무슨 일이 일어났나요?
Dreamforce 컨퍼런스에서 Salesforce는 NVIDIA와 협력하여 개발한 수직형 대형 언어 모델인 Koa의 출시를 발표했습니다. Koa는 NVIDIA의 개방형 Nemotron 모델을 사용하여 사후 교육을 받았으며 특히 기회 업데이트 및 후속 조치 예약과 같은 Salesforce CRM 작업에 최적화되어 있습니다. Salesforce는 Koa가 이전 내부 벤치마크에 비해 도구 호출 정확도를 11% 향상시키고, 컨텍스트 리콜 신뢰성을 2.1배 향상시키며, 장시간 대화 메모리를 15% 증가시킨다고 주장합니다. 회사는 Koa가 개인 정보 보호 문제를 해결하기 위해 원시 고객 데이터가 아닌 합성 데이터를 사용하여 교육을 받았다고 명시적으로 밝혔습니다.
Salesforce는 Dreamforce 컨퍼런스에서 Koa를 공개하여 특정 CRM 워크플로우를 처리하도록 설계된 수직 모델로 포지셔닝했습니다. 이 모델은 NVIDIA의 Nemotron 개방형 아키텍처에서 사후 훈련되었습니다.
Salesforce 내부 CRM 벤치 평가에 따르면 Koa는 가중 평균 점수 8.6점을 획득하여 OpenAI의 GPT-5.5(9.0)와 Claude Opus 4.8(8.7)에 뒤졌지만 GPT-4.1(8.1)보다 우수한 성능을 보였습니다.
Salesforce는 Koa의 교육 코퍼스가 전적으로 CRM 워크플로우를 시뮬레이션하는 합성 시나리오로 구성되어 있으며 프로세스에서 원시 고객 데이터가 사용되지 않았다고 강조했습니다. 이 접근 방식은 광범위한 AI 산업에서 표면화된 데이터 개인 정보 보호 문제를 해결하기 위한 것입니다.
회사는 또한 사용자가 Claude를 Salesforce 워크플로에 직접 통합할 수 있는 'Claudeforce'라는 Anthropic와의 별도의 동시 파트너십을 발표하여 독점 수직 모델과 외부 최첨단 AI를 모두 활용하는 하이브리드 전략을 제안했습니다.
왜 중요한가요?
Koa의 출시는 범용 AI 사용과 데이터 주권 및 비용 제어 요구 사이의 균형을 맞추려는 SaaS 회사의 전략적 변화를 나타냅니다. 수직적 모델을 개발함으로써 Salesforce는 타사 모델 제공업체와 관련된 데이터 유출 위험을 완화하고 값비싼 비공개 소스 AI 서비스에 대한 장기적인 의존도를 줄이는 것을 목표로 합니다. 이러한 움직임은 기업이 개방형 모델과 독점 비즈니스 데이터를 활용하여 전문적이고 비용 효율적인 AI 인프라를 구축하는 'Enterprise Sovereign AI'에 대한 업계 추세가 커지고 있음을 강조합니다. 또한 이번 파트너십은 기업이 자체 맞춤형 AI 솔루션을 구축하는 데 필요한 엔지니어링 툴체인과 모델을 제공하여 잠재적으로 SaaS 제공업체와 AI 연구소 간의 경쟁 환경을 변화시키려는 NVIDIA의 광범위한 전략을 강조합니다.
Koa의 개발은 SaaS 제공업체에 대한 방어적이고 공격적인 전략을 반영합니다. 수직적 모델을 구축함으로써 소프트웨어 회사를 우회하여 자체 AI 에이전트를 구축할 수 있는 클라이언트를 위한 필수 인프라로서의 역할을 보호합니다.
Salesforce는 총 이익이 높은 외부 AI 모델에 대한 의존도를 줄여 자체 마진을 개선하고 고객에게 혜택을 전달하는 동시에 타사 모델 제공업체와 관련된 '블랙박스' 위험을 해결하는 것을 목표로 합니다.
CEO Jensen Huang의 지지를 포함하여 NVIDIA의 참여는 필요한 하드웨어 및 소프트웨어 스택을 제공함으로써 소프트웨어 회사가 'AI 회사'가 될 수 있도록 하고 제한된 수의 주요 AI 연구소를 넘어 NVIDIA의 영향력을 효과적으로 확장하려는 추진을 의미합니다.
대화형 메커니즘: 실제로 작동하는 방식
이 개발의 이면에 있는 기본 기술을 대화식으로 살펴보세요.
Which component of an AI application is the machine-learning model itself?
다음에 무엇을 볼 것인가
업계 관찰자들은 고품질 교육 데이터와 전문 엔지니어링 인재에 대한 중요한 요구 사항을 고려할 때 다른 SaaS 회사가 Salesforce의 수직 모델 전략을 성공적으로 복제할 수 있는지 여부를 모니터링해야 합니다. Salesforce는 교육 후 비용을 흡수할 수 있는 규모를 갖추고 있지만 소규모 소프트웨어 회사는 진입 장벽에 직면할 수 있습니다. 또한 기업이 표준화된 작업을 수직 모델로 라우팅하는 동시에 최상위 비공개 소스 모델에 대한 복잡한 도메인 간 추론을 유지하는 '하이브리드 모델' 접근 방식에 대한 장기적인 영향은 아직 밝혀지지 않았습니다. 사후 교육을 위한 인재 풀의 진화와 Anthropic와 같은 주요 AI 연구소의 추가 'NVIDIA-izing' 가능성도 이러한 변화하는 생태계의 핵심 요소입니다.
수직적 모델을 보다 광범위하게 채택하기 위한 주요 과제는 현재 최고의 AI 연구소에 집중되어 있는 리소스인 고품질 사후 교육을 수행할 수 있는 전문 인재가 부족하다는 것입니다.
이 모델의 지속 가능성은 모바일 앱 개발 생태계의 역사적 성장과 유사하게 수직형 AI에 대한 시장 수요가 개발 및 교육 비용을 낮출 수 있는지 여부에 따라 달라집니다.
업계는 기업이 표준화되고 데이터에 민감한 작업을 Koa와 같은 수직 모델로 라우팅하는 동시에 복잡한 도메인 간 추론 작업을 위해 범용 모델을 계속 활용하는 하이브리드 모델로 전환할 가능성이 높습니다.