무료 온라인 액세스 Salesforce.Agentforce-Specialist.v2025-12-11.q175 모의 시험 (Page 35)

Agentforce-Specialist 문제 166

Universal Containers(UC)는 고객에게 최신의 유효하고 관련성 높은 정책 및 규정 준수 정보를 제공하는 Agentforce 서비스 에이전트를 구축하고자 합니다. 에이전트는 다음 사항을 충족해야 합니다.
* HR 정책, 규정 준수 지침, 회사 절차를 의미적으로 검색합니다.
* 응답은 게시된 지식을 기반으로 해야 합니다.
* 수동 재구성 없이 지식 업데이트가 즉시 반영되도록 합니다. 에이전트가 올바른 정보를 검색하도록 하려면 UC에서 무엇을 해야 합니까?

A. 환각을 방지하기 위해 AI 모델에 수동으로 정책 대응을 추가합니다.

B. AI 검색을 위해 정책 문서를 저장하고 색인화하기 위해 Agentforce 데이터 라이브러리를 설정합니다.

C. 에이전트가 모든 내부 기록과 과거 고객 문의를 검색할 수 있도록 합니다.

정답: B

포괄적이고 자세한 심층 설명:
UC는 Agentforce 서비스 담당자에게 특정 기준에 따라 정확하고 최신 정책 및 규정 준수 정보를 제공하도록 요구합니다. 함께 평가해 보겠습니다.
* 옵션 A: 상담원이 모든 내부 기록과 과거 고객 문의를 검색할 수 있도록 합니다. 모든 기록과 문의를 검색하면 관련성이 없거나 오래된 답변이 제공될 위험이 있으며, 게시된 지식 기반 및 즉각적인 업데이트의 필요성과 상충됩니다. 이 옵션은 구체성이 부족하여 잘못된 것입니다.
* 옵션 B: AI 검색을 위해 정책 문서를 저장하고 색인화하기 위해 Agentforce 데이터 라이브러리를 설정합니다. Agentforce 데이터 라이브러리는 Salesforce Knowledge와 통합되어 HR 정책, 규정 준수 지침 및 시맨틱 검색 절차를 색인화합니다. 게시된 Knowledge 문서의 기반을 제공하며, 라이브러리가 Knowledge와 자동으로 동기화되므로 업데이트(예: 새 문서 버전)가 재구성 없이 즉시 반영됩니다. 이는 모든 UC 요구 사항을 충족하므로 정답입니다.
* 옵션 C: 환각을 방지하기 위해 AI 모델에 정책 응답을 수동으로 추가합니다. 모델에 응답을 수동으로 임베드하는 것은 불가능합니다. Agentforce는 사용자 지정 학습이 아닌 사전 학습된 LLM을 사용합니다. 또한 실시간 업데이트를 지원하지 않으므로 이는 잘못된 설명입니다.
옵션 B가 옳은 이유:
데이터 라이브러리는 Salesforce에서 권장하는 접근 방식에 따라 의미 검색, 지식 기반 구축, 즉각적인 업데이트 등 모든 기준을 충족합니다.
참고문헌:
Salesforce Agentforce 문서: 데이터 라이브러리 > 지식 통합 - 세부 정보 인덱싱 및 업데이트.
시작점: Agentforce로 에이전트 구축 - 정확한 응답을 위한 데이터 라이브러리를 다룹니다.
Salesforce 도움말: 지식 기반 - 실시간 동기화를 확인합니다.

Agentforce-Specialist 문제 167

유니버설 컨테이너즈의 영업 담당자는 매우 바쁘고, 때로는 음성 및 화상 통화로 매우 긴 영업 상담을 하다가 중요한 정보를 놓칠 수도 있습니다. 그들은 이제 막 새로운 생성 AI 기능을 도입하기 시작했습니다.
An Agentforce는 대화 중에 놓쳤을 수 있는 세부 정보를 담당자가 얻는 데 도움이 되는 어떤 Einstein Generative AI 기능을 추천해야 할까요?

A. 통화 요약

B. 탐색기 호출

C. 판매 요약

Agentforce-Specialist 문제 168

바쁜 일정 속에서도 유니버설 컨테이너즈의 영업 담당자들은 잠재 고객과 기존 고객에게 갱신이나 신규 거래와 관련하여 이메일을 통해 후속 조치를 취하는 데 시간을 할애합니다. 그들은 일주일 내내 많은 시간을 들여 과거 연락 내역과 고객 정보를 검토한 후, 연락을 취합니다. 영업 담당자가 이전의 성공적인 연락 내역을 기반으로 텍스트를 생성하여 잠재 고객에게 개인화된 이메일을 작성하는 데 도움이 되는 표준 에이전트 작업은 무엇일까요?

A. 에이전트 작업: 기록 요약

B. 에이전트 작업: 유사한 기회 찾기

C. 에이전트 작업: 판매 이메일 초안 작성 또는 수정

정답: C

UC 영업 담당자는 과거의 성공적인 커뮤니케이션을 기반으로 개인화된 이메일을 작성하고 수동 검토 시간을 단축하는 AI 액션이 필요합니다. 일반적인 상담원 액션을 평가해 보겠습니다.
* 옵션 A: 상담원 작업: 기록 요약 "기록 요약"은 기록(예: 영업 기회, 연락처) 요약을 생성합니다. 이는 개요 작성에는 유용하지만 이메일 초안 작성이나 과거 커뮤니케이션 활용에는 적합하지 않습니다. 이는 요구 사항을 충족하지 않으므로 올바르지 않습니다.
* 옵션 B: 상담원 조치: 유사 기회 찾기 "유사 기회 찾기"는 이메일 초안 작성이 아닌 전략 수립을 위해 과거 거래를 파악합니다. 텍스트 생성이 아닌 데이터 제공을 목적으로 하기 때문에 정확하지 않습니다.
* 옵션 C: 상담원 작업: 영업 이메일 초안 작성 또는 수정 Agentforce for Sales의 "영업 이메일 초안 작성 또는 수정" 작업("영업 이메일 초안"이라고도 함)은 Atlas Reasoning Engine을 사용하여 개인화된 이메일 콘텐츠를 생성합니다. 과거의 성공적인 커뮤니케이션(예: 기회 또는 연락처 기록)을 분석하여 갱신 또는 거래에 맞춰 이메일을 맞춤화하여 담당자의 시간을 절약할 수 있습니다. 이는 UC의 요구를 직접적으로 충족하므로 정답입니다.
옵션 C가 옳은 이유:
"영업 이메일 초안 작성 또는 수정"은 Salesforce 문서에 따라 UC의 생산성 목표에 맞춰 과거 데이터를 기반으로 개인화된 이메일을 생성하도록 설계된 표준 작업입니다.
참고문헌:
Salesforce Agentforce 문서: Agentforce for Sales > 초안 영업 이메일 - 세부 정보 이메일 생성.
시작점: Agentforce 영업 담당자 살펴보기 - 과거 데이터를 활용한 이메일 초안 작성에 대해 다룹니다.
Salesforce 도움말: Agentforce의 판매 기능 - 개인화 기능을 확인합니다.

Agentforce-Specialist 문제 169

Universal Containers(UC)는 최근 Einstein Generative AI 기능을 출시하고 사례 기록을 요약하는 맞춤형 프롬프트를 만들었습니다. 사용자들은 생성된 사례 요약이 적절한 정보를 반환하지 않는다고 보고했습니다. 프롬프트 성능이 저조한 이유는 무엇일까요?

A. 프롬프트 템플릿 버전이 선택한 LLM과 호환되지 않습니다.

B. 접지에 사용되는 데이터가 잘못되었거나 불완전합니다.

C. Einstein Trust Layer가 잘못 구성되었습니다.

정답: B

포괄적이고 자세한 심층 설명: UC의 사례 기록 요약을 위한 맞춤형 프롬프트의 성능이 저하되어 있으며, 가능한 원인을 파악해야 합니다. Agentforce와 Einstein 생성 AI 메커니즘을 기반으로 옵션을 평가해 보겠습니다.
* 옵션 A: 프롬프트 템플릿 버전이 선택한 LLM과 호환되지 않습니다. Agentforce의 프롬프트 템플릿은 기본 LLM(대규모 언어 모델)을 추상화하는 Atlas Reasoning Engine과 함께 작동하도록 설계되었습니다. Salesforce는 프롬프트 템플릿과 LLM 간의 호환성을 관리하며, LLM 호환성과 직접적으로 연결되는 사용자 중심 버전 관리 기능은 없습니다. 이 옵션은 발생할 가능성이 낮으며, 문서에 따르면 일반적인 문제도 아닙니다.
* 옵션 B: 접지에 사용되는 데이터가 부정확하거나 불완전합니다. 접지는 프롬프트 템플릿을 통해 AI에 컨텍스트(예: 사례 기록 데이터)를 제공하는 프로세스입니다. Record Snapshots, Data Cloud 또는 기타 통합에서 제공되는 접지 데이터가 부정확하거나(예: 잘못된 필드 매핑) 불완전하면(예: 주요 사례 세부 정보 누락) 요약이 부정확해집니다. 예를 들어, 프롬프트에서 Case.Subject를 사용하지만 필드가 비어 있거나 포함되지 않은 경우 출력에서 중요한 정보가 누락됩니다. 이는 생성 AI에서 성능 저하의 빈번한 원인이며, Salesforce 문제 해결 지침과 일치하므로 정답입니다.
* 옵션 C: Einstein Trust Layer가 잘못 구성되었습니다. Einstein Trust Layer는 안전하고 규정을 준수하는 AI 출력을 보장하기 위해 가드레일(예: 독성 필터링, 데이터 마스킹)을 시행합니다.
구성 오류로 인해 콘텐츠가 차단되거나 어조가 변경될 수 있지만, 특정 필드가 불필요하게 가려지지 않는 한 요약에 적절한 정보가 누락될 가능성은 낮습니다. 이는 접지 문제보다 발생 가능성이 낮으며, 여기서 주된 원인은 아닙니다.
옵션 B가 옳은 이유: 부정확하거나 불완전한 접지 데이터는 Agentforce에서 AI 출력이 저조한 이유 중 하나로 잘 알려져 있습니다. 이는 사례 요약의 품질에 직접적인 영향을 미치므로, 전문가는 공식 지침에 따라 문제 해결 시 접지 소스(예: 현장 매핑, 데이터 클라우드 쿼리)를 확인하는 것이 좋습니다.
참고문헌:
* Salesforce Agentforce 문서: 프롬프트 템플릿 > 접지 - 불량 출력을 접지 문제와 연결합니다.
* 시작점: Agentforce 프롬프트 문제 해결 - 불완전한 데이터를 일반적인 문제로 나열합니다.
* Salesforce 도움말: Einstein Generative AI > 디버깅 프롬프트 - 먼저 접지 데이터를 확인하는 것이 좋습니다.

Agentforce-Specialist 문제 170

Agentforce에서 사용자 정의 에이전트 작업을 생성할 때 작업 지침의 주요 목적은 무엇입니까?

A. 작업 지침은 추론 엔진이 어떤 작업을 사용할지 결정하는 데 도움이 됩니다.

B. 작업 지침은 추론 엔진에 동력을 제공하는 대규모 언어 모델(LLM)의 온도를 정의합니다.

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