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 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.

 28 Horas

Número de participantes


Precio por participante

Reseñas (3)

Próximos cursos

Categorías Relacionadas