멀티 에이전트 시스템(MAS) 설계 워크숍

왜 사용해야 하나요?

디자인 싱킹 워크숍에서 멀티 에이전트 시스템(MAS)을 설계하여 AI로 복잡한 프로세스를 자동화하세요.

누가 사용해야 하나요?

멀티 에이전트 시스템은 다음과 같은 분야의 다양한 전문가들의 협업이 필요합니다:

• 비즈니스 도메인 및 프로세스

• 빅데이터 및 에이전틱 AI

• IT, 보안 및 개인정보 보호

또한 모든 이해관계자가 함께 일해야 합니다, 즉:

• 사용자: 직원 및/또는 고객

• 개발자: 소프트웨어, 데이터 & AI 엔지니어

• 의사 결정자: 비즈니스 프로세스 책임자

• 컨설턴트: 개인정보 보호 책임자, 보안 고문 등

마지막으로, 다양한 사람들을 하나로 묶어 효과적인 팀을 구성할 퍼실리테이터가 필요합니다.

언제 사용하나요?

팀은 모여서 (기존 또는 새로운 비즈니스) 프로세스를 결정했습니다. 팀은 에이전틱 AI를 통해 이 프로세스를 자동화하고 최적화하여 효율성, 효과성 및/또는 강건성을 높이고자 합니다.

아직 결정된 프로세스가 없다면, 에이전틱 AI의 잠재적 사용 사례를 식별하고 우선순위를 지정하기 위해 Lean Data & AI Strategy Workshop를 권장합니다.

하루 동안 진행되는 MAS 디자인 워크숍에서는 참가자들이 목표 및 주요 결과를 명확히 하고, 인간 및 인공 에이전트를 식별하며 에이전트 간 작업 및 정보 흐름을 설계합니다. 이와 더불어, 보안, 프라이버시, 공정성을 보장하기 위한 필수 가드레일을 마련하고 기술 및 분석 기반을 정의합니다.

무엇을 사용할까요?

이 워크숍 템플릿은 전 세계의 많은 유명 기업들과 컨설팅 업체가 사용하는 검증된 데이터 & AI 비즈니스 디자인 방법론에 기반하고 있습니다. 데이터 & AI 비즈니스 디자인 키트의 캔버스를 활용하며, 이는 크리에이티브 커먼즈 라이선스 하에 무료로 제공됩니다.

사용 방법

이 워크숍 템플릿은 하루 동안 진행할 수 있는 세션을 위해 설계되었으며, 두 개의 반나절로 나눌 수 있습니다. 하루 동안 참가자들은 다음 여섯 단계를 진행하며, 각 단계마다 여섯 개의 다른 캔버스에 여러 단계를 수행합니다. 캔버스에는 각각의 단계에 해당하는 단계 번호가 원 안에 표시되어 있습니다(①, ②, ...).

I. 소개

소개는 모든 참가자가 동일한 목표를 추구하고 제안된 경로를 함께 따를 의지가 있음을 보장하는 것입니다. 이 경로(즉, 워크숍 일정)를 개략적으로 설명하고 제시하기 위해 우리는 디자인 싱킹 워크숍 캔버스를 사용하여 다음 단계를 수행합니다.

① 회사와 컨설팅이 해당되는 경우, 캔버스 헤더를 맞춤화하여 날짜를 입력합니다. 이 단계는 이후의 모든 캔버스에서도 수행해야 합니다.

② 워크숍의 특정 목표를 설정하고 원하는 핵심 결과(즉, 산출물)를 정의합니다.

③-⑦ 필요에 따라 의제 항목, 세션 시간 등을 조정합니다.

의제 항목을 작업할 때는 해당 스티커 메모의 색깔을 노란색으로 바꾸세요. 완료되면 초록색으로 표시합니다. 이를 통해 팀은 항상 현재 상태를 개략적으로 파악할 수 있습니다.

II. 비즈니스 프로세스 분석

다음으로 우리가 Agentic AI로 자동화하고 최적화하고자 하는 비즈니스 프로세스를 시각화하고 분석해야 합니다. 이를 위해 값 사슬 캔버스를 사용하고 기존 요소에는 초록색 스티커 메모, 계획된 요소에는 노란색, 누락된 요소에는 빨간색 스티커 메모를 사용합니다.

① 집중할 비즈니스 프로세스 칸에 비즈니스 프로세스의 이름을 적습니다.

② 값 사슬 캔버스의 왼쪽에서 프로세스의 시작을 시작합니다:

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

b) 초기 상태를 정의하고, 기본 제품을 제공하거나 이벤트를 트리거하는 사람, 역할, 또는 조직 단위는 누구인가 (제작자)?

③ 그 다음 비즈니스 프로세스의 끝을 캔버스의 오른쪽에서 계속 이어나가세요:

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

b) 최종 상태의 수혜자, 최종 제품의 소비자, 또는 핵심 결과의 수취인은 누구인가 (고객)?

④ 이제 주요 활동, 즉 프로세스의 워크플로를 작성하세요: 어떤 작업이 필요하며 어떤 순서로 발생하는가? 대안적이거나 병렬적인 흐름이 있는가?

⑤ 주요 활동 외에도 지원 활동이 종종 필요하다: 어떤 일반적이고 내부적인 조치 또는 조직 단위가 비즈니스 프로세스를 지원하는가?

⑥ 지원 활동이 내부가 아니라 외부 회사에 의해 제공되고 전체 과정에 걸쳐 관여된다면, 이를 일반 공급업체 아래에 기록합니다.

⑦ 개별 프로세스 단계를 수행하거나 지원하는 특별 공급업체는 특별 공급업체 분류에 등록해야 합니다.

⑧ 프로세스의 효율성, 효과성, 품질, 안정성 등을 측정하고 해당 목표 값을 지정하는 KPI (주요 성과 지표)를 파란색 스티커 메모에 명시합니다.

마지막으로, Agentic AI 관련 목표, 주요 결과물 및 KPI를 가치 사슬 캔버스에서 추출하여 비즈니스 목표 및 주요 결과라는 녹색 박스에 에이전트의 출력으로 지정하세요.

III. 사용자 역할 식별

이제 비즈니스 과정을 알고 이해했으므로, 프로세스의 맥락에서 이해관계자는 누구인지 질문에 답할 수 있습니다. 이를 위해 이해관계자 분석 캔버스와 파란색 스티커 메모를 사용하여 사람이나 역할을 식별합니다. 이해관계자의 다음 기능을 고려해야 합니다 (한 사람/역할이 여러 기능을 수행할 수도 있습니다):

① 집중하는 영역 칸에 비즈니스 프로세스의 이름을 적습니다.

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

③ 경제 구매자: 프로세스 중 구매, 예산 또는 기타 (재정적) 자원 결정이 이루어질 때, 자금을 제공하거나 후원자는 누구입니까?

④ 최종 사용자: 프로세스 결과를 사용하는 사람은 누구입니까? (Value Chain Canvas의 고객 참조)

⑤ 훼방자: 의사 결정자, 경제 구매자 또는 최종 사용자에게 부정적인 영향을 미쳐 프로세스를 방해할 수 있는 사람은 누구입니까?

⑥ 영향력 행사자: 의사 결정자, 경제적 구매자 또는 최종 사용자에게 긍정적인 영향을 미쳐 프로세스를 지원할 수 있는 사람은 누구인가요?

⑦ 추천자: 과정에서 조언을 제공하거나 정보를 지원하는 역할을 담당하는 사람은 누구인가요?

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

이후 다중 에이전트 시스템 설계에서는 일부 사람이나 역할을 에이전트가 맡게 됩니다. 하지만 자동화가 매우 높은 수준일지라도, 특정 기능은 인간 에이전트에게 남아있습니다. 이들은 AI 에이전트의 결과를 검사하고, 승인하며, 자동화된 프로세스의 사용자이거나 수혜자가 됩니다.

스티커 메모의 색상을 변경하여 특정 이해관계자를 표시합니다:

• 녹색은 에이전틱 AI 프로세스에서 역할을 하는 인간 에이전트입니다.

• 빨간색은 더 이상 역할을 하지 않는 이해관계자입니다 (즉, 인간 에이전트가 아님).

• 노란색은 아직 확실하지 않은 이해관계자입니다 (즉, 인간 에이전트일 수도 있음).

마지막으로 모든 인간 에이전트를 노란색 박스 인간 에이전트로 옮겨 에이전틱 AI 워크플로와 AI 에이전트를 다음 단계에서 설계합니다.

IV. 에이전틱 워크플로 설계

에이전틱 워크플로 설계를 위해 Miro의 다이어그램포맷과 에이전틱 워크플로 도형을 사용합니다. II. 비즈니스 프로세스 분석에서 에이전트에게 기대하는 결과를 이미 알고 있습니다. III. 사용자 역할 식별에서는 에이전트에게 입력을 제공하는 이해관계자들, 즉, 프로세스를 시작하고, 프롬프트를 작성하고, 정보와 문서를 제공하고, 에이전트의 문의를 답변하고, 결정을 내리거나 (중간) 결과를 확인하고 승인하는 이해관계자들을 알고 있습니다.

기존 프로세스를 AI로 자동화하기 위한 두 가지 옵션이 있습니다:

1. 기존의 프로세스 흐름을 크게 유지하면서, 사람 에이전트를 AI 에이전트로 대체하여 작업을 수행하고 결정을 내리는 것입니다.

2. 에이전트 AI의 장점을 활용하기 위해 프로세스 흐름을 완전히 재구성하는 것입니다. 예를 들어, 여러 대안적인 솔루션의 병렬 처리가 있습니다.

어느 변형이 더 나은지 확신할 수 없다면, 두 개 이상의 버전을 설계하고 결정하십시오 - 아니면 솔루션을 결합할 수도 있습니다.

AI 에이전트 후보를 식별하기 위해 워크숍 참가자들에게 다음 질문을 하십시오:

• 사람 에이전트들이 수행해온 액티비티나 책임은 무엇인가요?

➡️ 사람 에이전트는 AI 에이전트로 전환됩니다.

• 특수한 도메인 지식이 필요한 전문적인 작업은 무엇인가요?

➡️ 그 도메인 지식으로 AI 에이전트를 훈련시킵니다.

• 연결해야 할 IT 시스템이나 데이터 소스는 무엇입니까?

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

• 상호작용해야 할 사용자(역할)는 누구입니까?

➡️ AI 에이전트가 사용자와의 커뮤니케이션을 처리합니다.

• 병렬화할 수 있는 액티비티는 무엇입니까?

➡️ 액티비티가 다른 AI 에이전트에 분배됩니다.

• 다른 에이전트가 여러 번 요구하는 액티비티는 무엇입니까?

➡️ AI 에이전트가 이 액티비티를 다른 에이전트에 서비스로 제공합니다.

• 특별한 보안 및 데이터 보호 조치가 필요한 액티비티는 무엇입니까?

➡️ 특별히 보호된 AI 에이전트가 이러한 액티비티를 수행합니다.

• 현재 사용 중인 내부 AI 에이전트는 무엇입니까?

➡️ 기존 AI 에이전트를 재사용합니다.

• 이미 배치되어 있는 외부 AI 에이전트는 무엇입니까?

➡️ 외부 AI 에이전트는 내부 AI 에이전트에 의해 통합되고 필요한 경우 캡슐화됩니다.

• 다른 AI 에이전트의 조정을 지원할 수 있는 AI 에이전트는 무엇인가요?

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

MAS 설계를 완료하기 위해 AI와 인간 에이전트 간의 정보 및 작업 흐름을 모델링해야 합니다. 이를 위해 다이어그램 요소(인간 에이전트, AI 에이전트, 산출물)가 화살표로 연결됩니다. 일반적으로 정보 및 작업 흐름은 동일합니다. 그렇지 않은 경우 점선으로 순수 정보 흐름을 나타낼 수 있습니다.

V. 데이터 & AI 평가 및 로드맵 작성

일부 AI 에이전트는 기존 데이터 소스에 대한 읽기 권한 또는 데이터 레코드를 변경하거나 생성하거나 특정 하위 프로세스를 트리거하기 위해 IT 시스템에 대한 쓰기 권한이 필요합니다. 다른 AI 에이전트는 인간 에이전트와 소통하기 위한 대규모 언어 모델(LLM)이나 이벤트와 트렌드를 예측하기 위한 예측 모델과 같은 특정 기능과 역량을 필요로 합니다.

필요한 IT/BI/AI 시스템을 지정하고 AI 에이전트에 화살표로 연결하기 위해 MAS 디자인 다이어그램의 파란 영역을 사용합니다. 여기에서는 Agent2Agent(A2A)나 모델 컨텍스트 프로토콜(MCP)과 같은 인터페이스를 정의할 수도 있습니다.

다음으로, 필요한 시스템이 사용 중인지, 계획 단계나 작동 단계에 있는지, 아니면 처음부터 설계하고 개발해야 하는지를 평가합니다. 이를 위해 녹색, 노란색, 빨간색의 스티커 메모와 Analytics & AI Maturity Canvas를 사용합니다. 이 캔버스는 복잡성 및 성숙도에 따라 일반 도구와 특정 애플리케이션을 구분합니다.

② 녹색 상자들은 다음을 위한 특정 애플리케이션을 설명합니다:

a) 업무 운영: 분석 또는 AI 기능이 없는 단순한 데이터 처리 애플리케이션.

b) 업무 보고: 대개 보고서 생성 자동화나 기술적 분석에 기반한 대시보드를 위한 애플리케이션.

c) 업무 발견: 진단 분석을 기반으로 트렌드, 상관관계, 이상치 등을 탐색하여 인사이트를 얻는 애플리케이션.

d) 업무 예측: 예측 분석에 기반하여 예측 또는 현재 예측, 과거 예측을 위한 애플리케이션.

e) 비즈니스 최적화: 처방적 분석을 기반으로 비즈니스 프로세스를 최적화하는 애플리케이션입니다.

f) 비즈니스 자동화: 자율적 분석을 기반으로 비즈니스 프로세스를 자동화하는 애플리케이션입니다.

AI 에이전트는 종종 애플리케이션 프로그래밍 인터페이스(API)를 통해 기존 애플리케이션과 상호작용합니다.

③ 노란색 박스는 AI 에이전트를 구현할 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 A/B 실험을 위한 플랫폼 등입니다.

d) 예측 분석: 기계 학습 및 심층 학습 소프트웨어 외에도 베이지안 네트워크, 선형 회귀 등을 위한 라이브러리를 포함합니다.

e) 처방 분석: 시뮬레이션 및 최적화 방법이 여기서 사용되며, 생성 AI 솔루션도 포함됩니다.

f) 자율 분석: 강화 학습 알고리즘이 사용되며, 에이전틱 AI를 위한 특수 솔루션이 포함됩니다.

필요한 모든 데이터 및 기능을 위해 기존 또는 계획된 IT / BI / AI 시스템이 있는지 확인해야 합니다.

VI. AI 가드레일 요구 사항

비즈니스 프로세스, 이해관계자, 데이터 소스 및 IT / BI / AI 기능을 분석하여 우리의 다중 에이전트 시스템이 실행 가능하고, 요구되며, 실현 가능한지를 확인하였습니다. 그러나 중요한 기준 하나가 아직 남아 있습니다: AI 시스템은 책임감을 가져야 합니다.

권한이 크면 책임도 따르는 법입니다. 이 원칙은 예를 들어, EU AI 법안과 같은 법에 명시되어 있습니다.

우리의 AI 에이전트가 책임 있는 AI (rAI) 원칙을 준수하도록 하기 위해, 우리는 이른바 AI 가드레일이 필요합니다. 멀티 에이전트 시스템에서는 이러한 가드레일이 다른 에이전트를 모니터링하고 제어하는 에이전트에 의해 구현될 수 있습니다.

먼저, 가드레일을 정의합니다. 즉, 우리가 MAS에 부과하고자 하는 규칙과 제한 사항을 정의합니다. 우리는 3개의 상자 캔버스를 사용해 규칙을 세 가지 범주로 나눕니다:

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

2. 설명 가능성 및 투명성: 사용자는 MAS의 결정과 행동을 이해할 수 있어야 합니다.

3. 프라이버시 및 공정성: 사용자는 MAS로 인해 어떠한 불리함도 겪어서는 안 됩니다.

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

• 입력 레일: 예를 들어, 사용자 입력에서 프롬프트 주입을 검사하여 회사 데이터를 데이터 도난으로부터 보호할 수 있습니다.

• 모델 레일: 공정성을 보장하는 한 가지 예는 특정 그룹에 대한 차별을 배제하기 위해 모델 품질 지표를 모니터링하는 것입니다.

• 출력 레일: 대형 언어 모델(LLM)은 가끔씩 잘못된 정보를 생성하므로, 출력의 타당성 검사가 유용할 수 있습니다.

마지막 단계에서는 가드레일 에이전트(다이어그램의 회색 상자)가 이러한 규칙을 구현하는 방법과 이 규칙이 AI 에이전트와 어떻게 연결되는지를 화살표로 정의합니다.

워크숍을 마무리하기 위해 구체적인 작업을 명시하고 이를 워크숍 참가자들에게 할당하세요. 그런 다음: 작업을 완료하세요!

어디서 더 찾아볼까요?

Datentreiber는 이 Miroverse 템플릿뿐만 아니라 다음을 제공합니다:

• Data & AI 비즈니스 디자인 키트는 Data & AI 비즈니스 디자인 방법을 적용할 수 있는 수많은 오픈 소스 캔버스를 제공합니다.

• 또한, 무료 Data & AI 비즈니스 디자인 커뮤니티가 교류, 이벤트 및 전문가 콘텐츠를 위해 마련되어 있습니다.

• 유료 온라인 및 현장 교육 과정은 Data & AI 비즈니스 디자인 아카데미에서 수강할 수 있습니다.

• 상업용 Data & AI 비즈니스 디자인 벤치에서 추가적인 관리 도구, 워크숍 템플릿 및 프로젝트 청사진을 구할 수 있습니다.

• 저희의 데이터 & AI 비즈니스 컨설팅은 데이터 및 AI 전략, 혁신, 전환 프로젝트를 위한 지원을 제공합니다.

관심이 있거나 질문 또는 피드백이 있으시면, info@datentreiber.de로 연락해 주세요.

저작권:Datentreiber GmbH에서 모든 권리를 보유하고 있습니다.