Introducción: llevaba tiempo con ganas de probar la programación asistida por IA. No me malinterpreten, ya había usado chatbots LLM genéricos y con ellos se pueden hacer cosas, pero la experiencia como desarrollador no era la mejor. Sentía que me quedaba relegado y acababa muchas veces optando por el camino de menor resistencia, lo que suelo llamar vibe coding. No soy el único; varios colegas viven lo mismo. Creo que existe un punto intermedio donde un desarrollador pueda aprovechar la inteligencia artificial y al mismo tiempo mejorar sus habilidades.
Visión general: en este artículo exploro Kiro, un asistente de IA de Amazon que utiliza a Claude en su núcleo, centrándome en el desarrollo guiado por especificaciones. Sí, suena a anuncio, pero además me dieron muchos créditos gratuitos y como los recursos son finitos me animé a experimentar en un proyecto tipo hackathon llamado Kiroween.
Elección del proyecto y herramientas: escogí un proyecto que encajara con mis conocimientos y que permitiera aprender en el camino: un sistema proveedor de telemática. Empecé con un diagrama en Excalidraw y diseñé la base de datos en drawsql.app. Exporté el DDL y trabajé iterando con la IA hasta llegar a un esquema final. Dividí el proyecto en piezas backend y frontend: API de telemática para ingestión de datos GPS, servicio generador de insights para crear análisis de trayectos, API para el dashboard de flotas y un servicio de autenticación de flota que usa Supabase. En frontend construí un dashboard para gestores de flota y una web para simular puntos GPS del conductor, imitando datos que vendrían de un tracker OBD. Para los backends usé Golang y en el frontend Next.js con ShadCN.
Experiencia con Kiro: el flujo de trabajo fue similar para cada servicio usando la funcionalidad de spec-driven development. Primero definimos requisitos: qué debe hacer el servicio, cómo encaja en el sistema, límites y SLA. Segunda fase de diseño: tech stack, librerías, modelos, interacciones con usuario y estructura de carpetas. Esta fase consolidó expectativas. Tercera fase: desglosar tareas y ejecutarlas una por una. Probé dos enfoques: uno con tests unitarios tras cada tarea y otro donde dejé las pruebas para el final por rapidez en la primera iteración. Para un proyecto personal funcionó dejar las pruebas al final, pero recomiendo dedicar tiempo al diseño y requisitos; compensa mucho, y usar lenguajes tipados como Go y TypeScript reduce errores.
Errores y lecciones: hubo un servicio que me dio problemas, el de autenticación de flota. Me relajé demasiado y permití que la IA propusiera endpoints y lógica de negocio sin supervisión suficiente. El resultado fue una API sobreingenierizada que tuve que desechar y rehacer centrando el diseño en lo mínimo necesario. Fue un recordatorio claro de que la dependencia sin control de la IA puede llevar a retrabajo. Para arreglos pequeños usé el modo vibe coding, pero en entornos profesionales seguiría con spec-driven incluso para features pequeñas.
Detalles técnicos y despliegue: la mayoría de las incidencias venían de decidir ids como enteros cuando en retrospectiva debieron ser strings. En UI probé Claude antes y aunque era rápido no competía con alternativas orientadas a interfaz; Kiro entregó resultados comparables a otras herramientas, quizá porque usé ShadCN y Tailwind que facilitan el theming. Para desplegar utilicé servicios gratuitos por limitaciones de presupuesto: Supabase para Postgres y autenticación, Render para los backends con la técnica de pings cada 5 minutos usando Cron Job Org para evitar que el free tier se duerma, y Vercel para el frontend. También usé dos MCP servers, uno consultando Postgres y otro con capacidad de navegación en el momento que fue necesario.
Recomendaciones prácticas: invertir tiempo en la fase de diseño y en especificaciones paga; mantener pruebas automatizadas es ideal, aunque para prototipos rápidos a veces se posponen; preferir ids en formato string para flexibilidad; y revisar siempre propuestas de IA cuando afectan seguridad o autenticación para evitar sobreingeniería.
Sobre Q2BSTUDIO: en Q2BSTUDIO somos una empresa de desarrollo de software y aplicaciones a medida especializada en inteligencia artificial, ciberseguridad y servicios cloud aws y azure. Ofrecemos soluciones de software a medida y aplicaciones a medida pensadas para empresas que buscan mejorar procesos con agentes IA, automatización y analítica avanzada. Si te interesa construir un producto robusto y escalable con enfoque en inteligencia de negocio y visualización usando power bi te invitamos a conocer nuestras soluciones en Inteligencia artificial para empresas y a explorar proyectos de desarrollo de software a medida en servicios de aplicaciones y software a medida.
Palabras clave y servicios: entre nuestras competencias destacadas están 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. Integramos prácticas de seguridad como pentesting y adopción de cloud para garantizar despliegues seguros y escalables, y ayudamos a transformar datos en decisiones mediante dashboards y modelos predictivos.
Conclusión: la programación asistida por IA puede ser transformadora si se usa con disciplina. El desarrollo guiado por especificaciones con asistentes como Kiro agiliza diseño y ejecución, pero requiere supervisión humana especialmente en áreas críticas como autenticación y seguridad. En Q2BSTUDIO podemos acompañarte en la adopción de IA para tu empresa, desarrollar software a medida y garantizar la seguridad y escalabilidad en la nube.
