무료 온라인 액세스 Salesforce.Agentforce-Specialist.v2025-12-11.q175 모의 시험 (Page 14)

Agentforce-Specialist 문제 61

Universal Containers는 사용자가 판매 주문 번호를 입력할 수 있는 맞춤형 UX를 갖춘 Salesforce 솔루션을 구현하려고 합니다. 이후 시스템은 맞춤형 프롬프트 템플릿을 호출하여 판매 주문 헤더와 판매 주문 세부 정보 요약을 생성하고 표시합니다. Agentforce 전문가는 이 요구 사항을 충족하기 위해 어떤 솔루션을 구현해야 할까요?

A. 자동 실행 흐름을 만들고 표준 "프롬프트 템플릿" 흐름 작업을 사용하여 프롬프트 템플릿을 호출합니다.

B. 템플릿 트리거 프롬프트 흐름을 만들고 표준 "프롬프트 템플릿" 흐름 작업을 사용하여 프롬프트 템플릿을 호출합니다.

C. 표준 "프롬프트 템플릿" 흐름 작업을 사용하여 판매 주문 번호를 수집하고 프롬프트 템플릿을 호출하는 화면 흐름을 만듭니다.

정답: C

포괄적이고 자세한 심층 설명: Universal Containers(UC)는 사용자가 판매 주문 번호를 입력한 후 사용자 지정 프롬프트 템플릿을 호출하여 요약을 생성하고 표시하는 맞춤형 UX를 갖춘 솔루션이 필요합니다. 이러한 요구 사항과 Salesforce Agentforce 기능을 기반으로 각 옵션을 평가해 보겠습니다.
* 옵션 A: 자동 실행 흐름을 만들고 표준을 사용하여 프롬프트 템플릿을 호출합니다.
"프롬프트 템플릿" 플로우 작업. 자동 실행 플로우는 레코드 업데이트나 플랫폼 이벤트와 같은 이벤트에 의해 트리거되는 사용자 상호작용 없이 실행되는 백그라운드 프로세스입니다. Agentforce 프롬프트를 통합하기 위해 Flow Builder에서 제공되는 "프롬프트 템플릿" 플로우 작업을 사용하여 프롬프트 템플릿을 호출할 수 있지만, 사용자 인터페이스가 부족합니다. UC는 사용자가 판매 주문 번호를 입력할 수 있도록 맞춤형 UX를 명시적으로 요구하지만, 자동 실행 플로우는 사용자가 직접 데이터를 입력할 수 있는 방법을 제공하지 않으므로 이러한 요구 사항을 충족할 수 없습니다.
* 옵션 B: 템플릿 트리거 프롬프트 플로우를 생성하고 표준 "프롬프트 템플릿" 플로우 작업을 사용하여 프롬프트 템플릿을 호출합니다. Salesforce 용어에는 "템플릿 트리거 프롬프트 플로우"라는 용어가 없습니다. 이는 원래 질문의 잘못된 명칭 또는 오타로 보입니다. Agentforce의 프롬프트 템플릿은 AI가 입력 데이터를 처리하는 방식을 정의하는 재사용 가능한 구성이지만, 플로우 유형은 아닙니다. 플로우(자동 실행 또는 화면 플로우 등)는 프롬프트 템플릿을 호출할 수 있지만,
"template-triggered"는 Salesforce 문서에서 인식되는 흐름 유형이 아닙니다. 이 옵션은 프레이밍이 정확하지 않아 유효하지 않습니다.
* 옵션 C: 표준 "프롬프트 템플릿" 흐름 작업을 사용하여 판매 주문 번호를 수집하고 프롬프트 템플릿을 호출하는 화면 흐름을 만듭니다. 화면 흐름은 Salesforce 내에서 사용자 정의 가능한 사용자 인터페이스를 제공하여 사용자가 입력 필드를 통해 데이터(예: 판매 주문 번호)를 입력할 수 있도록 합니다.
Flow Builder에서 제공되는 "프롬프트 템플릿" 플로우 액션은 사용자 입력(판매 주문 번호)을 사용자 지정 프롬프트 템플릿에 전달하여 Agentforce와 통합할 수 있도록 지원합니다. 프롬프트 템플릿은 관련 데이터(예: 판매 주문 헤더 및 세부 정보)를 쿼리하고 요약을 생성하여 후속 화면에서 사용자에게 다시 표시할 수 있습니다. 이 솔루션은 사용자 지정 UX와 Agentforce 프롬프트와의 원활한 통합이라는 UC의 요구를 충족하므로 최적의 솔루션입니다.
옵션 C가 정답인 이유: 화면 흐름은 Salesforce Flow 설명서에 설명된 대로 사용자 상호작용 및 맞춤형 인터페이스가 필요한 시나리오에 이상적입니다. "프롬프트 템플릿" 흐름 작업은 흐름 내에서 Agentforce의 AI 기능을 활성화하여 UC가 판매 주문 번호를 수집하고, 프롬프트 템플릿을 통해 처리하고, 결과를 표시할 수 있도록 합니다. 이 모든 것이 사용자 친화적인 단일 솔루션 내에서 이루어집니다. 이는 AI 기반 요약을 사용자 워크플로에 통합하기 위한 Agentforce의 모범 사례와 일치합니다.
참고문헌:
* Salesforce 도움말: Flow Builder > 프롬프트 템플릿 작업 - 흐름에서 "프롬프트 템플릿" 작업을 사용하여 Agentforce 프롬프트를 호출하는 방법을 설명합니다.
* 시작점: 프롬프트 템플릿을 사용한 흐름 구축 - 사용자 중심 AI 상호작용을 위한 화면 흐름을 강조합니다.
* Agentforce Studio 문서: 프롬프트 템플릿 - 프롬프트 템플릿이 요약에 대한 입력 데이터를 처리하는 방법을 설명합니다.

Agentforce-Specialist 문제 62

Universal Containers(UC)는 에이전트를 프로덕션 환경에 배포하기 전에 에이전트의 효과성, 안정성, 그리고 신뢰성을 확인하고자 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 UC 에이전트를 테스트합니다.

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

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

정답: C

Universal Containers(UC)의 목표는 프로덕션 배포 전에 Agentforce 에이전트의 효과성, 안정성, 신뢰성을 테스트하는 것입니다. 특히, 대량의 반복 가능한 발화를 효율적으로 처리하는 데 중점을 둡니다. 이러한 요구 사항과 Salesforce의 공식 Agentforce 도구 및 모범 사례를 바탕으로 각 옵션을 평가해 보겠습니다.
* 옵션 A: 에이전트 LLM(대규모 언어 모델) UI를 활용하여 에이전트를 활성화하기 전에 다양한 발화로 UC 에이전트를 테스트합니다. Agentforce는 Atlas Reasoning Engine 기반의 고급 추론 기능을 활용하지만, Salesforce 문서에는 에이전트 테스트를 위한 구체적인 "에이전트 LLM(대규모 언어 모델) UI"가 명시되어 있지 않습니다. LLM 인터페이스 내에서 직접 발화를 테스트하려면 수동 실험이 필요할 수 있지만, 이러한 방식은 대량의 발화에 대한 확장성과 반복성이 부족합니다. 체계적인 평가보다는 개별 응답에 대한 임시 테스트에 더 적합하므로 UC 요구 사항에는 비효율적입니다.
* 옵션 B: QA 샌드박스 환경에 에이전트를 배포하고 효과성을 검토하기 위해 발언 분석 보고서를 검토합니다. QA 샌드박스에 에이전트를 배포하는 것은 개발 라이프사이클에서 유효한 단계입니다. 샌드박스를 사용하면 라이브 데이터에 영향을 주지 않고 프로덕션과 유사한 환경에서 테스트할 수 있습니다.
하지만 Agentforce 문서에서는 "발화 분석 보고서"라는 용어가 표준 용어가 아닙니다. Salesforce는 배포 후 분석을 위해 Agent Analytics 또는 User Utterances 대시보드와 같은 도구를 제공하지만, 이러한 도구는 배포 전 테스트보다는 실시간 성능 모니터링에 더 중점을 둡니다. 이 옵션은 배포 전에 대량의 반복 가능한 발화를 효율적으로 테스트하는 방법을 명확하게 다루지 않아 UC 요구 사항을 충족하는 데 있어 정확도가 떨어집니다.
* 옵션 C: Agentforce Testing Center에서 테스트 템플릿을 사용하여 UC 테스트 케이스를 CSV 파일로 생성합니다. Agentforce Testing Center는 Agentforce Studio 내에서 자율 AI 에이전트 테스트를 위해 특별히 설계된 전용 도구입니다. Salesforce 설명서에 따르면, Testing Center를 사용하면 제공된 템플릿을 사용하여 테스트 케이스(예: 발화 및 예상 결과)가 포함된 CSV 파일을 업로드할 수 있습니다. 이를 통해 수백 개의 합성 상호작용을 병렬로 생성하고 실행하여 실제 시나리오를 시뮬레이션할 수 있습니다. 이 도구는 에이전트가 발화를 해석하고, 주제를 선택하고, 작업을 실행하는 방식을 평가하여 반복 작업을 위한 자세한 결과를 제공합니다. 이는 효율성(CSV를 통한 대량 테스트), 반복성(표준화된 테스트 케이스), 신뢰성(체계적인 검증)에 대한 UC의 요구 사항과 완벽하게 일치하여 에이전트가 프로덕션 환경에 바로 적용 가능하도록 보장합니다. 이는 공식 지침에 따라 권장되는 방식입니다.
옵션 C가 옳은 이유:
Agentforce 테스팅 센터는 에이전트 배포 전 검증을 위해 특별히 설계되었습니다. 사용자가 발화가 포함된 CSV 파일을 업로드하면 Atlas Reasoning Engine에서 처리하여 정확성과 신뢰성을 평가함으로써 대량 테스트를 지원합니다. 이 방법을 통해 UC는 대규모 데이터 세트를 체계적으로 테스트하고, 결과에 따라 에이전트의 지시 사항이나 주제를 개선하며, 에이전트의 성능에 대한 신뢰를 구축할 수 있습니다. 이 모든 과정은 프로덕션 배포 전에 이루어집니다. 이는 Agentforce 설정 설명서 및 Trailhead 모듈에 명시된 바와 같이 Salesforce가 비결정적 AI 시스템을 효율적으로 테스트하는 데 중점을 두고 있는 방식과 일맥상통합니다.
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 케이스가 포함된 CSV 파일을 업로드하는 방법을 설명합니다.
Salesforce 도움말: Agentforce 설정 > 자율 AI 에이전트 테스트 - 에이전트의 효과성과 안정성을 사전 배포 검증하기 위해 테스트 센터를 권장합니다.

Agentforce-Specialist 문제 63

Einstein Copilot Action을 실행할 때 대규모 언어 모델(LLM)의 역할은 무엇입니까?

A. 유사한 요청을 찾아 실행해야 하는 작업을 제공합니다.

B. 가장 잘 일치하는 작업과 올바른 실행 순서를 식별합니다.

C. 사용자의 접근 권한을 확인하고 실행할 우선순위에 따라 작업을 정렬합니다.

Agentforce-Specialist 문제 64

의도를 이해하고 에이전트 작업을 실행하는 데 있어 대규모 언어 모델(LLM)의 역할은 무엇입니까?

A. 요청된 유사한 주제를 찾아 실행해야 할 작업을 제공합니다.

B. 가장 잘 맞는 주제와 작업을 식별하고 실행 순서를 올바르게 지정합니다.

C. 사용자의 주제 접근을 결정하고 실행할 우선순위에 따라 작업을 정렬합니다.

정답: B

Agentforce에서 Atlas Reasoning Engine으로 구동되는 대규모 언어 모델(LLM)은 사용자 요청을 해석하고 에이전트 작업을 실행합니다. LLM의 역할을 살펴보겠습니다.
* 옵션 A: 요청된 유사한 주제를 찾아 실행해야 할 작업을 제공합니다. LLM은 유사한 주제를 식별할 수 있지만, 단순히 주제를 찾는 데 그치지 않고 특정 주제에 대한 인텐트(Intent)를 매칭하여 실행을 결정합니다. 이 옵션은 작업 순서 지정에 대한 LLM의 책임을 과소평가하여 불완전하고 부정확한 결과를 초래합니다.
* 옵션 B: 가장 적합한 주제와 작업을 파악하고 실행 순서를 정확하게 지정합니다. LLM은 사용자 입력을 분석하여 의도를 파악하고, Agent Builder에서 구성된 가장 적합한 주제와 매칭하여 연관된 작업을 선택합니다. 또한 에이전트의 계획(예: 레코드 업데이트 전 데이터 검색)에 따라 실행 순서를 결정합니다. 의도 인식부터 작업 오케스트레이션까지 이어지는 이러한 엔드 투 엔드 프로세스가 Agentforce에서 LLM의 핵심 역할이며, 따라서 이 옵션이 정답입니다.
* 옵션 C: 사용자의 주제 접근 권한을 확인하고 실행할 우선순위에 따라 작업을 정렬합니다. 주제 접근 권한은 LLM이 아닌 Salesforce 권한(예: 사용자 프로필)에 의해 관리됩니다. LLM은 계획 내에서 작업의 우선순위를 지정하지만, 주된 역할은 액세스 제어가 아닌 인텐트 매칭 및 실행 순서 지정이므로 이 옵션은 올바르지 않습니다.
옵션 B가 옳은 이유:
Salesforce 문서에 자세히 설명된 대로, LLM은 주제를 식별하고, 작업을 선택하고, 실행을 지시하는 역할을 하며, 이는 Agentforce의 자율적 기능의 핵심입니다.
참고문헌:
Salesforce Agentforce 문서: Atlas Reasoning Engine - LLM의 의도와 작업 처리를 간략하게 설명합니다.
시작점: Agentforce 기술 이해하기 - 주제 매칭 및 실행에 대해 설명합니다.
Salesforce 도움말: Agentforce 작업 - LLM이 응답을 조율하는 역할을 확인합니다.

Agentforce-Specialist 문제 65

에이전트 작업을 실행하는 데 있어 대규모 언어 모델(LLM)의 역할은 무엇입니까?

A. 유사한 요청을 찾아 실행해야 하는 작업을 제공합니다.

B. 가장 잘 일치하는 작업과 올바른 실행 순서를 식별합니다.

C. 사용자의 접근 권한을 확인하고 실행할 우선순위에 따라 작업을 정렬합니다.