В мае 2026 года на конференции ЦИПР‑2026 в Нижнем Новгороде компания «Салют для бизнеса» (входит в группу «Сбера») открыла доступ к платформе GigaCowork. На российском рынке появилась одна из первых платформ для управления ИИ‑агентами в корпоративной среде.
Что такое GigaCowork
GigaCowork — это не очередной чат с ИИ. Здесь можно создавать ИИ-агентов, которым поручают конкретную работу: разобрать документы, собрать информацию, подготовить отчет или свести данные из разных источников. При этом все агенты и задачи находятся в одной системе, которой могут пользоваться разные команды внутри компании.
Ключевая механика — описание задачи на естественном русском языке. Логику агента не нужно программировать: сотрудник формулирует ее как бизнес‑регламент, простыми словами описывая последовательность действий. Например, «проверь договор по нашему чек-листу и подготовь заключение».
Агент в GigaCowork — это постоянный участник рабочих процессов. Платформа сохраняет контекст (историю и суть обращений), связывает агентов с документами компании и внешними системами, позволяет объединять их в командные пространства. То есть это среда, в которой агент не отвечает на разовые вопросы, а системно закрывает регулярные задачи сотрудников.
До появления GigaCowork российский рынок не имел полноценной платформы для управления ИИ-агентами. Компании либо использовали отдельные языковые модели, либо собирали обособленные ИИ‑инструменты. Первые крупные западные решения такого класса в России в 2026 году полноценно недоступны или не подходят по требованиям к обработке данных. GigaCowork — российский ответ зарубежным решениям: платформа объединяет работу с ИИ-агентами в одной корпоративной среде, позволяет компаниям использовать их для разных задач и постепенно расширять применение.
Как GigaCowork решает задачи бизнеса
Платформа закрывает типовые задачи разных функций. Например, сверку расчетов и анализ бюджета для финансистов, подготовку КП и сбор досье клиента для продаж, поиск поставщиков и сравнение предложений для закупок, проверку договоров и подготовку заключений для юристов, сверку документов и сводки для бухгалтерии. Раньше все это делалось вручную, теперь — делегируется ИИ-агентам.
В рамках тестирования GigaCowork мы выбрали три типовые задачи из разных отделов и посмотрели, как платформа с ними справляется. Разберем их подробнее.
Сценарий 1. Юрист проверяет договор подрядчика
Марина — юрисконсульт производственной компании. Ежедневно она проверяет несколько типовых договоров. Вручную на это уходит несколько часов: прочитать документ, сверить с внутренними регламентами, подготовить рекомендации и вывод. Нужно оптимизировать.
Первое, что нужно сделать в GigaCowork, — создать пространство «Юридический отдел». Оно станет общим хранилищем инструкций, контекста и корпоративных стандартов. Доступ к нему можно дать коллегам.
Анализ договора для Марины — задача типовая. Поэтому Марина создает навык — инструкцию для ИИ-агента. Навыки программирования для этого не нужны. Она описывает шаги так, как объяснила бы стажеру: «сверь условия с регламентами, обрати внимание на сроки и оплату, подготовь заключение». Навык настраивается один раз за несколько минут, редактируется до эталонного результата и работает на весь отдел. Благодаря этому младшие коллеги смогут выдавать заключения того же качества, а Марине не нужно проверять каждый документ вручную.
Когда все настроено, Марина прикрепляет документ и пишет: «проверь договор и подготовь заключение». Агент сам находит нужный навык и работает в сессии, доступной только ей.
Агент выполняет задачу: проверяет документ и формирует заключение. Марине остается проверить отчет: неудачный фрагмент можно выделить и попросить ИИ переписать только его. Готовый отчет отправляется руководителю на почту прямо из платформы. Процесс, который вручную занял бы часы, укладывается в минуты.
Сценарий 2. HR‑специалист собирает шорт‑лист кандидатов из ATS
Алексей — HR‑менеджер в IT‑компании. Ему регулярно нужно закрывать вакансии: собрать кандидатов из базы резюме, отфильтровать по требованиям и подготовить сводку для нанимающего менеджера. Вручную это неэффективно — занимает слишком много времени. Что можно с этим сделать?
База резюме находится во внешней системе (ATS). Чтобы GigaCowork получил к ней доступ, администратор настраивает коннектор — готовую интеграцию по стандарту MCP. Делается это один раз в панели управления. Алексею достаточно авторизоваться, и дальше агент обращается к системе сам.
Затем Алексей создает навык подбора, описывая шаги простыми словами: «Найди в ATS кандидатов по критериям вакансии, отбери с опытом от трех лет и знанием Python и SQL, подготовь шорт‑лист с релевантностью и комментариями, оформи таблицу». К навыку привязывается коннектор. Так агент сам понимает, куда обращаться за данными.
Теперь Алексей пишет задачу, агент через коннектор обращается к базе резюме, применяет навык и формирует таблицу с кандидатами. Готовый отчет сохраняется в сессии — Алексей скачивает его и передает нанимающему менеджеру.
Так как запрос часто повторяется, Алексей сохраняет его как слэш‑команду «/подбор_кандидата». В следующий раз достаточно ввести два слова. Можно пойти дальше и настроить задачу по расписанию: например, каждое утро в 9:00 агент сам проверяет новые резюме и присылает список подходящих кандидатов. Тогда не нужно даже вводить команду.
Сценарий 3. Менеджер по продажам готовит квартальный отчет в общем пространстве
Дарья — старший менеджер по продажам в компании с несколькими продуктовыми направлениями. Каждый квартал она собирает план-факт продаж: сравнивает данные, разбивает цифры по срезам, ищет причины отклонений и оформляет отчет руководителю в корпоративном стиле. Команда у Дарьи распределенная — коллеги ведут свои направления и пользуются общими материалами: бренд‑гайдами, шаблонами, данными прошлых периодов.
Важная особенность инструмента пространств: изолированность. Агент отвечает только на основе документов и навыков конкретного пространства и не подтягивает контекст из других проектов. Для Дарьи, которая ведет несколько направлений, это важно: отчет по продажам не смешается с данными других продуктов. При этом личные сессии остаются приватными: ее история и файлы видны только ей, хотя навыки и документы пространства — общие.
Дарья заранее создала пространство «Продажи» и подключила агента с нужными навыками: оформление отчета по шаблону, создание квартального план‑факта и сбор данных из CRM, 1С и Power BI. Теперь она пишет: «Оформи квартальный отчет по продажам в нашем корпоративном стиле». Агент через коннекторы собирает данные, применяет навыки и готовит план‑факт. Готовый отчет сохраняется как артефакт, Дарья отправляет его коллегам из финансового сектора. Те в своем пространстве сводят отчеты по всем направлениям и формируют финальный документ. Так в одной среде работают разные отделы — со своими агентами и контекстом.
Во всех трех случаях принцип один: сотрудник ставит задачу текстом, агент сам подбирает нужные навыки и при необходимости подключает коннекторы, а результат возвращается в виде готового артефакта — документа, таблицы или отчета. Так GigaCowork снимает с команды повторяющуюся ручную работу, оставляя контроль за человеком.
Ключевые преимущества платформы
Низкий порог входа
Платформа не требует технической подготовки и опыта в программировании. Навыки, команды и коннекторы создаются обычным текстом на разговорном языке, а не кодом. Автоматизацию запускают сами сотрудники, а не подрядчики, которым сначала нужно объяснять специфику.
Это заметное отличие от классических RPA‑ и интеграционных платформ. Там подготовка сценария обычно требует технических специалистов, согласований и времени. В GigaCowork навык создается за несколько минут описанием шагов своими словами. При этом результат зависит от точности и подробности инструкции, поэтому навыки лучше создавать ведущим специалистам — так их опыт масштабируется на весь отдел.
Локализация
Данные обрабатываются на российских серверах, платформа соответствует требованиям 152‑ФЗ. Для компаний, работающих с чувствительными данными, это критично: GigaCowork — один из немногих доступных вариантов управления ИИ‑агентами, который проходит по правовому контуру.
Командная работа с приватностью личных сессий
GigaCowork не персональный инструмент, а среда для совместной работы. Пространства позволяют команде пользоваться общими документами, навыками и коннекторами. При этом личные сессии остаются приватными: история и результаты задачи видны только ее автору.
Эта комбинация снимает частый барьер внедрения ИИ в командах. Сотрудники не боятся, что их промежуточные наработки увидят коллеги, и при этом работают в единой среде с общими стандартами.
Предсказуемая тарификация
Модель тарификации устроена по подписке на пользователей, а не по расходу токенов. Бизнесу не нужно прогнозировать, сколько токенов уйдет на каждую задачу, и сравнивать, что дешевле — часы сотрудника или вычислительные ресурсы.
Безлимит токенов в рамках подписки упрощает бюджетирование на этапе внедрения. Компания понимает фиксированную стоимость за пользователя и не рискует получить непредсказуемый счет в конце месяца, если агенты начнут активно использоваться.
Агентный движок
Внешне GigaCowork похож на чат с ИИ-моделью, но технически устроен иначе. Обычный чат с языковой моделью работает по схеме «вопрос — ответ». Если модели не хватает данных, она либо откажется отвечать, либо придумает правдоподобный, но неверный ответ.
У GigaCowork — агентный движок. Получив запрос, агент раскладывает его на шаги и решает, какие инструменты нужны: открыть файл, обратиться к CRM, сверить данные с регламентом. Затем выполняет эти шаги по очереди, после каждого проверяя, что получилось.
Поддержка крупного вендора
GigaCowork развивает «Салют для бизнеса» — дочерняя компания «Сбера». Продукт не является стартапом с туманной судьбой: за ним стоят ресурсы крупной организации, инфраструктура и обязательства по долгосрочной поддержке.
На что обратить внимание
Недавно на рынке
GigaCowork стала доступна для пользования в мае 2026 года. Это значит, что у рынка еще не накопилось длительного опыта эксплуатации. Развивается сервис достаточно быстро и уже закрывает все базовые задачи. Но важно понимать, что внедрение ИИ‑агентов — процесс, который не решит задачи бизнеса сразу. Он всегда сопровождается адаптацией процессов, и на раннем продукте такая адаптация может потребовать больше времени.
Непрозрачный прайс
На официальном сайте нет публичных тарифов — только форма заявки. Модель понятна: плата по пользователям, безлимит токенов. Но конкретные суммы компания узнает по запросу, и это усложняет сравнение с альтернативами.
Готовые интеграции и нестандартные системы
Количество готовых коннекторов на платформе постоянно растет, и для компаний, работающих на популярных системах, их будет достаточно. Но если у бизнеса редкие, устаревшие или самописные системы, придется настраивать собственные MCP‑коннекторы, что требует технической экспертизы. Это стоит учитывать, если в компании много нестандартного софта.
Качество результата зависит от качества инструкций
No‑code подход убирает из цепочки программистов, но переносит сложность на умение сотрудников описывать задачи. Если навык составлен размыто, без примеров и четких шагов, агент задаст дополнительные вопросы для получения контекста. Но чем конкретнее инструкция, тем лучше результат.
Это скрытая зависимость от человеческого фактора: платформа хороша настолько, насколько хороши инструкции, которые ей дали. Запуск навыков требует дисциплины и времени на их отладку — особенно на старте, пока команда не набила руку.
GigaCowork и Claude Cowork: в чем разница
Claude Cowork от Anthropic — самый очевидный ориентир для сравнения. Это первая крупная западная платформа управления ИИ‑агентами, и именно на нее чаще всего ссылаются, когда говорят о «коворках» для агентов. Но сравнивать два продукта «в лоб» не имеет смысла: они живут в разных правовых и рыночных реальностях.
Доступность и данные
Главное различие, которое затмевает все остальное, — где работает продукт и где обрабатываются данные.
Claude Cowork недоступен или ограничен для российских компаний. Даже если технически обойти ограничения, корпоративные данные будут обрабатываться за пределами страны. Для бизнеса, который работает с персональными данными, — это сразу знак «стоп»: такой инструмент нельзя использовать внутри закрытого контура. В свою очередь GigaCowork работает на российских серверах и соответствует 152‑ФЗ, поэтому подходит для чувствительных секторов экономики.
Порог входа
Claude Cowork строится вокруг экосистемы Anthropic и предполагает определенную техническую готовность: интеграции, настройка рабочих пространств, доступ к западным API. Для глобальных команд с IT‑ресурсами это не проблема.
В GigaCowork сотрудник без технического бэкграунда создает навык и запускает агента текстом. Это не значит, что GigaCowork «проще» во всем — настройка сложных коннекторов все равно требует администратора. Но для базовой автоматизации порог ниже.
Зрелость агентов
Здесь больше опыта у Claude Cowork. Продукт Anthropic работает на рынке дольше. Качество агентов, работа с долгими цепочками задач, стабильность — все это у Claude Cowork пока выглядит более проверенным.
Какой продукт выбрать?
Claude Cowork стоит рассматривать, если компания работает на глобальном рынке, не связана российскими требованиями к данным и ищет максимально зрелое решение с подтвержденной эффективностью.
GigaCowork — логичный выбор, если компания обязана держать данные в российском контуре, работает в регулируемых отраслях или хочет запустить ИИ‑агентов без привлечения разработчиков.