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 migliora l'AI nelle aziende?
- Permette un'integrazione efficace con i sistemi aziendali, migliorando l'efficienza operativa e la capacità decisionale.
- Qual è un esempio di applicazione del MCP?
- Un esempio è l'area degli accounts payable, dove l'AI può identificare discrepanze nelle fatture.
Negli ultimi anni, l’intelligenza artificiale ha promesso di trasformare le operazioni aziendali, ma molte iniziative hanno deluso le aspettative. Gran parte di questo insuccesso è attribuibile ai modelli linguistici avanzati, che, privi di connessioni ai sistemi di contesto, operano principalmente come chatbot con capacità di redazione limitate. Per permettere a un modello di prendere decisioni affidabili e agire in modo efficace, è fondamentale che abbia accesso alle informazioni contenute in sistemi aziendali come ERP, database fornitori e general ledger.
Il Model Context Protocol (MCP) emerge come una soluzione standardizzata per consentire alle applicazioni AI di collegarsi in modo sicuro a fonti esterne. Questo approccio riduce la necessità di sviluppare integrazioni personalizzate per ogni nuovo strumento, permettendo connessioni bidirezionali. Grazie a queste connessioni, gli agenti AI possono recuperare dati e inviare aggiornamenti ai sistemi core, migliorando l’efficienza operativa.
Con i collegamenti appropriati, gli agenti AI sono in grado di estrarre dati rilevanti e valutare le informazioni in base alle politiche aziendali. Possono quindi intraprendere azioni come aggiornare record, inoltrare richieste di approvazione o attivare ulteriori passaggi di processo, mantenendo i limiti operativi definiti dall’azienda. L’autonomia degli agenti varia in base al compito e all’implementazione, ma non è necessario raggiungere un’autonomia totale per generare impatti significativi.
Un esempio concreto dell’applicazione del MCP è rappresentato dall’area 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, oppure procedere al pagamento se tutto risulta corretto.
Altri casi d’uso nel settore degli accounts payable 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 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 investire in soluzioni etichettate come “AI-powered”, i responsabili aziendali devono valutare quali sistemi l’intelligenza artificiale può effettivamente accedere e quali capacità operative abilita. Protocolli come il Model Context Protocol possono contribuire a colmare il divario tra strumenti conversazionali isolati e agenti collegati, capaci di supportare processi aziendali più autonomi e affidabili.
