Artículo
DX: releer contexto consume tokens de IA

DX publicó el 14 de octubre de 2026 su informe sobre el impacto de la IA en ingeniería del tercer trimestre. Según la empresa, los tokens de lectura de caché alcanzaron el 94% del uso total de tokens. Ese porcentaje no equivale al 94% del dinero gastado.
1. Qué sabemos y qué queda abierto
DX declara datos de más de 500 organizaciones. Reporta una espera mediana de 82 minutos hasta la primera revisión en organizaciones con al menos 80% del código escrito por IA. No demuestra causalidad. El mapa CAFE(S) es diagnóstico, no un resultado medido.
El anuncio permite plantear preguntas; no permite evaluar toda la investigación. El informe completo está tras un formulario y no fue leído para este análisis. La representatividad de la muestra, el detalle metodológico completo y una validación independiente permanecen sin verificar. Tampoco podemos trasladar estos resultados a un equipo concreto.
Fuente: anuncio de DX, 14 de octubre de 2026.
La fecha corresponde al anuncio del estudio; el trimestre describe el periodo analizado. Incorporarlo ahora al blog no convierte sus observaciones en acontecimientos de hoy. Lo siguiente es una propuesta editorial para examinar el trabajo propio, sin presentar recomendaciones como conclusiones adicionales del informe.
2. Separa tokens, dinero y trabajo aceptado
Análisis editorial propio. Un contador de tokens describe una unidad técnica. Una factura expresa un coste. Una tarea aceptada representa un resultado que alguien revisó contra criterios concretos. Conviene mantener esas tres unidades separadas antes de decidir si un flujo merece continuar.
Para tu equipo, proponemos una ficha que reúna el consumo observado, el coste atribuible y la entrega aprobada. No supongas que cada token tiene el mismo precio ni que una lectura repetida carece de utilidad. Comprueba las condiciones de facturación aplicables y registra lo que realmente puedas observar. Si falta el desglose, declara esa ausencia.
3. Empieza con un encargo estrecho
Antes de reducir contexto, delimita el trabajo. En lugar de pedir que una IA mejore todo un proyecto, selecciona una tarea con principio y cierre: proponer una modificación pequeña, explicar una decisión o revisar una condición de aceptación. Indica qué documento manda y quién puede aprobar el resultado.
Un brief útil podría contener el objetivo, las restricciones, el material necesario y la evidencia esperada al terminar. Pregunta qué información necesita esta tarea específica. Después pregunta qué información sigue faltando. Recortar por longitud sin esas dos preguntas puede retirar justo la instrucción que permitía detectar un error.
4. Diseña un artefacto que puedas revisar
Recurso propuesto para el equipo. Mantén una referencia breve con decisiones vigentes, límites y enlaces a documentos autorizados. Identifica su versión, responsable y fecha de revisión. Su utilidad debe comprobarse en el trabajo; llamarla reutilizable no demuestra que esté completa o actualizada.
| Elemento | Pregunta de control | Evidencia que conservar |
|---|---|---|
| Objetivo | ¿Qué entrega necesita aprobación? | Criterios escritos antes de comenzar. |
| Referencia | ¿Qué decisiones siguen vigentes? | Documento y versión utilizados. |
| Límite | ¿Qué no puede decidir la IA? | Responsable de resolver excepciones. |
| Cierre | ¿Por qué se aceptó o rechazó? | Resultado revisado y correcciones. |
Completa la ficha antes de automatizar su reutilización. Si dos documentos discrepan, resuelve quién tiene autoridad para corregirlos. Una referencia corta pero contradictoria sigue dejando una decisión pendiente.
5. Calcula una ficha noticiosa hipotética
Ejemplo inventado: no son consumos, precios ni resultados reales. Diseña un agente que produzca una ficha noticiosa a partir de una fuente. Exige título, fecha, afirmaciones con respaldo y límites. Compara recorridos con esa misma fuente y los mismos criterios de aceptación, sin prometer ahorro.
Supongamos 50.000 tokens de lectura de caché, 5.000 de entrada fresca y 2.000 de salida. La primera categoría representa contexto existente recuperado de caché; la segunda, entrada nueva; la tercera, la respuesta generada. Si el proveedor factura estas categorías, comprueba su definición y aplica sus tarifas correspondientes.
Llamemos R, E y S a tarifas simbólicas por millón de tokens, en una misma moneda. El coste hipotético de tokens es 0,05R + 0,005E + 0,002S: cada cantidad se divide por un millón antes de multiplicarla por su tarifa. No son cotizaciones ni un cálculo de factura completa.
Revisa la ficha: ¿la fecha corresponde al anuncio?, ¿cada afirmación respeta la fuente?, ¿faltan límites? Registra errores, revisión, rechazo y retrabajo. Para obtener un coste por entrega aceptada, reúne los costes atribuibles de todos los intentos y divídelos por las fichas aceptadas; sin aceptadas, no hay cociente. Si incorporas trabajo humano, explicita su valoración por separado, sin convertir minutos en tokens. Reducir lecturas de caché no garantiza ahorro: compara coste y calidad del recorrido completo.
6. Incluye la capacidad de revisión
Proponemos revisar la entrega completa: producir un borrador, comprobarlo, resolver dudas y aprobarlo. Antes de aumentar el número de encargos, pregunta quién recibirá sus resultados y cuánto trabajo pendiente puede asumir. La disponibilidad del revisor forma parte del diseño del flujo.
En el ejemplo, la persona responsable editorial debe comprobar la fecha, las afirmaciones y los límites de la ficha noticiosa. Si esa revisión falta, la ficha sigue pendiente aunque esté bien escrita. Registra la espera separada del trabajo activo y describe su motivo cuando lo conozcas. Un retraso observado no identifica por sí solo su causa.
7. Mide el coste de una tarea aceptada
Como pauta editorial, reúne costes atribuibles, revisión y retrabajo para una unidad de entrega comparable. Conserva también las tareas rechazadas: excluirlas haría invisible parte del esfuerzo. Decide de antemano cómo tratarás cambios de alcance, interrupciones y trabajos que todavía no tienen aprobación.
No publiques un ahorro a partir de una demostración aislada. Si las tareas difieren demasiado, describe sus diferencias y evita una comparación numérica. Cuando sólo tengas una factura agregada o tiempos estimados, identifica esa limitación. El objetivo inicial puede ser entender dónde falta información, antes de afirmar que un recorrido funciona mejor.
8. Cierra con una decisión acotada
Reúne al equipo alrededor de tres preguntas: ¿el contexto permitió resolver la tarea?, ¿el resultado superó la revisión acordada?, ¿qué esfuerzo adicional exigió? Conserva una respuesta concreta para cada una. Si queda una duda sobre permisos, reglas o vigencia documental, asigna un responsable antes de repetir el recorrido.
Una decisión razonable puede ser continuar con una tarea pequeña, corregir la referencia o detener el experimento. Ninguna exige prometer productividad. El aprendizaje útil consiste en conectar una instrucción reconocible con una entrega revisable y explicar qué evidencia permite dar el siguiente paso.