Ngân hàng đề — Google Cloud Generative AI Leader

Đáp án

B — Huấn luyện mô hình bằng dữ liệu bệnh nhân TỔNG HỢP do CHÍNH hệ thống AI đó sinh ra để cải thiện hiệu năng.

Vì sao đúng

⚠ Đây là câu PHỦ ĐỊNH: hỏi việc KHÔNG phải thực hành AI có trách nhiệm. Ba phương án kia đều là biện pháp bảo mật chuẩn mực; phương án B mô tả một cách làm có vấn đề nghiêm trọng.

⚠ Vì sao dùng dữ liệu do chính mô hình sinh ra là sai:

Mô hình sinh dữ liệu bệnh nhân giả
        ↓
    ⚠ Rồi HUẤN LUYỆN CHÍNH NÓ
      trên dữ liệu đó
        ↓
    ⚠ VÒNG LẶP TỰ CỦNG CỐ
    → ⚠ sai lệch được khuếch đại
    → ⚠ mô hình "học" từ chính
      ảo giác của mình
        ↓
    ⚠ Với Y TẾ: cực kỳ nguy hiểm
    → ⚠ dữ liệu giả không phản ánh
      bệnh lý thật

⚠ Ba phương án kia đều LÀ thực hành tốt:

⚠ A — VPC Service Controls chống
     rò rỉ dữ liệu ra ngoài
    → ⚠ chuẩn mực cho dữ liệu y tế

⚠ C — CMEK, khoá mã hoá do khách quản
    → ⚠ kiểm soát tối đa

⚠ D — Audit log đầy đủ cho mọi
     tương tác với dữ liệu bệnh nhân
    → ⚠ yêu cầu tuân thủ

Nhất quán với #13872 (lô 145), #13895 (lô 145), #14036 (lô 148) về bảo vệ dữ liệu y tế. Bổ sung nhau.

Ghi nhớ về dạng câu hỏi

⚠ Câu PHỦ ĐỊNH — hỏi cái KHÔNG đúng. Mẹo:

• ⚠ Xác nhận ba phương án ĐÚNG trước
• ⚠ Cảnh giác phương án nghe "thông minh" — như tự sinh dữ liệu để cải thiện — nhưng bỏ qua rủi ro cơ bản

Vì sao các phương án khác sai

⚠ Ba phương án A, C, D đều là biện pháp bảo mật và tuân thủ chuẩn, nên không phải đáp án cho câu phủ định.

• A (VPC Service Controls) — phương án dễ bị chọn nhầm vì nghe kỹ thuật nhất, nhưng đó chính là biện pháp chống rò rỉ dữ liệu tiêu chuẩn cho ngành y tế.

Ghi nhớ

⚠ Bảo vệ dữ liệu y tế trên Google Cloud — bảng phải thuộc: | Biện pháp | Việc | |---|---| | ⚠ VPC Service Controls | ⚠ ngăn dữ liệu rời ranh giới | | ⚠ CMEK | ⚠ khoá mã hoá do khách quản | | ⚠ Audit log | ⚠ truy vết mọi truy cập | | Sensitive Data Protection | ⚠ khử định danh PHI | | IAM quyền tối thiểu | | | Data residency | ⚠ chọn vùng lưu và xử lý | | ⚠ HITL | ⚠ bác sĩ duyệt kết quả |

Từ khoá nhận diện:

"ngăn dữ liệu ra khỏi phạm vi" → ⚠ VPC-SC "khoá mã hoá của riêng tôi" → CMEK "ai truy cập dữ liệu nào" → audit log "huấn luyện trên dữ liệu tự sinh" → ⚠ KHÔNG phải thực hành tốt

Ba câu hỏi kiểm chứng: | Câu hỏi | Vì sao hỏi | |---|---| | Dữ liệu huấn luyện có phải dữ liệu thật không | ⚠ đánh giá cuối phải trên dữ liệu thật | | Ca bệnh hiếm có được đại diện không | ⚠ dễ biến mất trong dữ liệu giả | | Bác sĩ có kiểm chứng dữ liệu không | ⚠ bắt buộc với y tế |

Và cạm bẫy tinh vi nhất mà phương án sai này minh hoạ: một mô hình học từ chính đầu ra của mình sẽ ngày càng tự tin vào những sai lệch của nó. Trong y tế, thứ biến mất đầu tiên trong vòng lặp đó thường là các ca hiếm — đúng những trường hợp mà bác sĩ cần hỗ trợ nhất.

Đáp án

A — Prompt chaining (nối chuỗi prompt).

Vì sao đúng

Người dùng lấy kết quả của prompt thứ nhất (hồ sơ nhân vật) làm ngữ cảnh cho prompt thứ hai (viết truyện về nhân vật đó). Nối đầu ra vào đầu vào chính là prompt chaining.

⚠ Chuỗi trong đề:

PROMPT 1
    "Tạo ba hồ sơ nhân vật cho
     tiểu thuyết giả tưởng"
        ↓
    ⚠ ĐẦU RA: ba hồ sơ
        ↓
    ⚠ Người dùng XEM và CHỌN
        ↓
PROMPT 2
    "Dùng nhân vật Elara ở trên,
     viết truyện 500 chữ"
        ↓
    ⚠ đầu ra prompt 1 = ngữ cảnh
      cho prompt 2

⚠ Vì sao chia nhỏ lại tốt hơn:

Một prompt khổng lồ
    "Tạo nhân vật rồi viết truyện"
        ↓
    ⚠ mô hình làm cả hai qua loa
    ⚠ không kiểm soát được bước giữa
        ↓
⚠ CHIA THÀNH CHUỖI
        ↓
    ⚠ Mỗi bước một nhiệm vụ rõ
    ⚠ ⚠ NGƯỜI xem và chỉnh giữa chừng
    ⚠ Dễ gỡ lỗi khi kết quả tệ

⚠ Vì sao ba phương án kia sai:

"Role prompting"
    → ⚠ gán vai; không có ở đây

"Zero-shot"
    → ⚠ nói về việc có ví dụ hay không,
      không nói về chuỗi nhiều bước

"Metaprompting"
    → ⚠ dùng mô hình để SINH hoặc
      CẢI THIỆN prompt

⚠ Đối chiếu #13944 (lô 146, ReAct) — ở đó MÔ HÌNH tự quyết bước tiếp theo và gọi công cụ. Ở đây NGƯỜI DÙNG thiết kế và điều khiển từng bước. Không mâu thuẫn — đó chính là ranh giới giữa hai kỹ thuật.

Vì sao các phương án khác sai

• D (zero-shot) — phương án gần nhất và là bẫy tinh tế: từng prompt trong chuỗi đúng là zero-shot. Nhưng câu hỏi hỏi về cách nối hai prompt, và tên của cách đó là prompt chaining.

• C và B — không có dấu hiệu tương ứng.

Ghi nhớ

⚠ Kỹ thuật prompt — nhận diện bằng dấu hiệu: | Dấu hiệu | Kỹ thuật | |---|---| | ⚠ Đầu ra bước này là đầu vào bước sau | ⚠ prompt chaining | | ⚠ Mô hình TỰ quyết bước và gọi công cụ | ⚠ ReAct | | Ví dụ có bước suy luận | Chain-of-Thought | | Có ví dụ mẫu | few-shot | | "Bạn là..." | role prompting | | Dùng AI để viết prompt | ⚠ metaprompting |

Từ khoá nhận diện:

"nối đầu ra vào prompt sau" → ⚠ prompt chaining "agent tự quyết trình tự" → ⚠ ReAct / reasoning loop "suy luận từng bước" → CoT "gán vai chuyên gia" → role prompting

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Bước nào hay hỏng nhất | ⚠ kiểm từng bước riêng | | Chi phí toàn chuỗi bao nhiêu | ⚠ cộng tất cả các bước | | Có cần người xem giữa chừng không | ⚠ có thì thiết kế điểm dừng |

Và ưu điểm ít được nói tới của việc chia một nhiệm vụ thành chuỗi prompt: nó tạo ra những điểm dừng để con người can thiệp. Trong đề này, việc người dùng chọn nhân vật giữa hai bước chính là thứ khiến kết quả cuối cùng đúng ý — điều mà một prompt duy nhất không cho phép.

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG ĐỀ BÀI với #13977 đã xuất hiện ở lô trước. Bộ đề XÁO THỨ TỰ PHƯƠNG ÁN, nên chữ cái đáp án ĐÃ ĐỔI so với lần trước — nội dung đáp án thì không đổi.

⚠ Bài học khi ôn: nhớ theo NỘI DUNG phương án, đừng nhớ theo chữ cái. Cùng một câu hỏi có thể xuất hiện với thứ tự phương án khác nhau trong các đề khác nhau.

Đáp án

D — Khả năng tuỳ biến của mô hình để học và áp dụng các quy tắc và định dạng cụ thể.

Vì sao đúng

Cơ quan quản lý yêu cầu báo cáo theo định dạng RẤT cụ thể, dùng tuyên bố miễn trừ pháp lý chính xác, và thuật ngữ đúng như bộ phận tuân thủ định nghĩa. Chỉ khả năng tuỳ biến đáp ứng được.

⚠ Ba yêu cầu đều đòi tuỳ biến:

"định dạng RẤT CỤ THỂ"
    → ⚠ mô hình chung không tự biết

"tuyên bố miễn trừ CHÍNH XÁC"
    → ⚠ phải NGUYÊN VĂN, không
      được diễn đạt lại

"thuật ngữ ĐÚNG NHƯ bộ phận
 tuân thủ định nghĩa"
    → ⚠ từ điển riêng của công ty

⚠ Vì sao ba phương án kia sai:

"Sinh văn bản SÁNG TẠO và HẤP DẪN
 nhất"
    → ⚠ NGƯỢC với yêu cầu: báo cáo
      quy định cần CHÍNH XÁC, không
      cần sáng tạo

"Mô hình LỚN NHẤT cho kiến thức
 tổng quát"
    → ⚠ kiến thức chung không giúp
      tuân thủ quy định riêng

"Chi phí THẤP NHẤT mỗi báo cáo"
    → ⚠ quan trọng, nhưng tuân thủ
      là ràng buộc CỨNG hơn

⚠ Gần trùng với #14016 (lô 148) — đề đó gần như cùng tình huống báo cáo tài chính theo quy định, cùng khoá khả năng tuỳ biến. Hoàn toàn nhất quán.

Vì sao các phương án khác sai

• B (mô hình lớn nhất) — phương án gần nhất và là bẫy chính: nghe như "chọn thứ mạnh nhất là an toàn". Nhưng kiến thức tổng quát rộng không giúp mô hình biết định dạng và thuật ngữ riêng của công ty.

• A và C — đi ngược yêu cầu hoặc là tiêu chí phụ.

Ghi nhớ

⚠ Bốn mức tuỳ biến — bảng phải thuộc: | Mức | Giải quyết | |---|---| | ⚠ Prompt + template | ⚠ định dạng, ràng buộc cơ bản | | ⚠ Few-shot | ⚠ định dạng nhất quán từ ví dụ | | ⚠ Grounding | ⚠ nội dung, quy định chính xác | | ⚠ Fine-tuning / prompt tuning | ⚠ phong cách sâu, ổn định |

Từ khoá nhận diện:

"đúng chuẩn riêng, nhất quán, quy định" → ⚠ khả năng tuỳ biến "tài liệu rất dài" → cửa sổ ngữ cảnh "dừng máy tốn tiền" → độ tin cậy, SLA "dữ liệu phải ở trong nước" → data residency

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Tuyên bố miễn trừ có nguyên văn không | ⚠ so từng chữ với bản chuẩn | | Số liệu lấy từ đâu | ⚠ phải từ hệ thống | | Ai duyệt trước khi gửi khách | ⚠ bộ phận tuân thủ |

Và nguyên tắc đáng khắc ghi khi dùng AI cho tài liệu chịu quản lý: những gì quy định bắt buộc phải xuất hiện nguyên văn thì đừng để mô hình viết ra. Hãy để chúng nằm trong template, và giao cho AI phần nội dung có thể linh hoạt.

Đáp án

A — Vertex AI Model Garden.

Vì sao đúng

Lập trình viên muốn khám phá và truy cập các mô hình huấn luyện sẵn của Google hoặc nhà cung cấp mã nguồn mở uy tín, thay vì tự huấn luyện. Model Garden là đúng nơi đó.

⚠ Model Garden là gì:

⚠ DANH MỤC mô hình trong Vertex AI
        ↓
    ⚠ Mô hình Google: Gemini,
      Imagen, Veo, Gemma
    ⚠ Mô hình mở của bên thứ ba
    ⚠ Mô hình chuyên ngành
        ↓
    ⚠ Xem mô tả và khả năng
    ⚠ Thử ngay
    ⚠ Triển khai hoặc tinh chỉnh

⚠ Vì sao ba phương án kia sai:

"BigQuery ML"
    → ⚠ dựng mô hình BẰNG SQL trên
      dữ liệu của bạn

"AutoML Tables"
    → ⚠ huấn luyện mô hình RIÊNG
      từ dữ liệu BẢNG

"Feature Store"
    → ⚠ quản lý ĐẶC TRƯNG

⚠ Cả ba đều là thành phần thật của nền tảng, nhưng không phải nơi duyệt mô hình có sẵn.

⚠ Gần trùng với #13892 (lô 145) — đề đó cũng hỏi nơi tập trung để khám phá và triển khai mô hình, và cùng khoá Model Garden. Hoàn toàn nhất quán.

Vì sao các phương án khác sai

• B (AutoML Tables) — phương án gần nhất vì cũng cho ra mô hình mà ít công sức, nhưng nó huấn luyện mô hình mới trên dữ liệu bảng của bạn, còn đề muốn dùng mô hình đã có sẵn.

• D và C — phục vụ khâu khác.

Ghi nhớ

⚠ Thành phần Vertex AI — bảng phải thuộc: | Thành phần | Việc | |---|---| | ⚠ Model Garden | ⚠ duyệt, thử, triển khai mô hình CÓ SẴN | | AutoML | ⚠ huấn luyện mô hình RIÊNG, không viết mã | | Custom training | tự viết mã | | Model Registry | ⚠ quản phiên bản mô hình của bạn | | Feature Store | ⚠ đặc trưng dùng chung | | Pipelines | tự động hoá | | Prediction | phục vụ |

Từ khoá nhận diện:

"khám phá và truy cập mô hình có sẵn" → ⚠ Model Garden "huấn luyện mô hình riêng, không viết mã" → AutoML "dựng mô hình bằng SQL" → BigQuery ML "thử prompt siêu nhanh, không dựng gì" → ⚠ Google AI Studio

Ba câu hỏi kiểm chứng: | Câu hỏi | Vì sao hỏi | |---|---| | Đã thử prompt trước khi tính huấn luyện chưa | ⚠ thường là đủ | | Tài liệu dài bao nhiêu | ⚠ quyết định cửa sổ ngữ cảnh cần | | Đã so vài mô hình trên cùng ví dụ chưa | ⚠ cách duy nhất để chọn đúng |

Và trình tự nên theo với mọi bài toán AI sinh: thử mô hình có sẵn với một prompt tốt trước đã. Phần lớn nhu cầu dừng lại ở đó — và biết được điều này sớm giúp tránh một dự án huấn luyện vốn không cần thiết ngay từ đầu.

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG ĐỀ BÀI với #13914 đã xuất hiện ở lô trước. Bộ đề XÁO THỨ TỰ PHƯƠNG ÁN, nên chữ cái đáp án ĐÃ ĐỔI so với lần trước — nội dung đáp án thì không đổi.

⚠ Bài học khi ôn: nhớ theo NỘI DUNG phương án, đừng nhớ theo chữ cái. Cùng một câu hỏi có thể xuất hiện với thứ tự phương án khác nhau trong các đề khác nhau.

Đáp án

A — Giấy phép phần mềm để cài và chạy TOÀN BỘ nền tảng Vertex AI Agent Builder trên máy chủ TẠI CHỖ của công ty.

Vì sao đúng

⚠ Đây là câu PHỦ ĐỊNH: hỏi thứ KHÔNG phải tính năng của Agent Builder. Ba phương án kia đều là năng lực thật; phương án A mô tả một thứ không tồn tại — đây là dịch vụ có quản lý trên đám mây, không phải phần mềm cài tại chỗ.

⚠ Vì sao A sai:

Vertex AI Agent Builder là
DỊCH VỤ CÓ QUẢN LÝ trên
Google Cloud
        ↓
    ⚠ KHÔNG có bản cài tại chỗ
    ⚠ KHÔNG bán giấy phép phần mềm
        ↓
    ⚠ Muốn chạy tại chỗ thì phải
      TỰ dựng bằng mô hình mở

⚠ Ba phương án kia đều LÀ tính năng:

⚠ B — Khung thiết kế luồng hội
     thoại, quản trạng thái, tích
     hợp API qua tools
    → ⚠ năng lực cốt lõi

⚠ C — Hạ tầng serverless có quản lý,
     tự co giãn theo tải
    → ⚠ đúng bản chất dịch vụ

⚠ D — Bộ công cụ grounding vào tài
     liệu riêng qua tìm kiếm doanh nghiệp
    → ⚠ tích hợp Vertex AI Search

Nhất quán với #13858 (lô 145), #13952 (lô 146), #14063 (cùng lô) về Agent Builder. Bổ sung nhau.

Ghi nhớ về dạng câu hỏi

⚠ Câu PHỦ ĐỊNH — hỏi cái KHÔNG có. Mẹo:

• ⚠ Cảnh giác phương án nói về "cài tại chỗ", "giấy phép phần mềm" với một dịch vụ đám mây — thường là bịa
• ⚠ Xác nhận ba phương án ĐÚNG trước
• ⚠ Cùng kiểu với #14033 (lô 148) — phương án bịa ra một sản phẩm không tồn tại

Vì sao các phương án khác sai

⚠ Ba phương án B, C, D đều là năng lực thật của Agent Builder, nên không phải đáp án.

• C (hạ tầng serverless tự co giãn) — phương án dễ bị chọn nhầm vì nghe như "chuyện đương nhiên". Nhưng đó chính là một đặc điểm được nêu rõ của dịch vụ.

Ghi nhớ

⚠ Agent Builder cung cấp gì — bảng phải thuộc: | Thành phần | Nội dung | |---|---| | ⚠ Thiết kế agent | ⚠ luồng hội thoại, chỉ dẫn, trạng thái | | ⚠ Tools / extensions | ⚠ gọi API, tích hợp hệ thống | | ⚠ Grounding | ⚠ tài liệu riêng qua enterprise search | | ⚠ Hạ tầng serverless | ⚠ tự co giãn, không quản máy chủ | | Kiểm thử và đánh giá | | | Triển khai, phiên bản, giám sát | | | Bảo mật doanh nghiệp | ⚠ IAM, audit, VPC-SC | | ⚠ KHÔNG có | ⚠ bản cài tại chỗ |

Từ khoá nhận diện:

"cài tại chỗ, giấy phép phần mềm" → ⚠ KHÔNG có với dịch vụ đám mây "grounding + tools + luồng hội thoại" → ⚠ Agent Builder "chỉ tìm kiếm tài liệu" → Vertex AI Search "muốn chạy tại chỗ" → ⚠ mô hình mở như Gemma, tự dựng

Ba câu hỏi kiểm chứng: | Câu hỏi | Vì sao hỏi | |---|---| | Quy định yêu cầu CỤ THỂ điều gì | ⚠ thường không đòi tại chỗ như ta tưởng | | Kiểm soát đám mây có đủ chưa | ⚠ VPC-SC, CMEK, residency | | Ai sẽ vận hành nếu tự dựng | ⚠ công sức lớn hơn nhiều |

Và mẹo làm bài đáng nhớ từ câu này: phương án nói về việc cài đặt tại chỗ một dịch vụ vốn là dịch vụ đám mây có quản lý gần như luôn là phương án bịa. Đó là cách ra đề phổ biến cho câu phủ định về danh mục sản phẩm.

Đáp án

C — Cloud Run.

Vì sao đúng

Đội cần triển khai image container thành endpoint API serverless, co giãn, mà agent gọi được như một tool, và co về 0 khi không dùng để tiết kiệm chi phí. Đó chính là Cloud Run.

⚠ Bốn dữ kiện khớp:

"đã đóng gói thành IMAGE CONTAINER"
    → ⚠ Cloud Run chạy container

"endpoint API SERVERLESS, co giãn"
    → ⚠ tự co giãn, không quản máy chủ

"agent gọi như một TOOL"
    → ⚠ endpoint HTTP là đủ

"CO VỀ 0 khi không dùng"
    → ⚠ đặc trưng riêng của Cloud Run

⚠ Vì sao ba phương án kia sai:

"GKE"
    → ⚠ chạy container được, nhưng
      ⚠ NODE vẫn tính tiền — KHÔNG
      co về 0

"Cloud Storage"
    → ⚠ lưu tệp, không chạy container

"Vertex AI Model Garden"
    → ⚠ danh mục MÔ HÌNH; đây là
      container xử lý dữ liệu tuỳ biến

⚠ Gần trùng với #13519 (lô 143) và #13551 (lô 144) — cùng khoá Cloud Run cho container serverless co về 0. Và #14037 (lô 148) về hàm làm tool cho agent. Hoàn toàn nhất quán.

Vì sao các phương án khác sai

• D (GKE) — phương án gần nhất và là bẫy chính: nó cũng chạy container và cũng co giãn. Nhưng đề nói rõ cần co về 0, mà cụm GKE luôn có node chạy và tính tiền.

• B và A — không chạy container tuỳ biến.

Ghi nhớ

⚠ Chạy container — bảng phải thuộc: | Dịch vụ | Co về 0 | Bạn quản | |---|---|---| | ⚠ Cloud Run | ⚠ CÓ | ⚠ chỉ container | | GKE Autopilot | ❌ | ⚠ workload | | GKE Standard | ❌ | ⚠ node pool, mạng | | Compute Engine | ❌ | ⚠ toàn bộ OS |

Từ khoá nhận diện:

"container, serverless, co về 0" → ⚠ Cloud Run "cần cấu hình node, GPU" → GKE "một hàm nhỏ theo sự kiện" → ⚠ Cloud Run functions "danh mục mô hình có sẵn" → Model Garden

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Endpoint có công khai không | ⚠ mặc định nên là KHÔNG | | Đã đặt max instances chưa | ⚠ chặn chi phí | | Cold start có chấp nhận được không | ⚠ đo thử |

Và ưu điểm khiến Cloud Run trở thành lựa chọn tự nhiên cho các công cụ của agent: mỗi tool là một service độc lập, có quyền riêng, và chỉ tốn tiền khi thật sự được gọi. Với một agent có hàng chục công cụ mà phần lớn hiếm khi dùng tới, đó là khác biệt lớn về chi phí.

Đáp án

A — Customer Engagement Suite.

Vì sao đúng

Công ty bán lẻ cần ba năng lực hoạt động cùng nhau: chatbot hỗ trợ 24/7, gợi ý thời gian thực cho nhân viên, và phân tích bản ghi cuộc gọi. Đó chính là ba thành phần của bộ giải pháp này.

⚠ Ba nhu cầu, ba thành phần:

"chatbot hỗ trợ 24/7"
    → ⚠ Conversational Agents

"gợi ý THỜI GIAN THỰC cho
 nhân viên trong cuộc gọi"
    → ⚠ Agent Assist

"phân tích bản ghi để hiểu
 điểm đau của khách"
    → ⚠ CX Insights
        ↓
    ⚠ Cả ba nằm trong MỘT bộ
      giải pháp

⚠ Vì sao ba phương án kia sai:

"Vertex AI Search và Pipelines"
    → ⚠ tìm kiếm và tự động hoá ML;
      ⚠ có thể là THÀNH PHẦN nhưng
      không phải bộ chăm sóc khách hàng

"Workspace và Gemini for Google Cloud"
    → ⚠ năng suất NỘI BỘ

"Apigee và Cloud Run functions"
    → ⚠ quản lý API và tính toán

⚠ Gần trùng với #13871 (lô 145) — đề đó liệt kê đúng ba năng lực này, cùng khoá. Hoàn toàn nhất quán. Đối chiếu #13990/#14049 khoá CCaaS khi đề nhấn nền tảng telephony, và #13971/#13993/#14031 khoá từng thành phần lẻ.

Vì sao các phương án khác sai

• C (Vertex AI Search và Pipelines) — phương án gần nhất và là bẫy chính: cả hai là sản phẩm AI thật và có thể tham gia vào hệ thống chăm sóc khách hàng. Nhưng chúng không phải bộ giải pháp chuyên cho tổng đài với ba năng lực đề nêu.

• B và D — phục vụ mục đích khác.

Ghi nhớ

⚠ Ba cấp — đọc kỹ đề hỏi cấp nào, bảng phải thuộc: | Cấp | Khi đề nói gì | |---|---| | ⚠ CCaaS | ⚠ "nền tảng", "telephony", "IVR", "thay hạ tầng" | | ⚠ Customer Engagement Suite | ⚠ "bộ giải pháp", liệt kê BA năng lực | | ⚠ Thành phần lẻ | ⚠ hỏi riêng một năng lực |

Từ khoá nhận diện:

"ba năng lực chăm sóc khách hàng" → ⚠ Customer Engagement Suite "telephony, IVR, nền tảng" → CCaaS "gợi ý cho nhân viên đang gọi" → Agent Assist "phân tích bản ghi" → CX Insights "bot trả lời khách" → Conversational Agents

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Khách chuyển sang người có phải kể lại không | ⚠ gọi thử thật | | Bot giải quyết được bao nhiêu phần trăm | ⚠ đo giải quyết, không đo chặn | | Insight có quay lại cải thiện bot không | ⚠ vòng khép kín có thật không |

Và cách đọc nhanh những đề bài rất giống nhau về tổng đài: đếm xem đề liệt kê bao nhiêu năng lực và có nhắc tới hạ tầng điện thoại hay không. Ba năng lực AI dẫn tới bộ giải pháp; nhắc telephony và IVR dẫn tới nền tảng; hỏi riêng một việc dẫn tới thành phần lẻ.

Đáp án

C — Vertex AI.

Vì sao đúng

Đội cần nền tảng THỐNG NHẤT quản toàn bộ vòng đời — chuẩn bị dữ liệu, huấn luyện, triển khai, giám sát — cho cả mô hình tuỳ biến lẫn giải pháp AI sinh. Đó là Vertex AI.

⚠ Vertex AI phủ cả hai loại:

⚠ MÔ HÌNH TUỲ BIẾN
    → AutoML, custom training
    → Feature Store, Pipelines
    → Model Registry, Endpoint
    → Model Monitoring

⚠ GIẢI PHÁP AI SINH
    → Model Garden, Vertex AI Studio
    → Agent Builder, AI Search
    → tinh chỉnh mô hình nền
        ↓
    ⚠ DÙNG CHUNG: IAM, audit,
      quản trị, hạ tầng

⚠ Vì sao ba phương án kia sai:

"Google AI Studio"
    → ⚠ THỬ prompt nhanh; không có
      MLOps, không quản vòng đời

"BigQuery"
    → ⚠ kho dữ liệu; BigQuery ML
      chỉ là MỘT phần

"Cloud Run functions"
    → ⚠ dịch vụ tính toán serverless

⚠ Gần trùng với #13918 (lô 146) — gần như cùng đề bài, cùng khoá Vertex AI. Hoàn toàn nhất quán. Và #13547/#13552 (lô 145).

Vì sao các phương án khác sai

• D (Google AI Studio) — phương án gần nhất và là bẫy chính: cùng làm việc với mô hình Gemini. Nhưng nó là công cụ thử nghiệm, không quản vòng đời và không có MLOps.

• B và A — chỉ đảm nhiệm một phần.

Ghi nhớ

⚠ Vertex AI và AI Studio — bảng phải thuộc: | | Vertex AI | Google AI Studio | |---|---|---| | Phạm vi | ⚠ toàn vòng đời ML | ⚠ thử prompt | | MLOps | ⚠ đầy đủ | ⚠ không có | | Mô hình tuỳ biến | ⚠ có | ⚠ không | | Doanh nghiệp | ⚠ IAM, VPC-SC, audit | cơ bản | | Dùng khi | ⚠ sản xuất | ⚠ khám phá |

Từ khoá nhận diện:

"nền tảng thống nhất, toàn vòng đời" → ⚠ Vertex AI "thử prompt nhanh" → AI Studio "danh mục mô hình" → Model Garden "dựng mô hình bằng SQL" → BigQuery ML

Ba câu hỏi kiểm chứng: | Câu hỏi | Vì sao hỏi | |---|---| | Phiên bản nào đang chạy ở sản xuất | ⚠ trả lời không được là chưa có MLOps | | Thí nghiệm và sản xuất có cùng quy trình không | ⚠ khác nhau là nguồn lỗi | | Ai được truy cập mô hình nào | ⚠ IAM |

Và lý do các đội chuyển từ công cụ thử nghiệm sang nền tảng đầy đủ hiếm khi là vì cần mô hình mạnh hơn: nó thường xảy ra vào ngày có người hỏi phiên bản nào đang phục vụ khách hàng và không ai trả lời được ngay.

Đáp án

A — Google AI Pro.

Vì sao đúng

Người dùng cần trợ lý AI cá nhân cao cấp: truy cập phiên bản mô hình mạnh nhất, tính năng nâng cao và hạn mức sử dụng cao hơn, và sẵn sàng trả thuê bao. Đó là gói thuê bao AI của Google dành cho cá nhân.

⚠ Ba dữ kiện khớp:

"phiên bản có NĂNG LỰC NHẤT"
    → ⚠ gói trả phí mở khoá mô hình
      mạnh hơn

"tính năng NÂNG CAO"
    → ⚠ công cụ và khả năng bổ sung

"HẠN MỨC cao hơn"
    → ⚠ đặc trưng của gói thuê bao

⚠ Vì sao ba phương án kia sai:

"Bản Gemini MIỄN PHÍ tiêu chuẩn"
    → ⚠ đề nói rõ SẴN SÀNG TRẢ TIỀN
      để có nhiều hơn thế

"Google AI Studio"
    → ⚠ công cụ THỬ PROMPT cho
      lập trình viên, không phải
      trợ lý làm việc hằng ngày

"Vertex AI Model Garden"
    → ⚠ dành cho đội kỹ thuật
      triển khai mô hình

Đối chiếu #13865 (lô 145) — đề đó khoá ứng dụng Gemini và Gems cho nhu cầu tuỳ biến việc lặp lại. Đề này nhấn gói trả phí, hạn mức cao, mô hình mạnh nhất. Không mâu thuẫn — cùng họ sản phẩm cá nhân, khác điểm nhấn.

Vì sao các phương án khác sai

• B (bản miễn phí) — phương án gần nhất và là bẫy chính: cùng ứng dụng, cùng làm được các việc đó. Nhưng đề nói rõ người dùng muốn nhiều hơn và sẵn sàng trả tiền.

• C (AI Studio) và B (Model Garden) — công cụ cho lập trình viên và đội kỹ thuật.

Ghi nhớ

⚠ Sản phẩm AI của Google theo ĐỐI TƯỢNG — bảng phải thuộc: | Sản phẩm | Cho ai | |---|---| | Ứng dụng Gemini (miễn phí) | ⚠ cá nhân, nhu cầu cơ bản | | ⚠ Gói AI trả phí (AI Pro) | ⚠ cá nhân, cần mô hình mạnh và hạn mức cao | | Gemini for Workspace | ⚠ nhân viên, trong Gmail/Docs | | Google AI Studio | ⚠ lập trình viên thử prompt | | ⚠ Vertex AI | ⚠ đội kỹ thuật doanh nghiệp | | Model Garden | ⚠ chọn và triển khai mô hình |

Từ khoá nhận diện:

"thuê bao cá nhân, hạn mức cao" → ⚠ gói AI trả phí "trong Gmail và Docs" → Gemini for Workspace "thử prompt, lấy mã" → AI Studio "xây ứng dụng cho công ty" → Vertex AI

Ba câu hỏi kiểm chứng: | Câu hỏi | Vì sao hỏi | |---|---| | Có chạm hạn mức thật không | ⚠ đo trước khi nâng cấp | | Có đưa dữ liệu công ty vào không | ⚠ nếu có thì phải dùng gói doanh nghiệp | | Prompt đã tốt chưa | ⚠ thường cải thiện nhiều hơn việc đổi gói |

Và trước khi nâng cấp gói, việc đáng làm hơn thường là cải thiện cách viết câu lệnh. Khoảng cách giữa một prompt sơ sài và một prompt có ngữ cảnh, đối tượng và định dạng rõ ràng thường lớn hơn khoảng cách giữa hai phiên bản mô hình.

Ghi nhớ về chất lượng câu hỏi

⚠ Câu này TRÙNG ĐỀ BÀI với #13920 đã xuất hiện ở lô trước. Bộ đề XÁO THỨ TỰ PHƯƠNG ÁN, nên chữ cái đáp án ĐÃ ĐỔI so với lần trước — nội dung đáp án thì không đổi.

⚠ Bài học khi ôn: nhớ theo NỘI DUNG phương án, đừng nhớ theo chữ cái. Cùng một câu hỏi có thể xuất hiện với thứ tự phương án khác nhau trong các đề khác nhau.

Đáp án

B — Đọc và bôi xoá THỦ CÔNG mọi thông tin nhạy cảm trong HÀNG TRIỆU tài liệu nguồn trước khi tải lên Cloud Storage.

Vì sao đúng

⚠ Đây là câu PHỦ ĐỊNH: hỏi việc KHÔNG phải thực hành nên làm. Ba phương án kia là biện pháp chuẩn mực; phương án B mô tả một cách làm không khả thi và không đúng hướng.

⚠ Vì sao B là cách làm sai:

"Đọc THỦ CÔNG hàng TRIỆU tài liệu"
        ↓
    ⚠ KHÔNG khả thi về quy mô
    ⚠ Người đọc dễ BỎ SÓT
    ⚠ Cực kỳ tốn kém và chậm
        ↓
    ⚠ Cách ĐÚNG là dùng CÔNG CỤ:
      Sensitive Data Protection
      quét và che tự động
        ↓
    ⚠ Và dùng KIỂM SOÁT TRUY CẬP
      thay vì xoá hết nội dung

⚠ Ba phương án kia đều LÀ thực hành tốt:

⚠ A — Audit log bất biến cho mọi
     truy vấn và truy cập
    → ⚠ chuẩn mực tuân thủ

⚠ C — IAM xác định nhóm nào được
     truy vấn
    → ⚠ kiểm soát truy cập cơ bản

⚠ D — Grounding kèm data control để
     chỉ hiện thông tin người dùng
     ĐƯỢC PHÉP xem
    → ⚠ chính xác là cách làm đúng

Nhất quán với #13961 (lô 147), #14036 (lô 148) về khử định danh, và #13945 (lô 147) về IAM. Bổ sung nhau.

Ghi nhớ về dạng câu hỏi

⚠ Câu PHỦ ĐỊNH. Mẹo:

• ⚠ Cảnh giác phương án đòi làm THỦ CÔNG ở quy mô lớn — gần như luôn là cách sai
• ⚠ Xác nhận ba phương án ĐÚNG trước
• ⚠ Thực hành tốt luôn hướng tới tự động hoá và kiểm soát, không phải sức người

Vì sao các phương án khác sai

⚠ Ba phương án A, C, D đều là thực hành bảo mật chuẩn, nên không phải đáp án.

• D (grounding kèm data control) — phương án dễ bị chọn nhầm vì nghe phức tạp. Nhưng đó chính là cách làm đúng: lọc kết quả theo quyền của người hỏi.

Ghi nhớ

⚠ Bảo vệ dữ liệu nhạy cảm ở quy mô lớn — bảng phải thuộc: | Biện pháp | Cách làm | |---|---| | ⚠ Sensitive Data Protection | ⚠ quét và che PII TỰ ĐỘNG | | ⚠ IAM + lọc theo quyền | ⚠ chỉ hiện thứ người đó được xem | | ⚠ Audit log | ⚠ bất biến, cho kiểm toán | | VPC Service Controls | ⚠ ngăn dữ liệu ra ngoài | | CMEK | khoá do khách quản | | ⚠ KHÔNG nên | ⚠ rà soát thủ công hàng triệu tài liệu |

Từ khoá nhận diện:

"thủ công, hàng triệu tài liệu" → ⚠ cách làm SAI "quét và che tự động" → Sensitive Data Protection "chỉ hiện thứ được phép xem" → ⚠ data control + IAM "bản ghi bất biến cho kiểm toán" → audit log

Ba việc kiểm chứng: | Việc | Cách | |---|---| | Đã quét PII tự động chưa | ⚠ thủ công không khả thi ở quy mô này | | Kết quả tìm kiếm có lọc theo quyền không | ⚠ thử bằng tài khoản quyền thấp | | Audit log có ghi đủ không | ⚠ cho kiểm toán tuân thủ |

Và nguyên tắc chung khi thấy một phương án đòi làm thủ công ở quy mô hàng triệu: đó gần như luôn là phương án sai. Thực hành bảo mật tốt hướng tới tự động hoá và kiểm soát truy cập, vì cả hai đều nhất quán và ghi lại được — điều mà sức người không đảm bảo nổi.