Introducción a la Gestión de Confianza, Riesgo y Seguridad en IA (AI TRiSM)

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

Este entrenamiento dirigido por instructores (en línea o presencial) está destinado a profesionales de nivel avanzado que deseen implementar controles de seguridad y prácticas de gobierno efectivas para entornos empresariales de IA.

Al finalizar este programa, los participantes estarán preparados para:

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

Formato del Curso

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

Opciones de Personalización del Curso

• Para un entrenamiento personalizado alineado con su estrategia de IA organizacional, póngase en contacto con nosotros para personalizar el curso.

Este entrenamiento dirigido por un instructor en vivo (en línea o presencial) está destinado a líderes empresariales intermedios que desean comprender cómo gobernar y asegurar los sistemas de IA de manera responsable y en conformidad con marcos emergentes como el Reglamento de IA de la UE, el RGPD, ISO/IEC 42001 y la Orden Ejecutiva sobre IA de Estados Unidos.

Al finalizar este entrenamiento, los participantes podrán:

• Comprender los riesgos legales, éticos y regulatorios del uso de IA en diferentes departamentos.
• Interpretar y aplicar marcos principales de gobernanza de IA (Reglamento de IA de la UE, NIST AI RMF, ISO/IEC 42001).
• Establecer políticas de seguridad, auditoría y supervisión para el despliegue de IA en la empresa.
• Desarrollar directrices de adquisición y uso para sistemas de IA de terceros y propios.

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

Este entrenamiento dirigido por un instructor (en línea o en el lugar) está orientado a profesionales del sector público en TI y gestión de riesgos con experiencia limitada previa en IA que desean comprender cómo evaluar, monitorear y asegurar sistemas de IA dentro de un contexto gubernamental o regulatorio.

Al final de este entrenamiento, los participantes serán capaces de:

• Interpretar conceptos clave de riesgo relacionados con los sistemas de IA, incluyendo sesgo, imprevisibilidad y desviación del modelo.
• Aplicar marcos específicos de gobernanza y auditoría de IA como el NIST AI RMF y ISO/IEC 42001.
• Reconocer amenazas de ciberseguridad que se dirigen a modelos y pipelines de datos de IA.
• Establecer planes de gestión de riesgos interdepartamentales y alineación de políticas para la implementación de IA.

Formato del Curso

• Conferencia interactiva y discusión de casos de uso en el sector público.
• Ejercicios de marcos de gobernanza de IA y mapeo de políticas.
• Modelado basado en escenarios y evaluación de riesgos.

Opciones de Personalización del Curso

• Para solicitar un entrenamiento personalizado para este curso, por favor contáctenos para organizarlo.

Este curso de formación dirigido por un instructor en Guatemala (en línea o presencial) está destinado a desarrolladores, arquitectos y gerentes de productos de IA de nivel intermedio a avanzado que deseen identificar y mitigar riesgos asociados con aplicaciones impulsadas por modelos de lenguaje grandes (LLM), incluyendo inyección de prompts, fuga de datos y salida sin filtrar, mientras incorporan controles de seguridad como la validación de entrada, supervisión humana en el bucle y barreras de protección de la salida.

Al finalizar este curso, los participantes podrán:

• Comprender las vulnerabilidades principales 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 uso de entornos aislados (sandboxing), equipos rojos (red teaming) y revisiones humanas en el bucle en pipelines de producción de grado empresarial.

Este entrenamiento dirigido por un instructor (en línea o presencial) está dirigido a profesionales intermedios de 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 la banca, la gobernanza de datos y la consultoría.

Al finalizar este entrenamiento, los participantes serán capaces de:

• Comprender los tipos de ataques adversarios que afectan a los sistemas de IA y los métodos para defenderse contra ellos.
• Implementar técnicas de endurecimiento de modelos para asegurar pipelines de aprendizaje automático.
• Garantizar la seguridad y la integridad de los datos en los modelos de aprendizaje automático.
• Navegar por los requisitos de cumplimiento regulatorio relacionados con la seguridad de IA.

Este entrenamiento dirigido por un instructor, en vivo (en línea o presencial) está destinado a profesionales de la seguridad de TI, gestión de riesgos y cumplimiento con nivel principiante que deseen comprender los conceptos fundamentales de seguridad en IA, vectores de amenaza y marcos globales como el NIST AI RMF y ISO/IEC 42001.

Al finalizar este entrenamiento, los participantes serán capaces de:

• 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 del NIST.
• Alinear el uso de IA con estándares emergentes, directrices de cumplimiento y principios éticos.

Basado en las últimas pautas del proyecto OWASP GenAI Security, los participantes aprenderán a identificar, evaluar y mitigar amenazas específicas de IA mediante ejercicios prácticos y escenarios del mundo real.

Este entrenamiento dirigido por un instructor (en línea o presencial) está destinado a profesionales de nivel avanzado que deseen implementar y evaluar técnicas como el aprendizaje federado, el cálculo seguro multipartidario, la cifrado homomórfico y la privacidad diferencial en pipelines de aprendizaje automático del mundo real.

Al finalizar este entrenamiento, los participantes podrán:

• Comprender y comparar las técnicas clave de preservación de privacidad en ML.
• Implementar sistemas de aprendizaje federado utilizando marcos de código abierto.
• Aplicar la privacidad diferencial para compartir datos y entrenar modelos de forma segura.
• Utilizar técnicas de cifrado y cálculo seguro para proteger las entradas y salidas del modelo.

Este entrenamiento dirigido por un instructor (en línea o presencial) está destinado a profesionales de seguridad avanzados y especialistas en ML que desean simular ataques a sistemas de IA, descubrir vulnerabilidades y mejorar la robustez de los modelos de IA implementados.

Al finalizar este entrenamiento, 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 el área de ataque de APIs y pipelines de IA.
• Diseñar estrategias de red teaming para entornos de implementación de IA.

Esta formación dirigida por un instructor (en línea o presencial) está destinada a ingenieros y profesionales de la seguridad de nivel intermedio que desean proteger los modelos de IA implementados en el borde contra amenazas como manipulaciones, filtraciones de datos, entradas adversarias y ataques físicos.

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

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

Este entrenamiento dirigido por un instructor en vivo (en línea o presencial) está destinado a profesionales intermedios de aprendizaje automático y ciberseguridad que deseen comprender y mitigar amenazas emergentes contra los modelos de IA, utilizando tanto marcos conceptuales como defensas prácticas como el entrenamiento robusto y la privacidad diferencial.

Al finalizar este entrenamiento, los participantes serán capaces de:

• Identificar y clasificar amenazas específicas de IA como ataques adversarios, inversión y envenenamiento.
• Utilizar herramientas como la Adversarial Robustness Toolbox (ART) para simular ataques y probar modelos.
• Aplicar defensas prácticas, incluyendo entrenamiento adversario, inyección de ruido y técnicas que preservan la privacidad.
• Diseñar estrategias de evaluación del modelo conscientes de 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.

Este entrenamiento dirigido por instructores (en línea o presencial) está destinado a profesionales de nivel avanzado que deseen asegurar las pipelines de TinyML e implementar técnicas de protección de la privacidad en aplicaciones de IA en el borde.

Al finalizar este curso, los participantes podrán:

• Identificar riesgos de seguridad propios de la inferencia de TinyML en dispositivo.
• Implementar mecanismos de protección de la privacidad para implementaciones de IA en el borde.
• Fortalecer los modelos y sistemas embebidos de TinyML contra amenazas adversarias.
• Aplicar mejores prácticas para un manejo seguro de datos en entornos con recursos limitados.

Formato del Curso

• Conferencias atractivas respaldadas por discusiones dirigidas 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 este entrenamiento para alinearlo con sus necesidades específicas de seguridad y cumplimiento.

Este curso cubre la gobernanza, gestión de identidad y pruebas adversarias para sistemas de IA agente, con enfoque en patrones de implementación seguros para empresas y técnicas prácticas de equipo rojo.

Esta capacitación dirigida por un instructor (en línea o presencial) está destinada 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 podrán:

• Definir modelos y políticas de gobernanza para implementaciones seguras de IA agente.
• Diseñar flujos de identidad y autenticación no humanos para agentes con acceso de privilegios mínimos.
• Implementar controles de acceso, rastros de auditoría y observabilidad adaptados a agentes autónomos.
• Planificar y ejecutar ejercicios de equipo rojo para descubrir malos usos, caminos de escalada y riesgos de exfiltración de datos.
• Mitigar amenazas comunes a sistemas agente mediante políticas, controles de ingeniería y monitoreo.

Formato del Curso

• Conferencias interactivas y talleres de modelado de amenazas.
• Laboratorios prácticos: aprovisionamiento de identidad, aplicación de políticas y simulación de adversarios.
• Ejercicios de equipo rojo/equipo azul y evaluación final del curso.

Opciones de Personalización del Curso

• Para solicitar una capacitación personalizada para este curso, comuníquese con nosotros para realizar los arreglos necesarios.