Vad MCP är, och varför det förändrar ekonomiarbetet

Fram tills nyligen fungerade AI-verktyg som en mycket kompetent kollega utan tillgång till några system. Du fick beskriva situationen, klistra in underlaget och hoppas att du fått med allt. Kvaliteten på svaret bestämdes av hur bra du var på att sammanfatta.

MCP är ett öppet protokoll som ändrar det. Det beskriver hur ett AI-verktyg får fråga ett externt system efter data, och hur systemet svarar. Claude, ChatGPT och Copilot stödjer det. Poängen är att det är samma protokoll för alla — du kopplar din ekonomi en gång, inte en gång per verktyg.

Skillnaden i praktiken

Utan MCP: du exporterar en rapport, laddar upp den och frågar. Varje ny fråga som rör en annan period eller ett annat bolag kräver en ny export. Underlaget är en ögonblicksbild som åldras direkt.

Med MCP: du ställer frågan. Verktyget avgör vilken data som behövs, hämtar den och svarar. Nästa fråga hämtar det som den frågan kräver. Ingen export, ingen fil som ligger kvar i en chatthistorik.

Varför ekonomi är ett svårare fall än de flesta

För många datakällor räcker det att koppla på protokollet. En kalender eller ett dokumentarkiv betyder samma sak för alla som läser det. Ekonomisk data gör inte det.

• Samma nyckeltal beräknas olika i olika organisationer, och skillnaden är sällan dokumenterad i affärssystemet.
• Flera bolag i flera affärssystem ska bli en koncern, med elimineringar och valutaomräkning innan talen betyder något.
• Vem som får se vilket bolag är inte en detalj — det är ofta ett avtalsvillkor eller ett lagkrav.
• Varje tal måste gå att följa tillbaka till ett verifikat, annars duger det inte som underlag.

Kopplar man ett AI-verktyg rakt mot affärssystemets databas via MCP får man alltså snabb tillgång till rådata — och alla problem som beskrivs i artikeln om huruvida man kan lita på AI med ekonomisiffror kvarstår, fast snabbare.

Vad som behöver ligga emellan

Det som saknas är ett lager som tar emot frågan, avgör vad den faktiskt gäller — vilka bolag, vilken period, vilken definition — tillämpar behörigheterna, räknar enligt organisationens regler och först därefter lämnar ifrån sig ett svar med källor.

Det är rollen Compounder har. Affärssystemen ansluts med läsbehörighet, reglerna sätts en gång, och AI-verktyget får färdiga tal i stället för rådata. Vilket verktyg som frågar spelar ingen roll — svaret blir detsamma, eftersom det räknades innan frågan nådde modellen.