Si un agente de IA puede hacer una tarea de dos formas, pidiéndoselo en lenguaje natural o ejecutando un script, la segunda suele gastar menos tokens y fallar menos. Pero «suele» no es «siempre», y entender por qué te ayuda a decidir.
Dónde se gastan los tokens
Cuando le pides algo al modelo en lenguaje natural, el trabajo pasa por él: lee, interpreta, razona y escribe el resultado. Todo eso consume tokens, y cada paso intermedio es una oportunidad de equivocarse. Cuando el trabajo lo hace un script, un comando o un hook, el modelo solo decide qué ejecutar y lee el resultado. El trabajo en sí lo hace código determinista, que cuesta casi nada y siempre hace lo mismo.
Un ejemplo claro: mover archivos
Mover un archivo de un sistema a otro leyéndolo, interpretándolo, guardándolo en memoria y volviéndolo a crear es caro y frágil. En un PDF basta con que se pierda un carácter para que la copia esté mal, y además has gastado tokens en reproducir contenido que no tenías que tocar. Con una herramienta que mueva el archivo directamente (por ejemplo, un servidor MCP de tu servicio de archivos), el modelo solo da la orden. El coste es mínimo y el resultado es exacto.
Los hooks y los comandos
La misma lógica explica por qué una comprobación como «no se puede hacer commit si los tests fallan» funciona mejor como hook que como instrucción: el hook es código que se ejecuta antes del comando, no depende de que el modelo se acuerde, y no gasta tokens interpretando nada. Un comando propio que encadena varios pasos también reduce la variabilidad, porque los pasos ya no se reinterpretan cada vez.
Cuándo no es tan simple
Hay matices. Las herramientas externas también ocupan contexto: sus definiciones se cargan y sus resultados se leen. Un script mal hecho que devuelve demasiada salida puede costar más que la tarea original. Y hay tareas donde la interpretación es justamente lo que aporta el modelo, como decidir qué hacer con un resultado inesperado.
Tampoco todo se resuelve eligiendo el modelo más potente. Para tareas ligeras y repetitivas, como clasificar tickets, un modelo más pequeño con buen contexto suele bastar. Hacerlo bien exige medir y consensuar con el equipo, y cuesta tiempo.
Resumen rápido
Lo que pueda ejecutarse como código determinista, que se ejecute como código: es más barato, más preciso y más repetible. Reserva el lenguaje natural para lo que requiere interpretar, cuida cuánto contexto ocupan tus herramientas y mide antes de optimizar.