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

Esta formación práctica, impartida por un instructor en Argentina (en línea o presencial), está dirigida a líderes empresariales de nivel intermedio que deseen comprender cómo gobernar y proteger los sistemas de IA de manera responsable y conforme a marcos globales emergentes como la Ley de IA de la UE, el Reglamento General de Protección de Datos (GDPR), la norma ISO/IEC 42001 y la Orden Ejecutiva sobre IA de Estados Unidos.

Al finalizar esta formación, los participantes podrán:

• Comprender los riesgos legales, éticos y regulatorios del uso de la IA en toda la organización.
• Interpretar y aplicar los principales marcos de gobernanza de la IA (Ley de IA de la UE, Marco de Gestión de Riesgos de IA de NIST, ISO/IEC 42001).
• Establecer políticas de seguridad, auditoría y supervisión para el despliegue de la IA en la empresa.
• Desarrollar lineamientos de adquisición y uso para sistemas de IA externos e internos.

Este curso ofrece una introducción práctica para asegurar aplicaciones modernas potenciadas por IA, APIs, copilotos y agentes autónomos. Los participantes aprenden cómo la seguridad de IA difiere de la seguridad web tradicional, exploran amenazas comunes específicas de IA como la inyección de prompts, el envenenamiento de RAG y el abuso de agentes, y entienden cómo proteger sistemas de IA utilizando defensas en capas que incluyen WAFs, pasarelas de IA, seguridad de APIs y barreras de contención. A través de laboratorios prácticos y ejemplos del mundo real, los estudiantes adquieren las habilidades para identificar patrones de ataque de IA, asegurar aplicaciones basadas en LLM e implementar defensas efectivas en tiempo de ejecución para entornos de producción.

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.

Este curso enseña a los desarrolladores de software cómo construir aplicaciones de IA seguras por diseño. Los participantes aprenden a proteger chatbots, copilots, pipelines de RAG y agentes de IA contra amenazas específicas de la IA, como inyección de prompts, envenenamiento de datos, abuso de herramientas, fuga de secretos y manejo inseguro de la salida del modelo. El curso cubre el diseño seguro de prompts, seguridad en RAG, acceso de menor privilegio, guardrails y pruebas de red-teaming, ayudando a los desarrolladores a construir funciones de IA que sean seguras, confiables y resilientes en entornos del mundo real.

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.

Esta capacitación en vivo con instrucción presencial en Argentina (en línea o en sitio) está dirigida a ingenieros de seguridad y ML que necesitan identificar, probar y defenderse contra ataques a modelos de ML y aplicaciones impulsadas por LLM.

Basándose en las últimas directrices del Proyecto OWASP GenAI Security, los participantes aprenderán a identificar, evaluar y mitigar amenazas específicas de la IA a través de 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.