Un file di competenze costa meno che partire da zero con un prompt, perché il costo di configurazione viene sostenuto una sola volta anziché per ogni singolo messaggio. Ogni volta che rispieghi il tuo ruolo, il tono e il formato a una chat vuota con l'AI, paghi quella spiegazione in token: e i token sono denaro, limiti ai messaggi e spazio nella finestra di contesto che stai spendendo per le attività accessorie invece che per il tuo lavoro effettivo.
Parte 1 della serie "Contesto riutilizzabile" · A cura del team 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 dovrebbe seguire l'aggiornamento e che cosa significa per te "fatto bene". 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 "ecco il mio ruolo, ecco il contesto, ecco come preferisco che le cose siano formattate" richiede 200-400 token. E questo prima ancora di porre la domanda vera e propria. Inoltre, dato che la maggior parte delle persone non salva quella premessa da nessuna parte, ogni volta che apre una nuova chat ne riscrive una versione leggermente diversa e leggermente incompleta.
Moltiplica questo per tutte le volte in cui usi davvero l'AI per lavoro. Se apri cinque nuove chat al giorno e rispieghi il contesto ogni volta, stai consumando da 1.000 a 2.000 token al giorno solo per ristabilire chi dovrebbe essere l'AI. In un mese, sono da 20.000 a 40.000 token spesi esclusivamente in 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 si presenta così:
"Mi stai aiutando come capo di gabinetto. Gestisco un'azienda SaaS di 40 persone, riferiamo a un consiglio di 5 membri, a cui piacciono gli aggiornamenti concisi con il punto principale all'inizio, senza fronzoli, includendo sempre il burn rate e la durata della liquidità, in formato Markdown con un TL;DR in cima... [continua per altre 150 parole] ...ora scrivi l'aggiornamento di questo mese."
Questa è la tassa del dover rispiegare tutto: la paghi di nuovo la prossima settimana e quella dopo ancora, di solito dimenticando qualcosa (l'ultima volta avevi menzionato la durata della liquidità, 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 pari a 340.000 $, burn rate di 85.000 $, due nuovi contratti enterprise conclusi." Il ruolo, il tono, il formato e gli standard sono già caricati: vengono scritti una volta, applicati ogni volta e non vengono mai dimenticati.
Carica Ryan una volta e ogni documento per il consiglio, promemoria per le riunioni plenarie e brief decisionale che richiedi torneranno con il punto principale in apertura e pronti 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 paghi in base all'utilizzo dell'API, ad esempio perché stai costruendo qualcosa sopra Claude o GPT o usi uno strumento che fattura in base all'utilizzo, il calcolo è diretto: i token di input costano. Un preambolo di 300 token rispiegato e inviato a ogni chiamata, per migliaia di chiamate al mese, rappresenta una voce di costo reale, non un errore di arrotondamento. I team che sviluppano prodotti basati sull'AI scoprono regolarmente che il ripristino del contesto assorbe il 15-30% della spesa per i token prima ancora 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 questo costo ricorrente in un costo una tantum.
Se usi regolarmente app di chat con i piani consumer di Claude, ChatGPT o Gemini, non paghi direttamente per token, ma sei soggetto a limiti di utilizzo che, sotto sotto, sono basati sui token. Ogni messaggio che inizia con tre paragrafi di «lascia che ti spieghi chi sei» è un messaggio che conta ai fini del tuo limite e non ti dà nulla in cambio. Riduci le rispiegazioni e ottieni più lavoro reale dalla stessa quota giornaliera.
Perché conta anche per la qualità, non solo per i costi
Questa è la parte che sfugge a molti: il contesto rispiegato non è solo costoso, è anche un contesto peggiore. Quando riscrivi a memoria il tuo ruolo e i tuoi standard nel bel mezzo di una giornata impegnativa, lasci fuori delle cose. Dimentichi di menzionare che gli aggiornamenti per il consiglio devono riportare in alto il tasso di consumo. Dimentichi che il cliente preferisce gli elenchi puntati alla prosa. Dimentichi il formato che aveva funzionato bene l'ultima volta. Il risultato peggiora non perché il modello sia diventato più stupido, ma perché le tue istruzioni sono diventate più approssimative, e in modo incoerente: alcune sessioni sono ottime, altre sensibilmente peggiori.
Un file Skill ben scritto non ha questo problema. È la versione completa delle tue istruzioni, scritta una volta, quando avevi tempo di rifletterci attentamente, non la versione frettolosa che riesci a ricordare alle 16 di un giovedì. Questo è il vero motivo per cui i risultati basati su Skill tendono a sembrare più senior e più coerenti: non è che l'AI sia diventata più intelligente, è che lavora ogni volta a partire 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 quando la finestra di contesto si riempie di scambi, correzioni e chiarimenti: un fenomeno talvolta chiamato "degrado del contesto". Se una parte consistente di ogni messaggio viene spesa per ristabilire ruolo e formato di base, è spazio della finestra di contesto che avrebbe potuto essere dedicato al lavoro vero e proprio, e questo accelera il momento in cui la conversazione inizia a perdere il filo. Un file Skill prepara il contesto in modo efficiente all'inizio, invece di ripeterlo a frammenti nell'arco di decine di turni.
Diane scrive bozze di email con il tuo stile, prepara briefing per le riunioni e fa il triage della tua posta in arrivo 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 Project di ChatGPT, istruzione personalizzata di un Project di Claude o configurazione di un Custom GPT. Indica 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, come un Project, un Custom GPT o un prompt di sistema nel tuo strumento, ogni nuova conversazione lo eredita automaticamente. Non devi più riscriverlo.
In definitiva, conta meno il meccanismo esatto con cui viene memorizzato (prompt di sistema, istruzioni del Project o Custom GPT) rispetto all'abitudine di fondo: scrivi il contesto una volta, per intero, quando hai il tempo di farlo bene, poi smetti di rispiegarlo a memoria sotto pressione.
In sintesi:
Riscrivere da zero ruolo, tono e formato costa 200-400 token per messaggio, e nel tempo si traduce in una spesa reale o in limiti di utilizzo sprecati, oltre a produrre 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 senior a ogni messaggio successivo.
Inserisci il modo in cui tu (o il tuo team) utilizzate realmente le chat AI e ottieni una stima mensile concreta dei token sprecati e dei costi in denaro dovuti alla ripetizione 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 contiene 200-400 token per messaggio. Ripetuto in dozzine di chat alla settimana, arriva a decine di migliaia di token sprecati al mese: token impiegati per la configurazione anziché per il lavoro effettivo.
Un file Skill aiuta solo a ridurre i costi dell’API o è utile anche per chi usa le chat normali?
Entrambe le cose. Con i prezzi dell’API, un minor numero di token ripetuti riduce direttamente il conto. Nei piani chat per utenti (Claude, ChatGPT, Gemini), i limiti di utilizzo sono basati sui token, quindi ridurre il costo della rispiegazione significa destinare una quota maggiore del limite giornaliero ai risultati effettivi 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 Custom GPT, quindi è automaticamente presente in ogni nuova conversazione. Un prompt normale deve essere riscritto ogni volta a memoria, ed è proprio lì che qualità e completezza vengono meno.
Usare un file Skill migliora davvero la qualità dei risultati 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 redatta con cura delle istruzioni, invece di essere ciò che riesci a ricordare di digitare sotto pressione: per questo i risultati basati sulle Skill tendono a essere più coerenti e ad avere un tono più autorevole.
Prossimamente in questa serie
Questo è il post principale di una breve serie sul perché il contesto riutilizzabile sia migliore che ripetere i prompt. Prossimamente: «Il costo nascosto della ripetizione dei prompt», «Prompt di sistema vs. istruzioni del progetto vs. Custom GPT: dove dovrebbe risiedere davvero la tua Skill?», «Perché le chat lunghe diventano più stupide (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».
