무료 온라인 액세스 Salesforce.Agentforce-Specialist.v2025-05-20.q77 모의 시험 (Page 12)

Agentforce-Specialist 문제 51

Universal Containers(UC)는 프로덕션에 배포하기 전에 에이전트의 효과성, 안정성 및 신뢰성을 보장하고자 합니다. UC는 대량의 반복 가능한 발화를 효율적으로 테스트하고자 합니다.
Agentforce 전문가는 무엇을 추천해야 할까요?

A. 에이전트 대규모 언어 모델(LLM) UI를 활용하고 에이전트를 활성화하기 전에 다양한 발화로 UC의 에이전트를 테스트합니다.

B. QA 샌드박스 환경에 에이전트를 배포하고 Utterance Analysis 보고서를 검토하여 효과를 검토합니다.

C. 테스트 템플릿을 사용하여 Agentforce Testing Center에서 UC 테스트 케이스가 포함된 CSV 파일을 만듭니다.

정답: C

포괄적이고 자세한 심층 설명: Universal Containers(UC)의 목표는 대량의 반복 가능한 발화를 효율적으로 처리하는 데 중점을 두고 프로덕션 배포 전에 Agentforce 에이전트의 효과성, 안정성 및 신뢰성을 테스트하는 것입니다. 이 요구 사항과 Salesforce의 공식 Agentforce 도구 및 모범 사례에 대해 각 옵션을 평가해 보겠습니다.
* 옵션 A: 에이전트 대형 언어 모델(LLM) UI를 활용하고 에이전트를 활성화하기 전에 다양한 발화로 UC 에이전트를 테스트합니다. Agentforce는 고급 추론 기능(Atlas Reasoning Engine에서 구동)을 활용하지만, Salesforce 문서에는 에이전트 테스트를 위한 특정 "에이전트 대형 언어 모델(LLM) UI"가 참조되어 있지 않습니다. LLM 인터페이스 내에서 발화를 직접 테스트하는 것은 수동 실험을 의미할 수 있지만, 이 방법은 많은 수의 발화에 대한 확장성과 반복성이 부족합니다. 체계적인 평가보다는 개별 응답에 대한 임시 테스트에 더 적합하므로 UC의 요구 사항에 비효율적입니다.
* 옵션 B: QA 샌드박스 환경에 에이전트를 배포하고 UtteranceAnalysis 보고서를 검토하여 효과를 검토합니다. QA 샌드박스에 에이전트를 배포하는 것은 개발 라이프사이클에서 유효한 단계입니다. 샌드박스를 사용하면 라이브 데이터에 영향을 주지 않고 프로덕션과 유사한 환경에서 테스트할 수 있습니다.
그러나 "발언 분석 보고서"는 Agentforce 문서의 표준 용어가 아닙니다. Salesforce는 배포 후 분석을 위해 Agent Analytics 또는 User Utterances 대시보드와 같은 도구를 제공하지만, 이는 배포 전 테스트보다 라이브 성능을 모니터링하는 데 더 중점을 둡니다. 이 옵션은 배포 전에 대량의 반복 가능한 발화를 효율적으로 테스트하는 방법을 명확하게 다루지 않아 UC 요구 사항에 대한 정확도가 떨어집니다.
* 옵션 C: Agentforce Testing Center에서 테스트 템플릿을 사용하여 UC의 테스트 사례가 포함된 CSV 파일을 만듭니다. Agentforce Testing Center는 자율 AI 에이전트를 테스트하기 위해 특별히 설계된 Agentforce Studio 내의 전용 도구입니다. Salesforce 설명서에 따르면 Testing Center를 사용하면 제공된 템플릿을 사용하여 테스트 사례(예: 발화 및 예상 결과)가 포함된 CSV 파일을 업로드할 수 있습니다. 이를 통해 수백 개의 합성 상호 작용을 병렬로 생성하고 실행하여 실제 시나리오를 시뮬레이션할 수 있습니다. 이 도구는 에이전트가 발화를 해석하고, 주제를 선택하고, 작업을 실행하는 방식을 평가하여 반복에 대한 자세한 결과를 제공합니다. 이는 효율성(CSV를 통한 대량 테스트), 반복성(표준화된 테스트 사례) 및 안정성(체계적 검증)에 대한 UC의 요구 사항과 완벽하게 일치하여 에이전트가 프로덕션에 적합하도록 보장합니다. 이는 공식 지침에 따라 권장되는 접근 방식입니다.
옵션 C가 올바른 이유: Agentforce Testing Center는 에이전트의 사전 배포 검증을 위해 명시적으로 구축되었습니다. 사용자가 발언이 포함된 CSV를 업로드할 수 있도록 하여 대량 테스트를 지원하며, 이는 Atlas Reasoning Engine에서 처리되어 정확성과 신뢰성을 평가합니다. 이 방법을 사용하면 UC가 대규모 데이터 세트를 체계적으로 테스트하고, 결과에 따라 에이전트 지침이나 주제를 정제하고, 에이전트의 성과에 대한 신뢰를 구축할 수 있습니다. 이 모든 것이 프로덕션 배포 전에 이루어집니다. 이는 Agentforce 설정 설명서와 Trailhead 모듈에서 언급된 대로 Salesforce가 비결정적 AI 시스템을 효율적으로 테스트하는 데 중점을 두는 것과 일치합니다.
참고문헌:
* Salesforce Trailhead: Salesforce Agentforce 전문가 인증 준비 시작하기 - 합성적 상호 작용을 통해 에이전트를 테스트하기 위해 Agentforce Testing Center를 사용하는 방법을 자세히 설명합니다.
* Salesforce Agentforce 문서: Agentforce Studio > 테스트 센터 - 병렬 테스트를 위해 테스트 사례가 포함된 CSV 파일을 업로드하는 방법을 설명합니다.
* Salesforce 도움말: Agentforce 설정 > 자율 AI 에이전트 테스트 - 에이전트 효과성과 안정성을 배포 전에 검증하려면 테스트 센터를 권장합니다.

Agentforce-Specialist 문제 52

Universal Containers(UC)는 표준 기반 모델을 활용하는 즉각적인 템플릿을 구현할 계획입니다.
Prompt Builder에서 프롬프트 템플릿을 만들 때 UC는 무엇을 고려해야 합니까?

A. LLM의 맥락 이해도를 테스트하기 위해 프롬프트 내에 객관식 질문을 포함합니다.

B. LLM에 대한 더 많은 맥락을 제공하기 위해 프롬프트 템플릿에서 캐릭터로 역할극을 하도록 요청합니다.

C. 단어 선택, 강조 표현, 이모티콘, 구두점 등 다양한 글쓰기 스타일을 사용하여 데이터로 LLM을 훈련합니다.

정답: B

포괄적이고 자세한 심층 설명: UC는 표준 기반 모델(예: Atlas Reasoning Engine을 통해)을 갖춘 Prompt Builder를 사용하고 있습니다. 프롬프트 설계를 위한 모범 사례를 평가해 보겠습니다.
* 옵션 A: 프롬프트에 객관식 질문을 포함하여 LLM의 맥락 이해를 테스트합니다. 프롬프트 템플릿은 객관식 질문으로 LLM을 테스트하기 위한 것이 아니라 응답을 생성하기 위해 설계되었습니다. 이 접근 방식은 비실용적이며 Prompt Builder의 목적에 맞지 않아 잘못된 것입니다.
* 옵션 B: LLM에 더 많은 맥락을 제공하기 위해 프롬프트 템플릿에서 캐릭터로 롤플레잉하도록 요청합니다. 프롬프트 빌더에서 중요한 고려 사항은 명확하고 맥락이 풍부한 프롬프트를 만드는 것입니다. LLM에 역할을 채택하도록 지시하면(예: "영업 전문가로 행동") 맥락이 향상되고 특히 표준 모델에서 UC의 요구 사항에 맞게 응답이 조정됩니다. 이는 출력 관련성을 개선하기 위한 문서화된 모범 사례이므로 정답입니다.
* 옵션 C: 단어 선택, 강조, 이모티콘, 구두점을 포함한 다양한 쓰기 스타일을 사용하여 데이터로 LLM을 훈련합니다. Agentforce의 표준 기초 모델은 사전 훈련되어 있으며 사용자가 훈련할 수 없습니다. Prompt Builder 사용자는 LLM 자체가 아니라 프롬프트를 정제하므로 이는 잘못된 것입니다.
옵션 B가 옳은 이유: 롤플레잉은 표준 모델에 대한 맥락을 강화합니다. 이는 Salesforce 가이드라인에 따라 효과적인 출력을 위한 Prompt Builder에서 권장되는 기술입니다.
참고문헌:
* Salesforce Agentforce 문서: 프롬프트 빌더 > 모범 사례 - 역할 기반 컨텍스트를 권장합니다.
* 시작점: Agentforce에서 프롬프트 템플릿 구축 - 명확성을 위해 롤플레잉을 강조합니다.
* Salesforce 도움말: 프롬프트 디자인 팁 - 상황에 맞는 역할 제안.

Agentforce-Specialist 문제 53

Einstein Studio에서 커스텀 리트리버를 만들 때, 어떤 단계가 필수적인 것으로 간주됩니까?

A. 검색 인덱스를 선택하고, 연관된 데이터 모델 개체(DMO)와 데이터 공간을 지정하고, 선택적으로 필터를 정의하여 검색 결과를 좁힙니다.

B. 반환할 결과의 최대 개수를 지정하여 출력 구성을 정의하고 프롬프트를 기반으로 하는 출력 필드를 매핑합니다.

C. 검색 인덱스를 구성하고, 벡터 또는 하이브리드 검색을 선택하고, 필터링 필드, 데이터 공간 및 모델을 선택한 다음 순위 지정 방법을 정의합니다.

정답: A

포괄적이고 자세한 심층 설명: Salesforce의 Einstein Studio(Agentforce 생태계의 일부)에서 사용자 정의 검색기를 만드는 것은 AI 프롬프트 또는 응답에 대한 데이터를 가져오는 메커니즘을 설정하는 것을 포함합니다. 필수적인 단계는 검색기의 기반을 정의하는 것입니다. 검색 인덱스를 선택하고, 데이터 모델 개체(DMO)를 지정하고, 데이터 공간을 식별합니다(옵션 A). 이러한 요소는 검색기가 어디에서 무엇을 검색하는지 설정합니다.
* 검색 인덱스: 검색기가 쿼리하는 인덱싱된 데이터 세트(예: Data Cloud의 벡터 데이터베이스)를 결정합니다.
* 데이터 모델 개체(DMO): 검색할 데이터가 포함된 개체(예: 지식 문서, 사용자 정의 개체)를 지정합니다.
* 데이터 공간: 데이터의 범위 또는 환경(예: 특정 데이터 클라우드 인스턴스)을 정의합니다.
필터는 옵션 A에서 선택 사항으로 표시되어 있으며, 이는 정확합니다. 필터는 정밀도를 향상시키지만 검색기가 기능하는 데 필수는 아닙니다. 이 단계는 기본이 되는데, 이 단계가 없으면 검색기가 대상 데이터 세트를 갖지 못해 사용할 수 없게 되기 때문입니다.
* 옵션 B: 출력 구성(예: 최대 결과, 필드 매핑)을 정의하는 것은 검색기의 출력을 형성하는 데 중요하지만, 이는 2차 단계입니다. 검색기는 출력을 구성하기 전에 먼저 검색할 위치(A)를 알아야 합니다.
* 옵션 C: 이 옵션에는 고급 구성(벡터/하이브리드 검색, 필터링 필드, 순위 매기기 방법)이 포함되어 있지만 필수는 아닙니다. 기본 검색기는 기본값이 적용되므로 검색 유형이나 순위를 지정하지 않고도 작동할 수 있지만 검색 인덱스, DMO 및 데이터 공간 없이는 작동할 수 없습니다.
* 옵션 A: 이것은 기능하는 리트리버를 만드는 데 필요한 최소한의 단계이므로 필수적입니다.
옵션 A는 Einstein Studio에서 리트리버 설정의 핵심적이고 필수적인 구성 요소를 담고 있으므로 정답입니다.
참고문헌:
* Salesforce Agentforce 문서: "Einstein Studio의 사용자 정의 검색기"(Salesforce 도움말:
https://help.salesforce.com/s/articleView?id=sf.einstein_studio_retrievers.htm&type=5)
* 시작점: "Agentforce용 Einstein Studio"(https://trailhead.salesforce.com/content/learn/modules
/아인슈타인 스튜디오-에이전트포스용)

Agentforce-Specialist 문제 54

영업 관리자는 가능한 가장 효율적인 방식으로 매우 관련성 있는 솔루션과 맞춤형 커뮤니케이션을 통해 대규모 리드에 연락해야 합니다. 어떤 Salesforce 솔루션이 이러한 요구에 가장 적합할까요?

A. 아인슈타인 영업사원

B. 프롬프트 빌더

C. Einstein Lead 후속 조치

정답: B

1단계: 요구 사항 정의
이 질문은 영업 관리자에게 필요한 사항을 구체적으로 설명합니다.
* 대규모 리드에 연락: 대량의 리드를 동시에 처리합니다.
* 매우 관련성 있는 솔루션: 리드별 데이터(예: CRM 데이터, 행동)를 기반으로 맞춤형 솔루션을 제공합니다.
* 맞춤형 커뮤니케이션: 각 리드에 맞게 맞춤형 아웃리치(예: 이메일, 메시지)를 제공합니다.
* 가장 효율적인 방법: 수동 작업을 최소화하고 자동화를 극대화합니다.
이는 Salesforce 생태계 내에서 이상적으로는 규모에 따른 개인화 및 자동화를 위해 AI를 활용하는 솔루션을 제안합니다.
2단계: 제공된 옵션 평가
A: 아인슈타인 영업사원
* 설명: Einstein Sales Assistant는 2025년 3월 기준으로 Salesforce 문서에서 별개의 독립형 제품이 아니지만 종종 Sales Cloud Einstein 또는 Einstein Copilot for Sales의 기능과 연관됩니다. 일반적으로 영업 워크플로에 내장된 AI 기반 도우미 역할을 하여 제안(예: 가장 좋은 다음 작업)을 제공하고, 이메일을 초안하거나, 전화를 요약합니다.
* 요구 사항에 대한 분석:
* 규모: 생산성을 높여 개별 담당자를 지원하지만(예: 개인화된 이메일을 빠르게 초안 작성) 본질적으로 자율적으로 리드에 대규모로 연락하지는 않습니다. 각 상호 작용에 대해 인간의 시작이 필요합니다.
* 하이퍼 관련성: CRM 데이터를 활용하여 관련성 있는 제안을 제공하므로 맞춤형 솔루션이 가능합니다.
* 사용자 정의: 사용자 정의된 커뮤니케이션(예: CRM 데이터를 기반으로 한 이메일)을 생성할 수 있지만 이는 수동이거나 반자동입니다.
* 효율성: 영업 담당자의 업무는 간소화되지만, 인간의 상당한 감독 없이 대규모 홍보 활동을 처리할 수 있는 자율성이 부족합니다.
* 결론: Einstein Sales Assistant는 영업 담당자를 위한 생산성 도구일 뿐, 자율적이고 대규모 리드 연락을 위한 솔루션은 아닙니다. 가장 적합하지 않습니다.
B: 프롬프트 빌더
* 설명: Prompt Builder는 Einstein 1 플랫폼 내의 로우코드 도구로, 사용자가 Salesforce CRM 데이터를 기반으로 개인화된 콘텐츠(예: 이메일, 요약)를 생성하기 위한 재사용 가능한 AI 프롬프트를 만들 수 있도록 해줍니다. 생성 AI 모델과 통합되며 워크플로(예: Flow를 통해)에 임베드하여 콘텐츠 생성을 자동화할 수 있습니다.
* 요구 사항에 대한 분석:
* 규모: Prompt Builder는 단독으로 콘텐츠를 생성하지만 아웃리치를 실행하지는 않습니다. Flow나 Agentforce와 같은 자동화 도구와 함께 사용하면 수천 개의 리드에 대한 콘텐츠를 생성하여 대규모 커뮤니케이션을 지원할 수 있습니다.
* 고도의 관련성: CRM 데이터(예: Data Cloud의 리드 세부 정보)를 사용하여 각 리드의 상황에 맞는 매우 관련성 있는 메시지나 솔루션을 제작합니다.
* 맞춤형: 맞춤형 커뮤니케이션을 생성하는 데 탁월하여 사용자가 특정 리드 데이터를 가져와 개인화를 위한 프롬프트를 정의할 수 있습니다.
* 효율성: 수동 콘텐츠 생성 노력을 줄이지만 효율성은 실행 메커니즘(예: 이메일 전송을 위한 Flow)과의 통합에 달려 있습니다. 이것이 없다면 아웃리치는 불완전합니다.

Agentforce-Specialist 문제 55

보안 데이터 검색은 동적 접지를 위해 권한이 있는 사용자만 필요한 Salesforce 데이터에 액세스할 수 있도록 어떻게 보장합니까?

A. '실행 사용자' 권한에 따라 Salesforce 데이터를 검색합니다.

B. 프롬프트를 실행하여 사용자 권한에 따라 Salesforce 데이터를 검색합니다.

C. 프롬프트 템플릿의 개체 권한에 따라 Salesforce 데이터를 검색합니다.