Sberbank lanza GigaPlatform AI Studio, un servicio gratuito para crear agentes de IA sin código

Cero rublos por entrar y cero líneas de código: con estas condiciones Sberbank abrió el 13 de octubre de 2026 GigaPlatform AI Studio. El servicio se presenta como un lugar donde se puede probar una hipótesis de IA con tareas propias y crear un agente sin programar. La audiencia es amplia: desde analistas y product managers hasta pequeños equipos que no tienen ingenieros de ML.

Qué se ha lanzado exactamente

GigaPlatform AI Studio es una capa sobre el ecosistema de servicios de IA de Sber, en cuyo centro sigue la familia de modelos GigaChat. La idea es conocida por los constructores de agentes no-code occidentales: el usuario describe la tarea, conecta datos y herramientas, configura la lógica y obtiene un asistente funcional. En lugar de semanas de desarrollo, el prototipo se monta en horas.

Hay un matiz importante en la formulación del propio Sber: el servicio está pensado, ante todo, para comprobar hipótesis. Es una herramienta de prueba, no una línea industrial lista para producción. La compañía quiere que la persona vea primero el resultado en su caso concreto y decida después si lleva la tarea a la infraestructura de producción.

Lo que se sabe por el anuncio inicial:

• El acceso es gratuito.
• Para crear agentes no se necesita programar.
• El servicio está diseñado para probar la IA con tareas reales del usuario.
• El lanzamiento tuvo lugar el 13 de octubre de 2026.

Lo que el anuncio no detalla: el conjunto de modelos disponibles, los límites de solicitudes y de volumen de datos, la duración del periodo gratuito, la lista de integraciones y las condiciones de tratamiento de los documentos cargados. De todo ello depende que AI Studio se convierta en una herramienta de trabajo o se quede en un escaparate de demostración.

Qué gana Sber

La entrada gratuita cumple dos funciones a la vez. La primera es evidente: reducir la barrera y captar usuarios mientras el mercado de agentes no-code en Rusia sigue sin repartirse. Operan ya constructores de Yandex, VK y varios actores independientes, mientras que las plataformas extranjeras resultan incómodas para las empresas rusas en pagos y cumplimiento normativo.

La segunda función es menos visible. Cada hipótesis probada se convierte en datos sobre qué tareas quiere realmente el negocio delegar en la IA: gestión de solicitudes, análisis de documentos, búsqueda en bases de conocimiento, preparación de informes. Esos datos ayudan a Sber a entender la demanda y, después, a vender soluciones ya de pago: API, capacidad en la nube, implantaciones corporativas.

En este tipo de productos, la capa gratuita suele funcionar como embudo. El usuario monta un prototipo, se acostumbra a la interfaz y a la lógica de la plataforma y, más adelante, choca con los límites o con la necesidad de integrarse con sistemas internos. El paso a una tarifa de pago se vuelve natural. Es un modelo de negocio normal, pero conviene calcular de antemano el coste total de propiedad con esta lógica.

Dónde buscar los inconvenientes

Los agentes no-code funcionan bien con escenarios lineales: recibir una solicitud, encontrar la respuesta en una base y darle formato según una plantilla. Cuesta más con lógica ramificada, cadenas largas de acciones y gestión de errores. Cuando el agente debe tomar decisiones por su cuenta, la calidad depende rápidamente del modelo, de los prompts y de la disciplina de pruebas, y no de lo atractivo que sea el constructor.

Los datos son un asunto aparte. Una plataforma bancaria inspira confianza a los juristas corporativos, pero eso no elimina la necesidad de comprobar dónde se almacenan los archivos cargados, si se usan para reentrenar modelos y cómo se organiza el control de acceso. Para las empresas con secreto comercial o datos personales, la respuesta a esta pregunta pesa más que el conjunto de funciones.

Por dónde empezar la prueba

Si está pensando en probar el servicio, actúe de modo que el periodo gratuito aporte la máxima información:

• Elija una tarea concreta con un resultado medible: por ejemplo, la clasificación de correos entrantes o las respuestas según un reglamento interno.
• Prepare entre 30 y 50 ejemplos reales y defina de antemano qué respuesta se considera correcta.
• No cargue datos sensibles hasta que estén claras las condiciones de su almacenamiento y uso.
• Registre el tiempo de montaje del prototipo y el porcentaje de respuestas correctas para compararlos después con las alternativas.
• Pregunte a Sber por las condiciones tras la fase de pruebas: tarifas, límites y la posibilidad de exportar el agente y su lógica.

La evaluación final es sencilla. Si en uno o dos días ha obtenido un agente que cubre al menos parte de la rutina con una precisión aceptable, la hipótesis sigue viva y puede escalarse. Si no, ha perdido tiempo, pero no presupuesto, y para eso precisamente se ofrecen gratis este tipo de servicios.