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 fundamentales: percepción, planificación, memoria, uso de herramientas y acción
Ventajas y desventajas del diseño de agente único versus multi-agente
Marco de Agentes y el Stack Moderno
LangChain, LlamaIndex, AutoGen, CrewAI y sus respectivos trade-offs
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: construcción de un agente Python individual con llamadas a herramientas
Arquitecturas de Sistemas Multi-Agente
>Diseños centralizados, descentralizados, híbridos y en capas de sistemas multi-agente (MAS)
FIPA ACL, intercambio de mensajes y equivalentes modernos
Patrones de coordinación: planificación, negociación y 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
>Transferencia de aprendizaje 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 que abarca texto, imagen, voz y video
>Principales modelos multimodales: 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 de texto (captioning) y 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 al razonamiento impulsado por LLMs y 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 final a final de las APIs de GPT-4 Vision y Whisper
>Implementación de memoria, estado y gestión de conversaciones
>Agregado de llamadas a herramientas que generan efectos secundarios en el mundo real de forma 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
>Asignación de recursos y coordinación en un entorno simulado
>Registro del razonamiento, llamadas a herramientas y decisiones de los agentes para inspección y auditoría
Día 3
Superficie de Amenazas de Agentes de IA en Producción
>Qué hace que la IA agéntica sea única y 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 con ciberseguridad tradicional
Laboratorio Práctico - Ataques Adversariales
>Ejemplos adversariales y métodos de perturbación: FGSM, PGD, DeepFool
>Escenarios de ataque de caja blanca versus caja negra
>Ataques de inversión de modelos 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 LLMs
Técnicas Defensivas y Endurecimiento del Modelo
>Estrategias de entrenamiento adversarial 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
Laboratorio Práctico con la Adversarial Robustness Toolbox
>Simulación de ataques contra el agente multimodal construido el Día 2
>Medición de la robustez ante perturbaciones y cuantificación de la degradación
>Aplicación iterativa de defensas y reevaluación de las tasas de éxito del ataque
>Pruebas de estrés en vías de llamada 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 y gestionar
>ISO/IEC 42001 y estándares emergentes específicos de IA
>Mapeo de riesgos de IA a marcos existentes de GRC empresarial (Gobernanza, Riesgos y Cumplimiento)
>Requisitos de responsabilidad, auditabilidad y documentación en IA
Cumplimiento Regulatorio para Sistemas Agénticos
>Ley de IA de la UE: niveles de riesgo, usos prohibidos y obligaciones para sistemas de alto riesgo
>Implicaciones del RGPD y CCPA para los pipelines de datos de agentes
>Orden Ejecutiva de EE. UU. sobre una IA Segura, Confiable y Segura
>Orientación específica por sector para finanzas, salud y servicios públicos
>Riesgo de terceros y uso de herramientas de IA por proveedores
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, daño secundario 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 agente único y multi-agente
>Monitoreo continuo para deriva (drift), anomalías y abusos
>Registros, trazas de auditoría y preparación forense para acciones del agente
>Libretos de respuesta a incidentes de seguridad de IA y recuperación
>Casos de estudio de brechas reales de IA y lecciones aprendidas
Proyecto Final 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 agéntica y seguridad de la IA
Resumen y Próximos Pasos
Requerimientos
Audiencia Objetivo
Ingenieros de IA y arquitectos que desarrollan sistemas agénticos para uso en producción. Profesionales de ciberseguridad, riesgo y cumplimiento responsables de la garantía de calidad de la IA en industrias reguladas como finanzas, salud y consultoría. Desarrolladores senior y líderes de solución 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