I de tre forrige artiklene har jeg vært kritisk til hvordan AI selges inn i ERP-verdenen. Roadmaps som løper fra kunden. LLM-output som godtas ukritisk. Grensesnitt som rives ned uten god grunn. Det er reelle problemer, og jeg står ved alle tre.
Men det ville være urettferdig å la serien stoppe der. For midt i all hypen er det noe som faktisk er i ferd med å forandre måten AI kobles sammen med forretningssystemer på. Det er teknisk, det er kjedelig nok at det ikke kommer i keynotes, og det er den mest interessante utviklingen i ERP-arkitektur akkurat nå.
Det heter Model Context Protocol – MCP – og du bør forstå hva det er innen utgangen av året.
Det enkleste bildet: USB-C for AI
Før USB-C måtte du ha en egen kabel for hver type enhet. Telefonen hadde sin, kameraet sin, harddisken sin. Det var rotete, dyrt og friksjon for både produsenter og brukere. Med USB-C ble det én standard alle kunne implementere én gang.
MCP gjør det samme for forholdet mellom AI og forretningssystemer. Før MCP måtte hver leverandør av AI-verktøy bygge sine egne, skreddersydde tilkoblinger til hvert ERP, hvert CRM, hver database. Det skapte et N × M-problem: 10 AI-verktøy ganger 100 systemer er 1000 tilkoblinger som må bygges, vedlikeholdes og sikres. Med MCP bygger ERP-leverandøren én MCP-server, og enhver AI-agent som snakker MCP – uavhengig av om det er Claude, ChatGPT, Copilot eller en intern modell – kan bruke den.
👉 Les del 1 av serien «AI i ERP – mellom løfter og virkelighet»: Når leverandørens AI-visjon løper fra din endringskapasitet
Hvorfor du ikke har hørt så mye om det ennå (men snart vil)
MCP ble lansert av Anthropic i november 2024. I løpet av 18 måneder vokste antall månedlige nedlastninger av MCP-SDK-en fra rundt 100 000 til omkring 97 millioner. OpenAI, Google, Microsoft og Salesforce har alle implementert støtte. Det er publisert over 3 000 MCP-servere globalt.
Likevel snakker svært få i den norske ERP-bransjen om det ennå. Det vinnes ingen partnerpriser på MCP-implementeringer. Det kommer ikke som hovedtema på en Visma-konferanse. Men det er der den faktiske infrastrukturen for AI-i-ERP bygges nå.
Hva betyr dette for deg som driver et ERP-system?
Tre konkrete ting:
1. Integrasjonsregningen kommer til å se annerledes ut. Den tradisjonelle iPaaS-tankegangen – at du betaler en plattform for å koble systemer sammen – får konkurranse fra MCP-modellen, der systemet selv eksponerer sine funksjoner som standardiserte, AI-tilgjengelige verktøy. Mye av det du i dag bygger skreddersydde integrasjoner for, vil du i fremtiden bare aktivere som en MCP-server.
2. Du kan bytte AI-agent uten å bygge alt på nytt. Hvis du i dag har koblet ChatGPT mot ERP-en din med en skreddersydd integrasjon, og du i morgen vil bytte til Claude eller en intern modell, må du i praksis bygge integrasjonen om. Med MCP bygger du tilkoblingen mot ERP-en én gang. Hvilken AI-agent som kobler seg på den, blir et bytte du gjør i morgen – ikke en omstart av et integrasjonsprosjekt.
3. Du kan styre, logge og revidere hva AI-agenten gjør. Dette er den minst diskuterte, men kanskje viktigste fordelen. Når AI-agenten går gjennom en MCP-server for å gjøre noe i ERP-en, kan du sette presise tillatelser på hvilke data og funksjoner agenten har tilgang til, logge hver eneste handling, og kreve menneskelig godkjenning på sensitive operasjoner. Det er denne arkitekturen som gjør forskjell på «vi har koblet på AI» og «vi har koblet på AI på en måte revisor og styret kan akseptere».
👉 Les del 2 av serien «AI i ERP – mellom løfter og virkelighet»: «AI sa det» – ukritisk bruk er den største risikoen i kunnskapsarbeid
Hvordan dette henger sammen med resten av serien
I del 2 skrev jeg om risikoen ved at mennesket faller ut av loopen. MCP har faktisk en innebygd mekanisme for å holde mennesket inne – der serveren kan kreve at agenten spør brukeren om bekreftelse før den utfører bestemte handlinger. Det er governance bygget inn i protokollen, ikke noe du må legge på i ettertid.
I del 3 skrev jeg om at grensesnittet ikke trenger å rives ned. MCP støtter den samme tankegangen: AI-agenten kan jobbe i bakgrunnen mot ERP-en din, mens fagbrukeren beholder de strukturerte grensesnittene hun trenger for høyfrekvent arbeid. Det er ikke et enten-eller.
I del 1 skrev jeg om gapet mellom roadmap og virkelighet. Her er MCP det sjeldne motsatte: noe som er mer modent, mer adoptert, og mer praktisk anvendelig enn det meste av det leverandørene snakker om på sceneskuene sine.
For den ambisiøse kunden: dette er der du faktisk kan komme i gang
For kunder som har høye AI-ambisjoner, og som har blitt litt fortvilet av at «det meste ennå er på roadmap», er MCP en god nyhet. Dette er konkret, det er tilgjengelig, og det er noe du kan bygge på i dag – uten å vente på neste lansering fra ERP-leverandøren din.
En typisk kunde jeg snakker med ønsker autonom fakturahåndtering, prediktive analyser og selvgående rapporter. Det meste av det er ennå urealistisk i full skala. Men en intern AI-assistent som kan slå opp kundedata, prosjektstatus eller åpne fakturaer i ERP-en via en MCP-tilkobling – det er fullt mulig nå. Det er ikke den endelige visjonen, men det er et reelt skritt mot den.
Det er denne typen sekvensering jeg mener når jeg sier at fremoverlente kunder skal veiledes, ikke bremses. MCP er et godt sted å starte fordi det gir håndfast verdi, bygger kompetanse og governance internt, og lar deg vokse inn i de større ambisjonene etter hvert som teknologi og modenhet henter inn visjonen.
Hva bør du gjøre nå?
Spør ERP-leverandøren din om MCP-roadmapen deres. Hvis svaret er «hva er MCP?», har du et datapunkt om hvor i AI-utviklingen de faktisk befinner seg. Hvis svaret er «vi har en MCP-server i preview», be om en demo.
Tenk gjennom hvilke data og funksjoner i ERP-en din som realistisk burde være AI-tilgjengelige. Ikke alt skal være det. Men kontoplan, leverandørregister, lagerstatus, åpne fakturaer, prosjektstatus – det er sannsynligvis nyttig at en AI-agent kan slå opp i, med riktige tilganger.
Bygg governance før du bygger integrasjon. Hvem skal kunne koble hvilken AI-agent til hvilken MCP-server? Hvilke handlinger krever menneskelig godkjenning? Hvor logges agentens handlinger, og hvem ser loggen? Disse spørsmålene er enklere å svare på før de første tilkoblingene er gjort enn etter.
Begynn smått. Velg én avgrenset use case – for eksempel en intern AI-assistent som kan slå opp kundeinformasjon eller prosjektstatus i ERP-en – og bygg den med MCP. Lær av implementeringen før du skalerer.
👉 Les del 3 av serien «AI i ERP – mellom løfter og virkelighet»: Må ERP snakkes med? Et kritisk blikk på “agent-først”-grensesnitt
Min konklusjon
Mens diskusjonen om AI i ERP handler om grensesnitt og agenter og hvor mye av jobben som skal automatiseres, bygges det faktiske maskineriet i bakgrunnen – som en åpen protokoll, med global standardisering og eksplosiv vekst. Det er sjelden vi får se en infrastrukturendring av denne størrelsesordenen så tydelig mens den skjer.
De ERP-lederne som forstår dette tidlig – som velger systemer som eksponerer MCP riktig, som bygger governance rundt det, og som starter med konkrete pilot-cases – kommer til å ha et reelt fortrinn i 2027 og 2028. De som venter på at MCP skal komme som standard funksjon i neste oppgradering, vil oppdage at konkurrenten deres allerede har bygget noe på den.
Det er ikke hype. Det er infrastruktur. Og infrastruktur er der de virkelige fortrinnene ligger.