Os agentes de IA podem executar um ERP?

Sim, dentro de três condições

A questão se a IA pode executar um ERP é colocada com duas preocupações diferentes por trás dela. Uma é se os modelos são suficientemente capazes, e a resposta a isso agora está resolvida para o trabalho operacional rotineiro: um modelo de fronteira, dado um resultado claro e um conjunto de ferramentas tipadas, planejará os passos, chamá-los-á em ordem, lerá o que vem de volta e recuperará quando algo estiver em falta. A outra preocupação é se é seguro deixá-la, e isso depende inteiramente do sistema ao qual está conectada.

A primeira condição é que o ERP tenha ferramentas. Não uma caixa de chat ao lado dos ecrãs, mas uma lista definida de ações com nomes, entradas tipadas e resultados que um agente pode descobrir e chamar. O padrão aberto para isso é o Model Context Protocol, que os principais clientes de agentes agora falam; um sistema de negócios que publica as suas ações como ferramentas MCP pode ser operado por qualquer um deles.

A segunda condição é que cada chamada seja autorizada. O agente conecta-se como uma pessoa específica e só pode ser oferecido, e só pode executar, o que essa pessoa está autorizada a fazer. O protocolo permite explicitamente que a lista de ferramentas varie com a autorização apresentada, e a sua especificação exige que os servidores implementem controlos de acesso e validem cada entrada. Os sistemas que valem a pena confiar verificam em ambos os pontos, quando as ferramentas são oferecidas e novamente quando cada uma é executada.

A terceira condição é que o agente possa conectar-se de todo. Alguns produtos permitem que apenas o seu próprio assistente integrado atue, e esse assistente alcança apenas as funcionalidades que o fornecedor escolheu. Se o agente que a sua equipa já utiliza não puder ser direcionado para o sistema, então se a IA pode executá-lo é uma questão que o fornecedor já respondeu por si.

Como é a execução

A forma mais clara de responder à questão é observar um pedido a ser processado. A Acme Ltd é cliente há algum tempo, o trabalho de setembro está completo, e o proprietário quer que seja faturado, enviado ao contacto e cobrado se não for pago em duas semanas. Aqui está esse pedido enquanto é processado num espaço de trabalho Sois com o agente do proprietário conectado.

O proprietário não encontrou o projeto, construiu a fatura, exportou-a, anexou-a e criou um lembrete. Descreveram o resultado. A fatura, o e-mail e a tarefa existem no sistema depois exatamente como se tivessem. No dia em que o lembrete vence, o mesmo agente pode verificar se o pagamento chegou e enviar a cobrança, e o registo mostra ambas as execuções com os seus inputs e resultados.

O que o agente realmente chama

Ajuda ver a forma da coisa que está a ser chamada, porque não é magia e não é extração de ecrã. Sob o MCP, um servidor responde a um pedido de ferramentas/lista com definições como a abaixo. Este exemplo segue o formato e as regras de nomenclatura da especificação; os nomes que um determinado produto utiliza diferem, e uma lista real chega a centenas de entradas nos módulos de um ERP.

{
  "name": "invoices.create",
  "title": "Create an invoice",
  "description": "Create a draft invoice for a customer from billable lines. Fails if the caller cannot raise invoices.",
  "inputSchema": {
    "type": "object",
    "properties": {
      "customer_id": { "type": "string" },
      "lines": {
        "type": "array",
        "items": {
          "type": "object",
          "properties": {
            "description": { "type": "string" },
            "quantity": { "type": "number" },
            "unit_amount": { "type": "number" }
          },
          "required": ["description", "quantity", "unit_amount"]
        }
      },
      "due_date": { "type": "string", "format": "date" }
    },
    "required": ["customer_id", "lines"]
  }
}

Uma definição de ferramenta MCP ilustrativa na forma que a especificação define: um nome, uma descrição e um esquema JSON para inputs. O agente lê isto, decide quando usá-lo e chama-o com argumentos.

Três detalhes nessa definição carregam a maior parte da segurança. A descrição diz o que acontece quando o chamador não é permitido, então o modelo sabe que uma recusa é possível. O esquema de input é tipado, para que o servidor possa validar cada chamada em vez de analisar prosa. E a ferramenta cria um rascunho em vez de uma fatura enviada, que é uma escolha de design que um bom ERP faz deliberadamente: separar o passo reversível do irreversível, para que uma pessoa ou uma política possa estar entre eles onde o negócio quiser.

Onde para

Uma resposta honesta traça a linha claramente. A tabela lista as tarefas comuns de fim de mês e operacionais, se um agente pode executá-las e o que o impede quando não pode.

Os clientes que podem fazer isto hoje

Como a conexão é feita através de um protocolo aberto, o agente que está a executar pode ser um que já paga. Claude suporta conectores personalizados para servidores MCP remotos nos seus planos Free, Pro, Max, Team e Enterprise: adiciona a URL do servidor, faz login através do OAuth e aprova chamadas de ferramentas à medida que surgem, com uma opção para permitir que uma ferramenta de confiança funcione sem supervisão. O modo de desenvolvedor do ChatGPT fornece suporte completo ao cliente MCP para ferramentas de leitura e escrita nos seus planos Pro, Plus, Business, Enterprise e Education na web, com ações de escrita a requerer confirmação por padrão. Os desenvolvedores que constroem os seus próprios agentes na API de Respostas da OpenAI podem direcioná-la para um servidor MCP remoto, restringir quais ferramentas importa e decidir por ferramenta se a aprovação é necessária.

Todos os três fornecedores dizem a mesma coisa sobre confiança, e vale a pena repetir: conecte-se apenas a servidores em que confia, porque um servidor malicioso pode ler tudo o que entra no contexto do modelo. Para um ERP, isso significa que o espaço de trabalho ao qual se conecta deve ser aquele cuja camada de permissões verificou, não um que encontrou por pesquisa.

Como começar sem arriscar o negócio

A forma segura de responder à questão para a sua própria operação é deixar um agente gerir uma parte dela. Sois é uma implementação do sistema descrito acima: um espaço de trabalho é um servidor MCP num endereço que você cola em qualquer cliente compatível, o acesso é um único passo OAuth sem token para copiar, as ferramentas são filtradas pelo papel do utilizador antes de serem oferecidas e verificadas novamente quando são utilizadas, o acesso falha de forma segura, os gastos podem ser limitados por integração, e cada ação é registada. Quando o seu próprio agente faz o raciocínio, a plataforma não realiza IA em seu nome e não cobra nada por isso.

1. Lançar um espaço de trabalhoGratuito para começar. Integre uma parte da operação, frequentemente faturação e cobranças, ou a caixa de entrada.
2. Conecte o seu agenteCole o endereço do espaço de trabalho no Claude, ChatGPT ou noutro cliente MCP e inicia sessão uma vez.
3. Entregue-lhe uma tarefaAlgo rotineiro e revisável. A faturação de fim de mês é um bom primeiro trabalho porque as exceções são óbvias.
4. Leia o registo, depois alargueCorrija o que precisa de ser corrigido, eleve o utilizador do agente ao nível de permissão correto e adicione o próximo trabalho.

Após um mês disso, a questão deixa de ser se a IA pode gerir um ERP e passa a ser quais tarefas ainda não entregou.

Perguntas que as pessoas fazem

Este artigo é revisto quando os produtos que descreve mudam. Próxima revisão agendada: 4 de dezembro de 2026.