ماذا حدث
في مؤتمر Dreamforce، أعلنت Salesforce عن إطلاق Koa، وهو نموذج لغة عمودي كبير تم تطويره بالتعاون مع NVIDIA. تم تدريب Koa لاحقًا باستخدام نموذج Nemotron ذو الوزن المفتوح من NVIDIA وتم تحسينه خصيصًا لمهام Salesforce CRM، مثل تحديث الفرص وجدولة المتابعات. تدعي Salesforce أن Koa تعمل على تحسين دقة استدعاء الأدوات بنسبة 11%، وتعزز موثوقية استدعاء السياق بمقدار 2.1 مرة، وتزيد ذاكرة المحادثة الطويلة بنسبة 15% مقارنة بمعاييرها الداخلية السابقة. ذكرت الشركة صراحةً أن Koa تم تدريبه باستخدام البيانات الاصطناعية بدلاً من بيانات العملاء الأولية لمعالجة مخاوف الخصوصية.
كشفت Salesforce النقاب عن Koa في مؤتمر Dreamforce، ووضعته كنموذج رأسي مصمم للتعامل مع سير عمل CRM محدد. تم تدريب النموذج لاحقًا على بنية الوزن المفتوح Nemotron الخاصة بـ NVIDIA.
وفقًا لتقييم CRM الداخلي لـ Salesforce، حققت Koa متوسطًا مرجحًا قدره 8.6، متخلفة عن OpenAI's GPT-5.5 (9.0) وClaude Opus 4.8 (8.7)، لكنها تفوقت على GPT-4.1 (8.1).
وأكدت Salesforce أن مجموعة التدريب الخاصة بـ Koa تتكون بالكامل من سيناريوهات تركيبية تحاكي سير عمل إدارة علاقات العملاء (CRM)، مؤكدة أنه لم يتم استخدام أي بيانات أولية للعملاء في هذه العملية. يهدف هذا النهج إلى معالجة مخاوف خصوصية البيانات التي ظهرت في صناعة الذكاء الاصطناعي الأوسع.
أعلنت الشركة أيضًا عن شراكة منفصلة ومتزامنة مع Anthropic تسمى "Claudeforce"، والتي تتيح للمستخدمين دمج Claude مباشرة في سير عمل Salesforce، مما يشير إلى استراتيجية هجينة تستخدم كلاً من النماذج الرأسية الخاصة والذكاء الاصطناعي الخارجي المتطور.
لماذا يهم
يمثل إطلاق Koa تحولًا استراتيجيًا لشركات SaaS التي تحاول تحقيق التوازن بين استخدام الذكاء الاصطناعي للأغراض العامة والحاجة إلى سيادة البيانات والتحكم في التكاليف. من خلال تطوير نموذج رأسي، تهدف Salesforce إلى التخفيف من مخاطر تسرب البيانات المرتبطة بموفري نماذج الطرف الثالث وتقليل الاعتماد على المدى الطويل على خدمات الذكاء الاصطناعي باهظة الثمن ومغلقة المصدر. تسلط هذه الخطوة الضوء على اتجاه الصناعة المتنامي نحو "الذكاء الاصطناعي السيادي للمؤسسات"، حيث تستفيد الشركات من النماذج مفتوحة الوزن وبيانات الأعمال الخاصة لإنشاء بنية تحتية متخصصة وفعالة من حيث التكلفة للذكاء الاصطناعي. تؤكد الشراكة أيضًا على استراتيجية NVIDIA الأوسع نطاقًا لتوفير سلاسل الأدوات الهندسية والنماذج اللازمة للمؤسسات لبناء حلول الذكاء الاصطناعي المخصصة الخاصة بها، مما قد يؤدي إلى تغيير المشهد التنافسي بين موفري SaaS ومختبرات الذكاء الاصطناعي.
يعكس تطوير Koa استراتيجية دفاعية وهجومية لمقدمي SaaS: من خلال بناء نماذج رأسية، فإنهم يحميون دورهم كبنية تحتية لا غنى عنها للعملاء الذين قد يتجاوزون شركات البرمجيات لبناء وكلاء الذكاء الاصطناعي الخاصين بهم.
ومن خلال تقليل الاعتماد على نماذج الذكاء الاصطناعي الخارجية ذات هامش الربح الإجمالي، تهدف Salesforce إلى تحسين هوامشها الخاصة وتمرير الفوائد إلى العملاء، مع معالجة مخاطر "الصندوق الأسود" المرتبطة بموفري نماذج الطرف الثالث في الوقت نفسه.
تشير مشاركة NVIDIA، بما في ذلك تأييد الرئيس التنفيذي Jensen Huang، إلى دفعة لتمكين شركات البرمجيات من أن تصبح "شركات ذكاء اصطناعي" من خلال توفير مجموعة الأجهزة والبرامج الضرورية، مما يؤدي بشكل فعال إلى توسيع تأثير NVIDIA إلى ما هو أبعد من العدد المحدود من مختبرات أبحاث الذكاء الاصطناعي الرئيسية.
الآلية التفاعلية: كيف تعمل فعليًا
استكشف التكنولوجيا الأساسية وراء هذا التطور بشكل تفاعلي.
Which component of an AI application is the machine-learning model itself?
ماذا تشاهد بعد ذلك
يجب على مراقبي الصناعة مراقبة ما إذا كانت شركات SaaS الأخرى قادرة على تكرار استراتيجية النموذج الرأسي لـ Salesforce بنجاح، نظرًا للمتطلبات الكبيرة لبيانات التدريب عالية الجودة والمواهب الهندسية المتخصصة. في حين أن Salesforce لديها الحجم الكافي لاستيعاب تكاليف ما بعد التدريب، فإن شركات البرمجيات الصغيرة قد تواجه عوائق أمام الدخول. بالإضافة إلى ذلك، لا يزال يتعين علينا رؤية التأثير طويل المدى على نهج "النموذج الهجين" - حيث تقوم المؤسسات بتوجيه المهام الموحدة إلى النماذج الرأسية مع الاحتفاظ بالاستدلال المعقد وعبر المجالات لنماذج مغلقة المصدر من الدرجة الأولى. إن تطور مجموعة المواهب في مرحلة ما بعد التدريب وإمكانية "إزالة NVIDIA" من قبل مختبرات الذكاء الاصطناعي الكبرى مثل Anthropic هي أيضًا عوامل رئيسية في هذا النظام البيئي المتغير.
يتمثل التحدي الرئيسي الذي يواجه الاعتماد الأوسع للنماذج الرأسية في ندرة المواهب المتخصصة القادرة على الحصول على تدريب عالي الجودة بعد التدريب، وهو مورد يتركز حاليًا في أفضل مختبرات الذكاء الاصطناعي.
تعتمد استدامة هذا النموذج على ما إذا كان طلب السوق على الذكاء الاصطناعي الرأسي يمكن أن يخفض تكاليف التطوير والتدريب، على غرار النمو التاريخي للنظام البيئي لتطوير تطبيقات الهاتف المحمول.
من المرجح أن تتحرك الصناعة نحو نموذج هجين حيث تقوم المؤسسات بتوجيه المهام الموحدة والحساسة للبيانات إلى النماذج الرأسية مثل Koa، مع الاستمرار في استخدام النماذج ذات الأغراض العامة للمهام المنطقية المعقدة والمتعددة المجالات.