In Breve
- Cos'è il Model Context Protocol?
- Il Model Context Protocol è un approccio standardizzato che consente alle applicazioni AI di collegarsi in modo sicuro a fonti esterne.
- Come può l'AI migliorare i processi aziendali?
- L'AI può migliorare i processi aziendali permettendo decisioni più rapide e accurate attraverso l'accesso a dati critici.
- Qual è l'obiettivo della touchless processing?
- L'obiettivo della touchless processing è completare il processo di fatturazione senza intervento umano, riducendo errori e inefficienze.
Negli ultimi anni, molte aziende hanno investito in iniziative di intelligenza artificiale (AI) con l’obiettivo di ottimizzare i processi aziendali. Tuttavia, non tutte queste iniziative hanno portato ai risultati sperati. Una delle principali ragioni di questo insuccesso è l’assenza di connessioni tra i grandi modelli linguistici e i sistemi aziendali di contesto, che riducono l’AI a semplici chatbot con capacità di redazione avanzate.
Perché un modello di intelligenza artificiale possa prendere decisioni affidabili e agire in modo efficace, è fondamentale che abbia accesso a informazioni critiche presenti in sistemi come ERP, database fornitori e general ledger. Senza queste connessioni, l’AI non è in grado di svolgere compiti fondamentali, come confrontare una fattura con un ordine d’acquisto o verificare se un pagamento è stato già effettuato.
In questo contesto, il Model Context Protocol (MCP) emerge come una soluzione innovativa. Questo protocollo standardizzato consente alle applicazioni di intelligenza artificiale di collegarsi in modo sicuro a fonti esterne, riducendo la necessità di sviluppare integrazioni personalizzate per ogni nuovo strumento. Inoltre, il MCP facilita connessioni bidirezionali, permettendo agli agenti AI di recuperare dati e inviare aggiornamenti ai sistemi core.
Grazie a collegamenti adeguati, gli agenti AI possono estrarre dati rilevanti e valutare le informazioni in base alle policy aziendali. Possono intraprendere azioni come aggiornare record, inoltrare richieste di approvazione o attivare ulteriori passaggi di processo, mantenendo sempre i limiti operativi definiti dall’azienda. La capacità di autonomia degli agenti varia a seconda del compito e dell’implementazione, ma non è necessario raggiungere un’autonomia totale per ottenere impatti significativi.
Un esempio pratico di applicazione del MCP si trova nel settore degli accounts payable. Un agente con accesso a ordini, registri di ricezione e contratti può identificare discrepanze, come una fattura per 20 casse quando ne sono state consegnate solo 18, o 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, o procedere al pagamento se tutto è corretto.
Altri casi d’uso nel settore AP includono il rilevamento di fatture duplicate grazie alla cronologia fornitore, 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 completare il processo di fatturazione senza intervento umano. Questa metrica binaria rende l’area AP 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 adottare soluzioni etichettate come “AI-powered”, i responsabili devono valutare concretamente a quali sistemi l’intelligenza 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.
