Salesforce Koa ने साबित किया कि एंटरप्राइज Tool Calling कारगर है: मार्केटिंग टीमों को आज क्या डिप्लॉय करना चाहिए

एंटरप्राइज मार्केटिंग वर्कफ़्लो अब सामान्य चैट कम्प्लीशन से कहीं आगे निकल चुके हैं। जब कोई कैम्पेन ऑटोमेशन एजेंट चलता है, तो वह केवल ईमेल कॉपी ड्राफ्ट नहीं कर सकता; उसे CRM में लीड स्कोर क्वेरी करना होता है, कस्टम एट्रिब्यूट्स का मिलान करना होता है, बाहरी वेयरहाउस में सप्रेशन लिस्ट चेक करनी होती है, और सटीक JSON सिंटैक्स के साथ वेबहुक पेलोड ट्रिगर करना होता है।

Salesforce AI Research ने अपनी तकनीकी रिपोर्ट, Salesforce Koa: An Enterprise Language Model for Agentic Tool Use में ठीक इसी सीमा का समाधान किया है। स्पेसिफिकेशन-संचालित कार्यों पर Group Relative Policy Optimization (GRPO) का उपयोग करके एक ओपन-वेट 120B फाउंडेशन मॉडल को पोस्ट-ट्रेन करके, Salesforce टीम ने CRMAgentBench पर 87% Task Success Rate हासिल किया, जिसने GPT-4.1 (82%) जैसे सामान्य फ्रंटियर बेसलाइन को पीछे छोड़ दिया।

हालाँकि कस्टम 120B पैरामीटर FP8 डिप्लॉयमेंट्स चलाने के लिए समर्पित GPU इन्फ्रास्ट्रक्चर की आवश्यकता होती है, फिर भी Koa के आर्किटेक्चरल इनसाइट्स ग्रोथ मार्केटर्स और ऑप्स इंजीनियर्स के लिए एक ब्लूप्रिंट प्रस्तुत करते हैं। आज प्रोडक्शन एजेंट बनाने वाली टीमों के लिए, उन एजेंटिक डिज़ाइन पैटर्न्स को OneMux unified API के माध्यम से Gemini 3.7 Flash जैसे हाई-स्पीड मॉडल्स के साथ जोड़ना बिना किसी क्लस्टर ओवरहेड के एंटरप्राइज-ग्रेड निष्पादन प्रदान करता है।

---

एंटरप्राइज टूल उपयोग के बारे में Salesforce Koa क्या साबित करता है

सामान्य फाउंडेशन मॉडल्स अक्सर CRM और मार्केटिंग टेक स्टैक्स के भीतर संघर्ष करते हैं क्योंकि वास्तविक वर्कफ़्लो में ओवरलैपिंग एक्शन, सख्त पैरामीटर टाइपिंग, और लाइव रिकॉर्ड्स के विरुद्ध हैलुसिनेशन के गंभीर परिणाम होते हैं।

Koa पेपर कई महत्वपूर्ण निष्कर्ष प्रस्तुत करता है जो सीधे मार्केटिंग ऑपरेशंस पर लागू होते हैं:

1. स्पेसिफिकेशन-संचालित परिवेश (Specification-Driven Environments): असंरचित मल्टी-टर्न डेटा के बजाय, Salesforce ने Agent Script से परिवेश तैयार किए—ये डिक्लेरेटिव ग्राफ़ हैं जो रूटिंग टॉपिक्स, टाइप्ड एक्शन इंटरफेस, और सब-एजेंट स्कोप्स को निर्दिष्ट करते हैं। इन्हें पर्सोना-संचालित सिम्युलेटेड कस्टमर रोलआउट्स में विस्तारित करने से यह सुनिश्चित हुआ कि पॉलिसी का मूल्यांकन स्टेटफुल टास्क पूर्णता पर किया गया।
2. ग्राउंडेड रिज़ॉल्यूशन रिवॉर्ड्स (Grounded Resolution Rewards): केवल इंटरमीडिएट सिंटैक्स चेक पर निर्भर रहने के बजाय, Koa की GRPO पाइपलाइन ने फ्रोजन कवरेज जज का उपयोग करके रोलआउट्स का मूल्यांकन किया। रिवॉर्ड्स हल किए गए व्यावसायिक उप-प्रश्नों के अनुपात के अनुसार तय किए गए, और यदि कोई समान टूल कॉल लगातार दोहराया गया तो शून्य रिवॉर्ड देकर डुप्लिकेट एक्शन को रोक दिया गया।
3. लक्षित इन-डोमेन अनुकूलन (Targeted In-Domain Adaptation): जबकि ओपन-डोमेन सुदृढ़ीकरण सीखने (RL) ने Tau2Bench और BFCL जैसे सार्वजनिक बेंचमार्क पर मामूली सुधार दिया, सीधे इन-डोमेन Salesforce CRM वितरण पर RL जारी रखने से मानव-लेबल वाले एंटरप्राइज डेटासेट्स पर आर्ग्युमेंट सटीकता और पूर्ण टूल-कॉल सफलता में तेजी से सुधार हुआ।

कस्टमर जर्नी प्रबंधित करने वाली मार्केटिंग टीम के लिए, यह एक स्पष्ट वास्तविकता को रेखांकित करता है: केवल मॉडल का आकार ही खराब API पेलोड को नहीं रोकता है। विश्वसनीय निष्पादन के लिए डिक्लेरेटिव टूल स्कीमा, डुप्लिकेट कॉल चेक, और रिस्पॉन्सिव फंक्शन रूटिंग के लिए डिज़ाइन किए गए मॉडल्स की आवश्यकता होती है।

---

आधुनिक मार्केटिंग टीमों के लिए Gemini 3.7 Flash क्यों उपयुक्त है

प्रत्येक ग्रोथ इंजीनियरिंग टीम कस्टम Nemotron-120B चेकपॉइंट को फाइन-ट्यून और होस्ट नहीं कर सकती है। उत्पाद टेलीमेट्री, लीड रिकॉर्ड्स और कंटेंट कैटलॉग्स को इनजेस्ट करने वाले मार्केटिंग स्टैक्स के लिए, Google का Gemini 3.7 Flash एक तेज़, लागत प्रभावी इन्फरेंस इंजन के रूप में कार्य करता है।

1. हाई-थ्रूपुट लीड रूटिंग और डेटा एनरिचमेंट

मार्केटिंग एजेंट अक्सर एसिंक्रोनस कतारों को प्रोसेस करते हैं: इनबाउंड फॉर्म सबमिशन को वर्गीकृत करना, फ़र्मोग्राफ़िक सिग्नल्स का मूल्यांकन करना, और HubSpot या Salesforce में वापस संरचित अपडेट लिखना। Gemini 3.7 Flash कैम्पेन डिलीवरी को रोके बिना बड़े बैच जॉब्स को पूरा करने के लिए आवश्यक तीव्र टोकन जनरेशन और कम लेटेंसी प्रदान करता है।

2. मल्टी-टच एट्रिब्यूशन के लिए बड़ी वर्किंग मेमोरी

Gemini 3.7 Flash में 1M टोकन संदर्भ विंडो शामिल है। मार्केटिंग एनालिटिक्स में, मल्टी-टच एट्रिब्यूशन के लिए अक्सर महीनों के अलग-अलग सेशन लॉग, ईमेल क्लिक हिस्ट्री और ग्राहक सहायता टिकटों को एक ही प्रॉम्प्ट में फीड करने की आवश्यकता होती है। संदर्भगत टाइमस्टैम्प को हटाने वाले आक्रामक वेक्टर प्रूनिंग पर निर्भर रहने के बजाय, मॉडल सीधे संरचित ग्राहक हिस्ट्री के व्यापक विस्तार को पार्स कर सकता है।

3. नेटिव फंक्शन कॉलिंग सटीकता

मार्केटिंग ऑपरेशंस डिटरमिनिस्टिक आउटपुट पर निर्भर करते हैं। चाहे Google Ads बिड API को क्वेरी करना हो या ईमेल सीक्वेंस स्टेज को अपडेट करना हो, अमान्य आर्ग्युमेंट्स निष्पादन को बाधित करते हैं। Gemini 3.7 Flash नेटिव स्ट्रक्चर्ड टूल कॉलिंग का समर्थन करता है, जिससे यह Koa आर्किटेक्चर द्वारा समर्थित पैरामीटर टाइपिंग को लागू करने के लिए बेहद उपयुक्त बन जाता है।

---

प्रोडक्शन प्राइसिंग और लागत विश्लेषण

ऑटोनॉमस आउटरीच या रीयल-टाइम वेब पर्सनलाइज़ेशन को स्केल करने वाली मार्केटिंग टीमों के लिए, टोकन खर्च तेजी से बढ़ता है। OneMux pricing के ज़रिए Gemini 3.7 Flash का उपयोग करने से ग्रोथ टीमों को पारदर्शी उपयोग ट्रैकिंग और आधिकारिक बेस दरों की तुलना में महत्वपूर्ण बचत मिलती है।

प्रकाशित मूल्य स्नैपशॉट

प्रकाशित कैटलॉग लिस्टिंग से 2026-10-15T10:20:07.502Z पर दर्ज किए गए मूल्य। मानक टोकन मूल्य प्रति 1,000,000 टोकन (1M) के अनुरूप हैं।

Gemini 3.7 Flash पर कैश रीड्स की आधिकारिक कीमत $0.075 प्रति 1M टोकन सूचीबद्ध है, जबकि OneMux कैश रीड मूल्य $0.01365 प्रति 1M टोकन है।

व्यावहारिक मार्केटिंग वर्कलोड गणना

प्रति माह 50,000 अकाउंट ऑडिट निष्पादित करने वाले एक मिड-मार्केट स्वचालित लाइफसाइकिल इंजन पर विचार करें:

• इनपुट: प्रति अकाउंट 12,000 टोकन (फ़र्मोग्राफ़िक डेटा, पिछले 5 यूज़र ट्रांसक्रिप्ट्स, ऐतिहासिक खरीदारी)।
• आउटपुट: प्रति अकाउंट 800 टोकन (संरचित JSON टैगिंग, कैम्पेन असाइनमेंट, पेलोड जनरेशन)।
• कुल वॉल्यूम: 600M इनपुट टोकन, 40M आउटपुट टोकन।

आधिकारिक Gemini 3.7 Flash बिलिंग:

• इनपुट: 600 × $0.75 = $450.00
• आउटपुट: 40 × $3.75 = $150.00
• कुल लागत: $600.00

OneMux Gemini 3.7 Flash बिलिंग:

• इनपुट: 600 × $0.1365 = $81.90
• आउटपुट: 40 × $0.6825 = $27.30
• कुल लागत: $109.20

OneMux का उपयोग करके, मार्केटिंग टीम इन्फरेंस खर्च में 81.8% की कमी के साथ समान वर्कलोड चलाती है, जिससे model catalogue में वैकल्पिक मॉडल्स के परीक्षण के लिए बजट सुरक्षित रहता है।

---

OneMux के साथ Koa-शैली टूल पाइपलाइन लागू करना

OneMux एक OpenAI-संगत रूटिंग इंटरफ़ेस प्रदान करता है। सख्त स्कीमा के साथ डिक्लेरेटिव टूल्स को कॉन्फ़िगर करके, मार्केटिंग डेवलपर्स कोड की कुछ पंक्तियों में Koa के टास्क-रूटिंग सिद्धांतों को दोहरा सकते हैं।

अपनी API कुंजी प्राप्त करने के लिए OneMux Quickstart Guide देखें, फिर Gemini 3.7 Flash को इनवोक करें:

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.onemux.net/v1",
    api_key=os.environ.get("ONEMUX_API_KEY"),
)

# Define declarative marketing tools following Koa's schema isolation
tools = [
    {
        "type": "function",
        "function": {
            "name": "update_lead_lifecycle_stage",
            "description": "Updates a prospect lifecycle stage in the marketing CRM.",
            "parameters": {
                "type": "object",
                "properties": {
                    "lead_id": {"type": "string"},
                    "lifecycle_stage": {
                        "type": "string",
                        "enum": ["marketing_qualified", "sales_accepted", "disqualified"]
                    },
                    "qualification_reason": {"type": "string"}
                },
                "required": ["lead_id", "lifecycle_stage", "qualification_reason"]
            }
        }
    }
]

response = client.chat.completions.create(
    model="gemini-3-7-flash",
    messages=[
        {
            "role": "system",
            "content": "You are an enterprise marketing ops router. You only execute verified transitions."
        },
        {
            "role": "user",
            "content": "Lead ID 98231 completed two product tours and booked an enterprise demo. Transition stage."
        }
    ],
    tools=tools,
    tool_choice="auto"
)

# Inspect the model call
tool_call = response.choices[0].message.tool_calls[0]
print(f"Action: {tool_call.function.name}")
print(f"Arguments: {tool_call.function.arguments}")

एक एकीकृत API के माध्यम से कॉल्स को सेंट्रलाइज़ करके, इंजीनियरिंग टीमें अपने पेलोड इन्फ्रास्ट्रक्चर को रिफैक्टर किए बिना फ्रंटियर मॉडल्स पर सिंगल-की स्पेंड विजिबिलिटी और फेलओवर क्षमताएं बनाए रखती हैं।

---

मार्केटिंग ऑपरेशंस के लिए व्यावहारिक सुझाव

1. डिक्लेरेटिव सब-टास्क अपनाएं: एक ही मॉडल कॉल से अकाउंट का विश्लेषण करने, कैम्पेन तैयार करने और अपडेट पुश करने के लिए न कहें। वर्कफ़्लो को डिटरमिनिस्टिक सब-एजेंट्स (उदा. Lead Verifier, Message Drafter, CRM Syncer) में विभाजित करें, जैसा कि Koa पेपर में दिखाया गया है।
2. डुप्लिकेट-कॉल सप्रेशन लागू करें: अनंत लूप बिलिंग को रोकें। यदि आपका एजेंट लगातार समान पैरामीटर्स के साथ उसी CRM एंडपॉइंट को कॉल करता है, तो उस टर्न को ड्रॉप करें और मानवीय समीक्षा के लिए फ़्लैग करें।
3. गति और रीज़निंग में संतुलन बनाएं: सिंक्रोनस एनरिचमेंट और ऑपरेशनल रूटिंग के लिए Gemini 3.7 Flash का उपयोग करें। जटिल नैरेटिव रणनीति और मल्टी-वेरिएबल एट्रिब्यूशन मॉडलिंग के लिए भारी रीज़निंग इंजनों को सुरक्षित रखें।

Sources

• Chen, Z., Niu, S., Liu, Y., Zhao, W., Prabhakar, A., Mehrotra, S., et al. (2026). Salesforce Koa: An Enterprise Language Model for Agentic Tool Use. arXiv:2609.15066v2. https://arxiv.org/html/2609.15066v2