Contacta con nosotros

Temario del curso

Día 1
Anatomía de un Agente 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

Compensaciones en el diseño entre agente único y multi-agente

Frameworks de Agentes y la Stack Moderna

LangChain, LlamaIndex, AutoGen, CrewAI y sus compensaciones

Comparación con frameworks clásicos como JADE y SPADE

Criterios para elegir un framework según los requisitos de producción

Llamadas a herramientas, llamadas a funciones y salidas estructuradas

Práctico: implementación básica de un agente en Python con llamadas a herramientas

Arquitecturas de Sistemas Multi-Agente
>

Diseños centralizados, descentralizados, híbridos y en capas para sistemas multi-agente (MAS)

FIPA ACL, intercambio de mensajes y equivalentes modernos

Patrones de coordinación: planificación, negociación y sincronización

Comportamiento emergente y auto-organización 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 unificado entre 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 del agente

>

Compensaciones en latencia, costo y precisión en pipelines multimodales

Construcción de la Capa de Percepción
>

Procesamiento de imágenes para agentes: clasificación, etiquetado y detección de objetos

>

Reconocimiento de voz con Whisper ASR y transcripción en tiempo real

>

Síntesis de texto a voz e interacción de voz natural

>

Conexión de los resultados de percepción al razonamiento impulsado por LLM y selección de herramientas

Práctico - Construcción de un Agente Multimodal en Python

Definición de la tarea del agente, ventana de contexto e inventario de herramientas

>

Conexión end-to-end de las APIs de GPT-4 Vision y Whisper

>

Implementación de memoria, estado y gestión de conversación

>

Agregado de llamadas a herramientas con efectos secundarios en el mundo real, asegurando su seguridad

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 Amenaza de Agentes IA en Producción
>

Qué hace que la IA agéntica sea única en vulnerabilidad comparada con el software tradicional

>

Superficie de ataque: 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

Práctico - Ataques Adversarios
>

Ejemplos adversarios y métodos de perturbación: FGSM, PGD, DeepFool

>

Escenarios de ataques de caja blanca versus caja negra

>

Ataques de inversión del modelo e inferencia de membresía

>

Polarización 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 Fortalecimiento del Modelo
>

Estrategias de entrenamiento adversario y aumento de datos

>

Destilación 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

Práctico con Adversarial Robustness Toolbox
>

Simulación de ataques contra el agente multimodal construido en el Día 2

>

Medición de la robustez ante perturbaciones y cuantificación del deterioro

>

Aplicación iterativa de defensas y re-evaluación de tasas de éxito de los ataques

>

Puesta a prueba de las vías de llamadas a herramientas y vectores de inyección de prompts

Día 4
Marco de Gestión de Riesgos para IA
>

NIST AI Risk Management Framework: gobernanza, mapeo, medición y gestión

>

ISO/IEC 42001 y estándares emergentes específicos para IA

>

Mapeo de riesgos de IA a frameworks GRC empresariales existentes

>

Requisitos de responsabilidad, audibilidad y documentación en IA

Cumplimiento Regulatorio para Sistemas Agénticos
>

EUI AI Act: niveles de riesgo, usos prohibidos y obligaciones para sistemas de alto riesgo

>

Implicaciones de GDPR y CCPA para flujos de datos de agentes

>

Orden ejecutiva de EE. UU. sobre IA Segura, Confiable y Fiable

>

Orientación sectorial específica para finanzas, atención médica y servicios públicos

>

Riesgos de terceros y uso de herramientas IA por parte de 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, daños downstream y despliegue responsable

>

Diseño de comportamientos de agentes inclusivos y auditables

Despliegue en Producción, Monitoreo y Respuesta ante Incidentes
>

Patrones de despliegue seguro para sistemas de agente único y multi-agente

>

Monitoreo continuo de deriva, anomalías y abusos

>

Registro, trazabilidad y preparación forense para las acciones del agente

>

Playbooks de respuesta a incidentes de seguridad IA y recuperación

>

Casos de estudio de brechas reales de IA y lecciones aprendidas

Capstone y Síntesis
>

Revisión del sistema multi-agente multimodal construido durante el curso

>

Revisión integral: diseño, construcción, seguridad, gobernanza y despliegue

>

Autoevaluación del sistema contra las funciones de NIST AI RMF

>

Perspectiva futura sobre tendencias emergentes en IA agéntica y seguridad de la IA

Resumen y Próximos Pasos

Requerimientos

Público Objetivo

Ingenieros y arquitectos de IA que construyen 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, atención médica y consultoría. Desarrolladores senior y líderes de soluciones que integran capacidades multimodales y multi-agente en plataformas empresariales.

 28 Horas

Número de participantes


Precio por participante

Reseñas (3)

Próximos cursos

Categorías Relacionadas