Un archivo de habilidades es más barato que escribir un prompt desde cero porque amortiza el coste de configuración una sola vez, en lugar de hacerlo en cada mensaje. Cada vez que vuelves a explicar tu rol, tono y formato en un chat vacío de AI, pagas esa explicación en tokens; y los tokens cuestan dinero, consumen límites de mensajes y ocupan espacio en la ventana de contexto que estás gastando en trabajo administrativo en lugar de en tu trabajo real.
Parte 1 de la serie «Contexto reutilizable» · Por el equipo de KissMySkills
Los 300 tokens que pagas todas y cada una de las veces
Abre un chat vacío con Claude, ChatGPT o Gemini y pídele que te ayude a redactar una actualización para el consejo. Antes de que pueda hacer algo útil, tienes que decirle quién eres, a qué se dedica la empresa, qué tono espera el consejo, qué formato debe seguir la actualización y qué significa «bueno» para ti. 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. Y eso es antes de formular la pregunta real. Además, como la mayoría de la gente no guarda ese preámbulo en ningún sitio, vuelve a escribir una versión del mismo —ligeramente diferente y algo incompleta— cada vez que abre un chat nuevo.
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 diarios 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 tiene este aspecto:
«Me estás ayudando como jefe de personal. Dirijo una empresa SaaS de 40 personas; informamos a un consejo de 5 miembros. Les gustan las actualizaciones concisas, con el titular primero y sin relleno. Incluye siempre la tasa de consumo de efectivo y la autonomía financiera. Usa formato Markdown con un resumen ejecutivo al principio... [continúa durante otras 150 palabras] ...ahora escribe la actualización de este mes».
Ese es el impuesto de volver a explicarlo: lo pagas de nuevo la semana siguiente y la posterior, normalmente con algo olvidado (la última vez mencionaste la autonomía financiera; esta vez lo olvidaste, así que el resultado es incoherente).
Con un archivo de habilidades, la misma solicitud se reduce a: «Escribe la actualización de este mes para el consejo: ingresos de 340.000 $, consumo de efectivo 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 sola vez y cada paquete para el consejo, memorando para toda la empresa y brief de decisiones que solicites volverá con los titulares primero y listo para el consejo, sin tener que volver a explicar tu empresa ni tus estándares cada vez.
Ver a Ryan —jefe de personal— →Por qué esto importa para tu bolsillo
Si usas precios de API —al crear algo sobre Claude o GPT, o al utilizar una herramienta que cobra según el uso—, las cuentas son directas: los tokens de entrada cuestan dinero. Un preámbulo de 300 tokens que vuelves a explicar y envías en cada llamada, a lo largo de miles de llamadas al mes, es una partida real, no un error de redondeo. Los equipos que crean productos basados en 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 de proyecto— convierte ese costo recurrente en un costo único.
Si usas habitualmente las aplicaciones de chat de Claude, ChatGPT o Gemini en sus planes para consumidores, no pagas directamente por token, pero sí estás sujeto a límites de uso que, en segundo plano, se basan en tokens. Cada mensaje que comienza con tres párrafos de «déjame explicarte quién eres» es un mensaje que cuenta para tu límite y no te aporta nada. Reduce las explicaciones repetidas y sacarás más trabajo real de la misma cuota 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 produce 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 la tasa de consumo al principio. 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 inconsistentemente 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 pensarlas detenidamente—, no la versión apresurada que puedes recordar a las 16:00 de un jueves. Esa es la verdadera razón por la que los resultados basados en Skills suelen parecer más propios de alguien sénior y ser más coherentes: no es que la AI se haya vuelto más inteligente, sino que trabaja a partir de un brief completo cada vez, en lugar de uno recordado a medias.
También hay un segundo efecto en la calidad. Las conversaciones largas 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 parte importante 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 carga la configuración inicial de forma eficiente en lugar de repetirla poco a poco durante decenas de turnos.
Diane redacta correos con tu estilo, 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 - Asistente ejecutiva →Qué se considera realmente un «archivo de Skill»
Un archivo de Skill no tiene nada de exótico: es un documento de Markdown que pegas una sola vez como prompt del sistema, instrucción de un proyecto de ChatGPT, instrucciones personalizadas de un proyecto de Claude o configuración de un Custom GPT. Establece el rol («eres un chief of staff sénior con 9 años de experiencia apoyando a CEO»), los estándares («primero el titular, sin relleno, incluye siempre el ritmo de gasto y la autonomía financiera») y el formato («Markdown, resumen ejecutivo al principio»). Una vez cargado en un contexto persistente —un proyecto, un Custom GPT o un prompt del sistema en tu propia herramienta—, cada conversación nueva lo hereda automáticamente. No vuelves a escribirlo.
En resumen, importa menos el mecanismo exacto de dónde se ubica (prompt del sistema, instrucciones del proyecto o Custom GPT) que el hábito fundamental: escribir el contexto una vez, completo, cuando tienes tiempo de hacerlo bien; después, dejar de explicarlo de memoria bajo presión.
En resumen:
Volver a explicar desde cero el rol, el tono y el formato cuesta entre 200 y 400 tokens por mensaje, lo que con el tiempo se traduce 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 coste una sola vez y después ofrece resultados coherentes 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 del 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 repite en decenas de chats a la semana, 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 se traducen directamente en una factura más baja. En los planes de chat para consumidores (Claude, ChatGPT, Gemini), los límites de uso se basan en tokens internamente, así que reducir el impuesto de volver a explicar todo hace que una mayor parte de tu asignación diaria se destine 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. Se ahorra 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 logras recordar escribir bajo presión; por eso los resultados basados en una Skill tienden a ser más coherentes y a tener un tono más profesional.
A continuación en esta serie
Esta es la publicación central de una breve serie sobre por qué el contexto reutilizable supera a 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».
