Probé AWS Kiro Durante Un Mes y Esto Es Lo Que Nadie Te Cuenta

Por Qué Kiro Importa Ahora

Déjame ser directo: recomiendo encarecidamente que todos—especialmente no programadores y personas no técnicas—exploren el mundo de los agentes de IDE con IA. Estas herramientas han cambiado fundamentalmente lo que es posible. Alguien que no sabe nada sobre programación, nada sobre informática, ahora puede instruir a una computadora a través de una simple ventana de chat. Es como tener un empleado profesional que nunca duerme, nunca se queja, y realmente entiende lo que estás tratando de lograr.

Ya no necesitas años de entrenamiento especializado. No necesitas memorizar sintaxis o luchar con documentación. Necesitas ideas. Necesitas la capacidad de pensar claramente sobre lo que quieres. Eso es todo.

El panorama de programación con IA en 2025 ha explotado. Cursor domina el mindshare con su interfaz intuitiva. Windsurf (anteriormente Codeium) empuja los límites del desarrollo nativo de agentes. Claude Code trae workflows enfocados en terminal a las masas. GitHub Copilot evoluciona con nuevas capacidades agénticas. Y entonces AWS, el gigante de infraestructura cloud, silenciosamente lanza Kiro—y de repente la conversación cambia.

Según datos de SimilarWeb, Kiro.dev ahora atrae más de un millón de visitantes mensuales. Esto no es solo curiosidad—es interés genuino de desarrolladores en una herramienta que promete resolver lo que está roto en el desarrollo asistido por IA.

Qué Es Kiro

Kiro es un IDE de IA agéntica desarrollado por AWS, construido sobre Code OSS—la base open-source de Visual Studio Code. Esto significa que tus configuraciones existentes de VS Code, extensiones y memoria muscular se transfieren directamente. No estás aprendiendo una herramienta completamente nueva; estás ganando superpoderes en territorio familiar.

Pero aquí está lo que hace a Kiro fundamentalmente diferente de todas las demás herramientas de programación con IA: está basado en especificaciones. Mientras Cursor y Windsurf se enfocan en hacer la completación de código más rápida e inteligente, Kiro hace una pregunta completamente diferente—¿y si la IA pudiera ayudarte a planificar antes de programar?

Curiosamente, Kiro está posicionado como "ligeramente separado del resto de AWS core", según Nathan Peck, developer advocate de AWS. El objetivo es que Kiro tenga una identidad única que atraiga a desarrolladores de todas las plataformas—no solo a aquellos ya invertidos en el ecosistema AWS. Puedes usar Kiro sin una cuenta AWS, iniciando sesión vía Google o GitHub.

Este posicionamiento estratégico importa. El CEO de AWS, Matt Garman, describe Kiro como "un IDE agéntico que lleva a los desarrolladores del prototipo a producción con la estructura que el código listo para producción requiere." No está tratando de reemplazar tus herramientas de prototipado rápido—está tratando de asegurar que esos prototipos realmente lleguen a producción.

La Revolución Basada en Especificaciones

Aquí está el problema que Kiro está tratando de resolver: vibe coding. Lo conoces. Yo lo conozco. Todos lo hemos hecho. Abres un chat de IA, describes aproximadamente lo que quieres, iteras a través de prompts hasta que algo funciona, y haces deploy. Es rápido. Se siente como magia. Y crea deuda técnica que te persigue durante meses.

El vibe coding produce código frecuentemente verboso, estilísticamente inconsistente, y sin adherencia a patrones arquitectónicos establecidos. La IA hace suposiciones con las que nunca estuviste de acuerdo. Los requisitos permanecen vagos porque nadie los escribió. Seis meses después, cuando necesitas modificar la feature, no tienes idea de por qué se tomaron ciertas decisiones.

El enfoque basado en especificaciones de Kiro genera tres archivos interconectados que forman la base de cada feature:

Escribe "Agregar un sistema de reseñas para productos" y Kiro no genera código directamente. Genera historias de usuario para ver, crear, filtrar y calificar reviews. Cada historia incluye criterios de aceptación cubriendo casos extremos que los desarrolladores típicamente manejan durante la implementación. Solo después de que revisas y apruebas estas especificaciones comienza la codificación real.

Esto puede parecer más lento. Y lo es—al principio. Pero el retorno viene en ciclos de iteración reducidos, comunicación de equipo más clara, y código que realmente hace lo que pretendías. Las especificaciones se convierten en una fuente única de verdad que tanto humanos como agentes de IA pueden referenciar a lo largo del ciclo de vida del proyecto.

Sintaxis EARS Explicada

EARS—Easy Approach to Requirements Syntax (Enfoque Fácil para Sintaxis de Requisitos)—es la salsa secreta detrás del sistema de especificaciones de Kiro. Desarrollado por Alistair Mavin y colegas en Rolls-Royce mientras analizaban regulaciones de aeronavegabilidad para sistemas de control de motores jet, EARS proporciona un formato estructurado para escribir requisitos claros, inequívocos y testeables.

EARS no es solo formateo automático inteligente. En realidad, es una extensión de la lógica temporal, que a su vez es una extensión de la lógica de primer orden. Esto le da a Kiro poder genuino para verificar procesos, controlar comportamiento de modelos y conectar diseño con implementación.

WHEN [condición/evento] THE SYSTEM SHALL [comportamiento esperado]

WHEN un usuario envía un formulario con datos inválidos 
THE SYSTEM SHALL mostrar errores de validación junto a los campos relevantes

WHEN un usuario crea una reseña exitosamente 
THE SYSTEM SHALL mostrar un mensaje de confirmación y agregar la reseña a la página del producto

La sintaxis EARS incluye varios patrones para diferentes tipos de requisitos:

El formato estructurado hace fácil entender qué se espera, reduciendo malentendidos entre equipos de producto e ingeniería. También hace los requisitos directamente testeables—cada declaración EARS puede ser convertida en un caso de prueba, asegurando que nada pase desapercibido.

Modo Vibe vs Modo Spec

Kiro opera en dos modos distintos, cada uno sirviendo diferentes necesidades de desarrollo:

Puedes transitar entre los modos naturalmente. Comienza una conversación vibe para explorar ideas, luego di "Generar spec" cuando estés listo para formalizar. Kiro preguntará si quieres iniciar una sesión de spec y procederá generando requisitos basados en el contexto de tu conversación.

También existe el Modo Autopilot—actívalo en la esquina inferior derecha y Kiro se transforma en un acelerador de desarrollo. En Autopilot, Kiro implementa código completo sin esperar tu aprobación en cada paso, reduciendo drásticamente el tiempo de desarrollo al eliminar aprobaciones de ida y vuelta. Úsalo para componentes fundamentales y boilerplate. Cambia a modo supervisado para lógica de negocio crítica donde quieres revisar cada cambio.

Agent Hooks y Automatización

Los Hooks son la segunda gran innovación de Kiro—automatizaciones orientadas a eventos que disparan agentes de IA en segundo plano basadas en cambios de archivos. Actúan como un desarrollador experimentado capturando cosas que pierdes o completando tareas de boilerplate mientras trabajas.

Cuando guardas un archivo, creas un nuevo componente, o modificas un endpoint de API, los hooks pueden automáticamente:

Una vez que un hook se commitea en Git, aplica estándares en todo tu equipo. Todos se benefician de las mismas verificaciones de calidad, patrones de código y validación de seguridad. Esto resuelve el problema común donde la documentación diverge de la realidad, los patrones de código varían por desarrollador, y el conocimiento institucional se va cuando los ingenieros seniors se van.

# .kiro/hooks/validate-react-components.md
Trigger: On file save in src/components/**/*.tsx

Validar que el componente sigue el Principio de Responsabilidad Única.
Si se encuentran violaciones, sugerir refactorización en componentes más pequeños.
Actualizar la documentación del componente en el README adyacente si existe.

Kiro también soporta Agent Steering—conocimiento persistente de proyecto almacenado en archivos markdown en .kiro/steering/. Esto le da a la IA contexto sobre tu stack tecnológico, estructura de archivos y patrones de código que sobrevive entre sesiones. Combinado con soporte para Model Context Protocol (MCP), puedes conectar a documentación externa, bases de datos, APIs y más.

Los Modelos Detrás de Kiro

Durante mis pruebas, usé este prompt para verificar exactamente qué estaba alimentando a Kiro:

What model powers you? List: model name, API model ID, 
release date, context window, max output tokens, 
and knowledge cutoff.

Aquí está lo que descubrí sobre la situación de modelos de Kiro—y esto es importante para establecer expectativas:

Kiro introdujo "Auto"—un agente que usa una mezcla de diferentes modelos de frontera combinados con modelos especializados, detección de intención, caché y técnicas de optimización. El objetivo es mejor equilibrio de calidad, latencia y costo. Al usar Auto, ciertas tareas que consumen X créditos vía Sonnet 4 directo cuestan menos porque el sistema inteligentemente enruta al modelo más apropiado.

Para aquellos que quieren control directo, puedes explícitamente seleccionar Sonnet 4 para tus prompts, aunque esto consume créditos a una tasa más alta (aproximadamente 1.3x comparado con Auto).

Precios y Créditos

Los precios de Kiro han sido... controversiales. El feedback de la comunidad fue alto, y AWS respondió con múltiples ajustes. Aquí está el estado actual:

Los nuevos usuarios reciben un paquete de bienvenida de 500 créditos de bonificación utilizables en 30 días, independientemente del plan elegido—incluyendo el nivel gratuito. Esto da tiempo para genuinamente experimentar las capacidades de Kiro antes de comprometerse.

Entendiendo el Consumo de Créditos

Aquí es donde las cosas se vuelven matizadas. Los créditos no son simplemente "un prompt = un crédito." Un crédito es una unidad de trabajo en respuesta a prompts del usuario:

• Prompts simples pueden consumir menos de 1 crédito
• Prompts complejos, especialmente ejecución de tareas spec, típicamente cuestan más de 1 crédito
• Diferentes modelos consumen créditos a diferentes tasas
• Los créditos se miden hasta el segundo decimal (mínimo 0.01 créditos)

En mis pruebas, una simple pregunta de verificación de modelo costó solo 0.1 créditos—notablemente eficiente. Pero crear una spec completa de proyecto puede consumir 15-25 interacciones, y las implementaciones complejas de múltiples archivos queman créditos rápidamente.

Excedente y Facturación

En planes de pago, puedes habilitar excedente para continuar trabajando después de tus límites mensuales. Los créditos adicionales cuestan $0.04 cada uno, facturados al final del mes. El excedente está deshabilitado por defecto y debe ser explícitamente habilitado en Configuración—una salvaguarda sensata contra facturas sorpresa.

AWS también ofrece el Programa de Créditos para Startups de Kiro—hasta un año de acceso Pro+ sin costo para startups calificadas. Si estás construyendo una empresa y encajas en los criterios, esto es un valor significativo.

Mi Experiencia Honesta

Déjame compartir mi experiencia personal con Kiro, sin filtros. Entré emocionado—¿AWS entrando en el espacio de IDE con IA con un enfoque genuinamente nuevo? Cuenten conmigo.

El workflow basado en especificaciones es genuinamente impresionante cuando funciona. Ver a Kiro transformar una solicitud vaga de feature en historias de usuario estructuradas con criterios de aceptación EARS, luego generar un documento de diseño técnico analizando tu base de código existente, luego dividir eso en tareas de implementación secuenciadas—se sintió como tener un ingeniero senior a bordo que realmente documenta su trabajo.

La comunidad hace eco de frustraciones similares. Un desarrollador reportó gastar más de 310 horas y $620 en créditos de IA en un proyecto que debería haber tomado 20-30 horas, logrando solo 50% de éxito—dos de cuatro módulos funcionando. Las tareas frecuentemente se atascan, fallan y requieren múltiples reintentos manuales. Las tareas que fallan pierden contexto, forzando reinicios desde cero mientras queman límites de uso.

Problemas comunes que encontré y otros reportan:

• Errores de alto tráfico: "El modelo que seleccionaste está experimentando alto volumen de tráfico. Intenta cambiar el modelo." Mejor en planes de pago, pero aún ocurre.
• Loops de debugging: La IA a veces cae en patrones circulares, aplicando la misma corrección incorrecta repetidamente.
• Exceso de features: Kiro tiende a generar soluciones "industriales, de grado militar" cuando código más simple bastaría—20 archivos y 1,500 líneas para lo que podría ser 200 líneas.
• Pérdida de contexto: Lógica correctamente implementada a veces se mezcla con código de tareas anteriores completamente diferentes.
• Bugs de consumo de créditos: El lanzamiento inicial de precios tuvo problemas de medición causando picos de uso inesperados (AWS reconoció y corrigió).

Del lado positivo, los créditos de Kiro son generosos para consultas simples. Cuando el workflow de spec funciona bien, genuinamente produce código de mayor calidad y más mantenible que el vibe coding solo. La documentación que emerge es legítimamente útil para colaboración en equipo.

Mi conclusión de las pruebas prácticas: Kiro es muy joven. El nivel de inteligencia del agente todavía está en desarrollo. Necesita más iteración antes de estar listo para workflows profesionales. Pero la base es sólida, y la filosofía es correcta. AWS respondió bien al feedback de la comunidad, reembolsando a usuarios afectados por bugs de precios y extendiendo períodos de acceso gratuito.

Kiro vs Cursor vs Windsurf

Vamos a cortar el marketing y comparar estas herramientas en lo que realmente importa:

Benchmarks de Rendimiento

Basado en pruebas en escenarios comunes de desarrollo:

Kiro:    45 min (incluye docs/tests completos)
Cursor:  65 min (arquitectura manual)
Windsurf: 70 min (buen manejo multi-archivo)
Copilot: 85 min (contexto limitado)

La métrica destacada es la consistencia de Kiro—mientras los competidores pueden ser más rápidos para completaciones simples, Kiro mantiene alta precisión en operaciones complejas de múltiples archivos. El enfoque basado en especificaciones brilla particularmente en diseño de base de datos y arquitectura de API, áreas donde los asistentes de IA tradicionales tienen dificultades.

Quién Debería Usar Kiro

Consejos y Mejores Prácticas

Después de pruebas extensivas e investigación comunitaria, aquí están las estrategias que maximizan el valor de Kiro:

Veredicto Final

¿Mi recomendación? No te suscribas a Kiro todavía si esperas que reemplace tu workflow de desarrollo principal. Las capacidades de agente aún son muy jóvenes, la confiabilidad no está ahí, y la curva de aprendizaje del desarrollo basado en especificaciones es real.

Pero sigue observando. AWS creó algo genuinamente diferente con el enfoque basado en especificaciones. La filosofía—de que la programación con IA debería forzar claridad de pensamiento en lugar de solo velocidad de digitación—es profunda. Cuando Kiro madure, puede cambiar cómo pensamos sobre el desarrollo asistido por IA por completo.

Prueba el nivel gratuito. Experimenta el workflow de spec en un proyecto pequeño. Ve si la estructura resuena con cómo quieres trabajar. Y si estás construyendo un equipo o empresa donde la documentación y consistencia importan más que la velocidad bruta, Kiro ya puede ser exactamente lo que necesitas.