ERP nativo AI vs ERP tradizionale

Traccia un ordine d'acquisto attraverso entrambi i sistemi

Inizia con qualcosa di ordinario. Un fornitore chiamato Northwind ha fornito un preventivo per le scorte, il preventivo è accettabile e l'azienda ha bisogno di un ordine di acquisto da emettere, inviare e abbinare quando arrivano le merci e la fattura. Segui quella richiesta attraverso ciascuna architettura e la differenza è visibile prima che venga aperta qualsiasi lista di funzionalità.

Nel sistema tradizionale il percorso è quello di una persona. Qualcuno apre il modulo di acquisto, trova o crea il fornitore, inserisce le righe dal preventivo, controlla il centro di costo, salva, esporta il documento, lo allega a un'email e successivamente torna a ricevere le merci e abbinare la fattura. Se il sistema ha un assistente, potrebbe precompilare le righe dal preventivo o redigere l'email. La persona rimane quella che si sposta da schermo a schermo, e l'assistente raggiunge solo gli schermi che il fornitore ha scelto di collegare.

Nel sistema nativo AI il percorso è quello di un agente. La persona dice al proprio agente cosa desidera. L'agente chiede allo spazio di lavoro quali strumenti può utilizzare, e lo spazio di lavoro risponde con un elenco filtrato: ricerca fornitori, creazione di ordini di acquisto, invio documenti, ricezione merci, abbinamento fatture, e nulla che il ruolo di quella persona non consenta. L'agente chiama quegli strumenti in sequenza, lo spazio di lavoro controlla nuovamente ogni chiamata mentre viene eseguita, e l'ordine di acquisto, il documento inviato e l'abbinamento successivo esistono nel sistema esattamente come se una persona li avesse inseriti. La persona vede il risultato e il log, non i moduli.

L'utente principale è la differenza

Tutto il resto nel confronto tra ERP nativo AI e ERP tradizionale deriva da una decisione di design: chi il software si aspetta che lo utilizzi. L'ERP tradizionale risponde a questa domanda con una persona, e quarant'anni di buon lavoro sono stati dedicati a rendere il lavoro della persona più facile. Gli schermi sono diventati più veloci, i flussi di lavoro sono diventati configurabili, sono arrivate le app mobili e infine è apparso un assistente accanto al modulo. Nulla di tutto ciò ha cambiato chi era ai comandi.

L'ERP nativo AI risponde alla stessa domanda con un agente che agisce per conto di una persona. Una volta che questa è la risposta, il prodotto deve essere costruito in modo diverso dalla prima linea. Ogni capacità ha bisogno di una definizione dello strumento con un nome, input tipizzati e un risultato, non solo uno schermo. Il modello di autorizzazione deve funzionare per chiamata, non per sessione, perché una singola richiesta può espandersi in una dozzina di chiamate attraverso i moduli. Il protocollo deve essere aperto, perché l'agente che effettua la chiamata può appartenere al cliente e non al fornitore. E il log di audit deve registrare ciò che l'agente ha fatto con la stessa fedeltà di ciò che ha fatto una persona, perché quel log è ora il modo principale in cui un manager rivede il lavoro.

Cosa ne deriva: sei conseguenze

La tabella sottostante è il confronto pratico. Ogni riga è una conseguenza della decisione sull'utente principale piuttosto che di una funzionalità scelta da un fornitore e non da un altro.

La riga che sorprende di più gli acquirenti è la portata. Un assistente aggiunto a un sistema tradizionale sembra ampio in una demo perché la demo è scritta attorno alle funzionalità che tocca. Nell'uso quotidiano si ferma al limite di quelle funzionalità, e la persona prende il controllo. In un sistema agent-native il confine sono i permessi della persona, che è un confine diverso e più utile.

Cosa non cambia

È importante essere precisi su ciò che rimane invariato, perché i fornitori da entrambe le parti lo confondono. Il modello di dati non cambia. La contabilità a doppia entrata è contabilità a doppia entrata, sia che un agente o una persona registri il giornale. Le regole fiscali, la gestione multi-valuta, la valutazione delle scorte, la chiusura del periodo e la numerazione dei documenti sono gli stessi problemi con le stesse risposte. Un sistema AI-native che sbaglia su questi punti è un cattivo ERP con una buona interfaccia per gli agenti, il che non è uno scambio vantaggioso.

I permessi non cambiano in linea di principio; cambiano nel luogo in cui vengono applicati. Un sistema tradizionale controlla cosa un utente può vedere quando si carica una schermata. Un sistema AI-native deve controllare cosa un utente può fare ogni volta che uno strumento viene chiamato, perché non c'è un caricamento della schermata su cui basare il controllo. La regola è la stessa. Il punto di applicazione si sposta.

La necessità di giudizio non cambia. Un agente emetterà l'ordine di acquisto e abbinerà la fattura; si fermerà anche quando due record fornitori sembrano la stessa azienda, quando un abbinamento è fuori tolleranza, o quando un'approvazione supera l'autorità del suo utente. Quei momenti di pausa sono il sistema che funziona come progettato, e le prime settimane con un agente assomigliano molto alle prime settimane con un nuovo collega capace.

Dove l'ERP tradizionale è ancora la risposta giusta

Un confronto onesto deve dire quando l'architettura più vecchia vince. Se l'azienda è profonda, con processi di produzione validati o regolamentati con decenni di personalizzazione all'interno di una suite consolidata, il costo del trasferimento è reale e l'assistente che quella suite ora fornisce potrebbe essere sufficiente per ciò di cui il team ha realmente bisogno dall'AI, che spesso è riassumere, redigere e rispondere a domande sui dati. Se l'operazione è un gruppo di persone con un pacchetto di contabilità e un foglio di calcolo, entrambe le architetture sono più di quanto utilizzino.

Il caso per l'AI-native è più forte nel mezzo: un'azienda con abbastanza routine, lavoro cross-module che l'inserimento è diventato un lavoro a sé stante, e un team che già utilizza un agente per altre cose e preferirebbe indirizzarlo verso l'azienda piuttosto che imparare la finestra di chat di un altro fornitore. È lì che instradare il lavoro attraverso l'agente ripaga rapidamente, e dove poter portare il proprio agente smette di essere uno slogan e inizia a essere una voce nel foglio dei costi, poiché uno spazio di lavoro non esegue AI per tuo conto quando il tuo agente fa il ragionamento.

Come capire quale architettura ti viene mostrata

Le demo sono progettate per far sembrare i due simili. La seguente sequenza li separa in meno di un'ora e non ha bisogno di una persona tecnica per eseguirla.

1. Porta il tuo agenteCollega l'agente che già utilizzi (Claude, ChatGPT o un altro client MCP) da fuori il prodotto del fornitore. Se ciò non è possibile, hai la tua risposta sulla questione del protocollo.
2. Richiedi l'elenco degli strumentiFai elencare all'agente cosa è autorizzato a fare. Controlla che l'elenco sia lungo, copra i moduli che ti interessano e cambi quando accedi come utente più ristretto.
3. Completa un risultatoChiedi all'agente di sollevare, inviare e programmare il follow-up per un ordine di acquisto senza che nessuno tocchi uno schermo. Osserva se termina o restituisce a una persona a metà.
4. Leggi il registroTrova il registro di ciò che ha fatto l'agente: chi ha chiesto, quali strumenti sono stati utilizzati, con quali input. Se quel registro è più sottile di quello di una persona, l'agente è un ospite nel sistema piuttosto che un utente.

Sois è una delle implementazioni dell'architettura AI-native, ed è quella che possiamo descrivere con precisione. Uno spazio di lavoro è un server MCP. Qualsiasi client compatibile si connette aggiungendo l'indirizzo dello spazio di lavoro e accedendo una volta tramite OAuth, senza token da incollare. Gli strumenti offerti sono filtrati in base al ruolo dell'utente prima che l'agente li veda e controllati nuovamente quando ciascuno viene eseguito; l'accesso fallisce in modo chiuso. La spesa può essere limitata per integrazione e ogni azione è registrata. I moduli sottostanti sono quelli che ti aspetteresti da un ERP: contatti e CRM, posta in arrivo, documenti, calendario, attività, contabilità con fatturazione, fatture, fatture di acquisto e multi-valuta, affari, magazzino e stock, e un marketplace di app.

Sia che tu lo scelga o meno, esegui la sequenza sopra rispetto a ciò che ti viene mostrato. La domanda da continuare a porre non è quale prodotto abbia l'AI, poiché tutti dicono di averla, ma da chi è stato progettato per essere utilizzato il prodotto.

Domande che le persone pongono

Questo articolo viene revisionato quando i prodotti che descrive cambiano. Prossima revisione programmata: 4 dicembre 2026.