Idea principal

Un skill debe analizar tres fichas de clientes. A falta de filtro a la entrada, carga quinientas. El resultado producido es idéntico; el gasto, no — unos 150 000 tokens de entrada para materia que nunca servirá.

El coste de una lectura no sigue lo que se saca de ella, sigue lo que se ha metido en la ventana. Un agente no "echa un vistazo": todo lo que entra se paga, incluido lo que descarta de inmediato.

De ahí un desplazamiento del trabajo de optimización: la pregunta ya no es cómo pedir mejor, sino cómo consultar la base — filtro, paginación, selección previa mediante script. La lectura condicional va aún más lejos: no abrir en absoluto una fuente cuando una condición previa no se cumple.

Por qué es importante

Esto sitúa el ahorro del lado del acceso a los datos y no del lado del prompt, que es donde se busca de ordinario.

Y da un síntoma localizable en un informe de auditoría: una etapa de lectura cuyo volumen no guarda relación con el número de elementos realmente tratados.

Matices y límites

Filtrar supone saber de antemano qué es pertinente. Cuando la pertinencia es precisamente lo que la ejecución debe establecer, la lectura amplia no es un derroche, es el trabajo.

Y una selección mal planteada es peor que una lectura completa: produce una respuesta plausible sobre una materia truncada, sin que nada lo señale.

Preguntas abiertas

• ¿Cómo medir, a posteriori, la parte de los datos cargados que ha pesado realmente en la salida?