In Breve
- Cosa 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 suo obiettivo principale?
- Il suo obiettivo è migliorare l'integrazione dell'AI con i sistemi aziendali, aumentando l'efficienza operativa.
- Come può l'AI supportare gli accounts payable?
- L'AI può identificare discrepanze nelle fatture, rilevare fatture duplicate e automatizzare processi di approvazione.
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 raggiunto i risultati attesi. Una delle principali ragioni è che i modelli linguistici avanzati, privi di connessioni ai sistemi di contesto, si limitano a funzionare come chatbot con capacità di redazione migliorate.
Perché un modello di AI possa prendere decisioni affidabili e agire in modo efficace, è fondamentale che abbia accesso a informazioni critiche presenti in sistemi aziendali come ERP, database fornitori e general ledger. Senza queste connessioni, l’AI non è in grado di eseguire operazioni basilari come confrontare una fattura con un ordine d’acquisto o verificare lo stato di un pagamento.
Il Model Context Protocol (MCP) emerge come una soluzione innovativa, proponendo un approccio standardizzato che consente alle applicazioni AI di collegarsi in modo sicuro a fonti esterne. Questo protocollo riduce la necessità di sviluppare integrazioni personalizzate per ogni nuovo strumento, permettendo invece connessioni bidirezionali. In questo modo, gli agenti AI possono recuperare dati e inviare aggiornamenti ai sistemi core, aumentando notevolmente la loro utilità operativa.
Grazie a connessioni adeguate, 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 che l’AI può raggiungere varia in base al compito e all’implementazione, ma non è necessario un livello di autonomia totale affinché l’AI possa avere un impatto significativo.
Un esempio chiave di applicazione del MCP è nel settore degli accounts payable. Un agente AI, dotato di accesso a ordini, registri di ricezione e contratti, può identificare discrepanze, come nel caso di 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 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 finale è quello di raggiungere la 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 adottare soluzioni etichettate come “AI-powered”, i responsabili aziendali devono valutare con attenzione 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.

