Resumen:
In modern ERP systems, traditional graphical user interfaces (GUIs) can be complex, particularly for inexperienced users. This project develops an AI-driven conversational agent that enables natural language queries and the execution of selected ERP operations. The primary objective is to flatten the learning curve and facilitate access to key functionalities without requiring advanced technical expertise. The implemented architecture integrates Large Language Models (LLMs), Retrieval-Augmented Generation (RAG), and the Model Context Protocol (MCP) for the controlled execution of ERP tools, supported by an orchestration service and a vector database for embedding storage. Evaluations involving both experienced and inexperienced ERP users demonstrated that the agent primarily benefits new users by improving process comprehension and discovery. In contrast, experienced users utilized the agent as a support tool for general inquiries. However, findings indicated that response latency during this pilot phase could hinder its effectiveness for specific tasks. In conclusion, the project demonstrates that a conversational agent is a viable support layer for enhancing human–ERP interaction.
Keywords: Conversational agent, ERP systems, automation, natural language, MCP
Descripción:
En los sistemas ERP actuales, las interfaces gráficas tradicionales pueden resultar complejas para los usuarios, especialmente para aquellos con poca experiencia. En el proyecto actual se desarrolla un agente conversacional basado en inteligencia artificial para realizar consultas y ejecutar operaciones del ERP mediante lenguaje natural, con el objetivo de reducir la curva de aprendizaje sin requerir conocimientos técnicos avanzados. Para cumplir esto, se integra modelos de lenguaje de gran escala (LLM), un sistema de recuperación aumentada por generación (RAG) y el estándar Model Context Protocol (MCP) para la ejecución controlada de herramientas del ERP, apoyados por un servicio de orquestación y una base de datos para el almacenamiento embeddings. Durante la evaluación con usuarios con y sin experiencia en sistemas ERPs se pudo comprobar que usuarios nuevos fueron los principales beneficiados, mejorando la comprensión y localización de los procesos, mientras que los usuarios experimentados usaron el agente se mas como un apoyo para consultas generales. No obstante, se detectó que la latencia de respuesta del agente en esta fase piloto puede afectar su uso en tareas puntuales. En conclusión, el proyecto demuestra que un agente conversacional es una solución viable como capa de apoyo para mejorar la interacción humano ERP.
