JBT Marel maakte technische kennis direct vindbaar met de TechDoc Finder: een AI-agent in Microsoft Teams die verspreide documentatie ontsluit en altijd verwijst naar de officiële bron. Engineers vinden informatie in seconden, werken foutarmer en verhogen de servicekwaliteit.
Algemene beschrijving (incl. samenvatting van onderstaande vier punten)
Door overnames en de fusie binnen JBT Marel ontstond een versnipperd documentatielandschap (SharePoint, Confluence, netwerkschijven), met uiteenlopende structuren, versies en toegangsrechten. Engineers beschikten over de juiste kennis, maar konden deze niet snel en betrouwbaar vinden. Dit leidde tot inefficiëntie, verhoogde foutkans en directe impact op servicekwaliteit.
Samen met Ciphix ontwikkelde JBT Marel de TechDoc Finder: een AI-agent geïntegreerd in Microsoft Teams die meerdere kennisbronnen doorzoekt en direct de juiste documentatie toont, inclusief verwijzing naar de officiële bron. Hierdoor blijven controle en betrouwbaarheid gewaarborgd.
De oplossing werd bewust klein gestart als proof of concept en iteratief uitgebreid op basis van gebruikersfeedback. Parallel is een Power BI-dashboard ingericht om gebruik, prestaties en kennishiaten inzichtelijk te maken.
De adoptie en schaalbaarheid tonen de kracht van de oplossing: binnen één maand waren er circa 120 actieve gebruikers die meer dan 1.000 vragen stelden, met een match rate van ongeveer 80 procent op de aangesloten bronnen; inmiddels is de oplossing uitgerold naar meerdere afdelingen en kon een nieuwe kennisbron (Software Solutions) binnen twintig minuten worden toegevoegd, goed voor naar schatting circa 1.000 uur besparing per jaar, wat neerkomt op een totale geschatte besparing van circa 8.000 uur per jaar.
De snelle uitbreiding naar meerdere afdelingen bevestigt dat de oplossing niet alleen werkt, maar ook organisatiebreed schaalbaar is.
Beschrijf de complexiteit en/of risico’s bij het doorvoeren van deze organisatietransformatie
De implementatie vereiste het oplossen van meerdere complexe vraagstukken.
Versnipperde en heterogene kennisstructuren:
Documentatie bevond zich in verschillende systemen met inconsistente structuren per business unit. Dit vroeg om een uniforme zoek- en ontsluitingslaag over alle bronnen heen.
Betrouwbaarheid van AI-uitkomsten (kritisch risico):
In een technische serviceomgeving is foutieve informatie onacceptabel. Daarom is gekozen voor een retrieval-based architectuur waarbij:
antwoorden uitsluitend worden samengesteld op basis van gevonden brondata
geen informatie buiten de beschikbare bronnen wordt gegenereerd
elk antwoord altijd herleidbaar is naar de originele documentatie
Versiebeheer en bronvaliditeit:
De oplossing stuurt engineers altijd naar de meest actuele en officiële bron, essentieel voor veiligheid en kwaliteit.
Security en toegangsrechten:
De AI-agent respecteert bestaande autorisatiestructuren per bron en gebruiker, waardoor gevoelige informatie beschermd blijft.
Adoptie in een operationele omgeving:
Engineers werken onder tijdsdruk en gebruiken al meerdere tools. Door integratie in Microsoft Teams en een iteratieve aanpak op basis van feedback is adoptie gemaximaliseerd.
Beschrijf de gerealiseerde waarde van deze organisatietransformatie voor de interne of externe klant
De impact van de TechDoc Finder is direct zichtbaar bij klanten in de food & beverage industrie, waar uptime en voedselveiligheid cruciaal zijn:
Sterk verkorte zoektijd: de zoektijd is teruggebracht van gemiddeld ongeveer vijf minuten naar tien tot twintig seconden, wat neerkomt op meer dan 90% tijdsreductie per zoekactie.
Structurele efficiëntiewinst: dit levert structurele efficiëntiewinst op: naar schatting circa 8.000 uur besparing per jaar en tot 1.000 uur per jaar per nieuwe kennisbron, waardoor er meer tijd vrijkomt voor werkzaamheden met hogere toegevoegde waarde.
Snellere probleemoplossing en minder downtime: engineers handelen sneller en consistenter, wat direct leidt tot hogere uptime bij klanten.
Minder fouten en hogere betrouwbaarheid: door altijd te werken met de juiste bron neemt het risico op fouten significant af.
Snellere onboarding van engineers: nieuwe medewerkers vinden sneller hun weg in complexe documentatie, wat leidt tot snellere productiviteit en consistente service.
Datagedreven verbetering: via Power BI worden vragen, prestaties en kennishiaten inzichtelijk gemaakt, waardoor documentatie en processen continu verbeteren.
Schaalbare adoptie met governance:
- Meerdere afdelingen actief aangesloten
- Dedicated team stuurt wekelijkse doorontwikkeling
- Backlog wordt geprioriteerd op basis van mini business cases en maximale waardecreatie
Beschrijf de originaliteit en/of innovatieve kracht van deze organisatietransformatie
De innovatie zit niet alleen in AI, maar in de combinatie van technologie, adoptie en governance:
AI als collega in de bestaande workflow: geen nieuw systeem, maar geïntegreerd in Microsoft Teams; exact waar engineers al werken. Zoals een gebruiker het verwoordt: “Het voelt als een nieuwe collega die alle documentatie kent.”
Trust-first AI in plaats van ‘slimme AI’: waar veel AI-oplossingen focussen op het genereren van antwoorden, kiest JBT Marel bewust voor betrouwbaarheid en controleerbaarheid. Antwoorden zijn altijd herleidbaar naar de bron, waardoor AI toepasbaar wordt in een kritische serviceomgeving.
Combinatie van AI + integratie + datagedreven optimalisatie: de oplossing stopt niet bij zoeken, maar creëert een gesloten feedbackloop waarin gebruik en prestaties continu worden gemeten en verbeterd.
Business-owned product in plaats van IT-project: de oplossing wordt actief gestuurd door een dedicated team binnen JBT Marel dat wekelijks werkt aan doorontwikkeling en adoptie. Elke uitbreiding wordt onderbouwd met een mini business case, waardoor innovatie direct gekoppeld is aan waardecreatie.
Schaalbaar innovatiemodel: nieuwe bronnen en use cases kunnen snel worden toegevoegd, waardoor de oplossing meegroeit met de organisatie.
Beschrijf de rol van de interne of externe leverancier(s) bij deze organisatietransformatie
JBT Marel heeft de innovatie inhoudelijk gestuurd vanuit de serviceorganisatie en IT. Ciphix trad op als implementatiepartner en bracht expertise in AI, integratie en adoptie.
Ciphix ondersteunde bij:
- Ontwikkeling van de AI-agent binnen Microsoft Teams
- Integratie en ontsluiting van bronnen (SharePoint, Confluence)
- Ontwerp van een betrouwbare AI-architectuur met bronverwijzing
- Inrichting van Power BI voor inzicht en optimalisatie
- Iteratieve aanpak met korte feedbackloops vanuit engineers
De samenwerking kenmerkt zich door een pragmatische, stapsgewijze aanpak waarbij snel waarde werd gerealiseerd en continu werd opgeschaald.
Extra informatie
De TechDoc Finder ging live in september 2025 en startte binnen één divisie. Inmiddels wordt de oplossing opgeschaald naar meerdere afdelingen en kennisdomeinen, waaronder Health & Safety en legacy JBT-documentatie. Daarnaast wordt gewerkt aan nieuwe toepassingen zoals “Kennis Kompas” voor innovatie- en ontwikkelteams. De ambitie is om één centrale AI-assistent te creëren die organisatiebreed wordt ingezet en structureel verandert hoe medewerkers informatie vinden en gebruiken.