Microsoft Agentic AI Business Solutions Architect (AB-100日本語版) - AB-100日本語 Exam Practice Test
顧客サポート向けに、Microsoft Power Platform ソリューションを推奨する必要があります。このソリューションには、Microsoft Power Automate の AI 機能が含まれている必要があり、以下の要件を満たしている必要があります。
* AIモデルには集中型ワークスペースを使用してください。
* 追加のトレーニングやコーディングを必要とせずに、症例記録や議事録などの大量の非構造化テキストから短い概要を生成します。
各要件に対する推奨事項には何を含めるべきでしょうか？回答するには、回答欄で適切な選択肢を選んでください。
注：正解ごとに1ポイントが加算されます。
* AIモデルには集中型ワークスペースを使用してください。
* 追加のトレーニングやコーディングを必要とせずに、症例記録や議事録などの大量の非構造化テキストから短い概要を生成します。
各要件に対する推奨事項には何を含めるべきでしょうか？回答するには、回答欄で適切な選択肢を選んでください。
注：正解ごとに1ポイントが加算されます。
Correct Answer:
Explanation:
1. Centralized Workspace for AI Models
In the evolving Microsoft AI ecosystem, Azure AI Foundry (formerly Azure AI Studio) serves as the unified, centralized workspace for developers and organizations to build, manage, and deploy AI models.
Unified Hub: It provides a single location to access the Model Catalog, manage deployments, and perform prompt engineering.
Integration: While AI Builder is the " front-end " for citizen developers in Power Automate, Azure AI Foundry is the foundational " engine room " where the underlying models (including those used by prompts) are managed and governed at an enterprise level.
Scalability: It allows organizations to host their own custom models or utilize industry-leading foundation models (like GPT-4o) which then power the downstream capabilities in the Power Platform.
2. Generating Short Overviews Without Training or Coding
To summarize large amounts of unstructured text like case notes or transcripts without manual effort, AI Builder prebuilt prompts are the specific solution.
AI Builder Prebuilt Prompts: These are ready-to-use GPT-based instructions designed for common business tasks. Specifically, the " AISummarize " prebuilt prompt is engineered to take input text and generate a concise summary automatically.
Zero Training Required: Unlike " Custom Models " which require you to provide sets of historical data to teach the AI, prebuilt prompts leverage pre-trained Large Language Models (LLMs). This meets the requirement of " no additional training or coding. " Ease of Use: In Power Automate, you simply add the " Create text with GPT using a prompt " action and select the prebuilt summary prompt, passing it the text from your case notes or transcripts.
Microsoft CopilotエージェントをMicrosoft Dynamics 365 Contact Centerのチャットチャネルと統合するためのソリューションを提案する必要があります。
担当者は顧客からの質問に回答し、顧客がエスカレーションを要求した場合は、担当者をライブのカスタマーサービス担当者に引き継ぐ必要があります。
何をおすすめしますか？
担当者は顧客からの質問に回答し、顧客がエスカレーションを要求した場合は、担当者をライブのカスタマーサービス担当者に引き継ぐ必要があります。
何をおすすめしますか？
Correct Answer: B
Vote an answer
Explanation: Only visible for Fast2test members. You can sign-up / login (it's free).
ある企業は、Microsoft Copilot Studioエージェントを3か月間運用している。
当該エージェントはユーザーから好意的なフィードバックを受けている。
エージェントが回答しなかった質問の数と、ユーザーとエージェント間のセッションが中断された回数を特定する必要があります。
どのCopilot Studioインサイトを使用すべきでしょうか？回答するには、適切なインサイトを正しい要件にドラッグしてください。各インサイトは、1回、複数回、またはまったく使用しない場合があります。
注：正解ごとに1ポイントが加算されます。
当該エージェントはユーザーから好意的なフィードバックを受けている。
エージェントが回答しなかった質問の数と、ユーザーとエージェント間のセッションが中断された回数を特定する必要があります。
どのCopilot Studioインサイトを使用すべきでしょうか？回答するには、適切なインサイトを正しい要件にドラッグしてください。各インサイトは、1回、複数回、またはまったく使用しない場合があります。
注：正解ごとに1ポイントが加算されます。
Correct Answer:
Explanation:
The number of unanswered questions # Generated answer rate and quality; The number of abandoned sessions # Conversation outcomes Why "Generated answer rate and quality" is correct The requirement is to identify the number of questions unanswered by the agent. In Copilot Studio, unanswered-question behavior is tied to how often the agent successfully generates answers and the quality of those answers.
The Generated answer rate and quality insight is the right place to evaluate whether the agent is:
answering user questions
failing to generate answers
producing low-quality responses
missing knowledge coverage
From an AI business solutions standpoint, unanswered questions are a direct signal of knowledge gaps, grounding gaps, or prompt-response weaknesses. This is exactly what generated answer analytics are meant to surface.
Why "Conversation outcomes" is correct
The requirement also asks for the number of abandoned sessions between users and the agent.
Abandonment is a conversation-level outcome, not a reaction or survey result. The Conversation outcomes insight tracks what happened to the interaction, such as whether the conversation was:
resolved
escalated
abandoned
otherwise completed unsuccessfully
That makes it the correct metric for identifying abandoned sessions.
Why the other insights are not correct
Reactions
Reactions capture signals like positive or negative user feedback, but they do not directly measure unanswered questions or abandoned sessions.
Survey results
Survey results reflect user satisfaction feedback after interactions, but they do not directly quantify unanswered questions or abandonment counts.
ある企業は、クラウドデータベースに保存されている顧客からのフィードバックのレビューを自動化するAIエージェントを導入している。
エージェントの出力データから月次レポートを作成し、顧客の感情に関する洞察を得て、製品開発とマーケティングの指針とする計画です。
エージェントが取り込むデータがクリーンで、意図された用途に適していることを確認する必要があります。
データの準備には何をすべきですか？
エージェントの出力データから月次レポートを作成し、顧客の感情に関する洞察を得て、製品開発とマーケティングの指針とする計画です。
エージェントが取り込むデータがクリーンで、意図された用途に適していることを確認する必要があります。
データの準備には何をすべきですか？
Correct Answer: C
Vote an answer
Explanation: Only visible for Fast2test members. You can sign-up / login (it's free).
あなたは、Agent1とAgent2という名前の2つのMicrosoft Copilot Studioエージェントを設計しています。各エージェントは、以下の要件を満たす必要があります。
各エージェントは標準モデルを使用しなければならない。
各エージェントは生成型オーケストレーションを使用してはならない。
Agent1は、特定のトピックに関して、シンプルで短いフレーズをサポートする必要があります。
Agent2は、Microsoft Dynamics 365 Contact Centerの音声チャネルと統合する必要があります。
エージェント向けに言語モデルを推奨する必要があります。
各エージェントにはどのようなアドバイスをすべきでしょうか？
各エージェントは標準モデルを使用しなければならない。
各エージェントは生成型オーケストレーションを使用してはならない。
Agent1は、特定のトピックに関して、シンプルで短いフレーズをサポートする必要があります。
Agent2は、Microsoft Dynamics 365 Contact Centerの音声チャネルと統合する必要があります。
エージェント向けに言語モデルを推奨する必要があります。
各エージェントにはどのようなアドバイスをすべきでしょうか？
Correct Answer:
Explanation:
Agent 1 = NLU
Agent 2 = NLU and NLU+
https://learn.microsoft.com/en-us/microsoft-copilot-studio/nlu-overview Agent1 must support simple and short phrases for a given topic. That is the classic use case for NLU in Copilot Studio. NLU is designed for standard intent recognition where users enter brief, predictable utterances tied to a topic.
This makes NLU the best fit for:
narrow topic triggering
short phrase matching
standard, non-generative agent behavior
Why Agent2 = NLU+
Agent2 must integrate with Microsoft Dynamics 365 Contact Center voice channel. For that scenario, NLU+ is the correct recommendation among the listed standard models.
NLU+ extends the standard NLU approach and is the model aligned to scenarios that need stronger language understanding support in more advanced enterprise channel integrations such as voice experiences. Since the requirement explicitly says:
use a standard model
do not use generative orchestration
NLU+ fits better than Azure OpenAI or other generative options.
ある企業は、単一のエージェントと単一のプロンプトを使用して一連のタスクを完了するMicrosoft Foundryプロジェクトを保有している。
エージェントは以下の問題に遭遇します。
不完全な結果を生み出すことが多い。
ドメイン固有の推論に苦戦する。
エージェントの応答時間が著しく遅い。
エージェントの全体的なパフォーマンスと精度を向上させるための解決策を提案する必要があります。
推奨事項には何を含めるべきでしょうか？回答するには、適切なアクションを正しい要件にドラッグしてください。各アクションは、1回、複数回、またはまったく使用しないことができます。
エージェントは以下の問題に遭遇します。
不完全な結果を生み出すことが多い。
ドメイン固有の推論に苦戦する。
エージェントの応答時間が著しく遅い。
エージェントの全体的なパフォーマンスと精度を向上させるための解決策を提案する必要があります。
推奨事項には何を含めるべきでしょうか？回答するには、適切なアクションを正しい要件にドラッグしてください。各アクションは、1回、複数回、またはまったく使用しないことができます。
Correct Answer:
Explanation:
To improve performance # Move to a multi-agent architecture
To improve accuracy # Add a grounding data source
The current design uses a single agent and a single prompt to complete a series of tasks. That is often a bottleneck. When one agent is responsible for everything, it has to manage multiple steps, multiple reasoning modes, and multiple task transitions in one flow. This commonly leads to:
slower response times
task overload
incomplete outputs
reduced efficiency as complexity grows
Moving to a multi-agent architecture helps performance because tasks can be separated by function. For example:
one agent can handle task planning
another can retrieve domain knowledge
another can perform structured reasoning
another can prepare the final response
From an agentic AI systems perspective, decomposition improves throughput and execution quality. Instead of one overloaded agent trying to do everything, specialized agents handle narrower responsibilities. That often reduces latency in practical enterprise designs and improves the reliability of task completion.
This also addresses the symptom of incomplete results, because a multi-agent architecture can break a large workflow into smaller, controlled substeps.
Why "Add a grounding data source" improves accuracy
The agent struggles with domain-specific reasoning. That strongly suggests it lacks sufficient domain context during inference.
The best way to improve accuracy in this case is to add a grounding data source.
Grounding means giving the model access to trusted, relevant business knowledge at runtime, such as:
internal documentation
product specifications
policy manuals
knowledge bases
industry-specific reference data
This improves domain-specific reasoning because the model no longer relies only on general pretrained knowledge. Instead, it can anchor its responses in authoritative content.
From an AI business solutions standpoint, grounding is one of the most important mechanisms for improving:
factual relevance
domain accuracy
consistency
trustworthiness
explainability in enterprise contexts
When a model is inaccurate because it lacks business context, grounding is usually a better first fix than simply scaling model size.
Why the other actions are not the best fit
Add a prebuilt connector
A prebuilt connector helps with integration to systems and services, but it does not directly solve slow reasoning, incomplete output, or weak domain-specific reasoning unless the issue is specifically missing access to an external system. That is not the main problem described here.
Upgrade to a larger generative AI model
A larger model may sometimes improve reasoning quality, but it usually comes with higher cost and often slower response times, which works against the stated performance issue. It is not the best recommendation when the current agent is already slow.
Also, when domain-specific reasoning is the problem, grounding is usually more efficient and more controllable than simply choosing a larger model.
Expert reasoning shortcut
Use this exam logic:
Slow and overloaded single agent handling many tasks # move to multi-agent architecture Weak domain-specific reasoning # add grounding data source Need system integration # prebuilt connector Need raw generative capability increase, but can accept more cost/latency # larger model
ある企業は、Microsoft Copilot StudioとPower Platformを使用して構築したAIソリューションを保有している。このソリューションは、同社の営業、マーケティング、およびカスタマーサービスチームによって利用されている。
あなたは、ソリューションの効果を評価するために、AI投資対効果(ROAI)分析を実施しています。
分析に含めるべき、測定可能なビジネス推進要因を特定する必要があります。
どの2つのビジネス推進要因を特定すべきでしょうか？それぞれの正解が解決策の一部を示しています。
注：正解ごとに1ポイントが加算されます。
あなたは、ソリューションの効果を評価するために、AI投資対効果(ROAI)分析を実施しています。
分析に含めるべき、測定可能なビジネス推進要因を特定する必要があります。
どの2つのビジネス推進要因を特定すべきでしょうか？それぞれの正解が解決策の一部を示しています。
注：正解ごとに1ポイントが加算されます。
Correct Answer: A,D
Vote an answer
Explanation: Only visible for Fast2test members. You can sign-up / login (it's free).
ある企業は、顧客からの新たなフィードバックが得られるたびに頻繁なアップデートが必要となる、高度に調整されたMicrosoft Foundryモデルを使用している。
以下の要件を満たすアプリケーションライフサイクル管理(ALM)プロセスを設計する必要があります。
データの変更は追跡し、バージョン管理を行う必要があります。
モデルは、承認されたトレーニングデータを使用して、一貫して再トレーニングされなければならない。
デザインに含めるべき2つのアクションは何ですか？
注：正解ごとに1ポイントが加算されます。
以下の要件を満たすアプリケーションライフサイクル管理(ALM)プロセスを設計する必要があります。
データの変更は追跡し、バージョン管理を行う必要があります。
モデルは、承認されたトレーニングデータを使用して、一貫して再トレーニングされなければならない。
デザインに含めるべき2つのアクションは何ですか？
注：正解ごとに1ポイントが加算されます。
Correct Answer: C,E
Vote an answer
Explanation: Only visible for Fast2test members. You can sign-up / login (it's free).
ある企業は、Azure OpenAIのリソースを利用して応答を生成するMicrosoft Foundryエージェントを導入している。これらのエージェントは、米国とヨーロッパの両方に展開されている。
会社の規定では、エージェントとその関連データは、データ所在地およびデータ移動に関する規制を遵守しなければならないと定められている。
エージェント向けのガバナンスソリューションを提案する必要があります。
推薦状には何を含めるべきでしょうか？
会社の規定では、エージェントとその関連データは、データ所在地およびデータ移動に関する規制を遵守しなければならないと定められている。
エージェント向けのガバナンスソリューションを提案する必要があります。
推薦状には何を含めるべきでしょうか？
Correct Answer: A
Vote an answer
Explanation: Only visible for Fast2test members. You can sign-up / login (it's free).