Abre un chat nuevo. Escribe: "Actúa como redactor de nuestra marca. Este es nuestro tono: seguro, pero sin sonar comercial; sin signos de exclamación; dirígete siempre al lector de 'tú'. Esta es nuestra audiencia: compradores de SaaS del mercado medio que desconfían de las exageraciones. Este es nuestro formato: párrafos cortos, sin guiones largos, titulares de menos de 60 caracteres..." Pega la guía de marca de tres párrafos que guardas en un documento de Google. Ahora, por fin, haz tu pregunta real.
En esta página
- El coste de los tokens: pagar por volver a explicarte
- El coste del tiempo: la parte que nadie incluye en una hoja de cálculo
- El coste de la consistencia: el que realmente duele
- Por qué «guardarlo en un documento» no soluciona realmente esto
- Lo que realmente cambia un archivo de Skill
- Haz las cuentas sobre tu propio flujo de trabajo
- Preguntas frecuentes
Si ese párrafo te ha hecho sentir un poco incómodo, ya conoces el problema. La mayoría de las personas que usan Claude o ChatGPT para trabajar de verdad de forma recurrente - profesionales de marketing, responsables de soporte, analistas y fundadores - hacen alguna versión de esto cada vez que inician una conversación nueva. Parece un impuesto de dos minutos. No lo es. Es un coste recurrente con tres precios distintos: tokens, tiempo y coherencia. Vamos a sumarlos.
El coste de los tokens: pagar por volver a explicarte
Un "volcado de contexto" típico - voz de marca, audiencia, reglas de tono, preferencias de formato y algunos aspectos que hacer y evitar - ronda entre 300 y 600 tokens cuando cuentas las instrucciones en sí y las frases introductorias naturales que las acompañan ("solo para recordártelo", "como hablamos", "como siempre"). Y eso antes de formular la pregunta real. Es pura sobrecarga, que pagas cada vez, porque un chat nuevo no recuerda lo que le dijiste ayer.
Ahora multiplica. Un profesional de marketing o redactor que inicia, por ejemplo, entre 8 y 10 chats nuevos a la semana para escribir emails, textos publicitarios, variantes de páginas de destino y publicaciones para redes sociales está volviendo a enviar ese mismo contexto más de 400 veces al año. A entre 300 y 600 tokens por reexplicación, eso supone entre 120.000 y 240.000 tokens al año gastados únicamente en volver a establecer quién eres y cómo quieres que se escriban las cosas - tokens que no producen ningún resultado nuevo.
Seamos honestos sobre algo importante: con los precios actuales de las API, unos cientos de miles de tokens de texto de entrada sin formato no van a arruinar a nadie. Incluso a unos pocos dólares por millón de tokens - y los precios varían según el modelo y cambian con el tiempo, así que considera cualquier cifra concreta como orientativa, no como una verdad absoluta -, el coste bruto de repetir el contexto para una persona suele ser de unos pocos dólares al mes, no cientos. El coste de los tokens por sí solo rara vez justifica solucionar el problema. Pero es el menor de los tres costes y se acumula en cuanto no eres la única persona del equipo que lo hace.
Un paquete de prompts que crea un documento real de voz de marca a partir de tus muestras de escritura reales - no de adjetivos vagos -, para que puedas pegarlo una vez y dejar de reconstruirlo de memoria en cada sesión.
Ver la guía de voz de marca de AI →El coste del tiempo: la parte que nadie incluye en una hoja de cálculo
Los tokens son baratos. Los minutos no. Piensa en lo que ocurre realmente cuando inicias un chat nuevo para trabajar: tienes que recordar lo que le dijiste al modelo la última vez (o encontrar el documento donde lo anotaste), pegarlo o volver a escribirlo, ajustar la redacción porque nunca eres del todo coherente contigo mismo y, solo entonces, puedes hacer aquello para lo que abriste el chat.
Llamémoslo unos prudentes 90 segundos a 3 minutos por sesión, según cuánto contexto necesite la tarea. Para alguien que inicia 8-10 chats nuevos a la semana, son 15-45 minutos semanales perdidos antes de que empiece cualquier trabajo de redacción real. En un año, eso equivale a entre 13 y 39 horas - casi una semana laboral completa - dedicadas a escribir las mismas instrucciones de configuración en un cuadro de texto, una y otra vez, sin otra razón que el hecho de que la AI lo olvidó todo en cuanto se cerró el último chat.
Y esa estimación es generosa. Supone que recuerdas correctamente el contexto y que no tienes que buscar el documento de marca, la guía de tono o la nota de "cómo escribimos los titulares" enterrada en una unidad compartida. Añade ese tiempo de búsqueda y la cifra real aumenta rápidamente.
El coste de la consistencia: el que realmente duele
Este es el coste que la mayoría subestima, y es el que aparece en el resultado, no en la factura. Cuando vuelves a escribir tu contexto de memoria en cada sesión, no lo escribes de forma idéntica. Un día dices "con confianza, pero sin sonar comercial". Al día siguiente, con prisa, omites por completo la indicación sobre el tono y solo pides "copy contundente". Una semana después recuerdas mencionar a la audiencia, pero olvidas la regla de formato sobre los em dashes.
La AI no tiene forma de saber cuál versión de "tú" es la real; simplemente hace lo mejor que puede con cualquier contexto parcial que llega a ese chat en particular. El resultado es un copy que se desvía: a veces encaja con la marca, a veces es genérico y a veces necesita una reescritura completa porque el tono no acertó. Si alguna vez has comparado dos textos redactados por AI de la misma persona y te has preguntado por qué uno clava la voz y el otro parece escrito por un desconocido, casi siempre esta es la razón: no es un prompt peor, sino uno recordado de otra manera.
Esa inconsistencia también tiene un coste, aunque nunca aparezca como una partida: más rondas de edición, más "¿puedes intentarlo de nuevo?", más copy que no encaja del todo con la marca y se publica de todos modos porque nadie lo detectó. A diferencia del coste de los tokens, este crece mal: cuantas más personas de un equipo improvisan su propia versión de "la voz de nuestra marca" en un cuadro de chat, más empieza a desviarse la propia marca.
Una persona de copywriter sénior de conversión que investiga antes de escribir - minería de VOC, jerarquía de mensajes, mapeo de objeciones - configurada una sola vez e idéntica en cada chat, sin necesidad de volver a explicar el contexto.
Ver Jake - Conversion Copywriter →Por qué «guardarlo en un documento» no soluciona realmente esto
La objeción obvia es: guarda la guía de marca en un documento y pégala cada vez. Mucha gente hace exactamente eso. Pero pegar tampoco es gratis: siguen siendo los mismos tokens, sigue consumiendo casi el mismo tiempo (aún tienes que encontrar el documento, abrirlo, copiarlo, pegarlo y, a menudo, recortarlo para que quepa), y todavía existe el riesgo de usar una versión obsoleta del documento, pegar la sección equivocada u olvidar que el documento existe dentro de tres meses, cuando alguien nuevo se incorpore al equipo.
Un documento guardado es un paso adelante respecto a volver a escribir todo de memoria. No es lo mismo que un sistema que ya sabe quién debe ser en cuanto abres el chat.
Lo que realmente cambia un archivo de Skill
Un archivo de Skill - un prompt de sistema estructurado que cargas una vez como instrucción de proyecto o instrucción personalizada en Claude, ChatGPT o Gemini - transforma todo esto de «volver a explicarlo en cada sesión» a «configurarlo una vez y reutilizarlo para siempre». Escribes la voz de la marca, la audiencia, las reglas de tono, las preferencias de formato y el rol que debe desempeñar la AI una sola vez, con el cuidado de redactar un brief real en lugar de un mensaje de chat apresurado. Después de eso, cada chat nuevo empieza sabiendo todo lo necesario.
- Tokens: el contexto vive en la capa del sistema, no tienes que volver a escribirlo como entrada nueva en cada sesión.
- Tiempo: no tienes que buscar el documento, volver a escribir ni ajustar nada: abres el chat y empiezas con la tarea real.
- Coherencia: la AI lee exactamente las mismas instrucciones cada vez, por lo que el resultado no varía según lo apurado que estuvieras al configurar el chat de ese día.
En un equipo de contenidos específicamente, aquí es donde el efecto acumulativo se nota más rápido. Un gerente de marketing de contenidos no se limita a escribir una pieza: gestiona un calendario editorial, prepara briefs para los redactores y mantiene decenas de piezas alineadas con la marca durante semanas. Volver a explicar la estrategia de contenidos y el sistema de marca cada vez no solo le cuesta minutos a esa persona; significa que cada pieza de contenido es tan coherente como quien haya recordado el brief completo ese día.
Una persona con el perfil de gerente sénior de marketing de contenidos que crea grupos temáticos y calendarios editoriales de 90 días basados en tu sistema de marca real: se configura una vez y mantiene la coherencia entre todos los redactores y chats.
Ver Lena - Content Marketing Manager →Haz las cuentas sobre tu propio flujo de trabajo
No necesitas conocer el precio exacto para saber si esto se aplica a ti. Hazte tres preguntas:
- ¿Cuántos chats nuevos de AI inicio en una semana típica para tareas recurrentes: redacción, análisis, respuestas de soporte, cualquier cosa con un preámbulo del tipo «así es como hacemos esto»?
- ¿Cuánto tiempo tardo realmente en restablecer el contexto cada vez, incluido el tiempo que paso buscando el documento correcto?
- ¿Con qué frecuencia el resultado no da en el blanco porque el contexto que proporcioné ese día estaba incompleto o era ligeramente diferente al de la última vez?
Si las respuestas sinceras son «más de unas pocas», «más de un minuto» y «más a menudo de lo que me gustaría», la solución no es un prompt mejor. Es no volver a escribir ese prompt.
En resumen:
Volver a explicar la voz y el rol de tu marca al inicio de cada chat de AI te cuesta silenciosamente tokens, tiempo y, sobre todo, coherencia en los resultados. Un archivo de habilidades como Jake - Redactor de conversión o Lena - Responsable de marketing de contenidos se escribe una vez y se reutiliza en cada sesión, así que la AI aparece sabiendo ya quién se supone que debe ser.
Introduce cómo usas realmente los chats de AI (tú o tu equipo) y obtén una estimación mensual real del desperdicio de tokens y del coste en dinero de volver a introducir el prompt frente a usar un archivo de habilidades persistente. No necesitas registrarte ni proporcionar tu correo electrónico: solo se aplican las matemáticas de esta publicación a tus cifras.
Prueba la calculadora →Preguntas frecuentes
¿Cuántos tokens cuesta realmente volver a explicar la voz de marca en cada chat?
Depende de lo detalladas que sean tus instrucciones, pero un bloque de contexto típico sobre tono, audiencia y formato suele tener entre 300 y 600 tokens cuando incluyes la introducción natural que lo acompaña. Ese es el coste adicional que pagas antes incluso de hacer tu pregunta real, y vuelves a pagarlo en el siguiente chat y en el siguiente.
¿No es más barato simplemente guardar las instrucciones en un documento y pegarlas cada vez?
Es mejor que volver a escribirlo de memoria, pero tampoco es gratis. Sigues pagando los mismos tokens en cada chat, sigues invirtiendo tiempo en buscar y pegar el documento, y aún corres el riesgo de pegar una versión desactualizada u olvidar una sección. Un archivo de habilidades elimina por completo el paso de pegar: las instrucciones ya están cargadas antes de que empiece el chat.
¿Esto solo importa para quienes usan mucho la AI o también se acumula con un uso ocasional?
Escala con la frecuencia, pero el coste de consistencia aparece incluso con un volumen bajo. Si solo inicias un chat nuevo una vez a la semana para redactar textos, el coste en tokens y tiempo es moderado, pero el resultado aún puede variar según lo bien que hayas recordado ese día tus propias reglas de marca. Cuantas más personas de un equipo hagan esto de forma independiente, más rápido se erosiona la coherencia de la marca, independientemente de lo «ocasional» que sea el uso de cada persona.