Amazon Web Services Inc. ha presentado Kiro, un entorno de desarrollo que promete transformar la manera en que los ingenieros de software convierten sus ideas en código listo para producción. Al alejarse del enfoque tradicional de “vibe coding” —basado en la improvisación y la exploración directa del editor—, Kiro introduce un modelo de desarrollo guiado por especificaciones (“spec-driven”), potenciado por agentes de inteligencia artificial integrados.
Un cambio de paradigma: del “vibe coding” al “spec coding”
Randall Hunt, director de tecnología (CTO) de Caylent Inc., socio Premier de AWS, describió en el evento AI Cloud Leaders organizado por SiliconANGLE Media cómo Kiro permite a los desarrolladores concentrarse en el diseño del sistema en lugar de en los detalles de sintaxis o la búsqueda de fragmentos de código aislados.
“Lo que distingue a Kiro de otros IDE como Cursor o Windsurf for Codeium… es su modelo de desarrollo guiado por especificaciones. Primero se recolectan los requisitos, los editas, haces clic para avanzar en ellos y luego pasas al diseño”, explicó Hunt. “Los que triunfarán en el mundo de los LLMs serán aquellos que ejercen agencia. Y creo que Kiro es el agente para las personas con agencia.”
Este enfoque “spec coding” implica que el flujo de trabajo comienza definiendo claramente las funcionalidades y restricciones deseadas. Una vez detalladas las especificaciones, Kiro genera y estructura el código automáticamente, mientras el desarrollador supervisa y ajusta según sea necesario.
La fuerza de los agentes de IA en el IDE
Kiro incorpora agentes de IA capaces de ejecutar tareas de codificación basadas en las especificaciones definidas. Estos agentes operan dentro del editor y pueden conectarse a herramientas open source externas, agilizando desde la generación de funciones hasta la refactorización de módulos enteros.
Aunque la supervisión humana sigue siendo clave, Hunt señala que la autonomía de estos agentes mejora constantemente:
“Ahora mismo, los mejores modelos pueden operar unos 10 minutos sin intervención humana. Pero ese límite de tiempo se extiende continuamente; probablemente en menos de un año veremos agentes capaces de ejecutar autónomamente durante 24 horas sin errores.”
Este avance acerca cada vez más la visión de un entorno de desarrollo casi totalmente automatizado, donde los ingenieros dedican su tiempo al planteamiento arquitectónico y al aseguramiento de la calidad, más que a tareas repetitivas de codificación.
Diversidad de modelos y evaluación sistemática
La llegada de Kiro también refleja la creciente tendencia empresarial a emplear múltiples modelos de IA para distintas fases del desarrollo y despliegue. Según un informe reciente, el uso de inteligencia artificial y machine learning en empresas ha crecido un 3 000 %, y el repositorio de Hugging Face ya aloja más de 1,7 millones de modelos.
“Es un error apostar por un único modelo”, advierte Hunt. “Debes construir una plataforma que aproveche constantemente lo último en el estado del arte. Un modelo puede incorporar capacidades diferenciadoras que te den ventaja frente a la competencia.”
Además, las organizaciones descubren que sacar partido real a la IA exige procesos de evaluación (“evals”) rigurosos. Hunt comparte la experiencia de un proyecto de búsqueda semántica de vídeo:
“Procesamos petabytes de datos usando Amazon Nova Models y Bedrock Batch. Nuestra ‘eval set’ incluyó todo tipo de vídeos, lo que nos permitió medir con precisión la calidad de las descripciones generadas. El resultado fue sustancialmente mejor, casi como un sistema de integración continua/despliegue continuo para LLMs.”
¿Por qué Kiro importa?
- Enfoque guiado por especificaciones: reduce errores de interpretación y acelera la transición de requisitos a código.
- Agentes de IA integrados: mayor automatización de tareas rutinarias y amplia conectividad con herramientas open source.
- Arquitectura abierta a múltiples modelos: flexibilidad para adoptar rápidamente innovaciones en IA.
- Estrategia de evaluación continua: garantiza calidad y permite ajustar modelos y prompts de forma iterativa.
Con Kiro, AWS busca consolidar un entorno donde la colaboración entre humanos y máquinas sea más fluida, eficiente y orientada a resultados tangibles. Para Caylent y otros partners de AWS, se trata de una herramienta clave para acelerar la adopción de la nube y la inteligencia artificial en proyectos de todo tamaño y complejidad.
En definitiva, Kiro supone un paso significativo hacia un desarrollo de software más estratégico y menos mecánico, impulsado por la inteligencia artificial y un enfoque de especificaciones que promete redefinir los estándares de productividad y calidad en la industria.