Gobernanza, Cumplimiento y Seguridad de la IA para Directivos Empresariales

El AAISM es un marco avanzado para evaluar, gobernar y gestionar los riesgos de seguridad en sistemas de inteligencia artificial.

Esta capacitación en vivo impartida por instructores (en línea o presencial) está dirigida a profesionales de nivel avanzado que desean implementar controles de seguridad efectivos y prácticas de gobernanza para entornos empresariales de IA.

Al finalizar este programa, los participantes estarán preparados para:

• Evaluar los riesgos de seguridad de la IA utilizando metodologías reconocidas por la industria.
• Implementar modelos de gobernanza para el despliegue responsable de IA.
• Alinear las políticas de seguridad de IA con los objetivos organizacionales y las expectativas regulatorias.
• Mejorar la resiliencia y la rendición de cuentas en las operaciones impulsadas por IA.

Formato del curso

• Clases magistrales facilitadas con apoyo de análisis experto.
• Talleres prácticos y actividades basadas en evaluaciones.
• Ejercicios aplicados que utilizan escenarios reales de gobernanza de IA.

Opciones de personalización del curso

• Para una formación adaptada a la estrategia de IA de su organización, contáctenos para personalizar el curso.

La Inteligencia Artificial (IA) introduce nuevas dimensiones de riesgo operativo, desafíos de gobernanza y exposición a la ciberseguridad para las agencias y departamentos gubernamentales.

Esta capacitación en vivo con instructor (en línea o presencial) está dirigida a profesionales de TI y gestión de riesgos del sector público con limitada experiencia previa en IA, que desean comprender cómo evaluar, monitorear y asegurar sistemas de IA dentro de un contexto gubernamental o regulatorio.

Al finalizar esta capacitación, los participantes podrán:

• Interpretar conceptos clave de riesgo relacionados con sistemas de IA, incluyendo sesgo, impredecibilidad y deriva del modelo.
• Aplicar marcos de gobernanza y auditoría específicos para IA, como NIST AI RMF e ISO/IEC 42001.
• Reconocer amenazas de ciberseguridad dirigidas a modelos y tuberías de datos de IA.
• Establecer planes de gestión de riesgo interdepartamentales y alineación de políticas para el despliegue de IA.

Formato del Curso

• Conferencia interactiva y discusión de casos de uso del sector público.
• Ejercicios de marco de gobernanza de IA y mapeo de políticas.
• Modelado de amenazas basado en escenarios y evaluación de riesgos.

Opciones de Personalización del Curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinar.

Esta formación en vivo con instructores en Peru (en línea o presencial) está dirigida a profesionales de TI de nivel principiante e intermedio que desean comprender e implementar AI TRiSM en sus organizaciones.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los conceptos clave y la importancia de la gestión de confianza, riesgo y seguridad en IA.
• Identificar y mitigar los riesgos asociados con los sistemas de IA.
• Implementar las mejores prácticas de seguridad para la IA.
• Entender el cumplimiento normativo y las consideraciones éticas para la IA.
• Desarrollar estrategias para una gobernanza y gestión efectivas de la IA.

Esta formación en vivo impartida por un instructor en Peru (en línea o presencial) está dirigida a desarrolladores de IA, arquitectos y gerentes de producto de nivel intermedio a avanzado que deseen identificar y mitigar los riesgos asociados con las aplicaciones potenciadas por LLM, como la inyección de mensajes (prompt injection), la filtración de datos y las respuestas sin filtrar, al tiempo que incorporan controles de seguridad como validación de entradas, supervisión humana en el proceso y barreras de seguridad en las salidas.

Al finalizar esta formación, los participantes podrán:

• Comprender las vulnerabilidades fundamentales 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 (sandboxing), pruebas de penetración interna (red teaming) y revisión humana en procesos de producción.

Esta formación en vivo impartida por un instructor en Peru (en línea o presencial) está dirigida a profesionales intermedios de inteligencia artificial y ciberseguridad que desean comprender y abordar las vulnerabilidades de seguridad específicas de los modelos y sistemas de IA, especialmente en industrias altamente reguladas como las finanzas, la gobernanza de datos y la consultoría.

Al finalizar esta formación, 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 del modelo para asegurar los pipelines de aprendizaje automático.
• Garantizar la seguridad 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 Peru (en línea o en las instalaciones) está dirigida a ingenieros de seguridad y oficiales de cumplimiento que desean endurecer los despliegues de EXO, controlar el acceso a modelos y gobernar las cargas de trabajo de inteligencia artificial que operan completamente in situ.

Esta formación en vivo con instructor en Peru (en línea o presencial) está dirigida a profesionales principiantes de TI especializados en seguridad, riesgo y cumplimiento, que desean comprender los conceptos fundamentales de la seguridad en IA, los vectores de amenaza y los marcos globales como el NIST AI RMF y la norma ISO/IEC 42001.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los riesgos de seguridad únicos que introducen los sistemas de IA.
• Identificar vectores de amenaza como ataques adversarios, envenenamiento de datos e inversión de modelos.
• Aplicar modelos de gobernanza fundamentales como el Marco de Gestión de Riesgos de IA del NIST (NIST AI RMF).
• Alinear el uso de la IA con estándares emergentes, directrices de cumplimiento y principios éticos.

Basado en la última guía del Proyecto de Seguridad para IA Generativa de OWASP, los participantes aprenderán a identificar, evaluar y mitigar amenazas específicas de IA mediante ejercicios prácticos y escenarios del mundo real.

Esta formación en vivo, impartida por un instructor, en Peru (en línea o presencial), está dirigida a profesionales de nivel avanzado que deseen implementar y evaluar técnicas como el aprendizaje federado, la computación segura multipartita, el cifrado homomórfico y la privacidad diferencial en flujos de trabajo reales de aprendizaje automático.

Al finalizar esta formación, 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 privacidad diferencial para el intercambio seguro de datos y el entrenamiento de modelos.
• Utilizar técnicas de cifrado y computación segura para proteger las entradas y salidas del modelo.

Esta formación en vivo con instructores en Peru (en línea o presencial) está dirigida a profesionales de seguridad y especialistas en ML de nivel avanzado que deseen simular ataques contra sistemas de IA, descubrir vulnerabilidades y mejorar la robustez de los modelos de IA implementados.

Al finalizar esta formación, los participantes podrán:

• Simular amenazas del mundo real a modelos de aprendizaje automático.
• Generar ejemplos adversarios para probar la robustez de los modelos.
• Evaluar la superficie de ataque de las API y pipelines de IA.
• Diseñar estrategias de pruebas de penetración (red teaming) para entornos de implementación de IA.

Esta formación en vivo impartida por un instructor en Peru (en línea o presencial) está dirigida a ingenieros y profesionales de la seguridad de nivel intermedio que deseen proteger los modelos de IA implementados en el borde contra amenazas como la manipulación, la filtración de datos, entradas adversarias y ataques físicos.

Al finalizar esta formación, los participantes podrán:

• Identificar y evaluar los riesgos de seguridad en implementaciones de IA en el borde.
• Aplicar técnicas de resistencia a la manipulación e inferencia cifrada.
• Fortalecer los modelos desplegados en el borde y asegurar las canalizaciones de datos.
• Implementar estrategias de mitigación de amenazas específicas para sistemas embebidos y restringidos.

Esta formación en vivo con instructores en Peru (en línea o presencial) está dirigida a profesionales intermedios de aprendizaje automático y ciberseguridad que deseen comprender y mitigar las amenazas emergentes contra los modelos de IA, utilizando tanto marcos conceptuales como defensas prácticas como el entrenamiento robusto y la privacidad diferencial.

Al finalizar esta formación, los participantes serán capaces de:

• Identificar y clasificar amenazas específicas de la IA, como ataques adversarios, inversión y envenenamiento.
• Utilizar herramientas como Adversarial Robustness Toolbox (ART) para simular ataques y probar modelos.
• Aplicar defensas prácticas que incluyen entrenamiento adversario, inyección de ruido y técnicas de preservación de la privacidad.
• Diseñar estrategias de evaluación de modelos conscientes de las amenazas en entornos de producción.

TinyML es un enfoque para desplegar modelos de aprendizaje automático en dispositivos de bajo consumo y recursos limitados, operando en el borde de la red.

Esta formación en vivo, impartida por instructores (en línea o presencial), está dirigida a profesionales de nivel avanzado que desean asegurar las tuberías de TinyML e implementar técnicas de preservación de la privacidad en aplicaciones de IA periférica.

Al finalizar este curso, los participantes podrán:

• Identificar riesgos de seguridad únicos para la inferencia de TinyML en el dispositivo.
• Implementar mecanismos de preservación de la privacidad para despliegues de IA periférica.
• Fortalecer los modelos TinyML y los sistemas embebidos contra amenazas adversarias.
• Aplicar las mejores prácticas para el manejo seguro de datos en entornos con recursos limitados.

Formato del curso

• Conferencias atractivas respaldadas por discusiones guiadas por expertos.
• Ejercicios prácticos que enfatizan escenarios de amenazas del mundo real.
• Implementación práctica utilizando herramientas de seguridad embebida y TinyML.

Opciones de personalización del curso

• Las organizaciones pueden solicitar una versión personalizada de esta formación para alinearse con sus necesidades específicas de seguridad y cumplimiento.

Este curso aborda la gobernanza, la gestión de identidad y las pruebas adversarias para sistemas de IA agéntica, centrándose en patrones de implementación seguros para empresas y técnicas prácticas de red-teaming.

Esta formación en vivo con instrucción directa (en línea o presencial) está dirigida a profesionales avanzados que desean diseñar, proteger y evaluar sistemas de IA basados en agentes en entornos de producción.

Al finalizar esta capacitación, los participantes serán capaces de:

• Definir modelos de gobernanza y políticas para implementaciones seguras de IA agéntica.
• Diseñar flujos de identidad y autenticación no humanos para agentes con acceso de mínimo privilegio.
• Implementar controles de acceso, registros de auditoría y capacidad de observabilidad adaptados a agentes autónomos.
• Planificar y ejecutar ejercicios de red-teaming para detectar usos indebidos, rutas de escalación y riesgos de exfiltración de datos.
• Mitigar las amenazas comunes a los sistemas agénticos mediante políticas, controles de ingeniería y monitoreo.

Formato del Curso

• Conferencias interactivas y talleres de modelado de amenazas.
• Laboratorios prácticos: aprovisionamiento de identidad, aplicación de políticas y simulación de adversarios.
• Ejercicios red-team/blue-team y evaluación al final del curso.

Opciones de Personalización del Curso

• Para solicitar una capacitación personalizada para este curso, por favor contáctenos para coordinarlo.