De informatie was er al, maar kostte te veel tijd om te vinden
Bij een technisch productportfolio is het juiste antwoord vaak ergens beschikbaar. Het probleem is om precies de goede informatie op tijd boven water te krijgen.
Salesmedewerkers moesten documenten doorzoeken om klantvragen te beantwoorden. Voor buitendienst- en serviceteams speelde hetzelfde bij technische documentatie, diagnose en onderhoud. Dat vertraagde het werk op momenten waarop juist snel en onderbouwd geschakeld moet worden.
De agent laat medewerkers praten met hun eigen data
Macaw bouwde een maatwerk AI-oplossing op Azure, met Azure OpenAI, Microsoft Fabric, Power Apps en Microsoft Teams.
Retrieval-Augmented Generation (RAG) koppelt de taalvaardigheid van het model aan relevante product- en servicedata van FUCHS. De agent zoekt dus eerst in de beschikbare bedrijfskennis voordat een antwoord wordt opgebouwd.
vraag → relevante FUCHS-data ophalen → context toevoegen → AI-antwoord → medewerker
De oplossing ondersteunt daarnaast spraakherkenning met Whisper, productaanbevelingen en feedback van gebruikers.
Sneller schakelen in sales en buitendienst
De agent brengt technische kennis dichter bij het moment waarop medewerkers die nodig hebben. Sales krijgt sneller relevante productinformatie bij klantvragen. Technische medewerkers kunnen dezelfde aanpak gebruiken om documentatie voor service en onderhoud terug te vinden.
FUCHS rapporteert snellere afhandeling van vragen, efficiëntere service en betere toegang tot informatie. Er zijn geen gepubliceerde percentages voor tijdwinst of klanttevredenheid, dus daar maken we geen kunstmatige KPI van.
"De toekomst van slimme bedrijfsvoering is begonnen. Met Microsoft Fabric en het Power Platform bieden we onze teams directe toegang tot de juiste data. Dat verandert hoe we met klanten werken en hoe we onze prestaties verbeteren." >Philipp Hoock, Manager Digital Transformation, FUCHS SE
Een AI-agent is zo goed als de kennis die je beschikbaar maakt
De interessante technische les uit deze case zit niet alleen in het taalmodel. De waarde ontstaat doordat FUCHS-data bruikbaar wordt gemaakt voor een concrete workflow.
Dat vraagt om meer dan documenten in een chatbot stoppen. Data moet vindbaar, betrouwbaar en goed ontsloten zijn. Vervolgens moet je bepalen welke bronnen de agent mag gebruiken, hoe antwoorden worden gegrond en hoe gebruikers feedback kunnen geven.
Macaw helpt organisaties vanuit Data & AI om data hiervoor geschikt te maken. Vanuit die basis kunnen maatwerk AI-oplossingen worden gebouwd die medewerkers laten zoeken, vragen stellen en werken met eigen bedrijfskennis.
Governance hoort bij de oplossing
Zodra AI toegang krijgt tot interne product-, klant- of servicedata, worden rechten en governance onderdeel van het ontwerp. Niet iedere gebruiker mag dezelfde informatie zien en niet iedere databron hoort zonder controle beschikbaar te zijn voor een agent.
Met Establish a Trusted Foundation richt Macaw de randvoorwaarden rond data, governance, security en AI-readiness in. Zo kan een agent verder worden uitgebreid zonder grip op data en verantwoordelijkheden te verliezen.
Future-proof door model en capabilities los van elkaar te zien
De oorspronkelijke FUCHS-oplossing gebruikt Azure OpenAI. Voor nieuwe maatwerkoplossingen biedt Microsoft Foundry inmiddels een bredere basis voor modellen, knowledge, tools en agents.
Dat maakt de architectuur minder afhankelijk van één model. Afhankelijk van de taak kan bijvoorbeeld worden gekozen voor GPT-modellen van OpenAI, de modellen achter ChatGPT, of Claude van Anthropic. Foundry biedt daarnaast een veel bredere modelcatalogus.
Het voordeel daarvan is praktisch: de kennis, tools en workflow van de agent kunnen blijven bestaan terwijl het onderliggende model later wordt vervangen of uitgebreid. Zo kan per use case worden gestuurd op kwaliteit, snelheid, kosten en nieuwe mogelijkheden.
Een agent kan bovendien verder groeien dan alleen antwoorden geven. Door tools en acties toe te voegen kan hij informatie uit andere systemen ophalen of onderdelen van een workflow uitvoeren.
Van één agent naar een bredere AI-aanpak
De FUCHS-case laat zien hoe je met eigen data een concrete AI-oplossing bouwt voor een herkenbaar bedrijfsprobleem. De volgende vraag is welke andere processen en kennisgebieden zich daarvoor lenen.
Weet je nog niet waar je organisatie staat met data, governance, technologie en adoptie? Start dan met de gratis AI Maturity Assessment.
Het AI Value Program gaat daarna verder: kansrijke use cases prioriteren, risico en waarde afwegen, de juiste basis inrichten en een eerste oplossing daadwerkelijk implementeren.