Gobernanza, Cumplimiento y Seguridad de la IA para Líderes Empresariales

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

Esta formación presencial impartida por instructores (en línea o in situ) está dirigida a profesionales de nivel avanzado que deseen implementar controles de seguridad eficaces y prácticas de gobernanza para entornos empresariales de IA.

A medida que finalicen este programa, los participantes estarán preparados para:

• Evaluate riesgos de seguridad de IA utilizando metodologías reconocidas en la industria.
• Implementar modelos de gobernanza para el despliegue responsable de IA.
• Alinear las políticas de seguridad de IA con los objetivos organizacionales y las expectativas regulatorias.
• Potenciar la resiliencia y la rendición de cuentas en operaciones basadas en inteligencia artificial.

Formato del Curso

• Clases facilitadas respaldadas por análisis experto.
• Talleres prácticos y actividades evaluativas.
• Ejercicios aplicados utilizando escenarios reales de gobernanza de IA.

Opciones de personalización del curso

• Para una formación personalizada alineada con la estrategia de inteligencia artificial de su organización, contáctenos para personalizar el curso.

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

Esta capacitación 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 desean comprender cómo evaluar, monitorear y asegurar sistemas de IA dentro de un contexto gubernamental o regulatorio.

Al finalizar esta capacitación, los participantes podrán:

• Interpretar conceptos clave de riesgo relacionados con sistemas de IA, incluidos sesgo, imprevisibilidad y deriva del modelo.
• Aplicar marcos de gobernanza y auditoría específicos para IA, como el Marco de Gestión de Riesgos de IA (AI RMF) del NIST e ISO/IEC 42001.
• Identificar amenazas cibernéticas dirigidas a modelos y tuberías de datos de IA.
• Establecer planes de gestión de riesgos interdepartamentales y alineación de políticas para el despliegue de IA.

Formato del curso

• Conferencia interactiva y discusión de casos de uso en el 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, contáctenos para coordinar.

Esta capacitación en vivo impartida por instructores en Argentina (en línea o presencial) está dirigida a profesionales de TI de nivel principiante e intermedio que desean comprender e implementar AI TRiSM en sus organizaciones.

Al finalizar esta capacitación, los participantes podrán:

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

Esta formación en vivo dirigida por un instructor en Argentina (en línea o presencial) está orientada a desarrolladores de IA, arquitectos y gerentes de producto de nivel intermedio a avanzado que deseen identificar y mitigar los riesgos asociados con aplicaciones potenciadas por LLM, como la inyección de prompts, la fuga de datos y las salidas sin filtrar, mientras incorporan controles de seguridad como la validación de entrada, la supervisión humana en el ciclo del proceso (human-in-the-loop) y las barreras de protección para las salidas.

Al finalizar esta formación, los participantes podrán:

• Comprender las vulnerabilidades centrales 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 en entornos seguros (sandboxing), pruebas con equipo rojo (red teaming) y revisiones con supervisión humana en tuberías de producción robustas.

Esta capacitación en vivo con instructor en Argentina (online o presencial) está dirigida a profesionales de nivel intermedio en IA y ciberseguridad que deseen comprender y abordar las vulnerabilidades de seguridad específicas de los modelos y sistemas de IA, especialmente en industrias altamente reguladas como finanzas, gobernanza de datos y consultoría.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los tipos de ataques adversarios dirigidos a sistemas de IA y los métodos para defenderse contra ellos.
• Implementar técnicas de endurecimiento (hardening) de modelos para asegurar los procesos de aprendizaje automático.
• Asegurar la protección e integridad de los datos en los modelos de aprendizaje automático.
• Navegar por los requisitos de cumplimiento normativo relacionados con la seguridad de la IA.

Esta formación presencial impartida por un instructor en Argentina (en línea o en las instalaciones) está dirigida 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 ejecutándose exclusivamente en infraestructura local.

Esta formación en vivo con instructores en Argentina (en línea o presencial) está dirigida a profesionales de TI en niveles iniciales de seguridad, gestión de riesgos y cumplimiento que desean comprender los conceptos fundamentales de la seguridad en IA, las vectores de amenaza y marcos globales como NIST AI RMF e ISO/IEC 42001.

Al finalizar esta formación, 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 del modelo.
• Aplicar modelos de gobernanza fundamentales como el Marco de Gestión de Riesgos de IA de NIST.
• Alinear el uso de la IA con estándares emergentes, directrices de cumplimiento y principios éticos.

Basándose en las últimas guías del Proyecto de Seguridad GenAI de OWASP, 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 un instructor en Argentina (en línea o presencial) está dirigida a profesionales de nivel avanzado que desean implementar y evaluar técnicas como el aprendizaje federado, la computación segura multipartita, el cifrado homomórfico y la privacidad diferencial en flujos de trabajo de aprendizaje automático del mundo real.

Al finalizar esta capacitación, los participantes podrán:

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

Esta capacitación en vivo con instructor en <ubicación> (en línea o presencial) está dirigida a profesionales de la seguridad y especialistas de ML de nivel avanzado que desean simular ataques a sistemas de IA, descubrir vulnerabilidades y mejorar la robustez de los modelos de IA implementados.

Al finalizar esta capacitación, los participantes podrán:

• Simular amenazas del mundo real contra modelos de aprendizaje automático.
• Generar ejemplos adversarios para probar la robustez del modelo.
• Evaluar la superficie de ataque de las API y tuberías de IA.
• Diseñar estrategias de Red Teaming para entornos de implementación de IA.

Esta capacitación en vivo, con instrucción presencial, en Argentina (en línea o en las instalaciones), está dirigida a ingenieros y profesionales de seguridad de nivel intermedio que deseen proteger los modelos de IA implementados en el edge contra amenazas como la manipulación, la fuga de datos, los inputs adversarios y los ataques físicos.

Al finalizar esta capacitación, los participantes serán capaces de:

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

Esta capacitación en vivo con instructores en Argentina (online o presencial) está dirigida a profesionales intermedios de la industria del aprendizaje automático y la ciberseguridad que desean comprender y mitigar las amenazas emergentes contra los modelos de inteligencia artificial, utilizando tanto marcos conceptuales como défensas prácticas como el entrenamiento robusto y la privacidad diferencial.

Al finalizar esta capacitación, los participantes serán capaces de:

• Identificar y clasificar amenazas específicas de la inteligencia artificial, como ataques adversarios, inversión y envenenamiento.
• Utilizar herramientas como la Caja de Herramientas de Robustez Adversaria (Adversarial Robustness Toolbox, ART) para simular ataques y probar los modelos.
• Aplicar défensas prácticas que incluyen entrenamiento adversario, inyección de ruido y técnicas preservadoras de la privacidad.
• Diseñar estrategias de evaluación de modelos conscientes de la amenaza en entornos de producción.

TinyML es un enfoque para desplegar modelos de aprendizaje automático en dispositivos con bajo consumo energético y recursos limitados, operando en el borde de la red.

Esta formación en vivo impartida por instructores (en línea o presencial) está dirigida a profesionales de nivel avanzado que deseen asegurar los procesos de TinyML e implementar técnicas que preserven 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 de TinyML en el dispositivo.
• Implementar mecanismos que preserven la privacidad para despliegues de IA en el borde.
• Fortalecer los modelos de 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 guiadas por expertos.
• Ejercicios prácticos centrados en escenarios reales de amenazas.
• 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 normativo.

Este curso abarca la gobernanza, la gestión de identidades y las pruebas adversariales para sistemas de IA agéntica, con un enfoque en patrones de despliegue seguros para empresas y técnicas prácticas de pruebas de estrategia roja (red-teaming).

Esta formación presencial impartida por un instructor (en línea o in situ) 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 despliegues seguros de IA agéntica.
• Diseñar flujos de identidad y autenticación para entidades no humanas (agentes) con acceso de mínimo privilegio.
• Implementar controles de acceso, registros de auditoría y observabilidad adaptados a agentes autónomos.
• Planificar y ejecutar ejercicios de estrategia roja para descubrir casos de uso indebido, vías de escalada y riesgos de exfiltración de datos.
• Mitigar amenazas comunes contra 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, aplicación de políticas y simulación de adversarios.
• Ejercicios de estrategia roja y azul (red-team/blue-team) y evaluación final del curso.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, por favor contáctenos para coordinar los detalles.