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
Ventajas y desventajas del diseño de agentes individuales frente a multi-agente
Marcos de agentes y la pila tecnológica moderna
LangChain, LlamaIndex, AutoGen, CrewAI y sus respectivos compromisos técnicos
Comparación con marcos clásicos como JADE y SPADE
Cómo elegir un marco según los requisitos de producción
Llamada a herramientas, llamada de funciones y salidas estructuradas
Laboratorio práctico: creación de una estructura para un agente único en Python con llamadas a herramientas
Arquitecturas de sistemas multi-agente
Diseños centralizados, descentralizados, híbridos y por capas de MAS (Sistemas Multi-Agente)
FIPA ACL, intercambio de mensajes y 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 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 bucle de razonamiento de un agente
Compromisos entre latencia, costo y precisión en pipelines multimodales
Construcción de la capa de percepción
Procesamiento de imágenes para agentes: clasificación, etiquetado automático y detección de objetos
Reconocimiento de voz con Whisper ASR y transcripción en tiempo real
Síntesis de texto a voz e interacción con voz natural
Conexión de las salidas de percepción con el razonamiento impulsado por LLM y la selección de herramientas
Laboratorio práctico - Construcción de un agente multimodal en Python
Definición de la tarea del agente, ventana de contexto e inventario de herramientas
Conexión integral de las APIs de GPT-4 Vision y Whisper
Implementación de gestión de memoria, estado y conversación
Agregado de llamadas a herramientas que producen efectos secundarios reales de manera segura
Laboratorio 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
Distribución 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 amenazas de agentes de IA en producción
Qué hace que la IA agéntica sea única mente vulnerable comparada 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 frente a la ciberseguridad tradicional
Laboratorio práctico sobre ataques adversariales
Ejemplos adversariales y métodos de perturbación: FGSM, PGD, DeepFool
Escenarios de ataques en caja blanca versus caja negra
Ataques de inversión de modelo e inferencia de membresía
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 del modelo
Estrategias de entrenamiento adversarial y aumento de datos
Distilación defensiva y otras técnicas de robustez
Preprocesamiento de entrada, enmascaramiento de gradientes y regularización
Privacidad diferencial, inyección de ruido y presupuestos de privacidad
Aprendizaje federado y agregación segura para entrenamiento distribuido
Laboratorio 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 del deterioro
Aplicación iterativa de defensas y reevaluación de las tasas de éxito de los ataques
Pruebas de estrés en las rutas de llamadas a herramientas y vectores de inyección de prompts
Día 4
Marco 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 del riesgo de IA a los marcos GRC empresariales existentes
Requisitos de responsabilidad, auditabilidad y documentación de la IA
Cumplimiento regulatorio para sistemas agénticos
EU AI Act: niveles de riesgo, usos prohibidos y obligaciones para sistemas de alto riesgo
Implicaciones del GDPR y CCPA para los pipelines de datos de los agentes
Orden Ejecutiva de EE. UU. sobre una IA segura, sólida y confiable
Orientación sectorial específica para finanzas, salud y servicios públicos
Riesgo de terceros y uso de herramientas de IA por parte 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 derivado y despliegue responsable
Diseño de comportamientos de agentes inclusivos y auditables
Despliegue en producción, monitoreo y respuesta a incidentes
Patrones de despliegue seguro para sistemas de agentes individuales y multi-agente
Monitoreo continuo de deriva (drift), anomalías y abuso
Registro, rastreo de auditoría y preparación forense para las acciones de los agentes
Protocolos de respuesta a incidentes de seguridad de IA y recuperación
Casos de estudio de brechas reales de IA y lecciones aprendidas
Taller final y síntesis
Revisión del sistema multi-agente multimodal construido durante el curso
Revisión integral del pipeline: diseño, construcción, seguridad, gobernanza, despliegue
Autoevaluación del sistema contra las funciones del NIST AI RMF
Perspectiva futura sobre tendencias emergentes en IA agéntica y seguridad de la IA
Resumen y próximos pasos
Requerimientos
Público objetivo
Ingenieros de IA y arquitectos que construyen sistemas agénticos para uso en producción. Profesionales de ciberseguridad, riesgo y cumplimiento responsables de la garantía de la IA en industrias reguladas como finanzas, salud y consultoría. Desarrolladores senior y líderes de soluciones que incorporan 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
