Reducir el consumo de tokens: cuánto se ahorra de verdad
Por qué sube tu factura de IA (y qué estás pagando en tokens)
Cada vez más pymes usan asistentes de inteligencia artificial para redactar correos, resumir documentos o atender clientes. A fin de mes llega la factura, crece, y nadie sabe explicar de dónde sale. Por internet circula una promesa muy repetida: añade un fichero de instrucciones y ahorrarás un 63 %.
La respuesta corta: pagas por cada palabra que la IA genera, así que recortar el relleno conversacional abarata cada respuesta. Pero ese 63 % sale de una prueba de cinco consultas ejecutada una sola vez. Cuando el mismo autor lo midió bien, el ahorro real bajó a entre un 4 % y un 12 % según el modelo. Sigue mereciendo la pena, pero solo si tienes volumen.
Este artículo explica cómo se cobra el consumo de tokens, de dónde salen esas cifras tan dispares y cuánto puedes esperar ahorrar de verdad en un negocio español.
Cómo se cobra el consumo de tokens en ChatGPT y Claude
Un token es la unidad mínima de texto que factura una API de inteligencia artificial: aproximadamente cuatro caracteres, o unas tres cuartas partes de una palabra en español. No necesitas más detalle técnico que este.
Cuánto cuesta un token de IA: entrada frente a salida
Se cobra por partida doble. Los tokens de entrada son tu pregunta y todo el contexto que la acompaña; los tokens de salida son la respuesta que genera el modelo. Los de salida cuestan bastante más que los de entrada en todos los grandes proveedores, y por eso acortar lo que responde la IA pesa mucho más en la factura que acortar lo que le preguntas.
Si quieres ver cuántos tokens ocupa un texto tuyo concreto, puedes medirlo gratis con nuestro contador de tokens, y entender bien la unidad en la guía sobre qué son los tokens.
Cuanto más larga es la respuesta que te da la IA, más caro sale ese mensaje. Siempre.
El relleno de las respuestas: el consumo de tokens que nadie mira
El relleno conversacional (conversational filler) es todo el texto que un asistente genera alrededor de la respuesta útil sin aportar información: aperturas de cortesía, resúmenes de lo que va a hacer antes de hacerlo, ofrecimientos finales y sugerencias que nadie ha pedido.
Por defecto, la mayoría de asistentes son bastante habladores. Suelen intercalar:
- «¡Buena pregunta!» o «¡Claro, aquí tienes!»
- Un resumen de lo que va a hacer, antes de hacerlo
- «Espero que te sea útil, dime si necesitas algo más»
- Sugerencias extra que nadie ha solicitado
Si tu empresa repite eso cientos o miles de veces al día —un chatbot de atención al cliente, un bot que contesta correos, un proceso que genera fichas de producto—, el relleno se convierte en dinero.
Un ejemplo con números: 70 palabras frente a 15
Pides a la IA que revise un texto y te diga si tiene algún error. Sin ajustar nada, la respuesta típica sería:
«¡Buena pregunta! He revisado tu texto con atención y me alegra decirte que en general está muy bien escrito. Dicho esto, he encontrado un pequeño detalle que quizás quieras corregir: en la segunda frase falta una coma antes de “pero”. Aparte de eso, el texto fluye muy bien y se entiende perfectamente. ¡Espero que esto te ayude! Si necesitas que revise algo más, aquí estoy.»
Setenta palabras para decir una sola cosa. Con instrucciones adecuadas queda así:
«Falta una coma antes de “pero” en la segunda frase. El resto está bien.»
Quince palabras. Misma información útil, una fracción del coste.
Cómo gastar menos tokens en ChatGPT y Claude: 5 palancas
1. Instrucciones personalizadas: qué poner para que vaya al grano
Casi todos los asistentes tienen un apartado de instrucciones personalizadas o preferencias donde escribes, una sola vez, reglas que se aplican a todas tus conversaciones futuras. Es gratis y se configura en cinco minutos.
Estas son las reglas que mejor funcionan para recortar el relleno. Puedes copiarlas tal cual:
Ve directo a la respuesta. Nada de aperturas de cortesía ni cierres del
tipo "espero que te sirva".
No repitas mi pregunta antes de contestarla.
No resumas lo que vas a hacer: hazlo.
No añadas sugerencias que no te he pedido.
Si algo no lo sabes, dilo en una frase en lugar de rellenar.
Razona todo lo que necesites por dentro, pero entrégame solo la conclusión útil.Esa última línea es la más importante y la que más gente olvida: separa pensar de responder, para que la brevedad no se coma la calidad.
2. Pide el formato exacto de la respuesta
Si pides «explícame esto con detalle», recibirás una respuesta larga y estará bien, porque es lo que has pedido. El problema aparece cuando pides algo simple y la IA decide por su cuenta ser exhaustiva.
Sé concreto: «respóndeme en una frase», «solo los puntos clave», «sin explicaciones, únicamente el dato». Es una habilidad que se entrena, y la repasamos en nuestra guía sobre cómo escribir buenos prompts.
3. Vigila las conversaciones largas
Aquí está el error que más dinero cuesta y que casi nadie ve venir: en una conversación, la mayoría de sistemas reenvían el historial completo en cada mensaje nuevo. El turno veinte no paga solo su pregunta, paga otra vez los diecinueve anteriores.
Por eso una charla larga se encarece sola aunque tus preguntas sean cortas. La solución es sencilla: abre conversación nueva cuando cambies de tema en lugar de arrastrar un hilo interminable. Lo explicamos a fondo en memoria y contexto.
4. Deja las reglas por escrito para los procesos automáticos
Las instrucciones persistentes son un documento de configuración fijo que el asistente lee antes de cada tarea, con las reglas de estilo ya definidas, para no repetirlas en cada llamada.
En herramientas para programadores como Claude Code toman la forma de un fichero CLAUDE.md, que explicamos en cómo configurar Claude Code como un profesional. Otros entornos lo llaman instrucciones personalizadas o system prompt: el principio es idéntico.
Hay una contrapartida que conviene entender: esas instrucciones se envían al modelo en cada llamada, así que añaden tokens de entrada de forma permanente a cambio de recortar tokens de salida. Sale a cuenta porque siete líneas son insignificantes frente a respuestas de cientos de palabras, pero explica por qué el ahorro neto siempre es menor que el recorte bruto.
5. Elige el modelo adecuado para cada tarea
Esta es, con diferencia, la palanca más grande, y conviene decirlo claro para que no te confundan los porcentajes: la diferencia de precio entre un modelo ligero y uno potente se cuenta en múltiplos, mientras que recortar verbosidad mueve porcentajes de un dígito.
Lo confirman los propios datos que verás abajo: el ahorro por instrucciones fue del 4 % en el modelo ligero y del 12 % en el intermedio, porque los modelos pequeños ya responden breve por defecto y tienen menos relleno que recortar. Ambas palancas se suman, pero si solo vas a aplicar una, aplica esta: la explicamos entera en cascada de modelos.
¿Usar la IA en inglés ahorra tokens?
Sí, un poco. Los sistemas que trocean el texto se entrenaron sobre todo con inglés, así que el mismo contenido en español suele ocupar más tokens que en inglés. La contrapartida es que pierdes matices al escribir en un idioma que no dominas, y que la respuesta te llegará en inglés. Para procesos internos automatizados puede compensar; para nada que vea un cliente español, no.
Cuánto se ahorra al reducir el consumo de tokens: cifras reales
El origen de la promesa del 63 % es un repositorio de código abierto llamado claude-token-efficient (autor: drona23, licencia MIT), que recoge estas reglas en un fichero de configuración de apenas siete líneas.
El problema es que dentro del propio repositorio conviven tres mediciones que no dicen lo mismo:
| Qué se midió | Método | Resultado | Fiabilidad |
|---|---|---|---|
| Palabras de la respuesta | 5 consultas, una sola ejecución | ~63 % menos | Baja: sin control de varianza |
| Tokens de salida reales | N=5 ejecuciones por modelo | 4 % (Haiku) · 12 % (Sonnet) · 7 % (Opus) | Media: reproducible |
| Coste total en 3 retos de código | Comparativa externa entre dos configuraciones | −17,4 % agregado | Media: 3 casos, uno salió al revés |
Por qué las tres cifras son correctas a la vez
No es que unos midan bien y otros mal: miden unidades distintas. El 63 % cuenta palabras en una única ejecución. El 4-12 % cuenta tokens facturados promediando cinco ejecuciones. El −17,4 % cuenta dinero de coste total, incluyendo los tokens de entrada que las propias instrucciones añaden.
Palabras, tokens y euros no son la misma unidad. Y hay un factor añadido: una IA no es determinista. Preguntada dos veces lo mismo, responde con longitudes distintas. Por eso una sola ejecución puede arrojar un 63 % y cinco ejecuciones un 12 %.
El propio autor lo advierte
No hace falta desconfiar de nadie para llegar a esta conclusión, porque el repositorio la anticipa por escrito. Su documentación describe el test del 63 % como “un indicador direccional de 5 prompts, no un estudio estadísticamente controlado”, y añade que “no se aplicaron controles de varianza ni ejecuciones repetidas”. Su recomendación literal es tratar el 63 % como una señal de dirección, no como una medición universal precisa.
El 63 % nunca se presentó como una medición rigurosa. Se ha divulgado como si lo fuera.
El detalle que casi nadie cuenta
La comparativa externa merece una lectura atenta, porque no enfrenta «con instrucciones» contra «sin instrucciones»: compara dos configuraciones de instrucciones distintas resolviendo tres retos de programación. El agregado favorece a una de ellas por un 17,4 % (0,935 $ frente a 1,131 $), pero ese promedio esconde algo: en uno de los tres retos, el de funciones de ventana en SQLite, la configuración supuestamente mejor salió más cara (0,406 $ frente a 0,376 $).
Traducción para tu negocio: el ahorro no está garantizado en cada tarea concreta. Es una tendencia sobre el conjunto, no una ley.
Cuándo compensa optimizar el coste de la IA en tu empresa
Con modelos de gama media, espera entre un 5 % y un 15 % de reducción en tokens de salida. En tareas largas de programación, hasta un 17 % de coste total. No el 63 %.
Y ahí está la clave que casi nadie menciona: el porcentaje da igual, lo que manda es el volumen que lo multiplica.
- Si tu factura de IA es de 40 € al mes, esto te devuelve entre 2 y 6 €. No merece tu tiempo.
- Si es de 1.500 € al mes, te devuelve entre 75 y 225 € mensuales a cambio de siete líneas de configuración que se escriben una sola vez.
Compensa, por tanto, si tienes un proceso automatizado que consulta a la IA de forma constante, si la factura ya pesa en tus gastos o si estás a punto de escalar el uso. No compensa si haces unas cuantas consultas al día: optimizar antes de tener volumen es resolver un problema que todavía no tienes. Si estás empezando, tiene más sentido nuestra guía para empezar con IA en tu PYME.
Si necesitas poner el cálculo por escrito para defenderlo ante gerencia, te ayuda nuestra guía de ROI de la IA.
Un límite honesto: estas cifras corresponden a modelos de Anthropic medidos en junio de 2026 y no son extrapolables a otros proveedores sin volver a medir. Los precios de las APIs cambian con frecuencia.
Preguntas frecuentes
¿Cuánto cuesta un token de IA?
Los proveedores cobran por millón de tokens, con precios distintos para entrada y salida: los de salida cuestan varias veces más que los de entrada. Como las tarifas cambian cada pocos meses, consulta siempre la página de precios oficial del proveedor y calcula tu caso con un contador de tokens.
¿Qué poner en las instrucciones personalizadas de ChatGPT para gastar menos?
Cinco reglas bastan: ir directo a la respuesta sin cortesías, no repetir la pregunta, no resumir lo que va a hacer, no añadir sugerencias no pedidas y razonar por dentro pero entregar solo la conclusión. Tienes el bloque completo listo para copiar más arriba, en la primera palanca.
¿Cuántos tokens consume una conversación larga?
Muchos más de los que parece, porque la mayoría de sistemas reenvían el historial completo con cada mensaje nuevo. Eso significa que el coste de cada turno crece con la longitud de la conversación. Abrir una conversación nueva al cambiar de tema es la forma más rápida de recortarlo.
¿Es real la reducción del 63 % de tokens con un fichero de instrucciones?
No como se divulga. El 63 % procede de un test de 5 consultas ejecutado una sola vez y sin control de varianza; el propio autor lo califica de indicador direccional. El benchmark reproducible del mismo repositorio, con N=5 ejecuciones y midiendo tokens de salida reales, obtiene entre un 4 % y un 12 % según el modelo.
¿Se nota la diferencia en un plan de suscripción o solo pagando por uso?
En ambos, de forma distinta. Con pago por uso lo ves en la factura. Con tarifa plana no pagas más, pero consumes tu cuota más rápido y llegas antes al límite, así que el efecto práctico es el mismo: te rinde menos.
¿Pedir respuestas cortas hace que la IA razone peor?
No, siempre que separes pensar de responder. Una instrucción bien escrita pide razonar todo lo necesario internamente y entregar después solo la conclusión útil. Lo que sí degrada la calidad es exigir brevedad sin más, sin esa distinción.
¿Cuál de estas medidas ahorra más?
Elegir bien el modelo, sin discusión. La diferencia de precio entre modelos se cuenta en múltiplos, mientras que recortar verbosidad mueve porcentajes de un dígito. Lo ideal es combinarlas: modelo adecuado para cada tarea y respuestas sin relleno.
¿Esto funciona solo con Claude?
No. El fichero CLAUDE.md es específico de Claude Code, pero el mecanismo —instrucciones que se aplican a todas las conversaciones— existe en ChatGPT, Gemini y prácticamente cualquier asistente. Las cifras concretas de este artículo sí se midieron sobre modelos de Anthropic.
Conclusión
La IA cobra por palabra generada, aunque no lo veas en el momento, y buena parte de lo que pagas por defecto es relleno conversacional que no aporta nada. Quitarlo es gratis y se configura una vez.
Lo que no es cierto es el 63 %. El ahorro realista por reducir la verbosidad está entre un 4 % y un 17 % según el modelo y la tarea, tiene una contrapartida en tokens de entrada y no está garantizado en cada caso concreto. Aun así merece la pena, porque el coste de implantarlo es de minutos y el ahorro se aplica a cada llamada posterior.
En Rakaty ayudamos a pymes españolas a montar procesos con IA que no se disparan de precio: elegimos el modelo adecuado para cada tarea, dejamos las reglas escritas una sola vez y medimos lo que cuesta de verdad. Si sospechas que estás pagando de más, cuéntanoslo.
Rakaty Automatizaciones · Alcobendas (Madrid) · Este análisis no está patrocinado por el autor del repositorio citado ni por ningún proveedor de modelos de IA. Cifras verificadas contra el repositorio original el 31 de julio de 2026.
