멀티 에이전트 시스템 (MAS) 디자인 워크숍

사용 이유

디자인 싱킹 워크숍에서 인터디스플리너리 팀과 함께 멀티 에이전트 시스템(MAS)을 설계하여 AI로 복잡한 프로세스를 자동화합니다.

사용 대상

멀티 에이전트 시스템은 다음 분야의 다양한 전문가의 협업을 필요로 합니다:

• 비즈니스 도메인 및 프로세스

• 빅데이터와 에이전틱 AI

• IT, 보안 및 프라이버시

또한 모든 이해관계자가 함께 작업해야 합니다, 즉:

• 사용자: 직원 및/또는 고객

• 개발자: 소프트웨어, 데이터 및 AI 엔지니어

• 의사 결정자: 비즈니스 프로세스 소유자

• 컨설턴트: 개인정보 보호 책임자, 보안 고문 등

마지막으로, 효과적인 팀을 구성하기 위해 다양한 사람들을 모으는 퍼실리테이터가 필요합니다.

언제 사용해야 하나요?

팀이 모여서 (기존 또는 새로운 비즈니스) 프로세스를 결정했습니다. 팀은 효율성, 효과성 및/또는 강건성을 높이기 위해 Agentic AI로 이 프로세스를 자동화하고 최적화하려고 합니다.

아직 프로세스가 식별되지 않았다면, Agentic AI에 대한 잠재적 사용 사례를 식별하고 우선순위를 지정하기 위해 Lean Data & AI 전략 워크숍을 권장합니다.

1일 동안 진행되는 MAS 디자인 워크숍에서는 참가자가 목표 및 주요 결과를 명확히 하고, 인간 에이전트와 인공지능 에이전트를 식별하며, 에이전트 간의 작업 및 정보 흐름을 설계합니다. 또한, 보안, 프라이버시, 공정성 등을 보장하기 위한 기술적 및 분석적 기반이 정의되고 필요한 가드레일이 명확히 지정됩니다.

사용할 것

이 워크숍 템플릿은 다수의 명성 있는 기업과 컨설팅 회사가 전 세계적으로 사용하는 입증된 데이터 & AI 비즈니스 디자인 방법에 기반을 두고 있습니다. 데이터 & AI 비즈니스 디자인 키트의 캔버스를 사용하며, 이는 크리에이티브 커먼즈 라이선스하에 무료로 제공됩니다.

사용 방법

이 워크숍 템플릿은 하루 일정으로 설계되었으며 두 개의 반나절 세션으로 나눌 수 있습니다. 하루 동안 참여자들은 다음 여섯 개의 단계와 각 단계별로 여섯 개의 다른 캔버스에서 여러 단계를 수행합니다. 캔버스에는 각 단계의 단계에 해당하는 동그라미 숫자(①, ②, ...)가 있습니다.

I. 소개

소개는 모든 참가자가 동일한 목표를 추구하며 제안된 경로를 함께 따르기로 동의하도록 하는 것입니다. 이 경로(즉, 워크숍 일정)를 개요화하고 발표하기 위해, 우리는 데이터 & AI 디자인 싱킹 워크숍 캔버스를 사용하고 다음 단계를 수행합니다:

① 회사와, 해당되는 경우 컨설팅사를 명시하고 날짜를 입력하여 캔버스 헤더를 커스터마이즈합니다. 이 단계는 모든 후속 캔버스에서도 수행해야 합니다.

② 워크숍의 구체적인 목표를 설정하고 원하는 주요 결과(즉, 산출물)를 정의합니다.

③-⑦ 아젠다 항목, 세션 시간 등을 필요에 따라 조정합니다.

아젠다 항목을 작업할 때 해당 스티커 메모의 색상을 노란색으로 변경합니다. 작업이 완료되면 초록색으로 표시하세요. 이를 통해 팀이 항상 현재 상태를 개관할 수 있습니다.

II. 비즈니스 프로세스 분석

다음으로, 우리가 Agentic AI로 자동화하고 최적화하려는 비즈니스 프로세스를 시각화하고 분석해야 합니다. 이를 위해, Value Chain Canvas와 기존 요소는 초록색 스티커 메모, 계획된 요소는 노란색, 부족한 요소는 빨간색으로 구분하여 사용합니다.

① 집중 분야란에 비즈니스 프로세스의 이름을 적습니다.

② Value Chain Canvas의 왼쪽부터 프로세스의 시작을 기록하세요:

a) 초기 상태, 기본 제품, 또는 비즈니스 프로세스를 시작하는 트리거는 무엇인가요?

b) 초기 상태를 정의하고, 기본 제품을 제공하며, 이벤트를 시작하는 일반적인 인물, 역할 또는 조직 단위는 무엇인가 (Producers)?

③ 그런 다음, Value Chain Canvas의 오른쪽에서 비즈니스 프로세스의 끝을 계속 다루십시오:

a) 비즈니스 프로세스의 최종 상태, 최종 제품, 혹은 핵심 결과는 무엇인가?

b) 최종 상태의 수혜자, 최종 제품의 소비자, 또는 핵심 결과의 수신자는 누구인가 (Customers)?

④ 이제 주요 활동, 즉 프로세스의 워크플로를 개요로 작성하십시오: 어떤 행동이 필요하며 그것들은 어떤 순서로 발생합니까? 어떤 대체 또는 병렬 흐름이 존재합니까?

⑤ 주요 활동 외에도 지원 활동이 종종 필요합니다: 어떤 일반적이고 내부적인 조치/조직 단위가 비즈니스 프로세스를 지원합니까?

⑥ 지원 활동이 내부에서 제공되지 않고 외부 회사에 의해 제공되며 전체 프로세스에 걸쳐 관여하게 된다면, 이러한 사항들을 일반 공급업체 아래에 기록하십시오.

⑦ 개별 프로세스 단계를 수행하거나 지원하는 특별한 공급업체는 특별 공급업체 아래에 배치해야 합니다.

⑧ 프로세스의 효율성, 효과성, 품질, 안정성 등을 측정하는 핵심 성과 지표(KPI)를 푸른색 스티커 메모에 명시하고 해당 목표 값을 지정하세요.

마지막으로, 에이전틱 AI에 관련된 모든 목표, 핵심 결과, KPI를 가치 사슬 캔버스에서 추출하여 녹색 상자 비즈니스 목표 및 핵심 결과에 에이전트의 결과물로 지정하십시오.

III. 사용자 역할 식별

비즈니스 프로세스를 알고 이해한 지금, 우리는 프로세스의 맥락에서 이해관계자가 누구인지 질문에 답할 수 있습니다. 이 질문에 답하기 위해 이해관계자 분석 캔버스와 파란 스티커 메모를 사용하여 해당 인물이나 역할을 식별합니다. 이해관계자의 다음 기능을 고려해야 합니다 (한 사람/역할이 여러 기능을 수행할 수도 있습니다):

① 집중된 부분 필드에 비즈니스 프로세스의 이름을 적습니다.

② 의사 결정자: 프로세스의 흐름에 영향을 미치는 결정을 내리는 사람은 누구입니까?

③ 경제적 구매자: 구매, 예산, 또는 기타 (재정) 자원 결정을 프로세스 중에 내린다면, 돈을 제공하거나 후원하는 사람은 누구입니까?

④ 최종 사용자: 프로세스의 결과를 사용하는 사람은 누구입니까 (cf. 고객가치 체인 캔버스)?

⑤ 방해자: 의사 결정자, 경제적 구매자, 또는 최종 사용자를 부정적으로 영향을 주어 프로세스를 방해할 수 있는 사람은 누구입니까?

⑥ 영향력 행사자: 프로세스를 지원하기 위해 의사 결정자, 경제 구매자 또는 최종 사용자를 긍정적으로 영향을 줄 수 있는 사람은 누구입니까?

⑦ 추천자: 조언 역할로서 프로세스에 적극적으로 관여하거나 정보를 제공하여 지원하는 사람은 누구입니까?

⑧ 실행자: 실제로 프로세스를 실행하는, 즉 행동을 수행하는 사람은 누구입니까?

후속 다중 에이전트 시스템 설계에서, 에이전트는 일부 사람/역할의 기능을 맡습니다. 하지만 매우 높은 수준의 자동화가 이루어지더라도, 특정 기능은 인간 에이전트가 유지합니다: 그들은 AI 에이전트의 결과를 검토하고, 승인을 부여하며, 자동화된 프로세스의 사용자 및/또는 수혜자입니다.

스티커 메모의 색상을 변경하여 특정 이해관계자를 표시합니다.

• 녹색은 에이전틱 AI 프로세스에서 역할을 하는 사람 에이전트입니다.

• 빨간색은 더 이상 역할을 담당하지 않는 이해관계자입니다 (즉, 사람 에이전트 아님).

• 노란색은 아직 확신이 없는 이해관계자입니다 (즉, 아마도 사람 에이전트일 수 있음).

마지막으로, 모든 사람 에이전트를 노란 상자 사람 에이전트로 옮겨 다음 단계에서 에이전틱 AI 워크플로와 AI 에이전트를 설계합니다.

IV. 에이전틱 워크플로 설계

에이전틱 워크플로를 설계하기 위해, Miro의 다이어그램형식과 에이전틱 워크플로 도형을 사용합니다. 우리는 II. 비즈니스 프로세스 분석에서 에이전트로부터 기대하는 출력물을 이미 알고 있습니다. III. 사용자 역할 식별에서는 에이전트에게 입력을 제공하는 이해관계자에 대해 알고 있으며, 이들은 프로세스를 트리거하고, 프롬프트를 작성하며, 정보와 문서를 제공하고, 에이전트의 질문에 답하고, 결정을 내리거나 (중간) 결과를 확인하고 승인합니다.

기존 프로세스를 AI로 자동화하는 두 가지 옵션이 있습니다:

1. 기존 프로세스 흐름을 대부분 유지하면서 인간 에이전트를 대체하여 AI 에이전트가 작업을 수행하고 결정을 내리도록 합니다.

2. 프로세스 흐름을 완전히 재구성하여 에이전틱 AI의 이점을 활용합니다. 예를 들면 여러 대안 솔루션의 병렬 처리를 들 수 있습니다.

어떤 변형이 더 나은지 확신이 서지 않는 경우 두 가지 (또는 그 이상의) 버전을 설계한 후 결정하거나 솔루션을 혼합해보세요.

AI 에이전트 후보를 식별하기 위해 워크숍 참가자에게 다음과 같은 질문을 해보세요:

• 인간 에이전트가 맡고 있는 작업이나 책임은 무엇입니까?

➡️ 인간 에이전트는 AI 에이전트가 됩니다.

• 특수 도메인 지식이 필요한 전문 작업은 무엇입니까?

➡️ AI 에이전트가 이 도메인 지식으로 훈련됩니다.

• 어떤 IT 시스템이나 데이터 소스에 연결해야 하나요?

➡️ AI 에이전트가 데이터 소스나 IT 시스템에 대한 인터페이스 역할을 합니다.

• 어떤 사용자(역할)와 상호작용이 필요한가요?

➡️ AI 에이전트가 사용자와의 커뮤니케이션을 처리합니다.

• 어떤 액티비티를 병렬로 처리할 수 있나요?

➡️ 액티비티들은 서로 다른 AI 에이전트에게 분배됩니다.

• 어떤 액티비티를 다른 에이전트들이 여러 번 요구하나요?

➡️ AI 에이전트가 이 액티비티를 다른 에이전트에게 서비스로 제공합니다.

• 어떤 액티비티가 특수한 보안 및 데이터 보호 조치를 필요로 하나요?

➡️ 특별히 보안이 강화된 AI 에이전트가 이러한 액티비티를 수행합니다.

• 어떤 내부 AI 에이전트가 이미 사용되고 있나요?

➡️ 현재 사용 중인 AI 에이전트를 재사용합니다.

• 어떤 외부 AI 에이전트가 이미 존재하나요?

➡️ 외부 AI 에이전트는 내부 AI 에이전트에 의해 통합되고 필요에 따라 캡슐화됩니다.

• 다른 AI 에이전트를 조정하는 데 어떤 AI 에이전트가 지원할 수 있나요?

➡️ 특별한 AI 에이전트가 정보 및 워크플로우의 위임, 집계, 동기화 등을 담당합니다.

MAS 설계를 완료하려면 AI와 인간 에이전트 간의 정보 흐름과 워크플로우를 모델링해야 합니다. 이를 위해 다이어그램 요소(인간 에이전트, AI 에이전트, 산출물)를 화살표로 연결합니다. 일반적으로 정보 흐름과 워크플로우는 동일합니다. 그렇지 않은 경우에는 점선으로 순수한 정보 흐름을 나타낼 수 있습니다.

V. 데이터 및 AI 평가 및 로드맵 작성

일부 AI 에이전트는 기존 데이터 소스에 읽기 접근 권한을 필요로 하거나, 데이터를 변경하거나 생성하기 위해 IT 시스템에 쓰기 접근 권한을 필요로 하며, 특정 하위 프로세스를 트리거해야 할 수 있습니다. 다른 AI 에이전트는 인간 에이전트와 소통하기 위한 대형 언어 모델(LLM)이나 사건과 추세를 예측하기 위한 예측 모델 같은 특정 기능과 역량을 요구합니다.

우리는 MAS 디자인 다이어그램의 파란 영역을 사용해 필요한 IT/BI/AI 시스템을 명시하고, 이를 AI 에이전트에 화살표로 연결합니다. 이곳에서 에이전트 간 통신(Agent2Agent, A2A)이나 모델 컨텍스트 프로토콜(MCP) 같은 인터페이스도 정의할 수 있습니다.

다음으로 필요한 시스템이 이미 사용 중인지, 아직 계획 중이거나 작업 단계에 있는지, 또는 처음부터 설계 및 개발이 필요한지를 평가합니다. 이를 위해 녹색, 노란색, 빨간색 스티커 메모와 Analytics & AI Maturity 캔버스를 사용합니다. 이 캔버스는 일반 도구와 특정 애플리케이션을 복잡성과 성숙도의 다양한 수준에 따라 구분합니다.

② 녹색 상자는 다음의 구체적 애플리케이션을 설명합니다:

a) 사업 운영: 분석 또는 AI 기능이 없는 순수한 데이터 처리 애플리케이션.

b) 사업 보고: 주로 설명적 분석에 기반해 보고서 생성 또는 대시보드 자동화를 위한 애플리케이션.

c) 사업 탐색: 추세, 상관관계, 이상 현상 등을 탐색하여 진단 분석을 기반으로 인사이트를 얻기 위한 애플리케이션.

d) 사업 예측: 예측, 즉시 분석, 과거 회고 등을 예측 분석에 기반으로 하는 애플리케이션.

e) 비즈니스 최적화: 처방 분석을 기반으로 비즈니스 프로세스를 최적화하는 애플리케이션.

f) 비즈니스 자동화: 자율 분석을 기반으로 비즈니스 프로세스를 자동화하는 애플리케이션.

AI 에이전트는 종종 응용 프로그래밍 인터페이스(API)를 통해 기존 애플리케이션과 상호 작용합니다.

③ 노란색 상자는 AI 에이전트를 구현하는 데 사용할 수 있는 데이터 및 분석 도구를 위한 것입니다:

a) 데이터 관리: 예를 들어, 데이터베이스 시스템을 포함합니다.

b) 기술 분석: 예를 들어 보고 또는 대시보드 도구입니다.

c) 진단 분석: 통계 분석 도구 또는, 예를 들어 A/B 실험을 위한 플랫폼입니다.

d) 예측 분석: 머신 러닝 및 딥 러닝 소프트웨어 외에도 베이지안 네트워크, 선형 회귀 등과 같은 라이브러리도 포함됩니다.

e) 처방 분석: 시뮬레이션 및 최적화 방법과 생성 AI 솔루션이 여기에서 사용됩니다.

f) 자율 분석: 강화 학습 알고리즘이나 에이전틱 AI를 위한 특별한 솔루션이 여기에서 사용됩니다.

필요한 모든 데이터와 기능성을 위한 기존 또는 계획된 IT / BI / AI 시스템이 있는지 확인합니다.

VI. AI 보호 가드 요구사항

우리는 비즈니스 프로세스, 이해관계자, 데이터 원천, IT / BI / AI 역량을 통해 우리 다중 에이전트 시스템이 실행 가능하고, 원하는 것이며, 실현 가능한지 확인했습니다. 그러나 여전히 중요한 기준이 하나 남아 있습니다: AI 시스템은 책임이 있어야 합니다.

결국 큰 힘에는 큰 책임이 따릅니다. 이 원칙은 EU AI 법령과 같이 법으로도 명시되어 있습니다.

AI 에이전트가 책임 있는 AI(rAI) 원칙을 준수하도록 하기 위해서는 이른바 AI 가드레일이 필요합니다. 다중 에이전트 시스템에서는 이러한 가드레일을 다른 에이전트를 모니터링하고 제어하는 에이전트를 통해 구현할 수 있습니다.

우선, 우리가 MAS에 부과하고자 하는 규칙과 제한을 의미하는 가드레일을 정의합니다. 3개 박스 캔버스를 사용하여 규칙을 세 가지 범주로 나눕니다:

1. 보안 및 안전: MAS나 그 사용자가 어떠한 피해도 입어서는 안 됩니다.

2. 설명 가능성과 투명성: 사용자는 MAS의 결정 및 행동을 이해할 수 있어야 합니다.

3. 프라이버시 및 공정성: 사용자가 MAS로 인해 어떠한 불이익도 받아서는 안 됩니다.

또한 AI 에이전트의 입력, 내부 모델, 출력과 관련된 가드레일을 구분합니다:

• 입력 부문 레일: 예를 들어, 사용자 입력을 검사하여 프롬프트 인젝션을 방지함으로써 회사 데이터를 도난으로부터 보호할 수 있습니다.

• 모델 레일: 예를 들어 그룹에 대한 차별을 배제하기 위해 모델 품질 지표를 모니터링하여 공정성을 보장할 수 있습니다.

• 출력 레일: LLM인 경우 환각 현상이 있으므로 출력의 타당성 검사가 유용합니다.

마지막 단계에서는 가드레일 에이전트(다이어그램의 회색 상자)가 이 규칙을 구현하는 방법과 AI 에이전트로 연결되는 화살표를 정의합니다.

워크숍을 마무리하기 위해 구체적인 작업을 지정하고 워크숍 참가자에게 할당하세요. 그리고 작업을 완료하세요!

더 알아보려면 어디로?

Datentreiber는 이 Miroverse 템플릿뿐만 아니라 다음을 제공합니다:

• Data & AI 비즈니스 디자인 키트는 Data & AI 비즈니스 디자인 방법에 적용할 수 있는 다양한 오픈 소스 캔버스를 제공합니다.

• 또한, 무료 Data & AI 비즈니스 디자인 커뮤니티는 교류와 이벤트, 전문 콘텐츠를 위한 공간입니다.

• 인증이 포함된 유료 온라인 및 온사이트 교육 과정은 Data & AI 비즈니스 디자인 아카데미에서 이용할 수 있습니다.

• 많은 추가 관리 도구, 워크숍 템플릿 및 프로젝트 청사진은 상업용 Data & AI 비즈니스 디자인 벤치에서 제공됩니다.

• 저희 데이터 및 AI 비즈니스 컨설팅는 데이터 및 AI 전략, 혁신, 변혁 프로젝트에 지원을 제공합니다.

관심이 있으시거나 질문 또는 피드백이 있으시면, info@datentreiber.de로 문의해 주세요.

저작권:Datentreiber GmbH의 모든 권리가 보유되어 있습니다.