Taller de diseño de sistemas multiagente (MAS)

¿Por qué usarlo?

Automatiza un proceso complejo con IA diseñando un sistema multiagente (MAS) junto con un equipo interdisciplinario en un taller de design thinking.

¿Para quién?

Los sistemas multiagente requieren la colaboración de diversos expertos en las siguientes áreas:

• Dominio y procesos de negocio

• Big data y Agentic AI

• TI, seguridad y privacidad

También requiere que todos los stakeholders trabajen juntos, es decir:

• Usuarios: empleados y/o clientes

• Desarrolladores: ingenieros de software, de datos y de IA

• Responsables de la toma de decisiones: propietarios de procesos de negocio

• Consultores: responsables de privacidad, asesores de seguridad, etc.

Finalmente, se necesita un facilitador para reunir a las distintas personas y formar un equipo eficaz.

¿Cuándo usarlo?

El equipo se ha reunido y ha decidido un proceso (existente o nuevo) de negocio. El equipo quiere automatizar y optimizar este proceso con Agentic AI para aumentar la eficiencia, la eficacia y/o la robustez.

Si aún no se ha identificado ningún proceso, recomendamos un Taller Lean de estrategia de datos e IA para identificar y priorizar posibles casos de uso para Agentic AI.

Durante el taller de diseño MAS de un día, los participantes especifican los objetivos y resultados clave, identifican los agentes humanos y artificiales y diseñan el flujo de trabajo y de información entre los agentes. Además, se definen las bases técnicas y analíticas y se especifican las barreras de protección necesarias para garantizar la seguridad, la privacidad, la equidad y otros aspectos.

¿Qué usar?

Esta plantilla de taller se basa en el probado Método Data & AI Business Design, que se utiliza en todo el mundo por numerosas empresas y consultoras reconocidas. Emplea los lienzos del Kit Data & AI Business Design, que se pone a disposición de forma gratuita bajo una licencia Creative Commons.

¿Cómo utilizar?

Esta plantilla del taller está diseñada para una sesión de un día que puede dividirse en dos medias jornadas. A lo largo del día, los participantes atraviesan las siguientes seis fases y realizan varios pasos en seis lienzos distintos, uno para cada fase. En los lienzos encontrarás números en círculos (①, ②, ...) que corresponden a los pasos de cada fase.

I. Introducción

La introducción tiene como objetivo asegurar que todos los participantes persigan el mismo objetivo y estén dispuestos a seguir juntos el camino propuesto. Para esbozar y presentar este camino (es decir, la agenda del taller), usamos el Lienzo del taller Data y AI Design Thinking y realizamos los siguientes pasos:

① Personaliza el encabezado del lienzo especificando la empresa y, si corresponde, la consultora, y registrando la fecha. Este paso debe realizarse también en todos los lienzos posteriores.

② Establece el Objetivo específico del taller y define los Resultados clave deseados (es decir, entregables).

③-⑦ Ajusta los elementos de la agenda, los horarios de las sesiones y otros elementos según sea necesario.

Cuando trabajes en un elemento de la agenda, cambia el color de la nota adhesiva correspondiente a amarillo. Cuando termines, márcala en verde. Así, el equipo siempre tendrá una visión general del estado actual.

II. Análisis del proceso de negocio

A continuación, debemos visualizar y analizar el proceso de negocio que queremos automatizar y optimizar con Agentic AI. Para ello, usamos el Lienzo de la cadena de valor y notas adhesivas verdes para los elementos existentes, amarillas para los planificados y rojas para los elementos faltantes.

① En el campo Enfocado en, escribe el nombre del proceso de negocio.

② Start at the beginning of the process on the left side of the Lienzo de la Cadena de Valor: a) ¿Cuál es el Estado inicial, los Productos base o el desencadenante que inicia el proceso empresarial?b) ¿Qué persona, rol o unidad organizativa define el estado inicial, entrega los productos base o desencadena el evento (Productores)?

③ Luego continúa con el final del proceso empresarial en el lado derecho del Lienzo de la Cadena de Valor:a) ¿Cuál es el Estado final, los Productos finales o los resultados clave del proceso empresarial?b) ¿Quiénes son los beneficiarios del estado final, los consumidores de los productos finales o los destinatarios de los resultados clave (Clientes)?

④ Ahora describe las Actividades principales, es decir, el flujo de trabajo del proceso: ¿Qué acciones son necesarias y en qué orden se realizan? ¿Qué flujos alternativos o paralelos existen?

⑤ Además de las Actividades primarias, a menudo son necesarias las Actividades de soporte: ¿qué medidas generales e internas o qué unidades organizativas respaldan el proceso empresarial?

⑥ Si las actividades de soporte no son proporcionadas internamente sino por empresas externas y participan a lo largo de todo el proceso, regístralas bajo Proveedores generales.

⑦ Los proveedores especiales que solo realizan o apoyan pasos individuales del proceso deben ubicarse en Proveedores especiales.

⑧ Especifica los Indicadores Clave de Rendimiento (KPI) en notas adhesivas azules, que midan la eficiencia, la eficacia, la calidad, la estabilidad, etc., del proceso y establece los valores objetivo correspondientes.

Finalmente, extrae todos los objetivos, resultados clave y KPI relevantes para la IA agentiva del Lienzo de la cadena de valor y especifícalos en el recuadro verde Objetivos y Resultados Clave de negocio como salida de los agentes.

III. Identificación de roles de usuario

Ahora que conocemos y entendemos el proceso de negocio, podemos responder a la pregunta: ¿quiénes son los stakeholders en el contexto del proceso? Para responder a esta pregunta, usamos el Lienzo de Análisis de Stakeholders y notas adhesivas azules para identificar a las personas o roles. Debemos considerar las siguientes funciones de los stakeholders (teniendo en cuenta que una persona/rol puede desempeñar varias funciones):

① En el campo Enfocado en, anota el nombre del proceso de negocio.

② Responsables de la toma de decisiones: ¿Quién toma decisiones que influyen en el flujo del proceso?

③ Compradores económicos: Si durante el proceso se toman decisiones de compra, presupuesto u otros recursos (financieros), ¿quién aporta el dinero o actúa como patrocinador?

④ Usuarios finales: ¿Quiénes usan los resultados del proceso (cf. Clientes en el Lienzo de la Cadena de Valor)?

⑤ Saboteadores: ¿Quién podría intentar interrumpir el proceso influyendo negativamente en los responsables de la toma de decisiones, los compradores económicos o los usuarios finales?

⑥ Influencers: ¿Quién podría apoyar el proceso influyendo positivamente en los Decision Makers, Economic Buyers o End Users?

⑦ Recommenders: ¿Quién participa activamente en el proceso en calidad de asesor o brinda soporte con información?

⑧ Implementors: ¿Quién ejecuta realmente el proceso, es decir, realiza las acciones?

En el posterior diseño del sistema multiagente, los agentes asumen la función de algunas personas/roles. Pero incluso con un grado muy alto de automatización, ciertas funciones siguen siendo responsabilidad de los agentes humanos: deben verificar los resultados de los agentes de IA, otorgar aprobaciones o ser los usuarios y/o beneficiarios del proceso automatizado.

Al cambiar el color de las notas adhesivas, marcamos a ciertos stakeholders:

• En verde: agentes humanos que participan en el proceso de Agentic AI.

• En rojo: stakeholders que ya no deben desempeñar un rol (es decir, no son agentes humanos).

• En amarillo: stakeholders sobre los que aún no estamos seguros (es decir, posiblemente agentes humanos).

Finalmente, trasladamos todos los agentes humanos al cuadro amarillo Agentes humanos para diseñar el flujo de trabajo de Agentic AI y los agentes de IA en el siguiente paso.

IV. Diseño del flujo de trabajo con agentes

Para el diseño del flujo de trabajo con agentes, usamos el DiagramaFormato y las Formas de flujos de trabajo con agentes de Miro. Ya conocemos los resultados que esperamos de los agentes gracias a II. Análisis del proceso de negocio. A partir de III. Identificación de roles de usuario sabemos quiénes son los stakeholders que aportan entradas a los agentes, es decir: activan el proceso, escriben instrucciones, proporcionan información y documentos, responden consultas de los agentes, toman decisiones o revisan y aprueban resultados (provisionales).

Hay dos opciones para automatizar el proceso existente con IA:

1. Conservar en gran medida el flujo de proceso existente y reemplazar a los agentes humanos por agentes de IA que realicen las acciones y tomen las decisiones.

2. Repensar completamente el flujo del proceso para aprovechar las ventajas de la IA agentiva: por ejemplo, el procesamiento en paralelo de varias soluciones alternativas.

Si no estás seguro de qué variante es mejor, diseña dos (o más) versiones y luego decide, o combina las soluciones.

Para identificar candidatos a agentes de IA, pregunta a los participantes del taller las siguientes preguntas:

• ¿Qué actividades o responsabilidades han asumido los agentes humanos?

➡️ El agente humano se convierte en un agente de IA.

• ¿Qué tareas especializadas requieren conocimientos específicos del dominio?

➡️ Un agente de IA se entrena con ese conocimiento del dominio.

• ¿Qué sistemas de TI o fuentes de datos necesitamos conectar?

➡️ Un agente de IA sirve como interfaz con la fuente de datos o el sistema de TI.

• ¿Con qué usuarios (roles) necesitamos interactuar?

➡️ Un agente de IA se encarga de la comunicación con el usuario.

• ¿Qué actividades se pueden paralelizar?

➡️ Las actividades se distribuyen entre diferentes agentes de IA.

• ¿Qué actividades necesitan ejecutarse varias veces por otros agentes?

➡️ Un agente de IA pone esta actividad a disposición de otros agentes como servicio.

• ¿Qué actividades requieren medidas especiales de seguridad y protección de datos?

➡️ Agentes de IA con medidas de seguridad especiales realizan estas actividades.

• ¿Qué agentes de IA internos ya están en uso?

➡️ Se reutiliza el agente de IA existente.

• ¿Qué agentes de IA externos ya están implementados?

➡️ El agente de IA externo se integra y, si es necesario, queda encapsulado por un agente de IA interno.

• ¿Qué agentes de IA pueden apoyar la coordinación de los demás agentes de IA?

➡️ Agentes de IA especiales se encargan de la delegación, agregación y sincronización, etc., de la información y del flujo de trabajo.

Para completar el diseño del MAS, es necesario modelar el flujo de información y de trabajo entre los agentes de IA y los agentes humanos. Para ello, los elementos del diagrama (agentes humanos, agentes de IA, entregables) se conectan con flechas. Por regla general, los flujos de información y de trabajo son idénticos. En los casos en que no sea así, se puede usar una línea discontinua para el flujo únicamente de información.

V. Evaluación de Datos e IA y roadmap

Algunos agentes de IA necesitan acceso de lectura a fuentes de datos existentes o incluso acceso de escritura a sistemas de TI para modificar o crear registros de datos o activar ciertos subprocesos. Otros agentes de IA requieren funcionalidades y capacidades específicas, como un modelo de lenguaje a gran escala (LLM) para comunicarse con agentes humanos o un modelo predictivo para pronosticar eventos y tendencias.

Usamos el área azul del diagrama de diseño MAS para especificar los sistemas de TI/BI/IA necesarios y conectarlos a los agentes de IA mediante flechas. Aquí también podemos definir interfaces como Agent2Agent (A2A) o Model Context Protocol (MCP).

A continuación, evaluamos si ya tenemos en uso los sistemas necesarios, si se encuentran aún en fase de planificación o funcionamiento, o si primero deben diseñarse y desarrollarse. Usamos notas adhesivas verdes, amarillas y rojas y el lienzo de madurez analítica y de IA para esto. El lienzo distingue entre herramientas generales y aplicaciones específicas en distintos niveles de complejidad y madurez.

② Las casillas verdes describen las aplicaciones específicas para:

a) Operaciones empresariales: aplicaciones de procesamiento de datos puras sin funcionalidades de analítica ni de IA.

b) Informes empresariales: típicamente aplicaciones para automatizar la generación de informes o paneles basados en analítica descriptiva.

c) Descubrimiento empresarial: aplicaciones para explorar tendencias, correlaciones, anomalías, etc., y obtener insights basados en analítica diagnóstica.

d) Pronóstico empresarial: aplicaciones para pronosticar, realizar nowcasting o backcasting basadas en analítica predictiva.

e) Optimización empresarial: Aplicaciones para la optimización de procesos de negocio basadas en análisis prescriptivo.

f) Automatización empresarial: Aplicaciones para la automatización de procesos de negocio basadas en análisis autónomo.

Los agentes de IA suelen interactuar con aplicaciones existentes a través de interfaces de programación de aplicaciones (API).

③ Las casillas amarillas están pensadas para las herramientas de datos y análisis que pueden usarse para implementar a los agentes de IA:

a) Gestión de datos: Esto incluye, por ejemplo, sistemas de bases de datos.

b) Análisis descriptivo: Por ejemplo, herramientas de generación de informes o de paneles.

c) Análisis diagnóstico: Herramientas de análisis estadístico o, por ejemplo, plataformas para experimentos A/B.

d) Análisis predictivo: Además del software para aprendizaje automático y aprendizaje profundo, también bibliotecas, p. ej., para redes bayesianas, regresión lineal, etc.

e) Analítica prescriptiva: Aquí se usan métodos de simulación y optimización, así como soluciones generativas de IA.

f) Analítica autónoma: Aquí se emplean algoritmos de aprendizaje por refuerzo, entre otras cosas, o soluciones especiales para IA agentiva.

Asegúrate de que exista o esté planificado un sistema de TI / BI / IA para todos los datos y funcionalidades necesarios.

VI. Requisitos de salvaguardas de la IA

Hemos revisado el proceso de negocio, los stakeholders, las fuentes de datos y las capacidades de TI / BI / IA para garantizar que nuestro sistema multiagente sea viable, deseado y factible. Aún falta otro criterio importante: los sistemas de IA deben ser responsables.

Al fin y al cabo, un gran poder conlleva una gran responsabilidad. Este principio también está consagrado en la ley, por ejemplo en la Ley de IA de la UE.

Para garantizar que nuestros agentes de IA cumplan con los principios de la Inteligencia Artificial Responsable (rAI), necesitamos las llamadas barreras de protección de la IA. En un sistema multiagente, estas barreras de protección pueden implementarse a su vez por agentes que supervisan y controlan a los demás agentes.

Primero, definimos las barreras de protección, es decir, las reglas y restricciones que queremos imponer al MAS. Usamos el lienzo de 3 cajas para dividir las reglas en tres categorías:

1. Seguridad y protección: Ni el MAS ni sus usuarios deben sufrir ningún daño.

2. Explicabilidad y transparencia: Los usuarios deben poder comprender las decisiones y acciones del MAS.

3. Privacidad y equidad: Los usuarios no deben sufrir ningún perjuicio a causa del MAS.

También distinguimos entre las barreras de protección relacionadas con la entrada, los modelos internos y la salida de los agentes de IA:

• Canal de entrada: Podría, por ejemplo, revisar la entrada del usuario en busca de inyecciones de instrucciones para proteger los datos de la empresa frente al robo.

• Canal del modelo: Un ejemplo de cómo garantizar la equidad es supervisar los indicadores de calidad del modelo para descartar la discriminación contra grupos de personas.

• Canal de salida: Dado que los LLMs pueden generar alucinaciones, por ejemplo, es útil una verificación de plausibilidad de la salida.

En el paso final, los Agentes de salvaguarda (caja gris en el diagrama) definen cómo implementar estas reglas y cómo se conectan mediante flechas a los Agentes de IA.

Para concluir el taller, especifica tareas concretas a realizar y asígnalas a los participantes. Y luego: ¡Manos a la obra!

¿Dónde encontrar más?

Datentreiber te ofrece no solo esta plantilla de Miroverse, sino también:

• El Data & AI Business Design Kit ofrece numerosos lienzos de código abierto para aplicar el método Data & AI Business Design.

• Además, la Data & AI Business Design Community gratuita está disponible para intercambio, eventos y contenido de expertos.

• Cursos de formación online y presenciales de pago con certificación están disponibles en la Data & AI Business Design Academy.

• Muchas herramientas de gestión adicionales, plantillas para talleres y modelos de proyecto están disponibles en nuestro Data & AI Business Design Bench comercial.

• Nuestra Data & AI Business Consulting ofrece soporte para tu estrategia de datos e IA y para proyectos de innovación y transformación.

Si estás interesado o tienes preguntas o comentarios, contáctanos en: info@datentreiber.de.

Copyright: Todos los derechos reservados por Datentreiber GmbH.