試験AI-103-JPN トピック1 問題41 スレッド

Microsoft AI-103-JPNのリアル試験問題集
問題 #: 41
トピック #: 1
事例研究1 - コントソ社
概要
会社情報
Contoso, Ltdは、Microsoft Foundryを使用して生成型AIおよびエージェントベースのソリューションを構築、展開、管理する多国籍小売企業です。
既存の環境
アイデンティティ環境
Contosoは、エージェントが組織のリソースやサービスにアクセスできるようにするID管理、認証、認可機能にMicrosoft Entra IDを使用しています。
Contosoは最近、既存のAIソリューションを最適化および保守するために、Agent1Dev Teamという新しいAIエンジニアリングチームを結成しました。
チームは、ソリューションアーキテクト、DevOpsエンジニア、セキュリティエンジニアと協力して、AIアプリケーションの設計、実装、監視、およびセキュリティ対策を行います。
Contosoには、AIソリューションの導入前にその妥当性を検証する「Agent1Test Team」というチームも存在する。
生成環境
Contosoは、Project1とProject2という名前の2つのプロジェクトを含むMicrosoft Foundry環境を構築しています。
プロジェクト1
Project1には、顧客からの製品に関する問い合わせやトラブルシューティングの依頼に対応する、Agent1という名前のカスタマーサポートエージェントが含まれています。
Agent1には以下の設定があります。
- Agent1は基本モデルのデプロイメントを使用します。
安全性評価パイプラインは有効になっていません。
ツール呼び出し承認ワークフローは有効になっていません。
会話メモリの制約は設定されていません。
Agent1は、デジタルサポートチャネルを使用して顧客とやり取りし、Contoso製品に関する一般的な質問に回答します。
Project1は、欧州連合(EU)域内にあるAzureリージョンにデプロイされています。
Agent1開発チームは、Project1を使用してAgent1の最適化と保守を行います。
プロジェクト2
Project2には、既に展開済みの動画生成モデルが含まれています。Contoso社のマーケティング部門はProject2にアクセスでき、このモデルを用いて動画制作ソリューションを開発する予定です。
解決策の開発は未完了です。
データ環境
Contosoは、AIアプリケーションをサポートするAzureリソースに製品関連情報を保存します。
Azure環境には、Contoso製品の製品詳細シートを保存するstorage1という名前のAzure Blob Storageアカウントが含まれています。
製品仕様書には、仕様、機能説明、および製品サポート情報が記載されており、エージェント1はこれらを使用して顧客からの質問に回答できます。製品仕様書はPDF形式で保存されます。
問題提起
コントソ氏は以下の問題点を指摘している。
- Agent1はContoso製品に関する一般的な知識しか持っていません。
- Agent1との最近のチャットのやり取りについて、感情分析が行われました。分析結果はまだ処理されていません。
- Agent1は、顧客からの質問に回答する際に、storage1に保存されている製品シートの詳細な製品情報を使用しません。
コントソ社の財務部門によると、仕入先からの請求書は、契約書に定められた条件と一致していることを確認するため、手作業で精査する必要があるとのことです。請求書には表やロゴ、様々なレイアウトが含まれているため、一貫した処理が困難です。
要件
計画されている変更
コントソ氏は以下の変更を実施する予定です。
プロジェクト1向けに、仕入先請求書の視覚的なレイアウトとテキスト内容の両方を評価することで請求書を分析し、仕入先との契約条件と照合できるソリューションを実装する。
- Agent1で使用される基本モデルのデプロイメントを更新し、モデルのバージョンを標準化して、継続性と一貫した応答を確保します。
- Agent1がstorage1に保存されている製品シートから詳細な製品情報を取得して使用できるようにします。
- Agent1が顧客からの質問に回答するために使用できる製品シートのインデックス作成ソリューションを実装する。
・動画制作ソリューションの開発を完了する。
技術要件
Contoso社は、以下の技術要件を特定しました。
- Agent1で使用されるモデル展開は、拡張性が高く、高スループットの生成型AIワークロードをサポートし、予約済みのスループット容量を必要とせずに、変動する顧客サポートトラフィックを処理するために動的に拡張する必要があります。
- 製品シートは、セマンティック検索とベクトル検索を可能にするインデックス作成パイプラインを使用して処理され、Agent1が関連する製品情報を取得できるようにする必要があります。
製品シートの情報に基づいて生成される回答は、関連性があり、完全かつ正確でなければなりません。
- エージェント1は、製品シートを使用して、製品の詳細に関する自然言語の質問に答えることができなければなりません。
- エージェント1が使用するモデルのバージョンは、安定した応答を確保するために一貫している必要があります。
- モデルによって処理されるデータは、EU域内に留まらなければならない。
セキュリティおよびコンプライアンス要件
Contosoは、以下のセキュリティおよびコンプライアンス要件を特定しています。
- APIキーを使用してFoundryにデプロイされたモデルにアクセスしてはなりません。
Azureリソースへのアクセスは、最小権限の原則に従う必要があります。
Contosoの開発者は、Microsoft Entra認証を使用してMicrosoft Foundryリソースへの認証を行う必要があります。
- Project1へのアクセス権は、SC_Agent1_Devという名前のセキュリティグループを使用して、Agent1Devチームのメンバーに割り当てる必要があります。
- Project1へのアクセス権は、SC_Agent1_Testという名前のセキュリティグループを使用して、Agent1Testチームのメンバーに割り当てる必要があります。
- Agent1は、顧客データを含む文書がストレージ1の製品シートリポジトリに誤って追加された場合でも、顧客情報を決して開示してはならない。
製品仕様書には、テキストが埋め込まれた画像が含まれている場合があります。Agent1は、画像内に隠されている可能性のある悪意のある命令から保護される必要があります。
ビジネス要件
Contosoは以下のビジネス要件を特定しました。
- Agent1とやり取りするユーザーは、今後のやり取りにおいてパーソナライズされた体験を得る必要があり、そのためにはAgent1が会話の文脈を保持し、過去のやり取りから関連情報を想起できる機能が必要です。
- エージェント1は、Contosoが販売する製品に関する質問のみに回答しなければならない。
財務部門から報告された問題を解決する請求書レビューソリューションを提案する必要があります。提案には何を含めるべきでしょうか?

おすすめの解答:B 解答を投票する

Scenario:
Problem Statements: Contoso identifies the following issues:
The finance department at Contoso reports that vendor invoices must be reviewed manually to ensure that the invoices match the terms defined in the vendor contracts. The invoices contain tables, logos, and varied layouts that make the documents difficult to process consistently.
The correct tool to include in your solution is Azure Document Intelligence in Foundry Tools.
Structured Data Extraction: Azure Document Intelligence is a cloud-based AI service specifically optimized for extracting structured data, key-value pairs, and text from complex documents such as vendor invoices, receipts, and contracts.
Layout and Table Handling: Invoices frequently contain unpredictable tables, complex spacing, logos, and mixed image-and-text variations. Azure Document Intelligence uses dedicated, prebuilt invoice models and layout analysis capabilities engineered to map and preserve the semantic structure of tabular data across inconsistent layouts.
Confidence Scoring for Manual Review: The service generates confidence scores for extracted fields. This allows you to automatically flag low-confidence Extractions and seamlessly route complex anomalies to human operators for manual validation against vendor contracts.
Incorrect:
[Not C]
Azure Content Understanding: While useful for multi-modal analysis and schema-based image querying, it currently lacks the specialized, highly optimized parsing engine required for complex multi-page tables. Using it for varied invoice processing often results in inconsistent line-item mapping and tabular errors compared to the robust, specialized Document Intelligence invoice models.
Reference:
https://medium.com/@meetalpa/part-9-building-an-intelligent-invoice-processing-system-with-microsoft-foundry-and-ai-agents-0cd181df4b2e

本城** 2026-09-10 05:56:32

コメント

正解:
?」こちらは投票コメントになっております。普通のコメントに切り替えます。
ニックネーム: 送信 キャンセル
投票コメントをあげるごとに、選択した解答の投票数を1つ増やすことができます。

他人の解答コメントを賛成するのも、その解答に一票を入れることになります。したがって、すでに同じ意見の投票コメントが存在する場合、新規コメントをする代わりに賛成することもできます。

弊社を連絡する

我々は12時間以内ですべてのお問い合わせを答えます。

オンラインサポート時間:( UTC+9 ) 9:00-24:00
月曜日から土曜日まで

サポート:現在連絡