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 de agentes reactivos, proactivos, híbridos y orientados a objetivos
Componentes principales: percepción, planificación, memoria, uso de herramientas y acción
Trade-offs entre diseño de agente único y multi-agente
Marcos de Agentes y el Stack Moderno
LangChain, LlamaIndex, AutoGen, CrewAI y sus respectivas ventajas e inconvenientes
Comparación con marcos clásicos como JADE y SPADE
Selección de un marco según los requisitos de producción
Llamadas a herramientas, llamadas a funciones y salidas estructuradas
Práctica: construcción de la estructura base de un agente individual en Python con llamadas a herramientas
Arquitecturas de Sistemas Multi-Agente
Diseños centralizados, descentralizados, híbridos y por capas para sistemas multi-agente (MAS)
FIPA ACL, intercambio de mensajes y sus equivalentes modernos
Patrones de coordinación: planificación, negociación y sincronización
Comportamiento emergente y auto-organización 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 e intercambio de conocimiento entre agentes
Resolución de conflictos y establecimiento de confianza entre agentes coordinados
Día 2
Fundamentos Multimodales para Agentes
IA multimodal como un flujo de trabajo unificado que abarca texto, imagen, voz y video
Modelos multimodales líderes: GPT-4 Vision, Gemini, Claude, Whisper
Técnicas de fusión para combinar modalidades dentro del ciclo de razonamiento de un agente
Trade-offs entre latencia, costo y precisión en pipelines multimodales
Construcción de la Capa de Percepción
Procesamiento de imágenes para agentes: clasificación, subtítulos y detección de objetos
Reconocimiento de voz con ASR Whisper y transcripción en tiempo real
Síntesis de texto a voz e interacción con voz natural
Conexión de las salidas de percepción al razonamiento impulsado por LLM y la selección de herramientas
Práctica - Construcción de un Agente Multimodal en Python
Definición de la tarea del agente, ventana de contexto e inventario de herramientas
Conexión final a final de las APIs de GPT-4 Vision y Whisper
Implementación de gestión de memoria, estado y conversación
Agregado de llamadas a herramientas que generen efectos secundarios en el mundo real de manera segura
Práctica - 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 basada en agentes sea única e vulnerable comparada con software tradicional
Superficie de ataque: capas de 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
Práctica - Ataques Adversarios
Ejemplos adversarios y métodos de perturbación: FGSM, PGD, DeepFool
Escenarios de ataques de caja blanca versus caja negra
Ataques de inversión de modelo e inferencia de membresía
Envenenamiento de datos y inyección de puertas traseras durante el entrenamiento
Inyección de prompts, jailbreaking y mal uso de herramientas en agentes basados en LLM
Técnicas Defensivas y Endurecimiento del Modelo
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
Práctica 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 del deterioro
Aplicación iterativa de defensas y reevaluación de las tasas de éxito de los ataques
Prueba de estrés de las vías 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 normas emergentes específicas para IA
Mapeo de riesgos de IA a marcos GRC (Gobierno, Riesgo y Cumplimiento) empresariales existentes
Requisitos de responsabilidad, auditabilidad y documentación de la IA
Cumplimiento Regulatorio para Sistemas Basados en Agentes
Ley de IA de la UE: niveles de riesgo, usos prohibidos y obligaciones para sistemas de alto riesgo
Implicaciones de GDPR y CCPA para los flujos de datos de los agentes
Orden Ejecutiva de EE. UU. sobre una IA Segura, Confiable y Fidedigna
Orientaciones específicas por sector para finanzas, salud y servicios públicos
Riesgo de terceros y uso de herramientas de IA de proveedores externos
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
Equidad, daños downstream y despliegue responsable
Diseño de comportamientos de agentes inclusivos y auditables
Despliegue en Producción, Monitoreo y Respuesta ante Incidentes
Patrones de despliegue seguro para sistemas individuales y multi-agente
Monitoreo continuo de deriva (drift), anomalías y abusos
Registro, rastros de auditoría y preparación forense para las acciones de los agentes
Protocolos 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 durante el 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 basada en agentes y seguridad de la IA
Resumen y Próximos Pasos
Requerimientos
Audiencia Objetivo
Ingenieros y arquitectos de IA que desarrollan sistemas basados en agentes 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 senior y líderes de soluciones que integran capacidades multimodales y multi-agente 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