무료 온라인 액세스 Salesforce.Salesforce-AI-Specialist.v2025-11-15.q89 모의 시험 (Page 10)

Salesforce-AI-Specialist 문제 41

Universal Containers는 현재 주문 처리 상태를 대규모 언어 모델(LLM)의 프롬프트에 통합하려고 합니다. 주문 상태는 외부 ERP(Enterprise Resource Planning) 시스템에 저장됩니다.
AI 전문가는 어떤 데이터 접지 기술을 추천해야 할까요?

A. Eternal Object 레코드 병합 필드

B. 외부 서비스 병합 필드

C. Apex 병합 필드

정답: A

* 요구 사항의 맥락: Universal Containers는 외부 ERP 시스템에서 실시간 주문 상태 데이터를 LLM 프롬프트로 가져오려고 합니다.
* LLM 프롬프트에서의 데이터 접지: 데이터 접지는 대규모 언어 모델(LLM)이 최신의 관련성 높은 정보에 접근할 수 있도록 보장합니다. Salesforce에서 권장되는 접근 방식 중 하나는 데이터가 Salesforce 외부에 있는 경우 외부 객체(Salesforce Connect를 통해)를 사용하는 것입니다.
* 외부 개체 레코드 병합 필드의 이유:
* 외부 개체는 표준 개체나 사용자 정의 개체와 매우 유사하지만 외부 시스템의 테이블에 매핑됩니다.
* 병합 필드에서 이러한 외부 개체의 필드를 참조하면 Salesforce에 데이터를 기본적으로 저장하지 않고도 외부 ERP 시스템에서 실시간으로 데이터를 검색할 수 있습니다.
* 이는 사용자 정의 Apex를 코딩하거나 외부 서비스를 구성하여 직접 프롬프트에 임베드하는 것보다 더 간단한 "지점 및 참조" 방식입니다.
* 외부 서비스 병합 필드 또는 Apex 병합 필드를 사용하지 않는 이유:
* 외부 서비스 병합 필드는 일반적으로 플로우 또는 외부 서비스 정의를 활용합니다. 실현 가능하지만, 자동화를 위해 외부 서비스(예: 플로우)를 오케스트레이션하거나 호출하는 것이 더 중요합니다.
이는 즉각적인 병합에서 외부 레코드 데이터를 원활하게 참조하기 위한 표준적인 접근 방식이 아닙니다.
* Apex 병합 필드는 프롬프트 삽입을 제어하는 사용자 지정 Apex 코드를 의미합니다. 가능하지만, "클릭 대신 코드"를 사용하는 것이 더 편리하며 일반적인 레코드 데이터를 참조하는 기본 방법은 아닙니다.
* 참고문헌 및 학습자료:
* Salesforce 도움말 및 교육#Salesforce Connect 및 외부 개체
* Salesforce Trailhead#"Salesforce Connect를 사용하여 외부 데이터 통합"
* Salesforce AI 전문가 학습 자료(외부 객체를 사용하여 LLM 프롬프트를 접지하는 방법에 대한 문서)

Salesforce-AI-Specialist 문제 42

AI 전문가는 필드 생성 프롬프트 템플릿 유형을 사용하는 것을 고려하고 있습니다.
AI 전문가는 필드 생성 프롬프트를 생성하기 전에 무엇을 확인하여 필드가 생성 AI에 활성화될 수 있는지 확인해야 합니까?

A. 선택한 필드는 255자 이상의 서식 있는 텍스트 필드여야 합니다.

B. 해당 org가 API 버전 59 이상으로 설정되어 있습니다.

C. 필드가 위치할 Lightning 페이지 레이아웃이 동적 양식으로 업그레이드되었습니다.

Salesforce-AI-Specialist 문제 43

Universal Containers(UC)는 경쟁사, 제품 및 기타 사용자 정의 문구에 대한 언급을 전화 통화 후에 자동으로 확인할 수 있는 기능을 영업 팀에 제공하고자 합니다.
AI 전문가는 UC 영업팀의 역량을 강화하기 위해 어떤 기능을 설정해야 할까요?

A. 통화 요약

B. 탐색기 호출

C. 인사이트 호출

Salesforce-AI-Specialist 문제 44

Universal Containers(UC)는 Sales Cloud의 Draft with Einstein 기능을 사용하여 개인화된 소개 이메일을 만들려고 합니다.
제안된 초안 이메일을 작성한 후, UC는 보다 캐주얼한 톤으로 초안을 수정하기 위해 어떤 사전 정의된 조정을 선택해야 할까요?

A. 덜 공식적으로 만들기

B. 친근감 향상

C. 명확성을 위해 최적화

Salesforce-AI-Specialist 문제 45

Einstein Trust Layer는 유용하고 의미 있는 응답을 생성하는 동시에 민감한 데이터가 보호되도록 어떻게 보장합니까?

A. 마스크된 데이터는 응답 과정에서 마스크가 해제됩니다.

B. 마스크된 데이터는 요청 과정에서 마스크가 해제됩니다.

C. 관련성 임계값을 충족하지 못하는 응답은 자동으로 거부됩니다.

정답: A

Einstein Trust Layer는 중요 데이터가 대규모 언어 모델(LLM)로 전송되기 전에 마스킹하고, 응답 과정에서 마스킹을 해제하여 유용하고 의미 있는 응답을 생성하는 동시에 중요 데이터가 보호되도록 보장합니다.
작동 원리:
요청 여정에서의 데이터 마스킹:
민감한 데이터 식별: LLM에 프롬프트를 보내기 전에 Einstein Trust Layer는 개인 식별 정보(PII), 기밀 비즈니스 정보 또는 기타 민감한 것으로 간주되는 데이터와 같은 민감한 데이터에 대한 입력을 스캔합니다.
민감 데이터 마스킹: 식별된 민감 데이터는 플레이스홀더 또는 마스크로 대체됩니다. 이를 통해 LLM이 원시 민감 정보를 수신하지 않도록 하여 잠재적 노출로부터 보호합니다.
LLM에 의한 처리:
마스크된 입력: LLM은 마스크된 프롬프트를 처리하고 마스크된 데이터를 기반으로 응답을 생성합니다.
민감한 데이터 노출 없음: LLM은 실제 민감한 데이터를 수신하지 않으므로 실수로 해당 데이터를 출력에 포함할 위험이 없습니다.
대응 여정에서의 마스크 벗기기:
민감한 데이터 재삽입: LLM이 응답을 생성한 후, Einstein Trust Layer는 응답의 플레이스홀더를 원래의 민감한 데이터로 바꿉니다.
의미 있는 응답 제공: 이 디마스킹 프로세스를 통해 최종 응답이 의미 있고 완전하며, 필요한 경우 민감한 정보가 포함되어 있는지 확인합니다.
데이터 보안 유지: 민감한 데이터는 어떤 시점에서도 LLM이나 의도치 않은 수신자에게 노출되지 않으며, 이를 통해 데이터 보안과 규정 준수를 유지합니다.
옵션 A가 옳은 이유:
응답 과정 중의 디마스킹: 디마스킹 프로세스는 LLM이 응답을 생성한 후에 수행되며, 이를 통해 민감한 데이터가 최종 단계에서 안전하고 적절하게 출력에 다시 도입되도록 보장합니다.
보안과 유용성의 균형: 이 접근 방식을 사용하면 시스템은 데이터 보안을 손상시키지 않고 필요한 민감한 정보를 포함하는 유용하고 의미 있는 응답을 생성할 수 있습니다.
옵션 B와 C가 틀린 이유:
옵션 B(마스크된 데이터는 요청 과정에서 마스크가 해제됨):
잘못된 프로세스: 요청 과정 중에 디마스킹을 수행하면 LLM에 도달하기 전에 민감한 데이터가 노출되어 마스킹의 목적이 달성되지 않고 데이터 보안이 손상됩니다.
옵션 C(관련성 임계값을 충족하지 못하는 응답은 자동으로 거부됩니다):
데이터 보호와 무관함: Einstein Trust Layer는 부적절하거나 관련 없는 응답을 걸러내기 위해 관련성 임계값을 적용하지만, 이 메커니즘은 민감한 데이터 보호와는 직접적인 관련이 없습니다. 데이터 보안보다는 응답 품질에 중점을 둡니다.
참조:
Salesforce AI 전문가 문서 - Einstein 신뢰 계층 개요:
신뢰 계층이 프롬프트에서 민감한 데이터를 마스크하고 LLM 처리 후 다시 삽입하여 데이터 개인 정보를 보호하는 방법을 설명합니다.
Salesforce 도움말 - 데이터 마스킹 및 디마스킹 프로세스:
LLM에 보내기 전에 민감한 데이터를 마스킹하는 방법과 응답 과정에서 마스킹을 해제하는 방법에 대한 자세한 설명입니다.
Salesforce AI 전문가 시험 가이드 - AI 보안 및 규정 준수:
AI 구현에서 Einstein Trust Layer와 같은 데이터 보호 메커니즘의 중요성을 간략하게 설명합니다.
결론:
Einstein Trust Layer는 LLM에 프롬프트를 전송하기 전에 민감한 데이터를 마스킹하고, 응답 과정에서 마스킹을 해제하여 민감한 데이터를 보호합니다. 이 프로세스를 통해 Salesforce는 AI 처리 과정에서 민감한 데이터를 노출하지 않고도 필요한 민감한 정보를 포함하는 유용하고 의미 있는 응답을 생성할 수 있으며, 이를 통해 데이터 보안 및 규정 준수를 유지할 수 있습니다.

다른 버전: 610Salesforce.Salesforce-AI-Specialist.v2026-06-19.q86; 1627Salesforce.Salesforce-AI-Specialist.v2025-04-28.q81

최근 업로드: 134Oracle.1Z1-171.v2026-09-06.q38; 149SAP.C_S4TM.v2026-09-06.q71; 160Oracle.1Z0-1054-26.v2026-09-06.q65; 190Huawei.H12-831_V1.0.v2026-09-06.q231; 134Salesforce.Plat-Arch-205.v2026-09-06.q28; 151Salesforce.Plat-Arch-203.v2026-09-06.q90; 142Oracle.1Z0-1050-26.v2026-09-05.q19; 214Salesforce.Manufacturing-Cloud-Professional.v2026-09-05.q111; 231EXIN.ITILFND_V4.v2026-09-05.q129; 251Citrix.1Y0-312.v2026-09-05.q182