IA agéntica para ciberseguridad

Para profesionales de ciberseguridad, SOC, red/blue team, pentesters, devs, arquitectos, líderes tech y CISOs que saben que los agentes de IA ya entraron al campo de batalla, pero no quieren aprenderlo cuando el incidente ya esté ardiendo.

Habilidades:

IA agéntica, RAG, MCP, A2A, SOC autónomo, pentesting y gobierno

Nivel: Intermedio

Requisitos:

Bases de ciberseguridad o desarrollo. Curiosidad técnica.

Omar Santos es Ingeniero Distinguido en Cisco, especializado en seguridad de inteligencia artificial, investigación, respuesta a incidentes y divulgación de vulnerabilidades.

Es líder del Red Team Village de DEF CON y presidente del comité técnico del Common Security Advisory Framework —CSAF—. También forma parte de la junta de OASIS, una organización de estándares abiertos, y es fundador de OpenEoX.

Su trabajo colaborativo se extiende a múltiples organizaciones internacionales, incluyendo el Forum of Incident Response and Security Teams —FIRST— y, anteriormente, el Industry Consortium for Advancement of Security on the Internet —ICASI—. Además, Omar es copresidente del Grupo de Interés Especial de PSIRT en FIRST, conocido como PSIRT SIG.

Ha escrito más de 25 libros, creado 21 cursos en video y publicado más de 50 trabajos de investigación académica. Es un experto reconocido en hacking ético, investigación de vulnerabilidades, respuesta a incidentes y seguridad en IA.

Su experiencia ayuda a organizaciones, empresas, instituciones académicas, agencias de aplicación de la ley y equipos de seguridad a mantenerse por delante de amenazas emergentes. Puedes seguirlo en X —Twitter— como @santosomar.

Parte I: Fundamentos y tecnologías centrales

• La transición de asistentes tradicionales de IA hacia sistemas agénticos autónomos.
• Cómo la IA pasa de responder preguntas a razonar, planear, actuar y colaborar.
• La anatomía de una infraestructura moderna de agentes de IA.
• Tipos de agentes, capas híbridas de modelos y patrones de arquitectura.

1. Fundamentos de los sistemas de IA agéntica

• Reflexión sobre el cambio: de herramientas pasivas a agentes digitales activos.
• Asistentes tradicionales de IA y recuperación de información.
• Retrieval-Augmented Generation —RAG— y su evolución.
• Introducción básica a Agentic RAG.
• Infraestructura moderna para sistemas agénticos.
• Tipos de agentes de IA y modelos híbridos.
• Preguntas de repaso y respuestas para consolidar conceptos.

2. RAG, Agentic RAG y Model Context Protocol —MCP—

• Recapitulación de RAG y Agentic RAG.
• Bases de datos vectoriales y modelos de embeddings.
• Embeddings: el lenguaje matemático del significado.
• Fundamentos matemáticos de los vectores.
• Implementación práctica para generar embeddings con OpenAI.
• Uso del benchmark MTEB para comparar modelos de embeddings.
• Datasets de ciberseguridad y embeddings aplicados.
• Clustering, descubrimiento de patrones y análisis semántico.
• Bases de datos vectoriales como bibliotecas de alta velocidad para vectores.
• Comparación de bases vectoriales populares.
• Arquitectura de bases de datos vectoriales.
• Similitud coseno, distancia euclidiana y producto punto.
• Creación e interacción con bases vectoriales usando LangChain.
• Introducción profunda a Model Context Protocol —MCP—.
• Arquitectura de MCP: hosts, clientes y servidores.
• Ejemplo práctico de funcionamiento.
• Proyecto: construir un bot personal de preguntas y respuestas sobre ciberseguridad.
• Proyecto: crear un servidor MCP básico de utilidades de red.

3. Protocolos para el Internet de los Agentes

• Introducción al protocolo Agent2Agent —A2A—.
• Caso de estudio: respuesta coordinada ante ransomware impulsada por IA.
• Arquitectura central y componentes de A2A.
• La Agent Card: un pasaporte digital para descubrir agentes.
• Patrones de comunicación e interacción entre agentes.
• Seguridad y preparación empresarial para sistemas multiagente.
• Introducción al Agent Communication Protocol —ACP—.
• Principios arquitectónicos de comunicación agéntica.
• Escenario: descubrimiento offline ACP para un agente analizador de inteligencia de malware.
• Agent Name Service —ANS—: directorio universal seguro para agentes.
• Arquitectura ANS inspirada en principios de DNS.
• Identidad, confianza y PKI en un mundo agéntico.
• Esquemas de nombres ANS y proceso de resolución.
• AGNTCY y la construcción de una pila fundacional para el Internet de los Agentes.
• Análisis comparativo y perspectiva futura de protocolos agénticos.

4. Orquestación con LangChain, LangGraph y LlamaIndex

• Introducción a LangChain y sus componentes centrales.
• Primitivas fundamentales para construir aplicaciones de IA.
• Ejemplo práctico: una cadena RAG de ciberseguridad con LCEL.
• Uso de LangGraph para flujos de trabajo agénticos.
• Conceptos principales de LangGraph.
• LangGraph en acción: agente automatizado de reconocimiento.
• Introducción a LlamaIndex.
• Ejemplo práctico: construcción de un grafo de conocimiento a partir de reportes de inteligencia de amenazas.
• Cómo elegir el framework correcto según tu caso de uso.
• Panorama de PydanticAI, Flowise y LangFlow.

5. CrewAI, n8n, Apache Airflow, OpenAI Agent Builder y otros frameworks agénticos

• CrewAI: colaboración basada en roles para equipos de agentes.
• Conceptos centrales de CrewAI.
• Instalación y configuración de CrewAI.
• Ejemplo práctico: una crew para priorización de vulnerabilidades.
• n8n: automatización visual y flujos low-code.
• Conceptos centrales de n8n.
• Primeros pasos con n8n y su constructor visual de workflows.
• Configuración de memoria para agentes.
• Herramientas e integraciones extensas de n8n.
• Caso de estudio de ciberseguridad con n8n.
• Uso del servicio n8n Cloud.
• Apache Airflow y sus conceptos centrales.
• Caso de uso: agregación diaria de inteligencia de amenazas.
• Langflow: orquestación visual y despliegue para GenAI.
• Plataforma de agentes de OpenAI.
• Creación de workflows con Agent Builder.
• AgentKit y ChatKit.

Parte II: Aplicaciones y seguridad

• Aplicaciones prácticas de IA agéntica en ciberseguridad, desarrollo, liderazgo y operaciones.
• Construcción de analistas SOC autónomos.
• Uso de agentes en pruebas de penetración, red teaming y bug bounties.
• Protección de sistemas agénticos contra ataques modernos.

6. La cabina del arquitecto: IDEs potenciados por IA y agentes de programación

• Qué es un agente moderno de programación con IA.
• La evolución de asistentes estáticos a socios dinámicos de desarrollo.
• Anatomía de un IDE moderno.
• Pilares tecnológicos de las herramientas de codificación con IA.
• Análisis comparativo de agentes líderes de programación.
• GitHub Copilot y el inicio del movimiento.
• Cursor y su uso para construir dashboards interactivos.
• Windsurf, Google Antigravity, Amazon Q Developer, Sourcegraph Cody, AMP, Augment Code, Claude Code, Cline y Warp.
• Criterios de evaluación empresarial para herramientas de IA.
• Profundidad de contexto, calidad del modelo, autonomía y ejecución remota.
• La paradoja de productividad: ganancias percibidas contra ganancias medidas.
• Project CodeGuard: cómo evitar que tus agentes introduzcan vulnerabilidades.
• Metodología de seguridad multietapa.
• Cobertura integral para generación y revisión segura de código.
• Proyecto: usar CodeGuard para crear código más seguro.

7. Construcción de un analista SOC autónomo

• La crisis de las operaciones modernas de seguridad.
• Fatiga de alertas: el asesino silencioso del SOC.
• Economía del talento en seguridad y presión operativa.
• La verdad dura sobre la velocidad de respuesta.
• Anatomía de un analista SOC autónomo.
• Capa de percepción: ingesta y normalización de datos.
• Motor de razonamiento: análisis impulsado por LLMs.
• Capa de acción: orquestación y respuesta.
• Capa de memoria: estado, aprendizaje y continuidad.
• Implementación técnica del entorno de desarrollo.
• Definición del estado del agente.
• Integración con herramientas de seguridad.
• Construcción de nodos de workflow.
• Creación de grafos con rutas condicionales.
• Ejecución del agente y patrones avanzados.
• Implementación de RAG para respuestas alineadas con políticas.
• Colaboración multiagente.
• Integración con MCP.
• Caso de estudio: detección de un ataque de ransomware.
• Proyecto: construir tu propio analista SOC autónomo.

8. Pentesting agéntico, red teaming y bug bounties

• Ataques reales y evolución de amenazas impulsadas por IA.
• La técnica central: jailbreaking y manipulación de contexto.
• Infraestructura para frameworks agénticos ofensivos.
• El ciclo de vida del ataque en seis fases.
• Rol humano versus rol de IA en operaciones ofensivas.
• Caso de estudio: uso de LangGraph y n8n para ciberataques y espionaje.
• Arquitectura del ataque y ciclo de vida operativo.
• Por qué un enfoque dividido puede ser peligrosamente poderoso.
• Construcción de agentes de pruebas de penetración con LangChain y LangGraph.
• Anatomía de un agente de pentesting.
• Configuración del entorno, estado del agente y capa de herramientas.
• Construcción de nodos de grafo y ejecución del agente.
• Patrón avanzado: reconocimiento paralelo con fan-out.
• Controles human-in-the-loop para mantener supervisión humana.
• Agent Skills para seguridad ofensiva.
• Cómo funciona la especificación de habilidades de agentes.
• El engagement como pipeline de skills.
• Habilidades por fase, especialización de ataques y reportes.
• Diseño de pipelines seguros con Project CodeGuard.
• Uso de skills para activar reglas always-on o con alcance por glob.

9. Agentes de IA para líderes de negocio y gerentes de proyecto

• Cómo entender agentes de IA desde una perspectiva de liderazgo en ciberseguridad.
• Aplicaciones estratégicas para líderes de seguridad.
• Soporte ejecutivo para toma de decisiones.
• Agentes de inteligencia sobre el panorama de amenazas.
• Gestión financiera de programas de seguridad.
• Optimización de programas de gestión de vulnerabilidades.
• Automatización de cumplimiento y auditoría.
• Agentes de IA para gestión de proyectos de ciberseguridad.
• Retos únicos de los proyectos de seguridad.
• Recolección y síntesis del estado de programas de seguridad.
• Asignación de recursos y planeación de capacidad.
• Reportes para stakeholders de seguridad.
• Caso de estudio: banco global y gestión de portafolio de seguridad.
• Caso de estudio: sistema de salud y automatización de cumplimiento.
• Caso de estudio: empresa tecnológica y gestión de programas de pentesting.

10. Protección de sistemas de IA agéntica

• Desafíos únicos de seguridad en sistemas de IA.
• Arquitecturas de conocimiento distribuido.
• Comportamiento no determinista y superficies de ataque expandidas.
• Caso de estudio: la pesadilla de seguridad de OpenClaw.
• Ciclo de vida de desarrollo de IA.
• Coalition for Secure AI —CoSAI—.
• Mapa de riesgos CoSAI para comprender amenazas en IA.
• Riesgos de cadena de suministro y desarrollo.
• Riesgos de despliegue e infraestructura.
• Riesgos de seguridad en entrada, datos y salida en tiempo de ejecución.
• Controles de seguridad para sistemas de IA.
• Controles de datos, infraestructura, modelos, aplicaciones, aseguramiento y gobernanza.
• Seguridad de la cadena de suministro de IA.
• Riesgos clave en modelos, dependencias, artefactos e integraciones.
• Firma de modelos para construir confianza en artefactos de IA.
• Framework de respuesta a incidentes de IA.
• Tipos de incidentes de seguridad en IA.
• Ciclo de vida de respuesta a incidentes.
• Roles, responsabilidades y preparación previa al incidente.
• Monitoreo, telemetría y forense para sistemas de IA.
• Playbooks de incidentes de IA.
• Patrones de arquitectura segura para IA agéntica.
• Niveles de superficie de defensa.
• Consideraciones de seguridad por patrón arquitectónico.
• Responsabilidades de proveedores y consumidores.
• Consideraciones regulatorias y de cumplimiento.
• Desafíos específicos de cumplimiento en IA.
• Buenas prácticas para compartir información.
• Casos de estudio y lecciones aprendidas.
• Breaking the Prompt Wall: ataques contra barreras de prompt.
• Memory Injection Attack —MINJA—.
• Poison-RAG y manipulación de recuperación aumentada.
• MITRE ATLAS para amenazas contra sistemas de IA.
• OWASP Top 10 para aplicaciones agénticas.
• ASI01: secuestro de objetivos del agente.
• ASI02: mal uso y explotación de herramientas.
• ASI03: abuso de identidad y privilegios.
• ASI04: vulnerabilidades en la cadena de suministro agéntica.
• ASI05: ejecución inesperada de código —RCE—.
• ASI06: envenenamiento de memoria y contexto.
• ASI07: comunicación insegura entre agentes.
• ASI08: fallas en cascada.
• ASI09: explotación de confianza humano-agente.
• ASI10: agentes rebeldes.
• MAESTRO: framework de modelado de amenazas para sistemas multiagente.
• Por qué el modelado de amenazas multiagente es diferente.
• Las siete capas de MAESTRO.
• Proceso de modelado de amenazas con MAESTRO.
• Uso de MAESTRO junto con MITRE ATLAS.
• Caso de estudio: sistema multiagente para reembolsos de gastos.
• Ejercicios finales para aplicar controles, gobierno y arquitectura segura.

¿Necesito saber programar para aprovecharlo? No. Si programas, avanzas más rápido; si lideras, entenderás arquitectura, riesgos y decisiones clave.

¿Sirve si soy de ciberseguridad pero no de IA? Sí. Te lleva de seguridad a IA agéntica con ejemplos de SOC, incidentes, defensa y ataque.

¿Sirve si soy de IA pero no experto en seguridad? Sí. Te aterriza la IA en amenazas reales, controles, pentesting, SOC y gobernanza.

¿Está explicado en lenguaje claro? Sí. Está en inglés claro, con diagramas, ejercicios y proyectos. Cero humo, mucha estructura.

¿Incluye proyectos prácticos? Sí. Incluye proyectos paso a paso: bots, servidores MCP, SOC autónomo y seguridad de código.

¿Qué frameworks cubre? LangChain, LangGraph, CrewAI, LlamaIndex, MCP, A2A, n8n, Airflow, OpenAI Agent Builder y más.

¿Habla de LangChain, LangGraph, CrewAI, LlamaIndex, MCP, A2A y n8n? Sí. Los cubre con uso práctico, no como lista de moda. Aprendes para construir, no para decorar CV.

¿Tiene casos reales de ciberseguridad? Sí. Incluye ransomware, SOC, threat intel, pentesting, cumplimiento y casos empresariales.

¿Me ayuda a construir un analista SOC autónomo? Sí. Tiene un capítulo para crear tu propio analista SOC autónomo con memoria, razonamiento y acción.

¿Incluye temas de red team y pentesting? Sí. Explica red team, bug bounties, jailbreaks, pentesting agéntico y controles humano-en-el-loop.

¿Explica cómo proteger agentes de IA? Sí. Cubre OWASP Agentic Top 10, MITRE ATLAS, MAESTRO, supply chain, respuesta y gobernanza.

¿Sirve para líderes de negocio o solo técnicos? Sirve para ambos. Traducir IA a negocio será una habilidad cara; este libro te da ese lenguaje.

¿Ayuda a mejorar productividad y automatización? Sí. Enseña agentes para automatizar flujos, decisiones, reporting, triage y tareas repetitivas.

¿Incluye ejercicios, diagramas o recursos en GitHub? Sí. Trae ejercicios, diagramas, preguntas de repaso, proyectos y recursos en GitHub.

¿Está actualizado con amenazas modernas? Sí. Cubre amenazas actuales: prompt attacks, rogue agents, memory poisoning, RAG poisoning y más.

¿Cómo se diferencia de un curso genérico de IA? Porque no enseña “IA bonita”: enseña agentes con arquitectura, seguridad, gobierno y casos reales.

¿Qué beneficios concretos puedo obtener en mi trabajo o empresa? Más velocidad, mejor criterio, automatización real, perfil más escaso y conversaciones de mayor nivel.