무료 온라인 액세스 Salesforce.Salesforce-AI-Specialist.v2025-04-28.q81 모의 시험 (Page 14)

Salesforce-AI-Specialist 문제 61

리더십은 고객과 보다 생산적인 대화를 촉진하기 위해 대규모 언어 모델(LLM)에서 만든 요약이나 설명으로 동적 양식 필드를 채워야 합니다. 리더십은 또한 AI 전략에서 고려되도록 인간을 루프에 포함시키고 싶어합니다.
AI 전문가는 어떤 프롬프트 템플릿 유형을 추천해야 할까요?

A. 필드 생성

B. 기록 요약

C. 영업 이메일

Salesforce-AI-Specialist 문제 62

Northern Trail Outfitters(NTO)는 생산 조직에서 Einstein Trust Layer를 구성하려고 하지만 설정 페이지에서 해당 옵션을 볼 수 없습니다.
Data Cloud를 프로비저닝한 후 AI 전문가가 NTO에서 이 옵션을 사용할 수 있도록 하려면 어떤 단계를 거쳐야 합니까?

A. Einstein Copilot을 켜세요.

B. Einstein Generative AI를 켜세요.

C. 프롬프트 빌더를 켭니다.

Salesforce-AI-Specialist 문제 63

Universal Containers(UC)는 생성적 AI를 구현하고 있으며, 웹사이트 방문자에게 검색 기록을 기반으로 개인화된 제품을 추천하는 즉각적인 템플릿을 활용하여 고객에게 응답하고자 합니다.
UC가 채팅봇이 정확한 추천을 제공할 수 있도록 하기 위해 취해야 하는 초기 단계는 무엇입니까?

A. 보편적인 제품 추천을 디자인합니다.

B. 챗봇에 대한 응답 스크립트를 작성하세요.

C. 탐색 데이터를 수집하고 분석합니다.

정답: C

생성적 AI를 사용하여 개인화된 제품 추천을 가능하게 하기 위해 Universal Containers(UC)의 기본 단계는 탐색 데이터(옵션 C)를 수집하고 분석하는 것입니다. 개인화된 추천은 사용자 행동을 이해하는 데 달려 있으며, 이를 위해서는 탐색 기록에 대한 구조화된 데이터가 필요합니다. 이 데이터가 없으면 AI 모델은 관련 제안을 생성하는 데 필요한 맥락이 부족합니다.
* 데이터 수집: UC는 먼저 탐색 데이터(예: 방문한 페이지, 본 제품, 세션 기간)를 집계하여 사용자 선호도를 반영하는 데이터 세트를 구축해야 합니다.
* 데이터 분석: 이 데이터를 분석하면 관련 추천을 검색하기 위해 프롬프트를 구성하는 방법에 대한 정보를 제공하는 패턴(예: 자주 본 카테고리)을 파악할 수 있습니다.
* 데이터 기반: Salesforce의 프롬프트 템플릿은 정확한 출력을 생성하기 위해 기반 데이터에 의존합니다. 탐색 데이터를 분석하지 않으면 프롬프트 템플릿은 개인화를 위한 의미 있는 통찰력을 참조할 수 없습니다.
옵션 A와 D는 다음과 같은 이유로 올바르지 않습니다.
* 보편적 추천(A)은 핵심 요구 사항인 개인화를 무시합니다.
* 응답 스크립트(D)를 작성하면 챗봇 상호작용 디자인을 다룰 뿐, 권장 사항의 정확성을 다루는 것은 아닙니다.
참고문헌:
* Salesforce AI 전문가 인증 가이드: 정확성을 보장하기 위해 관련 데이터 소스에 대한 기본 프롬프트의 중요성을 강조합니다.
* 시작 모듈: "개발자를 위한 아인슈타인"은 효과적인 AI 기반 개인화를 위한 전제 조건으로 데이터 준비를 강조합니다.
* Salesforce 도움말 문서: 상거래 사용 사례에서 맞춤형 생성 AI 출력을 제공하기 위해 사용자 행동 데이터를 분석하는 방법을 권장합니다.

Salesforce-AI-Specialist 문제 64

Universal Containers(UC)는 지난 몇 달 동안 고객 계약 해지가 증가한 것을 발견했습니다. UC는 고객이 계약을 해지하기 전에 고객에게 사전 대응 프로그램을 구현하여 이 문제를 해결할 방법을 모색하고 있으며 Salesforce 팀에 제안을 요청하고 있습니다.
모델 빌더의 어떤 사용 사례 기능이 UC의 요청과 일치합니까?

A. 상품 추천 예측

B. 고객 이탈 예측

C. 계약 갱신 날짜 예측

Salesforce-AI-Specialist 문제 65

Northern Trail Outfitters의 AI 전문가는 설정 내의 데이터 마스킹 구성 메뉴에서 조직의 데이터 마스킹 설정을 검토했습니다. 모든 필드를 평가한 결과, 몇 가지 추가 필드가 민감한 것으로 간주되어 Einstein의 신뢰 계층 내에서 마스킹되었습니다.
AI 전문가는 마스크된 필드를 수정할 때 어떤 단계를 거쳐야 합니까?

A. Einstein Trust Layer를 끄고 다시 켜세요.

B. 데이터와 마스크된 데이터를 활용한 프롬프트에서 생성된 응답이 생성된 응답의 품질에 부정적인 영향을 미치지 않는지 테스트하고 확인합니다.

C. AI 기능에 부정적인 부작용이 있는 경우 최종 사용자가 보고할 수 있도록 Einstein Feedback을 켜세요.

다른 버전: 603Salesforce.Salesforce-AI-Specialist.v2026-06-19.q86; 773Salesforce.Salesforce-AI-Specialist.v2025-11-15.q89

최근 업로드: 592Cisco.300-435.v2026-09-03.q259; 325Oracle.1Z0-1045-26.v2026-09-03.q17; 592IIA.IIA-CIA-Part1.v2026-09-03.q627; 423Fortinet.NSE6_OTS_AR-7.6.v2026-09-03.q95; 439Snowflake.DAA-C01.v2026-09-03.q67; 3447Salesforce.AP-223.v2026-09-01.q94; 2543Splunk.SPLK-5001.v2026-09-01.q60; 3855Cisco.300-540.v2026-09-01.q62; 5135Microsoft.MS-102-KR.v2026-09-01.q239; 3511Microsoft.AI-900-KR.v2026-09-01.q162