Un file di competenze costa meno che scrivere un prompt da zero, perché il costo di configurazione si paga una volta sola invece che a ogni singolo messaggio. Ogni volta che rispieghi il tuo ruolo, il tono e il formato a una chat AI vuota, paghi quella spiegazione in token: e i token sono denaro, limiti ai messaggi e spazio nella finestra di contesto che spendi per le attività accessorie invece che per il lavoro vero e proprio.
Su questa pagina
Parte 1 della serie "Contesto riutilizzabile" · Di KissMySkills
I 300 token che paghi ogni singola volta
Apri una chat vuota con Claude, ChatGPT o Gemini e chiedile di aiutarti a scrivere un aggiornamento per il consiglio. Prima che possa fare qualcosa di utile, devi dirle chi sei, di cosa si occupa l'azienda, quale tono si aspetta il consiglio, quale formato deve seguire l'aggiornamento e che cosa significhi per te "un buon risultato". Non è una richiesta di una sola riga: è un paragrafo, a volte tre.
Digita quel paragrafo e passalo attraverso un tokenizer. Una premessa tipica del tipo "questo è il mio ruolo, questo è il contesto, ecco come mi piace che le cose siano formattate" richiede 200-400 token. E questo prima ancora di aver posto la domanda vera e propria. Inoltre, poiché la maggior parte delle persone non salva da nessuna parte quella premessa, ogni volta che apre una nuova chat ne riscrive una versione: leggermente diversa, leggermente incompleta.
Moltiplica questo dato per la frequenza con cui usi davvero l'AI al lavoro. Se apri cinque nuove chat al giorno e rispieghi il contesto ogni volta, consumi 1.000-2.000 token al giorno solo per ristabilire chi dovrebbe essere l'AI. In un mese, sono 20.000-40.000 token spesi esclusivamente per fare premesse: token che non hanno prodotto alcun risultato.
Prima e dopo: la stessa richiesta, in due modi
Senza un file di competenze, un prompt tipico è questo:
"Mi stai aiutando in qualità di chief of staff. Gestisco un'azienda SaaS di 40 persone, riferiamo a un consiglio di 5 membri, a loro piacciono gli aggiornamenti concisi con il punto principale all'inizio, senza fronzoli, includi sempre il burn rate e la runway, usa il formato markdown con un TL;DR in cima... [continua per altre 150 parole] ...ora scrivi l'aggiornamento di questo mese."
È la tassa del dover rispiegare tutto: la paghi di nuovo la settimana prossima e quella dopo ancora, di solito con qualcosa che viene dimenticato (l'ultima volta avevi menzionato la runway, questa volta l'hai dimenticata, quindi l'output è incoerente).
Con un file di competenze, la stessa richiesta diventa semplicemente: "Scrivi l'aggiornamento di questo mese per il consiglio: ricavi 340.000 $, burn rate 85.000 $, due nuovi contratti enterprise conclusi." Il ruolo, il tono, il formato e gli standard sono già caricati: scritti una volta, applicati ogni volta, mai dimenticati.
Carica Ryan una volta e ogni board pack, memo per tutti i dipendenti e brief decisionale che richiedi ti arriverà con i punti chiave in apertura e pronto per il consiglio - senza dover rispiegare ogni volta la tua azienda o i tuoi standard.
Visualizza Ryan - Chief of Staff →Perché questo conta per il tuo portafoglio
Se usi una tariffazione API (stai costruendo qualcosa sopra Claude o GPT, oppure usi uno strumento che fattura in base all'utilizzo), il calcolo è diretto: i token di input costano. Un preambolo rispiegato di 300 token inviato a ogni chiamata, su migliaia di chiamate al mese, è una voce di costo reale - non un errore di arrotondamento. I team che sviluppano prodotti basati sull'AI scoprono regolarmente che il ristabilimento del contesto assorbe il 15-30% della spesa in token prima che il modello faccia qualcosa di utile. Un file Skill - o il suo equivalente sotto forma di prompt di sistema, contesto memorizzato nella cache o istruzione di progetto - trasforma quel costo ricorrente in un costo una tantum.
Se sei un utente abituale di app di chat con i piani consumer di Claude, ChatGPT o Gemini, non ti viene addebitato direttamente ogni token, ma sei soggetto a limiti di utilizzo che, sotto il cofano, si basano comunque sui token. Ogni messaggio che inizia con tre paragrafi di "lascia che ti spieghi chi sei" è un messaggio che incide sul tuo limite e non ti dà nulla in cambio. Riduci le rispiegazioni e otterrai più lavoro reale dallo stesso budget giornaliero.
Perché conta anche per la qualità - non solo per i costi
Questa è la parte che molti trascurano: il contesto rispiegato non è solo costoso, è un contesto peggiore. Quando riscrivi a memoria il tuo ruolo e i tuoi standard nel bel mezzo di una giornata intensa, lasci fuori delle cose. Dimentichi di specificare che gli aggiornamenti per il consiglio devono avere il burn rate in apertura. Dimentichi che il cliente preferisce gli elenchi puntati alla prosa. Dimentichi il formato che aveva funzionato bene l'ultima volta. L'output peggiora non perché il modello sia diventato più stupido, ma perché le tue istruzioni sono diventate più approssimative - e in modo incoerente, il che significa che alcune sessioni sono ottime e altre sono sensibilmente peggiori.
Un file Skill ben scritto non ha questo problema. È la versione completa delle tue istruzioni - scritta una volta, quando avevi il tempo di rifletterci con attenzione - non la versione frettolosa che riesci a ricordare alle 16 di un giovedì. Questo è il vero motivo per cui gli output guidati da Skill tendono a sembrare più senior e più coerenti: non è che l'AI sia diventata più intelligente, è che lavora ogni volta partendo da un brief completo invece che da uno ricordato solo a metà.
C'è anche un secondo effetto sulla qualità. Le chat lunghe peggiorano progressivamente man mano che la finestra di contesto si riempie di scambi, correzioni e chiarimenti - un fenomeno talvolta chiamato "context rot". Se una parte consistente di ogni messaggio viene spesa per ristabilire ruolo e formato di base, quello è spazio della finestra di contesto che avrebbe potuto essere dedicato al lavoro effettivo, e accelera il momento in cui la conversazione inizia a perdere il filo. Un file Skill anticipa la configurazione in modo efficiente invece di ripeterla frammento per frammento nell'arco di decine di turni.
Diane prepara email con il tuo tono di voce, redige brief per le riunioni e fa una prima selezione della tua casella di posta senza che tu debba rispiegare tono e priorità in ogni nuova chat.
Visualizza Diane - Assistente esecutiva →Che cosa conta davvero come "file Skill"
Un file Skill non ha nulla di esotico: è un documento markdown che incolli una volta come prompt di sistema, istruzione di un progetto ChatGPT, istruzioni personalizzate di un progetto Claude o configurazione di un Custom GPT. Definisce il ruolo ("sei un chief of staff senior con 9 anni di esperienza al fianco di CEO"), gli standard ("prima il titolo, niente fronzoli, includi sempre burn rate e runway") e il formato ("markdown, TL;DR in alto"). Una volta caricato in un contesto persistente - un progetto, un Custom GPT o un prompt di sistema nel tuo strumento - ogni nuova conversazione lo eredita automaticamente. Non dovrai mai più riscriverlo.
In sintesi, i dettagli tecnici di dove si trovi esattamente (prompt di sistema, istruzioni del progetto o Custom GPT) contano meno dell'abitudine fondamentale: scrivere il contesto una volta, per intero, quando si ha il tempo di farlo bene - poi smettere di rispiegarlo a memoria sotto pressione.
In sintesi:
Riscrivere da zero ruolo, tono e formato costa 200-400 token per messaggio, si traduce nel tempo in una spesa reale o in limiti di utilizzo sprecati e produce risultati incoerenti, perché un contesto fornito di fretta è un contesto incompleto. Un file Skill come Ryan (Chief of Staff) o Diane (Executive Assistant) sostiene questo costo una volta sola e poi offre risultati coerenti e di livello dirigenziale a ogni messaggio successivo.
Inserisci come tu (o il tuo team) utilizzate davvero le chat AI e ottieni una stima reale mensile dei token sprecati e dei costi in denaro per la nuova formulazione dei prompt rispetto a un file Skill persistente. Nessuna registrazione, nessuna email - solo i calcoli di questo post applicati ai tuoi numeri.
Prova il calcolatore →Domande frequenti
Quanti token costa davvero rispiegare il contesto?
Un preambolo tipico che definisce ruolo e formato richiede 200-400 token per messaggio. Distribuito su decine di chat a settimana, arriva a decine di migliaia di token sprecati al mese - token spesi per la configurazione anziché per il lavoro effettivo.
Un file Skill è utile solo per i costi delle API o aiuta anche gli utenti delle chat normali?
Entrambe le cose. Con i prezzi delle API, un numero inferiore di token ripetuti riduce direttamente il conto. Nei piani di chat per consumatori (Claude, ChatGPT, Gemini), i limiti di utilizzo sono basati sui token, quindi ridurre il costo della rispiegazione significa destinare una parte maggiore della tua quota giornaliera all'output effettivo anziché alla configurazione.
Un file Skill è solo un prompt più lungo?
No - la differenza sta nella persistenza, non nella lunghezza. Un file Skill viene scritto una volta e caricato in un prompt di sistema, nelle istruzioni del progetto o in un GPT personalizzato, quindi è automaticamente presente in ogni nuova conversazione. Un prompt normale deve essere riscritto a memoria ogni volta, ed è lì che la qualità e la completezza vengono meno.
L'uso di un file Skill migliora davvero la qualità dell'output o fa solo risparmiare?
Entrambe le cose. Si risparmia perché non si pagano token ripetuti. La qualità migliora perché un file Skill è la versione completa e scritta con cura delle istruzioni, anziché ciò che riesci a ricordare di digitare sotto pressione - per questo l'output basato su una Skill tende a essere più coerente e ad avere un tono più professionale.
In arrivo in questa serie
Questo è il post di riferimento per una breve serie sul perché il contesto riutilizzabile sia migliore che formulare nuovamente i prompt. In arrivo: "Il costo nascosto della nuova formulazione dei prompt", "Prompt di sistema vs. istruzioni del progetto vs. GPT personalizzato: dove dovrebbe risiedere davvero la tua Skill?", "Perché le chat lunghe diventano meno intelligenti (e come risolvere il problema senza ricominciare da capo)", "La vera differenza tra un prompt e una Skill (non è solo una questione semantica)", "Quanto costa davvero usare Claude/ChatGPT per lavoro? Un'analisi realistica dei token", e "Il contesto riutilizzabile è la nuova prompt engineering."