Kiro: lo bueno, lo malo y lo feo de mi experiencia como desarrollador

He probado bastantes IDEs, herramientas de codificación con IA y flujos asistidos por agentes, y recientemente pasé un tiempo usando Kiro. Se presenta como un IDE agentic que impulsa el desarrollo spec driven. Aquí comparto una versión condensada de lo que funciona bien, lo que resulta frustrante y las aristas que descubrí en la práctica.

¿Qué es Kiro Antes de entrar en pros y contras conviene contextualizar. Kiro es un IDE potenciado por IA construido sobre un núcleo tipo VS Code. Su idea diferencial es el desarrollo guiado por especificaciones o spec driven development. En lugar de lanzarte a codificar por vibra, el flujo arranca definiendo requisitos, luego diseño y finalmente tareas de implementación. Soporta archivos de steering como product.md, tech.md y structure.md que aportan contexto real al agente. También incluye hooks o triggers que ejecutan automatizaciones ante eventos de archivos.

1. Spec Kiro ofrece tres documentos que fluyen entre sí: requirements.md, design.md y tasks.md. requirements.md agrupa historias de usuario generadas a partir de tu prompt. design.md traduce esos requisitos a guías técnicas con términos, diagramas y notas arquitectónicas. tasks.md descompone el diseño en checklists accionables con estados como in progress, done o failed.

Lo bueno Durante mi uso la funcionalidad Spec fue un compañero de pensamiento muy útil. Convierte un prompt vago en múltiples perspectivas: vista de usuario, criterio de aceptación y tareas de desarrollador. requirements.md suele funcionar como un motor de ideas que permite seleccionar, refinar o pivotar historias de usuario. design.md traduce conceptos difusos a un lenguaje técnico correcto y apunta patrones o arquitecturas apropiadas. tasks.md transforma todo en un checklist operativo y puede incluso generar nombres de ramas y mensajes de git coherentes, integrándose con el flujo de trabajo para automatizar git desde la especificación.

Un caso de éxito personal fue generar un sistema de diseño completo. Con un prompt preciso pedí transformar componentes del código en un estilo neobrutalista y Kiro generó una spec de diseño consistente. Además acepta referencias visuales y crea especificaciones sólidas alrededor de ellas.

Lo malo La rigidez del flujo es evidente. Solo hay tres sabores: requirements, design y tasks, y deben seguirse en ese orden. Si necesito ir directo a un diseño o a tareas, no hay atajo. Además la facturación del sistema es confusa: crear una spec se cobra como una petición vibe porque pasa por el chat, así que cada iteración de refinamiento consume créditos, penalizando el uso natural de la función.

Lo feo Al ejecutar tareas, Kiro tiende a generar gran cantidad de pruebas unitarias, de integración y E2E por defecto. Si aún no tienes la funcionalidad base consolidada, acabas gastando créditos en tests que fallan y en optimizaciones prematuras. Consejo práctico: si estás en fase de exploración, elimina o limita los tests y optimizaciones en la spec para ahorrar créditos y moverte más rápido.

2. Hooks Los hooks son automatizaciones que se disparan sobre eventos de archivos. Pueden hacer cumplir estándares, generar documentación o mantener tests actualizados.

Lo bueno Cuando funcionan bien, se encargan de tareas repetitivas: generar docs al cambiar un endpoint o crear la plantilla de test al añadir un módulo. Es como tener un desarrollador junior que limpia el trabajo rutinario.

Lo malo Cada ejecución de hook gasta una petición vibe completa, independientemente del tamaño de la automatización. Esto hace que tareas pequeñas y frecuentes resulten caras y frena la adopción de hooks para cuestiones triviales.

Lo feo Los hooks solo se disparan al guardar o crear archivos desde el editor. Si intentas orquestarlos desde fuera del IDE, no pasan. Esa limitación reduce mucho el potencial de automatización integrada en pipelines o en flujos externos.

3. Experiencia agentic Kiro cumple con la idea de IDE agentic: chat lateral, gestión de contexto, indexado del código tipo RAG, ejecución en terminal y conciencia multiarchivo.

Lo bueno La gestión de contexto con steering es superior a reglas estáticas. Puedes aplicar archivos de steering a carpetas concretas y el chat lateral trabaja con el contexto del código usando palabras clave como codebase. Con prompts bien estructurados el agente puede generar bloques muy grandes de código y responder como un compañero diligente y con contexto.

Lo malo Aún hay problemas prácticos: la ejecución en terminal puede colgar y la insistencia en generar tests a veces es excesiva. El otro gran problema es la política de precios. La capa gratuita puede resultar generosa en número, pero una sesión productiva consume créditos muy rápido debido a que cada tarea y cada intercambio consume vibe requests.

Lo feo La forma en que se consumen los créditos por resumen de contexto es especialmente contraproducente: pedir un resumen o reingresar un prompt refinado puede multiplicar el gasto. Eso frena la iteración rápida y llega a cortar la motivación de continuar una sesión de desarrollo.

Veredicto Kiro es una de las apuestas más ambiciosas que he probado en materia de ayuda con IA para desarrollo. El enfoque Spec es potente y educativo, y los hooks aportan mucha utilidad cuando se justifican. La experiencia agentic es convincente, pero la rigidez del flujo, el coste de las automatizaciones y la mecánica de consumo de créditos empañan la experiencia. Para proyectos medianos o grandes ofrece una visión prometedora, pero para sesiones rápidas de prototipado basado en vibra puede resultar engorroso.

En Q2BSTUDIO, empresa especializada en desarrollo de software y aplicaciones a medida, acompañamos a equipos en la adopción de flujos con agentes IA y en la optimización de procesos de desarrollo para que herramientas como Kiro encajen mejor con las necesidades reales. Ofrecemos soluciones de inteligencia artificial y servicios de IA para empresas, ciberseguridad y pentesting, servicios cloud AWS y Azure, y servicios de inteligencia de negocio incluyendo Power BI.

Si quieres explorar cómo integrar agentes IA en proyectos reales o desarrollar soluciones a medida que aprovechen flujos spec driven sin sorpresas en costes, en Q2BSTUDIO podemos ayudar. Consulta nuestras propuestas de inteligencia artificial para empresas y descubre cómo realizamos aplicaciones a medida y software a medida que combinan seguridad, nube y analítica para entregar productos robustos y escalables.

Palabras clave integradas naturalmente en este texto: aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA y power bi.