Abre un chat nuevo. Escribe: «Actúa como el 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 rayas largas, y un titular 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.
Si ese párrafo te ha hecho hacer una mueca, ya conoces el problema. La mayoría de las personas que usan Claude o ChatGPT para trabajos reales y repetitivos —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 se deben y no se deben hacer— tiene entre 300 y 600 tokens, aproximadamente, una vez que cuentas las instrucciones en sí y el preámbulo natural que las acompaña («solo para recordártelo», «como comentamos», «como siempre»). Y eso es antes de hacer 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 correos electrónicos, textos para anuncios, variantes de páginas de destino y publicaciones para redes sociales está reenviando ese mismo contexto más de 400 veces al año. Con entre 300 y 600 tokens por cada 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 plano 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 específica como orientativa, no como una verdad absoluta—, el coste bruto de repetir el contexto para una sola 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 hace esto.
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 de tiempo: la parte que nadie pone en una hoja de cálculo
Los tokens son baratos. Los minutos no. Piensa en lo que ocurre realmente cuando abres un chat nuevo para trabajar en serio: tienes que recordar lo que le dijiste al modelo la última vez (o buscar el documento donde lo anotaste), pegarlo o volver a escribirlo, ajustar la redacción porque nunca eres del todo consistente contigo mismo y, solo entonces, puedes ocuparte de aquello para lo que abriste el chat.
Considera entre 90 segundos y 3 minutos por sesión como una estimación conservadora, según cuánto contexto necesite la tarea. Para alguien que inicia 8-10 chats nuevos a la semana, son entre 15 y 45 minutos semanales que se esfuman antes de que empiece la escritura de verdad. 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 olvidó todo en cuanto se cerró el último chat.
Y esa estimación es generosa. Da por hecho 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 costo de la consistencia: el que realmente duele
Este es el costo que la mayoría subestima y el que aparece en el resultado, no en la factura. Cuando vuelves a escribir de memoria el contexto en cada sesión, no lo repites de forma idéntica. Un día dices «seguro, pero sin sonar demasiado comercial». Al día siguiente, con prisa, omites por completo la indicación sobre el tono y solo pides «un texto contundente». Una semana después recuerdas mencionar a la audiencia, pero olvidas la regla de formato sobre las rayas largas.
La AI no tiene forma de saber cuál versión de «ti» es la verdadera; simplemente hace lo mejor que puede con el contexto parcial que llega a ese chat concreto. El resultado son textos que se desvían: a veces alineados con la marca, a veces genéricos y a veces necesitados de una reescritura completa porque el tono no acertó. Si alguna vez comparaste dos textos redactados con AI por la misma persona y te preguntaste por qué uno clava la voz y el otro parece escrito por un desconocido, casi siempre se debe a esto: no a un prompt peor, sino a uno recordado de otra manera.
Esa inconsistencia también tiene un costo, aunque nunca aparezca como una partida: más rondas de edición, más «¿puedes intentarlo de nuevo?», más textos que no encajan del todo con la marca y se publican de todos modos porque nadie lo detectó. A diferencia del costo de los tokens, este se dispara: 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 experta en copywriting de conversión que investiga antes de escribir — análisis de la voz del cliente (VOC), jerarquía de mensajes y mapeo de objeciones — configurada una sola vez e idéntica en cada chat, sin necesidad de volver a explicar el contexto.
Ver Jake - Redactor publicitario de conversión →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 pegarla tampoco es gratis: siguen siendo los mismos tokens, sigue requiriendo la mayor parte del tiempo —todavía tienes que encontrar el documento, abrirlo, copiarlo, pegarlo y, a menudo, recortarlo para que quepa— y sigue dejando margen para usar una versión desactualizada del documento, pegar la sección equivocada u olvidar siquiera que el documento existe tres meses después, cuando alguien nuevo se incorpora al equipo.
Un documento guardado es un paso adelante respecto a volver a escribirlo de memoria. Pero no es lo mismo que un sistema que ya sabe quién debe ser en el momento en que abres el chat.
Qué cambia realmente 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 papel que debe desempeñar la AI una sola vez, con el cuidado de redactar un brief real en lugar de un mensaje apresurado en el chat. Después, cada chat nuevo empieza sabiéndolo ya.
- Tokens: el contexto vive en la capa del sistema, no se vuelve a escribir como una entrada nueva en cada sesión.
- Tiempo: no tienes que buscar el documento, volver a escribir ni hacer ajustes: abres el chat y empiezas con la tarea real.
- Coherencia: la AI lee exactamente las mismas instrucciones cada vez, así que el resultado no cambia según las prisas que tuvieras al configurar el chat de ese día.
Para un equipo de contenidos en particular, 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 la coherencia de decenas de piezas con la marca a lo largo de varias 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 experta en marketing de contenidos que crea grupos de temas 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 - Gerente de marketing de contenidos →Haz las cuentas sobre tu propio flujo de trabajo
No necesitas conocer el precio exacto para saber si esto se aplica a ti. Hazte estas tres preguntas:
- ¿Cuántos chats nuevos de AI inicio en una semana típica para tareas recurrentes: redacción, análisis, respuestas de soporte o cualquier cosa con un preámbulo de «así es como hacemos esto»?
- ¿Cuánto tardo realmente en restablecer el contexto cada vez, incluido el tiempo que dedico a encontrar el documento correcto?
- ¿Con qué frecuencia el resultado no da en el blanco porque el contexto que le di ese día estaba incompleto o era ligeramente distinto del de la última vez?
Si las respuestas honestas 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 discretamente tokens, tiempo y, lo más importante, coherencia en los resultados. Un archivo de habilidades como Jake - Redactor de textos de conversión o Lena - Responsable de marketing de contenidos se escribe una vez y se reutiliza en cada sesión, de modo que la AI aparece sabiendo ya quién 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 escribir el prompt frente a usar un archivo de habilidades persistente. Sin registro ni correo electrónico: solo las matemáticas de esta publicación aplicadas 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 volcado habitual de contexto sobre tono, audiencia y formato suele ocupar entre 300 y 600 tokens cuando incluyes la introducción natural que lo acompaña. Ese es el coste adicional que pagas antes siquiera 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 dedicando tiempo a 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 se hace evidente 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 completas que hayan sido tus propias reglas de marca ese día. Cuantas más personas de un equipo hagan esto de forma independiente, más rápido se erosiona la coherencia de la marca, sin importar lo «ocasional» que sea el uso de cada persona.
