Con la celebración de KubeCon + Cloud Native Con NA 2026 a la vuelta de la esquina en Salt Lake City, el ecosistema de Kubernetes continúa mostrando movimientos significativos, especialmente en el ámbito de la inteligencia artificial (IA) sobre infraestructuras cloud-native. Se observa un creciente interés en la integración de Kubernetes con cargas de trabajo de inferencia de IA, aunque la capacidad de esta plataforma para reflejar con precisión el coste real de dichos procesos sigue siendo un desafío clave.
La multinacional Hewlett Packard Enterprise (HPE) ha sido reconocida por Gartner como ‘Challenger’ en su Magic Quadrant para plataformas de virtualización de servidores. Este reconocimiento refuerza el impulso de HPE Morpheus Software, una solución que ofrece una gobernanza unificada y una gestión integrada para múltiples tipos de cargas, incluyendo máquinas virtuales, contenedores e incluso tareas de inteligencia artificial, todo ello desplegado a través de múltiples nubes y entornos híbridos.
En paralelo, Kubernetes v1.37 ha introducido mejoras esenciales en la seguridad del almacenamiento para contenedores. Red Hat ha destacado novedades que permiten controlar permisos y opciones de montaje en volúmenes vacíos (emptyDir), lo que ayuda a endurecer la seguridad mediante mecanismos de bajo nivel de Linux. Estas actualizaciones son vitales para asegurar la integridad y protección de los datos en entornos de trabajo con cargas de IA y otras aplicaciones críticas. 
En la próxima edición de KubeCon, el Consorcio Cloud Native Computing Foundation (CNCF) ha incluido una nueva pista dedicada a la inferencia de IA y sistemas agenticos (AI Inference + Agentic track). Esta sección analizará cómo Kubernetes se está posicionando para soportar la producción de modelos generativos de inteligencia artificial y cómo surgen nuevas prácticas para construir sistemas con agentes inteligentes basados en protocolos novedosos como MCP y A2A, además de presentar infraestructuras específicas como gateways para IA.
Un caso de éxito destacado es el del China Merchants Bank, que ha logrado unificar aproximadamente el 99% de sus recursos de cómputo para IA bajo una arquitectura basada en Kubernetes combinada con proyectos cloud-native como Kueue, KEDA, Prometheus, HAMi y Fluid. Esta integración ha logrado aumentar la utilización promedio de aceleradores de IA del 35% al 60% y reducir en un 60% el coste de procesar un millón de tokens, demostrando la eficiencia y escalabilidad de la infraestructura cloud-native incluso en sectores regulados como el financiero.
Sin embargo, expertos como Val Bercovici, director de IA en la plataforma de datos WEKA, plantean interrogantes sobre la capacidad de Kubernetes para ajustarse a la compleja economía de la inferencia de IA. La preocupación radica en que el modelo actual de Kubernetes no contempla variables fundamentales como el tipo de solicitud, el estado de la caché o el consumo interno de memoria y ancho de banda de los aceleradores, factores determinantes en el coste real por token procesado. Según Bercovici, Kubernetes seguirá siendo relevante, pero sin una evolución en su modelo de gestión de recursos, puede representar un «impuesto» a la eficiencia económica de la inferencia.
Se anticipa pues el desarrollo de nuevas capas de planificación y gestión de memoria vinculadas a Kubernetes, que permitan calcular con precisión el coste real de servir cada token. Esto posibilitaría una toma de decisiones mejor informada y basada en costes, optimizando la asignación y ejecución de cargas de inferencia de IA.
Además de estas tendencias, otras novedades importantes en el ecosistema Kubernetes incluyen el lanzamiento público de los ‘Spot GPU Node Pools’ en DigitalOcean Kubernetes, permitiendo ejecutar nodos con GPU bajo demanda a tarifas variables y más económicas, ideales para cargas tolerantes a interrupciones, y la actualización de OpenTelemetry a la versión 1.0.0 de su ‘Kubernetes attributes processor’, que simplifica la integración de metadatos y métricas para observabilidad avanzada.
El panorama de la ingeniería de plataformas también se transforma con la irrupción de la inteligencia artificial agentica. Un informe reciente de Weave Intelligence revela que un 38% de equipos duplican su capacidad de entrega gracias al uso de IA, aunque solo un 8% experimenta un cambio estructural profundo. La falta de preparación en las plataformas, en términos de APIs y estandarización, sigue siendo la principal barrera para escalar esta tecnología.
En definitiva, Kubernetes ha demostrado ser una base sólida para ejecutar cargas de IA en producción, pero el sector se encuentra en un momento crucial para adaptar y evolucionar sus recursos y modelos de gestión, garantizando que tanto la eficiencia técnica como la económica estén alineadas para el futuro de la inteligencia artificial en entornos nativos de la nube.
