Chiedi al gestionale come chiederesti a un collega.

Un server MCP mette il gestionale a disposizione dell'assistente AI che l'azienda già usa. La domanda si scrive in italiano, e la risposta arriva dai dati veri, con i permessi di chi la fa.

Per chi
aziende con un gestionale, da TeamSystem a SAP Business One
Chi lo usa
direzione, commerciali, operations
Primo prototipo
2–3 settimane

Il problema

I dati nel gestionale ci sono tutti, ma per tirarli fuori bisogna sapere dove guardare. Chi non ci lavora tutto il giorno chiede a chi ci lavora, aspetta il report del lunedì o esporta in Excel e rifà i conti a mano.

Intanto in azienda c'è già chi usa un assistente AI per scrivere e riassumere, ma quell'assistente non sa niente del gestionale. Resta fuori proprio la parte più utile.

Il flusso dei dati

  1. Da dove arriva: Domanda in italiano (da Claude o ChatGPT).
  2. Cosa succede, Assistente + server MCP: AI, Sceglie lo strumento (cliente, ordine, giacenza…); Controlla i permessi (stessa autenticazione); Legge dal gestionale (in sola lettura); AI, Compone la risposta (con i numeri trovati).
  3. Dove finisce: Risposta con i dati (a chi ha chiesto); Log di ogni chiamata (chi, cosa, quando).
I passaggi segnati AI sono quelli del modello. Gli altri sono automazione classica o persone.

Come lo risolviamo

04
01

Il gestionale diventa uno strumento

Esponiamo le funzioni che servono (cerca cliente, stato ordine, giacenza, fatturato per periodo) con il Model Context Protocol, lo standard con cui gli assistenti parlano con i software esterni.

02

Gli stessi permessi di sempre

L'assistente vede quello che vede chi lo usa, perché passa dalla stessa autenticazione. Un commerciale che nel gestionale non vede i margini non li vede nemmeno qui.

03

Si parte in sola lettura

Prima le domande, poi, se serve, le azioni, come una bozza d'offerta o una nota sul cliente. Ogni scrittura chiede conferma e resta nei log.

04

Un server, più assistenti

Lo stesso server funziona con Claude, con ChatGPT e con gli agenti che costruirete dopo. Se cambia lo strumento, il lavoro non va rifatto.

Cosa misuriamo

03

Sono i numeri che fissiamo in discovery, prima di scrivere codice. Il valore di partenza si misura sui tuoi dati, e il prototipo si giudica su quello.

Domande fatte ogni settimana

Un assistente che nessuno usa non serve, per quanto sia preciso. È il primo numero da guardare, per persona e per reparto.

Richieste di estrazioni e report

Quante ne arrivano ancora a chi gestisce il gestionale. È il tempo che torna a quella persona.

Risposte verificate

Un campione controllato sul gestionale. Una risposta sbagliata sui numeri costa più di dieci giuste.

Quando non conviene

Se il gestionale non ha API né un database leggibile, quell'accesso va costruito prima, e a volte è la parte più lunga del progetto. Se invece le domande sono sempre le stesse cinque, basta una dashboard.

L'abbiamo già costruito

In Kleio, il nostro gestionale, le domande sui dati sono state la funzione AI che gli utenti hanno adottato per prima, e di gran lunga.

Come ci abbiamo messo i modelli

Servizi coinvolti

Altri casi d'uso

11 scenari
08 · Fractional AI/CTO

Roadmap AI per PMI

Tutti propongono qualcosa con l'AI e in azienda nessuno sa valutarlo. Un interlocutore tecnico che mette in fila i casi d'uso e decide con te cosa comprare e cosa costruire.

01 · Automazione processi

Richieste d'ordine

Ordini che arrivano per email, in PDF, su WhatsApp. Un agente li legge, verifica listino e disponibilità nel gestionale e prepara l'ordine da confermare.

Raccontaci il processo. Ti diciamo se ha senso.

Call di 30 minuti, gratuita, senza follow-up commerciali se non li vuoi.

Chiedi una call

Aziende che hanno già lavorato con noi

  • Velux
  • ISU
  • MovePay
  • AB Group
  • Archiva Group
  • Onda SpA
  • PDE
  • Bynary System
  • COOPI
  • Gimasi
  • Creactives SpA
  • Rev AI
  • Odditt Inc.
  • Si Sociale
  • Stones
  • Turboden
  • Schindler