Oficina de design de sistema multiagente (MAS)

Por que usar?

Automatize um processo complexo com IA projetando um sistema multiagente (MAS) em conjunto com um time interdisciplinar em uma oficina de design thinking.

Para quem é indicado?

Sistemas multiagente exigem a colaboração de diversos especialistas nas seguintes áreas:

• Domínio e processos de negócio

• Big data e Agentic AI

• TI, segurança e privacidade

Também exige que todos os stakeholders trabalhem juntos, ou seja:

• Usuários: funcionários e/ou clientes

• Desenvolvedores: engenheiros de software, de dados e de IA

• Tomadores de decisão: responsáveis pelo processo de negócio

• Consultores: encarregados de privacidade e consultores de segurança, etc.

Por fim, é necessário um facilitador para reunir as diferentes pessoas e formar uma equipe eficaz.

Quando usar?

A equipe se reuniu e decidiu sobre um processo de negócio (existente ou novo). A equipe quer automatizar e otimizar esse processo com Agentic AI para aumentar a eficiência, eficácia e/ou robustez.

Se nenhum processo foi identificado ainda, recomendamos um Workshop Lean de Estratégia de Dados e IA para identificar e priorizar casos de uso potenciais para Agentic AI.

Durante o workshop de design MAS de um dia, os participantes especificam os objetivos e os resultados-chave, identificam os agentes humanos e artificiais e projetam o fluxo de trabalho e de informação entre os agentes. Além disso, são definidas as bases técnicas e analíticas e especificadas as proteções necessárias para garantir segurança, privacidade, equidade e outros aspectos.

O que usar?

Este modelo de workshop baseia-se no consagrado Data & AI Business Design Method, utilizado em todo o mundo por diversas empresas e consultorias renomadas. Ele usa os canvases do Data & AI Business Design Kit, que é disponibilizado gratuitamente sob uma licença Creative Commons.

Modo de usar

Este modelo de workshop foi concebido para uma sessão de um dia, que pode ser dividida em dois períodos de meio dia. Ao longo do dia, os participantes passam pelas seis fases a seguir e realizam vários passos em seis canvases diferentes, um para cada fase. Nos canvases, você encontrará números em círculos (①, ②, ...) que correspondem aos passos de cada fase.

I. Introdução

A introdução visa garantir que todos os participantes tenham o mesmo objetivo e estejam dispostos a seguir o caminho proposto em conjunto. Para delinear e apresentar esse caminho (ou seja, a agenda do workshop), usamos o Canvas do Workshop Data & AI Design Thinking e realizamos os seguintes passos:

① Personalize o cabeçalho do canvas especificando a empresa e, se aplicável, a consultoria, e inserindo a data. Esse passo também deve ser realizado em todos os canvases seguintes.

② Defina o Objetivo específico do workshop e estabeleça os Resultados-chave desejados (ou seja, entregáveis).

③-⑦ Ajuste os Itens da agenda, os Horários das sessões e mais conforme necessário.

Quando estiver trabalhando em um item da agenda, mude a cor da nota adesiva correspondente para amarela. Ao terminar, marque-a como verde. Isso garante que o time tenha sempre uma visão geral do status atual.

II. Análise do processo de negócios

Em seguida, precisamos visualizar e analisar o processo de negócios que queremos automatizar e otimizar com Agentic AI. Para isso, usamos o Canvas da Cadeia de Valor e notas adesivas verdes para elementos existentes, amarelas para elementos planejados e vermelhas para elementos ausentes.

① No campo Focused on, escreva o nome do processo de negócios.

② Comece pelo início do processo, no lado esquerdo do Value Chain Canvas: a) Qual é o Estado Inicial, os Produtos Base ou o gatilho que inicia o processo de negócio?b) Que pessoa, função ou unidade organizacional define o estado inicial, entrega os produtos base ou aciona o evento (Produtores)?

③ Em seguida, continue com o final do processo de negócio, no lado direito do Value Chain Canvas:a) Qual é o Estado Final, os Produtos Finais ou os resultados-chave do processo?b) Quem são os beneficiários do estado final, os consumidores dos produtos finais ou os destinatários dos resultados-chave (Clientes)?

④ Agora descreva as Atividades Primárias, ou seja, o fluxo de trabalho do processo: quais ações são necessárias e em que ordem elas ocorrem? Quais fluxos alternativos ou paralelos existem?

⑤ Além das Atividades Primárias, frequentemente são necessárias Atividades de Suporte: quais medidas gerais e internas ou unidades organizacionais apoiam o processo de negócio?

⑥ Se as atividades de suporte não forem fornecidas internamente, mas por empresas externas e estiverem envolvidas ao longo de todo o processo, registre-as em Fornecedores Gerais.

⑦ Fornecedores especiais que realizam ou apoiam apenas etapas isoladas do processo devem ser listados em Fornecedores Especiais.

⑧ Indique os Indicadores-chave de Desempenho (kpi) em notas adesivas azuis, que meçam a eficiência, a eficácia, a qualidade, a estabilidade etc. do processo e defina os valores-alvo correspondentes.

Por fim, extraia todos os objetivos, resultados-chave e kpi relevantes para Agentic AI do Value Chain Canvas e especifique-os na caixa verde Objetivos de Negócio e Resultados-chave como saída dos agentes.

III. Identificação de funções dos usuários

Agora que conhecemos e entendemos o processo de negócios, podemos responder à pergunta: quem são os stakeholders no contexto do processo? Para responder a essa pergunta, usamos o Canvas de Análise de Stakeholders e notas adesivas azuis para identificar as pessoas ou funções. Devemos considerar as seguintes funções dos stakeholders (uma pessoa/função pode exercer várias dessas funções):

① No campo Focused on, escreva o nome do processo de negócios.

② Tomadores de decisão: Quem toma decisões que influenciam o fluxo do processo?

③ Responsáveis financeiros: Se forem tomadas decisões de compra, orçamento ou outros recursos (financeiros) durante o processo, quem fornece o dinheiro ou é o patrocinador?

④ Usuários finais: Quem utiliza os resultados do processo (cf. Clientes no Canvas da Cadeia de Valor)?

⑤ Sabotadores: Quem poderia tentar atrapalhar o processo influenciando negativamente os tomadores de decisão, os responsáveis financeiros ou os usuários finais?

⑥ Influenciadores: Quem poderia apoiar o processo influenciando positivamente os tomadores de decisão, os compradores econômicos ou os usuários finais?

⑦ Recomendadores: Quem participa ativamente do processo em função consultiva ou fornece suporte com informações?

⑧ Implementadores: Quem efetivamente implementa o processo, ou seja, executa as ações?

No design posterior do sistema multiagente, agentes assumem a função de algumas pessoas/funções. Mas, mesmo com um grau muito alto de automação, certas funções permanecem com agentes humanos: eles precisam verificar os resultados dos agentes de IA, autorizar decisões ou são os usuários e/ou beneficiários do processo automatizado.

Ao mudar a cor das notas adesivas, marcamos certos stakeholders:

• Verde: agentes humanos que desempenham uma função no processo Agentic AI.

• Vermelho: stakeholders que não devem mais desempenhar uma função (ou seja, sem agentes humanos).

• Amarelo: stakeholders sobre os quais ainda não temos certeza (ou seja, talvez agentes humanos).

Por fim, transferimos todos os agentes humanos para a caixa amarela Agentes Humanos para projetar o fluxo de trabalho Agentic e os agentes de IA na próxima etapa.

IV. Design do fluxo de trabalho Agentic

Para o design do fluxo de trabalho Agentic, usamos o DiagramFormat e as formas Agentic Workflows da Miro. Já sabemos os resultados que esperamos dos agentes a partir de II. Análise de Processos de Negócios. Em III. Identificação de Funções de Usuários sabemos os stakeholders, que fornecem entradas aos agentes, ou seja, acionam o processo, escrevem prompts, fornecem informações e documentos, respondem às consultas dos agentes, tomam decisões ou verificam e aprovam resultados (intermediários).

Existem duas opções para automatizar o processo existente com IA:

1. Manter em grande parte o fluxo do processo existente e substituir os agentes humanos por agentes de IA que executam as ações e tomam decisões.

2. Reformular completamente o fluxo do processo para explorar as vantagens da IA agentiva: por exemplo, o processamento paralelo de várias soluções alternativas.

Se não tiver certeza de qual variante é melhor, crie duas (ou mais) versões e depois decida, ou misture as soluções.

Para identificar candidatos a agentes de IA, faça aos participantes do workshop as seguintes perguntas:

• Quais atividades ou responsabilidades os agentes humanos assumiram?

➡️ O agente humano torna-se um agente de IA.

• Quais tarefas especializadas exigem conhecimento de domínio?

➡️ Um agente de IA é treinado com esse conhecimento de domínio.

• Com quais sistemas de TI ou fontes de dados precisamos nos conectar?

➡️ Um agente de IA serve como interface para a fonte de dados ou sistema de TI.

• Com quais usuários (funções) precisamos interagir?

➡️ Um agente de IA cuida da comunicação com o usuário.

• Quais atividades podem ser paralelizadas?

➡️ As atividades são distribuídas entre diferentes agentes de IA.

• Quais atividades são necessárias várias vezes por outros agentes?

➡️ Um agente de IA disponibiliza essa atividade aos outros agentes como um serviço.

• Quais atividades exigem precauções especiais de segurança e proteção de dados?

➡️ Agentes de IA com segurança reforçada executam essas atividades.

• Quais agentes de IA internos já estão em uso?

➡️ O agente de IA existente é reutilizado.

• Quais agentes de IA externos já estão em uso?

➡️ O agente de IA externo é integrado e, se necessário, encapsulado por um agente de IA interno.

• Quais agentes de IA podem auxiliar na coordenação dos demais agentes de IA?

➡️ Agentes de IA especializados cuidam da delegação, agregação, sincronização etc. do fluxo de informação e de trabalho.

Para concluir o design do MAS, é necessário modelar o fluxo de informação e de trabalho entre os agentes humanos e os agentes de IA. Para isso, os elementos do diagrama (agentes humanos, agentes de IA, entregáveis) são conectados por setas. Como regra, os fluxos de informação e de trabalho são idênticos. Quando não for o caso, pode-se usar uma linha tracejada para representar apenas o fluxo de informação.

V. Avaliação de Dados e IA e elaboração do roadmap

Alguns agentes de IA precisam de acesso de leitura a fontes de dados existentes ou até de acesso de escrita a sistemas de TI para alterar ou criar registros de dados ou acionar determinados subprocessos. Outros agentes de IA exigem funcionalidades e capacidades específicas, como um modelo de linguagem de grande escala (LLM) para se comunicar com agentes humanos ou um modelo preditivo para prever eventos e tendências.

Usamos a área azul do diagrama de design do MAS para especificar os sistemas de TI/BI/IA necessários e conectá-los aos agentes de IA por meio de setas. Aqui também podemos definir interfaces, como Agent2Agent (A2A) ou Model Context Protocol (MCP).

Em seguida, avaliamos se já dispomos dos sistemas necessários em uso, se eles ainda estão em fase de planejamento ou em operação, ou se precisam primeiro ser projetados e desenvolvidos. Usamos notas adesivas verdes, amarelas e vermelhas e o canvas de maturidade de Analytics e IA para isso. O canvas diferencia entre ferramentas gerais e aplicativos específicos em diferentes níveis de complexidade e maturidade.

② As caixas verdes descrevem os aplicativos específicos para:

a) Operações de negócio: aplicativos de processamento de dados, sem funcionalidades de análise ou de IA.

b) Relatórios de negócio: normalmente aplicativos para automatizar a geração de relatórios ou painéis com base em análises descritivas.

c) Descoberta de negócio: aplicativos para explorar tendências, correlações, anomalias etc., para obter insights com base em análises diagnósticas.

d) Previsão de negócio: aplicativos para previsão, nowcasting ou backcasting com base em análises preditivas.

e) Otimização de processos de negócio: Aplicativos para a otimização de processos de negócio com base em análises prescritivas.

f) Automação de processos de negócio: Aplicativos para a automação de processos de negócio com base em análises autônomas.

Agentes de IA costumam interagir com aplicativos existentes por meio de interfaces de programação de aplicações (API).

③ As caixas amarelas destinam-se às ferramentas de dados e análise que podem ser usadas para implementar os agentes de IA:

a) Gerenciamento de dados: Isso inclui, por exemplo, sistemas de banco de dados.

b) Análises descritivas: Por exemplo, ferramentas de relatórios ou painéis.

c) Análises diagnósticas: Ferramentas de análise estatística ou, por exemplo, plataformas para experimentos A/B.

d) Análises preditivas: Além de softwares para aprendizado de máquina e aprendizado profundo, também bibliotecas, por exemplo para redes bayesianas, regressão linear etc.

e) Análise prescritiva: Métodos de simulação e otimização são usados aqui, assim como soluções de IA generativa.

f) Análise autônoma: São usados, entre outros, algoritmos de aprendizado por reforço, ou soluções específicas para IA agentiva.

Garanta que exista um sistema de TI/BI/IA, existente ou planejado, para todos os dados e funcionalidades necessários.

VI. Requisitos de mecanismos de proteção da IA

Percorremos o processo de negócio, os stakeholders, as fontes de dados e as capacidades de TI/BI/IA para garantir que nosso sistema multiagente seja viável, desejável e exequível. Falta ainda um critério importante: os sistemas de IA devem ser responsáveis.

Afinal, com grande poder vem grande responsabilidade. Esse princípio também está consagrado em lei, por exemplo no Regulamento de IA da UE.

Para garantir que nossos agentes de IA cumpram os princípios da IA responsável (rAI), precisamos das chamadas proteções de IA. Em um sistema multiagente, essas proteções podem ser implementadas por agentes que monitoram e controlam os demais agentes.

Primeiro, definimos as proteções, ou seja, as regras e restrições que queremos impor ao MAS. Usamos o 3 Boxes Canvas para dividir as regras em três categorias:

1. Segurança & Proteção: Nem o MAS nem seus usuários devem sofrer qualquer dano.

2. Explicabilidade & Transparência: Os usuários devem ser capazes de entender as decisões e ações do MAS.

3. Privacidade & Equidade: Os usuários não devem sofrer qualquer prejuízo por causa do MAS.

Também distinguimos proteções relacionadas à entrada, aos modelos internos e à saída dos agentes de IA:

• Trilho de entrada: Poderia, por exemplo, verificar a entrada do usuário quanto a injeções de prompt para proteger os dados da empresa contra roubo de dados.

• Trilho do modelo: Um exemplo de como assegurar equidade é monitorar indicadores de qualidade do modelo para evitar discriminação contra grupos de pessoas.

• Trilho de saída: Como os LLMs podem alucinar, uma verificação de plausibilidade da saída é útil, por exemplo.

No passo final, os Agentes de salvaguarda (caixa cinza no diagrama) definem como implementar essas regras e como elas são conectadas por setas aos agentes de IA.

Para concluir o workshop, especifique tarefas concretas a serem realizadas e atribua-as aos participantes. E então: mãos à obra!

Onde encontrar mais?

A Datentreiber oferece não apenas este modelo do Miroverse, mas também:

• O Data & AI Business Design Kit oferece diversos canvases de código aberto para aplicar o método Data & AI Business Design.

• Além disso, a comunidade Data & AI Business Design gratuita está disponível para troca, eventos e conteúdo de especialistas.

• Cursos pagos online e presenciais com certificação estão disponíveis na Data & AI Business Design Academy.

• Muitas ferramentas de gestão adicionais, modelos para workshops e modelos de projeto estão disponíveis no nosso Data & AI Business Design Bench comercial.

• Nossa Consultoria Data & AI Business Consulting oferece suporte à sua estratégia de dados e IA, projetos de inovação e transformação.

Se estiver interessado ou tiver dúvidas ou feedback, entre em contato conosco pelo e-mail: info@datentreiber.de.

Direitos autorais: Todos os direitos reservados por Datentreiber GmbH.