Pagar por más capacidad de Claude Code no resuelve necesariamente un flujo de trabajo ineficiente. Una propuesta que está ganando terreno entre desarrolladores plantea cambiar el enfoque: encadenar skills, repartir el trabajo entre equipos de agentes y reservar los modelos de inteligencia artificial para aquellas tareas donde realmente aportan valor, dejando la ejecución repetitiva al software tradicional.
Las claves para aprovechar mejor Claude Code en 30 segundos
- Los Agent Skills permiten guardar instrucciones, scripts y recursos reutilizables para tareas concretas.
- Varios skills pueden combinarse para construir procesos con revisión, corrección y validación.
- Los equipos de agentes reparten implementación, revisión de código y seguridad entre diferentes instancias de Claude.
- Ejecutar varios agentes en paralelo también puede aumentar considerablemente el consumo.
- La denominada Zero Token Architecture propone usar IA para resolver lo incierto y convertir después lo repetible en código convencional.
La idea parte de una contradicción que empieza a resultar familiar para quienes programan diariamente con agentes. Los modelos son cada vez más capaces y pueden asumir trabajos mayores, pero proporcionarles continuamente repositorios, documentación, instrucciones y resultados anteriores también consume recursos.
Aumentar el límite disponible permite trabajar durante más tiempo, aunque no necesariamente hace que cada sesión sea más eficiente.
Anthropic ha ido incorporando a Claude Code mecanismos precisamente destinados a estructurar mejor ese trabajo. Entre ellos aparecen CLAUDE.md, skills, subagentes y formas de distribuir tareas entre múltiples agentes.
Un análisis publicado por Anthropic en junio de 2026, basado en unas 400.000 sesiones de Claude Code realizadas entre octubre de 2025 y abril de 2026, encontró además una relación interesante entre experiencia y uso de la herramienta: los usuarios suelen tomar la mayoría de las decisiones sobre qué hacer, mientras Claude adopta buena parte de las decisiones de ejecución sobre cómo hacerlo. Cuanto mayor es el conocimiento del usuario sobre el dominio, más trabajo consigue delegar por cada instrucción.
Skill chaining: dejar de explicar el mismo proceso una y otra vez
La primera técnica consiste en aprovechar los Agent Skills.
Anthropic define los skills como carpetas organizadas que contienen instrucciones, scripts y recursos. Claude puede descubrirlos y cargarlos cuando necesita realizar una tarea especializada.
La ventaja frente a introducir constantemente grandes instrucciones en el chat es que determinadas reglas y procedimientos pueden convertirse en recursos reutilizables.
A partir de ahí surge una idea relativamente sencilla: encadenar varios skills para construir un flujo de trabajo completo.
Un proceso podría comenzar generando una respuesta, pasarla posteriormente por una revisión y solicitar una corrección si aparecen problemas. Cuando ya no existan observaciones importantes, otro paso podría comprobar los hechos o ejecutar una validación final.
En lugar de pedir manualmente cada operación, un skill superior puede definir el orden y las condiciones bajo las que deben ejecutarse los demás.
El planteamiento recuerda a la arquitectura de software de pipes and filters: cada etapa recibe una entrada, realiza una operación y entrega un resultado a la siguiente.
También permite introducir bucles. Una revisión de código podría devolver el trabajo al agente encargado de implementarlo hasta que desaparezcan los errores considerados graves.
El límite resulta importante. Un proceso que permita revisar indefinidamente una misma modificación puede terminar consumiendo contexto y tokens sin aportar mejoras proporcionales. Establecer un máximo de revisiones o una condición clara de salida evita ese comportamiento.
La desventaja es que cuanto más autónoma sea la cadena, menor intervención existe entre cada etapa. Una mala decisión al comienzo puede propagarse por todo el proceso.
Equipos de agentes: programar, revisar y auditar en paralelo
La segunda propuesta lleva la división del trabajo más lejos.
En lugar de utilizar una única instancia de Claude para implementar una funcionalidad completa, pueden asignarse responsabilidades diferentes a varios agentes.
Un esquema de desarrollo podría contar con un orquestador, dos agentes implementadores y uno o varios revisores especializados.
El orquestador recibe el objetivo general y lo divide en tareas. Los implementadores modifican el código, mientras otros agentes comprueban posteriormente el resultado.
Por ejemplo, un agente podría dedicarse a detectar duplicaciones y problemas de diseño. Otro podría revisar vulnerabilidades conocidas y principios de OWASP. En proyectos sometidos a requisitos específicos podrían añadirse comprobaciones de rendimiento, arquitectura o cumplimiento normativo.
El archivo CLAUDE.md resulta útil en este modelo porque permite proporcionar información persistente sobre las convenciones del proyecto.
La clave está en evitar que todos hagan lo mismo.
Si cuatro agentes reciben instrucciones genéricas para desarrollar una funcionalidad, pueden duplicar trabajo o tomar decisiones incompatibles. La especialización y una división previa de tareas reducen ese riesgo.
También puede utilizarse un proceso de revisión antes de abrir una pull request. Un implementador termina su modificación, solicita la revisión y, si aparecen problemas graves, vuelve a trabajar sobre ella. El ciclo se repite hasta cumplir las condiciones establecidas, siempre con un límite para evitar revisiones interminables.
Este enfoque tiene un coste evidente: varios agentes consumen más recursos que uno.
Por eso utilizar un equipo completo para corregir un pequeño error puede resultar contraproducente. Tiene más sentido cuando una funcionalidad puede dividirse claramente y existe suficiente trabajo independiente para aprovechar la ejecución paralela.
La supervisión humana tampoco desaparece. Revisar el plan antes de lanzar varios agentes puede ahorrar una cantidad considerable de trabajo innecesario.
Zero Token Architecture: cuando Bash vuelve a ser suficiente
La tercera técnica introduce una aparente contradicción: utilizar menos inteligencia artificial.
El concepto de Zero Token Architecture (ZTA) fue popularizado en 2026 por Kelsey Hightower, conocido por su trabajo en el ámbito de Kubernetes y la infraestructura cloud.
Inicialmente apareció con un importante componente de humor. Hightower llegó a resumir la idea como aprender a pensar y realizar tareas sin gastar tokens, y ha bromeado con presentar herramientas tradicionales como Bash, curl, cron, Puppet, Ansible o Chef bajo una nueva etiqueta más acorde con la época de los agentes.
Pero detrás de la provocación existe un principio de arquitectura bastante concreto.
Durante su intervención en PlatformCon 2026, Hightower resumió el planteamiento en una fórmula: utilizar inferencia una vez, exportar el resultado y ejecutarlo posteriormente sin inferencia.
Si una empresa utiliza repetidamente un agente para recibir una entrada estructurada y realizar exactamente las mismas operaciones, quizá esa tarea debería terminar convertida en un script, una biblioteca, un ejecutable o una automatización convencional.
El modelo puede resultar muy útil durante la primera fase, cuando todavía hay que descubrir cómo resolver el problema.
Una vez encontrada una solución determinista, continuar preguntando a un modelo qué debe hacer cada vez puede añadir coste, latencia y variabilidad sin aportar razonamiento nuevo.
La Zero Token Architecture no significa que una sesión compleja de Claude Code pueda funcionar literalmente sin tokens. Claude necesita procesar las instrucciones y el contexto para generar una respuesta.
La propuesta consiste en decidir dónde merece la pena mantener la inferencia dentro de la arquitectura.
Una tarea nueva, ambigua y dependiente del contexto puede justificar un modelo avanzado. Una operación repetida miles de veces que siempre sigue las mismas reglas probablemente debería convertirse en software convencional.
No existe el prompt perfecto que arregle todos los problemas
Las tres ideas convergen en un principio conocido mucho antes de la llegada de los grandes modelos de lenguaje: estructurar correctamente el trabajo suele importar tanto como disponer de herramientas más potentes.
Los skills convierten conocimiento repetitivo en procedimientos reutilizables. Los equipos de agentes permiten dividir trabajos suficientemente grandes. Y la arquitectura sin inferencia permanente recuerda que no todas las automatizaciones necesitan un modelo de lenguaje ejecutándose continuamente.
Hay otro elemento importante: la documentación.
Mantener instrucciones de incorporación, arquitectura, componentes reutilizables, ejemplos, interfaces y procedimientos proporciona al agente referencias concretas. También ayuda a los desarrolladores humanos.
Lo mismo ocurre con componentes existentes, stubs y mockups. Cuanto más definido esté el resultado esperado, menos decisiones innecesarias tendrá que improvisar el modelo.
Esto encaja con los datos publicados por Anthropic sobre el uso real de Claude Code. La experiencia profesional no parece perder valor a medida que los agentes mejoran. Quien conoce mejor el dominio puede proporcionar instrucciones de mayor calidad, detectar antes una mala decisión y delegar más trabajo útil.
Por eso reducir el consumo de tokens no consiste necesariamente en escribir el prompt más corto posible.
Puede significar algo mucho más tradicional: documentar mejor, reutilizar lo que ya funciona, automatizar los procesos repetitivos y reservar los modelos más capaces para los problemas que realmente necesitan razonamiento.
Preguntas frecuentes
¿Qué son los Agent Skills de Claude?
Son conjuntos organizados de instrucciones, scripts y recursos que proporcionan a Claude conocimientos y procedimientos especializados para realizar determinadas tareas. Anthropic los diseñó como componentes reutilizables y componibles.
¿Qué ventaja tiene utilizar varios agentes en Claude Code?
Permite dividir un trabajo entre diferentes responsabilidades, como planificación, implementación, revisión de código o seguridad. Sin embargo, ejecutar más agentes también puede aumentar considerablemente el consumo de recursos y tokens.
¿Qué significa Zero Token Architecture?
Es un concepto popularizado por Kelsey Hightower que propone evitar inferencia innecesaria en procesos repetitivos. Una de sus ideas centrales consiste en utilizar IA para encontrar una solución y ejecutar después el resultado mediante software convencional cuando ya no sea necesario volver a razonar sobre el problema.
¿Se puede utilizar Claude Code sin consumir tokens?
No cuando Claude está realizando inferencia. La idea de Zero Token Architecture no consiste en conseguir mágicamente sesiones de Claude gratuitas, sino en sacar del modelo aquellas tareas deterministas que pueden resolverse mediante código y automatización tradicional.
