AI 在 Maximo 的视野中首次出现是在 9.1 版本。在 9.2 版本中，IBM 正在 Maximo Application Suite 中呈现各种实用的 AI 应用场景，我一直在思考这对日常工作意味着什么。问题的关键不在于 AI 是否有趣，而在于它能否帮助技术人员、计划员、可靠性工程师或 Maximo 管理员更轻松地完成工作。
‍

这就是我如何看待 Maximo 中新的 AI 功能。它不是一个一键解决所有问题的开关，而是一套工具，更重要的是，它是一个能够简化现有流程的框架。AI 并非仅仅因为启用就能让 Maximo 变得更好。其价值在于 IBM Maximo 团队应用它的领域：工单、问题代码、相似历史记录以及可靠性策略工作。这一点至关重要，因为最优秀的 Maximo 改进方案是在不强迫人们改变工作方式的前提下消除阻力。

必须体现价值

AI 并非免费，恰恰相反，因此应投入时间将其用好。它需要与运营价值建立明确的联系，例如更快的故障排查、更整洁的工单数据、更好的报告、更短的诊断时间或更可靠的决策。以 IBM 提供的应用场景为指导，我们可以将 AI 融入 Maximo 的日常使用中，并获取 AI 带来的价值。

自然语言助手

最直观的例子是 Maximo Assistant。虽然它看起来像遍布各大网站的聊天框，但它并非连接到 Maximo 的通用聊天机器人。启用后，它允许用户用自然语言针对 Maximo 数据进行提问。对于不熟悉 SQL、高级搜索、保存的查询或 where 子句的用户来说，这非常有意义。
‍

用户无需构建查询，只需询问“显示我未完成的工单”，即可获得类似工作队列的结果集。它降低了从 Maximo 获取有用信息的门槛，但它并非开箱即用就完美无缺。管理员需要确保 Maximo 对“未完成工单”的定义以及所有权的界定有明确的设置。这就是框架发挥作用的地方。关键在于从一开始就设定好预期：它能回答什么、不能回答什么，以及响应结果在多大程度上取决于数据质量。该框架还允许未来的版本和管理员扩展其功能。

问题代码推荐

这一功能解决了大多数 Maximo 客户都深有体会的问题。 问题代码 只有在人们持续使用时才有价值。不同的技术人员使用不同的术语，不同的站点养成不同的习惯，导致太多的记录最终被标记为模糊或不一致的值。如果你有一个名为“其他”的问题代码，你一定很清楚它被使用的频率有多高。
‍

问题代码推荐功能会分析工单描述和故障数据，并在录入工单时建议可能的问题代码。最终选择权仍由用户掌握。人工智能仅提供辅助决策并显示置信度，不会自行做出诊断。我认为，提供两到三个最可能的问题代码作为精简列表，能帮助技术人员减少点击次数，快速找到所需内容，从而从根本上提升数据质量。

结语

Maximo 中的人工智能不应被视为单一功能或一次性项目。以上是 IBM 已经交付并会持续改进的两个示例。作为管理员，我们有权选择是否拥抱这些及其他已交付的人工智能功能，但这需要一定的投入。我最近发表了一篇博客，探讨了在某些情况下我们为何应该转向基于角色的新应用程序，利用这些应用程序中的人工智能功能就是我的理由之一。
‍

Maximo 中的人工智能是一套由底层框架支持的工具集，我认为它只会不断扩展。如果您准备好拥抱这项技术、调整工作流程并证明其额外成本的合理性，那么人工智能确实能改善 Maximo 的使用体验。建议从小处着手，挑选一两个能证明投资价值的用例，深入分析其背后的数据，并评估它是否真正改善了人们使用 Maximo 的方式。我们追求的不是为了人工智能而人工智能，而是要让 Maximo 对每天依赖它的用户来说变得更简单、更快捷、更实用。

‍