2024 실제 Salesforce-AI-Associate 100% 합격 보장 다운로드 시험 Q&A [Q43-Q59]

게시 날짜 1월 9, 2024

이 게시물 평가하기

2024 실제 Salesforce-AI-Associate 100% 합격 보장 다운로드 시험 Q&A

365일 무료 업데이트를 통한 정확한 Salesforce-AI 어소시에이트 답변

세일즈포스 세일즈포스-AI-어소시에이트 시험 강의 계획서 주제:

주제	세부 정보
주제 1	주어진 시나리오에 Salesforce의 신뢰할 수 있는 AI 원칙 적용하기 CRM에 적용되는 AI의 이점에 대해 설명하세요.
주제 2	CRM의 AI 기능 AI의 윤리적 고려 사항 AI 기초
주제 3	CRM AI 기능 파악 AI의 유형과 기능 구분하기
주제 4	데이터 품질의 중요성 설명 Salesforce 내에서 AI의 기본 원칙과 적용에 대해 설명합니다.
주제 5	AI의 윤리적 과제 설명하기 요소 설명 데이터 품질의 구성 요소

Q43. 의사 결정에서 인간과 AI 협업의 핵심 과제는 무엇인가요?

정보에 입각한 균형 잡힌 의사 결정으로 이어집니다.

AI에 대한 의존도가 높아져 잠재적으로 비판적 사고와 감독이 약해질 수 있습니다.

의사 결정 프로세스에서 사람의 개입 필요성 감소

설명
"의사 결정에서 인간과 AI 협업의 주요 과제는 AI에 대한 의존도가 높아져 잠재적으로 비판적 사고와 감독이 약해질 수 있다는 점입니다. 인간-AI 협업은 인간과 AI 시스템이 공동의 목표나 과제를 달성하기 위해 함께 일하는 프로세스입니다. 인간과 AI의 협업은 인간과 AI 시스템의 강점을 활용하고 약점을 보완하는 등 많은 이점을 가져올 수 있습니다.
그러나 인간과 AI의 협업은 AI에 대한 의존도를 높여 잠재적으로 비판적 사고와 감독을 약화시키는 등 몇 가지 문제를 야기할 수도 있습니다. 예를 들어, 인간과 AI의 협업은 인간이 그 타당성이나 근거에 의문을 제기하거나 검증하지 않고 AI의 추천을 맹목적으로 신뢰하거나 따를 경우 AI에 대한 의존도를 높일 수 있습니다."

Q44. Salesforce 관리자가 주문의 목적지 국가를 캡처하기 위해 새 필드를 만듭니다.
데이터 품질을 보장하기 위해 어떤 필드 유형을 사용해야 할까요?

텍스트

추천 목록

번호

설명
"주문의 목적지 국가를 캡처하기 위한 데이터 품질을 보장하려면 선택 목록 필드 유형을 사용해야 합니다. 선택 목록 필드 유형을 사용하면 사용자가 목록에서 미리 정의된 값을 하나 이상 선택할 수 있습니다. 선택 목록 필드 유형은 데이터 값의 일관성, 정확성 및 완전성을 강화하여 데이터 품질을 보장할 수 있습니다."

Q45. 클라우드 킥스는 매출 및 지역별 특성에 대한 과거 데이터를 사용하여 신발 수요를 예측하기 위해 AI 모드를 사용하고자 합니다.
이 목표를 달성하기 위해 필수적인 데이터 품질 차원은 무엇인가요?

신뢰성

볼륨

나이

설명
"신뢰성은 매출 및 지역별 특성에 대한 과거 데이터를 사용하여 신발 수요를 예측하는 목표를 달성하기 위한 필수적인 데이터 품질 차원입니다. 신뢰성이란 데이터 값이 AI 작업에 대해 신뢰할 수 있고, 신뢰할 수 있으며, 공신력이 있다는 것을 의미합니다. 신뢰할 수 있는 데이터는 대상 집단이나 도메인의 실제 상태나 조건을 반영하므로 AI 예측의 정확도와 신뢰도를 향상시킬 수 있습니다. 예를 들어, 신뢰할 수 있는 데이터는 검증되고 검증된 판매 및 지역별 데이터를 사용하여 신발 수요를 예측하는 데 도움이 될 수 있습니다."

Q46. CRM에서 고객 경험을 개선하는 데 있어 AI의 주요 이점은 무엇인가요?

CRM 보안 프로토콜을 개선하여 잠재적인 침해 및 위협으로부터 민감한 고객 데이터를 보호합니다.

고객 지원 사례를 분류 및 추적하고, 주제를 식별하고, 사례 해결을 요약하여 사례 관리를 간소화하세요.

고객 서비스 경험을 완전히 자동화하여 고객과의 원활한 자동화된 상호 작용을 보장합니다.

설명
"고객 지원 사례를 분류 및 추적하고, 주제를 식별하고, 사례 해결을 요약하여 사례 관리를 간소화하는 것은 CRM에서 고객 경험을 개선하는 데 있어 AI의 주요 이점 중 일부입니다. AI는 케이스를 적합한 상담원에게 라우팅하고, 관련 정보나 제안을 제공하고, 보고서나 인사이트를 생성하는 등 고객 서비스의 다양한 측면을 자동화하고 최적화하는 데 도움을 줄 수 있습니다. 또한 AI는 대기 시간을 줄이고, 응답 품질을 개선하며, 개인화된 솔루션을 제공함으로써 고객 만족도와 충성도를 높일 수 있습니다."

Q47. CRM에서 일반적으로 사용되는 AI의 세 가지 예는 무엇인가요?

예측 점수, 보고, 이미지 분류

예측 점수, 예측, 권장 사항

아인슈타인 봇, 얼굴 인식, 추천

설명
"예측 점수, 예측, 추천은 CRM에서 일반적으로 사용되는 세 가지 AI의 예입니다.
예측 점수는 전환, 이탈 또는 구매 가능성에 따라 리드, 기회 및 고객의 우선 순위를 정하는 데 도움이 될 수 있습니다. 예측은 과거 데이터와 추세를 기반으로 미래의 판매, 수익 또는 수요를 예측하는 데 도움이 될 수 있습니다. 추천은 고객의 선호도, 행동 및 요구 사항을 기반으로 각 고객에게 가장 적합한 제품, 서비스 또는 조치를 제안하는 데 도움이 될 수 있습니다."

Q48. 데이터 품질 평가는 AI를 사용하는 기업의 비즈니스 성과에 어떤 영향을 미칠까요?

AI 추천 속도 향상

새로운 AI 솔루션 제공 가속화

AI 예측을 위한 벤치마크 제공

설명
"데이터 품질 평가는 AI 예측을 위한 벤치마크를 제공함으로써 AI를 사용하는 기업의 비즈니스 성과에 영향을 미칩니다. 데이터 품질 평가는 특정 목적이나 작업에 대한 데이터의 품질을 측정하고 평가하는 프로세스입니다. 데이터 품질 평가는 정확성, 완전성, 일관성, 관련성, 적시성과 같은 데이터 품질 차원의 문제나 격차를 식별하고 해결하는 데 도움이 될 수 있습니다. 데이터 품질 평가는 AI 예측에 대한 벤치마크를 제공함으로써 AI를 사용하는 기업의 비즈니스 결과에 영향을 미칠 수 있으며, 예측이 대상 집단이나 도메인의 실제 상태 또는 조건을 반영하는 고품질 데이터를 기반으로 하는지 확인할 수 있기 때문입니다."

Q49. AI 비즈니스 목표를 달성하는 데 있어 데이터 품질의 역할은 무엇인가요?

AI는 모든 데이터 유형에서 작동할 수 있으므로 데이터 품질은 불필요합니다.

정확한 AI 데이터 인사이트를 생성하려면 데이터 품질이 필요합니다.

데이터 품질은 Ai 데이터 저장 한도를 유지하는 데 중요합니다.

설명
"정확한 AI 데이터 인사이트를 생성하려면 데이터 품질이 필요합니다. 데이터 품질은 데이터가 정확하고 완전하며 일관성 있고 관련성이 있으며 AI 작업에 시의적절한 정도입니다. 데이터 품질은 학습과 예측에 사용하는 데이터의 품질에 따라 AI 시스템의 성능과 신뢰성에 영향을 미칠 수 있습니다. 또한 데이터 품질은 AI 시스템에서 사용하거나 생성한 데이터의 품질을 반영하므로 AI 데이터 인사이트의 정확성과 유효성에도 영향을 미칠 수 있습니다."

Q50. 한 서비스 리더는 AI를 사용하여 안내식 셀프 서비스 애플리케이션에서 고객이 문제를 더 빨리 해결할 수 있도록 지원하고자 합니다.
어떤 아인슈타인 기능이 최상의 솔루션을 제공하나요?

사례 분류

봇

권장 사항

설명
"봇은 안내식 셀프 서비스 애플리케이션에서 고객이 문제를 더 빨리 해결할 수 있도록 AI를 사용하고자 하는 서비스 리더에게 최고의 솔루션을 제공합니다. 봇은 자연어 처리(NLP)와 자연어 이해(NLU)를 사용하여 텍스트나 음성을 사용하여 고객과 상호작용할 수 있는 대화형 인터페이스를 만드는 기능입니다. 봇은 고객의 의도와 맥락에 따라 답변, 제안 또는 조치를 제공함으로써 고객 서비스 프로세스를 자동화하고 간소화할 수 있습니다."

Q51. Cloud Kicks는 새로운 AI 모델을 테스트하고 있습니다.
어떤 접근 방식이 Salesforce의 신뢰할 수 있는 AI 원칙인 포용성에 부합할까요?

특정 지역 또는 인구 통계의 데이터로만 테스트하여 데이터 유출의 위험을 제한하세요.

다양한 배경을 가진 개발팀에 의존하여 모델의 잠재적인 사회적 영향을 평가하세요.

모델 사용 방식에 적합한 다양하고 대표성 있는 데이터 세트로 테스트합니다.

설명
"모델 사용 방식에 적합한 다양하고 대표성 있는 데이터 세트로 테스트하는 것은 Salesforce의 신뢰할 수 있는 AI 원칙인 포용성에 부합합니다. 포용성이란 다양한 관점, 배경, 경험을 존중하고 다양성을 포용하여 AI 시스템을 설계하고 개발해야 한다는 것을 의미합니다.
다양하고 대표적인 데이터 세트로 테스트하면 모델이 공정하고 편향되지 않으며 대상 집단이나 도메인을 대표하는지 확인할 수 있습니다."

Q52. AI 데이터 개인정보 보호와 관련하여 사용자 동의의 의미는 무엇인가요?

AI는 자동으로 사용자 동의를 얻어 완벽한 데이터 프라이버시를 보장합니다.

사용자 동의를 얻지 않은 경우 AI는 개인정보를 침해합니다.

AI는 사용자 개인정보 보호 및 동의와 독립적으로 운영됩니다.

설명
"AI는 사용자 동의를 얻지 않으면 개인정보를 침해합니다. 사용자 동의란 사용자가 자신의 개인 데이터를 다른 사람이 수집, 사용, 공유 또는 저장하는 것을 허용하는 허가 또는 동의입니다. 사용자 동의는 데이터 개인정보 보호의 중요한 측면으로, 개인이 다른 사람이 자신의 개인 데이터를 처리하는 방식을 통제할 수 있는 권리입니다. 사용자 동의를 얻지 않은 AI는 개인 데이터에 대한 사용자의 권리와 선호도를 침해하므로 프라이버시를 침해하는 것입니다."

Q53. Cloud Kicks는 5aiesforce 플랫폼에 AI 기능을 구현하고자 하지만 잠재적인 윤리 및 개인정보 보호 문제에 대해 우려하고 있습니다.
잠재적인 AI 편향을 최소화하기 위해 무엇을 고려해야 할까요?

편향된 데이터를 자동 수정하는 AI 모델을 통합하세요.

Salesforce의 신뢰할 수 있는 AI 원칙을 구현하세요.

인구 통계 데이터를 사용하여 소수 집단을 식별합니다.

설명
"잠재적인 AI 편견을 최소화하기 위해 Cloud Kicks가 고려해야 할 것은 Salesforce의 신뢰할 수 있는 AI 원칙을 구현하는 것입니다. Salesforce의 신뢰할 수 있는 AI 원칙은 책임감 있고 윤리적인 방식으로 AI 시스템을 개발하고 사용하기 위한 일련의 지침 및 모범 사례입니다. 이 원칙에는 책임성, 공정성 및 평등성, 투명성 및 설명 가능성, 개인정보 보호 및 보안, 신뢰성 및 안전성, 포용성 및 다양성, 권한 부여 및 교육이 포함됩니다."

Q54. 클라우드 킥스는 연락처 기록에서 다양한 주 및 국가 값의 변형을 발견했습니다.
이 문제의 영향을 받는 데이터 품질 차원은 무엇인가요?

사용법

정확성

일관성

설명
"일관성은 연락처 기록의 다양한 주 및 국가 값의 영향을 받는 데이터 품질 차원입니다. 일관성이란 데이터 값이 균일하고 서로 다른 레코드, 필드 또는 소스에서 공통 표준 또는 형식을 따르는 것을 의미합니다. 일관성이 없는 데이터는 데이터 분석 및 처리에서 혼동, 오류 또는 중복을 일으킬 수 있습니다."

Q55. 클라우드 킥스는 아인슈타인 예측 빌더를 사용하여 고객의 특정 제품 구매 가능성을 파악하고자 하지만, 데이터 품질은 ...
데이터 품질을 어떻게 평가할 수 있나요?

데이터 관리 전략을 수립하세요.

데이터 품질을 만료하는 보고서를 작성하세요.

AppExchange의 데이터 품질 앱 활용

설명
"AppExchange의 데이터 품질 앱을 활용하면 데이터 품질을 평가할 수 있습니다. 데이터 품질은 데이터가 정확하고 완전하며 일관되고 관련성 있고 시기적절하며 AI 작업에 적합한 정도입니다. 데이터 품질은 학습 및 예측에 사용하는 데이터의 품질에 따라 달라지므로 AI 시스템의 성능과 신뢰성에 영향을 미칠 수 있습니다. AppExchange의 데이터 품질 앱을 활용한다는 것은 Salesforce에서 데이터 품질을 측정, 모니터링 또는 개선하는 데 도움이 되는 타사 애플리케이션 또는 솔루션을 사용한다는 의미입니다."

Q56. 어떤 유형의 편견이 다른 사람에게 시스템의 가치를 강요하나요?

사회

자동화

협회

설명
"사회적 편견은 한 시스템의 가치를 다른 사람들에게 강요하는 편견의 유형입니다. 사회적 편견은 특정 사회나 문화의 가정, 규범 또는 가치를 반영하는 편견의 한 유형입니다. 사회적 편견은 AI 시스템이 다양한 그룹이나 영역을 인식, 취급 또는 표현하는 방식에 영향을 미칠 수 있으므로 AI 시스템의 공정성과 윤리에 영향을 미칠 수 있습니다. 예를 들어, 서구의 미 또는 성공 기준을 사용하여 다른 문화권의 사람들을 판단하거나 순위를 매기는 등 AI 시스템이 다른 사람들에게 시스템의 가치를 강요할 때 사회적 편견이 발생할 수 있습니다."

Q57. AI 모델 학습 데이터의 잠재적인 편향의 원인은 무엇인가요?

데이터는 소스 시스템에서 지역 시간으로 수집됩니다.

데이터가 특정 인구 통계 또는 출처에 치우쳐 있습니다.

데이터는 다양한 출처와 인구 통계에서 수집됩니다.

설명
"AI 모델 학습 데이터의 잠재적인 편향의 원인은 데이터가 특정 인구 통계나 출처에 치우쳐 있다는 것입니다. 왜곡된 데이터는 데이터가 대상 인구 또는 도메인을 균형 있게 대표하지 못한다는 것을 의미합니다. 왜곡된 데이터는 특정 데이터 하위 집합에 모델을 과도하게 적합하거나 과소 적합하게 만들 수 있으므로 AI 모델에 편향성을 유발하거나 악화시킬 수 있습니다. 예를 들어 특정 연령대, 성별, 인종, 위치 또는 플랫폼과 같이 제한적이거나 편향된 인구 통계 또는 출처에서 데이터를 수집하는 경우 왜곡된 데이터는 편향으로 이어질 수 있습니다."

Q58. 클라우드 기술 팀에서 AI 개발 프로세스의 효율성을 평가하고 있나요?
신뢰할 수 있는 AI 솔루션 개발을 안내하기 위해 팀은 어떤 확립된 Salesforce 윤리 성숙도 모델을 사용해야 하나요?

윤리적 AI 예측 성숙도 모델

윤리적 AI 프로세스 성숙도 모델

윤리적 AI 실천 성숙도 모델

설명
"윤리적 AI 프로세스 성숙도 모델은 클라우드 기술팀이 신뢰할 수 있는 AI 솔루션 개발을 안내하기 위해 사용해야 하는 확립된 Salesforce 윤리적 성숙도 모델입니다. 윤리적 AI 프로세스 성숙도 모델은 AI 시스템 개발 및 배포와 관련된 윤리적이고 책임감 있는 관행과 프로세스를 평가하고 개선하는 데 도움이 되는 프레임워크입니다. 윤리적 AI 프로세스 성숙도 모델은 5단계의 성숙도로 구성됩니다: 임시, 인식, 정의, 관리, 최적화의 다섯 가지 단계로 구성됩니다. 윤리적 AI 프로세스 성숙도 모델은 더 높은 수준의 윤리적 성숙도를 달성하기 위한 로드맵과 모범 사례를 제공함으로써 신뢰할 수 있는 AI 솔루션 개발을 안내하는 데 도움이 될 수 있습니다."

Q59. AI 모델에 의도하지 않은 편향성을 도입하지 않으려면 어떤 유형의 데이터를 생략해야 하나요?

트랜잭션

참여

인구 통계

설명
"AI 모델에 의도하지 않은 편견이 개입되지 않도록 인구통계학적 데이터를 생략해야 합니다. 인구통계학적 데이터는 연령, 성별, 인종, 민족, 소득, 교육, 직업 등 인구 또는 집단의 특성을 설명하는 데이터입니다. 인구통계학적 데이터가 정체성이나 속성에 따라 사람들을 차별하거나 다르게 대우하는 데 사용될 경우 편견으로 이어질 수 있습니다. 또한 인구통계학적 데이터는 사회나 문화에 존재하는 편견이나 고정관념을 반영할 수 있으며, 이는 AI 시스템의 공정성과 윤리에 영향을 미칠 수 있습니다."

로드 중 …