het erop dat data, context en acties helemaal niet zo relevant zijn. Fin is in staat om gemiddeld 76 procent van de customer service tickets autonoom weg te werken. Salesforce had hier al Casey voor, een AI-agent die ook autonoom customer service tickets kan oplossen. Casey kan naar verluidt niet tippen aan de 76 procent van Fin om tickets autonoom weg te werken.
Fin leunt niet op data en context of een frontier model, maar op eigen speciaal ontwikkelde Fin Apex-modellen om zijn tickets op te lossen. Dit terwijl Casey dus meer op data en context leunt van het Salesforce platform. Salesforce moet enorm onder de indruk zijn geweest, gezien de overname van 3,6 miljard dollar. Hierdoor zou je kunnen stellen dat data en context niet zo belangrijk zijn zolang je een geavanceerd model gebruikt. Maar als je naar het volledige plaatje kijkt, kunnen we hier een parallel trekken met Koa, een eigen model is een stuk goedkoper dan een frontier model.
Daarmee komen we terug op tokenomics, hoe optimaler de dataset, context en acties, des te minder tokens er nodig zijn. Dat kan Salesforce nu combineren met een optimaal model in de vorm van Fin Apex, daarmee heeft het het volledige plaatje in handen. Daarnaast zorgen deze optimalisaties ook voor meer snelheid, wat voor live-gesprekken weer enorm van belang is.
De toekomst van Fin en Casey is dan ook eenvoudig, Fin is enorm goed in het maximale resultaat halen uit de eigen AI-modellen, terwijl Casey goed is om de data en context te optimaliseren. Door die twee werelden te combineren, heeft Salesforce straks enorm goede customer service agents in handen.
De toekomst van Salesforce’s AI-agents
Terugkomend op de uitspraak van Rohan Kumar, over hoe belangrijk data, context en de juiste acties zijn, en dat die belangrijker zijn dan het AI-model. Dat is de hele visie en het gedachtegoed waar Salesforce zijn strategie op gestoeld heeft.
Aan die visie en strategie mankeert niets, we zien dit industriebreed gebeuren dat bedrijven druk bezig zijn om de input richting AI te optimaliseren. Ook is tokenomics een breed gedragen onderwerp om het juiste AI-model te selecteren bij de juiste actie. Veel grote vendoren doen exact hetzelfde als Salesforce op dit gebied.
Het is wel veelzeggend dat Salesforce miljarden neertelt voor een bedrijf dat zijn voorsprong te danken heeft aan een eigen domeinspecifiek model en niet aan data en context optimalisatie. Dat staat op het eerste gezicht haaks op de Salesforce-visie. Tegelijk is het exact dezelfde conclusie die Salesforce met Koa heeft getrokken. Voor een afgebakend domein loont het om zelf een model te trainen ten opzichte van frontier modellen. Het komende jaar zal het bedrijf moeten bewijzen dat het die twee werelden ook echt kan combineren.
Waar Salesforce de plank een beetje heeft misgeslagen is in de communicatie de afgelopen weken. Alle aankondigingen zijn los van elkaar de wereld in geslingerd zonder naar het geheel te kijken. Hierdoor leek de boodschap over AI-modellen volledig tegenstrijdig te zijn ten opzichte van het harness-verhaal en de eerder gecommuniceerde strategie rondom context. Er zit echter een veel dieper verhaal achter wat niet besproken is, omdat het wat technischer is. Hopelijk hebben wij hier nu de duiding aangegeven die hiervoor noodzakelijk was.