Durante años, en distintos foros, revisiones técnicas, comunidades internas y sesiones de arquitectura, he repetido siempre lo mismo:
el code coverage NO es una métrica fiable de calidad de tests. Y aun así, periódicamente alguien vuelve a preguntar.
SDD coloca la especificación en el centro del desarrollo: define con claridad qué debe hacer el sistema antes de escribir una línea de código, reduciendo ambigüedades y alineando a todo el equipo desde el inicio.
Con AURORA-IA vamos un paso más allá: combinamos spec-centricidad con tests, gobernanza, trazabilidad, pipeline y automatización IA + humana — transformando la spec en una casa real, lista para vivir y crecer con control.
Siempre que pido o propongo algo es por qué se puede hacer, aquí la demo que demuestra como en unos 45 minutos tenemos una recreación de un juego muy sencillo. Veamos como.
Leer más
Adoptar AURORA-IA no es añadir una herramienta, sino incorporar una forma moderna de trabajar donde la intención, la especificación viva y los contratos de comportamiento se convierten en el centro del desarrollo asistido por IA. Entra para ver de que va esta metodología.
Leer más
En mis pruebas reales con modelos de razonamiento (o1) y datos de negocio no cocinados, TOON no fue “mágico”, pero sí consistentemente útil: frente a JSON compacto, TOON-RAW redujo ~25% de tokens sin perder precisión ni aumentar la latencia. Ese ahorro aparece justo donde más duele —en los tool-results entre MCP y los agentes— y se multiplica en arquitecturas AI-native con decenas de llamadas por flujo. La conclusión no es cambiar tus APIs a TOON, sino usar JSON mini en el backend y reservar TOON para la frontera MCP ↔ LLM, donde optimizar tokens sin perder estructura sí importa.
Leer más
