"Ogers zijn als uien."
‍

De meesten van ons kennen de uitspraak wel.
‍

In Shrekging het niet echt om uien. Het ging om lagen. Dingen die aan de oppervlakte simpel lijken, zijn vaak veel interessanter zodra je begrijpt wat eronder zit.
‍

Dat geldt in toenemende mate voor de AI-oplossingsstack en het platform in de Maximo Application Suite.
‍

De meeste gesprekken over AI in Maximo focussen op de Maximo Assistant, omdat dat het onderdeel is dat gebruikers kunnen zien. Maar de Assistant is slechts de buitenste laag van een grotere architectuur die AI Service, watsonx.ai, de nieuwe MCP-server uit MAS 9.2 en uiteindelijk Maximo Manage zelf omvat.
‍

Het begrijpen van die lagen helpt om te verklaren hoe AI vandaag de dag werkt, waar IBM naartoe lijkt te gaan en hoe je het platform kunt benutten bij het ontwikkelen van oplossingen. Het platform is vergelijkbaar met automatiseringsscripts: zodra je begrijpt wat er mogelijk is, zijn de opties vrijwel eindeloos.  

Laag 1: Maximo Assistant

De Assistant is het onderdeel dat iedereen ziet. Chatvensters zijn de standaardmanier geworden waarop we met AI omgaan. Daarom benadrukt IBM deze functie ook in Manage. Het biedt een gespreksinterface waarmee gebruikers vragen kunnen stellen, informatie kunnen ophalen en met Maximo kunnen communiceren in natuurlijke taal.  
‍

Voor veel organisaties is dit de eerste kennismaking met AI in MAS. Het is eenvoudig te begrijpen, uit te leggen en de financiering ervan te rechtvaardigen. Hoewel dit waarschijnlijk de eerste manier is waarop gebruikers het AI-platform zullen gebruiken, is het zeker niet de enige. Het MAS AI-platform heeft nog veel meer te bieden.  

Laag 2: Maximo AI Service

Achter de Assistant bevindt zich de Maximo AI Service.
‍

Dit is de platformlaag die Maximo-applicaties verbindt met watsonx.ai en AI-functionaliteit binnen de hele suite mogelijk maakt. De Assistant is slechts één functie die afhankelijk is van de AI Service.
‍

Andere voorbeelden zijn:

• Aanbevelingen voor probleemcodes

• Aanbevelingen voor veldwaarden

• Identificatie van vergelijkbare werkorders

• Aanbevelingen voor betrouwbaarheidsstrategieën

• Huurcontractabstractie in Maximo Real Estate and Facilities
  ‍

AI Service moet worden gezien als platforminfrastructuur, niet slechts als een afhankelijkheid voor een chatbot.

Laag 3: watsonx.ai

Onder de AI Service bevindt zich watsonx.ai.
‍

Dit is waar de grote taalmodellen (LLM's) zich bevinden. Op hoofdlijnen levert watsonx.ai de intelligentie. De chatbot is niet de intelligentie zelf. Wanneer gebruikers interactie hebben met de Maximo Assistant, worden verzoeken uiteindelijk verwerkt via modellen die toegankelijk zijn via de AI Service. De architectuur van IBM beschrijft hoe de AI Service verzoeken verstuurt naar LLM's die worden gehost via watsonx.ai, terwijl toezichthoudende AI-agents de algehele interactie coördineren.

Laag 4: Maximo MCP Server

Met MAS 9.2 introduceerde IBM de Maximo MCP Server.
‍

Dit is misschien wel de belangrijkste laag in de stack. De MCP-server stelt Maximo-functionaliteiten beschikbaar als tools die AI-agents kunnen ontdekken en aanroepen.
‍

Ik zie REST API's als iets dat is ontworpen voor ontwikkelaars. MCP is ontworpen voor AI-agents.
‍

Natuurlijk kan AI communiceren met de REST API, ik heb het vaker gezien. De vraag die je jezelf moet stellen is of dat de beste aanpak is. De MCP-server biedt een beheerde manier voor AI-systemen om met Manage te communiceren zonder het volledige applicatieoppervlak bloot te stellen.
‍

Als je meer wilt weten over de MCP-server, mijn collega heeft al een geweldige, gedetailleerde blogpostgepubliceerd.

Waarom MCP belangrijk is

De Maximo Assistant is één AI-gebruiker. De MCP-server maakt vele AI-gebruikers mogelijk.
‍

Vandaag de dag is dat misschien de Maximo Assistant.
‍

Morgen zou dat kunnen zijn:

• Microsoft Copilot

• Enterprise AI-assistenten

• Aangepaste copilots

• Agent-gebaseerde workflows

• AI-platforms van derden
  

De MCP-server transformeert Maximo van een applicatie waar gebruikers mee werken naar een platform waar AI-agents mee kunnen communiceren. Dat is een veel grotere architecturale verschuiving dan simpelweg een chatbot toevoegen.

Waar moet je beginnen?

Op zoek naar een kant-en-klare oplossing?

Implementeer Maximo Assistant en AI Service. Dit is de snelste manier om AI beschikbaar te maken voor gebruikers.

Heb je al een AI-strategie voor de hele organisatie?

Upgrade naar MAS 9.2 en verken de MCP-server. Als je organisatie al AI-agents of copilots gebruikt, is MCP wellicht de meest interessante functionaliteit in deze release.

Op zoek naar de AI-functies van IBM?

Implementeer AI Service. De meeste huidige AI-mogelijkheden van IBM zijn hierop gebaseerd, waaronder aanbevelingen voor probleemcodes, werkorderadviezen, lease-abstractie en Maximo Assistant.

Conclusie

Maximo Assistant krijgt de meeste aandacht omdat het de laag is die gebruikers direct zien en begrijpen; het laat zich goed demonstreren. Het werkelijke verhaal zit echter in de architectuur eronder. De MCP-server biedt een gestandaardiseerde manier voor AI-agents om met Maximo te communiceren, terwijl het systeem de plek blijft waar het werk daadwerkelijk wordt uitgevoerd en de controle over de data behouden blijft.
‍

Wat ons terugbrengt bij Shrek. Het interessantste deel van een ui is niet de buitenste laag. Het gaat erom hoe alle lagen samenwerken.
‍

Hetzelfde geldt in toenemende mate voor AI in Maximo. De chatbot is misschien waar gebruikers vandaag om vragen, maar de echte transformatie vindt waarschijnlijk dieper in de stack plaats.