Contacta con nosotros

Temario del curso

Día 1
Anatomía de un Agente de IA Moderno

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

Paradigmas reactivos, proactivos, híbridos y orientados a objetivos

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

Compensaciones entre el diseño de un solo agente y sistemas multiagente

Frameworks de Agentes y el Stack Moderno

LangChain, LlamaIndex, AutoGen, CrewAI y sus compensaciones

Comparación con frameworks clásicos como JADE y SPADE

Selección del framework según requisitos de producción

Llamado a herramientas, invocación de funciones y salidas estructuradas

Taller práctico: estructura de un agente único en Python con llamadas a herramientas

Arquitecturas de Sistemas Multiagente

Diseños centralizados, descentralizados, híbridos y estratificados de MAS

FIPA ACL, paso de mensajes y 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 confianza entre agentes coordinados

Día 2
Fundamentos Multimodales para Agentes

IA multimodal como flujo unificado a través de texto, imágenes, voz y video

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

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

Compensaciones en latencia, costo y precisión en pipelines multimodales

Construcción de la Capa de Percepción

Procesamiento de imágenes para agentes: clasificación, etiquetado 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 LLM y selección de herramientas

Taller Práctico: 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

Incorporación de llamadas a herramientas que generan efectos secundarios reales de manera segura

Taller Práctico: 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 Amenaza de Agentes de IA en Producción

Qué hace que la IA agéntica sea única e intrínsecamente vulnerable comparada con el 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 con la ciberseguridad tradicional

Taller Práctico: Ataques Adversarios

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

Escenarios de ataques 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, evasión de restricciones (jailbreaking) y mal uso de herramientas en agentes basados en LLM

Técnicas Defensivas y Endurecimiento del Modelo

Entrenamiento adversario y estrategias de 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

Taller Práctico con Adversarial Robustness Toolbox

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

Medición de la robustez bajo perturbación y cuantificación de la degradación

Aplicación iterativa de defensas y reevaluación de las tasas de éxito del ataque

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 para IA

Mapeo de riesgos de IA a frameworks GRC (Gobernanza, Riesgo y Cumplimiento) empresariales existentes

Requisitos de rendición de cuentas, audibilidad 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 pipelines de datos de agentes

Orden Ejecutiva de EE. UU. sobre una IA Segura, Confiable y Fiable

Orientación específica por sector para finanzas, salud y servicios públicos

Riesgo de terceros y uso de herramientas de IA de proveedores

Ética, Sesgo y Explicabilidad

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

Explicabilidad y transparencia como propiedades relevantes para la seguridad

Eficacia, daños derivados y despliegue responsable

Diseño de comportamientos de agentes inclusivos y auditables

Despliegue en Producción, Monitoreo y Respuesta a Incidentes

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

Monitoreo continuo para detectar deriva, anomalías y abusos

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

Playbooks de respuesta a incidentes de seguridad en IA y recuperación

Estudios de casos reales de brechas de IA y lecciones aprendidas

Síntesis Final y Capstone

Revisión del sistema multiagente multimodal construido a lo largo del curso

Revisión completa del pipeline: diseño, construcción, seguridad, gobernanza y despliegue

Autoevaluación del sistema en función de las funciones del NIST AI RMF

Perspectiva futura sobre 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, riesgos y cumplimiento responsables de la garantía de calidad de soluciones de IA en industrias reguladas como finanzas, salud y consultoría. Desarrolladores senior y líderes de solución que integran capacidades multimodales y multiagente en plataformas empresariales.

 28 Horas

Número de participantes


Precio por participante

Reseñas (3)

Próximos cursos

Categorías Relacionadas