In Breve
- Cos'è il Model Context Protocol?
- Il Model Context Protocol è un approccio standardizzato per collegare le applicazioni AI a fonti esterne, migliorando l'integrazione nei sistemi aziendali.
- Come può l'AI migliorare i processi aziendali?
- L'AI può identificare discrepanze nelle fatture e automatizzare processi come l'accounts payable, riducendo errori e aumentando l'efficienza.
- Qual è l'obiettivo della touchless processing?
- L'obiettivo è completare il processo di fatturazione senza intervento umano, minimizzando errori e inefficienze.
Negli ultimi anni, molte iniziative di intelligenza artificiale (AI) nelle aziende non hanno raggiunto i risultati sperati. Questo è principalmente 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. Per un modello AI in azienda, l’accesso a informazioni critiche contenute in sistemi come ERP, database fornitori e general ledger è fondamentale. Senza queste connessioni, risulta impossibile, ad esempio, confrontare una fattura con un ordine d’acquisto o verificare lo stato di un pagamento.
In questo contesto, il Model Context Protocol (MCP) emerge come una soluzione promettente. Questo protocollo propone un approccio standardizzato che consente alle applicazioni AI di collegarsi in modo sicuro a fonti esterne, riducendo la necessità di sviluppare integrazioni personalizzate per ogni nuovo strumento. Grazie a connessioni bidirezionali, gli agenti AI possono recuperare dati e inviare aggiornamenti ai sistemi core, migliorando notevolmente l’efficacia operativa.
Con i collegamenti adeguati, gli agenti AI sono in grado di estrarre dati rilevanti e valutare le informazioni in base alle policy aziendali. Ciò consente loro di intraprendere azioni come aggiornare record, inoltrare richieste di approvazione o attivare ulteriori passaggi di processo, mantenendo al contempo limiti operativi definiti dall’azienda. Il livello di autonomia che può essere raggiunto varia in base al compito e all’implementazione, ma è importante sottolineare che non è necessario arrivare a un’autonomia totale affinché l’AI possa avere un impatto significativo.
Un esempio pratico di applicazione del MCP si trova nel settore degli accounts payable. Un agente AI, dotato di accesso a ordini, registri di ricezione e contratti, può identificare discrepanze, come nel caso di 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, oppure procedere al pagamento se tutto è in ordine.
Altri casi d’uso nel settore AP 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 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 investire in soluzioni etichettate come “AI-powered”, è fondamentale che i responsabili aziendali valutino a quali sistemi l’intelligenza artificiale può accedere e quali capacità operative essa abilita realmente. Protocolli come il MCP possono contribuire a colmare il divario tra strumenti conversazionali isolati e agenti collegati, capaci di supportare processi aziendali più autonomi e affidabili.
