El uso de modelos de lenguaje y sistemas de IA generativa en entornos empresariales ha introducido nuevos vectores de riesgo que no pueden evaluarse con metodologías tradicionales de seguridad. A diferencia del software clásico, los LLMs presentan fallos emergentes, no deterministas y altamente dependientes del contexto conversacional. Esta charla aborda cómo el enfoque de red teaming permite identificar comportamientos inseguros, bypass de políticas y riesgos de exposición de información en sistemas basados en IA.

A través de una explicación técnica y un laboratorio práctico utilizando PYRIT (Python Risk Identification Tool), se mostrará cómo automatizar ataques conversacionales, evaluar la resiliencia de un modelo y generar evidencia reproducible de riesgo. La sesión está orientada a profesionales y estudiantes de seguridad que deseen comprender cómo integrar pruebas ofensivas en el ciclo de desarrollo de sistemas de IA, elevando el nivel de evaluación más allá del testing funcional tradicional.