La expansión de la inteligencia artificial está transformando la infraestructura tecnológica y obligando a revisar algunas de las bases sobre las que se construyeron las plataformas de software. En ese escenario, Kubernetes, una de las herramientas más importantes del ecosistema open source para la orquestación de contenedores, atraviesa una etapa de evolución para responder a las necesidades de las nuevas cargas de trabajo. Este fue uno de los ejes de la charla de Federico Bongiovanni, Senior Engineering Manager en Google Cloud, durante Nerdearla Argentina 2026, donde ITSitio realizó la cobertura del evento y entrevistó al especialista.
Con casi una década de experiencia trabajando con Kubernetes, Bongiovanni explicó que la plataforma nació en un contexto muy diferente al actual, caracterizado por aplicaciones relativamente homogéneas y una infraestructura con recursos de hardware similares. Sin embargo, el crecimiento de la IA introdujo nuevas exigencias: aceleradores especializados, acceso eficiente a la memoria y procesos distribuidos de entrenamiento e inferencia que demandan una coordinación mucho más compleja.
“Kubernetes fue creado en otra realidad, donde el hardware era muy homogéneo y el software que se corría arriba de Kubernetes también. Web apps, básicamente”, señaló. La llegada de la inteligencia artificial modificó ese escenario y planteó un desafío para la plataforma: adaptarse a aplicaciones que ya no responden necesariamente a la lógica tradicional de los microservicios.
El entrenamiento de modelos, la inferencia y la ejecución de agentes requieren recursos y mecanismos de coordinación diferentes. En ese contexto, Kubernetes debe evolucionar sin perder las capacidades que lo convirtieron en una tecnología ampliamente adoptada en entornos productivos.
“Y de repente llega la AI y el hardware no es homogéneo. Yo preciso aceleradores, preciso que estén colocados dentro de los mothers, preciso acceso a la memoria”, explicó Bongiovanni. Frente a estas demandas, sostuvo que la plataforma no quedó limitada por su diseño original, sino que comenzó a incorporar mecanismos para responder a las nuevas necesidades.
De orquestador de infraestructura a coordinador de frameworks
Uno de los conceptos centrales de la charla fue el de Framework Orchestrator, una visión en la que Kubernetes deja de ser únicamente una herramienta para administrar contenedores y pasa a funcionar como una capa de coordinación para los frameworks utilizados en inteligencia artificial.
La idea parte de aprovechar las capacidades que Kubernetes ya ofrece para que tecnologías como PyTorch, JAX o Ray puedan ejecutar sus cargas de trabajo sobre una infraestructura común. En lugar de construir sistemas independientes para administrar cada framework, el objetivo es integrar sus necesidades con las capacidades de orquestación de la plataforma.
Bongiovanni recordó que, tiempo atrás, existía una discusión sobre qué tecnología terminaría imponiéndose para ejecutar trabajos de inteligencia artificial: Ray, Slurm o Kubernetes. Para el especialista, esa competencia plantea una falsa disyuntiva.
“Estos frameworks pueden correr arriba de Kubernetes, entonces Kubernetes les proporciona visibilidad y la orquestación para que corran mejor. Así que no es un ‘o’, sino un ‘y’”, afirmó.
Esta integración permitiría aprovechar las herramientas existentes para administrar recursos, garantizar el aislamiento, mejorar la resiliencia y escalar aplicaciones. En esa línea, tecnologías como Dynamic Resource Allocation (DRA), JobSet y Kueue forman parte de los mecanismos que contribuyen a adaptar la infraestructura a las necesidades de las cargas de trabajo de IA.
El desafío, de acuerdo con el enfoque presentado, consiste en reducir la fricción que generan las capas adicionales de software y acercar las capacidades de Kubernetes a los frameworks desde su propio desarrollo. Esto supone impulsar una colaboración más estrecha entre las comunidades open source para que las herramientas evolucionen de manera coordinada.
“Lo que hay que hacer es usar lo que Kubernetes tiene de bueno y encontrar la manera de cruzar el gap con lo que le falta para correr estos sistemas”, resumió Bongiovanni.
Compatibilidad: evolucionar sin romper lo que funciona
La adaptación de Kubernetes también enfrenta una dificultad estructural: la necesidad de mantener la compatibilidad con las aplicaciones y los sistemas que ya dependen de la plataforma.
El especialista explicó que modificar de manera drástica sus componentes centrales podría afectar a miles de organizaciones que utilizan Kubernetes para operar servicios críticos. Por ejemplo, aunque la ejecución de millones de agentes de IA podría requerir unidades de trabajo más livianas que los pods tradicionales, reemplazar o alterar ese objeto fundamental podría generar problemas para quienes dependen de su comportamiento actual.
“Backward compatibility significa que cuando vos hagas upgrade a la próxima versión no se te va a romper todo”, explicó.
Esta condición impone límites a la velocidad con la que puede evolucionar una tecnología utilizada a gran escala. Mientras que un proyecto nuevo puede diseñarse desde cero para responder a las necesidades de la IA, Kubernetes debe incorporar innovaciones sin poner en riesgo las cargas de trabajo existentes.
Sin embargo, Bongiovanni destacó que su arquitectura extensible ofrece alternativas para avanzar sin modificar necesariamente los componentes fundamentales. Entre ellas, mencionó las Custom Resource Definitions (CRD), que permiten incorporar nuevos tipos de recursos y ampliar las capacidades de la plataforma.
De esta manera, Kubernetes puede responder a nuevos escenarios mediante extensiones y desarrollos específicos, preservando el contrato de compatibilidad que sostiene su adopción en entornos empresariales.
Los agentes de IA y la próxima transformación de la infraestructura
Al analizar las tendencias para los próximos años, Bongiovanni identificó una evolución en las prioridades de la industria. Primero, el foco estuvo puesto en el entrenamiento de modelos; después, en la inferencia. Ahora, los agentes de inteligencia artificial comienzan a plantear nuevas preguntas sobre cómo administrar los recursos de infraestructura.
A diferencia de otras aplicaciones, los agentes no necesariamente consumen recursos de manera constante. Pueden permanecer inactivos mientras esperan una instrucción y volver a activarse cuando reciben una nueva tarea. Mantener una instancia dedicada para cada agente, incluso durante esos períodos de inactividad, puede generar un uso ineficiente de la capacidad disponible.
Por eso, uno de los desafíos consiste en desarrollar mecanismos que permitan aprovechar mejor los recursos compartidos y administrar una cantidad de agentes superior a la que podría ejecutarse simultáneamente bajo un esquema tradicional.
Esta capacidad podría convertirse en un factor importante para escalar sistemas basados en agentes, especialmente a medida que se definan nuevos casos de uso, entre ellos el aprendizaje por refuerzo apoyado en agentes.
Bongiovanni también señaló que será relevante observar cómo evolucionan los modelos de pesos abiertos y los desarrollos open source, así como las decisiones sobre dónde ejecutarlos. En ese escenario, Kubernetes podría desempeñar un papel central al facilitar su despliegue en distintas infraestructuras, incluidas aquellas orientadas a preservar el control sobre los datos y los recursos tecnológicos.
La transformación, en definitiva, no implica abandonar los fundamentos de Kubernetes, sino ampliar su alcance para responder a una nueva generación de aplicaciones. Para Bongiovanni, el valor de la plataforma reside precisamente en combinar una infraestructura probada, desarrollada por una comunidad global, con la flexibilidad necesaria para incorporar nuevas capacidades.
A medida que la inteligencia artificial avance desde el entrenamiento y la inferencia hacia sistemas basados en agentes, la capacidad de integrar frameworks, administrar hardware especializado y aprovechar eficientemente los recursos será determinante. En ese proceso, Kubernetes busca consolidarse no solo como un orquestador de contenedores, sino también como una base común para la próxima etapa de la infraestructura de IA.
Leer más
- IA, scraping y derechos de autor: las reglas que Internet empieza a discutir de nuevo en Nerdearla 2026
- Nerdearla 2026: una edición récord con inteligencia artificial, open source y ciencia
- Nerdearla 2026 vuelve al Konex: cinco días de IA, open source y ciencia con entrada gratuita
