Contacta con nosotros

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.

 28 Horas

Número de participantes


Precio por participante

Reseñas (3)

Próximos cursos

Categorías Relacionadas