【全200問】25年 最新 Salesforce認定AIアソシエイト 100題 問題集 全問解答＋全問解説付き | 練習問題 (本番仕様)+ 100問模試PDF付き

改訂履歴

• 2024/8/25  : 第1版公開

• 2025/1/24 : 解説を一部追加

• 2025/2/5 : 最新の傾向を反映し、100問を一新 (過去分はPDFで巻末へ記載)

はじめに

まず初めに、Salesforce認定AIアソシエイトは情報戦です。
合格するには、どれだけ質の高い情報を短期間で集め、効率よく学習できるかがカギとなります。
こちらのエントリの情報があなたにとって役に立つことを心から願っております。

下記、試験概要、形式、勉強法、練習問題です。
私自身、とても遠回りをしたので、ぜひこちらの情報を使って短距離で合格を勝ち取ってください。

試験概要

Salesforce「認定AIアソシエイト」資格は、Salesforceプラットフォーム上でのAIツールの利用と、AIを活用したビジネスプロセスの最適化に関する基本的な知識とスキルを証明するための資格です。

この資格を取得することで、Salesforceに統合されたAI機能（例：Einstein AI）の効果的な活用方法やAIモデルの導入、データ分析によるビジネスの意思決定を支援する能力を持っていることが証明されます。

試験では、以下のような内容が問われます。

• AIの基本概念
  機械学習（ML）、自然言語処理（NLP）、およびその他のAI技術の基礎知識を理解し、Salesforceプラットフォームでどのようにこれらが応用されるかを学びます。

• Salesforce Einsteinの活用
  SalesforceのEinstein AIツールを使ったデータ予測、分析、パーソナライゼーションの方法。Einsteinの主要機能の設定や活用方法を理解し、ビジネスプロセスの自動化と最適化を支援します。

• データ管理とクレンジング
  AIモデルを運用するための正確なデータの準備、インポート、エクスポート、およびクレンジング手法。AIモデルの信頼性を高めるための適切なデータ処理技術も学びます。

• AIモデルのトレーニングと評価
  Salesforce内で使用されるAIモデルをどのようにトレーニングし、ビジネスニーズに合わせてカスタマイズするかを理解します。また、モデルの性能を評価し、改善するための技術も学びます。

• セキュリティとデータアクセス
  SalesforceにおけるAIモデルのセキュリティ設定や、機密データに対する適切なアクセス制御方法。AIツールとデータの統合におけるプライバシー保護を強化する手法を学びます。

• レポートとダッシュボードの活用
  SalesforceのAI分析結果を活用したカスタムレポートやダッシュボードの作成。データの視覚化を通じて、ビジネス意思決定を支援するためのレポート作成方法を理解します。

受験すべき人

合計10回以上の受験を経て、私が考える受験をすべき人は下記の人です。
参考書を読んだり、出題傾向を見てみると、中々細かい部分まで問題として問われており、実務で使用しない範囲がかなり含まれていると思いますが、結果幅広い知識が身につき個人的に高いお金を払った試験としては大満足でした。

• SalesforceにAI機能を導入したい担当者
  Salesforceプラットフォームに統合されたAI機能（Einsteinなど）を初めて導入し、その活用方法や設定について学びたい担当者に適しています。AIの基礎を学び、ビジネス改善に活かしたい人に最適です。

• AIを活用した業務効率化を目指すシステム管理者
  企業内でAI技術を導入し、データ分析や業務プロセスの自動化に役立てたいシステム管理者に推奨されます。AIの実践的な応用を学び、企業のビジネス目標達成に貢献したい人に向いています。

• AIに興味があるマーケティング担当者
  顧客データや行動データを活用し、AIを用いたパーソナライゼーションやマーケティングキャンペーンの最適化を行いたいマーケティング担当者に適しています。AIツールを活用し、顧客体験を向上させたい方に有益です。

• AIを用いた意思決定を行いたいビジネスリーダー
  AIのデータ分析機能を使って、ビジネスの意思決定を強化したいビジネスリーダーに推奨されます。AIを理解し、その成果を的確にビジネス戦略に反映させたい方に最適です。

• AIを活用したキャリアアップを目指す方
  AIに関連するスキルを学び、将来的にキャリアアップを目指したい方に最適です。AIを活用した業務スキルを証明し、より高度なポジションへのステップアップを目指したい人におすすめです。

試験の形式

試験時間は70分で合計40問の問題が出題されます。
試験は多肢選択式および複数選択方式で構成されています。
合格するためには、65%以上(26問以上)の正答率が必要です。

• 試験時間: 70分

• 設問形式: 多肢選択式および複数選択方式

• 問題数: 40問

• 合格ライン: 65%以上(26問以上)の正答率

勉強方法

下記でまとめた100題がきちんと理解でき、解答することができれば確実に合格できるよう、過去の試験傾向から問題集を作成しましたので、ぜひお役立て頂ければと思います。
試験直前に不安になってしまった方も含め、ぜひ実力を下記の問題で試してみてください。
※5問だけ開示しますので、質が高いと感じましたら、ぜひ他の問題も解いてみてください。

とにかく再現度にこだわったので、必ず実力がつくことは保証します。
※他にも過去問風の練習問題を販売している方がおり、買ってみましたが、出題傾向を全く捉えていないと思いました。(あくまで個人の意見です)

※本コンテンツを無断転記されている方は全員通報します。無断転記は著作権法により保護されている著作物に対する侵害行為に該当します。(著作権法第17条及び第21条)このため、許可なく本コンテンツを転載または複製することは、法律で禁止されています。無断転記が発覚した場合、損害賠償請求、差止請求等の法的責任が発生しますのでご注意ください。

練習問題

問題 1
大手食品メーカーでは、AIを用いた分析結果を経営戦略に活かそうとしています。AIの分析結果の精度を確保するため、データ品質が重要視される理由は何ですか?

a. データ容量を最適化するため
b. 分析結果の信頼性を高めるため
c. AIはどのようなデータでも正確に扱えるため、品質は重要ではない
d. データを暗号化し、セキュリティを向上させるため

正解: b. 分析結果の信頼性を高めるため

正解の解説:
データ品質は、AIモデルが精度の高い分析結果を提供するための基盤となります。不正確なデータでは、予測や分析が信頼できない結果になる可能性が高く、意思決定に悪影響を及ぼします。

他の回答の解説:
a. データ容量を最適化するため: 容量管理は品質向上の直接的な理由ではありません。
c. AIはどのようなデータでも正確に扱えるため、品質は重要ではない: データが不完全であれば、AIの結果も信頼できなくなります。
d. データを暗号化し、セキュリティを向上させるため: 暗号化は重要ですが、データ品質の向上とは異なります。

参考: Data Quality for AI

問題2
ある教育系スタートアップが生成AIを活用して、生徒向けの学習資料を自動生成しています。この中で「AIのハルシネーション（幻覚）」が発生する可能性があるのは、どのようなケースですか?

a. AIが実際には存在しない事実を自信を持って提供する場合
b. AIがデータからランダムに情報を抽出して提供する場合
c. AIがバイアスのかかった結果を出力する場合
d. AIが異なる文化や言語に基づく誤解を引き起こす場合

正解: a. AIが実際には存在しない事実を自信を持って提供する場合

正解の解説:
「ハルシネーション」は、生成AIが現実には存在しない情報や誤った内容を確信を持って出力する現象です。この現象は、特にチャットボットやコンテンツ生成ツールで発生することがあります。

他の回答の解説:
b. AIがデータからランダムに情報を抽出して提供する場合: ランダム性は「幻覚」とは異なり、無秩序な動作に近いものです。
c. AIがバイアスのかかった結果を出力する場合: これは「ハルシネーション」ではなく、トレーニングデータのバイアスに起因する問題です。
d. AIが異なる文化や言語に基づく誤解を引き起こす場合: 文化的な違いによる誤解は「幻覚」ではありません。

参考: AI Hallucination Explained

問題3

ある製薬会社が新薬の効果をAIで解析しようとしています。AIモデルが信頼性を持つためにSalesforceの推奨する「信頼できるAIアプローチ」として適切な対応はどれですか?

a. AIモデルをリリース前に包括的なテストを行い、リスクを事前に特定する
b. 顧客からのフィードバックを集めた後でリスクを評価する
c. インターネットから自由に収集したデータでAIモデルをトレーニングする
d. AIを外部委託して運用し、セキュリティを自動的に管理する

正解: a. AIモデルをリリース前に包括的なテストを行い、リスクを事前に特定する

正解の解説:
Salesforceでは、AIモデルのリリース前にテストを行い、偏りや公平性、セキュリティリスクを確認することが推奨されています。「レッドチーム」活動や包括的なリスク評価を通じて、AIモデルの信頼性を向上させることが重要です。

他の回答の解説:
b. 顧客からのフィードバックを集めた後でリスクを評価する: 顧客への公開前にリスクを確認することが重要です。
c. インターネットから自由に収集したデータでAIモデルをトレーニングする: 無断でデータを収集する行為は倫理的ではありません。
d. AIを外部委託して運用し、セキュリティを自動的に管理する: セキュリティ管理を完全に委託するのは適切ではありません。

参考: Trustworthy AI Practices

問題 4

Einstein Discoveryがモデルを構築する際、必要とされるデータセットの最低条件として正しいものはどれですか?

a. 最低100件の観測値が含まれていること
b. 特定の結果が不明なデータも許容されること
c. 最低400件の結果が既知の観測値が含まれていること
d. データセットが複数のソースから収集されていること

正解: c. 最低400件の結果が既知の観測値が含まれていること

正解の解説:
Einstein Discoveryでは、モデルの信頼性を確保するために最低400件の観測値を必要とします。このデータ量が、正確なパターン検出と予測の基盤を形成します。

他の回答の解説:
a. 最低100件の観測値: 100件ではサンプル数が不十分であり、モデルの正確性を確保できません。
b. 特定の結果が不明なデータ: 結果が不明なデータはモデル構築には適しません。
d. データセットが複数のソースから収集されていること: ソースの数は重要ですが、モデルの要件として必須ではありません。

参考: Einstein Discovery Data Requirements

問題5

グローバルなECプラットフォームが、画像、動画、音声データなどの管理を改善しようとしています。このようなデータはどのカテゴリに該当しますか?

a. 構造化データ
b. 非構造化データ
c. ハイブリッドデータ
d. テンプレートデータ