Las cargas de trabajo basadas en inteligencia artificial (IA), incluyendo aquellas que emplean agentes autónomos (agentic AI), están transformando por completo el panorama de Kubernetes, y los equipos responsables de estas plataformas deben afrontar nuevas preguntas más allá de verificar si los pods están en funcionamiento o el tiempo que tarda un modelo en generar su primera salida.
La gestión habitual centrada en la disponibilidad o la respuesta ante picos de tráfico de inferencia se ha quedado atrás. Ahora, las cuestiones sobre capacidades de la plataforma conviven con tareas tradicionales como actualizaciones, recuperación ante fallos y seguridad, exigiendo un enfoque integral y adaptado a la complejidad que introduce la IA.
Con este panorama, The New Stack ha presentado recientemente Kubernetes en 2027: Construyendo plataformas para IA, autonomía y escalabilidad, un nuevo ebook escrito por Chris J. Preimesberger en colaboración con HPE, que ofrece una guía detallada para preparar las plataformas de Kubernetes ante los retos inminentes de la IA y la autonomía. 
La publicación inicia analizando el trabajo previo al despliegue de los modelos, enfatizando la importancia de realizar pruebas de estrés realistas en los sistemas de servicio de modelos, simular fallos y medir indicadores más amplios que solo la utilización de GPUs. Esta fase de preparación es crucial para garantizar un funcionamiento fiable bajo condiciones reales de operación.
Otro aspecto clave es la gestión de agentes automáticos dentro del clúster. Conceder acceso a un agente puede parecer una tarea operativa rutinaria, pero sus implicaciones en seguridad y control son profundas. El ebook recomienda establecer propietarios responsables, permisos estrictos, controles de aprobación y sistemas de auditoría que vinculen cada llamada o acción del agente con la tarea que la motivó, asegurando trazabilidad y control.
Asimismo, se insiste en la evaluación continua de la calidad de las respuestas generadas por IA, ya que una respuesta rápida pero errónea puede tener consecuencias críticas tanto técnicas como de negocio.
Más allá de la IA, el libro subraya la importancia de mantener el buen estado general de la plataforma. Esto incluye implementar políticas homogéneas en múltiples clústeres, asegurar la visibilidad de servicios dependientes fuera de Kubernetes, realizar simulacros de actualización y restauración, definir claramente la propiedad operativa y fomentar el autoservicio para desarrolladores.
La guía incorpora una lista de verificación detallada que destaca tareas que pueden caer en zonas grises entre distintos equipos. ¿Se puede identificar qué clústeres cumplen con las políticas de acceso y red comúnmente establecidas? ¿Se sabe quién autorizó las excepciones?
Además, cuando una aplicación presenta ralentizaciones, ¿se puede analizar más allá de los indicadores de los pods para examinar la base de datos, la máquina virtual, la red o servicios externos asociados? Antes de actualizar, ¿se revisaron las APIs obsoletas y se practicó la restauración tanto del estado del clúster como de los datos de las aplicaciones?
El ebook también aborda las tareas posteriores al despliegue, planteando preguntas sobre la renovación de certificados de ingreso, la aprobación de cambios de capacidad, y las condiciones de provisión de entornos solicitados mediante catálogos de servicios, asegurando que cada recurso tenga un responsable asignado, una fecha de revisión y un control de costes.
Estos elementos conforman un conjunto de recomendaciones prácticas pensadas para fomentar el diálogo y colaboración entre los equipos de plataforma, desarrollo, seguridad y negocio, lo que se considera vital para afrontar con éxito los desafíos de Kubernetes frente a la evolución constante de la inteligencia artificial.
