マルチエージェントシステム（MAS）設計ワークショップ

なぜ使うのか？

デザイン思考ワークショップで学際的なチームとともにマルチエージェントシステム（MAS）を設計し、AI によって複雑なプロセスを自動化します。

対象者

マルチエージェントシステムには、以下の分野のさまざまなエキスパートの協力が必要です：

• ビジネスドメインと業務プロセス

• ビッグデータと Agentic AI

• IT、セキュリティー、プライバシー

また、すべての関係者が協力する必要があります：

• ユーザー：従業員および/または顧客

• 開発者：ソフトウェア、データ、および AI エンジニア

• 意思決定者：ビジネスプロセスの所有者

• コンサルタント：プライバシー責任者、セキュリティアドバイザーなど

最後に、異なる関係者をまとめて効果的なチームを形成するためにファシリテーターが必要です。

いつ使う？

チームが集まり、（既存または新規の）ビジネスプロセスを決定した後、このプロセスをエージェント型 AI で自動化・最適化して、効率や効果、あるいは堅牢性を高めたい場合に適しています。

まだプロセスが特定されていない場合は、エージェント型 AI の潜在的な導入事例を特定し、優先順位を付けるために、Lean Data & AI Strategy Workshop をおすすめします。

一日のMASデザインワークショップでは、参加者が目的と主要な成果を明確にし、人間エージェントとAI エージェントを特定して、エージェント間の作業フローと情報フローを設計します。さらに、技術的・分析的基盤を定義し、セキュリティ、プライバシー、公平性などを担保するための必要なガードレールを定めます。

何を使う？

このワークショップ テンプレートは、世界中の多くの著名な企業やコンサルティングファームで採用されている実績のあるData & AI Business Design Methodに基づいています。Data & AI Business Design Kit のキャンバスを使用しており、これはCreative Commonsライセンスの下で無償で提供されています。

使い方

このテンプレートは、1 日のセッション向けに設計されており、半日×2 回に分けて実施することもできます。 当日は参加者が以下の6 つのフェーズを順に進め、各フェーズで使用する6 枚のキャンバス上でいくつかのステップを実行します。 各キャンバスには、各フェーズのステップに対応する丸数字（①、②、...）が記載されています。

I. イントロ

イントロは、参加者全員が同じ目的を共有し、提案された進め方に沿って一緒に進めることを確認する場です。進め方（ワークショップのアジェンダ）を明確にして提示するために、Data & AI デザイン思考 ワークショップ キャンバスを使用し、次のステップを実施します：

① キャンバスのヘッダーをカスタマイズします。会社名と、該当する場合はコンサルティング会社名を指定し、日付を入力してください。この操作は以降のすべてのキャンバスでも行ってください。

② ワークショップの具体的な目的を設定し、望ましい主要な成果（つまり成果物）を定義します。

③-⑦ は、アジェンダ項目、セッション時間などを必要に応じて調整してください。

アジェンダ項目に取り組んでいるときは、該当する付箋の色を黄色に変更し、完了したら緑にしてください。これにより、チームは常に現状を把握できます。

II. ビジネスプロセス分析

次に、エージェント型 AI で自動化・最適化したいビジネスプロセスを可視化して分析します。そのために、バリューチェーン キャンバスを使用し、既存の要素は緑の付箋、計画中の要素は黄色の付箋、欠落している要素は赤の付箋を使います。

① 対象 欄に、ビジネスプロセス名を記入してください。

② バリューチェーン キャンバスの左側、プロセスの始点から始めます：a) ビジネスプロセスを開始する初期状態、基本成果物、またはトリガーは何ですか？b) その初期状態を定義し、基本成果物を提供し、イベントを発生させるのはどの個人、役割、または組織単位ですか（提供者）？

③ 次にバリューチェーン キャンバスの右側、プロセスの終点に進みます：a) ビジネスプロセスの最終状態、最終成果物、または主要な結果は何ですか？b) 最終状態の受益者、最終成果物の消費者、または主要な結果の受取人は誰ですか（顧客）？

④ 次に主要活動、つまりプロセスのワークフローを概説します：必要なアクションは何で、それらはどの順序で発生しますか？代替のフローや並行フローはありますか？

⑤ 主要活動に加えて、サポート活動が必要になることが多いです。どのような一般的な施策や社内組織がビジネスプロセスを支援しているかを明記してください。

⑥ サポート活動が社内ではなく外部企業によって提供され、プロセス全体に関与している場合は、これらを一般サプライヤーとして記載してください。

⑦ 個々のプロセス工程のみを実行または支援する特別なサプライヤーは、特別サプライヤーに分類してください。

⑧ プロセスの効率、効果、品質、安定性などを測る主要業績評価指標（KPI）を青い付箋に記入し、それぞれの目標値を設定してください。

最後に、バリューチェーン キャンバスからエージェント型 AI に関連するすべての目的、主要な成果（Key Results）、および KPI を抽出し、エージェントの出力として緑色のボックス ビジネス目標と主要な成果 に記載してください。

III. ユーザー役割の識別

ビジネスプロセスを把握したので、次はそのプロセスに関わる関係者は誰かを特定します。この質問に答えるために、ステークホルダー分析キャンバスと青い付箋を使って、人物や役割を洗い出します。関係者が担う次のような機能を検討してください（1 人または 1 役割が複数の機能を兼ねることがあります）。

① 対象 欄に、ビジネスプロセス名を書きます。

② 意思決定者：プロセスの流れに影響を与える決定を行うのは誰ですか？

③ 資金提供者：プロセス内で購買、予算、その他（財務）リソースに関する決定が行われる場合、資金を提供するのは誰ですか、またはスポンサーは誰ですか？

④ 最終利用者：プロセスの成果を利用するのは誰ですか（参照：顧客 が記載された バリューチェーン キャンバス）？

⑤ 妨害者：意思決定者、資金提供者、または最終利用者に悪影響を与えることでプロセスを妨害しようとする可能性があるのは誰ですか？

⑥ インフルエンサー：意思決定者、資金提供者、またはエンドユーザーに好影響を与え、プロセスを支援しうるのは誰ですか？

⑦ 助言者：助言的な役割で積極的に関与したり、情報でサポートを提供するのは誰ですか？

⑧ 実行者：実際にプロセスを実行、つまり具体的な作業を行うのは誰ですか？

後のマルチエージェントシステム設計では、一部の人や役割の機能をエージェントが担います。ただし、非常に高い自動化の度合いであっても、ある機能は人間のエージェントに残ります。具体的には、AIエージェントの結果を確認したり、承認を与えたり、自動化されたプロセスのユーザーや受益者になることです。

付箋の色を変えることで、特定の関係者を区別します：

• 緑は、エージェンティック AI プロセスで役割を果たす人間のエージェントを示します。

• 赤は、もはや役割を担わない関係者（つまり、人間のエージェントではない）を示します。

• 黄は、まだ判断がつかない関係者（場合によっては人間のエージェント）を示します。

最後に、すべての人間のエージェントを黄色のボックス 人間のエージェント に移し、次のステップでエージェンティック AI のワークフローと AI エージェントを設計します。

IV. エージェンティック ワークフロー設計

エージェンティック ワークフローの設計では、Miro の ダイアグラム形式 と エージェンティック ワークフロー図形 を使用します。II. ビジネスプロセス分析 ですでにエージェントに期待する成果物は把握しています。III. ユーザー役割の特定 から、エージェントにインプットを与える関係者が分かります。すなわち、プロセスを起動し、プロンプトを作成し、情報や文書を提供し、エージェントからの問い合わせに回答し、意思決定を行う、あるいは（中間）結果を確認して承認する人たちです。

既存のプロセスを AI で自動化する方法は 2 つあります：

1. 既存のプロセスの流れを大きく維持し、作業や意思決定を行う人間のエージェントを AI エージェントに置き換えます。

2. エージェント型 AI の利点を活用するためにプロセスの流れを完全に再設計します。例えば、複数の代替案を並列で処理することなどです。

どちらが適しているかわからない場合は、2 つ（またはそれ以上）のバージョンを設計して比較し、決定するか、両者を組み合わせてください。

AI エージェントの候補を特定するために、ワークショップ参加者に次の質問をしてください：

• 人間のエージェントはどのような業務や責任を担っていますか？

➡️ その人間のエージェントを AI エージェントに置き換えます。

• どの業務が専門的で、ドメイン知識が必要ですか？

➡️ このドメイン知識で AI エージェントを訓練します。

• どの IT システムやデータソースと接続する必要がありますか？

➡️ AI エージェントがデータソースや IT システムのインターフェースとして機能します。

• どのユーザー (アクセス権) とやり取りする必要がありますか？

➡️ AI エージェントがユーザーとのやり取りを担当します。

• どの活動を並列化できますか？

➡️ 活動は異なる AI エージェントに分散されます。

• どの活動が他のエージェントによって複数回利用されますか？

➡️ AI エージェントがこの活動をサービスとして他のエージェントに提供します。

• どの活動に特別なセキュリティおよびデータ保護対策が必要ですか？

➡️ 特別に保護された AI エージェントがこれらの活動を実行します。

• 既に利用されている内部の AI エージェントはどれですか？

➡️ 既存の AI エージェントを再利用します。

• どの外部の AI エージェントが既に導入されていますか？

➡️ 外部の AI エージェントは統合され、必要に応じて内部の AI エージェントによってカプセル化されます。

• どの AI エージェントが他の AI エージェントの調整をサポートできますか？

➡️ 特別な AI エージェントが、情報および作業のフローの委任、集約、同期などを担当します。

MAS 設計を完成させるには、AI エージェントと人間のエージェント間の情報および作業のフローをモデル化する必要があります。これを行うには、ダイアグラムの要素（人間のエージェント、AI エージェント、成果物）を矢印でつなぎます。原則として、情報のフローと作業のフローは同一です。異なる場合は、純粋な情報フローを破線で示すことができます。

V. データおよび AI の評価とロードマップ作成

一部の AI エージェントは、既存のデータソースへの読み取りアクセス、あるいはデータレコードの変更・作成や特定のサブプロセスを起動するための IT システムへの書き込みアクセスを必要とします。他の AI エージェントは、人間のエージェントとやり取りするための大規模言語モデル (LLM) や、出来事やトレンドを予測する予測モデルなどの特定の機能や能力を必要とします。

MAS デザイン ダイアグラムの青い領域に、必要な IT / BI / AI システムを明記し、矢印で AI エージェントに接続します。ここでは Agent2Agent (A2A) や Model Context Protocol (MCP) といったインターフェースも定義できます。

次に、必要なシステムが既に導入済みか、まだ計画中・稼働中か、あるいはまず設計・開発が必要かを評価します。これには緑・黄・赤の付箋と、Analytics & AI Maturity キャンバスを使用します。キャンバスは、一般的なツールと、異なる複雑さや成熟度のレベルにある具体的なアプリケーションを区別します。

② 緑のボックスは、以下の具体的なアプリケーションを示します：

a) Business Operations: 分析や AI 機能を持たない純粋なデータ処理アプリケーション。

b) Business Reporting: 通常、記述的分析に基づいてレポート生成やダッシュボードを自動化するアプリケーション。

c) Business Discovery: 診断的分析に基づき、トレンド、相関、異常などを探索して洞察を得るためのアプリケーション。

d) Business Forecasting: 予測分析に基づき、フォーキャスト（将来予測）、ナウキャスト（現在推定）、バックキャスト（過去の再構築）を行うアプリケーション。

e) Business Optimization: 処方的分析に基づきビジネスプロセスを最適化するアプリケーション。

f) Business Automation: 自律型分析に基づいてビジネスプロセスを自動化するアプリケーション。

AI エージェントは、既存のアプリケーションとアプリケーションプログラミングインターフェイス（API）を介して連携することが多い。

③ 黄色のボックスは、AI エージェントを実装するために使用できるデータおよび分析ツールを想定しています:

a) Data Management: 例えばデータベースシステムなどが含まれます。

b) Descriptive Analytics: 例としてレポーティングやダッシュボード作成ツールなど。

c) Diagnostic Analytics: 統計解析ツールや、例えば A/B テスト用プラットフォームなど。

d) Predictive Analytics: 機械学習・深層学習用ソフトウェアに加え、ベイズネットワークや線形回帰などのライブラリも含まれます。

e) 処方的分析: シミュレーションや最適化の手法、ならびに生成系AIソリューションがここで使われます。

f) 自律型分析: ここでは強化学習アルゴリズムや、エージェント型AI向けの特殊なソリューションなどが用いられます。

必要なすべてのデータと機能について、既存または計画中の IT / BI / AI システムがあることを確認してください。

VI. AI ガードレール要件

ビジネスプロセス、関係者、データソース、IT / BI / AI の能力を検討して、マルチエージェントシステムが実行可能で、望ましく、実現可能であることを確認してきました。もうひとつ重要な基準が残っています：AI システムは責任あるものでなければなりません。

強い力には大きな責任が伴います。この原則は、例えば EU の AI 法（EU AI Act）などの法制度にも明記されています。

AI エージェントが責任あるAI（rAI）の原則に従うことを確実にするため、いわゆるAI ガードレールが必要です。マルチエージェントシステムでは、これらのガードレールは他のエージェントを監視・制御するエージェントによって実装できます。

まず、ガードレール、つまりMAS に課したいルールと制限を定義します。ルールを3つのカテゴリに分けるために、3 ボックス キャンバスを使用します:

1. セキュリティーと安全性: MAS もそのユーザーも損害を被ってはなりません。

2. 説明可能性と透明性: ユーザーが MAS の判断や行動を理解できること。

3. プライバシーと公平性: ユーザーが MAS によって不利益を被らないこと。

また、ガードレールを AI エージェントの入力、内部モデル、および出力に関するものに分類します:

• 入力レール: 例えば、ユーザー入力をプロンプトインジェクションがないかチェックして、企業データの流出を防ぎます.

• モデルレール: 公平性を確保する一例として、モデル品質指標を監視して特定の集団への差別を排除します.

• 出力レール: LLMはハルシネーションを起こすため、例えば出力の妥当性チェックが有用です.

最終段階では、ガードレールエージェント (図の灰色のボックス) が、これらのルールをどのように実装するか、また矢印でAI エージェントにどのように接続されるかを定義します.

ワークショップを締めくくるにあたり、実行する具体的なタスクを定義して参加者に割り当てます. そして: そのタスクを実行して完了させましょう!

詳しくはこちら?

Datentreiber はこの Miroverse テンプレートだけでなく、以下も提供しています:

• Data & AI Business Design Kit は、Data & AI Business Design Method を適用するための多数のオープンソースのキャンバスを提供しています。

• さらに、無料の Data & AI Business Design Community では、交流やイベント、エキスパートによるコンテンツを利用できます。

• 認定付きの有料オンラインおよびオンサイト研修コースは、Data & AI Business Design Academy で受講できます。

• さらに、多数のマネジメントツール、ワークショップ用テンプレート、プロジェクト設計図などが、商用の Data & AI Business Design Bench で入手できます。

• 当社の Data & AI Business Consulting は、データと AI に関する戦略、イノベーション、変革プロジェクトをサポートします。

ご興味がある方、またはご質問やフィードバックがある場合は、以下までお問い合わせください： info@datentreiber.de。

Copyright: 著作権は Datentreiber GmbH に帰属します。