La filosofía de ahorrar en la era de la IA: cómo gastar cada Token de manera eficiente

Título original: La filosofía de ahorrar en la era de la IA: cómo gastar cada Token con criterio

Autor original: Dongcha Beating

Fuente original:

Reimpresión: Mars Finance

En la época del Telegram que cobraba por palabras, la tinta y el papel eran dinero. La gente solía condensar miles de palabras hasta el máximo, «vuelva pronto» valía más que una carta larga, y «esté a salvo» era la advertencia más importante.

Más tarde, el teléfono llegó a casa, pero las llamadas de larga distancia se cobraban por segundo. Las llamadas de larga distancia de los padres siempre eran breves y al grano: el asunto se decía y colgaban de inmediato; en cuanto la conversación se extendía un poco, la idea de lamentarse por la tarifa cortaba cualquier saludo que apenas acababa de surgir.

Después, entró el internet de banda ancha al hogar y navegar se cobraba por horas. La gente miraba el temporizador en la pantalla: página que se abría, página que se cerraba; los videos solo se atrevían a descargarlos, y el streaming era entonces un verbo de lujo. En el final de cada barra de progreso de descarga se escondía el anhelo de «conectar con el mundo», junto con el temor a «saldo insuficiente».

La unidad de cobro cambió una y otra vez, pero el instinto de ahorrar nunca cambió.

Hoy en día, los Tokens se han convertido en la moneda de la era de la IA. Sin embargo, la mayoría aún no ha aprendido a hacer un cálculo fino en este nuevo mundo, porque todavía no hemos aprendido a calcular las ganancias y pérdidas dentro de algoritmos invisibles.

Cuando en 2022 salió ChatGPT, casi nadie se interesaba por lo que eran los Tokens. Era la época del «gran rancho» de la IA: 20 dólares al mes y puedes charlar todo lo que quieras.

Pero desde que recientemente despegó el boom de los AI Agent, el gasto en Tokens se ha convertido en algo que cada persona que usa AI Agent debe vigilar.

A diferencia de una conversación simple de pregunta y respuesta, detrás de un flujo de tareas hay cientos o miles de llamadas a la API. El pensamiento independiente de un agente tiene un coste: cada auto-corrección y cada llamada a una herramienta se refleja en el salto de los números en la factura. Luego te das cuenta de que el dinero que recargaste de repente ya no alcanza, y ni siquiera sabes qué hizo exactamente el Agent.

En la vida real, todos saben ahorrar. Al ir al mercado a comprar verduras, sabemos apartar bien las hojas con tierra antes de pesarlas; al tomar un taxi al aeropuerto, el conductor que sabe evita las autopistas elevadas en hora punta.

La lógica de ahorrar en el mundo digital es básicamente la misma, solo que la unidad de cobro ya no son «jin» y «kilómetros», sino Tokens.

Antes, ahorrar era por escasez; pero en la era de la IA, ahorrar es para ser preciso.

Esperamos que, mediante este artículo, puedas ordenar un marco metodológico de ahorro en la era de la IA, para que cada centavo se gaste en lo que realmente vale la pena.

Antes de ponerte en la báscula, desecha las hojas podridas

En la era de la IA, el valor de la información ya no lo determina la amplitud, sino la pureza.

La lógica de cobro de la IA se basa en la cantidad de palabras que «lee». Da igual si lo que le das son verdades o meras frases de formato sin sentido: mientras lo lea, debes pagar.

Por eso, la primera forma de ahorrar Tokens es grabar la «relación señal-ruido» en el subconsciente.

Cada palabra, cada imagen y cada línea de código que le das a la IA tiene coste. Así que antes de entregar cualquier cosa a la IA, recuerda preguntarte: ¿cuánto de aquí es realmente necesario para la IA? ¿Cuánto son hojas podridas con tierra?

Por ejemplo, frases de apertura largas como «Hola, por favor…», presentaciones de fondo repetidas y comentarios de código que no se han eliminado del todo, todo eso es hojas podridas con tierra.

Además, la forma más común de desperdiciar es simplemente tirar un PDF o capturas de pantalla de una página a la IA. Sí, tú te vuelves más cómodo, pero en la era de la IA, «ahorrar esfuerzo» a menudo significa «costar caro».

Un PDF con un formato completo incluye, además del contenido del texto principal, encabezados y pies de página, anotaciones de gráficos, marcas de agua ocultas y montones de códigos de formato usados para maquetar. Todo eso no ayuda en nada a que la IA entienda tu problema, pero todo ello se cobra.

La próxima vez, recuerda convertir el PDF a un texto Markdown limpio antes de dárselo a la IA. Cuando conviertes un PDF de 10MB en 10KB de texto limpio, no solo ahorras el 99% del dinero, sino que también haces que el «cerebro» de la IA funcione mucho más rápido que antes.

Las imágenes son otro tragaldabas de dinero.

En la lógica de los modelos visuales, a la IA no le importa si tus fotos quedan bonitas; solo le importa cuánta superficie de píxeles ocupas.

Por ejemplo, siguiendo la lógica oficial de Claude:
Consumo de Tokens de una imagen = ancho en píxeles × alto en píxeles ÷ 750.

Una imagen de 1000×1000 píxeles consume aproximadamente 1334 Tokens; según el precio de Claude Sonnet 4.6, cada imagen cuesta unos 0.004 dólares;

pero si comprimes la misma imagen a 200×200 píxeles, solo consume 54 Tokens y el costo baja a 0.00016 dólares: es una diferencia de 25 veces completa.

Muchos tiran a la IA fotos en alta definición tomadas con el móvil o capturas 4K, sin saber que los Tokens que consumen esas imágenes podrían permitir que la IA termine de leer gran parte de una novela corta. Si la tarea es solo reconocer texto en la imagen o hacer una valoración visual sencilla, por ejemplo que la IA identifique el importe en una factura, que lea el texto de un manual de instrucciones o que determine si en la imagen hay semáforos rojos o verdes, entonces una resolución 4K es un desperdicio puro; con comprimir la imagen a la mínima resolución utilizable basta.

Pero la razón por la que se desperdician Tokens de forma más fácil en el lado de la entrada no es el formato del archivo, sino una forma ineficiente de comunicarse.

Mucha gente trata a la IA como si fuera un vecino humano real y está acostumbrada a comunicarse con charlas sociales sin fin: primero sueltan «escríbeme un sitio web», luego esperan a que la IA escupa un borrador a medias, después añaden detalles, y vuelven a forcejear y corregir una y otra vez. Este tipo de conversación tipo «tira y afloja» hace que la IA genere contenido repetidamente; cada ronda de modificación se suma al consumo de Tokens.

Ingenieros de Tencent Cloud, en sus prácticas, descubrieron que con el mismo requisito, el diálogo en múltiples rondas tipo «tira y afloja» acaba consumiendo en la mayoría de los casos entre 3 y 5 veces más Tokens que una explicación clara de una sola vez.

El camino verdadero para ahorrar no es ceder a esa prueba social de baja eficiencia, sino renunciar a la ambigüedad y decir de una vez lo que se pide, las condiciones y los ejemplos de referencia. Reduce la explicación esforzada de «no hagas esto» porque las oraciones negativas suelen requerir más coste de comprensión que las afirmativas; dile directamente «cómo hacerlo» y dale un ejemplo correcto y claro.

Además, si sabes dónde está el objetivo, díselo claramente a la IA; no la dejes hacer de detective.

Cuando le ordenas a la IA «busca código relacionado con el usuario», ella tiene que hacer escaneos masivos, análisis y conjeturas en segundo plano; pero cuando le dices directamente «mira el archivo src/services/user.ts», el consumo de Tokens es completamente distinto. En el mundo digital, la equivalencia de la información es el mayor ahorro.

No pagues por la «cortesía» de la IA

Hay una regla tácita en la facturación de los grandes modelos que mucha gente no se da cuenta: normalmente el Token de salida es 3 a 5 veces más caro que el de entrada.

Es decir, lo que la IA escribe cuesta mucho más que lo que tú le dices. Por ejemplo, en los precios de Claude Sonnet 4.6: por cada millón de Tokens de entrada pagas solo 3 dólares, pero la salida se dispara a 15 dólares, una diferencia de exactamente 5 veces.

Esas frases corteses de apertura como «Perfecto, ya entendí completamente su necesidad; ahora paso a responderle…», y esos cierres amables como «Espero que lo anterior le sea de ayuda». En la comunicación humana son modales sociales; pero en la factura de una API, esas salutaciones sin incremento de información también te cuestan tu propio dinero.

El método más efectivo para eliminar el desperdicio del lado de la salida es ponerle reglas a la IA. Indícale con instrucciones del sistema que: no haga cortesías, no explique, no repita la necesidad, y entregue la respuesta directamente.

Estas reglas solo hace falta configurarlas una vez para que surtan efecto en cada conversación; es una verdadera estrategia financiera de «inversión única, beneficio permanente». Pero al establecer reglas, mucha gente cae en otro error: apilar instrucciones con lenguaje natural largo.

Los datos de pruebas reales de ingenieros muestran que la eficacia de una instrucción no está en la cantidad de palabras, sino en la densidad. Al comprimir una sección de 500 palabras de un prompt del sistema a 180 palabras, eliminando cumplidos sin sentido, fusionando instrucciones repetidas y reestructurando los párrafos en una lista de ítems concisos, la calidad de salida de la IA casi no cambia, pero el consumo de Tokens por cada llamada cae de forma drástica en un 64%.

Además, existe otro método de control más proactivo: limitar la longitud de la salida. Mucha gente nunca configura un límite de salida y deja a la IA que se exprese libremente. Esa permisividad respecto al espacio de expresión suele provocar un descontrol extremo del coste. Quizá solo necesites una frase corta que vaya al grano, pero la IA, para demostrar cierta «buena fe intelectual», sin decirte nada, te genera un miniensayo de 800 palabras.

Si lo que buscas es pura información, entonces debes obligar a la IA a devolver un formato estructurado, no una descripción larga en lenguaje natural. En igualdad de cantidad de información, el consumo de Tokens en formato JSON es muy inferior al de párrafos redactados. Esto ocurre porque los datos estructurados eliminan todos los conectores redundantes, partículas de tono y modificadores explicativos, dejando solo el núcleo lógico de alta concentración. En la era de la IA, debes tener la claridad de que lo que vale la pena que pagues es el valor del resultado, no esa explicación interna sin sentido de la IA.

Además, el «sobrepensar» de la IA también está devorando tu saldo a lo loco.

Algunos modelos avanzados tienen un modo de «pensamiento extendido» que hace razonamiento interno masivo antes de responder. Ese razonamiento también se cobra; y se cobra al precio de la salida, lo cual es muy caro.

Este modo, en esencia, está diseñado para «tareas complejas que necesitan soporte de lógica profunda». Pero la mayoría de las personas elige ese modo incluso al preguntar cosas sencillas. Para tareas que no requieren razonamiento profundo, dile explícitamente a la IA: «No necesitas explicar el proceso; da la respuesta», o apaga manualmente el pensamiento extendido, y podrás ahorrar bastante.

No le hagas a la IA revisar cuentas viejas

Los grandes modelos no tienen memoria real: solo están “revisando cuentas viejas” sin parar.

Ese es un mecanismo de base que mucha gente no conoce. Cada vez que envías un mensaje nuevo en una ventana de conversación, la IA no empieza a entender desde tu frase, sino que vuelve a leer todo lo que ustedes ya habían hablado antes: cada ronda de diálogo, cada fragmento de código y cada documento citado; y solo después responde.

En la factura de Tokens, ese «repasar para aprender» no es gratis. A medida que se suman rondas de conversación, aunque solo estés preguntando por una palabra simple, el coste de que la IA vuelva a leer toda la libreta vieja crece de forma geométrica. Este mecanismo determina que, cuanto más pesado sea el historial de conversación, más cara será cada pregunta tuya.

Alguien dio seguimiento a 496 conversaciones reales que contenían más de 20 mensajes y encontró que en el mensaje 1 se leen en promedio 14,000 Tokens, con un coste de unos 3.6 centavos por mensaje; en el mensaje 50, el promedio sube a 79,000 Tokens por mensaje, con un coste de unos 4.5 centavos, que resulta 80% más caro. Además, el contexto se vuelve cada vez más largo: para el mensaje 50, el contexto que la IA debe reprocesar ya es 5.6 veces el del mensaje 1.

La forma más sencilla de resolver este problema es convertirlo en hábito: una tarea, un cuadro de diálogo.

Cuando se termine un tema, abre decisivamente una conversación nueva. No trates a la IA como una ventana de chat que nunca se apaga. Este hábito parece sencillo, pero mucha gente no logra hacerlo: siempre siente que «quizá haga falta volver a lo anterior». En realidad, la gran mayoría de esas «posibles» situaciones no ocurren; y aun así, por esa posibilidad, ya has pagado varias veces más en cada mensaje nuevo.

Cuando de verdad necesitas continuar una conversación, pero el contexto ya se ha vuelto muy largo, podemos usar algunas funciones de compresión. Claude Code tiene un comando /compact, que puede condensar un historial de diálogo largo en un breve resumen, ayudándote a hacer una especie de “arduo ordenamiento cyber de lo que no sirve” (ciber-deshacer lo innecesario).

También hay otra lógica de ahorro llamada Prompt Caching (caché de prompts). Si usas repetidamente el mismo prompt del sistema, o si en cada conversación debes citar el mismo documento de referencia, la IA guardará esa parte en caché. En la siguiente llamada, solo cobra un coste muy bajo por la lectura de caché, en lugar de cobrar el precio completo cada vez.

Los precios oficiales de Anthropic muestran que el precio de los Tokens cuando hay aciertos de caché es 1/10 del precio normal. El Prompt Caching de OpenAI también puede reducir el coste de entrada aproximadamente en un 50%. Un artículo publicado en arXiv en enero de 2026 probó tareas largas en múltiples plataformas de IA y encontró que el caché de prompts reduce los costes de API entre un 45% y un 80%.

Es decir: con el mismo contenido, pagas el precio completo la primera vez que se lo das a la IA; luego, en cada llamada adicional, solo pagas 1/10. Para usuarios que repiten a diario el uso de los mismos documentos normativos o prompts del sistema, esta función puede ahorrar una cantidad enorme de Tokens.

Pero Prompt Caching tiene un requisito: el contenido y el orden de tu prompt del sistema y tus documentos de referencia deben mantenerse exactamente iguales, y deben estar al inicio de la conversación. Cualquier modificación en el contenido hace que la caché falle, y entonces se vuelve a cobrar al precio completo. Así que si tienes un conjunto fijo de normas de trabajo, escríbelas de forma definitiva y no las modifiques a tu antojo.

El último truco de gestión del contexto es cargar solo cuando hace falta. Mucha gente prefiere meter de una vez todas las normas, documentos y precauciones en el prompt del sistema, por la misma razón de siempre: «por si acaso».

Pero el coste de hacer eso es que, incluso cuando solo estás realizando una tarea muy simple, te ves forzado a cargar miles de palabras de reglas, desperdiciando un montón de Tokens en vano. La documentación oficial de Claude Code recomienda mantener CLAUDE.md en menos de 200 líneas; separa reglas específicas de diferentes escenarios en archivos de habilidad independientes, y carga las reglas de cada escenario solo cuando se necesiten. Mantener el contexto con una pureza absoluta es un respeto máximo por la potencia de cómputo.

No vayas en un Porsche a comprar verduras

Diferentes modelos de IA tienen diferencias enormes de precio.

Claude Opus 4.6 cuesta 5 dólares por cada millón de Tokens de entrada y 25 dólares por cada millón de Tokens de salida; Claude Haiku 3.5 cuesta solo 0.8 dólares de entrada y 4 dólares de salida, una diferencia de casi 6 veces. Usar el modelo más alto para hacer tareas “de cartero” como recopilar información y maquetar formatos no solo es lento, sino también muy caro.

El uso inteligente es llevar la lógica de «división de clases y roles» que es común en nuestra sociedad humana a la sociedad de la IA: tareas con distinta dificultad se asignan a modelos de distintos niveles de precio.

Igual que en el mundo real al contratar gente para trabajar: no contratas a un experto con salario de un millón para ir a cargar ladrillos al sitio. La IA también. La documentación oficial de Claude Code incluso recomienda explícitamente: Sonnet para la mayoría de las tareas de programación, Opus para decisiones de arquitectura complejas y razonamiento multi-etapa, y sub-tareas sencillas asignadas a Haiku.

Un plan más específico y práctico es construir un «flujo de trabajo en dos etapas». En la primera etapa, con modelos base gratuitos o baratos, haces el trabajo sucio y pesado: recopilación de información, limpieza de formatos, generación de borradores, y clasificación y resumen sencillos. En la segunda etapa, entregas la esencia depurada de alta pureza al modelo de nivel superior, para hacer decisiones principales y una refinación profunda.

Por ejemplo, si necesitas analizar un informe de la industria de 100 páginas, puedes primero usar Gemini Flash para extraer de ahí los datos y conclusiones clave, y convertirlos en un resumen de 10 páginas. Luego, entregas ese resumen a Claude Opus para análisis y juicio en profundidad. Este flujo de dos etapas, manteniendo la calidad, puede comprimir mucho el coste.

Un nivel más avanzado que simplemente segmentar es la división profunda basada en la descomposición de la tarea. Un proyecto complejo puede descomponerse perfectamente en varios sub-tareas independientes y asignarse al modelo más adecuado para cada una.

Por ejemplo, en una tarea que requiere escribir código, puedes hacer que primero un modelo barato escriba la estructura y el código de ejemplo, y luego entregues al modelo caro solo la parte del núcleo de la lógica para implementarla. Cada sub-tarea tiene un contexto limpio y enfocado; el resultado es más preciso y el coste también es más bajo.

En realidad, no tenías por qué gastar Tokens

Las discusiones anteriores, en esencia, resolvían el problema táctico de «cómo ahorrar», pero hay un enunciado lógico más de fondo que muchas personas pasan por alto: esta acción, ¿realmente necesita gastar Tokens?

El ahorro más extremo no es la optimización de algoritmos, sino la “eliminación de decisiones” innecesarias (decisiones-que-no-sirven) y el desapego. Estamos acostumbrados a buscar en la IA respuestas universales, pero olvidamos que en muchos escenarios, llamar a un modelo caro equivale a disparar un cañón antiaéreo para matar mosquitos.

Por ejemplo, si dejas que la IA procese correos automáticamente, tomará cada correo como una tarea independiente para entender, clasificar y responder, con un consumo de Tokens enorme. Pero si primero inviertes 30 segundos en echar un vistazo al buzón y filtras manualmente los correos que claramente no requieren que la IA los procese, y luego le das a la IA solo los correos restantes, el coste se reduce inmediatamente a una fracción de lo original. El juicio humano aquí no es un obstáculo: es el mejor filtro.

Las personas en la era del Telegram sabían que por cada palabra adicional había que pagar más, así que la gente pesaba. Era una percepción intuitiva del valor de los recursos. En la era de la IA es igual: cuando de verdad sabes cuánto cuesta hacer que la IA diga una frase más, naturalmente ponderas si vale la pena que la IA lo haga, si esta tarea requiere un modelo de gama alta o uno barato, y si ese fragmento de contexto todavía sirve.

Esa ponderación es la capacidad de ahorrar más. En una era en la que el cómputo se vuelve cada vez más caro, el uso más inteligente no es hacer que la IA reemplace a las personas, sino que IA y humanos hagan lo que cada uno hace mejor. Cuando esa sensibilidad a los Tokens se interioriza como un reflejo condicionado, entonces vuelves de verdad de ser un esclavo del cómputo a ser el dueño del cómputo.