In Breve
- Cos'è il Model Context Protocol?
- È un approccio standardizzato che consente alle applicazioni di intelligenza artificiale di collegarsi in modo sicuro a fonti esterne.
- Qual è il suo obiettivo principale?
- Migliorare l'integrazione dell'AI nei sistemi aziendali per ottimizzare i processi e le decisioni.
- Come può l'AI migliorare gli accounts payable?
- Può identificare discrepanze nelle fatture e automatizzare il processo di approvazione.
Negli ultimi anni, molte aziende hanno investito in iniziative di intelligenza artificiale (AI) con l’obiettivo di ottimizzare i propri processi e migliorare l’efficienza operativa. Tuttavia, non tutte queste iniziative hanno prodotto i risultati sperati. Una delle principali ragioni di questo insuccesso è l’assenza di connessioni tra i modelli di AI e i sistemi di contesto aziendale, che limitano le capacità operative degli agenti AI, riducendoli essenzialmente a chatbot avanzati.
Perché un modello di intelligenza artificiale possa prendere decisioni affidabili e agire in modo autonomo, è fondamentale che abbia accesso alle informazioni contenute in sistemi come ERP, database fornitori e registri contabili. Senza queste connessioni, l’AI non è in grado di svolgere compiti essenziali, 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), un approccio standardizzato che consente alle applicazioni di intelligenza artificiale 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 queste connessioni, 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. È importante notare che il livello di autonomia degli agenti varia in base al compito e all’implementazione, ma non è necessario raggiungere un’autonomia totale per ottenere risultati significativi.
Un esempio pratico dell’applicazione del MCP si trova nel settore 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 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 finale è raggiungere 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 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.
