Salesforce 認定 Agentforce スペシャリスト 1-10

Testing Center では、本番データに近い条件で安全にテストを行うことが重要です。
そのため、Salesforce では本番環境を複製したサンドボックス環境の利用が推奨されています。
サンドボックスは本番データをコピーしつつ、本番環境とは分離されているため、実運用に影響を与えずにリアルな検証が可能です。
Aの開発者組織はデータが不十分で現実的なテストにならず、Bの本番環境での直接テストはデータ破損やセキュリティリスクがあるため不適切です。
したがってCが正解です。
Agentforce テストセンター

Einstein Studio の BYO-LLM（Bring Your Own Large Language Model）機能を使用すると、Salesforce 環境内で外部の大規模言語モデルをネイティブに統合できます。
これにより Prompt Builder と連携し、外部 LLM を活用した柔軟な生成 AI の実装が可能になります。
A の Apex による接続は実装負荷が高く推奨されず、C のフローや外部サービスは主にデータ連携用途であり LLM 活用には最適ではありません。
したがって、標準機能である BYO-LLM を利用する方法が最も効率的かつ推奨される構成です。
Bring Your Own Large Language Model (独自の大規模言語モデル)

Prompt Builder では、Data Cloud の関連リストやプロンプト開始フローを通じてデータを動的に取得する仕組みが提供されています。
これにより、統合された顧客データをもとにコンテキストを考慮した生成 AI の活用が可能になります。
A のような Flex テンプレートからの DMO 直接アクセスはサポートされておらず、C の外部 API のみの利用も不要です。
したがって、標準機能である関連リストとフローを組み合わせる方法が最適かつ推奨される手段です。
フローの差し込み項目を使用したグラウンディング

営業チームがプロンプトテンプレートを利用するには、テンプレートを使用するための権限（Prompt Template User）を付与することが前提となります。
さらに、Sales Email 機能を有効化することで、メールワークフローとプロンプトテンプレートの連携が可能になります。
B のマネージャー権限は作成・管理用途であり利用には不要であり、C の Data Cloud 管理者権限も本機能とは無関係です。
したがって、適切な権限付与と機能有効化の組み合わせがベストプラクティスです。
プロンプトビルダーの有効化

フィールド生成プロンプトテンプレートを利用するには、対象フィールドを Lightning ページレイアウト上で明示的にプロンプトテンプレートと関連付ける必要があります。
この設定が行われていない場合、AI 生成を示すスパークルアイコンは表示されず、通常のフィールドとして扱われます。
また、テンプレートの有効化だけでは不十分で、ページレイアウトへの追加と紐付け設定が必須です。
A は再有効化は不要であり、B もケースオブジェクトはサポート対象のため誤りです。
したがって C が正解です。
Lightning レコード ページへの項目生成プロンプト テンプレートの追加

この要件では、PDF の社内ポリシー文書を根拠として回答する必要があるため、AI が参照可能なナレッジ基盤（データライブラリ）を最初に構築することが重要です。
Agentforce のデータライブラリを使用すると、PDF をアップロードしてインデックス化し、検索可能な形で AI に提供できます。
これにより Retrieval-Augmented Generation（RAG）が実現され、LLM の一般知識ではなく企業の承認済みデータに基づいた回答が可能になります。
B は範囲が広すぎ、C は具体的な構成手順として不十分です。
データライブラリとは?

Model Playground では、生成AIモデルの挙動を制御するための主要なハイパーパラメータとして「温度・頻度ペナルティ・存在ペナルティ」が調整可能です。
温度は出力の多様性、頻度ペナルティは繰り返し抑制、存在ペナルティは新しいトピックの生成を促進します。
これらにより応答の性質を細かく制御できます。
一方、Top-k サンプリングは Salesforce の標準UIでは提供されておらず、出力トークン数も主な調整パラメータではありません。
したがって、Agentforce で変更可能な正しい組み合わせはこれら3つのハイパーパラメータです。

モデル設定の作成

この要件では、公開済みナレッジ記事のみを対象にしつつ、回答の根拠をユーザーに示す必要があります。
そのため、「公開ナレッジ記事の使用」を有効化することで、公開済みコンテンツのみにインデックス対象を制限できます。
さらに、「ソースの表示」を有効にすることで、LLM の回答がどのナレッジ記事に基づいているかを明示できます。
A のデータカテゴリは分類用途でありインデックス制御には不十分で、B はソース表示ができないため要件を満たしません。
したがって C が正解です。
Salesforce ナレッジの使用

アクション指示は、推論エンジンがどのアクションをいつ実行すべきかを判断するためのガイドとして機能します。
具体的には、アクションの目的や入力条件、実行タイミングを定義することで、ユーザーの意図と適切なアクションを正しく結び付けます。
これにより、AI エージェントは状況に応じて最適な処理を選択できます。
一方、LLM の温度設定はシステムレベルで管理され、アクション指示では制御されません。
また、ユーザー向けの説明ではなく内部ロジック向けの設定である点も重要です。
エージェントアクションの手順のベストプラクティス

プロンプトテンプレートは、参照する LLM を名前や ID によって紐付けています。そのため、Sandbox と本番環境で同一の LLM 設定（名前・ID）が存在しない場合、依存関係を解決できずデプロイエラーが発生します。
特に BYO-LLM を利用する場合、環境間で同じ構成を事前に作成しておく必要があります。LLM の名称や設定が一致していないことが最も典型的な原因であり、移行前に整合性を確保することが重要です。A は本質的な原因ではなく、B も BYO-LLM は本番環境で利用可能なため誤りです。
プロンプトビルダー