Multi-Agent System (MAS) デザイン ワークショップ

なぜ使うのか？

デザイン思考のワークショップで学際的なチームと協力して Multi-Agent System (MAS) を設計し、AI によって複雑なプロセスを自動化します。

誰が対象か？

マルチエージェントシステムには、次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

さらに、すべての関係者が協力することが必要です。具体的には：

• ユーザー：従業員および／または顧客

• 開発者：ソフトウェアエンジニア、データエンジニア、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、セキュリティ顧問など

最後に、さまざまな関係者をまとめ、効果的なチームを作るためにファシリテーターが必要です。

いつ使う？

チームが結成され、（既存または新たなビジネス）プロセスが決まっている場合に利用します。チームはこのプロセスを Agentic AI で自動化・最適化し、効率性、効果、堅牢性の向上を図りたいと考えています。

まだプロセスが特定されていない場合は、 Lean Data & AI Strategy Workshop を推奨します。 Agentic AI の潜在的な導入事例を洗い出し、優先順位を付けることができます。

1日で実施する MAS デザインワークショップでは、参加者が目的と主要成果を明確にし、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および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、公平性などを確保するために必要なガードレールを明確にします。

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、同キットは Creative Commons ライセンスで無償提供されています。

使い方

本ワークショップ用テンプレートは1日で実施することを想定しており、2回の半日セッションに分割することもできます。1日の中で参加者は以下の6つのフェーズを進み、各フェーズでそれぞれ異なる6つのキャンバス上の複数のステップを実行します。キャンバスには円で囲まれた番号（①、②、…）があり、各フェーズのステップに対応しています。

I. 導入

導入パートでは、参加者全員が同じ目的を共有し、提案された進め方に合意して一緒に進めることを確認します。この進め方（ワークショップのアジェンダ）を整理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、次の手順を実行します：

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記入し、日付を入力してください。この作業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、期待する主要な成果（成果物）を定義してください。

③-⑦ 必要に応じて、アジェンダ項目、セッション時間などを調整します。

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してください。作業が終わったら緑にしてください。これによりチーム全員が現在の状況を常に把握できます。

II. ビジネスプロセス分析

次に、Agentic AI で自動化・最適化したいビジネスプロセスを可視化し、分析します。これには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、欠如している要素は赤の付箋を使います。

① 対象欄に、ビジネスプロセスの名前を記入します。

② バリューチェーンキャンバスの左側、プロセスの開始地点から始めます：

a) 初期状態、基礎製品、またはビジネスプロセスを開始するトリガーは何ですか？

b) 初期状態を定義し、ベース製品を提供する、あるいはイベントを引き起こすのはどの人物、役割、または組織単位ですか（生産者）?

③ 次に、バリューチェーン キャンバスの右側にあるビジネスプロセスの終了部分に進めます：

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、あるいは主要な結果の受取人は誰ですか（顧客）?

④ 次に、主要活動、すなわちプロセスのワークフローを概説します：どのようなアクションが必要で、それらはどの順序で実行されますか？代替フローや並列フローはありますか？

⑤ 主要活動に加えて、しばしば支援活動が必要になります：どのような一般的な施策や社内の組織単位がビジネスプロセスを支えていますか？

⑥ サポート活動が社内で提供されず、外部企業によって行われ、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入してください。

⑦ 個別のプロセス工程のみを実行または支援する特定のサプライヤーは、特定サプライヤーに配置してください。

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指定してください。

最後に、バリューチェーン キャンバスから Agentic AI に関連するすべての目的、主要成果、および KPI を抽出し、緑のボックスビジネス目標と主要成果にエージェントの出力として記入してください。

III. ユーザー役割の識別

業務プロセスを把握した上で、このプロセスに関わる関係者は誰か、という問いに答えられます。この問いに答えるために、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特定します。関係者は次のような機能を担うことがあり（1 人または1 つの役割が複数の機能を兼ねる場合があります）：

① 対象 欄に、業務プロセス名を書いてください。

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 経済的意思決定者：プロセス中に購買や予算、その他（財務）リソースに関する意思決定が行われる場合、資金を提供するのは誰ですか、あるいはスポンサーは誰ですか？

④ エンドユーザー：プロセスの成果を利用するのは誰ですか（バリューチェーンキャンバスの顧客を参照）？

⑤ 妨害者：意思決定者、経済的意思決定者、またはエンドユーザーに対してネガティブに影響を与え、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、購買決定者、またはエンドユーザーに好影響を与えてプロセスを支援する可能性があるのは誰ですか?

⑦ 助言者: 助言的な役割で積極的にプロセスに関与する、あるいは情報で支援するのは誰ですか?

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、エージェントが一部の人や役割の機能を担います。しかし、高度に自動化されていても、特定の機能は人間エージェントに残ります: 彼らはAIエージェントの結果を確認したり、承認を行ったり、自動化されたプロセスの利用者や受益者であることがあります。

付箋の色を変えることで、特定の関係者を識別します:

• 緑は、Agentic AI のプロセスで役割を果たす人間エージェントです。

• 赤は、もはや役割を担わない関係者（つまり人間エージェントが関与しない）です。

• 黄色は、まだ判断がつかない関係者（つまり場合によっては人間エージェントとなる可能性がある）です。

最後に、すべての人間エージェントを黄色いボックスの Human Agents に移し、次のステップで Agentic AI 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 ワークフロー設計には、Miro の DiagramFormat と Agentic Workflows Shapes を使用します。II. ビジネスプロセス分析から、エージェントに期待する出力はすでに把握しています。III. ユーザー役割の特定からは、エージェントに入力を与える関係者がわかります。つまり、プロセスを起動したり、プロンプトを作成したり、情報や文書を提供したり、エージェントからの問い合わせに回答したり、意思決定を行ったり、（中間）結果を確認・承認したりする関係者です。

既存のプロセスを AI で自動化するには、次の 2 つの選択肢があります：

1. 既存のワークフローを大部分そのまま維持し、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る。

2. Agentic AI の利点を最大限に活かすためにワークフローを根本的に再設計する。たとえば、複数の代替案を並列で処理することなど。

どちらが適しているか判断がつかない場合は、2 つ（またはそれ以上）のバージョンを設計してから決めるか、解決策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には、ワークショップ参加者に次の質問を投げかけてください：

• 人間のエージェントはどのような活動や責任を担っているか？

➡️ その人間のエージェントを AI エージェントに置き換える。

• どのような専門的なタスクがあり、特定のドメイン知識を必要とするか？

➡️ そのドメイン知識で AI エージェントを学習させる。

• どの IT システムまたはデータソースを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イ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行います。

• どの活動を並列化できますか？

➡️ その活動は複数の AI エージェントに割り当てられます。

• どの活動が他のエージェントに複数回必要とされますか？

➡️ ある AI エージェントがそ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。

• どの社内の AI エージェントが既に利用されていますか？

➡️ 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？

➡️ 特殊なAIエージェントが情報フローやワークフローの委譲、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エージェント間の情報フローとワークフローをモデル化する必要があります。これを行うために、ダイアグラム要素（人間エージェント、AIエージェント、成果物）を矢印でつなぎます。原則として、情報フローとワークフローは一致します。異なる場合は、情報フローのみを破線で表すこともできます。

V. データとAIの評価およびロードマップ作成

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権限や、データレコードの変更・作成、特定のサブプロセスの起動のための IT システムへの書き込み権限を必要とします。その他の 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、出来事や傾向を予測するための予測モデルなど、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を使って、必要な IT / BI / AI システムを指定し、矢印で AI エージェントに接続します。ここで、Agent2Agent (A2A) や Model Context Protocol (MCP) のようなインターフェースも定義できます。

次に、必要なシステムがすでに稼働しているか、まだ計画段階または作業中か、それともまず設計・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、汎用ツールと、複雑さや成熟度の異なるレベルにある特定のアプリケーションを区別します。

② 緑のボックスは、次の特定の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、純粋なデータ処理用アプリケーション。

b) Business Reporting: 通常は記述的分析に基づき、レポート生成やダッシュボードの自動化を行うアプリケーション。

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: 予測分析に基づいて、フォーキャスト、ナウキャスト、またはバックキャストを行うアプリケーション。

e) ビジネス最適化: 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) ビジネス自動化: 自律的な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ース（API）を介してやり取りすることが多い。

③ 黄色のボックスは、AI エージェントを実装するために利用できるデータおよび分析ツールを示す。

a) データ管理: 例として、データベースシステムなどが含まれる。

b) 記述分析: 例えば、レポートやダッシュボード作成ツール。

c) 診断分析: 統計解析ツールや、例えば A/B テスト用のプラットフォームなど。

d) 予測分析: 機械学習や深層学習のソフトウェアに加え、ベイジアンネットワークや線形回帰などのライブラリも含まれる。

e) 処方的アナリティクス: シミュレーションや最適化の手法に加え、生成系 AI ソリューションも利用されます。

f) 自律型アナリティクス: 強化学習アルゴリズムなどが用いられるほか、エージェント型 AI 向けの専用ソリューションが使われます。

必要なすべてのデータと機能に対して、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、および IT / BI / AI の能力を検討し、Multi-Agent System（MAS）が実行可能で、ニーズに合致し、技術的に実現可能であることを確認しました。もう一つ欠けている重要な基準があります：AI システムは責任あるものでなければなりません。

結局のところ、力が大きければそれだけ責任も伴います。この原則は、例えば EU の AI 法（EU AI Act）のように法律にも明記されています。

Responsible AI (rAI) の原則に従わせるために、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（MAS）では、これらのガードレールを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 に課したいルールや制約を定義します。3 Boxes キャンバスを使って、それらのルールを3つのカテゴリに分けます:

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 の意思決定や行動を理解できること。

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

また、AI エージェントの入力、内部モデル、出力に関するガードレールを区別します:

• Input Rail: 例えば、ユーザーの入力をプロンプトインジェクションがないか確認し、社内データの盗難から保護します。

• Model Rail: 公平性を確保する一例として、モデルの品質指標を監視し、特定の集団に対する差別が行われていないことを確認します。

• Output Rail: 例えばLLMは幻覚（ハルシネーション）を起こすことがあるため、出力の妥当性チェックが有用です。

最終段階では、Guardrail Agents（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、およびそれらが矢印でどのようにAI Agentsに接続されるかを定義します。

ワークショップの締めくくりとして、実行すべき具体的なタスクを定義し、参加者に割り当てます。最後に、それらのタスクを実行してください。

さらに詳しく

Datentreiber はこの Miroverse の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 を適用するための数多くのオープンソースのキャンバスを提供します。

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

• 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。

• その他多数のマネジメントツール、ワークショップ テンプレート、プロジェクト用ブループリントは、当社の商用 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の戦略、イノベーション、トランスフォーメーションに関する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、以下までご連絡ください: info@datentreiber.de.

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