He estado usando asistentes de codificación con inteligencia artificial durante unos ocho meses. Herramientas como Cursor y GitHub Copilot son impresionantes, pero compartían un problema que me desesperaba: olvidan el contexto. Explicas la arquitectura del proyecto, el asistente genera código y cinco minutos después vuelves a explicar lo mismo. Cada sesión empieza desde cero y cada nueva petición de característica exige volver a dar todo el contexto.
Para evitar repetir lo mismo creé un archivo de texto con notas que copiaba y pegaba al empezar: usamos Zustand en vez de Redux, todas las llamadas a la API pasan por nuestro fetcher con reintentos, los componentes siguen el patrón compound, los tests van en el directorio __tests__. Terminaba dedicando cerca del 10 por ciento de mi tiempo de desarrollo a explicar el proyecto a la IA una y otra vez.
Entonces probé Kiro y cambió radicalmente mi forma de trabajar con IA. La clave fueron dos conceptos: archivos de direccionamiento y ganchos de agente.
Archivos de direccionamiento. Kiro permite guardar documentos persistentes en el proyecto en .kiro/steering donde se definen normas y ejemplos. Por ejemplo, yo incluí indicaciones sobre acceso a base de datos: siempre Prisma, nunca SQL crudo, con ejemplo de uso; patrones de API: limitación de tasa, manejo de errores con AppError, validación con Zod; y estándares de pruebas: directorio __tests__, Vitest, mock de Prisma, cobertura mínima del 80. Lo escribes una vez y Kiro lo recuerda permanentemente. Al solicitar un nuevo endpoint, el código generado ya respeta esas convenciones. Adiós a repetir la misma explicación.
Ganchos de agente. Más allá de los archivos de direccionamiento, los agent hooks son automatizaciones activadas por eventos, escritas en lenguaje natural. Son como acciones de CI local impulsadas por IA. En segundos configuré un gancho que al guardar un componente React comprueba si existe su test en __tests__, lo crea o lo actualiza para cubrir nuevas props y funciones y ejecuta la prueba para mostrar resultados. No programé scripts complejos, sólo instrucciones en lenguaje claro. Desde entonces no he creado un archivo de test manualmente en una semana.
Otros ganchos útiles que configuré: al guardar rutas de API actualiza la documentación en docs/API.md extrayendo métodos, parámetros y tipos; antes de un commit se ejecuta una revisión de seguridad que busca claves embebidas, console.log en producción, comentarios TODO sin issue; y al modificar package.json verifica configuraciones necesarias y actualiza la documentación de setup. Cada gancho tomó menos de un minuto en crearse y me han ahorrado horas.
Especificaciones antes de codificar. Kiro genera especificaciones de forma automática a partir de una descripción natural. Usa un enfoque claro para requisitos llamado EARS, que exprime los desencadenantes, condiciones y acciones para evitar ambigüedades. En un ejemplo con historial de transacciones Kiro produjo: requisitos de usuario con filtros y exportación, diseño del sistema con flujos de datos y contratos de API, desglose de tareas en secuencia y criterios de prueba. El spec detectó la necesidad de paginación, manejo de zonas horarias y comportamiento con transacciones fallidas antes de escribir una sola línea de código.
Flujo de desarrollo transformado. Antes: pensar la característica, lanzarse a codificar, explicar patrones al asistente, corregir el código, escribir tests y actualizar docs a mano. Con Kiro: describes la funcionalidad, revisas y apruebas el spec, Kiro implementa siguiendo el spec, los ganchos mantienen tests y documentación sincronizados y tú sólo revisas y commiteas. Muchas tareas repetitivas desaparecen gracias a steering y hooks.
Un caso práctico. Añadir un sistema de notificaciones para alertar sobre transacciones grandes, fallidas, saldo bajo o actividad inusual me habría llevado unas seis horas con un asistente tradicional, con mucha supervisión manual y tests olvidados. Con Kiro la especificación llevó 25 minutos, la implementación unas dos horas y media incluyendo que las pruebas y la documentación se mantuvieran actualizadas automáticamente. El resultado fue código consistente con las reglas del proyecto desde el primer commit.
Cómo empezar con un gancho simple. Abre Kiro en VS Code, entra en Agent Hooks, pulsa el plus y escribe en lenguaje natural algo como: al guardar un archivo, busca console.log y coméntalos con una nota de que deben eliminarse en producción. Kiro traduce esa instrucción a una configuración y la ejecuta. Prueba también ganchos para ejecutar prettier al guardar, añadir imports estándar al crear un .tsx o actualizar la sección de dependencias del README al modificar package.json.
Integración MCP. Kiro soporta Model Context Protocol para conectar fuentes externas: documentación interna, esquemas de base de datos, especificaciones Postman o Swagger, búsqueda web y Slack. En mi caso conecté el wiki de la empresa como servidor MCP para que las referencias y decisiones internas se usen al generar código, no sólo reglas genéricas.
Limitaciones actuales. La integración con el terminal no es perfecta y algunos comandos fallan ocasionalmente, lo que puede resultar molesto al ejecutar tests o arrancar servidores. Aun así, la mejora en persistencia de contexto y automatización compensa ese inconveniente y la plataforma sigue avanzando rápidamente.
Por qué puede interesarte. Si estás cansado de re-explicar tu proyecto a la IA, quieres imponer patrones y estándares automáticamente o trabajas en proyectos complejos que requieren coherencia, herramientas con persistencia de contexto y ganchos de automatización pueden multiplicar tu productividad. Para trabajos puntuales o scripts rápidos, asistentes como Copilot siguen siendo válidos y más ligeros.
En Q2BSTUDIO ayudamos a empresas a aprovechar estas ventajas integrando soluciones de inteligencia artificial y agentes IA en sus procesos de desarrollo. Ofrecemos servicios de desarrollo de software a medida y aplicaciones a medida, automatización de procesos y consultoría para desplegar soluciones seguras en la nube. Si quieres explorar cómo incorporar ganchos y especificaciones automatizadas en tus proyectos consulta nuestra sección de inteligencia artificial y descubre servicios de automatización de procesos.
Además, en Q2BSTUDIO contamos con experiencia en ciberseguridad y pentesting para asegurar que las automatizaciones y agentes IA no introduzcan vectores de riesgo, y ofrecemos servicios cloud aws y azure para desplegar infraestructuras robustas. Complementamos con servicios de servicios inteligencia de negocio y power bi para que tus datos y alertas sean accionables.
Si quieres probar esta forma de trabajar empieza por crear un archivo de direccionamiento con las reglas de tu proyecto, configura un gancho sencillo y genera una especificación para la siguiente tarea. La combinación de steering files, agent hooks y specs puede ahorrarte tiempo y producir código más consistente, probado y documentado desde el primer momento.
