AWS lleva años hablando de inteligencia artificial para desarrolladores, pero ahora da un salto curioso: tres agentes de IA autónomos pensados para trabajar contigo dentro del ciclo completo de desarrollo de software. No solo te sugieren código, también vigilan la seguridad y automatizan tareas de DevOps que normalmente se comen horas de tu tiempo.
Imagina que puedes pedir a una IA que actualice una pieza crítica usada por 15 aplicaciones y que ella sola se encargue de todo el trabajo sucio. Eso es justo lo que promete AWS Kiro Autonomous Agent, acompañado por AWS Security Agent y DevOps Agent.
Para empezar, conviene aclarar el concepto. Amazon ha presentado tres frontier agents de IA en AWS, es decir, agentes diseñados para encargarse de tareas completas dentro del desarrollo de software, no solo para responder preguntas sueltas. Están pensados para integrarse en tu día a día como desarrollador y asumir bloques de trabajo enteros.
Estos tres agentes de IA ya están disponibles en versión de vista previa, así que puedes empezar a probarlos, aunque todavía estén en fase temprana. Cada uno se especializa en una parte distinta del ciclo de vida del código: redacción y actualización de código, seguridad y automatización de DevOps con foco en prevención de incidentes durante los despliegues.
El primero en la lista, y el más llamativo, es AWS Kiro Autonomous Agent. Este agente de IA no nace de cero, sino que se basa en Kiro, la herramienta de programación asistida por IA que AWS presentó en julio. Aquella primera versión de Kiro estaba pensada para “vibe coding” o prototipado rápido, pero ya apuntaba a generar también código operativo válido para producción.
La novedad de Kiro Autonomous Agent está en el nivel de autonomía. La promesa de AWS es que este agente va a poder trabajar de forma independiente durante horas o incluso días, siguiendo tus indicaciones pero sin necesidad de que estés encima de él cada minuto. Su objetivo es encargarse de tareas complejas del backlog y sacarlas adelante casi como si fuera un miembro más del equipo.
También te puede interesar:Amazon Kiro: su apuesta de IA para generación de código en tiempo realPara que Kiro no genere código al azar, AWS se apoya en un enfoque llamado spec-driven development o desarrollo guiado por especificaciones. La idea es que, mientras Kiro va escribiendo código, tú le vas indicando si sus suposiciones son correctas, corrigiendo detalles o validando decisiones técnicas. Con esa interacción, las especificaciones se construyen poco a poco.
En la práctica, Kiro Autonomous Agent aprende tus reglas internas a través de este diálogo: estilos de código, patrones de arquitectura, reglas de negocio y estándares de calidad. Cada confirmación o corrección tuya se convierte en parte de las especificaciones que va a seguir después. Sigues teniendo el control humano para marcar el ritmo y revisar los resultados antes de que lleguen a producción.
Otra pieza clave de AWS Kiro Autonomous Agent es que no se limita a lo que le escribes en un prompt. El agente observa cómo trabaja tu equipo en distintas herramientas y extrae patrones. Por ejemplo, es capaz de escanear el código existente de tus repositorios, analizar cómo están construidas tus aplicaciones y detectar procesos habituales.
Con todo este material, Kiro entrena un modelo mental propio de tu organización: aprende cómo se estructuran tus servicios, qué librerías prefieres, qué estándares de seguridad sigues y qué pasos se repiten en tu flujo de trabajo. Según AWS, una vez que Kiro ha pasado por esta fase de aprendizaje, puede actuar de forma independiente apoyándose en lo que ha visto del código y los procesos de tu equipo.
Una de las grandes diferencias de AWS Kiro Autonomous Agent respecto a otras IA para programar es lo que Amazon llama “contexto persistente entre sesiones”. En lugar de empezar de cero cada vez que le hablas, Kiro recuerda lo que estaba haciendo, qué tareas tenía a medio camino y qué decisiones se habían tomado anteriormente.
Gracias a ese contexto persistente, el agente va a poder recibir una tarea compleja hoy, avanzar durante horas, continuar mañana y seguir afinando sin olvidarse de los detalles. Amazon defiende que esta memoria le permite trabajar de forma autónoma durante horas o días con una intervención humana mínima, algo que hasta ahora resultaba muy difícil con modelos que se “quedan sin contexto”.
La promesa de Kiro no es solo generar fragmentos de código bonitos, sino encargarse de tareas reales de tu backlog. Según el CEO de AWS, Matt Garman, basta con que le asignes una tarea compleja y el agente de IA se encarga de determinar cómo completarla. No hace falta descomponerla tú en pasos minúsculos si no quieres.
En lugar de tener que microgestionar a la IA, el objetivo es que puedas darle una descripción clara del resultado deseado y dejar que Kiro planifique el resto. Siempre vas a poder revisar los cambios, pedir explicaciones o ajustar la dirección cuando lo consideres necesario.
Para ilustrar el potencial de AWS Kiro Autonomous Agent, Garman puso un ejemplo muy concreto. Imagina que tienes una pieza crítica de código, quizás una librería interna o un módulo compartido, que se reutiliza en 15 aplicaciones corporativas distintas. Cualquier cambio en esa pieza afecta a todo el ecosistema.
En un flujo tradicional, tendrías que revisar una a una esas 15 aplicaciones, adaptar el código, pasar pruebas y cuidar de que nada se rompa. Con Kiro Autonomous Agent, la idea es otra: puedes darle una instrucción única para actualizar esa pieza crítica y dejar que el agente recorra todas las aplicaciones afectadas, aplique los cambios necesarios y prepare las actualizaciones de forma coherente.
Si lo aterrizamos a tu día a día, un uso básico de AWS Kiro Autonomous Agent podría seguir una secuencia como esta:
Con este flujo, vas a poder usar AWS Kiro Autonomous Agent como un “compañero de trabajo” que se encarga de gran parte del esfuerzo repetitivo, mientras tú te centras en validar decisiones clave y en las partes más críticas del diseño.
El segundo pilar de estos frontier agents es AWS Security Agent, un agente de IA enfocado en la seguridad del código. Su función es trabajar de forma bastante independiente mientras tú escribes, sin esperar a que el proyecto esté casi terminado para revisar vulnerabilidades.
Este agente está diseñado para detectar problemas de seguridad durante la escritura del código, no solo después. Así, en lugar de encontrarte con una auditoría de seguridad enorme al final del sprint, vas corrigiendo posibles fallos conforme aparecen, lo que encaja mejor con un flujo de integración continua.
AWS Security Agent no se queda en un aviso genérico tipo “esto podría ser peligroso”. Una vez que detecta un posible fallo, el agente prueba el código después de escrito y analiza el comportamiento para ver si realmente hay un problema de seguridad o si es un falso positivo.
Cuando confirma la vulnerabilidad, propone correcciones concretas para solucionar esos fallos de seguridad. Aquí entras tú para revisar las sugerencias y decidir qué cambios aplicar. De esta forma, vas a poder integrar la seguridad en el ciclo de desarrollo de una forma mucho más natural, sin que se convierta en una barrera al final del proceso.
El tercer agente es DevOps Agent, pensado para quienes se encargan de pruebas, despliegues y operaciones en la nube. Su misión es automatizar gran parte del trabajo repetitivo asociado a DevOps, sobre todo cuando se despliega nuevo código en AWS y quieres evitar sustos en producción.
Este DevOps Agent pone el foco en probar el código antes de que llegue a los entornos críticos, con la idea de prevenir incidentes en los despliegues. Así, se complementa con Kiro y Security Agent para cerrar el círculo: desarrollo, seguridad y operaciones trabajando juntos con ayuda de la IA.
Una de las funciones principales de DevOps Agent es automatizar las pruebas de rendimiento del nuevo código. El agente lanza pruebas diseñadas para detectar cuellos de botella, consumos excesivos de recursos o comportamientos anómalos que podrían provocar problemas bajo carga real.
Al mismo tiempo, DevOps Agent comprueba la compatibilidad del nuevo código con el resto de tu ecosistema. Esto incluye otros programas, el hardware en el que corre y la configuración concreta de tu nube en AWS. Al cubrir tanto rendimiento como compatibilidad, el agente te ayuda a reducir riesgos antes de que pulses el botón de desplegar.
Si sigues las noticias de IA, quizá te suene que los agentes de Amazon no son los primeros en prometer largas sesiones de trabajo autónomo. OpenAI, por ejemplo, anunció su modelo GPT‑5.1‑Codex‑Max, diseñado para ejecuciones prolongadas de 24 horas orientadas también a tareas de programación.
Con todo, AWS presenta su enfoque como un paso más hacia agentes de IA con mayores ventanas de contexto y más autonomía operativa. La clave, según Amazon, está en combinar esa capacidad de trabajar durante mucho tiempo con el contexto persistente entre sesiones y el aprendizaje de los procesos internos de cada equipo.
Pese a todos estos avances, hay un punto que no puedes pasar por alto: el principal obstáculo para adoptar agentes autónomos no es solo el tamaño de la ventana de contexto ni la duración de la ejecución. Los modelos de lenguaje siguen arrastrando problemas de alucinaciones y falta de precisión, que tú como desarrollador conoces bien.
Por culpa de esos fallos, muchos equipos se ven obligados a actuar como “canguros” de la IA, vigilando de cerca lo que hace el agente y revisando cada cambio con lupa. Eso lleva a que, en la práctica, muchos desarrolladores prefieran asignar tareas cortas y fácilmente verificables antes que dejar a la IA trabajar sin supervisión durante horas.
Si queremos que agentes como AWS Kiro Autonomous Agent se conviertan en auténticos compañeros de trabajo, hace falta seguir ampliando el tamaño de las ventanas de contexto. Un agente que pierde de vista lo que estaba haciendo cada pocas interacciones es casi imposible de integrar en tareas largas o proyectos complejos.
La apuesta de Amazon con estos frontier agents va en esa dirección: más contexto, más autonomía y un enfoque muy centrado en el comportamiento real de los equipos de desarrollo. Todavía vas a tener que supervisar, corregir y validar, pero cada vez vas a poder delegar más trabajo mecánico y repetitivo en la IA, tanto en Kiro como en AWS Security Agent y DevOps Agent.
Si juntas todo lo que hemos visto, se dibuja una idea clara: AWS Kiro Autonomous Agent quiere pasar de ser una simple ayuda para escribir código a convertirse en una IA que entiende tus procesos, mantiene contexto persistente entre sesiones y es capaz de actualizar una pieza compartida en 15 aplicaciones con una sola instrucción.
Combinado con AWS Security Agent para revisar seguridad en tiempo real y DevOps Agent para pruebas de rendimiento y compatibilidad, el objetivo es que empieces a tratar a estos frontier agents como parte del equipo, sabiendo que todavía necesitan tu supervisión, pero ya pueden asumir una parte muy seria del trabajo técnico.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
La Newsletter Diaria Sobre Inteligencia Artificial. Además: Portal de Noticias, Tutoriales, Tips y Trucos de ChatGpt, Openai e Inteligencia Artificial.
Nuestra web está alojada en:
