Warsztaty projektowania Systemu Multiagentowego (MAS)

Dlaczego warto?

Zautomatyzuj złożony proces za pomocą AI, projektując system multiagentowy (MAS) wspólnie z interdyscyplinarnym zespołem w ramach warsztatów z wykorzystaniem design thinking.

Kto powinien uczestniczyć?

Systemy multiagentowe wymagają współpracy różnych ekspertów w następujących obszarach:

• Domena biznesowa i procesy

• Big Data i Agentic AI

• IT, bezpieczeństwo i prywatność

Wymagana jest także współpraca wszystkich interesariuszy, czyli:

• Użytkownicy: pracownicy i/lub klienci

• Deweloperzy: inżynierowie oprogramowania, danych i AI

• Osoby decyzyjne: właściciele procesów biznesowych

• Konsultanci: oficerowie ds. prywatności, doradcy ds. bezpieczeństwa, itd.

Na koniec potrzebny jest facylitator, który zjednoczy różne osoby, aby stworzyć efektywny zespół.

Kiedy używać?

Zespół zebrał się i zdecydował o (istniejącym lub nowym) procesie biznesowym. Zespół chce zautomatyzować i zoptymalizować ten proces przy użyciu Agentic AI, aby zwiększyć wydajność, efektywność i/lub odporność.

Jeśli proces nie został jeszcze zidentyfikowany, zalecamy Warsztaty Strategii Lean Data & AI, aby zidentyfikować i priorytetyzować potencjalne przypadki użycia Agentic AI.

Podczas jednodniowego warsztatu MAS Design uczestnicy określają cele i kluczowe wyniki, identyfikują ludzkich i sztucznych agentów oraz projektują przepływ pracy i informacji między agentami. Ponadto definiowane są podstawy techniczne i analityczne oraz określane są niezbędne środki ochrony w celu zapewnienia bezpieczeństwa, prywatności, uczciwości i innych.

Co wykorzystać?

Ten szablon warsztatu opiera się na sprawdzonej metodzie Data & AI Business Design Method, która jest stosowana na całym świecie przez wiele znanych firm i doradców. Wykorzystuje ona kanwasy z zestawu Data & AI Business Design Kit, który jest udostępniany bezpłatnie na licencji Creative Commons.

Jak używać?

Ten szablon warsztatu jest zaprojektowany na sesję jednodniową, którą można podzielić na dwie półdniowe części. W ciągu dnia uczestnicy przechodzą przez sześć faz i wykonują kilka kroków na sześciu różnych kanwasach przypisanych do każdej fazy. Na kanwasach znajdziesz cyfry umieszczone w kółkach (①, ②, ...), które odpowiadają krokom każdej fazy.

I. Wprowadzenie

Wprowadzenie polega na zapewnieniu, że wszyscy uczestnicy dążą do tego samego celu i są gotowi wspólnie podążać proponowaną ścieżką. Aby nakreślić i przedstawić tę ścieżkę (tj. harmonogram warsztatów), używamy Kanwasu Warsztatów Design Thinking Data & AI i wykonujemy następujące kroki:

① Dostosuj nagłówek kanwasu, określając firmę i, jeśli dotyczy, konsultację, oraz wpisując datę. Ten krok powinien być wykonany również na wszystkich kolejnych kanwasach.

② Ustal konkretny Cel warsztatu i określ oczekiwane Kluczowe Wyniki (tj. rezultaty).

③-⑦ Dostosuj punkty agendy, czasy sesji i inne elementy w miarę potrzeb.

Gdy pracujesz nad punktem z agendy, zmień kolor odpowiadającej notatki samoprzylepnej na żółty. Po zakończeniu oznacz ją na zielono. Dzięki temu zespół zawsze ma kontrolę nad bieżącym stanem realizacji.

II. Analiza procesu biznesowego

Następnie musimy zwizualizować i przeanalizować proces biznesowy, który chcemy zautomatyzować i zoptymalizować za pomocą Agentic AI. W tym celu używamy Canvasu Łańcucha Wartości i zielonych notatek samoprzylepnych dla istniejących elementów, żółtych dla planowanych i czerwonych dla brakujących.

① W polu Skoncentrowany na zapisz nazwę procesu biznesowego.

② Rozpocznij od początku procesu po lewej stronie Canvasu Łańcucha Wartości:

a) Jaki jest stan początkowy, produkty bazowe lub wydarzenie, które inicjuje proces biznesowy?

b) Która osoba, rola lub jednostka organizacyjna definiuje stan początkowy, dostarcza produkty bazowe lub inicjuje zdarzenie (Producenci)?

③ Następnie kontynuuj z zakończeniem procesu biznesowego po prawej stronie Mapy Łańcucha Wartości:

a) Jaki jest Stan Końcowy, Produkty Końcowe lub kluczowe rezultaty procesu biznesowego?

b) Kim są beneficjenci stanu końcowego, konsumenci produktów końcowych lub odbiorcy kluczowych rezultatów (Klienci)?

④ Teraz zarysuj Podstawowe Aktywności, czyli przepływ pracy procesu: Jakie działania są niezbędne i w jakiej kolejności się odbywają? Jakie alternatywne lub równoległe przepływy występują?

⑤ Oprócz Podstawowych Aktywności, często konieczne są Aktywności Wspierające: które ogólne i wewnętrzne działania/jednostki organizacyjne wspierają proces biznesowy?

⑥ Jeśli działania wspierające nie są realizowane wewnętrznie, ale przez zewnętrzne firmy i są zaangażowane w cały proces, zapisuj je jako Ogólni dostawcy.

⑦ Specjalni dostawcy, którzy realizują lub wspierają tylko pojedyncze kroki procesu, powinni być umieszczeni w kategorii Specjalni dostawcy.

⑧ Określ Kluczowe Wskaźniki Efektywności (KPI) na niebieskich karteczkach, które mierzą efektywność, skuteczność, jakość, stabilność itp. procesu i określ odpowiadające im wartości docelowe.

Na koniec wyciągnij wszystkie cele, kluczowe wyniki i KPI istotne dla Agentic AI z kanwy Łańcucha wartości i umieść je w zielonym polu Biznesowe Cele & Kluczowe Rezultaty jako wynik działań agentów.

III. Identyfikacja ról użytkowników

Teraz, gdy znamy i rozumiemy proces biznesowy, możemy odpowiedzieć na pytanie: kim są interesariusze w kontekście tego procesu? Aby odpowiedzieć na to pytanie, korzystamy z Eskizu Analizy Interesariuszy i niebieskich karteczek samoprzylepnych, aby zidentyfikować osoby lub role. Powinniśmy uwzględnić następujące funkcje interesariuszy (przy czym jedna osoba/rola może również pełnić kilka funkcji):

① W polu Skoncentrowany na zapisz nazwę procesu biznesowego.

② Decydenci: Kto podejmuje decyzje wpływające na przebieg procesu?

③ Nabywcy Ekonomiczni: W przypadku zakupu, budżetowania lub podejmowania innych decyzji dotyczących zasobów (finansowych) w trakcie procesu, kto zapewnia środki lub jest sponsorem?

④ Użytkownicy końcowi: Kto korzysta z wyników procesu (zob. Klienci na Eskizie Łańcucha Wartości)?

⑤ Sabotażyści: Kto mógłby próbować zakłócić proces, wpływając negatywnie na decydentów, nabywców ekonomicznych lub użytkowników końcowych?

⑥ Wpływający: Kto może wesprzeć proces poprzez pozytywne wpływanie na decydentów, nabywców ekonomicznych lub użytkowników końcowych?

⑦ Rekomendujący: Kto jest aktywnie zaangażowany w proces w charakterze doradczym lub dostarcza wsparcie informacyjne?

⑧ Wdrażający: Kto faktycznie wdraża proces, tzn. wykonuje działania?

W późniejszym projektowaniu systemu wieloagentowego agenci przejmują funkcję niektórych osób/ról. Jednak nawet przy bardzo wysokim stopniu automatyzacji niektóre funkcje pozostają przy agentach ludzkich: muszą sprawdzać wyniki agentów AI, udzielać zatwierdzeń lub być użytkownikami i/lub beneficjentami zautomatyzowanego procesu.

Zmieniając kolor karteczek, oznaczamy określonych interesariuszy:

• Zielone to agenci ludzcy, którzy odgrywają rolę w procesie Agentycznego AI.

• Czerwone to interesariusze, którzy nie powinni już odgrywać roli (tj. brak agentów ludzkich).

• Żółte to ci interesariusze, o których jeszcze nie jesteśmy pewni (tj. być może agenci ludzcy).

Na koniec przenosimy wszystkich agentów ludzkich do żółtego pola Agenci ludzcy w celu zaprojektowania przepływu pracy Agentycznego AI i agentów AI w następnym kroku.

IV. Projektowanie agentycznego przepływu pracy

Do projektowania agentycznego przepływu pracy używamy DiagramuFormatu i Kształtów dla agentycznych przepływów pracy Miro. Z II. Analizy procesów biznesowych wiemy już, jakie wyniki oczekujemy od agentów. Z III. Identyfikacji ról użytkowników znamy interesariuszy, którzy dostarczają dane wejściowe agentom, tj. inicjują proces, piszą instrukcje, dostarczają informacje i dokumenty, odpowiadają na zapytania agentów, podejmują decyzje lub sprawdzają i zatwierdzają (pośrednie) wyniki.

Istnieją dwie opcje automatyzacji istniejącego procesu z wykorzystaniem AI:

1. Zachowanie w dużej mierze istniejącego przepływu procesu i zastąpienie agentów ludzkich agentami AI, którzy wykonują działania i podejmują decyzje.

2. Całkowite przemyślenie przepływu procesu w celu wykorzystania zalet agentowego AI: na przykład równoległe przetwarzanie kilku alternatywnych rozwiązań.

Jeśli nie jesteś pewien, która wersja jest lepsza, zaprojektuj dwie (lub więcej) wersje, a następnie zdecyduj – lub połącz rozwiązania.

Aby zidentyfikować kandydatów na agentów AI, zadaj uczestnikom warsztatów następujące pytania:

• Jakie działania lub odpowiedzialności przejęli agenci ludzcy?

➡️ Agentem ludzkim staje się agent AI.

• Jakie specjalistyczne zadania wymagają specjalistycznej wiedzy domenowej?

➡️ Agent AI jest szkolony z tej wiedzy domenowej.

• Jakie systemy IT lub źródła danych musimy połączyć?

➡️ Agent AI działa jako interfejs do źródła danych lub systemu IT.

• Z jakimi użytkownikami (rolami) musimy się komunikować?

➡️ Agent AI obsługuje komunikację z użytkownikiem.

• Jakie działania mogą być przeprowadzane równolegle?

➡️ Działań tych podejmują się różne agenty AI.

• Jakie działania są wielokrotnie wymagane przez innych agentów?

➡️ Agent AI oferuje to działanie innym agentom jako usługę.

• Jakie działania wymagają specjalnych środków bezpieczeństwa i ochrony danych?

➡️ Specjalnie zabezpieczeni agenci AI realizują te działania.

• Jakie wewnętrzne agenty AI są już w użyciu?

➡️ Istniejący agent AI jest ponownie wykorzystywany.

• Jakie zewnętrzne agenty AI są już dostępne?

➡️ Zewnętrzny agent AI jest integrowany i, w razie potrzeby, zamykany przez wewnętrznego agenta AI.

• Którzy agenci AI mogą wspierać koordynację innych agentów AI?

➡️ Specjalni agenci AI zajmują się delegacją, agregacją, synchronizacją itp. przepływu informacji i pracy.

Aby ukończyć projektowanie MAS, trzeba zamodelować przepływ informacji i pracy pomiędzy agentami AI i ludzkimi. W tym celu elementy diagramu (agenci ludzcy, agenci AI, wyniki) są łączone strzałkami. Zasadniczo przepływy informacji i pracy są identyczne. W przypadkach, gdy tak nie jest, można użyć przerywanej linii dla czystego przepływu informacji.

V. Ocena danych i AI oraz tworzenie roadmapy

Część agentów AI potrzebuje dostępu do istniejących źródeł danych lub nawet dostępu do systemów informatycznych w celu zmiany lub tworzenia rekordów danych albo wywoływania określonych podprocesów. Inne agenty AI wymagają specyficznych funkcjonalności i możliwości, takich jak duży model językowy (LLM) do komunikacji z agentami ludzkimi czy model predykcyjny do prognozowania zdarzeń i trendów.

Używamy niebieskiego obszaru diagramu projektowego MAS do określenia wymaganych systemów IT / BI / AI i połączenia ich z agentami AI za pomocą strzałek. Tutaj możemy również zdefiniować interfejsy, takie jak Agent2Agent (A2A) lub Model Context Protocol (MCP).

Następnie oceniamy, czy wymagane systemy są już używane, czy są jeszcze w fazie planowania lub realizacji, czy też wymagają najpierw zaprojektowania i opracowania. Do tego celu używamy zielonych, żółtych i czerwonych karteczek oraz Canvas Analityki i Dojrzałości AI. Canvas ten różnicuje pomiędzy ogólnymi narzędziami a konkretnymi aplikacjami na różnych poziomach złożoności i dojrzałości.

② Zielone pola opisują konkretne aplikacje do:

a) Operacji Biznesowych: czyste aplikacje przetwarzania danych bez funkcjonalności analitycznej czy AI.

b) Raportowania Biznesowego: zazwyczaj aplikacje do automatyzacji generowania raportów lub dashboardów w oparciu o analitykę opisową.

c) Odkryć Biznesowych: aplikacje do badania trendów, korelacji, anomalii itp. w celu uzyskania wglądu w oparciu o analitykę diagnostyczną.

d) Prognozowania Biznesowego: aplikacje do prognozowania, terazcastingu lub backcastingu w oparciu o analitykę predykcyjną.

e) Optymalizacja biznesowa: Aplikacje do optymalizacji procesów biznesowych na podstawie analityki preskryptywnej.

f) Automatyzacja biznesowa: Aplikacje do automatyzacji procesów biznesowych na podstawie analityki autonomicznej.

Agentom AI często zdarza się współpracować z istniejącymi aplikacjami przez interfejsy programistyczne aplikacji (API).

③ Żółte pola przeznaczone są na narzędzia do zarządzania danymi i analizy, które mogą być wykorzystane do implementacji agentów AI:

a) Zarządzanie danymi: Obejmuje to na przykład systemy bazodanowe.

b) Analityka deskryptywna: Na przykład narzędzia do raportowania lub tworzenia pulpitów nawigacyjnych.

c) Analityka diagnostyczna: Narzędzia do analizy statystycznej lub na przykład platformy do eksperymentów A/B.

d) Analityka predykcyjna: Oprócz oprogramowania do uczenia maszynowego i głębokiego, również biblioteki na przykład do sieci bayesowskich, regresji liniowej itd.

e) Analityka preskryptywna: Wykorzystywane są tu metody symulacji i optymalizacji, jak również generatywne rozwiązania AI.

f) Analityka autonomiczna: Stosowane są tu algorytmy uczenia ze wzmocnieniem oraz specjalne rozwiązania dla agentowej AI.

Upewnij się, że dla wszystkich wymaganych danych i funkcjonalności istnieje lub jest planowany system IT / BI / AI.

VI. Wymagania dot. zabezpieczeń AI

Przeanalizowaliśmy proces biznesowy, interesariuszy, źródła danych oraz możliwości IT / BI / AI, aby upewnić się, że nasz system wieloagentowy jest realny, pożądany i wykonalny. Wciąż brakuje jeszcze jednego ważnego kryterium: systemy AI muszą być odpowiedzialne.

W końcu z wielką mocą wiąże się wielka odpowiedzialność. Zasada ta jest również ujęta w prawie, na przykład w unijnym AI Act.

Aby zapewnić, że nasi agenci AI będą zgodni z zasadami Odpowiedzialnej AI (rAI), potrzebujemy tak zwanych zabezpieczeń AI. W systemie wieloagentowym, te zabezpieczenia mogą być z kolei wdrażane przez agentów, którzy monitorują i kontrolują innych agentów.

Najpierw definiujemy zabezpieczenia, czyli reguły i ograniczenia, jakie chcemy nałożyć na MAS. Używamy Canvas 3 Pudełek, aby podzielić reguły na trzy kategorie:

1. Bezpieczeństwo & Bezawaryjność: System MAS, ani jego użytkownicy, nie mogą doznać żadnej szkody.

2. Wytłumaczalność & Przejrzystość: Użytkownicy muszą zrozumieć decyzje i działanie MAS.

3. Prywatność & Sprawiedliwość: Użytkownicy nie mogą doznać żadnych niekorzyści z powodu działania MAS.

Również rozróżniamy zabezpieczenia związane z danymi wejściowymi, wewnętrznymi modelami i danymi wyjściowymi agentów AI:

• Osłona wejścia: Może np. sprawdzać dane wprowadzane przez użytkowników pod kątem wstrzykiwania poleceń, aby chronić firmowe dane przed kradzieżą.

• Osłona modelu: Przykładem zapewnienia sprawiedliwości jest monitorowanie wskaźników jakości modelu, aby wyeliminować dyskryminację grup ludzi.

• Osłona wyjścia: Ponieważ modele językowe mogą generować zmyślone dane, przydatne jest na przykład sprawdzenie prawdopodobieństwa wyników.

Na ostatnim etapie Agenci Osłon (szara skrzynka na diagramie) definiują, jak wdrożyć te zasady i jak są one połączone strzałkami z Agentami AI.

Aby zakończyć warsztaty, określ konkretne zadania do wykonania i przydziel je uczestnikom warsztatów. A następnie: Do dzieła!

Gdzie znaleźć więcej informacji?

Datentreiber oferuje nie tylko ten szablon Miroverse, ale także:

• Data & AI Business Design Kit oferuje wiele otwartych źródeł z szablonami do stosowania metody Data & AI Business Design.

• Dodatkowo, darmowa Data & AI Business Design Community jest dostępna do wymiany informacji, organizacji wydarzeń i prezentacji treści eksperckich.

• Płatne kursy online i stacjonarne z certyfikacją są dostępne w Data & AI Business Design Academy.

• Wiele dodatkowych narzędzi zarządzania, szablonów warsztatowych i projektowych jest dostępnych z naszej komercyjnej Data & AI Business Design Bench.

• Nasze konsultacje biznesowe Data & AI oferują wsparcie dla Twojej strategii danych i AI, projektów innowacyjnych oraz transformacyjnych.

Jeśli jesteś zainteresowany lub masz jakiekolwiek pytania czy uwagi, skontaktuj się z nami: info@datentreiber.de.

Prawo autorskie: wszelkie prawa zastrzeżone przez Datentreiber GmbH.