In Breve
- Cos'è il Model Context Protocol?
- Il Model Context Protocol è un approccio standardizzato per connettere l'intelligenza artificiale ai sistemi aziendali.
- Come può l'AI migliorare i processi aziendali?
- L'AI può automatizzare compiti come la gestione delle fatture, riducendo errori e aumentando l'efficienza.
- Qual è l'obiettivo della touchless processing?
- L'obiettivo è completare il processo di fatturazione senza intervento umano, migliorando l'efficienza operativa.
Negli ultimi anni, molte aziende hanno investito in iniziative di intelligenza artificiale (AI) con l’obiettivo di trasformare i propri processi operativi. Tuttavia, non tutte queste iniziative hanno prodotto i risultati attesi. La ragione principale risiede nel 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 alle informazioni contenute in sistemi aziendali come ERP, database fornitori e general ledger. Senza queste connessioni, un modello non è in grado di svolgere compiti critici, come confrontare una fattura con un ordine d’acquisto o verificare se un pagamento è stato già effettuato.
È in questo contesto che entra in gioco il Model Context Protocol (MCP), un approccio standardizzato che consente alle applicazioni AI di collegarsi in modo sicuro a fonti esterne. Questo protocollo riduce la necessità di sviluppare integrazioni personalizzate per ogni nuovo strumento, permettendo connessioni bidirezionali che consentono agli agenti 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.
Il livello di autonomia che può essere raggiunto varia in base al compito e all’implementazione. Tuttavia, non è necessario raggiungere un’autonomia totale affinché l’AI possa produrre impatti significativi. Un esempio emblematico è rappresentato dall’area degli accounts payable. Un agente AI 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 nell’area degli accounts payable 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 operativo di queste implementazioni è la cosiddetta “touchless processing”, ovvero il completamento del processo di fatturazione senza intervento umano. Si tratta di una metrica binaria che 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 concretamente 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.
