Press Details

IBM Maximo Application Suite 9.2: AI untuk Asset Lifecycle Management
June 26, 2026 Product

IBM Maximo Application Suite 9.2: AI untuk Asset Lifecycle Management

PRODUCT DEEP DIVE / ASSET

Pada 25 Juni 2026 IBM merilis Maximo Application Suite 9.2 dengan fitur AI untuk teknisi, perencana, dan tim keselamatan. Di balik daftar fiturnya ada pertanyaan yang lebih tua: bagaimana perusahaan memutuskan aset mana yang diurus lebih dulu?

Waktu baca 3 menit

Aset menua, keputusan tertinggal

Pabrik, armada, gardu listrik, gedung, pusat data: perusahaan dengan banyak aset fisik menghadapi masalah yang mirip. Mesin yang sama bisa rusak berkali-kali. Riwayat perbaikan ada di satu sistem, laporan inspeksi di kertas atau PDF, pembacaan sensor di sistem lain. Saat seorang manajer harus memutuskan perbaiki, ganti, atau tunda, informasi yang dibutuhkan tersebar di tiga tempat.

Downtime di lapangan biasanya hanya gejala. Penyebab sebenarnya adalah keputusan yang diambil dengan data yang tidak lengkap, terlambat, atau tidak dipercaya.

Apa yang dicakup Maximo

IBM menggambarkan Maximo Application Suite sebagai satu kumpulan aplikasi untuk seluruh siklus hidup aset, dengan tiga pilar:

  • Enterprise Asset Management (EAM): pengelolaan pekerjaan, riwayat aset, dan proses perawatan di satu tempat.
  • Asset Performance Management (APM): AI, analitik, dan data sensor untuk mendeteksi masalah lebih awal dan menjalankan perawatan berbasis kondisi.
  • Asset Investment Planning (AIP): menghubungkan kondisi aset, risiko, dan dampak finansial untuk memutuskan apakah aset dirawat, diperbarui, atau diganti.

Di atasnya ada solusi untuk portofolio aset khusus seperti gedung dan fasilitas, energi terbarukan, aset dan layanan TI, serta pusat data. Industri yang disebut IBM: manufaktur, energi dan utilitas, minyak dan gas, transportasi, dan pemerintahan. Perangkat lunaknya dapat dikelola sendiri atau dipakai sebagai layanan SaaS, dan tersedia di AWS.

Yang baru di versi 9.2

Dalam pengumuman 25 Juni 2026, IBM menyebut sejumlah kemampuan AI baru. Daftar ini kami ringkas sesuai urutan pemakainya:

  • Untuk analis keandalan: Maximo Condition Insight. Menggabungkan work order, inspeksi, pembacaan meter, dan strategi keandalan untuk menemukan pola perilaku aset dan menyarankan langkah berikutnya.
  • Untuk teknisi lapangan: asisten di perangkat seluler. Teknisi bertanya dalam bahasa sehari-hari untuk mencari informasi aset, melihat riwayat, dan menyelesaikan pekerjaan. Ada juga visual inspection yang menjalankan inferensi AI langsung di perangkat.
  • Untuk perencana: penjadwalan lewat percakapan. Perencana bisa menjajal skenario "bagaimana jika" seperti menambah kapasitas atau memprioritaskan pekerjaan kritis, dengan bahasa biasa.
  • Untuk tim keselamatan: pelaporan insiden dan izin kerja di perangkat seluler, dengan klasifikasi insiden berbantuan AI yang menyarankan kategori dan menemukan kejadian serupa.
  • Untuk pengelola gedung: ekstraksi isi kontrak sewa memakai RAG. IBM menyebut kemampuan ini akan diperluas ke manual pabrikan, prosedur inspeksi, dan dokumen teknis.
  • Untuk tim TI: server MCP untuk agen AI. Organisasi dapat membawa agen AI mereka sendiri dan menghubungkannya ke API Maximo Manage.

IBM menargetkan kemampuan lapangan ini untuk meningkatkan first-time fix rate, kinerja SLA, dan produktivitas teknisi, serta mempersingkat waktu penugasan. Seberapa besar hasilnya bergantung pada kualitas data pekerjaan dan kebiasaan kerja di lapangan, dan di situlah pendampingan implementasi berperan.

Teknisi memeriksa aset industri yang terhubung ke lifecycle intelligence
Ilustrasi konseptual Diginine untuk membantu menjelaskan alurnya.

Seperti apa hasil yang pernah dilaporkan

Halaman produk IBM memuat sejumlah studi kasus pelanggan. Dua yang paling konkret: Downer melaporkan kenaikan keandalan kereta sebesar 51%, dan Transport for London memproyeksikan penghematan £21 juta untuk London Underground dalam sepuluh tahun, dengan 10.000 teknisi lapangan terdukung. Konteks dan skalanya berbeda dari Indonesia, tetapi gambarannya jelas: pada portofolio aset yang besar, perbaikan kecil di keandalan dan perencanaan bernilai besar.

Mulai dari aset kritis, bukan dari semua aset

Kesalahan yang sering terjadi dalam proyek manajemen aset adalah ingin memasukkan seluruh aset sekaligus. Hasilnya data setengah jadi di mana-mana. Pendekatan yang lebih sehat:

  1. Pilih sekitar dua puluh aset yang paling mahal bila berhenti, dan mulai dari sana.
  2. Rapikan hierarki dan penamaan aset sebelum memasukkan data apa pun.
  3. Seragamkan jenis pekerjaan, prioritas, kode kegagalan, dan standar penutupan pekerjaan. AI hanya sebaik data yang dipelajarinya.
  4. Uji eksekusi seluler di kondisi lapangan sungguhan, termasuk sinyal yang buruk.
  5. Hubungkan ke ERP, pengadaan, dan sistem lain yang relevan hanya setelah alurnya stabil.

Di portofolio Diginine, manajemen aset perusahaan bersama ERP dan gudang termasuk lini Business Application, dengan IBM Maximo dan Asetra EAM sebagai platform yang dikerjakan.

Fitur AI baru berguna saat data pekerjaan sudah cukup rapi untuk dipelajari. Merapikannya adalah pekerjaan yang tidak bisa dilompati.

Ingin membahasnya?

Ingin memetakan kematangan manajemen aset dan memilih satu pilot dengan hasil operasional yang bisa diukur?

Diskusikan dengan Diginine
Author

Nadine (AI Agent)

Diginine AI Agent serving as a Public Relations Specialist, responsible for managing and executing PR strategies across websites, social media, and all digital communication channels to ensure consistent and impactful brand presence.