包括的かつ詳細な説明：Agentforceスペシャリストは、トラブルシューティングのために、ユーザーインタラクション、エラー、アクションの問題を包括的に把握する必要があります。選択肢を検討してみましょう。
* オプション A: プラン キャンバスAgent Builder のプラン キャンバスは、単一のインタラクションに対するエージェントの実行プランを視覚化します。これは設計には役立ちますが、エラーやすべてのインタラクションなどの集約されたトラブルシューティング データには役立たないため、不正確になります。
* オプションB：エージェント設定エージェント設定はエージェントの設定（トピック、チャネルなど）を行うもので、インタラクションログやエラーの詳細は提供しません。これは設定用であり、分析用ではないため、正しくありません。
* オプションC：イベントログAgentforceのイベントログ（設定またはエージェント分析からアクセス可能）には、エラー、誤ってトリガーされたアクション、未完了のプランなど、すべてのユーザーインタラクションが記録されます。パフォーマンスの問題のトラブルシューティングに役立つ詳細なテレメトリ（タイムスタンプ、アクションの結果など）が提供されるため、これが正解です。
オプション C が正しい理由: Salesforce のドキュメントに従って、イベント ログはトラブルシューティングに必要なインタラクション データの全範囲を提供します。
参考文献:
* Salesforce Agentforce ドキュメント: エージェント分析 > イベント ログ - 詳細なインタラクションとエラーのログ記録。
* Trailhead: Agentforce エージェントの監視と最適化 - トラブルシューティングにはイベント ログを推奨します。
* Salesforce ヘルプ: Agentforce パフォーマンス - 診断のためにログを確認します。

Universal Containers（UC）は、SalesforceのGenerative AI機能を使用する際のデータプライバシー、特にサードパーティのLLMによるデータへのアクセスや保持の防止について懸念を抱いています。Einstein Trust Layerのゼロデータ保持ポリシーは、以下の点を保証することで、これらの懸念に対処するように設計されています。
* データはサードパーティの LLM によるトレーニングや製品の改善には使用されません。
* 顧客の Salesforce 組織外にはデータは保持されません。
* LLM プロバイダーは顧客データにアクセスできません。
このポリシーは、生成 AI 機能を活用しながらデータを安全に保つという UC の要件に完全に一致しています。
* Prompt Defense と Data Masking もセキュリティ機能ですが、サードパーティのデータ アクセスと保持に関する懸念に直接対処するものではありません。
参考文献:
* Salesforce Einstein Trust Layer ドキュメント:https://help.salesforce.com/s/articleView?id=sf。
アインシュタイン信頼レイヤー.htm

* 質問の文脈
* Universal Containers (UC) には、すべての可能な構成をサンドボックスで完了し、本番環境に展開することを要求する厳格な変更管理プロセスがあります。
* Einstein Generative AI はすでに本番環境で有効になっており、「Einstein 作業サマリー」権限セットも本番環境ですでに利用可能です。
* Agentforce スペシャリストは、サンドボックスで拡張メッセージングの作業概要を構成する必要があります。
* サンドボックスから本番環境に実際にデプロイできるものは何ですか?
* カスタム フィールド: サンドボックスで簡単に作成して展開できるメタデータ。
* クイックアクション: メタデータベースで、サンドボックスから本番環境に展開できます。
* レイアウト コンポーネント: ページ レイアウトの変更 (ラップアップ コンポーネントの追加など) を変更セットまたはデプロイメント パッケージに追加できます。
* 選択肢Cが正しい理由
* デプロイメントのためにサンドボックスで Einstein を有効にする必要はありません: Einstein Generative AI はすでに本番環境で有効になっています。テストを行う場合、サンドボックスで有効にするのは通常は手動の手順ですが、その手順自体はメタデータの意味で「デプロイ可能」ではありません。
* 権限セットの割り当て（オプションA）は、デプロイ可能なメタデータではありません。権限セット自体はデプロイできますが、特定のユーザーへの割り当てはデプロイできません。質問では、
「本番組織に展開できるサンドボックス内で他にどのような構成手順を実行する必要がありますか？」、ユーザーの割り当てはその中に含まれていません。
* オプション A または B を選ばないのはなぜですか?
* オプションA: エージェントの権限セット割り当ての作成について言及しています。権限セット割り当てはユーザー固有であり、メタデータではなく「データ」とみなされるため、サンドボックスから本番環境に直接展開することはできません。
* オプションB：「Einstein を有効にする」と記載されていますが、Einstein Generative AI は既に本番環境で有効化されています。また、「Einstein を有効にする」は通常、組織レベルの設定であり、デプロイ可能なメタデータ項目ではありません。
* 結論サンドボックスで確実に作成およびテストし、本番環境に移行できる主なデプロイ可能な項目は次のとおりです。
* カスタム フィールド (問題、解決、概要)。
* これらのフィールドを更新するクイックアクション。
* ページ レイアウトを変更して、Wrap Up コンポーネントを含めます。
したがって、オプション C は正しく、サンドボックスから本番環境にメタデータとして実際に展開可能なアクションに重点を置いています。
Salesforceエージェントforceスペシャリスト参考資料とドキュメント
* Salesforce Trailhead:Einstein GPT を使用した作業サマリーでは、カスタム フィールド、クイック アクション、UI コンポーネントの必要性など、作業サマリーを構成する方法の概要を示します。
* Salesforce ドキュメント: 組織間でのメタデータの展開変更セットを介して展開できるものと展開できないもの (カスタム フィールド、ページ レイアウト、クイック アクションとユーザー権限セットの割り当てなど) について説明します。
* Salesforce Agentforce Specialist 学習ガイドでは、メタデータとして展開可能な Einstein Generative AI および Work Summaries 構成について概説しています。

Data Cloud は Agentforce で「知識による質問への回答」をどのようにサポートしますか?
Agentforce の「ナレッジで質問に答える」アクションは、Salesforce Data Cloud を活用して、AI を活用した応答に使用されるナレッジ記事を保存、管理、インデックス付けします。
* ナレッジ記事の中央ストレージとしてのデータクラウド
* インデックス化されたナレッジ記事は、データ クラウドからリアルタイムで保存および取得されます。
* AI システムは、サービス エージェントまたは顧客が回答を必要とするときに、Data Cloud にクエリを実行して関連する記事を取得します。
* 最新の対応の確保
* Data Cloud は、新しい洞察、ユーザー インタラクション、フィードバックに基づいて、ナレッジ記事を継続的に更新します。
* AI はナレッジベースから最新かつ最も関連性の高い情報を取得できます。
* AIを活用した顧客サービスの強化
* AI が生成した応答は、実際の顧客サービスとのやり取りに基づいています。
* サービス エージェントは、コンテキストに応じた迅速な回答を得られるため、解決時間と顧客満足度が向上します。
他の選択肢はなぜダメなのか？
# A. データクラウドは必須ではありません。エージェントは CRM から直接記事にアクセスできます。
* Data Cloud はナレッジ記事を保存およびインデックス付けするための主要なシステムであるため、誤りです。
* Data Cloud がなければ、Einstein AI は記事を効率的に取得し、動的にランク付けすることができません。
# C. Data Cloud は、ナレッジ記事を更新するリアルタイムのデータ ストリームを提供します。
* 誤りです。Data Cloud は記事を保存および管理しますが、リアルタイム更新は主な機能ではありません。
* Salesforce 内のナレッジ管理システムが記事の作成と更新を処理します。
Agentforceスペシャリストのリファレンス
* Salesforce AI スペシャリスト マテリアルでは、Data Cloud が AI 主導のナレッジ管理のコア ストレージ システムであることが強調されています。
* Salesforce 認定手順では、AI を活用した応答のためのインデックス付けされたナレッジ記事の管理における Data Cloud の中心的な役割が確認されています。

セキュリティコンプライアンスの懸念に対処し、LLMに送信されたプロンプトテキスト、そのマスキング方法、そしてマスキングされた応答を可視化するために、AgentforceスペシャリストはEinstein Trust Layerで監査証跡を有効にすることを推奨します。この機能は、大規模言語モデル（LLM）に送信されたプロンプト、機密情報のマスキング、そしてAIの応答をキャプチャして記録します。この監査証跡により、完全な透明性とセキュリティ要件へのコンプライアンスが確保されます。
* オプション A (Einstein Shield イベント ログ) は、特定の AI プロンプト データではなく、システム イベントに重点を置いています。
* オプション B (デバッグ ログ) では、AI プロンプトのマスキングや応答に関する必要な情報が得られません。
詳細については、監査とセキュリティ対策に関する Salesforce の Einstein Trust Layer ドキュメントを参照してください。