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.
- Qual è il ruolo dell'AI negli accounts payable?
- L'AI può identificare discrepanze nelle fatture e automatizzare il processo di approvazione.
- Come può l'AI migliorare l'efficienza aziendale?
- L'AI, con accesso ai sistemi aziendali, può ridurre errori e ottimizzare i flussi di lavoro.
Negli ultimi anni, molte aziende hanno investito in iniziative di intelligenza artificiale (AI) con l’obiettivo di trasformare i loro processi operativi. Tuttavia, non tutte queste iniziative hanno portato ai risultati sperati. Una delle principali ragioni è 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 possa operare in modo efficace e autonomo, è fondamentale che abbia accesso a informazioni critiche provenienti da sistemi aziendali come ERP, database fornitori e general ledger. Senza queste connessioni, un agente AI non è in grado di effettuare operazioni basilari come confrontare una fattura con un ordine d’acquisto o verificare lo stato di un pagamento.
È qui che entra in gioco il Model Context Protocol (MCP). Questo protocollo propone un approccio standardizzato che consente alle applicazioni AI di collegarsi in modo sicuro a fonti esterne, eliminando la necessità di sviluppare integrazioni personalizzate per ogni nuovo strumento. Grazie al MCP, le connessioni bidirezionali diventano possibili, permettendo agli agenti di recuperare dati e inviare aggiornamenti ai sistemi core.
Con i collegamenti adeguati, gli agenti AI possono estrarre dati rilevanti, valutare le informazioni in base alle politiche aziendali e intraprendere azioni concrete, come aggiornare record, inoltrare richieste di approvazione o attivare ulteriori passaggi di processo. Questo avviene mantenendo i limiti operativi definiti dall’azienda, garantendo così un controllo adeguato.
Il livello di autonomia che un agente AI può raggiungere dipende dal compito specifico e dall’implementazione. È importante notare che non è necessario raggiungere un’autonomia totale per ottenere risultati significativi. Un esempio pratico è rappresentato dal settore degli accounts payable. Un agente AI, dotato di 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.
In base alle 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 corretto. Altri casi d’uso in questo ambito 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 una 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”, è fondamentale che i responsabili aziendali valutino 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.
