Contacta con nosotros

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.

 28 Horas

Número de participantes


Precio por participante

Testimonios (3)

Próximos cursos

Categorías Relacionadas