Saya Menguji AWS Kiro Selama Satu Bulan Dan Inilah Yang Tidak Pernah Diberitahu Siapapun

Mengapa Kiro Penting Sekarang

Izinkan saya berbicara langsung: saya sangat merekomendasikan semua orang—terutama non-programmer dan orang non-teknis—untuk mengeksplorasi dunia agen IDE AI. Tool-tool ini telah secara fundamental mengubah apa yang mungkin dilakukan. Seseorang yang tidak tahu apa-apa tentang coding, tidak tahu apa-apa tentang ilmu komputer, sekarang dapat menginstruksikan komputer untuk bekerja melalui jendela chat sederhana. Seperti memiliki karyawan profesional yang tidak pernah tidur, tidak pernah mengeluh, dan benar-benar memahami apa yang ingin Anda capai.

Anda tidak lagi memerlukan bertahun-tahun pelatihan khusus. Anda tidak perlu menghafal sintaks atau bergulat dengan dokumentasi. Anda membutuhkan ide. Anda membutuhkan kemampuan untuk berpikir jernih tentang apa yang Anda inginkan. Itu saja.

Lanskap AI coding di tahun 2025 telah meledak. Kita memiliki Cursor yang mendominasi dengan antarmukanya yang intuitif. Windsurf (sebelumnya Codeium) mendorong batas pengembangan agent-native. Claude Code membawa workflow terminal-first ke massa. GitHub Copilot berkembang dengan kemampuan agentik baru. Dan kemudian AWS, raksasa infrastruktur cloud, diam-diam meluncurkan Kiro—dan tiba-tiba percakapan berubah.

Menurut data SimilarWeb, Kiro.dev sekarang menarik lebih dari satu juta pengunjung bulanan. Itu bukan sekadar keingintahuan—itu minat developer nyata terhadap tool yang berjanji memperbaiki apa yang rusak dalam pengembangan berbantuan AI.

Apa Itu Kiro

Kiro adalah IDE AI agentik yang dikembangkan oleh AWS, dibangun di atas Code OSS—fondasi open-source dari Visual Studio Code. Ini berarti pengaturan VS Code Anda yang ada, ekstensi, dan muscle memory langsung dapat ditransfer. Anda tidak mempelajari tool yang sepenuhnya baru; Anda mendapatkan superpower di tempat yang familiar.

Tapi inilah yang membuat Kiro secara fundamental berbeda dari setiap tool AI coding lainnya: berbasis spesifikasi. Sementara Cursor dan Windsurf fokus pada membuat code completion lebih cepat dan lebih cerdas, Kiro mengajukan pertanyaan yang sama sekali berbeda—bagaimana jika AI dapat membantu Anda merencanakan sebelum coding?

Menariknya, Kiro diposisikan sebagai "sedikit terpisah dari inti AWS lainnya," menurut Nathan Peck, AWS developer advocate. Tujuannya adalah agar Kiro memiliki identitas unik yang menarik bagi developer di semua platform—tidak hanya mereka yang sudah berinvestasi dalam ekosistem AWS. Anda dapat menggunakan Kiro tanpa akun AWS, login via Google atau GitHub.

Posisi strategis ini penting. CEO AWS Matt Garman menggambarkan Kiro sebagai "IDE agentik yang membawa developer dari prototipe ke produksi dengan struktur yang dibutuhkan kode siap-produksi." Ini tidak mencoba menggantikan tool prototipe cepat Anda—mencoba memastikan prototipe tersebut benar-benar sampai ke produksi.

Revolusi Berbasis Spesifikasi

Inilah masalah yang Kiro coba selesaikan: vibe coding. Anda tahu itu. Saya tahu itu. Kita semua pernah melakukannya. Anda membuka AI chat, mendeskripsikan secara kasar apa yang Anda inginkan, iterasi melalui prompt sampai sesuatu berfungsi, dan kirimkan. Cepat. Terasa seperti sihir. Dan menciptakan utang teknis yang menghantui Anda selama berbulan-bulan.

Vibe coding menghasilkan kode yang sering bertele-tele, tidak konsisten secara gaya, dan tidak mengikuti pola arsitektur yang mapan. AI membuat asumsi yang tidak pernah Anda setujui. Persyaratan tetap kabur karena tidak ada yang menuliskannya. Enam bulan kemudian, ketika Anda perlu memodifikasi fitur, Anda tidak tahu mengapa keputusan tertentu dibuat.

Pendekatan berbasis spesifikasi Kiro menghasilkan tiga file yang saling terhubung yang membentuk fondasi setiap fitur:

Ketik "Tambahkan sistem review untuk produk" dan Kiro tidak hanya menghasilkan kode. Ini menghasilkan user story untuk melihat, membuat, memfilter, dan memberi rating review. Setiap user story menyertakan acceptance criteria yang mencakup edge case yang biasanya ditangani developer selama implementasi. Hanya setelah Anda meninjau dan menyetujui spesifikasi ini, coding sebenarnya dimulai.

Ini mungkin terdengar lebih lambat. Memang—pada awalnya. Tapi imbalannya datang dalam siklus iterasi yang berkurang, komunikasi tim yang lebih jelas, dan kode yang benar-benar melakukan apa yang Anda maksudkan. Spesifikasi menjadi sumber kebenaran tunggal yang dapat dirujuk baik manusia maupun agen AI sepanjang siklus hidup proyek.

Sintaks EARS Dijelaskan

EARS—Easy Approach to Requirements Syntax—adalah saus rahasia di balik sistem spesifikasi Kiro. Dikembangkan oleh Alistair Mavin dan rekan-rekannya di Rolls-Royce saat menganalisis regulasi kelaikan udara untuk sistem kontrol mesin jet, EARS menyediakan format terstruktur untuk menulis persyaratan yang jelas, tidak ambigu, dan dapat diuji.

EARS bukan sekadar auto-formalisasi yang cerdas. Sebenarnya ini adalah perluasan dari logika temporal, yang merupakan perluasan dari logika orde pertama. Ini memberi Kiro kekuatan nyata untuk memverifikasi proses, mengontrol perilaku model, dan menghubungkan desain ke implementasi.

WHEN [kondisi/event] THE SYSTEM SHALL [perilaku yang diharapkan]

WHEN pengguna mengirim form dengan data tidak valid 
THE SYSTEM SHALL menampilkan error validasi di sebelah field yang relevan

WHEN pengguna berhasil membuat review 
THE SYSTEM SHALL menampilkan pesan konfirmasi dan menambahkan review ke halaman produk

Sintaks EARS mencakup beberapa pola untuk berbagai jenis persyaratan:

Format terstruktur memudahkan pemahaman apa yang diharapkan, mengurangi kesalahpahaman antara tim produk dan engineering. Ini juga membuat persyaratan langsung dapat diuji—setiap pernyataan EARS dapat dikonversi menjadi test case, memastikan tidak ada yang lolos.

Vibe Mode vs Spec Mode

Kiro beroperasi dalam dua mode berbeda, masing-masing melayani kebutuhan pengembangan yang berbeda:

Anda dapat berpindah antar mode secara alami. Mulai percakapan vibe untuk mengeksplorasi ide, lalu katakan "Generate spec" ketika Anda siap memformalkan. Kiro akan bertanya apakah Anda ingin memulai sesi spec dan melanjutkan dengan menghasilkan persyaratan berdasarkan konteks percakapan Anda.

Ada juga Autopilot Mode—aktifkan di sudut kanan bawah dan Kiro bertransformasi menjadi akselerator pengembangan. Di Autopilot, Kiro mengimplementasikan kode lengkap tanpa menunggu persetujuan Anda di setiap langkah, mengurangi waktu pengembangan dengan menghilangkan persetujuan bolak-balik. Gunakan untuk komponen fundamental dan boilerplate. Beralih ke mode supervised untuk logika bisnis kritis di mana Anda ingin meninjau setiap perubahan.

Agent Hooks dan Otomatisasi

Hooks adalah inovasi besar kedua Kiro—otomatisasi berbasis event yang memicu agen AI di latar belakang berdasarkan perubahan file. Mereka bertindak seperti developer berpengalaman yang menangkap hal-hal yang Anda lewatkan atau menyelesaikan tugas boilerplate saat Anda bekerja.

Ketika Anda menyimpan file, membuat komponen baru, atau memodifikasi endpoint API, hooks dapat secara otomatis:

Setelah hook di-commit ke Git, ia menegakkan standar di seluruh tim Anda. Semua orang mendapat manfaat dari pengecekan kualitas yang sama, standar coding, dan validasi keamanan. Ini menyelesaikan masalah umum di mana dokumentasi menyimpang dari kenyataan, standar coding bervariasi per developer, dan pengetahuan institusional pergi ketika senior engineer keluar.

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

Validasi bahwa komponen mengikuti Single Responsibility Principle.
Jika ditemukan pelanggaran, sarankan refactoring menjadi komponen lebih kecil.
Update dokumentasi komponen di README yang berdekatan jika ada.

Kiro juga mendukung Agent Steering—pengetahuan proyek persisten yang disimpan dalam file markdown di bawah .kiro/steering/. Ini memberi AI konteks tentang tech stack, struktur file, dan pola coding Anda yang bertahan di seluruh sesi. Dikombinasikan dengan dukungan Model Context Protocol (MCP), Anda dapat terhubung ke dokumentasi eksternal, database, API, dan lainnya.

Model di Balik Kiro

Selama pengujian, saya menggunakan prompt ini untuk memverifikasi apa yang sebenarnya menggerakkan Kiro:

Model apa yang menggerakkanmu? Sebutkan: nama model, API model ID, 
tanggal rilis, context window, max output token, 
dan knowledge cutoff.

Inilah yang saya temukan tentang situasi model Kiro—dan ini penting untuk menetapkan ekspektasi:

Kiro telah memperkenalkan "Auto"—agen yang menggunakan campuran berbagai model frontier dikombinasikan dengan model khusus, deteksi intent, caching, dan teknik optimisasi. Tujuannya adalah keseimbangan kualitas, latensi, dan biaya yang lebih baik. Saat menggunakan Auto, tugas tertentu yang mengkonsumsi X kredit via Sonnet 4 langsung lebih murah karena sistem secara cerdas mengarahkan ke model yang paling sesuai.

Bagi mereka yang menginginkan kontrol langsung, Anda dapat secara eksplisit memilih Sonnet 4 untuk prompt Anda, meskipun ini mengkonsumsi kredit dengan rate lebih tinggi (sekitar 1.3x dibandingkan Auto).

Harga dan Kredit

Harga Kiro telah... kontroversial. Feedback komunitas sangat keras, dan AWS telah merespons dengan beberapa penyesuaian. Inilah keadaan saat ini:

Pengguna baru menerima paket bonus 500 kredit selamat datang yang dapat digunakan dalam 30 hari, terlepas dari paket mana yang mereka pilih—termasuk tier gratis. Ini memberi Anda waktu untuk benar-benar merasakan kemampuan Kiro sebelum berkomitmen.

Memahami Konsumsi Kredit

Di sinilah hal-hal menjadi bernuansa. Kredit bukan sekadar "satu prompt = satu kredit." Kredit adalah unit kerja sebagai respons terhadap prompt pengguna:

• Prompt sederhana dapat mengkonsumsi kurang dari 1 kredit
• Prompt kompleks, terutama eksekusi tugas spec, biasanya lebih dari 1 kredit
• Model berbeda mengkonsumsi kredit dengan rate berbeda
• Kredit diukur hingga desimal kedua (minimum 0.01 kredit)

Dalam pengujian saya, pertanyaan verifikasi model sederhana hanya memakan 0.1 kredit—sangat efisien. Tapi membuat spec proyek lengkap bisa mengkonsumsi 15-25 interaksi, dan implementasi multi-file yang kompleks akan dengan cepat membakar kredit.

Kelebihan dan Penagihan

Di paket berbayar, Anda dapat mengaktifkan kelebihan untuk terus bekerja melewati batas bulanan. Kredit tambahan seharga $0.04 masing-masing, ditagih di akhir bulan. Kelebihan dinonaktifkan secara default dan harus diaktifkan secara eksplisit di Pengaturan—perlindungan yang masuk akal terhadap tagihan mengejutkan.

AWS juga menawarkan Program Kredit Startup Kiro—hingga satu tahun akses Pro+ gratis untuk startup yang memenuhi syarat. Jika Anda membangun perusahaan dan memenuhi kriteria, ini nilai yang signifikan.

Pengalaman Jujur Saya

Biarkan saya berbagi pengalaman pribadi saya dengan Kiro, tanpa filter. Saya datang dengan bersemangat—AWS memasuki ruang IDE AI dengan pendekatan yang benar-benar novel? Hitung saya.

Workflow berbasis spesifikasi benar-benar mengesankan ketika berhasil. Menyaksikan Kiro mengubah permintaan fitur yang samar menjadi user story terstruktur dengan acceptance criteria EARS, kemudian menghasilkan dokumen desain teknis yang menganalisis codebase saya yang ada, kemudian memecahnya menjadi tugas implementasi yang berurutan—terasa seperti memiliki senior engineer di tim yang benar-benar mendokumentasikan pekerjaannya.

Komunitas bergema dengan frustrasi serupa. Seorang developer melaporkan menghabiskan 310+ jam dan $620 dalam kredit AI untuk proyek yang seharusnya memakan 20-30 jam, hanya mencapai 50% keberhasilan—dua dari empat modul berfungsi. Tugas sering macet, gagal, dan memerlukan beberapa retry manual. Tugas yang gagal kehilangan konteks, memaksa restart dari awal sambil membakar batas penggunaan.

Masalah umum yang saya temui dan yang dilaporkan orang lain:

• Error traffic tinggi: "Model yang Anda pilih mengalami volume traffic tinggi. Coba ganti model." Lebih baik di paket berbayar, tetapi masih terjadi.
• Loop debugging: AI terkadang masuk ke pola melingkar, berulang kali menerapkan perbaikan yang salah yang sama.
• Fitur berlebihan: Kiro cenderung menghasilkan solusi "industrial, military-grade" ketika kode yang lebih sederhana sudah cukup—20 file dan 1.500 baris untuk apa yang bisa jadi 200 baris.
• Kehilangan konteks: Logika yang diimplementasikan dengan benar terkadang tercampur dengan kode dari tugas sebelumnya yang sama sekali berbeda.
• Bug konsumsi kredit: Rollout harga awal memiliki masalah metering yang menyebabkan lonjakan penggunaan tak terduga (AWS telah mengakui dan mengatasi ini).

Di sisi positif, kredit Kiro murah hati untuk query sederhana. Ketika workflow spec berfungsi dengan baik, ia benar-benar menghasilkan kode berkualitas lebih tinggi dan lebih maintainable daripada vibe coding saja. Dokumentasi yang muncul benar-benar berguna untuk kolaborasi tim.

Kesimpulan saya dari pengujian langsung: Kiro terlalu muda. Level kecerdasan agent masih berkembang. Butuh lebih banyak iterasi sebelum siap untuk workflow profesional. Tapi fondasinya solid, dan filosofinya benar. AWS telah merespons dengan baik terhadap feedback komunitas, mengembalikan dana kepada pengguna yang terkena bug harga dan memperpanjang periode akses gratis.

Kiro vs Cursor vs Windsurf

Mari kita potong marketing dan bandingkan tool-tool ini berdasarkan yang benar-benar penting:

Benchmark Performa

Berdasarkan pengujian di berbagai skenario pengembangan umum:

Kiro:    45 menit (termasuk dokumentasi/test lengkap)
Cursor:  65 menit (arsitektur manual)
Windsurf: 70 menit (penanganan multi-file bagus)
Copilot: 85 menit (konteks terbatas)

Metrik yang menonjol adalah konsistensi Kiro—sementara kompetitor mungkin lebih cepat untuk completion sederhana, Kiro mempertahankan akurasi tinggi di seluruh operasi multi-file yang kompleks. Pendekatan berbasis spesifikasi sangat bersinar dalam desain database dan arsitektur API, area di mana asisten AI tradisional kesulitan.

Siapa Yang Harus Menggunakan Kiro

Tips Pro dan Praktik Terbaik

Setelah pengujian ekstensif dan penelitian di komunitas, berikut strategi yang memaksimalkan nilai Kiro:

Putusan Akhir

Rekomendasi saya? Jangan berlangganan Kiro dulu jika Anda mengharapkannya menggantikan workflow pengembangan utama Anda. Kemampuan agent masih terlalu muda, keandalan belum sepenuhnya ada, dan kurva pembelajaran untuk pengembangan berbasis spesifikasi itu nyata.

Tapi tetap pantau. AWS telah menciptakan sesuatu yang benar-benar berbeda dengan pendekatan berbasis spesifikasi. Filosofi—bahwa AI coding harus memaksa kejelasan pikiran daripada sekadar kecepatan mengetik—sangat mendalam. Ketika Kiro matang, ia bisa mengubah cara kita berpikir tentang pengembangan berbantuan AI sepenuhnya.

Coba tier gratis. Rasakan workflow spec pada proyek kecil. Lihat apakah strukturnya beresonansi dengan cara Anda ingin bekerja. Dan jika Anda membangun tim atau perusahaan di mana dokumentasi dan konsistensi lebih penting dari kecepatan mentah, Kiro mungkin sudah persis yang Anda butuhkan.