Gobernanza, cumplimiento y seguridad de la IA para líderes empresariales

AAISM es un marco avanzado diseñado para evaluar, gobernar y gestionar los riesgos de seguridad en sistemas de inteligencia artificial.

Esta capacitación presencial dirigida por instructores (en línea o in situ) está dirigida a profesionales de nivel avanzado que desean implementar controles de seguridad efectivos y prácticas de gobierno en entornos empresariales de IA.

Al finalizar este programa, los participantes estarán preparados para:

• Evaluar los riesgos de seguridad de la IA utilizando metodologías reconocidas por la industria.
• Implementar modelos de gobernanza para el despliegue responsable de la IA.
• Alinear las políticas de seguridad de la IA con los objetivos organizacionales y las expectativas regulatorias.
• Mejorar la resiliencia y la responsabilidad dentro de las operaciones impulsadas por IA.

Formato del curso

• Clases facilitadas respaldadas por análisis expertos.
• Talleres prácticos y actividades basadas en evaluaciones.
• Ejercicios aplicados que utilizan escenarios reales de gobernanza de IA.

Opciones de personalización del curso

• Para capacitación personalizada alineada con la estrategia de IA de su organización, contáctenos para adaptar el curso.

La inteligencia artificial (IA) introduce nuevas dimensiones de riesgo operativo, desafíos de gobernanza y exposición a la ciberseguridad para las agencias y departamentos gubernamentales.

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a profesionales de TI y gestión de riesgos del sector público con poca experiencia previa en IA que deseen comprender cómo evaluar, monitorear y asegurar los sistemas de IA dentro de un contexto gubernamental o regulatorio.

Al final de esta capacitación, los participantes podrán:

• Interpretar conceptos clave de riesgos relacionados con los sistemas de IA, incluido el sesgo, la imprevisibilidad y la deriva del modelo.
• Aplicar marcos de gobernanza y auditoría específicos para la IA, como NIST AI RMF e ISO/IEC 42001.
• Reconocer amenazas de ciberseguridad dirigidas a modelos de IA y cadenas de suministro de datos.
• Establecer planes de gestión de riesgos interdepartamentales y alineación de políticas para el despliegue de IA.

Formato del curso

• Conferencias interactivas y discusión de casos de uso del sector público.
• Ejercicios de marco de gobernanza de IA y mapeo de políticas.
• Modelado de amenazas basado en escenarios y evaluación de riesgos.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, póngase en contacto con nosotros para coordinarlo.

Esta formación en vivo con instructor en Guatemala (en línea o presencial) está dirigida a profesionales de TI de nivel principiante a intermedio que desean comprender e implementar AI TRiSM en sus organizaciones.

Al finalizar esta formación, los participantes podrán:

• Comprender los conceptos clave y la importancia de la gestión de confianza, riesgo y seguridad en IA.
• Identificar y mitigar los riesgos asociados con los sistemas de IA.
• Implementar las mejores prácticas de seguridad para IA.
• Comprender el cumplimiento normativo y las consideraciones éticas aplicables a la IA.
• Desarrollar estrategias para una gobernanza y gestión efectivas de la IA.

Esta formación en vivo impartida por un instructor en Guatemala (en línea o presencial) está dirigida a desarrolladores de IA, arquitectos y gerentes de productos de nivel intermedio a avanzado que deseen identificar y mitigar los riesgos asociados con las aplicaciones impulsadas por LLM, como la inyección de comandos (prompt injection), fugas de datos y salidas no filtradas, mientras incorporan controles de seguridad como la validación de entradas, supervisión humana en el proceso (human-in-the-loop) y barreras de protección en las salidas.

Al finalizar esta formación, los participantes podrán:

• Comprender las vulnerabilidades fundamentales de los sistemas basados en LLM.
• Aplicar principios de diseño seguro a la arquitectura de aplicaciones LLM.
• Utilizar herramientas como Guardrails AI y LangChain para validación, filtrado y seguridad.
• Integrar técnicas como el aislamiento (sandboxing), pruebas de penetración por equipos rojos (red teaming) y revisión humana en el proceso dentro de canalizaciones listas para producción.

Esta formación en vivo, impartida por un instructor en Guatemala (en línea o presencial), está dirigida a profesionales de nivel intermedio en IA y ciberseguridad que desean comprender y abordar las vulnerabilidades de seguridad específicas de los modelos y sistemas de IA, particularmente en industrias altamente reguladas como finanzas, gobernanza de datos y consultoría.

Al finalizar esta formación, los participantes podrán:

• Comprender los tipos de ataques adversarios dirigidos a los sistemas de IA y los métodos para defenderse contra ellos.
• Implementar técnicas de endurecimiento del modelo para garantizar la seguridad de los flujos de trabajo del aprendizaje automático.
• Asegurar la integridad y confidencialidad de los datos en los modelos de aprendizaje automático.
• Navegar por los requisitos de cumplimiento normativo relacionados con la seguridad de la IA.

Este curso presencial impartido por un instructor en Guatemala (en línea o en persona) está dirigido a ingenieros de seguridad y oficiales de cumplimiento que deseen endurecer los despliegues de EXO, controlar el acceso a los modelos y gobernar las cargas de trabajo de IA que se ejecutan completamente en las instalaciones.

Esta capacitación en vivo con instructores en Guatemala (en línea o presencial) está dirigida a profesionales de TI, seguridad, riesgo y cumplimiento de nivel principiante que desean comprender los conceptos fundamentales de la seguridad de la IA, los vectores de amenaza y los marcos globales como el NIST AI RMF y la norma ISO/IEC 42001.

Al final de esta capacitación, los participantes podrán:

• Comprender los riesgos de seguridad únicos introducidos por los sistemas de IA.
• Identificar vectores de amenaza como ataques adversarios, envenenamiento de datos e inversión de modelos.
• Aplicar modelos de gobernanza fundamentales como el Marco de Gestión de Riesgos de IA de NIST (NIST AI RMF).
• Alinear el uso de la IA con estándares emergentes, directrices de cumplimiento y principios éticos.

Basado en las directrices más recientes del Proyecto de Seguridad de OWASP para IA Generativa, los participantes aprenderán a identificar, evaluar y mitigar amenazas específicas de la IA mediante ejercicios prácticos y escenarios del mundo real.

Esta formación en vivo impartida por instructores en Guatemala (en línea o presencial) está dirigida a profesionales de nivel avanzado que deseen implementar y evaluar técnicas como aprendizaje federado, computación segura multipartita, cifrado homomórfico y privacidad diferencial en pipelines de aprendizaje automático del mundo real.

Al final de esta formación, los participantes serán capaces de:

• Comprender y comparar las principales técnicas preservadoras de privacidad en el ML.
• Implementar sistemas de aprendizaje federado utilizando frameworks de código abierto.
• Aplicar la privacidad diferencial para compartir datos y entrenar modelos de forma segura.
• Utilizar técnicas de cifrado y computación segura para proteger las entradas y salidas del modelo.

Esta formación en vivo dirigida por un instructor en Guatemala (en línea o presencial) está orientada a profesionales de la seguridad de nivel avanzado y especialistas en ML que deseen simular ataques contra sistemas de IA, descubrir vulnerabilidades y mejorar la robustez de los modelos de IA implementados.

Al finalizar esta formación, los participantes serán capaces de:

• Simular amenazas del mundo real a modelos de aprendizaje automático.
• Generar ejemplos adversarios para probar la robustez del modelo.
• Evaluar la superficie de ataque de las APIs y pipelines de IA.
• Diseñar estrategias de red teaming para entornos de implementación de IA.

Esta formación presencial en vivo en Guatemala (en línea o in situ) está dirigida a ingenieros y profesionales de la seguridad de nivel intermedio que desean proteger los modelos de IA implementados en el borde contra amenazas como la manipulación, la filtración de datos, las entradas adversarias y los ataques físicos.

Al finalizar esta formación, los participantes podrán:

• Identificar y evaluar los riesgos de seguridad en las implementaciones de IA perimetral.
• Aplicar técnicas de resistencia a la manipulación e inferencia cifrada.
• endurecer los modelos implementados en el borde y asegurar los flujos de datos.
• Implementar estrategias de mitigación de amenazas específicas para sistemas embebidos y restringidos.

Esta formación en vivo impartida por un instructor en Guatemala (en línea o presencial) está dirigida a profesionales de nivel intermedio en aprendizaje automático y ciberseguridad que deseen comprender y mitigar las amenazas emergentes contra los modelos de IA, utilizando tanto marcos conceptuales como defensas prácticas, como el entrenamiento robusto y la privacidad diferencial.

Al finalizar esta formación, los participantes serán capaces de:

• Identificar y clasificar amenazas específicas de la IA, como ataques adversarios, inversión y envenenamiento.
• Utilizar herramientas como la Caja de Herramientas de Robustez Adversaria (ART) para simular ataques y probar modelos.
• Aplicar defensas prácticas, incluida la capacitación adversaria, la inyección de ruido y técnicas que preservan la privacidad.
• Diseñar estrategias de evaluación de modelos conscientes de las amenazas en entornos de producción.

TinyML es un enfoque para implementar modelos de aprendizaje automático en dispositivos de bajo consumo y recursos limitados, que operan en el borde de la red.

Esta formación impartida por instructores (en línea o presencial) está dirigida a profesionales de nivel avanzado que deseen asegurar los pipelines de TinyML e implementar técnicas preservadoras de la privacidad en aplicaciones de IA en el borde.

Al finalizar este curso, los participantes serán capaces de:

• Identificar riesgos de seguridad específicos de la inferencia TinyML en dispositivos.
• Implementar mecanismos preservadores de la privacidad para despliegues de IA en el borde.
• Fortificar los modelos TinyML y los sistemas embebidos frente a amenazas adversarias.
• Aplicar las mejores prácticas para el manejo seguro de datos en entornos con recursos limitados.

Formato del curso

• Conferencias dinámicas respaldadas por discusiones lideradas por expertos.
• Ejercicios prácticos que enfatizan escenarios de amenazas del mundo real.
• Implementación práctica utilizando herramientas de seguridad embebida y TinyML.

Opciones de personalización del curso

• Las organizaciones pueden solicitar una versión personalizada de esta formación para alinearse con sus necesidades específicas de seguridad y cumplimiento.

Este curso cubre la gobernanza, la gestión de identidades y las pruebas adversarias para sistemas de IA agéntica, centrándose en patrones de implementación seguros para empresas y técnicas prácticas de pruebas de penetración (red-teaming).

Esta formación en vivo impartida por un instructor (en línea o presencial) está dirigida a profesionales de nivel avanzado que deseen diseñar, asegurar y evaluar sistemas de IA basados en agentes en entornos de producción.

Al finalizar esta capacitación, los participantes serán capaces de:

• Definir modelos de gobernanza y políticas para implementaciones seguras de IA agéntica.
• Diseñar flujos de identidad y autenticación para entidades no humanas, aplicando el principio de acceso mínimo a los agentes.
• Implementar controles de acceso, registros de auditoría y capacidad de observabilidad adaptados a agentes autónomos.
• Planificar y ejecutar ejercicios de pruebas de penetración para detectar usos indebidos, rutas de escalada de privilegios y riesgos de exfiltración de datos.
• Mitigar amenazas comunes a los sistemas agénticos mediante políticas, controles de ingeniería y monitoreo.

Formato del Curso

• Conferencias interactivas y talleres de modelado de amenazas.
• Laboratorios prácticos: aprovisionamiento de identidades, cumplimiento de políticas y simulación de adversarios.
• Ejercicios de equipo rojo (red-team) y equipo azul (blue-team), y evaluación final del curso.

Opciones de Personalización del Curso

• Para solicitar una capacitación personalizada para este curso, por favor contáctenos para coordinarlo.