In Breve
- Cos'è il Model Context Protocol?
- È un approccio standardizzato che consente alle applicazioni AI di connettersi in modo sicuro a fonti esterne.
- Come può migliorare l'efficienza aziendale?
- Permette agli agenti AI di accedere a dati rilevanti e intraprendere azioni basate sulle policy aziendali.
- Qual è un esempio di utilizzo del MCP?
- Nel settore degli accounts payable, per identificare discrepanze tra fatture e ordini.
Negli ultimi anni, l’intelligenza artificiale (AI) ha fatto enormi progressi, ma molte iniziative aziendali non hanno raggiunto i risultati sperati. Spesso, i grandi modelli linguistici si limitano a funzionare come chatbot avanzati, privi di connessioni ai sistemi di contesto necessari per prendere decisioni informate. Per un modello AI in grado di operare in modo efficace, è fondamentale avere accesso a informazioni provenienti da sistemi aziendali come ERP, database fornitori e general ledger.
Il Model Context Protocol (MCP) si propone come una soluzione standardizzata per consentire alle applicazioni AI di connettersi in modo sicuro a fonti esterne. Questo approccio riduce la necessità di sviluppare integrazioni personalizzate per ogni nuovo strumento, permettendo connessioni bidirezionali. In questo modo, gli agenti AI possono recuperare dati e inviare aggiornamenti ai sistemi core, aumentando l’efficacia delle operazioni aziendali.
Con i collegamenti adeguati, gli agenti AI possono estrarre informazioni rilevanti e valutare i dati in base alle policy aziendali. Possono intraprendere azioni come aggiornare record, inoltrare richieste di approvazione o attivare ulteriori passaggi di processo, mantenendo sempre limiti operativi definiti dall’azienda. Questo livello di autonomia varia in base al compito e all’implementazione, ma non è necessario raggiungere un’autonomia totale per ottenere impatti significativi.
Un esempio concreto dell’applicazione del MCP si trova nel settore degli accounts payable. Un agente AI con accesso a ordini, registri di ricezione e contratti è in grado di identificare discrepanze, come una fattura per 20 casse quando ne sono state consegnate solo 18. A seconda delle regole aziendali, può richiedere un accredito al fornitore, indirizzare la questione a un operatore con evidenze e raccomandazioni, o procedere al pagamento se tutto risulta corretto.
Altri casi d’uso nel campo 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 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 e pagamenti eccessivi.
Prima di adottare soluzioni etichettate come “AI-powered”, i responsabili aziendali devono valutare 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 AI collegati in grado di supportare processi aziendali più autonomi e affidabili.
