Sber: GigaARPA crea procesos de negocio en horas

Qué es GigaARPA y qué cambió con la automatización por lenguaje natural

Sber sumó una capacidad nueva a su plataforma GigaARPA: convertir una solicitud escrita en lenguaje corriente en un esquema listo para automatizar un proceso de negocio. El empleado explica la tarea con sus propias palabras y la plataforma arma sola la base técnica para ejecutarla. Según los desarrolladores, lo que antes exigía varias semanas de trabajo hoy puede resolverse con un primer prototipo en unas pocas horas.

El mecanismo es el de un agente que descompone: la red neuronal divide la tarea en acciones individuales, elige las herramientas necesarias y escribe el código que falta. El resultado no es solo código, sino un esquema que combina robots de software y agentes de IA basados en GigaChat. Los casos de uso que menciona la compañía son deliberadamente poco glamorosos: verificar solicitudes, procesar documentos, mover datos entre programas.

Esa elección no es casual. Son los procesos que consumen horas operativas en casi cualquier empresa y los que históricamente quedaban fuera de los proyectos de automatización por costo y por falta de prioridad.

De varias semanas a unas pocas horas: dónde está el ahorro real

El cuello de botella de la automatización nunca fue la idea. Fue la traducción: convertir "quiero que nadie revise esto a mano" en un diagrama técnico que un desarrollador pueda implementar. Ahí se iban las semanas, y ahí se morían la mayoría de los proyectos internos antes de arrancar.

GigaARPA ataca justamente ese tramo. Si el primer prototipo baja de semanas a horas, cambia la economía de la experimentación: en lugar de justificar un proyecto con análisis y presupuesto, puedes tirar el borrador a la basura y probar otro enfoque. La automatización deja de ser un proyecto trimestral y se acerca más a una iteración de producto.

Hay un matiz importante: la plataforma se conecta a los sistemas corporativos que la empresa ya tiene, y para crear los primeros prototipos no hace falta programar por cuenta propia. Eso baja la barrera de entrada, pero no elimina la dependencia de quien administra esos sistemas: sin accesos, credenciales y datos ordenados, el prototipo se queda siendo una demo.

El control humano es parte del producto, no un extra

Un detalle de diseño que vale la pena mirar con atención: el empleado no queda fuera del circuito. Puede revisar las acciones propuestas, hacer cambios y probar el proceso antes de lanzarlo. El sistema guarda el historial de cambios y permite deshacer decisiones equivocadas.

Para un founder que vende a empresas, esto es la diferencia entre una herramienta que pasa el filtro de compras y una que no. Cuando el proceso que se automatiza toca facturación, cumplimiento o datos de clientes, nadie va a aceptar un flujo que se ejecute a ciegas. El punto de validación humana, el historial y el rollback son requisitos de aprobación, no funciones opcionales.

En Sber esperan que la tecnología simplifique las tareas cotidianas y reduzca la dependencia de las empresas de los desarrolladores. Es una promesa razonable a nivel de prototipo, más discutible a nivel de producción: alguien tiene que seguir respondiendo cuando el flujo falla a las tres de la mañana.

GigaChat como motor: qué hay detrás de GigaARPA

Los agentes del esquema se apoyan en GigaChat, la familia de modelos de Sber. En un comunicado difundido por la compañía, Sber describe GigaChat 3.5 Ultra como su modelo insignia: disponible de forma gratuita en el asistente GigaChat y publicado en código abierto para que cualquier desarrollador construya sus propios servicios.

Según ese comunicado, el modelo trabaja mejor en generación y verificación de código, matemáticas, textos largos y escenarios autónomos de agentes, y está construido sobre una arquitectura propia con atención lineal que, según Sber, le permite procesar documentos extensos sin releerlos desde el inicio. Sber afirma además que es aproximadamente la mitad de compacto que la versión Ultra anterior, lo que reduce el consumo de recursos y permite desplegarlo en hardware más económico. En varias métricas, dice Sber, se acercó a modelos abiertos potentes como DeepSeek 3.2.

Anton Frolov, vicepresidente sénior y responsable de Desarrollo de IA Generativa de Sberbank, lo resumió en la nota de la compañía como un paso hacia "un socio pleno capaz de pensar dentro de la lógica de un proceso específico, no solo de responder preguntas".

En un punto la fuente es clara: no hay datos sobre disponibilidad de GigaARPA fuera del mercado ruso. Para un founder en España o LATAM, eso significa tratar la noticia como señal de hacia dónde va el sector, no como una herramienta para evaluar mañana.

Cuánta ejecución se está quedando sobre la mesa

El dato de contexto más útil viene de otro lugar. En su evento Think 2026, el CEO de IBM, Arvind Krishna, sostuvo que la IA "no ha llegado para ser una herramienta de mejora de nuestros negocios, sino para convertirse en nuestro modelo de negocio", según recogió El Español. En la misma cobertura se citan cifras que ordenan la discusión: el 80% de los ejecutivos espera un impacto significativo en ingresos, pero solo el 20% tiene una estrategia clara, y el 68% teme fracasar si no profundiza la integración.

Ahí es donde encaja un anuncio como el de Sber. No falta intención de automatizar; falta el paso intermedio entre la intención y un flujo que funcione. Las herramientas que colapsan ese paso —describir en lenguaje natural y obtener algo ejecutable— son las que van a mover la aguja, más que los modelos que ganan un punto en un benchmark.

Qué significa esto para tu startup

• Elige el proceso correcto para empezar. Los tres casos que menciona la fuente son una buena lista de candidatos: verificación de solicitudes, procesamiento de documentos y transferencia de datos entre sistemas. Son tareas repetitivas, con reglas claras y volúmenes altos. Empieza por una, mide cuántas horas-persona consume por semana y usa ese número como línea base.
• Prueba el flujo "descripción en lenguaje natural a esquema" con lo que ya tienes. Antes de evaluar plataformas nuevas, pídele a tu equipo que describa por escrito los tres procesos más manuales en cinco líneas cada uno y valida si esa descripción es suficientemente precisa para que otra persona los ejecute. Si no lo es, ninguna IA va a arreglarlo: el problema es de definición del proceso.
• Define el punto de validación humana por escrito. Copia el criterio que usa Sber: el responsable revisa las acciones propuestas, prueba el proceso antes de lanzarlo y puede deshacer cambios. Ponlo en tu propuesta antes de que te lo pidan en una licitación.
• Revisa la jurisdicción y el gobierno del dato antes de mover procesos críticos. Si vas a conectar un agente a tus sistemas corporativos, quién es el proveedor, dónde se ejecuta el modelo y qué pasa con los datos que entran son preguntas que conviene responder por escrito, no en la reunión de cierre.

Conclusión

El anuncio de Sber no se mide por lo sofisticado del modelo, sino por lo que automatiza del trabajo previo: convertir una frase en un proceso ejecutable, con el humano todavía en el circuito. Ese tramo —el de la traducción entre la idea y el flujo— es el que históricamente frenó los proyectos de automatización en empresas de cualquier tamaño.

La lección para un founder es que la ventaja competitiva ya no está en acceder a un modelo potente, sino en saber qué proceso describir primero. Antes de buscar la herramienta, documenta el proceso y vuelve explícito el criterio de validación. Ese trabajo es gratis, no depende de ningún proveedor y es exactamente lo que hace que la automatización llegue a producción en lugar de quedarse en el prototipo.

Fuentes

• Sber enseñó a la IA a crear procesos de negocio a partir de una simple solicitud de texto (fuente original)
• Sber unveils GigaChat 3.5 Ultra: the model writes code better, handles agent-based tasks, and works with long texts
• Arvind Krishna (IBM): "La inteligencia artificial no es una herramienta, es el modelo de negocio"