Il Model Context Protocol: Rivoluzionare l’Intelligenza Artificiale nelle Aziende

Negli ultimi anni, molte aziende hanno investito in iniziative di intelligenza artificiale (AI) con l’obiettivo di trasformare i propri processi aziendali. Tuttavia, gran parte di queste iniziative non ha raggiunto i risultati attesi. Il problema principale risiede nell’uso di modelli linguistici avanzati che, privi di connessioni ai sistemi di contesto, 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 provenienti da 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 se un pagamento è già stato effettuato.

Il Model Context Protocol (MCP) emerge come una soluzione promettente, proponendo un approccio standardizzato per consentire alle applicazioni AI di collegarsi in modo sicuro a fonti esterne. Questo protocollo riduce la necessità di sviluppare integrazioni personalizzate per ogni nuovo strumento e permette connessioni bidirezionali, consentendo agli agenti 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 al contempo limiti operativi definiti dall’azienda. Il livello di autonomia praticabile varia in base al compito e all’implementazione, ma è importante notare che non è necessario raggiungere un’autonomia totale per ottenere impatti concreti.

Un esempio esemplare di applicazione del MCP si trova nel settore degli accounts payable. Un agente con 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 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 operativo è la cosiddetta “touchless processing”, ovvero il processo di fatturazione completato senza intervento umano. Questa metrica binaria rende l’area degli accounts payable un banco di prova utile, poiché gli errori hanno 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 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.