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.
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