Cos’è l’AI agentica negli ERP

L’AI agentica applicata agli ERP consiste nell’inserire agenti intelligenti capaci di rilevare eventi, prendere decisioni e agire autonomamente all’interno dei flussi operativi. Un tipico esempio è un agente che individua un ritardo nella spedizione, ricalcola i percorsi di consegna, avvisa i clienti e aggiorna le scorte senza intervento umano.

Elenco dei principali sistemi ERP con AI agentica

Le soluzioni sono suddivise in due categorie: grandi ERP per grandi imprese e strumenti più leggeri per piccole e medie imprese (PMI). All’interno di ciascuna categoria i fornitori sono elencati in ordine alfabetico.

ERP di livello enterprise

    • IFS: rivolto a settori ad alta intensità di asset. Grazie al ciclo di vita di sviluppo degli agenti (Agent Development Lifecycle – ADLC) di TheLoops, IFS consente di progettare, distribuire e monitorare più agenti che orchestrano processi complessi.
    • Infor CloudSuite: ERP “Industry Cloud” nativo su AWS, preconfigurato con database e workflow specifici per settore. Il cuore della piattaforma è Infor Velocity Suite, che offre motori di automazione, strumenti di process mining e modelli AI, il tutto in un modello di tariffa fissa con servizi di implementazione FTE/FDE.
    • Microsoft Dynamics: integra Copilot su ERP e CRM. Gli agenti Copilot operano sia in modalità “human‑in‑the‑loop” sia autonomamente, sfruttando Azure OpenAI per automatizzare attività ripetitive come i follow‑up ai fornitori. Microsoft prevede inoltre l’introduzione di agenti integrati in Business Central per la creazione di ordini di vendita e la riconciliazione dei debiti.
    • Oracle Fusion Cloud: più di 600 agenti AI distribuiti (400 in Fusion Apps, oltre 200 in applicazioni di settore). Alimentati da OCI GenAI, gli agenti combinano LLM con retrieval‑augmented generation (RAG) per garantire risposte accurate e sicure. Le funzioni coprono ERP, SCM, HCM e CX.
    • SAP: ha lanciato SAP AI agents in finanza, supply chain, HR e procurement. L’agente “Joule” funge da copilot conversazionale e da rete di agenti autonomi, sfruttando il Business Data Cloud e il Knowledge Graph di SAP per operare su dati SAP e non‑SAP.
    • Workday: definisce l’AI agentica come sistemi che avviano, pianificano e agiscono in modo autonomo, mantenendo comunque la supervisione umana. L’accento è posto sull’augmentation, dove l’AI propone attività ma il controllo resta all’utente.

Soluzioni per PMI e mid‑market

    • Microsoft Business Central: ora include AI Copilot capace di generare ordini di vendita, riconciliare pagamenti e automatizzare flussi multi‑step.
    • Odoo: integra un assistente AI direttamente nelle app ERP (CRM, Contabilità, Inventario). L’assistente è LLM‑agnostico, supportando OpenAI, Gemini o modelli open‑source.
    • Zoho: ha trasformato il proprio assistente in una piattaforma AI agentica completa, offrendo funzionalità come la creazione automatica di preventivi, la gestione delle richieste di supporto e l’ottimizzazione delle campagne di marketing.

Previsioni di mercato

Secondo Gartner, entro il 2028 un terzo del software enterprise includerà l’AI agentica, rappresentando almeno il 15 % delle decisioni quotidiane svolte in modo autonomo.

Sei modalità di integrazione dell’AI agentica

    • Conversazione in linguaggio naturale per interrogare l’ERP.
    • Ragionamento complesso per previsioni finanziarie e piani HR personalizzati.
    • Recupero aumentato (RAG) per ancorare le risposte AI ai dati aziendali in tempo reale.
    • Interazione via API per creare transazioni (ordini d’acquisto, aggiornamenti fornitori).
    • Automazione robotica dei processi (RPA) per interfacciarsi con moduli legacy privi di API.
    • Orchestrazione multi‑agente per coordinare più agenti in workflow distribuiti.

Motori linguistici alla base

La maggior parte delle capacità agentiche si basa su grandi modelli di linguaggio (LLM) che trasformano le richieste testuali in output simili a quelli umani. Rispetto ai tool più vecchi, gli LLM moderni supportano ragionamento complesso, consentendo l’automazione di processi come la previsione finanziaria a più step o la definizione di percorsi di sviluppo per le risorse umane.

Retrieval‑augmented generation (RAG)

Poiché i LLM non accedono direttamente ai dati interni, gli ERP adottano RAG per “ancorare” le risposte AI ai record aziendali. Il processo combina l’intelligenza artificiale con il recupero in tempo reale da database ERP, repository di documenti o knowledge graph. Ad esempio, il Knowledge Graph di SAP collega clienti, fatture e dati della catena di approvvigionamento, consentendo agli agenti di ragionare su relazioni complesse; Oracle utilizza pipeline RAG sicure su OCI per garantire accuratezza senza esporre dati sensibili.

API, RPA e azioni autonome

Per passare dalla consulenza all’esecuzione, gli agenti devono interagire con le funzioni ERP tramite API, creando ordini di acquisto, aggiornando record fornitori o programmando lavori. Quando i moduli legacy non offrono API, la Robotic Process Automation (RPA) replica le interazioni dell’utente nell’interfaccia, colmando il divario tra nuove integrazioni e sistemi tradizionali.

Orchestrazione di agenti multipli

Molti sistemi agentici si basano su framework di orchestrazione che gestiscono delega, comunicazione e escalation tra agenti. Un tipico caso nella supply chain prevede: un agente che rileva una carenza prevista, un secondo che genera l’ordine di approvvigionamento e un terzo che aggiorna i piani di produzione. Questi framework mantengono la coerenza dei processi anche quando le attività sono distribuite tra più dipartimenti.

Architetture micro‑agentiche

Le architetture più recenti scompongono gli agenti in micro‑servizi indipendenti (microagentic stacking). Un servizio gestisce l’inferenza LLM, un altro esegue gli strumenti (ad es. chiamate API) e un terzo si occupa del routing. La comunicazione avviene in modo asincrono tramite sistemi