Salesforce bouwt eigen AI-model Koa op Nvidia's Nemotron

TL;DR

• Wat: Salesforce heeft Koa gelanceerd, een eigen AI-model gebouwd op Nvidia's open-weight Nemotron-120B, specifiek getraind voor sales-, marketing- en klantenservicetaken.
• Waarom relevant: grote CRM-partijen bouwen nu eigen gespecialiseerde modellen — dat beïnvloedt welke AI-functies straks standaard in je bedrijfssoftware zitten.
• Wat je ermee kunt: inventariseer of jouw CRM-omgeving (Salesforce of niet) al AI-agenten aanbiedt voor taken die je team nu handmatig doet.

Salesforce heeft een eigen AI-model gepubliceerd onder de naam Koa. Het is gebouwd bovenop Nvidia's open-weight Nemotron-3-Super-120B en specifiek getraind om taken uit te voeren die je in sales, marketing en klantenservice tegenkomt. Ik vind dit interessant omdat het laat zien hoe groot de verschuiving is: softwarebedrijven nemen niet langer alleen AI van anderen af, ze bouwen hun eigen gespecialiseerde modellen.

Wat is Salesforce Koa precies?

Koa is wat je een gespecialiseerd taalmodel noemt. Het basismodel komt van Nvidia — het open-weight Nemotron-3-Super-120B — en Salesforce heeft daar vervolgens een extra trainingslaag overheen gelegd met een techniek die reinforcement learning heet. In gewone taal: het model heeft geleerd door te oefenen met bedrijfstaken en feedback te krijgen op wat goed ging en wat niet.

Wat mij opvalt is de manier waarop ze dat trainen aanpakken. Salesforce gebruikt hun eigen Agent Script — een taal waarmee je beschrijft wat een AI-agent moet kunnen — om automatisch trainingsscenario's te genereren. Denk aan: een klant belt met een retourverzoek, de agent moet het ordernummer opzoeken, het retourbeleid checken en een label aanmaken. Die hele keten wordt gesimuleerd, en het model leert door te oefenen met zulke scenario's.

Belangrijk detail: Salesforce zegt dat Koa uitsluitend getraind is op publieke en synthetisch gegenereerde data. Er is volgens het onderzoekspaper op arXiv geen klantdata gebruikt.

De benchmarks: wat zeggen de cijfers?

Salesforce heeft Koa getest op drie benchmarks en vergelijkt de resultaten met bekende modellen:

• Tau2Bench (klantenservice-taken over meerdere gespreksbeurten): Koa scoort 69,41 — dat is 14,9 punten hoger dan GPT-4.1.
• BFCL (tool-gebruik door AI-agenten): 66,63% voor Koa tegenover 53,96% voor GPT-4.1.
• CRM Bench (een eigen Salesforce-benchmark voor CRM-taken): 0,86 voor Koa, vlak onder Claude Opus 4.8 met 0,87.

Nu is het eerlijk om te zeggen: benchmarks vertellen niet het hele verhaal. Een score op een test is niet hetzelfde als een vlekkeloze uitvoering in de echte wereld met jouw klanten en jouw processen. Maar wat ik hier wél uit lees is dat een gespecialiseerd model op specifieke taken beter kan presteren dan een groot, algemeen model. Dat is een patroon dat we vaker zien en dat voor ondernemers relevant is.

Een kanttekening bij de vergelijking

Het onderzoeksteam merkt zelf op dat het basismodel (Nemotron-3-Super-120B) al een ronde reinforcement learning achter de rug had voordat Salesforce ermee aan de slag ging. Dat maakt het lastiger om precies te bepalen hoeveel van de prestatie aan Salesforce's eigen training te danken is. Ik waardeer het dat ze die beperking zelf benoemen.

Waarom bouwt Salesforce een eigen model?

Dat is de vraag die mij het meest bezighoudt. Salesforce werkt al samen met partijen als Anthropic — in augustus 2026 kondigden ze nog Claudeforce aan, een integratie van Claude in hun CRM. En eerder dit jaar werd Nvidia's Nemotron al beschikbaar gemaakt binnen Agentforce, het AI-agentplatform van Salesforce.

Waarom dan ook nog een eigen model? Ik denk dat het antwoord zit in controle en kosten. Als je een open-weight model neemt en het zelf finetunet voor jouw specifieke taken, ben je minder afhankelijk van externe API-providers. Je kunt het model draaien waar je wilt — ook in omgevingen met strenge datavereisten. En gespecialiseerde modellen zijn doorgaans goedkoper per bewerking dan grote frontier-modellen.

Voor Salesforce is dat logisch: ze bedienen honderdduizenden bedrijven. Elke besparing per API-call tikt door op die schaal.

Wat betekent dit voor de MKB-ondernemer?

Oké, Salesforce Koa is nu nog een onderzoekspublicatie. Je kunt het niet vandaag aanzetten in je CRM. Maar de richting is helder, en ik denk dat die richting ook voor kleinere bedrijven gevolgen heeft.

AI-agenten worden standaard in bedrijfssoftware

Salesforce is niet de enige. Microsoft bouwt Copilot-functies in Dynamics 365, HubSpot heeft Breeze, en kleinere CRM-partijen volgen. De trend is dat je CRM-systeem straks niet alleen data opslaat, maar ook taken uitvoert: een lead opvolgen, een servicevraag beantwoorden, een offerte samenstellen.

Stel dat je als ondernemer een webshop runt met twintig medewerkers. Je klantenserviceteam beantwoordt dagelijks dezelfde vragen over levertijden en retouren. Een AI-agent die die vragen kan afhandelen — op basis van jouw retourbeleid en orderdata — is geen sciencefiction meer. Het zit in de pijplijn van de softwarepakketten die je waarschijnlijk al gebruikt of overweegt.

De keuze verschuift

Wat mij betreft verschuift de vraag van "moet ik iets met AI?" naar "welk platform biedt de AI-functies die bij mijn bedrijf passen?". Salesforce mikt met Koa op enterprise, maar de technologie druppelt altijd door naar het MKB-segment. De MKB-pagina van Salesforce Nederland spreekt nu al over AI-agenten voor kleinere bedrijven.

Let op de data-vraag

Eén ding dat ik wil benadrukken: een AI-agent is zo goed als de data die je hem geeft. Als je klantgegevens verspreid staan over drie Excel-bestanden, een mailbox en een notitieboekje, dan kan het slimste model ter wereld daar weinig mee. De voorbereiding zit niet in het kiezen van een model, maar in het op orde brengen van je data.

Open-weight: een bewuste keuze

Koa is gebouwd op een open-weight model. Dat betekent dat de basisgewichten van het model openbaar beschikbaar zijn — andere bedrijven en onderzoekers kunnen het inspecteren, aanpassen en verbeteren. Dat is een verschil met volledig gesloten modellen zoals GPT-5.5.

Voor de markt is dit relevant: het laat zien dat open-weight modellen serieus genoeg zijn om enterprise-software op te bouwen. Nvidia investeert hier zwaar in met hun Nemotron-familie, en Salesforce valideert die strategie door er een productiemodel op te baseren.

Voor mij is dit vooral een signaal dat de AI-markt voor bedrijfssoftware volwassener wordt. We gaan van "kijk, AI kan een e-mail schrijven" naar gespecialiseerde modellen die getraind zijn op de specifieke taken die jouw team dagelijks doet. De vraag is niet meer óf dat komt, maar hoe snel — en of je data er klaar voor is.