GigaChat en el trabajo: cómo sacar el máximo a la IA soberana rusa
AI-модели в этой статье
GigaChat es el modelo de lenguaje de Sber, el mayor banco de Rusia. Fuera del país casi nadie lo usa. Dentro, muchas veces es la única opción: bancos, organismos públicos, contratistas de defensa y grandes grupos industriales lo ejecutan en sus propios servidores, porque las normas rusas de localización de datos y las sanciones dejan fuera a ChatGPT, Claude y Gemini. Si trabaja con un equipo ruso, una filial en Rusia o un cliente de un sector regulado allí, esta es la herramienta que tienen sobre la mesa.
La guía se escribió para esos usuarios diarios, y se nota: los ejemplos son contratos rusos, leyes rusas y precios en rublos. Para cualquier otro lector es un caso práctico de un problema más amplio: cómo sacar un trabajo decente de un modelo «soberano» o desplegado en local que va por detrás de los mejores, porque fue la normativa, y no la calidad, la que decidió que lo usara.
Si busca «GigaChat» en ruso, encontrará dos tipos de contenido: reseñas promocionales de socios de Sber y críticas despectivas de usuarios de ChatGPT. Ninguno ayuda cuando hay que escribir un prompt ahora mismo y obtener un primer borrador útil de un documento.
Así que esto es una guía práctica. Qué hacer para que GigaChat rinda un 20–30 % mejor. Qué evitar para no empeorarlo. Y dónde está el límite a partir del cual ningún prompt le salva y necesita otra herramienta.
Dónde GigaChat sí tiene sentido
Antes de las técnicas, un mapa honesto de sus puntos fuertes. Hay tres terrenos donde GigaChat rinde igual o mejor que la competencia.
Despliegue en local: su gran baza
GigaChat es el único LLM ruso con despliegue on-premise completo. Según Sber, el 65 % de los contratos corporativos de GigaChat Enterprise se ejecutan on-premise o en nube privada.
SIBUR, el grupo petroquímico, ya utiliza GigaChat para asistentes de diagnóstico (el ingeniero describe los síntomas del equipo y el sistema propone hipótesis de reparación) y para un optimizador de compras. La siderúrgica Severstal ha llevado la IA a mil empleados al día y a más de 60 soluciones en ocho años.
Para bancos, empresas de defensa y contratistas del Estado esto es determinante: los datos no salen del perímetro, el modelo cumple la 152-FZ (la ley rusa de datos personales) y deja una pista de auditoría conforme a los requisitos del Banco de Rusia. ChatGPT, Claude y DeepSeek no ofrecen nada parecido en Rusia. Si su organización no puede enviar consultas a nubes extranjeras, no hay nada que elegir, y esta sección es para usted.
Correspondencia oficial
GigaChat se entrenó con un corpus de documentos oficiales y corporativos rusos, y eso se nota en los textos formales: números de registro, líneas de referencia, el grado de formalidad en el saludo, la disposición de los datos del documento tal como la fijan las normas GOST rusas. ChatGPT y DeepSeek fallan más en estos detalles: alteran el orden de los datos o se pasan a un registro informal en cartas oficiales.
Un matiz: es una observación de la práctica, no el resultado de pruebas sistemáticas. En nuestro benchmark GigaChat puntúa bajo en «comunicación» y «conocimiento regional», pero el benchmark mide la calidad analítica de las respuestas, no la precisión del formato. Si prepara cartas oficiales para la administración rusa, pruebe GigaChat y compárelo con su herramienta habitual sobre una plantilla real.
Documentos jurídicos: fíese de la forma, revise el fondo
En 2025 GigaChat superaba con claridad a ChatGPT 4 a la hora de identificar normas rusas. En 2026 la brecha se cerró: DeepSeek V4 Flash lo alcanzó y en algunos casos lo supera en la precisión de las referencias a artículos concretos (pruebas detalladas en la sección «Dónde el prompt deja de ayudar», más abajo). GigaChat sigue formateando mejor los documentos jurídicos: datos registrales, números de registro, fórmulas de tratamiento. Pero los números de artículo y la lógica de las conclusiones hay que comprobarlos, use el modelo que use.
Cómo escribir prompts para GigaChat: lo que funciona de verdad
Si traslada sus prompts de ChatGPT a GigaChat sin cambios, obtendrá peores resultados de los posibles. Los modelos se entrenaron con corpus distintos y están calibrados de otra manera. Nuestro experimento con técnicas de prompt, con 1717 ejecuciones, mostró que el prompt adecuado mejora las respuestas de GigaChat entre un 20 y un 30 %.
Hay una trampa que merece aviso aparte: los prompts llenos de parches. La historia típica: un prompt funcionaba en GigaChat Pro, añadió una advertencia («cita siempre la fuente»), luego otra («no te inventes datos»), luego otra más («responde estrictamente según el documento»). Cada parche resolvía un problema concreto, pero juntos chocan: el modelo intenta citar la fuente y no inventar a la vez, y acaba inventándose la cita o negándose a responder. Cuando Sber actualiza el modelo (y GigaChat se actualiza sin previo aviso), los viejos apaños empiezan a estorbar. Antes de añadir instrucciones nuevas, compruebe que no duplican ni contradicen las que ya hay.
A continuación, técnicas concretas contrastadas con datos. Una advertencia previa: GigaChat está optimizado sobre todo para el ruso, y todas nuestras mediciones se hicieron con prompts en ruso. Los prompts traducidos de abajo se ejecutan en los mismos modelos para que compare por sí mismo, pero cuente con que GigaChat rinde menos en español que en ruso.
Órdenes en lugar de preguntas corteses
GigaChat aprendió de documentos oficiales y corporativos rusos, donde manda el estilo directivo. Los prompts en imperativo obtienen respuestas más concretas.
Este consejo nace de la gramática rusa. Un usuario ruso escribiría de forma natural «Можно ли подготовить анализ…?» («¿Sería posible preparar un análisis…?»). La versión que funciona mejor usa imperativos secos: «подготовь» («prepara»), «укажи» («indica»), «сформируй» («elabora»). En español el equivalente es la diferencia entre «¿Podrías, si no es molestia…?» y «Prepara…»; el principio sirve para la mayoría de modelos, pero el efecto que medimos es para el ruso.
Pruébelo con un ejemplo en vivo: los dos prompts se ejecutan en el mismo GigaChat, pero el primero está escrito como se suele escribir a ChatGPT y el segundo está adaptado:
El prompt ingenuo da a GigaChat pie a contestar «sí, se puede» y soltar una visión general que menciona el RGPD (que no se aplica a un servicio ruso). El estructurado consigue una tabla concreta con números de ley y medidas. La diferencia está solo en cómo se formula la petición.
El rol: pesa más que en ChatGPT
En ChatGPT el rol de sistema ayuda, pero el cuerpo del prompt suele pesar más. En GigaChat el contexto organizativo tiene más fuerza.
Flojo: «Revisa este contrato conforme a la 44-FZ».
Mejor: «Como jefe de la asesoría jurídica de un organismo público contratante, analiza el borrador de contrato conforme a la ley 44-FZ de contratación pública. El contratante es una entidad presupuestaria, el precio máximo inicial del contrato es inferior a 3 millones de rublos y la adjudicación es directa a un único proveedor. Señala las cláusulas que requieren cambios y propón una redacción».
(La 44-FZ es la ley federal rusa de contratación pública, el equivalente aproximado de la Ley de Contratos del Sector Público.) La segunda versión fija la posición jurídica, el contexto del procedimiento y el resultado concreto, y GigaChat aprovecha mejor esa estructura que una petición corta.
Estructura en tres partes para tareas complejas
Para consultas jurídicas y de cumplimiento funciona una fórmula de tres bloques: (1) rol y objetivo con referencia a la normativa, (2) restricciones de contexto, (3) formato de salida requerido.
Ejemplo: «[1] Como asesor jurídico de una empresa industrial rusa, realiza un análisis legal del borrador de contrato de suministro conforme al Código Civil de la Federación de Rusia (capítulos 30 y 25) y a la jurisprudencia de los tribunales de arbitraje. [2] El proveedor es un autónomo, el comprador una sociedad limitada, el importe del contrato es de 1,5 millones de rublos, la entrega en tres fases y el anticipo del 50 %. [3] Resultado: lista de riesgos por sección del contrato, cambios de redacción recomendados y cláusulas acordes con la jurisprudencia arbitral».
Esta estructura reduce la proporción de respuestas superficiales, el principal punto débil de GigaChat según nuestro benchmark.
Si trabaja con la API, añada a los parámetros de la llamada una secuencia de parada (stop) con la etiqueta de cierre de su formato, por ejemplo </respuesta> o </resultado>. El modelo dejará de generar justo donde lo necesita, sin «epílogos» que rompan el parseo. Es gratis: el prompt no cambia y no gasta tokens adicionales.
Pida contraargumentos
En zonas grises regulatorias GigaChat tiende a dar respuestas seguras pero no siempre exactas. Un truco que funciona: antes de la conclusión, pida argumentos en ambos sentidos.
«Enumera tres argumentos a favor de que esta actividad requiere licencia y tres en contra. Después da tu valoración final e indica qué hechos serían decisivos».
Así obliga al modelo a considerar interpretaciones alternativas antes de tomar postura, y las alucinaciones en cuestiones normativas se vuelven menos frecuentes.
Detrás de este truco hay un principio más general: siempre que restrinja al modelo, explicite las dos caras del compromiso.
Flojo: «Sé concreto. No uses formulaciones vagas. Respalda cada afirmación con una referencia normativa».
Mejor: «Sé concreto, pero si no estás seguro de que una referencia sea exacta, dilo claramente. Una cita errónea de un artículo de ley es más peligrosa que un honesto “hay que comprobarlo en la fuente original”».
La primera versión empuja a GigaChat hacia afirmaciones seguras pero sin verificar: el modelo rellenará cada punto con una referencia aunque la «recuerde» mal. La segunda le deja margen para comportarse bien en ambos sentidos. Nuestro experimento lo confirmó con datos: un tono agresivo en el prompt suprimió por completo las admisiones de duda de GigaChat; el modelo dejó de matizar, pero no ganó precisión. De hecho, la exactitud factual bajó del 71 % al 70 %.
Límite de contexto: 25.000 tokens
La ventana de contexto de GigaChat 2 Max es de 32.000 tokens; la competencia parte de 128.000 en adelante. Para trabajar con fiabilidad, mantenga las peticiones por debajo de 25.000: por encima, la calidad se degrada.
Hay un truco que solo tiene sentido en ruso, donde las leyes llevan títulos oficiales larguísimos. Escriba «ФЗ-44» («Ley 44-FZ») en lugar del completo «Федеральный закон от 05.04.2013 № 44-ФЗ „О контрактной системе в сфере закупок товаров, работ, услуг для обеспечения государственных и муниципальных нужд"» («Ley Federal n.º 44-FZ, de 5 de abril de 2013, sobre el sistema de contratación para la adquisición de bienes, obras y servicios para necesidades estatales y municipales»). En un documento largo, el ahorro de tokens se acumula. El hábito de fondo –nombres cortos y coherentes para lo que cita a menudo– vale en cualquier idioma.
Sobre prompts en general, vea nuestros artículos sobre la estructura básica de un prompt y los mitos más extendidos (en ruso).
Las técnicas de prompt son el mínimo que funciona sin gasto adicional. Pero para aplicarlas con criterio hay que saber cuándo GigaChat da un resultado aceptable y cuándo se equivoca con total seguridad sin que usted lo note. Ese límite es el que ponemos a prueba ahora, con tareas reales.
Las técnicas de prompt de este artículo exprimen un 20–30 % más de GigaChat. Comprobar la respuesta es la misma habilidad con cualquier modelo: GigaChat, DeepSeek o Claude. En el módulo gratuito del curso la practica con 9 tareas de gestión y aprende a distinguir un buen resultado de una alucinación.
Sin pago requerido • Notificación al lanzamiento
Dónde el prompt deja de ayudar
Los prompts reorganizan lo que el modelo ya sabe; no crean conocimiento que no esté en los pesos. Nuestro experimento Make Weak Model Great Again lo demostró con datos: si GigaChat no «vio» una norma durante el entrenamiento, ningún prompt del tipo «eres un abogado laboralista ruso con experiencia» hará que cite el código correctamente.
Para ver dónde está ese límite, sometimos a GigaChat y a DeepSeek V4 Flash a dos tareas reales. Las ejecutamos en ruso; las versiones en español de abajo le permiten reproducirlas.
Prueba 1: una crisis de gestión
En qué fijarse: GigaChat por API da un plan estructurado pero genérico: todas las acciones recaen en «el jefe de proyecto», las métricas son del tipo «comentarios positivos» y no hay priorización por días. DeepSeek V4 Flash separa síntomas de causas de fondo, reparte la responsabilidad entre roles concretos y avisa de lo que conviene no hacer.
GigaChat Ultra en la interfaz web da un resultado claramente mejor: reparte roles y añade eNPS y actas. Pero Ultra solo está disponible en la web, no por API. Y en modo razonamiento Ultra cometió un error factual: propuso «organizar la transferencia de conocimiento de los desarrolladores que se fueron», cuando el enunciado dice que se marcharon a la competencia hace un mes. Más abajo explicamos por qué el modo razonamiento perjudica.
Prueba 2: normativa rusa (152-FZ)
La 152-FZ es la ley rusa de datos personales, más o menos el equivalente local del RGPD. Aquí GigaChat juega en casa.
Es una tarea en la que GigaChat debería estar en su terreno. Compruebe tres cosas: (1) qué modelo distingue bien las categorías especiales (art. 10) de los datos biométricos (art. 11), (2) cuál advierte que el portal va más allá de la relación laboral y que, por tanto, es obligatorio notificar a Roskomnadzor, el regulador ruso de protección de datos, (3) cuál no confunde los números de artículo.
En nuestras pruebas, el GigaChat de la API confundió el art. 9 (consentimiento) con el art. 10 (categorías especiales). DeepSeek V4 Flash citó correctamente todos los artículos aplicables, separó las categorías de datos e indicó las cuantías de las multas según el Código de Infracciones Administrativas ruso. GigaChat Ultra en modo normal lo hizo mejor –citó bien el art. 10 y el art. 11–, pero Ultra solo está disponible en la interfaz web, no por API.
La conclusión honesta: la ventaja de GigaChat en tareas jurídicas era real en 2025, frente a ChatGPT 4. En 2026 DeepSeek V4 Flash cerró esa brecha. GigaChat sigue siendo mejor en la forma de los documentos (datos registrales, números de registro, estilo formal), pero en el fondo –precisión de las citas y lógica de las conclusiones– la diferencia ha desaparecido.
La trampa del modo razonamiento
Una advertencia aparte: no use el modo razonamiento de GigaChat en tareas que exigen citas exactas.
Probamos la misma tarea jurídica en GigaChat Ultra en los dos modos. En modo normal, el modelo citó correctamente el art. 10 y el art. 11. En modo razonamiento citó el art. 8 (fuentes de acceso público, que no tiene nada que ver) y se saltó por completo el art. 11. El razonamiento parecía lógico, pero llevó a referencias erróneas.
Esto coincide con Wei et al. (Google Brain, 2022) y con nuestros datos del experimento MWMGA: en modelos pequeños, el chain-of-thought provoca razonamientos seguros pero equivocados. El modelo genera cinco pasos que parecen lógicos y llega a una conclusión falsa. Por la misma razón, no pida a GigaChat que «mejore su respuesta»: la investigación (Zhang et al., ACL 2024) mostró que los modelos pequeños no detectan sus propios errores y, en lugar de criticarse, reformulan la misma respuesta.
La regla práctica: fije la estructura correcta en la primera petición (la fórmula en tres partes de arriba). No itere ni active el razonamiento: no va a mejorar.
Estas pruebas muestran algo concreto: la diferencia entre un buen y un mal resultado no está en el modelo elegido, sino en saber comprobar la respuesta. GigaChat citó el art. 9 en lugar del art. 10, y si usted no sabe que las categorías especiales están en el art. 10, tomará el error por verdad. Eso es justo lo que enseña el curso: distinguir una respuesta fiable de una alucinación muy segura de sí misma.
GigaChat confundió el art. 9 con el art. 10. ¿Se habría dado cuenta? El módulo gratuito del curso tiene 9 tareas en las que aprende a comprobar respuestas de IA en situaciones de gestión reales.
Sin pago requerido • Notificación al lanzamiento
Cuándo cambiar de herramienta
Nuestro experimento MWMGA mostró que elegir el modelo adecuado para la tarea aporta más que pulir prompts para un modelo que no encaja. La fidelidad a una herramienta es un hábito caro.
Aunque GigaChat sea su herramienta principal, hay tareas que conviene derivar a otra:
| Tarea | ¿Puede con ella GigaChat? | Alternativa |
|---|---|---|
| Correspondencia oficial según normas rusas | Pruébelo: en nuestra experiencia, mejor en la forma | Compárelo con DeepSeek en su plantilla |
| Borrador de documento jurídico | Forma, sí; fondo, revíselo | DeepSeek V4 Flash para contrastar las citas |
| Análisis, planificación, razonamiento complejo | Flojo: puntúa bajo en el benchmark | DeepSeek / Claude / ChatGPT |
| Documentos largos (>25K tokens) | No: la calidad se degrada | Claude / Gemini (contexto de 128K+) |
| Generación de código | Flojo: un 25–35 % peor | DeepSeek |
| Normativa internacional | No: la precisión cae al 65 % | ChatGPT / Claude |
| Tareas creativas | Flojo: un 40 % menos de originalidad | ChatGPT |
DeepSeek V4 Flash funciona en Rusia sin VPN, cuesta unos 25 rublos por millón de tokens y en nuestro benchmark supera con holgura a GigaChat. Alice AI, de Yandex, también puntúa más alto. Para comparar las alternativas rusas, vea nuestra reseña de YandexGPT y la comparativa completa de herramientas.
Si trabaja en un entorno cerrado y cambiar es imposible, no es una condena, son sus condiciones de trabajo. Así es un proceso eficaz: una abogada de un banco recibe un borrador de contrato, lo pasa por GigaChat con la fórmula en tres partes (rol + restricciones + formato) y obtiene en tres minutos, en lugar de una hora, un primer análisis estructurado. Después comprueba los números de artículo en la fuente original, lo que le lleva otros diez minutos. Resultado: una tarea de hora y media resuelta en quince minutos, sabiendo exactamente qué partes de la respuesta son fiables y cuáles requieren revisión manual.
La habilidad clave aquí es distinguir la parte fiable de una respuesta de una alucinación. Los prompts organizan lo que el modelo ya sabe; no crean conocimiento.
Cuánto cuesta en la práctica
El panorama honesto de nuestro propio uso: compramos un paquete de 6 millones de tokens por 3450 rublos. En un mes hicimos unas 900 peticiones y gastamos menos de una quinta parte del paquete. El precio real por token salió 5,6 veces por encima del nominal.
Así funcionan los paquetes prepago: sin un volumen alto y estable, se paga de más. Desde 2026 los tokens no usados se conservan 90 días, lo que suaviza algo el golpe.
Por tarifas: Lite (~200 rublos por millón de tokens) cubre en torno al 90 % de las tareas rutinarias: borradores, resúmenes, cartas sencillas. Pro (~800 rublos) es la mejor opción para trabajo regulatorio. Max (~650 rublos) se presenta como el buque insignia, pero en nuestro benchmark sacó un resultado flojo: no tiene sentido pagar Max en tareas en las que GigaChat no destaca de por sí.
Como referencia: DeepSeek V4 Flash cuesta 25 rublos por millón de tokens con una calidad muy superior. Más detalles en nuestra reseña de DeepSeek y en la comparativa de herramientas de IA para managers en Rusia.
Si usa GigaChat desde la interfaz web y no por API, la suscripción GigaChat Plus cuesta 399 rublos al mes e incluye acceso a Ultra. Para la mayoría de tareas de este artículo es suficiente. El paquete prepago por API se justifica con un volumen alto y previsible, por ejemplo un departamento jurídico de diez personas que analiza contratos a diario. Para un uso esporádico, pagar el paquete por adelantado no compensa.
Chuleta: reglas para trabajar con GigaChat
Haga:
- Escriba en imperativo: en ruso, «подготовь», «укажи», «сформируй» («prepara», «indica», «elabora»)
- Asigne un rol con contexto: «Como jefe de la asesoría jurídica de un organismo público…»
- Use la fórmula en tres partes: rol + restricciones + formato
- Exija tablas y estructura en el formato de respuesta
- Pida argumentos a favor y en contra antes de la conclusión
- Explicite las dos caras del compromiso: no solo «sé concreto», también «si no estás seguro, dilo claramente»
- Mantenga la petición por debajo de 25.000 tokens
- Revise el prompt en busca de instrucciones contradictorias antes de añadir otras nuevas
No haga:
- No active el modo razonamiento en tareas con referencias normativas
- No le pida que «mejore» su respuesta ni que «busque los puntos débiles» de ella
- No se fíe de los números de artículo sin comprobarlos
- No use GigaChat para documentos de más de 25K tokens
- No pague de más por Max en tareas de análisis y planificación
- No presione al modelo con un tono agresivo: sonará más seguro, no más preciso
Verifique siempre que GigaChat cite artículos, cifras o hechos concretos. El modelo suena igual de seguro tanto si acierta como si no.
El prompt está escrito. ¿La respuesta es correcta?
La habilidad clave al trabajar con IA es comprobar el resultado. En el módulo fundamental del curso trabaja el pensamiento crítico con IA sobre tareas de gestión reales: cómo distinguir un análisis profundo de uno superficial, cuándo fiarse de las citas y cuándo verificarlas. Empiece por el módulo de diagnóstico gratuito: 9 lecciones, sin registro.
Stanislav Belyaev
Engineering Leader en Microsoft18 anos liderando equipos de ingenieria. Fundador de mysummit.school. 700+ graduados en Yandex Practicum y Stratoplan.