Come ho smesso di essere un formatore stressato, insicuro e con ansia da prestazione usando Kiro.
Sono un AWS Champion Authorized Instructor. Tengo più di 100 corsi all'anno, formo migliaia di professionisti e creo contenuti formativi per diverse piattaforme e-learning in italiano.
Non sono e non mi sono mai venduto come sviluppatore full-stack, ma conosco i principi della programmazione, so scrivere script per automatizzare task ripetitivi e so leggere e modificare codice.
Da diversi mesi Kiro è diventato lo strumento che apro per primo ogni mattina.
Non uso Kiro solo per scrivere o migliorare codice e script. Lo uso soprattutto per produrre contenuti formativi e per preparare le mie lezioni: slide, immagini, animazioni, note del relatore, copioni, quiz, audio, demo, esempi, template, script, pipeline, diagrammi.
Kiro mi ha trasformato in quello che chiamo un augmented trainer: un formatore che usa l'AI non per sostituire la propria competenza, ma per migliorare l'output e la qualità delle lezioni.
Kiro: la mia bicicletta AI agentica per la mente
Una delle frasi che cito spesso nei miei corsi sulla Generative AI è quella di Steve Jobs: il computer è "a bicycle for the mind" — uno strumento che amplifica le capacità intellettuali dell'uomo come la bicicletta amplifica quelle fisiche.
La metafora regge ancora. Ma nel 2026, la bicicletta non ha solo la pedalata assistita e il motore elettrico. Ha anche sensori, prompt, comandi vocali e pilota automatico.
Una pedalata in bicicletta ti fa percorrere, con lo stesso sforzo di un passo, 5 metri invece che uno.
Una AI-Bike agentica ti porta molto più lontano e con meno fatica. Non pedali meno — pedali meglio.
Quando usi questa AI-Bike non smetti di pedalare, né di dare la direzione. Sei tu a controllare il manubrio, le marce e i freni.
Allo stesso modo, quando usi Kiro non sostituisce la tua mente: la amplifica.
Kiro è la mia AI-Bike per la mente. Non pensa al posto mio. Mi porta più lontano con lo stesso sforzo, o allo stesso punto in una frazione del tempo. La direzione la scelgo io. La pedalata è la mia competenza. Il motore è l'agente AI.
Prima ero un trainer che lottava contro il tempo. Oggi sono un trainer che orchestra agenti AI per generare contenuti alla velocità che il mio lavoro richiede.
Il problema che avevo
Quando dovevo preparare un corso impegnativo, il lavoro di preparazione era enorme: demo, note per ogni slide (circa 500 per corso), walking through e spiegazioni dei laboratori, diagrammi, whiteboarding, FAQ, follow-up.
Per farlo ci mettevo giorni, perché dovevo creare:
- Note del relatore in italiano da usare come traccia durante la lezione — una specie di "gobbo digitale"
- Audio narrato generato con Amazon Polly per ripassare il copione mentre facevo altro (palestra, meditazione)
- A volte, presentazioni con audio integrato che partiva automaticamente
- Opzionalmente, un video MP4
Fare tutto manualmente è un incubo. Servono trascrizioni dei video instructor, allineamento con le slide, traduzione, formattazione per il TTS, generazione audio, embedding nel PPTX.
Prima di Kiro ci mettevo settimane. Ora un giorno lavorativo per corso.
Come Kiro ha cambiato il mio flusso
1. Spec-driven per la pipeline
Quando ho dovuto costruire la pipeline "Gobbo Digitale" (trascrizione → copione → audio → PPTX → video), ho usato lo sviluppo guidato da specifiche di Kiro.
Ho scritto in chat:
create a spec for a pipeline that takes AWS instructor enablement videos,
transcribes them, generates Italian speaker notes slide-by-slide,
and produces MP3 audio with Amazon Polly
Kiro ha generato requirements, design e tasks. Poi ha implementato gli script Python uno alla volta — generate_audio.py, embed_audio_all_modules.py, generate_videos.py — ciascuno con gestione errori, chunking per il limite di 3000 caratteri di Polly Neural e tag SSML per la pronuncia dei termini inglesi.
Non ho scritto quegli script da zero. Li ho guidati. Ho pedalato, il motore ha amplificato.
2. Sub-agent per i quiz
Per il mio certification coach, processo più di 200 domande d'esame. Ogni domanda va analizzata, tradotta, categorizzata per dominio e difficoltà e trasformata in formato interattivo.
Uso il pattern sub-agent di Kiro: un agente principale orchestra la pipeline, delegando a sotto-agenti specializzati (traduzione, classificazione, generazione feedback). Il tutto con checkpoint di sessione — se si interrompe, riparte da dove era rimasto.
Nessun altro IDE mi dà questa capacità di orchestrazione su task non-coding.
3. Demo live in aula
Nel corso "Developing Generative AI Applications on AWS" c'è un modulo sugli agenti. La demo ufficiale AWS prevede di mostrare Amazon Bedrock Agents nella console.
Io faccio di meglio: apro Kiro davanti agli studenti e scrivo:
create a spec that adds a REST API endpoint for listing AWS certifications
In 3 minuti gli studenti vedono Kiro generare requirements, design, tasks e poi implementare un'API funzionante con FastAPI. Avvio il server, apro Swagger UI e testo le API live.
Il messaggio è chiaro: spec-driven development non è teoria, è un flusso di lavoro concreto.
Perché non Cursor, non Copilot
Ho provato entrambi. Funzionano bene per il coding puro. Ma il mio lavoro non è coding puro — è orchestrazione.
Cursor è una bicicletta da corsa: velocissima in discesa, ma devi fare tutta la fatica tu. Non ha il concetto di spec. Non posso dirgli "prima pensa, poi progetta, poi implementa". Parte subito a pedalare.
Copilot è un ottimo cambio automatico: ti suggerisce la marcia giusta. Ma non ha il motore. Non gestisce sessioni lunghe con centinaia di file da processare senza perdere il contesto.
Kiro è l'AI-Bike:
- Struttura (specs) — ti obbliga a scegliere la direzione prima di partire
- Autonomia (autopilot) — il motore lavora mentre tu controlli la rotta
- Contesto persistente (steering files) — si ricorda il percorso anche dopo una pausa
- Hooks — il motore si attiva automaticamente quando serve
Per un augmented trainer che produce contenuti su scala, questa combinazione è imbattibile.
Numeri reali
| Metrica | Prima (bici muscolare) | Con Kiro (AI-Bike) |
|---|---|---|
| Tempo per corso completo (copioni + audio) | 2-3 settimane | 1 giorno |
| Costo AWS per corso (~500 slide) | — | ~15-25 $ |
| Quiz processati in batch | manuale, uno a uno | 200+ in una sessione |
| Demo setup time in aula | 15 min | 3 min |
Cosa consiglio a chi vuole provare
Non partire dal codice. Parti da una spec. Scrivi
create a spec that...e descrivi cosa vuoi ottenere. Kiro ragiona meglio quando gli dai una destinazione, non un'istruzione passo-passo.Usa gli steering files. Metti in
.kiro/steering/un file che descrive il tuo progetto, il tuo stile, le tue convenzioni. È come programmare il navigatore della tua AI-Bike — sa dove vuoi andare.Non trattarlo come ChatGPT. Non è una chat. È un agente. Dagli task, lascialo lavorare in autopilot, controlla il risultato. Se freni ogni 30 secondi, il motore non serve a nulla.
Prova con un task non-coding. Un template email, una pipeline di processing, un generatore di contenuti. Kiro brilla quando il problema è di orchestrazione. È lì che il motore fa la differenza.
Cos'è un Augmented Trainer
È un professionista che pedala con il motore acceso.
Un trainer tradizionale prepara il materiale, lo studia, lo presenta. Un augmented trainer orchestra: definisce gli obiettivi, guida agenti AI nella produzione, valida il risultato e consegna.
La competenza resta la stessa. La direzione la scegli tu. Il motore ti permette di:
- Moltiplicare l'output — produrre in un giorno quello che prima richiedeva settimane
- Raggiungere l'eccellenza — ogni spec ti costringe a chiarire cosa vuoi davvero, eliminando l'approssimazione
- Articolare i pensieri — scrivere requirements ti obbliga a pensare prima di fare
- Ragionare meglio — il design document ti mostra trade-off che da solo non avresti considerato
- Prendere decisioni — avere alternative concrete davanti, con pro e contro, riduce la paralisi
- Rimuovere l'incertezza — quando non sai se un approccio funziona, lo fai implementare in 5 minuti e verifichi, invece di rimuginare per ore
Non è un titolo ufficiale. È un modo di lavorare. Ed è alla portata di chiunque abbia competenza nel proprio dominio e la voglia di pedalare in una direzione chiara.
Conclusione
Non ho smesso di essere un trainer. Ho smesso di avere l'ansia da prestazione, di essere stressato e sovraccaricato.
Kiro mi ha potenziato dandomi struttura (specs), autonomia (autopilot) e orchestrazione (sub-agents). Il risultato non è contenuto generato dall'AI. È contenuto prodotto da me, amplificato dall'AI.
Steve Jobs aveva ragione: il computer è una bicicletta per la mente. Nel 2026, quella bicicletta percepisce, ragiona e agisce. Ha il pilota automatico.
E tu cosa aspetti? Procurati la tua AI-Bike agentica e inizia a pedalare.
Luca D'Addeo — AWS Champion Authorized Instructor, Leader AWS User Group Novara, 16x AWS Certified, AWS Golden Jacket
Se vuoi vedere Kiro in azione, i miei repo sono pubblici: kiro-demos | cloud-ops-toolkit | kiro-certification-coach
Top comments (0)