¿Recuerdas las tarjetas perforadas? Esas tarjetas de papel con agujeros que programaban computadoras en los años 60. He recuperado esa sensación como una herramienta educativa potenciada por inteligencia artificial y la he bautizado como PunchCard.AI. Aquí explico cómo la construí usando Kiro, desde los requisitos hasta el despliegue, y cómo ese enfoque puede inspirar proyectos para empresas que necesitan aplicaciones a medida y soluciones de IA.

La idea detrás de PunchCard.AI parte de una observación simple: la programación solía ser física y tangible. Colocar cartas en secuencia, una acción por carta, obligaba a pensar paso a paso. Hoy el código es potente pero a menudo intimidante para principiantes. ¿Y si recuperamos esa experiencia táctil con la ayuda de la IA moderna? PunchCard.AI permite arrastrar tarjetas visuales para componer programas, la IA las compila a código real y el estudiante ve resultados reales.

Qué hace PunchCard.AI: el usuario elige un nivel educativo desde primaria hasta universidad, selecciona un tema o crea uno propio, y la IA genera un reto de programación personalizado. Luego, construye la solución con tarjetas tipo Get User Input, Sort Numbers, Display Result. Al ejecutar, la IA traduce las tarjetas a Python y lo ejecuta en un entorno seguro. Se muestran salidas reales, errores reales y retroalimentación educativa que evita mensajes duros y fomenta el aprendizaje.

Desarrollo guiado por especificaciones: con Kiro seguí un enfoque spec driven. Planifiqué escribiendo historias de usuario y criterios de aceptación claros, utilicé sintaxis EARS para requisitos, diseñé la arquitectura y las interfaces de servicio, y definí propiedades de corrección para las pruebas. Rompí el diseño en tareas accionables y las ejecuté con pruebas inmediatas que detectaron fallos al instante. El resultado: entregas más rápidas y menos retrabajo.

Documentos de dirección para la IA: la calidad del contenido generado por IA mejora si se le dan reglas constantes. Creé tres documentos de guía para que la IA actúe como docente, diseñe tarjetas y genere temas. Incluí tono apropiado por edad, categorías de tarjetas (INPUT, PROCESS, OUTPUT), niveles de complejidad y validaciones de valor pedagógico. Esas reglas aumentaron la coherencia del feedback, la calidad de los retos y la diversidad de materias, reduciendo contenido inapropiado a cero.

Hooks de agente como equipo de QA silencioso: integré hooks automáticos que ejecutan pruebas y corrigen el estilo al guardar archivos. test-on-save ejecuta suites de pruebas para atrapar regresiones al instante y lint-on-save mantiene el formato consistente. Estas herramientas detectaron docenas de errores durante el desarrollo y validan automáticamente qué criterios de aceptación fallaron, manteniendo la integridad del proyecto.

MCP como ejecutor seguro: la característica central es la ejecución de código real. Para ofrecer salida y errores auténticos sin riesgos, configuré un servidor ejecutor con MCP Model Context Protocol. Con una simple configuración se obtiene sandboxing seguro, salida stdout y stderr reales, límites de tiempo y memoria, y soporte multiidioma. Esto reemplaza semanas de ingeniería personalizada para aislamiento y seguridad.

Canal de IA y experiencia dinámica: cada funcionalidad usa IA de forma especializada. La generación de temas crea seis temas diversos o permite temas personalizados. La generación de retos produce problemas únicos con objetivos claros y pistas contextualizadas. La librería de tarjetas contiene bloques temáticos como Move Robot Forward o Analyze Data. La compilación traduce tarjetas a Python y añade comentarios explicativos. El análisis de soluciones revisa lo hecho por el alumno, referencia las tarjetas usadas y sugiere mejoras siempre con un tono constructivo.

Pruebas basadas en propiedades: además de pruebas unitarias, definí propiedades universales que siempre deben cumplirse. Por ejemplo, unicidad de retos por sesión, integridad de la librería de tarjetas, relevancia del feedback, diversidad temática sin solapamientos de palabras clave y adaptación progresiva de la dificultad. Usé fast-check para validar estas propiedades con cientos de iteraciones y así encontré casos límite que pruebas tradicionales no cubren.

Retos técnicos y soluciones: la API de IA en plan gratuito puede ser lenta, por lo que añadí caché y estados de carga claros. La variabilidad del contenido IA se mitigó ajustando tolerancias en las pruebas. Para la gestión de estado entre servicios mantuve interfaces limpias y seguimiento de progreso. El resultado fue una plataforma estable y escalable.

Stack técnico resumido: React 18 y TypeScript en modo estricto, Vite, Tailwind CSS, Google Gemini para generación, MCP para ejecución de código, Vitest y fast-check para pruebas y almacenamiento local para el progreso. Todo elegido por simplicidad y velocidad de desarrollo.

Qué aprendí y por qué importa para tu empresa: el desarrollo guiado por especificaciones acelera la entrega y mejora la calidad. Las guías de dirección para IA generan coherencia sin supervisión constante. Los hooks automatizados ahorran horas diarias de trabajo. MCP simplifica funcionalidades complejas. Las pruebas basadas en propiedades detectan errores sutiles. Estos aprendizajes son aplicables a proyectos empresariales como aplicaciones a medida y software a medida que integran inteligencia artificial y necesitan alta fiabilidad.

Sobre Q2BSTUDIO: en Q2BSTUDIO somos una empresa de desarrollo de software y aplicaciones a medida, especialistas en inteligencia artificial, ciberseguridad y servicios cloud aws y azure. Diseñamos soluciones escalables y seguras, desde plataformas personalizadas hasta agentes IA para empresas. Si buscas potenciar procesos con automatización o integrar Power BI y servicios de inteligencia de negocio, nuestro equipo ofrece consultoría y desarrollo a medida. Conoce más sobre nuestras capacidades en Inteligencia artificial para empresas y sobre cómo creamos productos y aplicaciones a medida en soluciones de software a medida.

Resultados y disponibilidad: PunchCard.AI está en línea con generación automática de temas y retos, programación por arrastre, ejecución real de código mediante MCP, feedback inteligente y seguimiento de progreso. Es de código abierto y accesible para explorar ideas educativas o empresariales que combinen IA, agentes IA y análisis con herramientas como power bi. Construir esta plataforma demostró que con especificaciones claras, guías para la IA, hooks automáticos y la infraestructura adecuada se pueden crear herramientas educativas complejas sin caos.

En conclusión, unir lo retro de las tarjetas perforadas con la IA moderna crea una experiencia de aprendizaje accesible y memorable. Si tu organización necesita soluciones de inteligencia artificial, ciberseguridad, servicios cloud aws y azure, o inteligencia de negocio, en Q2BSTUDIO podemos transformar esa idea en una aplicación a medida robusta y segura.