L’introduzione dell’intelligenza artificiale agentica negli ERP sta trasformando la gestione delle risorse aziendali, consentendo a software tradizionali di passare da semplici strumenti di supporto a veri collaboratori autonomi. Un agente ERP può, ad esempio, rilevare un ritardo nella spedizione, riorganizzare le consegne, avvisare i clienti e aggiornare l’inventario senza intervento umano.

ERP di grandi dimensioni con AI agentica

Le soluzioni ERP di livello enterprise stanno sfruttando gli agenti IA per automatizzare flussi di lavoro complessi e multi‑step. Di seguito le principali piattaforme, elencate in ordine alfabetico:

    • IFS: orientata a industrie asset‑intensive, utilizza il ciclo di vita di sviluppo agente (Agent Development Lifecycle – ADLC) di TheLoops per progettare, distribuire e monitorare più agenti contemporaneamente.
    • Infor CloudSuite: ERP native su AWS, pre‑configurato con database e workflow specifici per settore. Il nucleo sfrutta l’Infor Velocity Suite, che fornisce motori di automazione, strumenti di process mining e modelli IA in un modello a tariffa fissa con servizi di implementazione FTE/FDE.
    • Microsoft: integra Copilot sia in Dynamics ERP che in CRM. Gli agenti Copilot operano in modalità “human‑in‑the‑loop” o autonoma, grazie a Azure OpenAI, permettendo l’esternalizzazione di processi ripetitivi come i solleciti ai fornitori. Inoltre, Microsoft prevede di inserire agenti AI nativi in Business Central, tra cui un agente per la creazione di ordini di vendita e uno per la riconciliazione dei conti fornitori.
    • Oracle: ha incorporato più di 600 agenti IA (circa 400 in Fusion Apps e oltre 200 in app di settore) distribuiti su Fusion Cloud ERP, SCM, HCM e CX. Alimentati da OCI GenAI, gli agenti combinano modelli LLM con retrieval‑augmented generation (RAG) per garantire risposte precise e sicure.
    • SAP: ha introdotto gli agenti SAP AI in finanza, supply chain, HR e procurement. L’agente Joule funge sia da copilot (interfaccia conversazionale) sia 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 capaci di avviare, pianificare e agire in modo autonomo, enfatizzando l’augmented intelligence, dove l’IA avvia attività ma l’uomo mantiene la supervisione.

Soluzioni per PMI e medie imprese

Per le aziende di dimensioni più contenute, l’AI agentica sta diventando accessibile e conveniente, grazie a interfacce in linguaggio naturale e automazioni predefinite che non richiedono grandi team IT.

    • Business Central: ora include AI Copilot, in grado di generare ordini di vendita, riconciliare pagamenti e supportare altre attività operative.
    • Odoo: integra un assistente IA direttamente nelle applicazioni ERP (CRM, Contabilità, Inventario). L’assistente è LLM‑agnostico, supportando modelli OpenAI, Gemini o open‑source.
    • Zoho: ha trasformato il suo assistente in una piattaforma AI completa, offrendo funzionalità agentiche per automatizzare processi di vendita, supporto clienti e gestione delle risorse umane.

Previsioni di mercato

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

Le 6 modalità di integrazione dell’AI agentica negli ERP

Le capacità agentiche si basano principalmente su grandi modelli linguistici (LLM) e su tecniche di arricchimento dei dati. Le sei aree chiave sono:

    • Interpretazione di query in linguaggio naturale.
    • Ragionamento complesso per processi come previsioni finanziarie multi‑step.
    • Retrieval‑augmented generation (RAG) per ancorare le risposte ai dati aziendali.
    • Interazione con le funzioni ERP tramite API.
    • Utilizzo di RPA per colmare le lacune di integrazione con moduli legacy.
    • Orchestrazione di più agenti specializzati per completare workflow aziendali.

Modelli LLM e RAG nei sistemi ERP

I modelli di linguaggio di grandi dimensioni (LLM) forniscono esperienze conversazionali, consentendo agli utenti di porre domande o impartire istruzioni in linguaggio naturale. A differenza delle vecchie soluzioni, gli LLM moderni supportano ragionamenti complessi, utili per previsioni finanziarie sofisticate o piani di sviluppo personalizzati per le risorse umane.

Poiché gli LLM non hanno accesso diretto ai dati aziendali, gli ERP adottano il Retrieval‑Augmented Generation (RAG). Questo approccio combina l’IA con il recupero in tempo reale di informazioni da database ERP, repository documentali o knowledge graph. Ad esempio, il Knowledge Graph di SAP collega clienti, fatture e dati della catena di approvvigionamento, permettendo agli agenti di ragionare sulle relazioni tra questi elementi. Oracle utilizza pipeline RAG sicure su OCI per garantire precisione senza esporre dati sensibili.

API, RPA e automazione dell’azione

Per passare dal semplice consiglio all’azione concreta, gli agenti devono interagire con le funzioni ERP tramite API, creando transazioni come ordini d’acquisto, aggiornando fornitori o programmando lavori. Quando i moduli legacy non dispongono di API, la Robotic Process Automation (RPA) simula le interazioni utente, consentendo agli agenti di operare sia su integrazioni moderne sia su sistemi tradizionali.

Orchestrazione multi‑agente

Molti sistemi AI agentici si basano su più agenti specializzati che collaborano per completare un workflow. I framework di orchestrazione gestiscono delega, comunicazione ed escalation tra agenti. Nella gestione della supply chain, ad esempio, un agente prevede una carenza, un altro genera l’ordine d’acquisto e un terzo aggiorna il programma di produzione. Queste piattaforme mantengono coerenza e trasparenza anche quando i processi sono distribuiti tra diversi dipartimenti.

Architetture micro‑agentiche e event