무료 온라인 액세스 Salesforce.Agentforce-Specialist.v2025-12-11.q175 모의 시험 (Page 12)

Agentforce-Specialist 문제 51

검색 인덱스와 검색 결과의 맥락에서 Data Cloud의 데이터 준비 프로세스를 가장 잘 설명하는 것은 무엇입니까?

A. 데이터 준비는 실시간 데이터 수집과 동적 인덱싱에 중점을 두어 사전 처리 단계 없이 동적 접지 참조 데이터를 생성합니다.

B. 데이터 준비에는 데이터 거버넌스 및 보안 프로토콜을 준수하기 위해 구조화된 데이터 세트를 집계, 정규화 및 인코딩하는 작업이 포함됩니다.

C. 데이터 준비에는 벡터 데이터베이스에서 검색을 지원하기 위해 검색에 최적화된 방식으로 콘텐츠를 로드, 청킹, 벡터화 및 저장하는 작업이 포함됩니다.

Agentforce-Specialist 문제 52

Einstein Trust Layer 아키텍처의 어느 부분이 대규모 언어 모델(LLM) 프롬프트 내에서 조직의 자체 데이터를 활용하여 관련성 있고 정확한 응답을 확실하게 반환합니까?

A. 신속한 방어

B. 데이터 마스킹

C. 동적 접지

Agentforce-Specialist 문제 53

사용자 정의 에이전트 작업을 생성할 때 작업 지침이 왜 중요한가요?

A. 작업 지침은 작업의 예상 사용자 경험을 정의합니다.

B. 작업 지침은 대화에서 이 작업을 호출하는 방법을 사용자에게 알려줍니다.

C. 작업 지침은 대규모 언어 모델(LLM)에 어떤 작업을 사용해야 하는지 알려줍니다.

정답: A

Salesforce Agentforce에서 사용자 지정 에이전트 작업은 AI 기반 에이전트가 대화형 환경에서 특정 작업을 수행할 수 있도록 설계되었습니다. 작업 지침은 이러한 작업을 생성할 때 중요한 구성 요소입니다. 작업의 동작 방식, 수행해야 할 목표, 그리고 최종 사용자와의 상호 작용 방식을 간략하게 설명하여 예상되는 사용자 경험을 정의하기 때문입니다. 이러한 지침은 작업 기능에 대한 청사진 역할을 하여 의도한 결과와 일치하고 에이전트와 상호 작용하는 사용자에게 일관되고 직관적인 경험을 제공합니다. 예를 들어, 작업이 "미팅 일정 예약"인 경우, 작업 지침은 단계(예: 날짜 및 시간 수집, 사용자 확인)와 어조(예: 전문적이고 간결함)를 지정하여 사용자 경험을 형성할 수 있습니다.
* 옵션 B: 동작 지침은 사용자가 동작을 호출하는 방식(예: 필요한 입력을 명확히 하는 방식)에 간접적으로 영향을 미칠 수 있지만, 대화에서 동작을 호출하는 방법을 사용자에게 알려주는 것이 주된 목적은 아닙니다. 이는 지침 자체보다는 사용자 교육이나 인터페이스 디자인과 더 관련이 있습니다.
* 옵션 C: 대규모 언어 모델(LLM)은 어떤 동작을 실행할지 결정하기 위해 동작 지시어가 아닌 프롬프트, 매개변수 및 기반 데이터에 의존합니다. 동작 지시어는 LLM의 런타임 의사 결정 프로세스가 아닌 동작 설계를 안내합니다.
따라서 옵션 A는 Agentforce에서 효과적인 맞춤형 에이전트 작업을 만드는 데 기초가 되는 사용자 경험을 정의하는 데 있어 작업 지침의 역할을 강조하므로 올바른 옵션입니다.
:
Salesforce Agentforce 문서: "사용자 정의 에이전트 작업 만들기"(Salesforce 도움말: https://help.
salesforce.com/s/articleView?id=sf.agentforce_custom_actions.htm&type=5) 시작 페이지: "Agentforce Basics" 모듈(https://trailhead.salesforce.com/content/learn/modules/agentforce- basics)

Agentforce-Specialist 문제 54

Universal Containers는 AI를 사용하여 영업팀의 일상 업무를 간소화하는 것을 목표로 합니다.
이러한 새로운 워크플로를 고려할 때, 어떤 개선 사항에 Prompt Builder를 사용해야 할까요?

A. 기회에 대한 AI 생성 마감 시간 추정치를 채웁니다.

B. 판매 계약에 대한 AI 생성 요약 필드를 채웁니다.

C. 새로운 리드에 대해 AI가 생성한 리드 점수를 채웁니다.

Agentforce-Specialist 문제 55

Universal Containers에서 여러 레코드에 적용 가능한 필드 생성 프롬프트 템플릿을 개발했지만, 사용자들이 토큰 제한 오류로 인해 무작위적인 오류가 발생한다고 보고하고 있습니다. 이 오류의 원인은 무엇인가요?

A. 프롬프트 접지로 생성된 다양한 양의 토큰을 수용하기 위해 템플릿 유형을 Flex로 전환해야 합니다.

B. 프롬프트 템플릿의 동적 특성으로 인해 생성되는 토큰의 수는 레코드마다 다릅니다.

C. LLM에서 처리할 수 있는 토큰 수는 전체 사용자 수요에 따라 달라집니다.

정답: B

Salesforce Agentforce에서 프롬프트 템플릿은 LLM을 활용하여 동적 응답 또는 필드 값을 생성하는 데 사용되며, Salesforce 레코드 또는 외부 소스의 기반 데이터를 사용하는 경우가 많습니다. 이 시나리오에서는 토큰 제한 오류로 인해 간헐적으로 실패하는 필드 생성 프롬프트 템플릿을 설명합니다. 이는 문제가 LLM의 토큰 용량(예: 입력 + 출력 토큰) 초과와 관련이 있음을 나타냅니다. 이러한 실패의 무작위성은 레코드 간 토큰 수의 변동성을 시사하며, 이는 옵션 B에서 직접 해결됩니다.
Agentforce의 프롬프트 템플릿은 동적일 수 있습니다. 즉, 레코드별 데이터(예: 고객 이름, 설명 또는 기타 필드)를 가져와 출력을 생성합니다. 데이터는 레코드마다 다르므로(일부 레코드는 짧은 텍스트 필드를 가지고 있는 반면 다른 레코드는 긴 텍스트 필드를 가지고 있을 수 있음) LLM에서 처리하는 총 토큰(단어, 문자 또는 하위 단어 단위) 수가 변동합니다. 토큰 수가 LLM의 제한(예: 일부 모델의 경우 4,096개 토큰)을 초과하면 프로세스가 실패하지만, 이는 토큰 생성 데이터가 더 많은 레코드에서만 발생하기 때문에 무작위성이 발생하는 것입니다.
* 옵션 A: "Flex" 템플릿 유형으로 전환하는 것이 타당해 보일 수 있지만, Salesforce 문서에서는 이 맥락에서 토큰 변동성을 처리하기 위한 특정 템플릿 유형으로 "Flex"를 정의하지 않습니다(플로우 기반 템플릿이 있지만 토큰 제한과는 관련이 없습니다). 이 옵션은 주의를 분산시키는 것일 뿐 검증된 해결책이 아닙니다.
* 옵션 C: LLM의 토큰 처리 용량은 모델별로 고정되어 있으며(예: 고급 모델의 경우 128,000개 토큰과 같은 고정 한도) 사용자 수요에 따라 변동되지 않습니다. 수요는 성능이나 가용성에 영향을 미칠 수 있지만, 토큰 한도 자체에는 영향을 미치지 않습니다.
옵션 B는 무작위 실패로 이어지는 가변적인 토큰 수의 근본 원인인 프롬프트 템플릿의 동적 특성을 정확하게 식별했기 때문에 정답입니다.
:
Salesforce Agentforce 문서: "프롬프트 템플릿"(Salesforce 도움말: https://help.salesforce.com/s
/articleView?id=sf.agentforce_prompt_templates.htm&type=5)
Trailhead: "Agentforce를 위한 프롬프트 템플릿 구축"(https://trailhead.salesforce.com/content/learn/modules
/agentforce용 빌드 프롬프트 템플릿)

다른 버전: 1767Salesforce.Agentforce-Specialist.v2025-05-20.q77

최근 업로드: 106TheBerylInstitute.CPXP.v2026-06-06.q56; 122ACAMS.CAMS7-KR.v2026-06-05.q213; 144PaloAltoNetworks.XSIAM-Analyst.v2026-06-04.q72; 125NLN.NEX.v2026-06-04.q54; 171Microsoft.AZ-500-KR.v2026-06-04.q213; 146Microsoft.DP-600-KR.v2026-06-04.q98; 179Microsoft.AZ-204-KR.v2026-06-04.q237; 152Microsoft.PL-600-KR.v2026-06-04.q112; 219Microsoft.SC-300-KR.v2026-06-03.q151; 179Microsoft.DP-600-KR.v2026-06-03.q70