Agenti AI governati all'interno di NetSuite, con un gate di approvazione umana su ogni scrittura

Il problema

I responsabili di finanza e operazioni avevano già provato l'AI generativa e ne avevano i prototipi di chatbot. Nessuno è arrivato in produzione, per ragioni ben documentate. Un modello linguistico non può tirare a indovinare il saldo di un conto, un codice fiscale o una valorizzazione di magazzino. Inviare migliaia di righe di transazione in una finestra di contesto esaurisce il budget e fa perdere precisione. E nessun comitato di audit concede a un agente non governato l'accesso in scrittura al libro mastro. Non serviva un modello più intelligente, ma un modo governato per far lavorare qualsiasi modello.

Cosa abbiamo fatto

Abbiamo implementato Aissistor, il framework ERP agentico di DataOngoing, in uno sprint di due settimane sui ruoli NetSuite esistenti. Un router centrale assegna il lavoro ad agenti specializzati: un agente di abbinamento dei debiti verso fornitori, un rilevatore di perdite di margine nel libro mastro, un revisore delle ricerche salvate e un ispettore dei contratti. Ogni agente opera solo tramite strumenti formali del Model Context Protocol: execute_suiteql per query parametrizzate in sola lettura, get_record_schema per la struttura e propose_transaction_draft per qualsiasi operazione che modificherebbe il libro mastro. Le letture vanno direttamente a NetSuite. Le scritture si fermano a una revisione intermedia in cui il responsabile dei debiti verso fornitori vede lo scostamento evidenziato e approva prima che il record venga registrato.

Questo diagramma è uno dei workflow progettati, con i relativi punti di controllo e le evidenze correlate.

Come funziona il meccanismo

1. Chiamate a strumenti, non testo libero

   Per verificare il saldo di un cliente, l'agente richiama execute_suiteql con una query parametrizzata e riceve righe strutturate dalle tabelle di NetSuite. Il modello riassume e segnala le anomalie in dati che non ha generato, e ogni cifra della sua risposta rimanda a una riga.

2. La protezione finanziaria con intervento umano

   Un agente può verificare 5,000 ordini di acquisto e trovare 14 fatture fornitore duplicate, oppure assemblare una proposta di fattura fornitore da una scansione OCR. Non può registrare né l'una né l'altra. La bozza arriva in una finestra di revisione con lo scostamento evidenziato; il responsabile approva e NetSuite scrive il record con il ruolo di quella persona.

3. Scomposizione in subagenti

   Un solo prompt non risolve un problema dell'ERP. Un agente di ricerca estrae note di transazione, contratti con i fornitori e storico dei pagamenti; un agente forense analizza le distribuzioni del GL e le percentuali di margine; un agente documentalista prepara la sintesi per il consiglio di amministrazione, con collegamenti di audit ai record.

Risultati

Cosa ne deriva

1. L'AI senza strumenti governati è un rischio

   Non lasci mai che un modello acceda all'ERP tramite scraper o driver di database privi di autorizzazione. Esiga interfacce MCP formali con token basati sui ruoli e un confine di lettura/scrittura verificabile.

2. L'obiettivo è eliminare l'onere amministrativo, non le persone

   I contabili senior dovrebbero analizzare la strategia di cassa, non digitare numeri di fattura di dodici cifre da PDF scansionati. Il worker digita; la persona esercita il giudizio.

3. L'architettura deterministica supera le dimensioni del modello

   Un modello disciplinato con strumenti SuiteQL precisi batte un modello generale molto più grande che procede per tentativi. La governance è la funzionalità.

Retrospettiva composita; il cliente è presentato come archetipo e le cifre illustrano il meccanismo. Correlato: Automazione di dispositivi e documenti dal reparto produttivo al libro mastro