In Breve
- Cos'è il Model Context Protocol?
- Il Model Context Protocol è un approccio standardizzato per connettere le applicazioni AI ai sistemi aziendali.
- Qual è il beneficio principale del MCP?
- Permette connessioni sicure e bidirezionali tra AI e sistemi aziendali, migliorando l'efficienza operativa.
- Come può l'AI migliorare gli accounts payable?
- L'AI può identificare discrepanze nelle fatture e automatizzare il processo di approvazione.
Negli ultimi anni, molte iniziative di intelligenza artificiale (AI) nelle aziende non hanno raggiunto i risultati sperati. Questo è spesso dovuto al fatto che i grandi modelli linguistici, privi di connessioni ai sistemi di contesto, si limitano a funzionare come chatbot avanzati, senza la capacità di prendere decisioni informate. Perché un modello AI possa operare in modo efficace, è fondamentale che abbia accesso a informazioni cruciali contenute in sistemi aziendali come ERP, database fornitori e general ledger. Senza queste connessioni, è impossibile per un sistema AI, ad esempio, verificare la corrispondenza tra una fattura e un ordine d’acquisto o accertare se un pagamento sia già stato effettuato.
Il Model Context Protocol (MCP) emerge come una soluzione standardizzata, progettata per consentire alle applicazioni AI di collegarsi in modo sicuro a fonti esterne. Questo approccio riduce la necessità di sviluppare integrazioni personalizzate per ogni nuovo strumento, facilitando connessioni bidirezionali che permettono agli agenti AI di recuperare dati e inviare aggiornamenti ai sistemi core. Con i giusti collegamenti, gli agenti possono estrarre informazioni pertinenti, valutare i dati in base alle politiche aziendali e intraprendere azioni come aggiornare registri, inoltrare richieste di approvazione o attivare ulteriori passaggi di processo, mantenendo sempre limiti operativi definiti dall’azienda.
Il livello di autonomia che un sistema AI può raggiungere varia a seconda del compito e dell’implementazione. Tuttavia, non è necessario un grado totale di autonomia affinché l’AI produca risultati concreti. Un esempio di applicazione efficace si trova nel settore degli accounts payable. Un agente AI, dotato di accesso a ordini, registri di ricezione e contratti, è in grado di identificare discrepanze. Ad esempio, può rilevare una fattura per 20 casse quando ne sono state consegnate solo 18, oppure un prezzo per unità superiore a quanto concordato. A seconda delle regole aziendali, l’agente può richiedere un accredito al fornitore, indirizzare la questione a un operatore con evidenze e raccomandazioni, oppure procedere al pagamento se tutto risulta corretto.
Altri casi d’uso nel campo degli accounts payable includono il rilevamento di fatture duplicate grazie alla cronologia fornitori, l’attribuzione automatica dei codici di conto generale basata su dati storici e la determinazione del flusso di approvazione in base alle pratiche precedenti. L’obiettivo finale è raggiungere la cosiddetta “touchless processing”, ovvero un processo di fatturazione completato senza intervento umano. Questa metrica binaria rende l’area degli accounts payable un banco di prova utile, poiché gli errori possono avere conseguenze misurabili, come rielaborazioni manuali, pagamenti eccessivi, sconti persi e registrazioni contabili errate.
Prima di investire in soluzioni etichettate come “AI-powered”, i responsabili aziendali devono valutare a quali sistemi l’intelligenza artificiale può accedere e quali capacità operative effettivamente abilita. Protocolli come il Model Context Protocol possono contribuire a colmare il divario tra strumenti conversazionali isolati e agenti collegati, in grado di supportare processi aziendali più autonomi e affidabili.
