Cos’è un MCP server e perché conta
Il Model Context Protocol è il modo standard per collegare un assistente AI agli strumenti e ai dati aziendali. Cosa significa in pratica, e come pianificare i primi collegamenti senza errori.
Governance · 3 min di lettura
L’AI che chiede conferma: automazioni con l’utente al centro
Un’automazione basata sull’AI è utile solo se ci si può fidare. Il principio dell’AI che prepara e dell’utente che conferma, e come applicarlo nella progettazione dei flussi.
Il limite delle automazioni tradizionali
Le automazioni tradizionali funzionano bene quando le regole sono rigide: se arriva una fattura da un certo fornitore, registrala su quel conto. Molte attività d’ufficio, però, non seguono regole così semplici. Una email del cliente va interpretata, un report va commentato, una richiesta va capita prima di essere smistata.
L’intelligenza artificiale può gestire questa ambiguità, ma introduce un rischio nuovo: può sbagliare in modo plausibile. Un errore scritto bene è più difficile da notare di un errore evidente.
Per questo molte aziende restano bloccate tra due posizioni: usare l’AI solo come strumento di scrittura personale, senza collegarla ai processi, oppure automatizzare tutto e scoprire gli errori quando il danno è fatto. Esiste una via intermedia più solida.
Un errore scritto bene è più difficile da notare di un errore evidente.
Preparare e confermare
Il principio più semplice per affrontare questo rischio è separare la preparazione dall’esecuzione. L’AI legge, raccoglie i dati, prepara la bozza di un’email, di un’offerta o di una registrazione. Poi si ferma e mostra all’utente che cosa intende fare. Solo dopo la conferma l’operazione viene eseguita.
Questo approccio sposta il lavoro della persona dalla produzione alla verifica. Rivedere una bozza ben fatta richiede molto meno tempo che scriverla, e la persona resta responsabile del risultato, con tutte le informazioni per esercitare questa responsabilità.
Nel tempo, man mano che si osserva la qualità delle proposte, si può decidere di rendere più leggera la conferma per alcune operazioni a basso rischio. È una scelta che va presa consapevolmente, sulla base dell’esperienza, e non data per scontata all’inizio.
- 01 L’AI legge i dati
- 02 Prepara la bozza
- 03 Mostra che cosa farà
- 04 L’utente conferma
- 05 L’operazione viene eseguita
Progettare una buona conferma
Una conferma utile non è un semplice pulsante con scritto procedi. Deve dire in linguaggio chiaro che cosa succederà: quale documento verrà creato, a chi verrà inviato, quali dati verranno modificati. Deve mostrare le fonti su cui l’AI si è basata, così che l’utente possa controllarle senza dover cercare.
Attenzione anche a non chiedere conferma per tutto. Se ogni piccola operazione richiede un clic, le persone iniziano a confermare senza leggere e la conferma perde valore. Conviene distinguere le operazioni di sola lettura, che non richiedono conferma, da quelle che modificano dati o comunicano all’esterno, che la richiedono sempre.
Un buon criterio è chiedersi quanto costa correggere un errore. Un’attività creata per sbaglio si cancella in un attimo; un’email inviata a un cliente o un pagamento registrato no. Più l’operazione è difficile da annullare, più la conferma deve essere esplicita e dettagliata.
Nessuna conferma
- Ricerche e consultazioni
- Riepiloghi
- Bozze non inviate
Conferma sempre
- Email ai clienti
- Pagamenti registrati
- Modifiche ai dati
Il registro come memoria
Ogni operazione proposta, confermata o rifiutata dovrebbe lasciare traccia: che cosa è stato chiesto, che cosa ha proposto l’AI, chi ha confermato e quando. Il registro serve a ricostruire gli eventi in caso di contestazione, ma anche a migliorare. Le proposte rifiutate o corrette spesso indicano istruzioni poco chiare o dati incompleti.
Tracciabilità e supervisione umana sono principi che il GDPR e l’AI Act europeo richiamano con forza. Progettare le automazioni in questo modo fin dall’inizio evita di doverle ripensare quando i requisiti diventano più stringenti.
Il registro è utile anche per chi progetta le automazioni. Osservando quali proposte vengono confermate senza modifiche e quali vengono corrette ogni volta, si capisce dove intervenire sulle istruzioni, sui modelli di documento o sulla qualità dei dati di partenza.
Come funziona in Innovaq
Nella suite Innovaq ogni automazione basata sull’AI segue questo schema. L’assistente prepara documenti, report e operazioni sui dati di tutti i moduli, mostra un testo di conferma chiaro con le fonti usate, ed esegue solo dopo il consenso dell’utente. Ogni passaggio viene registrato nel registro delle richieste, consultabile da chi ne ha i permessi.
Il risultato è un’automazione che fa risparmiare tempo senza togliere controllo: l’AI lavora, la persona decide.
Continua a leggere
