Spark の始め方

Nexthink Sparkは、AIエージェントであり、リアルタイム通信チャネルを通じてレベル1のITリクエストと質問を解釈し、解決します。 Nexthink Sparkは現在、MS Teamsでのみ利用できます。

問題解決を加速することで、SparkはITサポートの作業負荷を軽減し、従業員のエクスペリエンスを向上させます。

始める前に

Nexthink Sparkを展開し使用する前に、次のことを確認してください:

  • 管理者権限が必要なSparkの前提条件を設定しました。 Sparkの権限の付与のセクションを参照してください。

  • 各ユーザーのUPNを平文で収集するためにCollector を設定しました。 Collectorレベルの匿名化の設定のドキュメントを参照してください。

  • Microsoftテナント用にMicrosoft Entra IDインバウンドコネクタを設定しました。

  • セルフサービスポータルURL。

  • 技術プレビューに含まれるときにメールで共有された、バージョン1.2.0のNexthink Teamsアプリケーションパッケージの更新版。

Nexthinkは、Sparkから直接インシデントを作成するためにServiceNowコネクターの資格情報を設定することを推奨します。 この統合により、Sparkの未解決問題を完全な文脈で昇格させる能力が強化されます。

Nexthink Sparkのセットアップ

Sparkチームとのやり取りのためのコミュニケーションチャネルを設定する

Teams通信チャネルを設定するための前提条件を満たしていることを確認してください:

  • Collectorオプションを使用して、各ユーザーのUPNを平文で収集します。 詳細については、コレクターレベルの匿名化の設定 ドキュメントを参照してください。

  • Microsoftテナント用にMicrosoft Entra IDインバウンドコネクタを設定します。

MS TeamsとのSparkのやり取りを可能にするために、Nexthinkでコミュニケーションチャネルを設定する。

  • 通信チャネルを設定した後、技術プレビュー専用にNexthinkから直接提供された、Spark用のバージョン依存アプリケーションパッケージ(.zip)をインストールします。

  • ウェルカム メッセージを使用して、従業員にチャットボットの範囲を知らせ、AI が生成した返信を読む際には判断力を発揮するよう促します。

権限を付与

管理者向けのSpark機能に関連する権限を追加するために、役割を編集します。

  • データモデルの可視性:

    • エージェント会話 は、ユーザーがNexthink Query Language(NQL)を使用してSparkから会話情報を表示することを可能にします。

  • Spark:

    • エージェント概要ダッシュボードを見る は、ユーザーがSparkの採用と価値を監視するための概要ダッシュボードを見ることを可能にします。

    • すべてのエージェントアクションを管理 は、Sparkが利用可能なエージェントアクションを管理することをユーザーに可能にします。

    • すべてのエージェント会話を表示 は、Sparkの会話とその詳細、会話内容を含むリストをユーザーに見ることを可能にします。

    • エージェント会話を見直す は、Sparkを改善するために使用される会話にフィードバックを与えることをユーザーに可能にします(現在は使用されていません)。

    • エージェント知識源を管理 は、Sparkがアクセスできるナレッジベース記事をアップロードすることをユーザーに可能にします(現在は使用されていません)。 {% endstep %}

ServiceNow統合のためのコネクタ資格情報を構成する

Sparkがインシデントを解決できないときにチケットを昇格させるために、NexthinkでServiceNowのコネクター資格情報を設定します。 Nexthinkは将来のリリースのために他のITSMツール統合を計画しています。

  • ServiceNowで必要な権限を持つ資格情報、例えば、 itil役割を持つことを確認します。

  • Nexthinkに資格情報構成URL、必要なチケットフィールドのリスト、およびあなたのセルフサービスポータルURLを提供します。

Nexthinkが初期設定を完了し、Sparkのチケット/インシデント作成を可能にします。将来のリリースでは、顧客向けUIを計画しています。

詳細については、コネクタ資格情報 ドキュメントを参照してください。

ServiceNowからナレッジベース記事をインポートする

CSVファイルとしてITSMツールであるServiceNowからNexthinkへナレッジベース記事を手動でアップロードし、Sparkナレッジベースを供給します。

ステップ 1 - ServiceNow でエクスポートするデータを特定する
  1. ServiceNowでナレッジベース記事のリストを開きます。

  2. 次のフィルターを適用して知識ベースの記事を選択します。

    • 公開済みの記事のみ。

    • サービスデスク ユーザーが利用できる記事。 Spark は、ITSM の権限に関係なくアップロードされたすべての記事をインデックスします。

    • 同じ記事の翻訳版を除外します。

    • インポートしたいすべての記事を含めます。新しいファイルをアップロードすると以前のインポートが置き換えられます。

手動によるアップロードはインクリメンタルではありません。 Sparkナレッジベースに必要なすべてのデータをエクスポートする計画を立てます。 新しいファイルをアップロードすると、以前の内容は新しい内容に置き換えられます。

ステップ 2 - ServiceNow からデータをエクスポートする

標準的な CSV エクスポートを実行して ServiceNow からデータをエクスポートします。

  1. ServiceNowでナレッジベース記事リストに移動します。

  2. フィルターを適用 をクリックして希望するフィルターを設定します。

  3. 歯車アイコン > 個別設定をクリックします。

  4. 次の必須の列を追加します。

    • 番号

    • 短い説明

    • 知識ベース

    • カテゴリー

    • 更新日

    • 記事本文

  5. 任意の列ヘッダのアクション メニューをクリックし、エクスポート > CSV を選択してファイルをダウンロードします。

ファイルが UTF-8 でエンコードされていることを確認してください。 ServiceNow インスタンスがデフォルトで UTF-8 エクスポートを実行するように設定されていない場合は、後でファイルを UTF-8 に変換します。

次の表に、個人設定リストを使用する際に追加が必要なフィールドを示します。

列名
説明

number

知識ベース記事の ID(ユーザーが読みやすい)

short_description

知識ベース記事のタイトル

kb_knowledge_base

記事が属する知識ベースの名前

kb_category

知識ベース記事のカテゴリー

sys_updated_on

最終更新日

テキスト

記事の内容、サポート対象形式のいずれかで: プレーン テキスト、マークダウン または HTML

ステップ3 - Nexthink に記事をアップロードする
  1. Administration > Autopilot connector > Knowledge baseにアクセスします。

  2. CSVファイルをアップロードをクリックします。

  3. 最大100 MBのCSVファイルをハードドライブから選択してシステムにインポートします。

  4. インポート をクリックした後、システムは次の手順を実行します:

    • すでに手動でファイルをアップロードした場合、古いコンテンツは破棄され、新しいコンテンツに置き換えられます。

    • 大規模なナレッジベースの場合、ファイル処理は非同期で行われ、最大15分かかる場合があります。

Sparkの診断および修復アクションを有効にする

NexthinkでSparkのアクションを検証し、有効にします。

ビルトインエージェントアクションを有効化する

メインナビゲーションメニューから:

  1. Spark > アクションの管理に移動し、Spark と連携するために設計されたエージェント アクションを確認します。

  2. Spark の使用するエージェント アクションを有効にします。

詳細については、アクションの管理のドキュメントを参照してください。

カスタムリモート アクションの有効化

メインナビゲーションメニューから:

  1. リモート アクション > リモート アクションの管理に移動します。

  2. リモートアクションを作成または編集するには、Spark トリガーを有効にします。

詳細については、Spark のアクションのドキュメントを参照してください。

Sparkの展開を伝える

Sparkの展開のために従業員グループを選択し、コミュニケーションを準備します。

  • MS Teams管理コンソールのコントロールを使用して、Sparkアクセスを持つ従業員を選択します。

  • 従業員に Spark エージェントの範囲を伝え、AI が生成した返信を読む際には判断力を発揮するように促します。


Spark はどのように機能しますか?

Spark は、設定されたチャネル横から従業員のリクエストに接続し、診断を実行し、問題解決を試みます。

上図はSparkのワークフローシーケンスを視覚的にマップしています。

  1. 従業員は、リアルタイムでエンタープライズチャットや他のサポートされているフロントエンドチャネル統合を通じて、問題を報告します(現在はMS Teamsのみに対応しています)。

  2. Sparkは、Infinityプラットフォーム内のAWS BedrockサービスにホストされているLLMを使用して、従業員のリクエストを自然言語で解釈します。 従業員のリクエストに応じて、Sparkは収集して評価します:

  3. Sparkは、従業員の質問に対する回答や問題を解決するための潜在的な解決策を共有することで従業員に応答します。 Sparkは以下のいずれかを実行できます:

    • セルフヘルプガイダンスまたは関連するナレッジベース記事へのリンクを含む詳細情報を提供します。

    • デバイスの問題を自動で解決するために従業員の承認を要求します。

  4. 未解決の場合、Sparkは完全なコンテキストでサービスデスクにサポートリクエストをエスカレーションします。 Sparkは、次のケースでのみリクエストをエスカレーションします:

    • 関連する自動アクションやユーザーによるトラブルシューティングを使い果たした後

    • 従業員からの明示的なエスカレーションリクエストを受け取った場合

    • 従業員が持っていない管理者アクセスを必要とする問題に遭遇した場合

    • Sparkが効果的な解決策を提供できない技術的制限に直面した場合

Sparkは解決策を提案し開始することができますが、すべてのデバイス修復アクションにはユーザーの承認が必要です。

Sparkが使用するデータは何ですか?

Sparkは静的および動的なデータソースの組み合わせを利用します:

  • ナレッジベース記事: 手動でインポート したナレッジベース記事。

  • コンテクストNexthinkデータ: Nexthink Infinity のデバイス健康、診断、修復、ユーザーメタデータ。

今後のリリースに向けたデータ強化が計画されています:

  • 会話フィードバック: Spark Cockpitでは、スーパーバイザーが会話のフィードバックを提供し、同様の将来のやり取りでの応答品質を改善するのを助けます。

結果的に、SparkはSpark-ユーザーのやり取りデータをクエリするための特定のNQLデータモデルテーブルに基づいています。

個人データの扱いは、Nexthinkデータ処理契約(DPA)の対象となります。 Sparkの処理はユーザー固有であり、カスタマー地域に制限されています。

Sparkは他の組織のデータを提供しません。

Sparkの権限付与

詳細な役割の説明、パーミッションドメイン閲覧オプション、およびデータプライバシーグラニュラリティ設定については、Rolesのドキュメントを参照してください。

管理者としてSparkの適切な権限を有効にするには:

  1. メインナビゲーションパネルからAdministration > Roles を選択してください。

  2. 新しい役割 を作成するか、それをホバリングして既存の役割を編集します。

  3. データモデルの可視性 セクションで エージェント会話を表示可能に設定します。

  4. パーミッション セクションで、Sparkセクションまでスクロールし、その役割に適切な権限を有効にします。

Spark権限に与えるドメインの影響についてはこちらをご覧ください。

必要な権限が有効になっていることを前提に、フルと制限付きのドメインビューアクセスを持つユーザーができることを表に示します。

パーミッション
フルアクセス
制限付きアクセス

すべてのエージェントアクションを管理

エージェント会話を見直す

エージェント概要ダッシュボードを見る

すべてのエージェント会話を表示

Last updated

Was this helpful?