Jak połączyć BPM z AI dzięki MCP i ADONIS

W ostatnich miesiącach obserwujemy wyraźny wzrost wykorzystania agentów AI w dużych organizacjach. Około 40% firm zwiększyło inwestycje w sztuczną inteligencję, postrzegając ją jako istotny czynnik wzrostu produktywności, obniżania kosztów i cyfryzacji organizacji. Co więcej, 88% liderów przedsiębiorstw planuje zwiększyć nakłady na inteligencję procesową, uznając ją za element spajający, który pozwala GenAI i uczeniu maszynowemu realnie usprawniać funkcjonowanie całych organizacji.

Firmy, które dostrzegają wartość AI, stają przed kluczowym wyzwaniem: zbudowaniem odpowiedniej infrastruktury, dzięki której systemy AI (np. agenci) będą rozumiały kontekst organizacyjny oraz miały dostęp do niezbędnych narzędzi i platform, takich jak BPM, ERP czy CRM. Dopiero na takim fundamencie agenci AI przestają być jedynie wyszukiwarkami informacji, a zaczynają pełnić rolę zaawansowanych asystentów – podejmujących decyzje w oparciu o kontekst, automatyzujących rutynowe interakcje oraz proaktywnie wskazujących obszary do usprawnień.

Jeszcze niedawno integracja AI wymagała tworzenia indywidualnych skryptów lub API dla każdego źródła danych i funkcji wykonawczych. Ponieważ większość organizacji potrzebuje dziesiątek takich połączeń, w praktyce powstaje sieć podatnych na awarie zależności, generująca wysokie koszty utrzymania i ograniczająca skalowalność zastosowań AI w różnych działach. Dlatego budowa solidnej, a jednocześnie elastycznej warstwy komunikacyjnej stała się fundamentem skutecznego wdrożenia AI. Sprawdźmy, jak można to osiągnąć.

Aby połączyć AI z aplikacjami biznesowymi, takimi jak systemy BPM, wiele organizacji korzysta z Model Context Protocol (MCP) – ustandaryzowanej metody, która zapewnia agentom AI dostęp do wiedzy organizacyjnej w sposób kontekstowy i niezależny od konkretnych narzędzi. MCP pozwala agentom opartym na LLM podłączać się do różnych systemów (np. dokumentów, aplikacji, baz danych), aby bezpiecznie pobierać informacje oraz integrować narzędzia niezbędne do realizacji zadań czy funkcji.

W typowej konfiguracji serwer MCP ma dostęp do:

• Narzędzi – usług i funkcji (np. przez API), których AI używa do pobierania, tworzenia, aktualizacji lub usuwania obiektów, modeli i ich powiązań
• Zasobów – obiektów, modeli, relacji, dokumentów oraz wszelkiej innej „wiedzy organizacyjnej”
• Promptów – instrukcji, które wskazują AI, o co pytać i jak interpretować wyniki

Łączenie AI z systemami biznesowymi za pomocą MCP

Przyjrzyjmy się, jak taki protokół działa w praktyce. Wyobraźmy sobie, że właściciel procesu chce przejrzeć proces „Zatwierdzanie faktury” w systemie ADONIS, używanym jako pakiet BPM organizacji, aby sprawdzić, czy nie brakuje przypisanych odpowiedzialności lub czy nie ma luk w zgodności. Oto, jak poradziłby sobie z tym agent AI korzystający z MCP:

Właściciel procesu pyta GenAI:

„Czy możesz sprawdzić, czy w procesie Zatwierdzanie faktury czegoś nie brakuje?”

Żądanie przechodzi przez MCP, który lokalizuje dopasowany, wstępnie skonfigurowany szablon promptu i wzbogaca go o informacje kontekstowe, takie jak nazwa procesu, ID oraz wymagane funkcje. Aby uzyskać dane modelu procesu, wybrane funkcje (narzędzia) są uruchamiane w celu pobrania zawartości procesu, w tym przypisania zadań i ról oraz ewentualnych ryzyk związanych z zgodnością, z zasobów organizacyjnych.

Agent analizuje te informacje i zwraca odpowiedź, np.:

Przegląd zakończony – model „Zatwierdzanie faktury” przeanalizowany.

Znalezione problemy:

• Walidacja faktury: brak przypisanej roli odpowiedzialnej & kontrola GDPR

• Ostateczna weryfikacja: brak przypisanej roli odpowiedzialnej (tylko powiadomiony: Kontroler)

Sugestie:

• Przypisz role „Księgowy” i „Kierownik finansowy” jako odpowiedzialne.

• Połącz z listą kontrolną RODO „CC-RODO-012”.

Zastosować zmiany? Powiadomić właściciela procesu?

Użytkownik może wtedy zdecydować, czy zastosować zmiany i powiadomić odpowiednich uczestników, zgodnie z konfiguracją w MCP (np. poprzez udostępnienie modelu e-mailem).

Połączenie ADONIS z systemami AI za pomocą MCP przynosi kilka kluczowych korzyści:

Od zgadywania do rzetelnej wiedzy:

MCP zapewnia agentom bezpieczny, uporządkowany dostęp do rzeczywistych modeli procesów, przypisanych odpowiedzialności i terminologii biznesowej – eliminuje niejasności i dostarcza AI dokładnie tych informacji, których potrzebuje.

Od problemów z integracją do skalowalnego dostępu:

Zamiast tworzyć indywidualne połączenia do każdego API, MCP oferuje uniwersalną warstwę dostępową, umożliwiając GenAI korzystanie z funkcji BPM bez dodatkowych dostosowań.

Od pasywnej analizy do inteligentnego działania:

Agenci AI mogą weryfikować modele, wykrywać brakujące role lub ryzyka, sugerować usprawnienia, wprowadzać modyfikacje i aktualizacje – przy zachowaniu pełnej audytowalności i kontroli. Mogą nawet wykonywać zautomatyzowane czynności w oparciu o kompletną wiedzę proceduralną, którą zostały wzbogacone.

MCP można wykorzystać w inteligentnym BPM na kilka sposobów. Oto najważniejsze z nich:

W roli inteligentnego nawigatora AI z włączonym MCP wykorzystuje dane kontekstowe dotyczące procesów, ról i powiązanych informacji, aby prowadzić użytkowników i udzielać precyzyjnych odpowiedzi.

W środowisku bankowym może np. przeprowadzać klientów przez skomplikowane procedury, upewniając się, że każdy krok został wykonany poprawnie, oraz wskazywać, kiedy potrzebna jest dodatkowa interakcja z klientem.

Dla wewnętrznych zespołów banku AI może automatycznie pobierać wskaźniki ESG z raportów kredytowych i zrównoważonego rozwoju, prezentując menedżerom relacji wyłącznie najistotniejsze informacje i oszczędzając czas.

W firmie zajmującej się przewozami współdzielonymi AI może analizować wcześniejsze interakcje, aby wspierać specjalistów obsługi klienta. Może przypominać o prawidłowym przebiegu procesów, wyświetlać istotne informacje o kliencie i dostarczać trafnych odpowiedzi w celu rozwiązania problemów z usługą.

Rola ADONIS

W takich scenariuszach ADONIS w połączeniu z MCP zapewnia agentom AI bezpośredni dostęp do rzeczywistych modeli procesów organizacji, przypisanych ról, logiki decyzyjnej oraz dokumentacji. Dzięki temu wnioski AI są nie tylko dokładne, ale także w pełni zgodne z kontekstem struktury biznesowej. Niezależnie od tego, czy chodzi o prowadzenie użytkowników przez onboarding, zatwierdzanie wniosków czy procesy zgodności, MCP umożliwia stworzenie konwersacyjnej, świadomej procesów warstwy na bazie ADONIS.

W roli optymalizatora procesów AI z włączonym MCP może pobierać informacje i uruchamiać analizy w celu wykrywania luk, ryzyk i możliwości usprawnień.

W branży ubezpieczeniowej może np. generować pytania do wywiadów, wykrywać sprzeczności w roszczeniach, wskazywać obszary wymagające głębszej analizy i uzupełniać brakującą wiedzę. Takie funkcje pozwalają znacząco skrócić czas poświęcany przez pracowników na ręczną weryfikację.

W ubezpieczeniach transportowych AI może automatyzować obsługę roszczeń ładunkowych, wyciągając i analizując informacje z dokumentów zgłoszeniowych, co umożliwia szybsze rozliczenia dla klientów.

Rola ADONIS

W kontekście BPM ADONIS zapewnia uporządkowaną dokumentację procesów, ryzyka i powiązania, które AI może interpretować za pomocą MCP. Dzięki temu agenci mogą audytować procesy, wykrywać brakujące odpowiedzialności lub kontrole oraz sugerować poprawki – bez konieczności ręcznego przeglądania każdego szczegółu. Umożliwiając AI działanie jako analityk procesów, organizacje zyskują ciągłe usprawnianie procesów przy minimalnym nakładzie pracy.

Powyższe przykłady pokazują, jak organizacje mogą podejść do cyfryzacji procesów i wykorzystać AI do transformacji. Łącząc agentów AI ze zorganizowaną logiką biznesową, przypisanymi rolami i odpowiedzialnościami, tworzą fundamenty pod nową erę inteligentnych operacji.

Te scenariusze dokładnie odzwierciedlają transformacje, które MCP zostało zaprojektowane wspierać jako infrastrukturę dla skalowalności:

„Bezpieczny, kontekstowy dostęp do wiedzy o procesach oraz możliwość jej modyfikacji – w całej organizacji, we wszystkich systemach i narzędziach”.

Dzięki MCP GenAI „mówi językiem biznesu”, umożliwiając ADONIS przekształcenie BPM w dynamiczny, inteligentny ekosystem, który nie tylko wie, co robić, ale również jak działa Twoja organizacja i jak ją uczynić jeszcze lepszą.

Szczegółowe zdefiniowanie ról w procesie

Gdy zostaną wdrożone pierwsze przypadki użycia, możesz ocenić ich korzyści i zebrać opinie od pracowników, którzy aktywnie z nich korzystają, dotyczące najbardziej pożądanych usprawnień. Te informacje pomogą dopracować podejście i wyznaczyć kierunek dla kolejnej rundy usprawnień.

Określanie osób odpowiedzialnych

Kolejnym krokiem jest rozszerzenie przypadków użycia związanych z pozyskiwaniem danych o bardziej zaawansowane analizy, łącząc rozbudowaną wiedzę z powiązanych obiektów (dokumentów, ryzyk, powiązanych aplikacji IT itp.) z natywnym wykorzystaniem narzędzi ADONIS dla BPMN. Dzięki temu agenci AI mogą uczyć się w głębszym kontekście organizacyjnym i łączyć więcej informacji, dostarczając tym samym bogatsze i bardziej wartościowe wnioski.

Analiza wpływu procesów

Dzięki tym możliwościom AI może ocenić, jak zmiany w procesach wpływają na powiązane elementy, zapewniając wczesne wykrycie potencjalnych skutków i skuteczne ich uwzględnienie.

Szczegółowe określanie zadań na podstawie powiązanych procedur operacyjnych (SOP)

Dzięki temu AI może również rozbudowywać kroki procesów o szczegółowe instrukcje z powiązanych procedur operacyjnych (SOP), zapewniając spójne wykonywanie zadań i zgodność z ustalonymi procedurami.

Szczegółowa identyfikacja ryzyk w oparciu o powiązane dokumenty zgodności

Gdy Twój agent AI zrozumie kontekst organizacyjny w ADONIS, możesz rozpocząć przygotowania do wykonywania działań w Twoim imieniu. Powinno to zaczynać się od etapu pośredniego, w którym każde działanie AI, w celu zapewnienia jego poprawności, jest weryfikowane przez kompetentnego pracownika. Ważne jest również stosowanie stopniowego planu rozszerzania funkcjonalności, zaczynając od drobnych zadań, takich jak dodawanie komentarzy, poprawianie literówek czy aktualizacja opisów modeli w ADONIS.

Aktualizacja opisu procesu

Tego rodzaju działanie pozwala AI wspierać utrzymanie dokumentacji procesów w aktualnym i poprawnym stanie, zapewniając, że odzwierciedla ona najnowsze wymagania oraz logikę biznesową.

Powiadamianie osoby odpowiedzialnej o koniecznej aktualizacji

Od tego momentu AI może stopniowo przejmować kolejne odpowiedzialności, zgodnie z potrzebami użytkowników, zmierzając w stronę większych, zautomatyzowanych ocen procesów, ich rozwoju, aktualizacji, a nawet pełnej realizacji.

Kolejnym istotnym krokiem jest wzbogacenie modelu AI o kilka MCP, które mogą łączyć się z innymi platformami i źródłami danych wykorzystywanymi w codziennej pracy organizacji. Poszerzenie kontekstu AI pozwoli jej udzielać dokładniejszych i bardziej precyzyjnych odpowiedzi, prowadzić analizy oraz inteligentnie wykonywać funkcje. W ten sposób Twój agent AI „nauczy się języka biznesu” i stanie się niezastąpionym członkiem zespołu w Twojej organizacji.

Główne przypadki użycia opisane w poprzedniej sekcji są wspierane przez ADONIS i są stale udoskonalane wraz z dodatkowymi funkcjami z roadmapy ADONIS. Jeśli nie chcesz czekać, możesz rozpocząć budowę swojego MCP dla ADONIS już dziś! Obszerne API Portal daje wiele możliwości pozyskiwania informacji o organizacji i wzbogacania agenta AI o potrzebny kontekst dotyczący firmy oraz zasad realizacji procesów.

Co więcej, możesz już znaleźć praktyczny przykład, pokazujący, jak łatwo skonfigurować infrastrukturę komunikacyjną (MCP) ze swoimi systemami AI i wykorzystać potencjał ADONIS w drodze do inteligentnego zarządzania procesami.

I to dopiero początek. Kolejne aktualizacje nadchodzą, gdy nadal rozwijamy zarówno infrastrukturę MCP, jak i możliwości AI w ADONIS.