Taller de diseño de Multi-Agent System (MAS)

¿Por qué usarlo?

Automatiza un proceso complejo con IA diseñando un Multi-Agent System (MAS) junto con un equipo interdisciplinario en un taller de design thinking.

¿Quiénes deben participar?

Los sistemas multiagente requieren la colaboración de varios 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 en conjunto, es decir:

• Usuarios: empleados y/o clientes

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

• 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 definido un proceso de negocio (existente o nuevo). El equipo desea 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 Lean Data & AI Strategy Workshop para identificar y priorizar casos de uso potenciales para Agentic AI.

Durante el taller de diseño MAS de un día, los participantes especifican los objetivos y los resultados clave, identifican a los agentes humanos y artificiales y diseñan el flujo de trabajo y de información entre los agentes. Además, se definen los fundamentos técnicos y analíticos 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 y reconocido Data & AI Business Design Method, que se utiliza en todo el mundo por muchas empresas y consultoras reconocidas. Utiliza los lienzos del Data & AI Business Design Kit, que se pone a disposición de forma gratuita bajo una licencia Creative Commons.

¿Cómo utilizar?

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

I. Introducción

La introducción busca garantizar 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 Data & AI Design Thinking Workshop 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 Define el Objetivo específico del taller y establece los Resultados clave deseados (es decir, entregables).

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

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

II. Análisis del proceso de negocio

A continuación, necesitamos visualizar y analizar el proceso de negocio que queremos automatizar y optimizar con Agentic AI. Para ello, usamos el Value Chain Canvas 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 Comienza por el inicio del proceso en el lado izquierdo del Value Chain Canvas:

a) ¿Cuál es el Estado inicial, los Productos base o el desencadenante que inicia el proceso de negocio?

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 de negocio 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 de negocio?

b) ¿Quiénes son los beneficiarios del estado final, los consumidores de los productos finales o los receptores de los resultados clave (Clientes)?

④ Ahora describe las Actividades primarias, 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, con frecuencia son necesarias las Actividades de soporte: ¿qué medidas generales e internas o qué unidades organizativas respaldan el proceso de negocio?

⑥ Si las actividades de soporte no se ofrecen internamente sino por empresas externas y están involucradas a lo largo de todo el proceso, regístralas en 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 Desempeño (KPI) en notas adhesivas azules, que midan la eficiencia, efectividad, calidad, estabilidad, etc. del proceso y define los valores objetivo correspondientes.

Finalmente, extrae todos los objetivos, resultados clave y KPI relevantes para Agentic AI del lienzo de la cadena de valor y especifícalos en el recuadro verde Objetivos de negocio y resultados clave como la salida de los agentes.

III. Identificación de roles de usuario

Ahora que conocemos y comprendemos 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 (una persona/rol puede asumir varias funciones):

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

② Responsables de las 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 otras decisiones sobre recursos (financieros), ¿quién aporta el dinero o actúa como patrocinador?

④ Usuarios finales: ¿Quién usa 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 las decisiones, los compradores económicos o los usuarios finales?

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

⑦ Recommenders: ¿Quién participa activamente en el proceso en una función de asesoría o brinda apoyo con información?

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

En el diseño posterior del Multi-Agent System (MAS), los agents asumen la función de algunas personas/roles. Pero incluso con un grado muy alto de automatización, ciertas funciones siguen siendo responsabilidad de los human agents: deben verificar los resultados de los AI agents, otorgar aprobaciones o ser los usuarios y/o beneficiarios del proceso automatizado.

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

• Las notas verdes representan agentes humanos que participan en el proceso Agentic AI.

• Las notas rojas representan stakeholders que ya no deben participar en el proceso (es decir, no son agentes humanos).

• Las notas amarillas representan stakeholders sobre los que aún no estamos seguros (es decir, quizá agentes humanos).

Finalmente, transferimos todos los agentes humanos a la casilla amarilla Agentes humanos para diseñar el flujo de trabajo Agentic AI y los agentes de IA en el siguiente paso.

IV. Diseño del flujo de trabajo Agentic

Para el diseño del flujo de trabajo Agentic usamos el DiagramaFormato y las Formas de Flujos de trabajo con agentes de Miro. Ya conocemos las salidas que esperamos de los agentes a partir de II. Análisis del proceso de negocio. En III. Identificación de roles de usuario conocemos los stakeholders que dan insumos a los agentes, es decir, disparan el proceso, redactan instrucciones, aportan información y documentos, responden consultas de los agentes, toman decisiones o verifican y aprueban resultados (interinos).

Hay dos opciones para automatizar el proceso existente con IA:

1. Mantener 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. Replantear completamente el flujo del proceso para aprovechar las ventajas de Agentic AI: 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 mezcla las soluciones.

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

• ¿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?

➡️ Se entrena a un agente de IA con ese conocimiento del dominio.

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

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

• ¿Con qué usuarios (roles) necesitamos interactuar?

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

• ¿Qué actividades se pueden paralelizar?

➡️ Las actividades se distribuyen entre distintos agentes AI.

• ¿Qué actividades necesitan realizarse varias veces para otros agentes?

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

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

➡️ Estas actividades las realizan agentes AI con medidas especiales de seguridad y protección de datos.

• ¿Qué agentes AI internos ya están en uso?

➡️ Se reutiliza el agente AI existente.

• ¿Qué agentes AI externos ya están en uso?

➡️ El agente de IA externo se integra y, si es necesario, es 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, sincronización, etc. del flujo de información y 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 mediante flechas. Por lo 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 exclusivamente de información.

V. Evaluación de datos e IA y roadmap

Algunos agentes de IA necesitan acceso de solo 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 requeridos 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 contamos con los sistemas requeridos en uso, si aún están en fase de planificación o en funcionamiento, o si primero deben diseñarse y desarrollarse. Usamos notas adhesivas verdes, amarillas y rojas y el Lienzo de Madurez de Analítica y AI para ello. El lienzo diferencia entre herramientas generales y aplicaciones específicas en distintos niveles de complejidad y madurez.

② Las cajas verdes describen las aplicaciones específicas para:

a) Operaciones del negocio: aplicaciones puras de procesamiento de datos sin funcionalidad de analítica ni de AI.

b) Informes empresariales: normalmente 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 insight basados en analítica diagnóstica.

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

e) Business Optimization: Aplicaciones para la optimización de procesos de Business basadas en análisis prescriptivo.

f) Business Automation: Aplicaciones para la automatización de procesos de Business basadas en análisis autónomo.

Los agentes de AI a menudo interactúan con las 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 AI:

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

b) Descriptive Analytics: Por ejemplo, herramientas de reportes o paneles.

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

d) Predictive Analytics: Además del software para aprendizaje automático y profundo, también librerías, por ejemplo para redes bayesianas, regresión lineal, etc.

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

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

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

VI. Requisitos de guardrails de IA

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

Al fin y al cabo, a gran poder corresponde una gran responsabilidad. Este principio también está consagrado por la ley, por ejemplo en el AI Act de la UE.

Para garantizar que nuestros AI agents cumplan con los principios de Responsible AI (rAI), necesitamos las llamadas barreras de protección de IA. En un MAS, estas barreras de protección pueden, a su vez, implementarse mediante 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. Security & Safety: Ni el MAS ni sus usuarios deben sufrir ningún daño.

2. Explainability & Transparency: Los usuarios deben poder entender las decisiones y acciones del MAS.

3. Privacy & Fairness: Los usuarios no deben sufrir ninguna desventaja como resultado del MAS.

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

• Input Rail: Por ejemplo, podría revisar la entrada del usuario en busca de inyecciones de instrucciones para proteger los datos de la empresa contra el robo.

• Model Rail: Un ejemplo de cómo garantizar la equidad es monitorear indicadores de calidad del modelo para descartar la discriminación contra grupos de personas.

• Output Rail: Dado que los LLMs alucinan, por ejemplo, es útil una comprobación de plausibilidad del resultado.

En el paso final, los Guardrail Agents (cuadro gris en el diagrama) definen cómo implementar estas reglas y cómo se conectan mediante flechas a los AI Agents.

Para concluir el taller, define tareas concretas y asígnalas a los participantes del taller. ¡Y luego: haz que se realicen!

¿Dónde encontrar más?

Datentreiber no solo te ofrece 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 contenidos de expertos.

• Hay cursos online y presenciales de pago con certificación en la Data & AI Business Design Academy.

• Hay muchas herramientas de gestión adicionales, plantillas para talleres y planos de proyecto disponibles en nuestro Data & AI Business Design Bench comercial.

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

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

Derechos de autor: Todos los derechos reservados por Datentreiber GmbH.