En el contexto del próximo KubeCon + CloudNativeCon North America 2026, que tendrá lugar del 9 al 12 de noviembre en Salt Lake City, el ecosistema Kubernetes avanza para adaptar sus herramientas a las exigencias de la inteligencia artificial (IA) agentic. Este progreso busca automatizar tareas complejas como la resolución de reinicios de pods, sincronizar la comunicación entre el programador de tareas y el autoscaler, y mejorar la distribución de cargas de inferencia en entornos cloud-native.
Automatización de reinicios de pods en entornos de IA según HPE
A medida que más empresas utilizan Kubernetes para gestionar cargas intensivas de IA y aprendizaje automático, enfrentan un problema recurrente: los reinicios inesperados de pods. Hewlett Packard Enterprise (HPE), a través de su plataforma HPE Private Cloud AI (PCAI), ha detectado esta dificultad al alojar cargas de trabajo de IA/ML de larga duración que se ejecutan sobre infraestructuras basadas en contenedores efímeros como Kubernetes.
Guoping Jia, ingeniero de sistemas de software en HPE, explica que aunque Kubernetes proporciona comandos básicos para solucionar problemas, muchas veces la investigación requiere un análisis manual extensivo y poco eficiente, especialmente en grandes clústeres como los gestionados con PCAI. Para mejorar esta situación, HPE propone una automatización inteligente que utilice herramientas open source como k8s-pod-restart-info-collector, un recolector que recopila datos de diagnóstico y los entrega directamente a canales de comunicación como Slack, facilitando la labor de los operadores Kubernetes y reduciendo tiempos de respuesta. 
Unificación entre scheduler y autoscaler para gestionar GPUs
Uno de los grandes desafíos en Kubernetes es la falta de coordinación entre el scheduler, encargado de asignar pods a nodos existentes, y el autoscaler, que añade nodos nuevos cuando se necesita más capacidad. AWS ha destacado este problema en el entorno de trabajos de IA que requieren aceleradores GPU, donde la descoordinación causa que pods queden pendientes y potentes GPUs permanezcan sin usarse.
Factores como reservas de capacidad, topología de dispositivos y el uso compartido de GPUs complican aún más la gestión. Los expertos Sajjan Gundapuneedi y Neelendra Bhandari de AWS subrayan que un acelerador escaso solo es útil si existe un acuerdo efectivo entre el ciclo de planificación y el de provisión de recursos, especialmente para cargas de trabajo dinámicas de inferencia que no toleran retrasos en nodos recién activados.
En respuesta, Kubernetes ya trabaja en soluciones como el escalado dinámico consciente de recursos, el scheduling basado en la carga de trabajo, y mecanismos complementarios llamados requests de aprovisionamiento para cerrar la brecha entre scheduler y autoscaler. A futuro, se prevé que el autoscaler evolucione para ser un colaborador más consciente del planner, permitiendo una comunicación directa a través de APIs para gestionar capacidades disponibles y optimizar la colocación de pods.
llm-d 1.0: un avance en la inferencia distribuida de IA
En el último PyTorch Conference North America, el proyecto llm-d alcanzó la versión 1.0, marcando una madurez importante para el servicio de modelos de lenguaje en infraestructuras cloud-native. Esta plataforma conectada con el ecosistema PyTorch facilita el despliegue y la producción sostenible en entornos de inferencia a gran escala.
Carlos Costa, cofundador y mantenedor líder de llm-d, destaca que esta versión representa el salto del proyecto de ser un experimento a ser una infraestructura confiable. Grandes empresas como Tesla, AWS, Oracle y Google ya utilizan llm-d para cargas de trabajo de IA, y experimentos recientes de IBM muestran que en entornos específicos, llm-d permite reducir hasta 11.5 veces los costes de inferencia respecto a configuraciones propietarias, especialmente en aplicaciones relacionadas con agentes complejos y tráfico impredecible.
El reto de operar inteligencia de frontera a escala
En la reciente edición de KubeCon + CloudNativeCon en Shanghai, Chris Aniszczyk, CTO de CNCF, subrayó el cambio de paradigma al que se enfrenta la comunidad cloud-native: no se trata solo de construir modelos excelentes, sino de operarlos y escalarlos eficientemente en distintos entornos para responder al auge exponencial de la IA.
Este fenómeno se refleja en datos recientes, como la declaración del CEO de Cloudflare, Matthew Prince, quien señaló que el tráfico generado por bots impulsados por agentes de IA ha superado al tráfico humano en internet. Aniszczyk advierte que esta transformación genera presión sobre los sistemas, evidenciada en interrupciones recientes en plataformas como GitHub, y plantea nuevos desafíos en infraestructura, centros de datos y consumo energético.
A pesar de las dificultades, Aniszczyk ve en estas evoluciones una oportunidad y un reto estimulante para la comunidad cloud-native global.
Tu agente de IA como ingeniero de confiabilidad de sitio (SRE)
Roy Libman, director de producto de Radar (Skyhook.io), señala que las plataformas emergentes de SRE con IA podrían ser reemplazadas, o al menos complementadas, por los propios agentes de codificación que ya utilizan los equipos de desarrollo. El secreto está en proporcionarles contexto adecuado sobre el estado y la historia reciente de un clúster Kubernetes.
En pruebas con 50 fallos simulados en un clúster real, el agente Claude Code mejoró notablemente su capacidad diagnóstica cuando se le dotó del contexto necesario usando herramientas de gestión de clústeres como MCP. Esta información posibilitó una tasa de diagnóstico correcto del 86% en solo dos minutos, superando el 60% con acceso tradicional mediante shell o kubectl.
Este hallazgo subraya la importancia del contexto para resolver problemas complejos y sugiere que no siempre es necesario invertir en nuevas suscripciones para soluciones de IA en SRE.
Lo que se escapa a la detección en Kubernetes
Kristiyan Ivanov, exgerente de ingeniería de Redis y actual fundador de BetterDB, apunta que ciertas categorías de datos, como cambios en listas de acceso y registros lentos, no se capturan adecuadamente en Kubernetes porque su estado no se representa como series temporales. Herramientas como Prometheus y OpenTelemetry pierden información valiosa entre muestreos o debido a la naturaleza efímera de los pods y sus direcciones IP.
Ivanov destaca la falta de historial persistente a través de reinicios y fallos, así como la ausencia de trazabilidad precisa para permisos y servicios, aspectos fundamentales para una supervisión fiable. Aunque tecnologías eBPF avanzan en el monitoreo granular, todavía se requiere una captura a nivel de motor para una observabilidad completa.
Dificultades para medir y controlar agentes IA
El informe «Splunk State of Observability 2026», basado en más de 2,000 profesionales de operaciones IT y ingeniería, revela que aunque el 87% considera prioritario monitorear IA, más de la mitad no logra medir con eficacia la calidad de modelos como los LLM ni controlar sus costes asociados.
Además, el 83% expresa preocupación por consecuencias imprevistas de los agentes IA, lo que refleja el comportamiento dinámico y a veces inesperado de estos sistemas, causando nuevos patrones de tráfico variables y desafíos en infraestructura. Según Jeetu Patel, presidente y director de producto de Cisco, las empresas pronto tendrán muchos más agentes de IA trabajando que personas, lo que impulsa una mayor colaboración entre los equipos de observabilidad y seguridad.
Actualizaciones recientes en el ecosistema cloud-native
- La comunidad celebra a Anish Bista, primer «Golden Kubestronaut» proveniente de Nepal, un reconocimiento en el ámbito Kubernetes.
- La versión 1.38.0 de Kubernetes está programada para su lanzamiento el 16 de diciembre de 2026.
- Kubernetes 1.34 alcanzará su fin de vida el 27 de octubre, según el calendario oficial.
- Fairwinds comparte su experiencia en la operación y migración de n8n en producción utilizando Amazon EKS.
- Broadcom presenta mejoras en AAI v26, incluyendo seguimiento de costes y soporte para Kubernetes.
- Splunk añade la capacidad de configurar remotamente colectores OpenTelemetry en entornos Kubernetes.
- New Relic actualiza su integración con Kubernetes a la versión 4.8.2, con mejoras en dependencias.
Último capítulo de la serie Road to KubeCon 2026
La serie «Road to KubeCon», patrocinada por HPE, está a punto de concluir con una última entrega que repasará los principales avances e iniciativas que ayudarán a los equipos IT a manejar la creciente complejidad con menos esfuerzo. Mientras tanto, los interesados pueden consultar las ediciones anteriores para profundizar en los temas tratados.
Bill Doerrfeld, autor de la serie, está abierto a recibir propuestas y sugerencias de la comunidad, incluyendo noticias, lanzamientos o incluso consejos para disfrutar de la escena local en Salt Lake City.
