In Breve
- Qual è il ruolo del Model Context Protocol nelle aziende?
- Il Model Context Protocol consente alle applicazioni AI di collegarsi in modo sicuro a fonti esterne, migliorando l'integrazione con i sistemi aziendali.
- Come può l'AI migliorare il processo di fatturazione?
- L'AI può identificare discrepanze nelle fatture e gestire automaticamente le approvazioni, riducendo gli 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 aziende hanno investito in iniziative di intelligenza artificiale (AI) con l’obiettivo di trasformare i propri processi. Tuttavia, molti di questi progetti non hanno raggiunto i risultati attesi. La ragione principale è che i modelli linguistici avanzati, privi di connessioni ai sistemi aziendali, si limitano a funzionare come chatbot con capacità di redazione migliorate.
Perché un modello AI possa prendere decisioni affidabili e agire in modo efficace, è fondamentale che abbia accesso a informazioni critiche contenute in sistemi come ERP, database fornitori e general ledger. Senza queste connessioni, l’AI non è in grado di confrontare, ad esempio, una fattura con un ordine d’acquisto o verificare se un pagamento è stato già effettuato.
Il Model Context Protocol (MCP) si propone come una soluzione a questo problema, offrendo un approccio standardizzato che permette alle applicazioni AI di collegarsi in modo sicuro a fonti esterne. Questo riduce la necessità di sviluppare integrazioni personalizzate per ogni nuovo strumento, consentendo connessioni bidirezionali che permettono agli agenti AI di recuperare dati e inviare aggiornamenti ai sistemi core.
Grazie a collegamenti adeguati, gli agenti AI possono estrarre dati rilevanti, valutare le informazioni in base alle policy aziendali e intraprendere azioni come aggiornare record, inoltrare richieste di approvazione o attivare ulteriori passaggi di processo, mantenendo limiti operativi definiti dall’azienda.
Il livello di autonomia praticabile varia in base al compito e all’implementazione. Tuttavia, non è necessario raggiungere un’autonomia totale affinché l’AI possa avere un impatto concreto. Un esempio significativo 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.
In base alle 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 in questo ambito 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 è la cosiddetta “touchless processing”, ovvero il completamento del processo di fatturazione 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 adottare 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.
redazione
Redazione Diarioeconomico.