AI deed zijn intrede in het Maximo gesprek met versie 9.1. In 9.2 presenteert IBM praktische AI-toepassingen binnen de Maximo Application Suite, en ik vraag me af wat dat betekent voor het dagelijks werk. De vraag is niet of AI interessant is. De vraag is of het een technicus, planner, betrouwbaarheidsingenieur of Maximo-beheerder helpt om efficiënter en met minder moeite nuttig werk te verrichten.
‍

Zo kijk ik naar de nieuwe AI-mogelijkheden in Maximo. Het is geen wondermiddel dat je zomaar even aanzet, maar een set tools en, belangrijker nog, een raamwerk dat bestaande processen kan vereenvoudigen. AI maakt Maximo niet beter alleen omdat het is ingeschakeld. De waarde zit in de gebieden waar het team van IBM Maximo het toepast: werkorders, probleemcodes, vergelijkbare historische gegevens en strategieën voor betrouwbaarheid. Dat is essentieel, want de beste verbeteringen in Maximo zijn die waarbij mensen hun werkwijze niet hoeven aan te passen om frictie te verminderen.

Er moet wel waarde tegenover staan

AI is niet gratis, integendeel, dus er moet tijd worden geïnvesteerd om het goed te gebruiken. Er moet een duidelijke link zijn met operationele waarde, zoals snellere probleemoplossing, schonere werkorderdata, betere rapportages, kortere diagnostische tijden of beter onderbouwde beslissingen over betrouwbaarheid. Door de door IBM geleverde use cases als leidraad te gebruiken, kunnen we AI integreren in onze Maximo-omgeving en de voordelen ervan benutten.

Natuurlijke taalassistent

Het meest zichtbare voorbeeld is de Maximo Assistant. Hoewel het lijkt op de chatvensters die je overal op internet ziet, is dit geen algemene chatbot die aan Maximo is gekoppeld. Wanneer deze is ingeschakeld, kunnen gebruikers in gewone taal vragen stellen over hun Maximo-gegevens. Voor gebruikers die niet vertrouwd zijn met SQL, geavanceerde zoekopdrachten, opgeslagen queries of 'where'-clausules, is dit zeer waardevol.
‍

In plaats van een query te bouwen, kan een gebruiker vragen: "Laat mijn openstaande werkorders zien" en krijgt dan een resultaatset die eruitziet als een werklijst. Het verlaagt de drempel om nuttige informatie uit Maximo te halen, maar het is niet direct perfect. Beheerders moeten ervoor zorgen dat Maximo een duidelijke definitie heeft van wat een openstaande werkorder is en hoe eigenaarschap wordt bepaald. Hier komt het raamwerk om de hoek kijken. De sleutel is om vanaf het begin verwachtingen te scheppen over wat het systeem wel en niet kan beantwoorden, en in hoeverre het antwoord afhangt van de datakwaliteit. Het raamwerk stelt beheerders en toekomstige releases bovendien in staat om de mogelijkheden verder uit te breiden.

Aanbevelingen voor probleemcodes

Dit punt pakt een probleem aan dat de meeste Maximo-gebruikers zullen herkennen. Probleemcodes zijn alleen waardevol als ze consistent worden gebruikt. Verschillende technici gebruiken verschillende termen, verschillende locaties ontwikkelen eigen gewoontes, en te veel records eindigen met vage of inconsistente waarden. Als je een probleemcode hebt die "OVERIG" heet, weet je precies hoe vaak die wordt gebruikt.
‍

Aanbevelingen voor probleemcodes analyseren de omschrijving van de werkorder en storingsgegevens, en stellen vervolgens tijdens het invoeren van de werkorder waarschijnlijke probleemcodes voor. De gebruiker kiest uiteindelijk zelf de definitieve waarde. AI ondersteunt de besluitvorming en toont de betrouwbaarheid, maar stelt niet zelfstandig de diagnose. Ik denk dat een kortere lijst van twee of drie waarschijnlijke probleemcodes technici helpt om met minder klikken te vinden wat ze nodig hebben, wat uiteindelijk de datakwaliteit ten goede komt.

Conclusie

AI in Maximo moet niet worden gezien als een enkele functie of een eenmalig project. Dit zijn twee voorbeelden die IBM heeft opgeleverd en die we zullen blijven verbeteren. Als beheerders is het aan ons om deze en andere aangeboden AI-functies te omarmen. Dat vereist enige investering. Ik heb onlangs een blog gepubliceerd over waarom we in sommige gevallen zouden moeten overstappen op de nieuwe rolgebaseerde applicaties. Het benutten van de AI-functies in die applicaties was een van mijn redenen.
‍

AI in Maximo is een gereedschapskist die wordt ondersteund door een onderliggend raamwerk dat naar mijn verwachting alleen maar zal blijven groeien. Als je klaar bent om de technologie te omarmen, je werkprocessen aan te passen en de extra kosten te rechtvaardigen, kan AI de Maximo-ervaring verbeteren. Begin klein. Kies een of twee use-cases die de investering rechtvaardigen. Kijk naar de data die erachter zit. Bepaal of het de manier waarop mensen Maximo gebruiken verbetert. Geen AI om de AI, maar AI die Maximo makkelijker, sneller en nuttiger maakt voor de mensen die er dagelijks op vertrouwen.

‍