Contacta con nosotros

Temario del curso

Día 1
Anatomía de un agente de IA moderno

Más allá de los chatbots: los agentes como sistemas autónomos de razonamiento y acción

Paradigmas de agentes reactivos, proactivos, híbridos y orientados a objetivos

Componentes clave: percepción, planificación, memoria, uso de herramientas y acción

Compensaciones en el diseño de sistemas con un solo agente frente a multiagente

Marcos de trabajo para agentes y la pila tecnológica moderna

LangChain, LlamaIndex, AutoGen, CrewAI y sus compensaciones técnicas

Comparación con marcos clásicos como JADE y SPADE

Criterios para elegir un marco según los requisitos de producción

Llamadas a herramientas, llamadas a funciones y salidas estructuradas

Práctica: creación de la estructura básica de un agente en Python con llamadas a herramientas

Arquitecturas de sistemas multiagente

Diseños centralizados, descentralizados, híbridos y por capas de MAS (sistemas multiagente)

FIPA ACL, intercambio de mensajes y sus equivalentes modernos

Patrones de coordinación: planificación, negociación y sincronización

Comportamiento emergente y autoorganización en poblaciones de agentes

Toma de decisiones y aprendizaje en agentes

Teoría de juegos para interacciones cooperativas y competitivas entre agentes

Aprendizaje por refuerzo en entornos multiagente

Aprendizaje transferible y compartición de conocimiento entre agentes

Resolución de conflictos y generación de confianza entre agentes que coordinan

Día 2
Fundamentos multimodales para agentes

IA multimodal como un flujo de trabajo unificado en texto, imagen, voz y video

Modelos multimodales líderes: GPT-4 Vision, Gemini, Claude, Whisper

Técnicas de fusión para combinar modalidades dentro del bucle de razonamiento del agente

Compensaciones entre latencia, costo y precisión en pipelines multimodales

Construcción de la capa de percepción

Procesamiento de imágenes para agentes: clasificación, etiquetado automático y detección de objetos

Reconocimiento de voz con Whisper ASR y transcripción en tiempo real

Síntesis de texto a voz e interacción con voz natural

Conexión de las salidas perceptivas al razonamiento impulsado por LLMs y la selección de herramientas

Práctica - Construcción de un agente multimodal en Python

Definición de la tarea del agente, ventana de contexto e inventario de herramientas

Integración completa de las APIs de GPT-4 Vision y Whisper

Implementación de gestión de memoria, estado y conversación

Agregado de llamadas a herramientas que producen efectos secundarios en el mundo real de forma segura

Práctica - Orquestación de un sistema multiagente

Composición de agentes especializados con AutoGen o CrewAI

Definición de roles, responsabilidades y protocolos de comunicación entre agentes

Asignación de recursos y coordinación en un entorno simulado

Registro del razonamiento del agente, llamadas a herramientas y decisiones para inspección y auditoría

Día 3
Superficie de amenazas de agentes de IA en producción

Factores que hacen a la IA agéntica única y especialmente vulnerable frente al software tradicional

Superficie de ataque: datos, modelo, prompt, herramienta, salida e interfaz

Modelado de amenazas para sistemas basados en agentes con uso autónomo de herramientas

Comparación de prácticas de ciberseguridad de IA frente a la ciberseguridad tradicional

Práctica: ataques adversarios

Ejemplos adversarios y métodos de perturbación: FGSM, PGD, DeepFool

Escenarios de ataque de caja blanca versus caja negra

Ataques de inversión de modelos e inferencia de pertenencia a conjuntos de datos

Envenenamiento de datos y inyección de puertas traseras durante el entrenamiento

Inyección de prompts, ruptura de restricciones (jailbreaking) y mal uso de herramientas en agentes basados en LLMs

Técnicas defensivas y endurecimiento de modelos

Estrategias de entrenamiento adversario y aumento de datos

Destilación defensiva y otras técnicas de robustez

Preprocesamiento de entradas, enmascaramiento de gradientes y regularización

Privacidad diferencial, inyección de ruido y presupuestos de privacidad

Aprendizaje federado y agregación segura para entrenamiento distribuido

Práctica con la caja de herramientas de resistencia adversaria (Adversarial Robustness Toolbox)

Simulación de ataques contra el agente multimodal construido en el Día 2

Medición de la robustez bajo perturbación y cuantificación del deterioro

Aplicación iterativa de defensas y reevaluación de las tasas de éxito de los ataques

Pruebas de estrés en los caminos de llamada a herramientas y vectores de inyección de prompts

Día 4
Marcos de gestión de riesgos para IA

NIST AI Risk Management Framework: gobernar, mapear, medir y gestionar

ISO/IEC 42001 y estándares emergentes específicos de IA

Mapeo de riesgos de IA a marcos GRC (gobernanza, riesgo y cumplimiento) empresariales existentes

Requisitos de rendición de cuentas, auditoría y documentación en IA

Cumplimiento regulatorio para sistemas agénticos

Ley de IA de la UE: niveles de riesgo, usos prohibidos y obligaciones para sistemas de alto riesgo

Implicaciones del RGPD y CCPA para los flujos de datos de los agentes

Orden Ejecutiva de EE. UU. sobre una IA segura, confiable y responsable

Orientación sectorial específica para finanzas, salud y servicios públicos

Riesgo de terceros y uso de herramientas de IA por parte de proveedores

Ética, sesgos y explicabilidad

Detección y mitigación de sesgos en la percepción y el razonamiento del agente

Explicabilidad y transparencia como propiedades relevantes para la seguridad

Equidad, daño derivado y despliegue responsable

Diseño de comportamientos de agentes inclusivos y auditables

Despliegue en producción, monitoreo y respuesta ante incidentes

Patrones de despliegue seguro para sistemas con un solo agente y multiagente

Monitoreo continuo de deriva (drift), anomalías y abuso

Registro de eventos, pistas de auditoría y preparación forense para las acciones del agente

Libros de jugada de respuesta a incidentes de seguridad de IA y recuperación

Casos de estudio de brechas reales de IA y lecciones aprendidas

Síntesis y proyecto final

Revisión del sistema multiagente multimodal construido a lo largo del curso

Revisión integral del flujo de trabajo: diseño, construcción, seguridad, gobernanza y despliegue

Autoevaluación del sistema frente a las funciones del marco NIST AI RMF

Perspectiva hacia tendencias emergentes en IA agéntica y seguridad de la IA

Resumen y próximos pasos

Requerimientos

Público objetivo

Ingenieros y arquitectos de IA que desarrollan sistemas agénticos para uso en producción. Profesionales de ciberseguridad, riesgo y cumplimiento encargados de asegurar la calidad de sistemas de IA en industrias reguladas como finanzas, salud y consultoría. Desarrolladores senior y líderes de soluciones que integran capacidades multimodales y multiagente en plataformas empresariales.

 28 Horas

Número de participantes


Precio por participante

Reseñas (3)

Próximos cursos

Categorías Relacionadas