Temario del curso
Día 1
Anatomía de un Agente de IA Moderno
Más allá de los chatbots: los agentes como sistemas autónomos de razonamiento y acción
Paradigmas de agentes reactivos, proactivos, híbridos y dirigidos a objetivos
Componentes clave: percepción, planificación, memoria, uso de herramientas y acción
Ventajas y desventajas entre diseños de un solo agente y multi-agente
Frameworks de Agentes y el Stack Moderno
LangChain, LlamaIndex, AutoGen, CrewAI y sus diferencias
Comparación con frameworks clásicos como JADE y SPADE
Selección de un framework según los requisitos de producción
Llamado de herramientas, llamado de funciones y salidas estructuradas
Práctico: estructura de un agente en Python con llamadas a herramientas
Arquitecturas de Sistemas Multi-Agente
Diseños de MAS centralizados, descentralizados, híbridos y en capas
FIPA ACL, paso de mensajes y sus 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 multi-agente
Aprendizaje por transferencia y compartición de conocimiento entre agentes
Resolución de conflictos y confianza entre agentes coordinados
Día 2
Fundamentos Multimodales para Agentes
IA multimodal como un flujo de trabajo unificado entre texto, imagen, voz y video
Modelos multimodales líderes: GPT-4 Vision, Gemini, Claude, Whisper
Técnicas de fusión para combinar modalidades dentro del bucle de razonamiento del agente
Compensaciones entre latencia, costo y precisión en pipelines multimodales
Construcción de la Capa de Percepción
Procesamiento de imágenes para agentes: clasificación, generación de descripciones y detección de objetos
Reconocimiento de voz con Whisper ASR y transcripción en streaming
Síntesis de texto a voz e interacción con voz natural
Conexión de las salidas de percepción al razonamiento impulsado por LLM y selección de herramientas
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
Agregado de llamadas a herramientas que generan efectos secundarios reales de forma segura
Práctico - Orquestación de un Sistema Multi-Agente
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
Lo que hace que la IA agéntica sea única mente vulnerable en comparación 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 ciberseguridad tradicional
Práctico de Ataques Adversarios
Ejemplos adversarios y métodos de perturbación: FGSM, PGD, DeepFool
Escenarios de ataque de caja blanca versus caja negra
Ataques de inversión de modelo e inferencia de pertenencia
Envenenamiento de datos e inyección de backdoors durante el entrenamiento
Inyección de prompts, jailbreaking y mal uso de herramientas en agentes basados en LLM
Técnicas Defensivas y Endurecimiento de Modelos
Estrategias de entrenamiento adversario y 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
Práctico con la 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 de las vías de llamada a herramientas y vectores de inyección de prompts
Día 4
Frameworks de Gestión de Riesgos para IA
NIST AI Risk Management Framework: gobernar, mapear, medir, gestionar
ISO/IEC 42001 y estándares emergentes específicos de IA
Mapeo de riesgos de IA a frameworks GRC empresariales existentes
Requisitos de rendición de cuentas, auditabilidad y documentación de 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 GDPR y CCPA para los pipelines de datos de agentes
Orden Ejecutiva de EE.UU. sobre IA Segura, Confiable y de Confianza
Orientación sectorial específica 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 a través de la percepción y razonamiento del agente
Explicabilidad y transparencia como propiedades relevantes para la seguridad
Justicia, daños derivados y despliegue responsable
Diseño de comportamiento de agente inclusivo y auditable
Despliegue en Producción, Monitoreo y Respuesta ante Incidentes
Patrones de despliegue seguro para sistemas de un solo agente y multi-agente
Monitoreo continuo de deriva, anomalías y abusos
Registros, huellas de auditoría y preparación forense para las acciones del agente
Playbooks de respuesta ante incidentes de seguridad de IA y recuperación
Casos de estudio de brechas reales de IA y lecciones aprendidas
Capstone y Síntesis
Revisión del sistema multi-agente multimodal construido a lo largo del curso
Revisión integral del pipeline: diseño, construcción, seguridad, gobernanza y despliegue
Autoevaluación del sistema contra las funciones del NIST AI RMF
Perspectiva futura sobre tendencias emergentes en IA agéntica y seguridad de IA
Resumen y Próximos Pasos
Requerimientos
Audiencia Objetivo
Ingenieros de IA y arquitectos que desarrollan sistemas agenticos para uso en producción. Profesionales de ciberseguridad, riesgos y cumplimiento responsables de la garantía de IA en industrias reguladas como finanzas, salud y consultoría. Desarrolladores seniors y líderes de soluciones que integran capacidades multimodales y multi-agente en plataformas empresariales.
Testimonios (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