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 orientados a objetivos
Componentes centrales: percepción, planificación, memoria, uso de herramientas y acción
Compensaciones en el diseño de agentes individuales versus multi-agentes
Frameworks de Agentes y el Stack Moderno
LangChain, LlamaIndex, AutoGen, CrewAI y sus compensaciones
Comparación con frameworks clásicos como JADE y SPADE
Elección de un framework basado en los requisitos de producción
Llamada de herramientas, llamada de funciones y salidas estructuradas
Práctica: creación de una base para un agente Python individual con llamadas a herramientas
Arquitecturas de Sistemas Multi-Agente
Diseños centralizados, descentralizados, híbridos y en capas para MAS
FIPA ACL, paso de mensajes y equivalentes modernos
Patrones de coordinación: planificación, negociación, sincronización
Comportamiento emergente y autoorganización en poblaciones de agentes
Tomada 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 coordinadores
Día 2
Fundamentos Multimodales para Agentes
IA multimodal como un flujo de trabajo unificado a través de 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
Compensaciones en latencia, costo y precisión en pipelines multimodales
Construcción de la Capa de Percepción
Procesamiento de imágenes para agentes: clasificación, etiquetado, 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 con el razonamiento basado en 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 de las APIs de GPT-4 Vision y Whisper de extremo a extremo
Implementación de memoria, estado y gestión de conversaciones
Agregado de llamadas a herramientas que producen efectos secundarios en el mundo real de forma 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 agentic sea única y vulnerable en comparación con el 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 ataque de caja blanca versus caja negra
Ataques de inversión de modelo e inferencia de membresía
Envenenamiento de datos e 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 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
Práctica con la Caja de Herramientas de Robustez Adversaria
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 en las vías de llamada de herramientas y vectores de inyección de prompts
Día 4
Marco de Gestión de Riesgos para IA
Marco de Gestión de Riesgos de IA de NIST: gobernar, mapear, medir, gestionar
ISO/IEC 42001 y estándares emergentes específicos para IA
Mapeo de riesgos de IA a marcos de GRC (Gobernanza, Riesgo y Cumplimiento) empresariales existentes
Requisitos de rendición de cuentas, auditabilidad y documentación para IA
Cumplimiento Regulatorio para Sistemas Agentic
Ley de IA de la Unión Europea: 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 específica del sector 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 en la percepción y el razonamiento del agente
Explicabilidad y transparencia como propiedades relevantes para la seguridad
Equidad, daño a downstream y despliegue responsable
Diseño de comportamiento de agente inclusivo y auditable
Despliegue en Producción, Monitoreo y Respuesta a Incidentes
Patrones de despliegue seguro para sistemas de agentes individuales y multi-agente
Monitoreo continuo de deriva, anomalías y abusos
Registro, historiales de auditoría y preparación forense para acciones de agentes
Playbooks de respuesta a incidentes de seguridad de IA y recuperación
Estudios de caso 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, despliegue
Autoevaluación del sistema contra las funciones del Marco NIST AI RMF
Perspectiva futura sobre tendencias emergentes en IA agentic y seguridad de IA
Resumen y Próximos Pasos
Requerimientos
Audiencia Objetivo
Ingenieros y arquitectos de IA que construyen sistemas agentic para uso en producción. Profesionales de ciberseguridad, riesgo 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.
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