Driver du med økonomistyring, bør du absolutt sette deg inn i hva MCP er og gjør

Hvis du ikke følger utviklingen innen generativ kunstig intelligens, er det ikke sikkert at du har hørt om Model Context Protocol (MCP) og hva det kan gjøre. 

Men det du ikke vet, kan du faktisk ha vondt av – og nytte av: MCP er en innovasjon som i stor grad bidrar til å gjøre det enklere for kunstig intelligens å overta deler av jobben din. Samtidig kan den også bidra til å gjøre det enklere for deg å bruke kunstig intelligens til å overta deler av andres jobb. 

Viktig for regnskapsbransjen

Sindre Chr. Johansen er kommersiell direktør i Ayfie AS, et norsk selskap som jobber med søketeknologi og kunstig intelligens, og han er svært opptatt av at folk – ikke minst i regnskapsbransjen – bør begynne å ta dette inn over seg.

– Model Context Protocol, eller MCP, er noe så unikt som at de store aktørene innen kunstig intelligens faktisk har blitt enige om en standard for AI-verdenen. Den ble innført av Anthropic i fjor høst, og i våres sa OpenAI at «yes, det er vi med på!». Etter det har dette tatt helt av, med en utbredelse som går fortere enn det aller meste annet vi har sett, sier han.

– OK, så hvis jeg har en MCP-server på en IT-løsning som er viktig for bedriften min – som for eksempel regnskapssystemet – så gjør det altså sånn at jeg kan be ChatGPT eller Claude om å hente ut data derfra?

– Mer enn det. Hvis ERP-systemet og CRM-systemet til bedriften din har gode MCP-servere, kan du for eksempel si «Gi meg en oversikt over våre ti største bedriftskunder, rangert etter omsetningen de genererte i forrige måned, og fortell meg hvilke produkter de kjøpte da, versus tidligere måneder. Gjør samtidig en analyse av disse bedriftene og hva selgerne våre har loggført om hvordan de har kommunisert med dem det siste året.»

– En slik analyse er dyr og tidkrevende med tradisjonelle metoder. Med en slik kommando vil AI’en din rase gjennom systemene dine og begynner å sette sammen disse dataene. Og det AI er veldig god til.

Potensielle utfordringer for systemleverandørene

– Hvorfor trenger jeg en MCP-server hvis regnskapssystemet mitt allerede har et API?

– MCP-serveren oversetter det du spør ChatGPT eller Claude om til «API-språk», slik at datasystemene kan forstå hva det er du ønsker å hente ut gjennom APIet for videre bearbeiding. Det finnes dessverre masse dårlige MCP-servere der ute, som ikke kjenner APIene de skal kommunisere med godt nok. Konsekvensen blir at forespørsler kan bli «lost in translation», og da får ikke brukerne utnytte mulighetene i teknologien fullt ut, sier Johansen.

Brukerne er med andre ord prisgitt at leverandøren har laget en god MCP-server inn mot systemet – og MCP-serveren er i sin tur også prisgitt gode og tydelig definerte APIer for god kommunikasjon. Men den nye teknologien gir programvareleverandørene enda flere utfordringer enn som så.

– Ett problem er at svært få leverandører har utviklet sine APIer for å tåle spesielt mye trafikk – og det blir det fort når det kommer en jevn strøm av forespørsler fra kunstig intelligens. Et annet er at få hittil har tatt betalt for API-et. Når jeg som bruker sitter og gjør spørringer gjennom AI-løsningen vår rett inn i ERP-systemet, trenger jeg ingen egen innlogging i systemet. 

– Da betaler jeg heller ikke for en bruker, men kan likevel trekke ut store mengder data i en rasende fart. Dette snur opp ned på hvordan mange ERP-leverandører må tenke rundt sine prisingsmodeller, sier han.

Rask adopsjon og spennende bruksområder

Internasjonale systemleverandører har vært utrolig raske til å ta i bruk MCP. Da REST API ble en standard tidlig på 2000-tallet, tok det ti år for adopsjonen å nå kritisk masse. Selv om det bare er et knapt halvår siden MCP ble en «de facto standard», har det allerede dukket opp et utall kreative bruksområder – og Ayfie har stått for flere av dem.

– Vi har testet mange kule use-caser. Norske SMB-foretak trenger ikke lenger å betale konsulenter 200.000 kroner for å lage et Power BI-dashbord som viser dem nyttige ting. For veldig mye mindre penger kan de nå få analysert mye mer av dataene sine, med en kombinasjon av PhD-smartness og forståelig tale.

Et eksempel? «Bedriften din løper stor risiko ved at de ti største kundene har stått for hele 90 % av omsetningen de tre siste månedene, på bare to produkter. Til gjengjeld er du godt spredd utover ulike bransjer, om enn med begrenset geografisk spredning på kundemassen».

– Det har stor verdi å kunne hente ut slike refleksjoner på sekunder, med fleksibilitet til å kunne stille minst like avanserte oppfølgingsspørsmål. I hvert fall hvis alternativet er å sette nøkkelpersoner til å bruke timevis på å lage rapporter som aldri kan bli like dynamiske, sier han.

– Hvordan mener du at for eksempel regnskapsførere kan dra nytte av slike systemer?

– Regnskapsbransjen har lenge snakket om å bli bedre på å levere rådgivning til kundene, men mange har slitt med å få det til. Dersom du som regnskapsfører kan bruke AI på denne måten, kan du automatisere mye av prosessen samtidig som du gir kjempegod rådgivning. Hvis regnskapssystemet ditt har en god MCP-server, kan du for eksempel lage rapporter med tilnærmet McKinsey-kvalitet bare på råd om forhold kunden bør se nærmere på i driften av sitt eget selskap. Det betyr at du som regnskapsfører får en helt annen slagkraft overfor neste kunde, sier Johansen.