Programa do Curso
Dia 1
Anatomia de um Agente de IA Moderno
Além dos chatbots: agentes como sistemas autônomos de raciocínio e atuação
Paradigmas de agentes reativos, proativos, híbridos e orientados a objetivos
Componentes principais: percepção, planejamento, memória, uso de ferramentas e ação
Compensações (trade-offs) entre projetos de agente único e multi-agente
Frameworks de Agentes e a Stack Moderna
LangChain, LlamaIndex, AutoGen, CrewAI e suas compensações (trade-offs)
Comparação com frameworks clássicos, como JADE e SPADE
Escolha de um framework com base nos requisitos de produção
Chamada de ferramentas (tool calling), chamada de funções e saídas estruturadas
Prática: estruturação de um agente Python único com chamadas de ferramentas
Arquiteturas de Sistemas Multi-Agente
Designs centralizados, descentralizados, híbridos e em camadas para MAS (Multi-Agent Systems)
FIPA ACL, passagem de mensagens e equivalentes modernos
Padrões de coordenação: planejamento, negociação e sincronização
Comportamento emergente e auto-organização em populações de agentes
Tomada de Decisão e Aprendizado em Agentes
Teoria dos jogos para interações cooperativas e competitivas entre agentes
Aprendizado por reforço em ambientes multi-agente
Aprendizado por transferência e compartilhamento de conhecimento entre agentes
Resolução de conflitos e confiança entre agentes coordenados
Dia 2
Fundamentos Multimodais para Agentes
IA multimodal como um fluxo de trabalho unificado em texto, imagem, fala e vídeo
Principais modelos multimodais: GPT-4 Vision, Gemini, Claude, Whisper
Técnicas de fusão para combinar modalidades dentro do ciclo de raciocínio do agente
Compensações (trade-offs) de latência, custo e precisão em pipelines multimodais
Construindo a Camada de Percepção
Processamento de imagens para agentes: classificação, legendagem e detecção de objetos
Reconhecimento de fala com Whisper ASR e transcrição em tempo real (streaming)
Síntese de texto para fala e interação de voz natural
Conexão das saídas da percepção ao raciocínio e seleção de ferramentas acionados por LLMs
Prática - Construindo um Agente Multimodal em Python
Definição da tarefa do agente, janela de contexto e inventário de ferramentas
Implementação completa das APIs GPT-4 Vision e Whisper
Implementação de gerenciamento de memória, estado e conversação
Adição de chamadas de ferramentas que produzem efeitos colaterais no mundo real com segurança
Prática - Orquestrando um Sistema Multi-Agente
Composição de agentes especializados com AutoGen ou CrewAI
Definição de papéis, responsabilidades e protocolos de comunicação entre agentes
Alocação de recursos e coordenação em um ambiente simulado
Registro do raciocínio dos agentes, chamadas de ferramentas e decisões para inspeção e auditoria
Dia 3
Superfície de Ameaça de Agentes de IA em Produção
O que torna a IA agêntica vulnerável de maneira única, comparada ao software tradicional
Superfície de ataque: camadas de dados, modelo, prompt, ferramenta, saída e interface
Modelagem de ameaças para sistemas baseados em agentes com uso autônomo de ferramentas
Comparação das práticas de cibersegurança de IA com a segurança cibernética tradicional
Prática - Ataques Adversários
Exemplos adversários e métodos de perturbação: FGSM, PGD, DeepFool
Cenários de ataque white-box versus black-box
Ataques de inversão de modelo e inferência de membresia
Envenenamento de dados e injeção de backdoors durante o treinamento
Injeção de prompt, jailbreaking e mau uso de ferramentas em agentes baseados em LLMs
Técnicas Defensivas e Fortalecimento do Modelo
Estratégias de treinamento adversário e aumento de dados
Distilação defensiva e outras técnicas de robustez
Pré-processamento de entradas, mascaramento de gradientes e regularização
Privacidade diferencial, injeção de ruído e orçamentos de privacidade
Aprendizado federado e agregação segura para treinamento distribuído
Prática com o Adversarial Robustness Toolbox
Simulação de ataques contra o agente multimodal construído no Dia 2
Mensuração da robustez sob perturbação e quantificação da degradação
Apliquem defesas iterativamente e reavaliem as taxas de sucesso dos ataques
Testes de estresse nos caminhos de chamadas de ferramentas e vetores de injeção de prompt
Dia 4
Frameworks de Gerenciamento de Risco para IA
NIST AI Risk Management Framework: governar, mapear, mensurar e gerenciar
ISO/IEC 42001 e padrões emergentes específicos de IA
Mapeamento de riscos de IA para frameworks GRC (Governança, Risco e Conformidade) empresariais existentes
Exigências de responsabilização, auditabilidade e documentação da IA
Conformidade Regulatória para Sistemas Agênticos
EU AI Act: níveis de risco, usos proibidos e obrigações para sistemas de alto risco
Implicações do GDPR e CCPA para pipelines de dados dos agentes
Ordem Executiva dos EUA sobre IA Segura, Confiável e Confiança
Orientações setoriais específicas para finanças, saúde e serviços públicos
Risco de terceiros e uso de ferramentas de IA por fornecedores
Ética, Viés e Explicabilidade
Deteção e mitigação de vieses em toda a percepção e raciocínio do agente
Explicabilidade e transparência como propriedades relevantes para a segurança
Justiça, danos secundários e implantação responsável
Projeto de comportamento de agentes inclusivo e auditável
Implantação em Produção, Monitoramento e Resposta a Incidentes
Padrões de implantação segura para sistemas de agente único e multi-agente
Monitoramento contínuo para deriva (drift), anomalias e abusos
Registros, trilhas de auditoria e prontidão forense para ações dos agentes
Livros de jogada (playbooks) de resposta a incidentes de segurança de IA e recuperação
Estudos de caso de violações reais de IA e lições aprendidas
Capstone e Síntese
Revisão do sistema multi-agentes multimodais construído ao longo do curso
Revisão do pipeline completo: design, construção, segurança, governança e implantação
Autoavaliação do sistema em relação às funções do NIST AI RMF
Perspectiva futura sobre tendências emergentes em IA agêntica e segurança de IA
Resumo e Próximos Passos
Requisitos
Público-Alvo
Engenheiros de IA e arquitetos que constroem sistemas agênticos para uso em produção. Profissionais de cibersegurança, riscos e conformidade responsáveis pela garantia da IA em indústrias reguladas, como finanças, saúde e consultoria. Desenvolvedores seniores e líderes de solução que incorporam capacidades multimodais e multi-agente em plataformas empresariais.
Testemunhos de Clientes (3)
O instrutor é paciente e muito prestativo. Ele domina bem o assunto.
CLIFFORD TABARES - Universal Leaf Philippines, Inc.
Curso - Agentic AI for Business Automation: Use Cases & Integration
Máquina Traduzida
Bom misto de conhecimento e prática
Ion Mironescu - Facultatea S.A.I.A.P.M.
Curso - Agentic AI for Enterprise Applications
Máquina Traduzida
A mistura de teoria e prática e de perspectivas de alto e baixo nível
Ion Mironescu - Facultatea S.A.I.A.P.M.
Curso - Autonomous Decision-Making with Agentic AI
Máquina Traduzida
