Cómo Sber enseñó a sus altavoces a generar escenarios de hogar inteligente por voz

Sber ha enseñado a GigaChat, en sus altavoces inteligentes, a crear escenarios de automatización directamente a partir de comandos de voz. Ahora el usuario puede decir: «Crea un escenario para que al salir de casa se apaguen la luz y la calefacción», y el altavoz genera la automatización por sí solo, sin tocar la pantalla ni una vez.

Voz en lugar de navegación

Hasta hace poco, crear un escenario exigía abrir la aplicación, buscar los dispositivos en una lista, vincularlos mediante condiciones y guardar las reglas a mano. El proceso era tedioso: tocar la pantalla tres veces y buscar filtros ahuyentaba a los usuarios corrientes. Ahora basta una sola frase.

GigaChat analiza la intención del usuario, determina qué dispositivos intervienen y genera el escenario en segundos. En esencia, se parece a comandos como «OK Google, crea una rutina», pero Sber siguió su propio enfoque y no eligió el camino clásico del fine-tuning con miles de ejemplos. En su lugar, los ingenieros optaron por el aprendizaje en contexto: la información sobre los dispositivos concretos del usuario se pasa directamente al contexto de GigaChat antes de generar. El modelo ve la topología real del hogar y trabaja con ella sin reentrenamiento previo. Esto ahorra etiquetado de datos y acelera la adaptación a dispositivos nuevos: si el usuario compra una lámpara nueva, no tiene que esperar a que se actualice el modelo.

La personalización, el gran problema

El principal reto en el control del hogar inteligente es la personalización absoluta. Un usuario tiene 30 dispositivos; otro, tres. Uno llama a una luz «lámpara», otro «luz del dormitorio» y un tercero «sol sobre la cama». Sensores, interruptores, scripts personalizados: todo puede llamarse de formas totalmente distintas.

Los LLM convencionales suelen atascarse ante tanta variabilidad: recorren los dispositivos a ciegas, confunden habitaciones e interpretan mal la intención. Pero aquí el error es inadmisible; no es una broma de recomendaciones musicales. Si un escenario se ejecuta mal, el usuario puede pasar frío por la noche porque la calefacción no se enciende. O el aire acondicionado puede funcionar de día en un piso vacío, gastando electricidad.

Los ingenieros de Sber decidieron no reentrenar el modelo para cada usuario (algo inviable), sino darle un «libro de referencia» completo en el contexto de la solicitud. Antes de llamar a GigaChat, el backend reúne la descripción de todos los dispositivos de ese usuario: qué funciones tienen, en qué habitación están y qué nombres los identifican. GigaChat ve esa información y puede usarla con seguridad.

Cómo funciona

La canalización funciona más o menos así:

• El usuario dice al altavoz: «Crea un escenario de buenas noches»
• El altavoz reconoce la voz y envía el texto al backend
• El backend solicita todo el catálogo de dispositivos del usuario con la descripción de sus funciones
• El catálogo y la solicitud se pasan a GigaChat, que genera una descripción del escenario en YAML
• El motor de escenarios valida el resultado y comprueba que todos los dispositivos existan realmente
• Si la comprobación es correcta, el escenario se guarda y queda activo

La validación en el motor de escenarios es una red de seguridad. Si GigaChat se equivoca un poco (por ejemplo, menciona un sensor que no existe o escribe mal la sintaxis de un comando), el motor lo detecta y lo corrige o pide al usuario que aclare. Sber llamó a este componente motor de escenarios; funciona como control de errores para cada regla generada.

Qué significa

El hogar inteligente se vuelve más accesible para la gente corriente. Si el altavoz crea bien los escenarios por voz, un principiante no tiene que memorizar la interfaz ni leer 50 páginas de instrucciones. Basta decir lo que quiere y el sistema lo ejecuta.

Es un paso importante para que los hogares inteligentes salgan del nicho de entusiastas y lleguen a un mercado masivo, donde la gente valora la sencillez por encima de todo.