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 reactivos, proactivos, híbridos y dirigidos a objetivos
Componentes clave: percepción, planificación, memoria, uso de herramientas y acción
Ventajas y desventajas del diseño de un agente único frente a sistemas multiagente
Frameworks de Agentes y el Stack Moderno
LangChain, LlamaIndex, AutoGen, CrewAI y sus respectivas ventajas y limitaciones
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
Práctica: desarrollo de la estructura base de un agente individual en Python con llamadas a herramientas
Arquitecturas de Sistemas Multiagente
Diseños centralizados, descentralizados, híbridos y en capas para sistemas multiagente (MAS)
FIPA ACL, paso 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 multiagente
Aprendizaje transferible y compartimento de conocimiento entre agentes
Resolución de conflictos y construcción de confianza entre agentes coordinados
Día 2
Fundamentos Multimodales para Agentes
IA multimodal como un flujo de trabajo unificado que integra texto, imagen, voz y video
Modelos multimodales líderes: GPT-4 Vision, Gemini, Claude, Whisper
Técnicas de fusión para combinar distintas modalidades dentro del bucle de razonamiento del agente
Ventajas y compensaciones en latencia, costo y precisión en pipelines multimodales
Construcción de la Capa de Percepción
Procesamiento de imágenes para agentes: clasificación, 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 basado en LLMs y selección de herramientas
Práctica - Construcción de un Agente Multimodal en Python
Definición de la tarea, ventana de contexto e inventario de herramientas del agente
Integración end-to-end de las APIs de GPT-4 Vision y Whisper
Implementación de memoria, estado y gestión de conversaciones
Agregado de llamadas a herramientas que generen efectos secundarios en el mundo real de forma segura
Práctica - Coordinación de un Sistema Multiagente
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 Amenaza de Agentes de IA en Producción
Factores que hacen a la IA agencial única y vulnerable comparada con 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 entre prácticas de ciberseguridad en IA y ciberseguridad tradicional
Práctica - Ataques Adversarios
Ejemplos adversarios y métodos de perturbación: FGSM, PGD, DeepFool
Escenarios de ataques white-box versus black-box
Inversión de modelos y ataques de 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 LLMs
Técnicas Defensivas y endurecimiento de modelos
Estrategias de entrenamiento adversario 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
Práctica con el Adversarial Robustness Toolbox
Simulación de ataques contra el agente multimodal desarrollado el Día 2
Evaluación de la robustez bajo perturbación y cuantificación de la degradación
Aplicación iterativa de defensas y reevaluación de las 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: gobernar, mapear, medir y gestionar
ISO/IEC 42001 y estándares emergentes específicos para IA
Mapeo de riesgos de IA a frameworks GRC (Gobernanza, Riesgo y Cumplimiento) empresariales existentes
Requisitos de rendición de cuentas, audibilidad y documentación en IA
Cumplimiento Regulatorio para Sistemas Agenticos
Ley de IA de la UE (EU AI Act): niveles de riesgo, usos prohibidos y obligaciones para sistemas de alto riesgo
Implicaciones del GDPR y CCPA en los pipelines de datos de los agentes
Orden Ejecutiva de EE. UU. sobre una IA Segura, Confiable y Responsable
Orientaciones específicas por sector para finanzas, salud y servicios públicos
Riesgo de terceros y uso de herramientas de IA por proveedores
Ética, Sesgos y Explicabilidad
Detección y mitigación de sesgos a lo largo de la percepción y el razonamiento del agente
Explicabilidad y transparencia como propiedades relevantes para la seguridad
Ecuidad, daños indirectos y despliegue responsable
Diseño de comportamientos de agentes inclusivos y auditables
Despliegue en Producción, Monitoreo y Respuesta a Incidentes
Patrones seguros de despliegue para sistemas de agente único y multiagente
Monitoreo continuo para detectar deriva (drift), anomalías y abusos
Registro de actividad, rastro de auditoría y preparación forense para acciones de agentes
Protocolos de respuesta a incidentes de seguridad en IA y recuperación
Estudios de caso de brechas reales en IA y lecciones aprendidas
Proyecto Final y Síntesis
Revisión del sistema multiagente multimodal desarrollado a lo largo del curso
Revisión integral del pipeline: diseño, construcción, seguridad, gobernanza y despliegue
Autoevaluación del sistema frente a las funciones del NIST AI RMF
Perspectivas futuras sobre tendencias emergentes en IA agencial y seguridad de la IA
Resumen y Próximos Pasos
Requerimientos
Público Objetivo
Ingenieros y arquitectos de IA que desarrollan sistemas agenticos 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 soluciones que integran capacidades multimodales y multiagente 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