Esta nota explica en términos prácticos qué permite hacer Google AI Studio, cuáles son los límites más importantes y cómo decidir si te conviene publicar la app. La guía original fue publicada el 29/3/2026 y sirve como referencia para los pasos que describimos a continuación (fuente: texto provisto).

¿Qué hace Google AI Studio y por qué sirve?

Google AI Studio permite pedirle a un modelo de lenguaje que genere el esqueleto de una aplicación web, con HTML, CSS y JavaScript listos para probar en el navegador. Vemos esto como una herramienta para prototipos rápidos: el sistema genera un proyecto que se puede previsualizar y descargar, y ofrece un chat lateral para pedir cambios. La advertencia clave es técnica y concreta: lo que genera suele ser un esqueleto sin base de datos segura ni sistema de autenticación integrado, por lo que los datos de usuario no están protegidos por defecto. Además, si optás por guardar en el navegador, el almacenamiento local tiene un límite aproximado de 5 MB por origen, lo que impone restricciones claras a qué tipo de información podés conservar localmente (fuente: MDN Web Docs). Si llegaste hasta acá, ya tenés lo más difícil: entender que AI Studio no es una solución llave en mano para producción.

¿Es seguro publicar una web creada así en Argentina?

La respuesta corta: casi nunca sin ajustes. Publicar directamente una app generada por IA expone dos riesgos principales: filtración de datos por ausencia de autenticación y errores de código que permiten manipulación de la app. La propia interfaz de Google AI Studio pide que elijas un proyecto de Google Cloud y configures facturación para publicar, lo que significa que la app funcionará sobre infraestructura de Google y puede generar costos. Google Cloud ofrece un crédito de prueba de US$300 para nuevos usuarios por 90 días, que sirve para probar despliegues antes de pagar (fuente: Google Cloud). Eso facilita experimentar en 2026, pero no atenúa la necesidad de controles: recomendamos exigir trazabilidad de acciones, control de permisos y un plan de salida para datos sensibles antes de publicar —la misma postura que sostenemos respecto del uso de IA en procesos críticos. En síntesis, para un prototipo está bien; para un servicio al público, hace falta trabajo adicional.

Cómo empezar paso a paso, y cuándo desistir

Primero: hacé un prototipo local y tratá la app generada como un punto de partida, no como producto final. Pasos mínimos prudentes: 1) generar el prompt y revisar el código en la pestaña Code; 2) limitar el uso de localStorage a pruebas no sensibles; 3) añadir autenticación y una base de datos externa antes de publicar; 4) si publicás, asociá la app a un proyecto de Google Cloud con facturación controlada y activá registros y auditoría. La guía original sugiere pedir a la IA que use localStorage para mantener datos en el navegador, pero advertimos que esos datos se pierden si cambiás de navegador o se limpian caches, y no son privados por diseño (fuente: texto provisto). Si no tenés experiencia con seguridad o no podés implementar un plan de salida y control de accesos, la alternativa honesta es usar el prototipo solo internamente o contratar a alguien para integrar autenticación y almacenamiento seguro antes de exponer la app al público. Si llegaste hasta acá, ya podés decidir si lo que necesitás es un prototipo rápido o un producto robusto.

Conclusión práctica

Google AI Studio te ahorra escribir las primeras líneas y acelera el diseño de interfaces; sin embargo, no reemplaza el trabajo de ingeniería y seguridad necesario para un servicio público. Confirmá siempre los límites técnicos —por ejemplo la capacidad de almacenamiento en el navegador— y planificá trazabilidad, control de permisos y una estrategia para datos sensibles antes de automatizar o publicar. Si preferís, arrancá con la versión gratuita y probá en un proyecto de Google Cloud con el crédito de prueba antes de invertir en un flujo de producción (fuente: Google Cloud).