Aquí es donde entra en escena Spec Driven Development (SDD). En vez de escribir código a golpe de inspiración y luego intentar documentarlo, SDD propone lo contrario: primero una buena especificación, clara y compartida; después, que la IA haga su magia.

SDD no pretende resucitar el espíritu del viejo waterfall (DEP: Documento Extenso Pesado), sino mantener las decisiones técnicas por escrito y versionadas.

Una buena especificación técnica SDD:

• Explica qué queremos y por qué.
• Se mantiene viva: evoluciona con el proyecto.
• Sirve de brújula para que los agentes generen y validen código.

Es como dejar notas claras a un asistente: cuanto mejor lo expliques, menos sorpresas habrá.

El vibe coding tiene su encanto: cualquiera puede improvisar algo funcional usando lenguaje natural. Pero cuando queremos calidad, seguridad y arquitectura, la improvisación empieza a sonar menos a jazz y más a banda de principiantes.

SDD propone un proceso más afinado:

1. Especificar: qué queremos y para qué.
2. Planificar: arquitectura, tecnología y límites.
3. Desglosar tareas: pasos concretos y verificables.
4. Implementar: el agente trabaja, tú revisas.

Eso sí, SDD tampoco es perfecto. Puede generar montañas de Markdown, necesita revisión humana constante y, en sistemas grandes, puede que aporte menos valor del esperado.

Ventajas clave del Spec Driven Development

SDD ofrece varias ventajas clave:

• Establece un contexto común entre el equipo y la IA, lo que reduce malentendidos y alinea las expectativas desde el principio.
• Aporta calidad y previsibilidad, ya que partir de requisitos claros permite generar soluciones más coherentes y sin sobresaltos.
• Favorece una iteración segura, donde la especificación y el plan pueden actualizarse sin comprometer la estabilidad del proyecto.
• Resulta especialmente útil en proyectos greenfield, en la ampliación de sistemas complejos o en la modernización de sistemas heredados.

Limitaciones y riesgos a considerar

• SDD puede derivar en una carga documental considerable, especialmente si no se controla el volumen de especificaciones y revisiones.
• A veces introduce una rigidez que recuerda al waterfall, lo que puede frenar la agilidad si no se aplica con criterio.
• Muchas de las herramientas actuales aún están poco maduras, lo que implica resultados desiguales y la necesidad de una supervisión más estrecha de lo deseable.

En el ecosistema actual empiezan a consolidarse varias herramientas pensadas para trabajar con SDD o, al menos, para facilitar la colaboración con agentes de IA durante el desarrollo.

GitHub Spec Kit

Se presenta como un conjunto abierto de utilidades que permite integrar SDD en flujos donde intervienen agentes. El kit proporciona una CLI (specify), plantillas y formatos estándar para redactar especificaciones, planes técnicos y tareas, así como un archivo constitution.md en el que el equipo define principios innegociables del proyecto. Desde el propio agente pueden generarse los distintos artefactos, lo que facilita mantener una documentación coherente. Visitar GitHub Spec Kit.

AL Development Collection for GitHub Copilot

Está orientado específicamente a desarrolladores de Business Central. Ofrece una instalación muy sencilla y un conjunto de instrucciones predefinidas que aplican convenciones, patrones de diseño y buenas prácticas. Sus flujos y agentes especializados están pensados para cubrir tareas habituales —desde crear nuevos objetos hasta depurar o generar APIs— y cuenta con un sistema de coordinación entre roles de agente que aporta coherencia al resultado. Visitar AL Development Collection for GitHub Copilot

BC Prompt Kit

Es una colección de prompts muy útil para quienes quieren empezar a experimentar con IA sin adoptar aún SDD completo. Incluye prompts para crear objetos AL, comprender código heredado, documentar y refactorizar. Su creador enfatiza lo valioso que resulta contar con buenos prompts y un servidor MCP, y recuerda que la revisión humana sigue siendo imprescindible. Visitar BC Prompt Kit

Google Antigravity y el futuro emergente

Como tendencia emergente, Google Antigravity apunta hacia un futuro en el que varios agentes colaboran en paralelo en tareas completas: programar, compilar, desplegar o probar. La plataforma combina un IDE con capacidades de IA y una interfaz desde la que se puede coordinar y supervisar a los agentes. Además, genera artefactos como listas de tareas y capturas de pantalla para facilitar la validación del trabajo realizado. Visitar Google Antigravity

Con todo esto, el desarrollador moderno se convierte en algo así como el editor técnico de la IA: revisa, corrige, orienta y decide. Menos teclear líneas repetitivas, más criterio y supervisión.

Y por favor: alguien tiene que vigilar que el agente no convierta su repo en una avalancha de Markdown y, por ahora, le toca a usted mantenerlo a raya.

Aunque SDD suele presentarse como una metodología, en sentido estricto aún no lo es: se trata más bien de un enfoque emergente —similar a cómo TDD o BDD empezaron— que estructura el trabajo con agentes de IA alrededor de una especificación viva. No define roles, prácticas formales ni un ciclo de vida completo, pero sí introduce un patrón claro de trabajo que muchos equipos ya están adoptando. Con el tiempo podría evolucionar hacia una metodología formal si surgen estándares, roles y herramientas más maduras.

SDD devuelve orden y claridad al desarrollo asistido por IA, pero como todo enfoque emergente, necesita moderación y espíritu crítico. Las herramientas ayudan, pero no sustituyen la experiencia humana. Si define buenas especificaciones, elige bien sus ayudas (Spec Kit, AL Collection, BC Prompt Kit) y mantiene el proceso ligero, tendrá lo mejor de ambos mundos.

Dicho esto, conviene estar alerta ante la tendencia a «sobredocumentarlo todo». Que la IA trabaje más, y usted mejor, no al revés.