Salesforce AI Associate histórico: IA, ética e dados
Seis aulas, 30 perguntas e seis casos de IA em CRM, ética e qualidade de dados. Percurso histórico AI Associate, com prática PT-PT/EN.
Objetivos e percurso
Percurso histórico independente com seis módulos e 36 decisões originais. Liga escolha de tarefas de IA, scoring e classificação CRM, cinco Trusted AI Principles, supervisão humana, preparação de dados e aceitação operacional. Os casos fictícios incluem passagem de turno, encaminhamento de suporte, representação de turnos, informação interna e contratos de dados. A avaliação interna de 24 decisões em 45 minutos reutiliza itens do percurso. A certificação AI Associate foi retirada em 02-02-2026; o último exame ocorreu em 01-05-2025. Este percurso conserva o programa Spring 24 para aprendizagem histórica. Agentblazer e Agentforce Specialist são alternativas mencionadas pelo fornecedor, não uma conversão automática nem qualificações atribuídas pela dr.pt.
Para quem: Profissionais de negócio, administradores, equipas de suporte e gestores que avaliam utilização responsável de IA em CRM.
Pré-requisitos: Noções básicas de CRM e dados. O exame histórico não exigia certificação prévia; não é necessário desenvolver modelos para este percurso.
255 minutos de estudo estimados
- Distinguir previsão, classificação e geração, ligando cada saída a um critério de aceitação.
- Relacionar scoring e classificação com benefícios mensuráveis e limites de automação.
- Aplicar os cinco Trusted AI Principles a responsabilidade, explicações e inclusão.
- Definir revisão, fallback e limites de dados que funcionem quando a IA erra.
- Separar completude, exatidão, consistência e atualidade antes de preparar dados para IA.
- Detetar informação futura, transformações indevidas e diferenças entre treino e produção.
Módulos
- Escolher a tarefa de IA e a evidência de qualidade
- Capacidades CRM, recomendações e ações
- Princípios de confiança e consequências reais
- Supervisão humana e resposta a falhas de IA
- Qualidade, significado e identidade dos dados
- Dados disponíveis, avaliação e contrato operacional
Continua a aprender
- Salesforce Certified Platform Administrator
- AWS Certified AI Practitioner
- DP-900: Azure Data Fundamentals
- Gestor de projetos técnicos
Referências e versão
AI Associate historical Spring 24; retired 2026-02-02
- Historical Salesforce AI Associate Exam Guide · 2026-10-01
- AI Associate Certification Retirement FAQ · 2026-10-01
- Get Started with Artificial Intelligence · 2026-10-01
- Discover AI Techniques and Applications · 2026-10-01
- Assess the Quality of Data · 2026-10-01
- Learn About Einstein Classification Apps · 2026-10-01
- Enable and Use Einstein Classification Apps · 2026-10-01
- Einstein Lead Scoring · 2026-10-01
- Meet Salesforce Trusted AI Principles · 2026-10-01
- Salesforce Trusted AI · 2026-10-01
- How Salesforce Builds Trusted AI · 2026-10-01
- Data Ethics Privacy and Practical Implementation · 2026-10-01
- Recognize Bias in Artificial Intelligence · 2026-10-01
- Remove Bias from Data and Algorithms · 2026-10-01
- Dividing the Original Dataset · 2026-10-01
- Monitoring Production ML Pipelines · 2026-10-01
O que vais explorar
0 / 6Escolher a tarefa de IA e a evidência de qualidade
Distinguir previsão, classificação e geração, ligando cada saída a um critério de aceitação.
Capacidades CRM, recomendações e ações
Relacionar scoring e classificação com benefícios mensuráveis e limites de automação.
Princípios de confiança e consequências reais
Aplicar os cinco Trusted AI Principles a responsabilidade, explicações e inclusão.
Supervisão humana e resposta a falhas de IA
Definir revisão, fallback e limites de dados que funcionem quando a IA erra.
Qualidade, significado e identidade dos dados
Separar completude, exatidão, consistência e atualidade antes de preparar dados para IA.
Dados disponíveis, avaliação e contrato operacional
Detetar informação futura, transformações indevidas e diferenças entre treino e produção.