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.
Reseñas (3)
El instructor es paciente y muy útil. Conoce bien el tema.
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
Curso - Agentic AI for Business Automation: Use Cases & Integration
Traducción Automática
Buena mezcla de conocimiento y práctica
Ion Mironescu - Facultatea S.A.I.A.P.M.
Curso - Agentic AI for Enterprise Applications
Traducción Automática
La mezcla de teoría y práctica, así como de perspectivas de alto y bajo nivel
Ion Mironescu - Facultatea S.A.I.A.P.M.
Curso - Autonomous Decision-Making with Agentic AI
Traducción Automática