> For the complete documentation index, see [llms.txt](https://docs.nexthink.com/platform/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.nexthink.com/platform/ja/user-guide/spark/monitoring-spark.md).

# Spark のモニタリング

Nexthink Infinity の Spark ダッシュボードでは、組織全体での Spark の使用状況、会話の進行状況、問題の解決またはエスカレーションの状況を完全に可視化できます。

ライブの使用状況メトリクス、結果の追跡、メッセージレベルのインサイトを組み合わせることで、これらのダッシュボードは、サポートチーム、管理者、スーパーバイザーが Spark のパフォーマンスを継続的に監視し、改善を推進するのに役立ちます。 導入状況を迅速に評価し、自己解決の成功度を測定して、追加のアクションやエスカレーションが発生した箇所を特定します。

**Spark の概要**および**すべての会話**ダッシュボードは、クローズドループの最適化プロセスをサポートし、データに基づく意思決定によって従業員の Experience を向上させ、Spark を安心して拡張できるようにします。

* [Spark の概要を使用する](/platform/ja/user-guide/spark/monitoring-spark/using-spark-overview.md)
* [会話を監視する](/platform/ja/user-guide/spark/monitoring-spark/monitoring-conversations.md)

## 会話の状態、結果、種類を理解する

各会話には次の項目が含まれます：

* **状態**
* **結果**
* A **Type**

これらの属性は、やり取りの異なる側面を表します。

### 会話の状態

状態は、会話がアクティブかクローズ済みかを示します。

会話は次のいずれかの状態になります：

* **進行中:** 従業員と Spark の間のやり取りが継続しています。
* **完了:** Spark が会話を終了します。

Spark は、次の場合に会話を**完了**としてマークします：

* 従業員が問題の解決を確認した場合。
* Spark がチケットを自動作成した場合。
* 最後の Spark メッセージ以降、6 時間操作がなかった場合。

### 会話の結果

Spark が会話を終了する際、最終的なやり取りに基づいて次のいずれかの結果を割り当てます:

<details>

<summary>解決済み</summary>

会話が次のいずれかの結果になった場合、Spark は**解決済み**の結果を割り当てます：

* 従業員が解決を確認した場合。
* 自動修復、アクション、またはワークフローが正常に実行された場合。
* Spark が、問題の解決に重点を置いたガイダンス、手順、問い合わせ先、またはナレッジ記事を提供した場合。
* Spark は、自動診断またはトリアージに従って、適切な次のステップとしてリクエストを発行すること（ハードウェア、ソフトウェア、アプリケーションやシステムへのアクセスを含む）を判断します。

会話を「解決」と分類するために、明示的な確認は必要ありません。

{% hint style="info" %}
次のいずれかのシナリオでは、会話は解決として分類されません：

* Spark が問題に対処または解決できず、エスカレーションまたはインシデントに関連するサポートチケットを開始、ルーティング、または支援する場合。
* ユーザーの問い合わせが、Spark でサポートされる機能の範囲外である、または関連していない場合。
  {% endhint %}

</details>

<details>

<summary>エスカレーション</summary>

Spark は、次のいずれかのシナリオで**エスカレーション済み**の結果を割り当てます：

* Spark がチケットを自動作成した場合。
* Spark が問題を別のチームに引き継ぐことを推奨した場合。

</details>

<details>

<summary>非サポート</summary>

Spark は、次のいずれかのシナリオで**サポート対象外**の結果を割り当てます：

* 従業員が、挨拶や確認応答など、対応を必要としないメッセージを送信した場合。
* 従業員が非アクティブ期間の後に終了メッセージを送信した場合。
* 従業員が、IT サポートを目的としない一般的な操作方法について質問した場合。

</details>

<details>

<summary>放棄</summary>

解決またはエスカレーションされずに会話が終了した場合、Spark は**放棄**の結果を割り当てます。 たとえば：

* 確認の質問が未回答のままの場合。
* アクションが提案されたものの承認されなかった場合。
* アクションが失敗した、または完了しなかった場合。

{% hint style="info" %}
自動クローズ後、Spark は会話の結果を評価し、「解決済み」「非サポート」または「放棄」を割り当てます。
{% endhint %}

</details>

#### 会話結果の理由

Spark は割り当てられた結果の理由を保存します。 この情報は、NQL の `agent.conversation` テーブルの `reason` フィールドで確認できます。

以下のセクションでは、各結果の考えられるすべての理由を示し、Spark が各理由を割り当てるために満たす必要がある条件を説明します。

<details>

<summary>解決済み結果の理由</summary>

<table data-header-hidden data-search="false"><thead><tr><th>理由</th><th>説明</th></tr></thead><tbody><tr><td><code>confirmed_by_user</code></td><td>従業員が問題の解決を明確に確認するか、または明確な確認のシグナルに基づいて Spark が会話を終了します。</td></tr><tr><td><code>remediation_applied</code></td><td>修復アクションまたはワークフローが正常に完了し、変更が行われたことが証拠によって確認されます。</td></tr><tr><td><code>instructions_provided</code></td><td>問題を解決するための手順付き修正方法を提示して会話が終了します。 診断のみの手順は該当しません。</td></tr><tr><td><code>contact_expected</code></td><td>人による対応が最終的に必要となるインシデントに対して、Spark が ITSM チケットを作成します。例：故障したハードウェアの交換。</td></tr><tr><td><code>request_link_provided</code></td><td>セルフサービスのリクエストフォームまたはポータルへの案内によって会話が終了します。</td></tr><tr><td><code>request_created</code></td><td>人による対応が最終的に必要となるリクエストに対して、Spark が ITSM チケットを作成します。例：新しいマウスの注文。</td></tr><tr><td><code>request_fulfilled</code></td><td>Spark が ITSM フォームを作成せずにリクエストをエンドツーエンドで自動処理します。</td></tr></tbody></table>

</details>

<details>

<summary>エスカレーションされた結果の理由</summary>

<table data-header-hidden data-search="false"><thead><tr><th>理由</th><th>説明</th></tr></thead><tbody><tr><td><code>incident_created</code></td><td>Spark が会話中にインシデントチケットを自動的に作成します。</td></tr><tr><td><code>handoff_suggested</code></td><td>Spark の最後の有意な応答が、従業員にインシデントチケットの作成やサービスデスク、マネージャー、別チームへの連絡を促します。</td></tr></tbody></table>

</details>

<details>

<summary>非サポート結果の理由</summary>

| `greetings`               | 会話が挨拶、確認、雑談のみで構成され、IT サポートの意図がありません。          |
| ------------------------- | --------------------------------------------- |
| `late_acknowledgement`    | 一定時間の不活動後に「ありがとう」などの単一のフォローアップメッセージで会話が終了します。 |
| `out_of_support_question` | 会話が IT または職場サポートを目的としない一般的なハウツー質問です。          |

</details>

<details>

<summary>放棄された結果の理由</summary>

| `clarification_pending` | 問題解決に必要な追加確認の質問または次のステップの依頼に回答されないまま、従業員がクローズ時間内に応答しない場合に会話が終了します。   |
| ----------------------- | -------------------------------------------------------------------- |
| `approval_pending`      | 診断または修復アクションに対する承認待ちの状態で、従業員が応答しないまま会話が終了します。                        |
| `action_failed`         | アクションまたはワークフローが失敗、タイムアウト、または未完了の状態で会話が終了します。                         |
| `unresolved`            | サポート関連の会話が、解決済み、エスカレーション済み、その他の放棄理由の条件を満たさないまま、不活動またはタイムアウトにより終了します。 |

</details>

### 会話タイプ

システムは、従業員の入力内容と Spark による問題の処理方法に基づいて会話タイプを割り当てます。 会話タイプは、会話の進行中または完了後に割り当てられ、会話の展開に応じて変更される場合があります。

<details>

<summary>質問</summary>

従業員が情報、説明、またはガイダンスを Spark に求める場合、システムはその会話を **質問** として分類します。

Spark は、従業員固有のデバイスの状態確認、デバイス固有のトラブルシューティング、サービスアクションの実行を行わずに、ナレッジ記事、ドキュメント、または標準的なガイダンスを使用して回答します。

これには、従業員が問題を説明していても、Spark が一般的なガイダンスのみを提供する状況が含まれます。

{% hint style="info" %}
従業員が「私の PC の状態はどうですか？」のように、Spark に診断の実行を必要とする質問をした場合、システムは会話を**インシデントタイプ**として分類します。
{% endhint %}

**例:**

| 従業員の問い合わせ                                                                   | Spark の応答                                                |
| --------------------------------------------------------------------------- | -------------------------------------------------------- |
| <p><em>「VPN に接続するにはどうすればよいですか？」</em><br>または<br><em>「VPN に接続できません。」</em></p> | Spark は、デバイスの確認や修復を行わずに、VPN に手動で接続するための標準的な KB 手順を提供します。 |
| *「パスワードをリセットするにはどうすればよいですか？」*                                               | Spark は標準プロセスを説明しますが、リセットは実行しません。                        |

</details>

<details>

<summary>リクエスト</summary>

従業員が、プロビジョニング、変更、リセット、ロック解除、復旧、承認、提供、履行などの標準的なサービスアクションの完了を Spark に依頼する場合、システムはその会話を **リクエスト** として分類します。

リクエストは、アカウント、パスワード、アクセス権、デバイス、アプリケーション、設定など、既存のリソースに関するものでもかまいません。 新しいリソースのリクエストに限定されません。

Spark は、従業員をリクエストフォームに誘導したり、標準的なサービスリクエストの完了を案内したり、ITSM インシデントまたはリクエストチケットを作成したりして支援します。 トラブルシューティング、診断、調査は実行しません。

**例:**

| 従業員の問い合わせ                    | Spark の応答例                                                         |
| ---------------------------- | ------------------------------------------------------------------ |
| *「パスワードを忘れたので、回復を手伝ってください」*  | Spark は、パスワード回復リクエスト用のサービスフォームへのリンクを提供します。                         |
| *「アカウントのロックを解除してください。」*      | Spark は利用可能なアクションではアカウントのロックを解除できないため、サポートへエスカレーションするインシデントを作成します。 |
| *「Salesforce へのアクセス権をください。」* | Spark は従業員に一般的なリクエストフォームの URL を提供します                               |

</details>

<details>

<summary>インシデント</summary>

Spark が高度な Nexthink 機能を使用して、特定のデバイス、アプリケーション、サービス、または従業員の問題を診断、調査、または修復した場合、システムは会話を**インシデント**として分類します。

これには、従業員から明示的に報告された問題と、Spark が従業員の実際のデバイス、アプリケーション、またはサービスの状態を評価する必要がある診断に関する質問が含まれます。

{% hint style="info" %}
従業員がリクエストを問題として表現していても、Spark が高度な診断、調査、または修復機能を使用しない場合、システムは会話をインシデントとして**分類しません**。 割り当てられるタイプは、Spark が問題をどのように処理するか（情報を提供するか、リクエストの送信を案内するか）によって決まります。
{% endhint %}

**例:**

| 従業員の問い合わせ               | Spark の応答                                                 |
| ----------------------- | --------------------------------------------------------- |
| *「私の PC の状態はどうですか？」*    | Spark は、デバイスの健全性、Device view データ、パフォーマンス、安定性、または設定を確認します。 |
| *「ノート PC の動作が遅い。」*      | Spark はデバイスのパフォーマンスを調査し、根本原因を特定します。                       |
| *「VPN が機能しません。」*        | Spark は、VPN の状態、ネットワークの状態、サービスの状態、ログを確認するか、問題を修復します。      |
| *「Teams が頻繁にクラッシュします。」* | Spark はアプリケーションのクラッシュを調査し、修復を実行します。                       |
| *「不審なリンクをクリックしました。」*    | Spark はデバイス、ブラウザー、メール、セキュリティの状態を確認するか、修復を開始します。           |

</details>

<details>

<summary>セキュリティ上の懸念</summary>

従業員が不審なものを報告する、または安全かどうかを尋ねると、システムは会話を**セキュリティ上の懸念**として分類します。

Spark は主に、セキュリティに関するガイダンス、アドバイス、または標準情報を提供します。

{% hint style="info" %}
従業員が、自身のデバイス、ID、メール、ブラウザー、またはアプリケーションの状態について、Spark に高度な調査、診断、または修復を実行させる必要がある質問をした場合、システムは会話を**インシデントタイプ**として分類します。
{% endhint %}

**例:**

| 従業員の問い合わせ           | Spark の応答                         |
| ------------------- | --------------------------------- |
| *「このメールは安全ですか？」*    | Spark は標準的なフィッシング対策ガイダンスのみを提供します。 |
| *「不審なリンクをクリックしました」* | Spark は標準的な助言のみを提供します。            |

</details>

このデータをクエリする方法の例については、[Spark NQL の機能](/platform/ja/user-guide/spark/spark-nql-capabilities.md)を参照してください。 データモデルと利用可能なフィールドの詳細については、[NQL データモデル > Namespace agent](/platform/ja/understanding-key-data-platform-concepts/nql-data-model.md#agent)を参照してください。

## 会話トピックを理解する

Spark は、従業員が何について質問しているかに基づいて、すべての会話をトピックに自動的にグループ化します。たとえば、**VPN 接続** や **アカウントのロックアウト** などです。 さらに、トピックを事前定義されたカテゴリにグループ化することで、機能領域ごとのより広い視点を提供します

この分類は、すべての会話に対して自動的に行われます。 分類体系を設定したり、トピックを事前にマッピングしたりする必要はありません。

トピックにより、従業員が Spark に最も多く問い合わせる内容と、Spark が各種類のリクエストをどの程度解決できているかを一目で確認できます。 [会話のモニタリング](/platform/ja/user-guide/spark/monitoring-spark/monitoring-conversations.md)ダッシュボードでは、**会話の内訳** セクションで、トピックおよびカテゴリ別に会話量と結果を分析できます。

### Spark によるトピックの検出と割り当ての仕組み

Spark は、トピックの正確性と有用性を維持するために、継続的に2つのプロセスを使用します：

* **トピックの検出:** Spark は会話を定期的に確認し、トピックを特定します。 新しい種類のリクエストが発生すると新しいトピックが表示され、継続的なアクティビティがほとんどないトピックは廃止されます。 新しい各トピックは、事前定義されたカテゴリに割り当てられます。 既存のトピックは安定しており、Spark が週ごとに名前を変更したり構成を変更したりすることはありません。
* **トピックの割り当て:** 各会話が発生すると、Spark は会話の内容に基づいて最も一致するトピックにその会話を割り当てます。

トピックの割り当ては自動的に行われるため、お客様側での設定を必要とせず、従業員からのあらゆるリクエストをカバーします。


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.nexthink.com/platform/ja/user-guide/spark/monitoring-spark.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.