Un archivo de habilidades es más barato que escribir un prompt desde cero porque su coste de configuración se paga una sola vez, en lugar de pagarse con cada mensaje. Cada vez que vuelves a explicar tu rol, tono y formato en un chat de AI en blanco, pagas esa explicación en tokens; y los tokens son dinero, límites de mensajes y espacio de la ventana de contexto que gastas en tareas secundarias en lugar de en tu trabajo real.
En esta página
Parte 1 de la serie «Contexto reutilizable» · Por el equipo de KissMySkills
Los 300 tokens que pagas cada vez
Abre un chat en blanco con Claude, ChatGPT o Gemini y pídele ayuda para redactar una actualización de la junta. Antes de que pueda hacer algo útil, tienes que decirle quién eres, a qué se dedica la empresa, qué tono espera la junta, qué formato debe seguir la actualización y qué significa para ti que esté «bien hecha». No es una solicitud de una sola línea: es un párrafo, a veces tres.
Escribe ese párrafo y pásalo por un tokenizador. Un preámbulo típico del tipo «este es mi rol, este es el contexto y así me gusta que se formatee todo» ocupa entre 200 y 400 tokens. Eso es antes de haber formulado la pregunta real. Y como la mayoría de las personas no guarda ese preámbulo en ningún sitio, cada vez que abre un chat nuevo vuelve a escribir una versión ligeramente distinta e incompleta.
Multiplica eso por la frecuencia con la que realmente usas la AI para trabajar. Si abres cinco chats nuevos al día y vuelves a explicar el contexto cada vez, estás gastando entre 1.000 y 2.000 tokens al día únicamente en restablecer quién se supone que debe ser la AI. En un mes, son entre 20.000 y 40.000 tokens gastados exclusivamente en aclaraciones preliminares, tokens que no produjeron ningún resultado.
Antes y después: la misma solicitud, de dos maneras
Sin un archivo de habilidades, un prompt típico se ve así:
«Me estás ayudando como jefe de gabinete. Dirijo una empresa SaaS de 40 personas; informamos a una junta de 5 miembros. Les gustan las actualizaciones concisas, con el titular primero y sin relleno; incluye siempre la tasa de consumo y la autonomía financiera; usa formato Markdown con un TL;DR al principio... [continúa durante otras 150 palabras] ...ahora escribe la actualización de este mes».
Ese es el impuesto de volver a explicar las cosas: lo pagas de nuevo la semana que viene y la siguiente, normalmente olvidando algo por el camino (la última vez mencionaste la autonomía financiera; esta vez lo olvidaste, así que el resultado es inconsistente).
Con un archivo de habilidades, la misma solicitud es simplemente: «Escribe la actualización de la junta de este mes: ingresos de 340.000 $, consumo de 85.000 $, dos nuevos acuerdos empresariales cerrados». El rol, el tono, el formato y los estándares ya están cargados: se escriben una vez, se aplican siempre y nunca se olvidan.
Carga a Ryan una vez y cada paquete para el consejo, memorando para toda la empresa y resumen de decisiones que solicites volverá con los titulares primero y listo para el consejo - sin volver a explicar tu empresa ni tus estándares cada vez.
Ver a Ryan - jefe de personal →Por qué esto importa para tu bolsillo
Si pagas según el uso de la API (si estás creando algo sobre Claude o GPT, o usando una herramienta que factura según el uso), las cuentas son directas: los tokens de entrada cuestan dinero. Un preámbulo reexplicado de 300 tokens enviado en cada llamada, a lo largo de miles de llamadas al mes, es un concepto real de gasto - no un error de redondeo. Los equipos que crean productos con AI descubren habitualmente que restablecer el contexto consume entre el 15 y el 30 % de su gasto en tokens antes de que el modelo haga algo útil. Un archivo de Skill - o su equivalente como prompt de sistema, contexto en caché o instrucción del proyecto - convierte ese costo recurrente en un costo único.
Si eres un usuario habitual de aplicaciones de chat en los planes para consumidores de Claude, ChatGPT o Gemini, no pagas directamente por token, pero sí estás limitado por topes de uso que, en el fondo, se basan en tokens. Cada mensaje que empieza con tres párrafos de «déjame explicarte quién eres» es un mensaje que cuenta para tu límite y no te aporta nada. Reduce las reexplicaciones y obtendrás más trabajo real con la misma asignación diaria.
Por qué también importa para la calidad - no solo para el costo
Esta es la parte que la gente pasa por alto: volver a explicar el contexto no solo es costoso, también es un contexto peor. Cuando vuelves a escribir de memoria tu función y tus estándares en medio de un día ajetreado, omites cosas. Olvidas mencionar que las actualizaciones para el consejo deben incluir arriba la tasa de consumo. Olvidas que el cliente prefiere viñetas en lugar de prosa. Olvidas el formato que funcionó bien la última vez. El resultado se degrada no porque el modelo se haya vuelto más tonto, sino porque tus instrucciones se volvieron más descuidadas - y de forma irregularmente descuidada, lo que significa que algunas sesiones son excelentes y otras son notablemente peores.
Un archivo de Skill bien redactado no tiene ese problema. Es la versión completa de tus instrucciones - escrita una sola vez, cuando tuviste tiempo de reflexionar detenidamente - no la versión apresurada que puedes recordar a las 4 p. m. de un jueves. Esa es la verdadera razón por la que los resultados basados en Skill suelen parecer más propios de alguien con experiencia y ser más coherentes: no es que la AI se haya vuelto más inteligente, sino que trabaja a partir de un briefing completo cada vez, en lugar de uno medio recordado.
También hay un segundo efecto en la calidad. Los chats largos empeoran progresivamente a medida que la ventana de contexto se llena de intercambios, correcciones y aclaraciones, un fenómeno que a veces se denomina "degradación del contexto". Si una gran parte de cada mensaje se dedica a restablecer el rol y el formato básicos, ese es espacio de la ventana de contexto que podría haberse destinado al trabajo real, y acelera el momento en que la conversación empieza a perder el hilo. Un archivo de Skill prepara el contexto de forma eficiente desde el principio, en lugar de repetirlo poco a poco a lo largo de decenas de turnos.
Diane redacta correos con tu voz, prepara resúmenes de reuniones y clasifica tu bandeja de entrada sin que tengas que volver a explicar tu tono y tus prioridades en cada chat nuevo.
Ver Diane - Executive Assistant →Qué cuenta realmente como un "archivo de Skill"
Un archivo de Skill no tiene nada de exótico: es un documento Markdown que pegas una vez como prompt del sistema, instrucción de un proyecto de ChatGPT, instrucciones personalizadas de un proyecto de Claude o configuración de un GPT personalizado. Indica el rol ("eres un jefe de personal sénior con 9 años de experiencia apoyando a directores ejecutivos"), los estándares ("el titular primero, sin relleno, incluye siempre el consumo y la autonomía financiera") y el formato ("Markdown, TL;DR arriba"). Una vez cargado en un contexto persistente - un proyecto, un GPT personalizado o un prompt del sistema en tu propia herramienta -, cada conversación nueva lo hereda automáticamente. Nunca vuelves a escribirlo.
La mecánica de dónde se encuentra exactamente (prompt del sistema frente a instrucciones del proyecto frente a un GPT personalizado) importa menos que el hábito fundamental: escribe el contexto una vez, completo, cuando tengas tiempo de hacerlo bien - y deja de volver a explicarlo de memoria bajo presión.
En resumen:
Volver a explicar el rol, el tono y el formato desde cero cuesta entre 200 y 400 tokens por mensaje, lo que con el tiempo se convierte en un gasto real o en un desperdicio de los límites de uso, y produce resultados inconsistentes porque un contexto apresurado es un contexto incompleto. Un archivo de Skill como Ryan (Chief of Staff) o Diane (Executive Assistant) asume ese costo una vez y después ofrece resultados consistentes y de nivel sénior en cada mensaje.
Introduce cómo usas realmente los chats de AI (tú o tu equipo) y obtén una estimación mensual real del desperdicio de tokens y el costo en dólares de volver a escribir prompts frente a usar un archivo de Skill 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 el contexto?
Un preámbulo típico de rol y formato ocupa entre 200 y 400 tokens por mensaje. Si se envía en decenas de chats a la semana, eso suma decenas de miles de tokens desperdiciados al mes: tokens gastados en la configuración en lugar de en el trabajo real.
¿Un archivo de Skill solo ayuda con los costos de la API o también ayuda a los usuarios habituales del chat?
Ambas cosas. En los precios de la API, menos tokens repetidos implican directamente una factura menor. En los planes de chat para consumidores (Claude, ChatGPT, Gemini), los límites de uso se basan en tokens internamente, así que reducir el costo de volver a explicar el contexto significa que una mayor parte de tu asignación diaria se destina a resultados reales en lugar de a la configuración.
¿Un archivo de Skill es simplemente un prompt más largo?
No; la diferencia está en la persistencia, no en la longitud. Un archivo de Skill se escribe una vez y se carga en un prompt del sistema, en las instrucciones del proyecto o en un GPT personalizado, por lo que está presente automáticamente en cada conversación nueva. Un prompt normal debe volver a escribirse de memoria cada vez, y ahí es donde se pierde calidad y exhaustividad.
¿Usar un archivo de Skill realmente mejora la calidad de los resultados o solo ahorra dinero?
Ambas cosas. Ahorras dinero porque no pagas por tokens repetidos. La calidad mejora porque un archivo de Skill es la versión completa y cuidadosamente redactada de tus instrucciones, en lugar de lo que puedas recordar escribir bajo presión; por eso los resultados basados en una Skill tienden a ser más consistentes y a tener un tono más profesional.
Lo siguiente de esta serie
Esta es la publicación central de una breve serie sobre por qué el contexto reutilizable es mejor que volver a escribir prompts. A continuación: "El costo oculto de volver a escribir prompts", "Prompt del sistema vs. instrucciones del proyecto vs. GPT personalizado: ¿Dónde debería residir realmente tu Skill?", "Por qué los chats largos se vuelven más tontos (y cómo solucionarlo sin empezar de cero)", "La verdadera diferencia entre un prompt y una Skill (no es solo semántica)", "¿Cuánto cuesta realmente usar Claude/ChatGPT para trabajar? Un desglose realista de las matemáticas de los tokens", y "El contexto reutilizable es la nueva ingeniería de prompts".