In Breve
- Perché un LLM isolato non basta nei processi aziendali?
- Può riassumere e rispondere, ma senza accesso a ERP, database e altri sistemi non dispone del contesto necessario per prendere decisioni o agire.
- Che ruolo ha il Model Context Protocol?
- Fornisce un metodo standardizzato per collegare le applicazioni AI a sistemi esterni e fonti di dati, consentendo anche lo scambio di informazioni con i sistemi aziendali.
- Perché la gestione delle fatture è un test utile?
- Il touchless processing offre un risultato misurabile: una fattura è elaborata senza intervento umano oppure richiede l’intervento di una persona.
Per molte aziende, i primi investimenti nell’intelligenza artificiale non hanno prodotto il livello di trasformazione atteso. Secondo Shawn Lane, CEO di Ottimate, il limite principale è che un modello linguistico di grandi dimensioni può riassumere informazioni, rispondere a domande e suggerire attività, ma non può agire in modo efficace senza collegamenti ai sistemi aziendali.
Un modello isolato, sostiene Lane, rischia di ridursi a un chatbot con capacità di scrittura avanzate. Per prendere decisioni operative deve invece accedere al contesto conservato in sistemi come ERP, database dei fornitori e registri contabili.
Che cosa cambia con il Model Context Protocol
Il Model Context Protocol (MCP) offre un metodo standardizzato per collegare le applicazioni di intelligenza artificiale a sistemi esterni e fonti di dati. In questo modo, gli sviluppatori possono evitare di creare un’integrazione personalizzata per ogni combinazione di applicazione e sistema.
Con le connessioni appropriate, gli agenti AI possono recuperare dati, utilizzarli per prendere decisioni entro regole definite dall’azienda e inviare informazioni ai sistemi principali. Tra gli esempi citati figurano l’aggiornamento di un record, l’inoltro di una richiesta per l’approvazione e l’attivazione di una fase successiva di un processo.
L’accesso ai sistemi, tuttavia, non equivale a un’autonomia completa. Il livello di indipendenza gestibile varia in base all’attività e all’implementazione. L’articolo cita Meng Liu, principal analyst di Forrester, secondo cui il branding legato agli agenti è diffuso, mentre la reale autonomia non lo è altrettanto.
La contabilità fornitori come banco di prova
La gestione delle fatture, o accounts payable (AP), viene indicata come un caso concreto per valutare l’AI connessa ai processi aziendali. Un’azienda deve verificare che i prezzi corrispondano al contratto, che i prodotti siano stati consegnati, che la fattura non sia già stata pagata e che ogni voce sia associata al conto contabile corretto.
Tradizionalmente, questi controlli richiedono l’intervento delle persone. Anche nei processi automatizzati, le eccezioni possono finire in una coda che obbliga un addetto a confrontare ordini di acquisto, documenti di ricezione, contratti e fatture precedenti.
Secondo i dati citati dall’articolo, tratti dal rapporto State of ePayables 2025 di Ardent Partners, il costo medio di elaborazione di una fattura è di 9,84 dollari, contro i 2,65 dollari delle organizzazioni best-in-class.
In uno scenario descritto come esempio, un ristorante riceve una fattura per 20 casse di pollo a 42 dollari per cassa. L’agente AI, collegato agli ordini e ai documenti di ricezione, può rilevare che ne sono state consegnate soltanto 18 e verificare inoltre che il prezzo per cassa sia superiore di 5 dollari a quello stabilito dal contratto.
In base ai risultati dei controlli e alle regole aziendali, l’agente potrebbe richiedere una nota di credito al fornitore, inoltrare la discrepanza al dipendente competente con le evidenze disponibili oppure autorizzare il pagamento se i dati risultassero coerenti.
Altri impieghi indicati riguardano l’identificazione di fatture potenzialmente duplicate attraverso lo storico dei fornitori, l’assegnazione dei codici di contabilità generale tramite i dati contabili e storici e l’individuazione del responsabile della prossima approvazione sulla base delle policy aziendali.
Misurare l’autonomia attraverso il touchless processing
Nella gestione AP, l’obiettivo è il touchless processing: acquisizione, validazione, codifica, approvazione e pagamento della fattura senza intervento umano. Se un agente completa correttamente tutte le fasi, il processo è touchless; se una persona deve intervenire, non lo è.
Questa definizione rende la contabilità fornitori un banco di prova misurabile per l’AI connessa. Gli errori possono causare rilavorazioni manuali, pagamenti eccessivi, perdita di sconti e registrazioni contabili inaccurate.
Secondo l’analisi proposta da Lane, in altri ambiti è più difficile quantificare il successo dell’AI: un chatbot può far risparmiare tempo riassumendo documenti o preparando email, ma non sempre esiste un indicatore chiaro per stabilire se abbia svolto correttamente il compito.
Oltre l’etichetta “AI-powered”
L’articolo invita i responsabili aziendali a distinguere tra l’aggiunta di un chatbot a una piattaforma e il collegamento sicuro dell’AI ai dati necessari per prendere decisioni e intervenire nei processi.
In questa prospettiva, MCP viene presentato come un’infrastruttura che può ridurre la distanza tra le promesse di trasformazione aziendale e l’operatività concreta degli agenti AI. L’effettivo livello di autonomia resta comunque legato alla qualità delle integrazioni, alle informazioni disponibili e ai limiti stabiliti dall’organizzazione.