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.
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