Las empresas están pasando rápidamente de experimentar con la IA a utilizarla en sus operaciones. Este cambio transforma lo que las organizaciones necesitan de la infraestructura de entrega de aplicaciones.
Durante años, la gestión del tráfico de Kubernetes se consideró a menudo un detalle técnico de implementación. Los equipos de plataforma seleccionaban un controlador de entrada, los equipos de aplicaciones configuraban las rutas y los equipos de seguridad añadían controles donde podían. Ese modelo funcionaba cuando el principal reto era prestar servicio a aplicaciones web y API. Sin embargo, resulta menos adecuado cuando la misma plataforma debe admitir aplicaciones modernas, API distribuidas, políticas de seguridad y cargas de trabajo de inferencia de IA que consumen recursos informáticos escasos y costosos.
El Informe F5 sobre el estado de la estrategia de aplicaciones de 2026 muestra por qué esto es importante ahora: el 78 % de las organizaciones ejecuta sus propias inferencias de IA y el 52 % utiliza la orquestación multimodelo para adaptar y ampliar sus modelos de IA. En la práctica, las empresas no se limitan a invocar un único modelo a través de un único servicio. Ejecutan inferencias en distintos entornos, coordinan varios modelos e integran la IA en la arquitectura de las aplicaciones de producción.
La IA añade una nueva urgencia a un reto empresarial de larga data: cómo proporcionar a los equipos la agilidad que necesitan sin dejar de garantizar la gobernanza, la seguridad y la coherencia operativa.
F5 NGINX Gateway Fabric ayuda a responder a esa pregunta al reunir tres capacidades importantes: conformidad con Gateway API 1.5, integración con F5 WAF for NGINX y compatibilidad con Gateway API Inference Extension. En conjunto, estas capacidades apuntan hacia un enfoque más estandarizado, seguro y preparado para la IA en la gestión del tráfico de Kubernetes.
“La puerta de enlace ya no sirve únicamente para dirigir el tráfico hacia un clúster. Se está convirtiendo en un punto de control para la prestación, la protección y el funcionamiento a gran escala de las aplicaciones modernas, las API y los servicios de IA.”
Por qué son importantes los estándares
Gateway API se está convirtiendo en un estándar importante para la gestión del tráfico de Kubernetes porque aborda un reto habitual en las empresas: demasiados equipos resolviendo el mismo problema de formas diferentes.
Los enfoques de ingress tradicionales suelen depender en gran medida de anotaciones específicas de cada implementación y de configuraciones personalizadas. Esto puede funcionar para equipos individuales, pero resulta más difícil de gestionar a escala empresarial. Las políticas son difíciles de auditar. Las rutas de migración se vuelven más complejas. Los equipos de plataforma pueden tener dificultades para ofrecer autoservicio sin renunciar al control. Los equipos de aplicaciones pueden avanzar con rapidez, pero el modelo operativo acaba fragmentándose.
Gateway API introduce un modelo nativo de Kubernetes más orientado a roles. Los equipos de plataforma pueden gestionar una infraestructura de gateway compartida. Los equipos de aplicaciones pueden definir el enrutamiento de sus propios servicios. Los equipos de seguridad y operaciones disponen de una estructura más clara para aplicar políticas. Su valor no reside únicamente en la elegancia técnica, sino también en un modelo operativo más claro.
La conformidad de NGINX Gateway Fabric con Gateway API 1.5 es importante en ese contexto. La conformidad no significa que todas las implementaciones sean idénticas ni elimina la necesidad de tomar decisiones arquitectónicas. Sin embargo, sí ofrece a las empresas una mayor confianza en que están desarrollando sobre un estándar que está madurando y se está probando en todo el ecosistema de Kubernetes.
La importancia es evidente. Los estándares reducen la complejidad evitable. Facilitan la ampliación de las decisiones de plataforma a distintos equipos y clústeres. Reducen el riesgo de vincular cada flujo de trabajo a un modelo propietario. Y sientan las bases para una modernización a largo plazo, en la que los equipos pueden adoptar modelos de gestión del tráfico más recientes sin obligar a todas las aplicaciones a migrar al mismo tiempo.
Esto es importante porque, en las grandes empresas, Kubernetes rara vez se limita a un único clúster. Las organizaciones suelen operar varios clústeres en distintas unidades de negocio, regiones, etapas de desarrollo y entornos de nube. Sin un enfoque común, cada clúster puede acabar convirtiéndose en una excepción. Gateway API, implementada mediante NGINX Gateway Fabric, ofrece a los equipos de plataforma una vía para garantizar la coherencia sin ralentizar la entrega de aplicaciones.
Seguridad allí donde se ejecutan las aplicaciones
La seguridad suele ser más sólida cuando está integrada en la plataforma, en lugar de añadirse después del despliegue. Esto es especialmente cierto en Kubernetes, donde los equipos de aplicaciones esperan disponer de autoservicio y ciclos de lanzamiento rápidos.
La integración entre NGINX Gateway Fabric y F5 WAF for NGINX acerca la seguridad de las aplicaciones empresariales a la capa de puerta de enlace de Kubernetes. Gracias a esta integración, los equipos de seguridad pueden definir y gestionar políticas de protección de aplicaciones, mientras que los equipos de plataforma ponen estas protecciones a disposición de los usuarios mediante flujos de trabajo nativos de Kubernetes.
El valor empresarial no reside en que todos los responsables de TI tengan que comprender los detalles técnicos de cómo se vinculan las políticas. El valor reside en que los equipos de seguridad pueden conservar el control de las políticas de protección mientras los equipos de plataforma y aplicaciones siguen avanzando con rapidez.
Esa separación de responsabilidades es fundamental. Si la seguridad depende de que cada equipo de aplicaciones implemente correctamente los controles, la empresa acaba teniendo una protección desigual. Si la seguridad ralentiza cada lanzamiento, los equipos buscan formas de eludirla. Un modelo mejor es la gobernanza compartida: los equipos de seguridad definen y gestionan las políticas, los equipos de plataforma proporcionan el punto de aplicación y los equipos de aplicaciones siguen entregando software.
Esto resulta especialmente relevante a medida que más aplicaciones orientadas al cliente, API y servicios basados en IA se trasladan a Kubernetes. El perfil de riesgo aumenta conforme la plataforma adquiere una mayor importancia estratégica. Los ataques a aplicaciones web, las configuraciones incorrectas, las rutas no gestionadas y una postura de seguridad incoherente no son solo problemas técnicos, sino que también afectan a la continuidad del negocio, el cumplimiento normativo y la reputación.
Un modelo de WAF a nivel de gateway no sustituye las prácticas de desarrollo seguro ni los programas más amplios de seguridad de las aplicaciones. Sin embargo, proporciona a las organizaciones una capa práctica de aplicación de políticas cerca del punto en el que se entregan las aplicaciones. Esto permite integrar la seguridad en la arquitectura de la plataforma, en lugar de tratarla como un proceso independiente que debe ir detrás de cada despliegue.
Preparación para la inferencia de IA
La inferencia de IA cambia la gestión del tráfico porque las cargas de trabajo de IA no se comportan como las solicitudes web tradicionales.
Una solicitud web convencional suele ser de corta duración y relativamente predecible. Las solicitudes de inferencia pueden variar considerablemente en cuanto a duración, tamaño de la carga útil, coste e impacto en los recursos. Una sola solicitud puede ocupar una valiosa capacidad de GPU. Se pueden utilizar varios modelos para distintas tareas. Algunos modelos pueden estar optimizados para reducir costes, otros para mejorar el rendimiento y otros para aumentar la precisión. La decisión de enrutamiento puede afectar a la experiencia del usuario, al uso de la infraestructura y a los costes operativos.
Por eso es importante la extensión de inferencia de Gateway API. Permite un enrutamiento basado en los modelos, de modo que las solicitudes puedan dirigirse según la versión y el tipo de modelo, así como su perfil de coste y rendimiento. Gracias a la compatibilidad con NGINX Gateway Fabric, las organizaciones pueden mejorar la experiencia de usuario y el aprovechamiento de la infraestructura, al tiempo que dirigen las solicitudes de menor valor o que toleran una mayor latencia hacia modelos más rentables.
La cuestión no es el mecanismo de planificación subyacente, sino que la prestación de servicios de IA requiere madurez operativa. Cuando el 78 % de las organizaciones gestionan por sí mismas la inferencia de IA, esta deja de ser únicamente una cuestión de ciencia de datos y pasa a formar parte de la infraestructura de entrega de aplicaciones empresariales. Y cuando el 52 % utiliza la orquestación multimodelo, la gestión del tráfico debe tener en cuenta un entorno de IA más dinámico.
La compatibilidad de NGINX Gateway Fabric con Inference Extension ayuda a los equipos de plataforma y aprendizaje automático a integrar las cargas de trabajo de IA en un modelo operativo de Kubernetes que les resulta familiar. En lugar de crear una arquitectura de entrega independiente para la IA, las organizaciones pueden empezar a gestionar los servicios de IA junto con las aplicaciones y las API mediante un enfoque de gateway alineado con los estándares.
Eso no significa que todos los retos de la IA empresarial se resuelvan en el gateway. La gobernanza de los modelos, la gobernanza de los datos, las pruebas de seguridad, la gestión de costes y el cumplimiento normativo siguen requiriendo controles más amplios. Sin embargo, el enrutamiento es una parte fundamental del entorno de producción de IA. Si las solicitudes no se dirigen de forma eficiente, si se ignoran las señales de la infraestructura o si cada equipo crea su propia vía de acceso a la inferencia, la complejidad aumenta rápidamente.
El cambio más importante es de carácter arquitectónico: la IA se convierte en otro tipo de carga de trabajo de producción que requiere una entrega segura, observable y regida por políticas.
Entrega moderna de aplicaciones para la era de la IA
NGINX Gateway Fabric no debe evaluarse únicamente como un componente de red de Kubernetes. Debe considerarse parte de una estrategia de plataforma más amplia para la entrega de aplicaciones modernas.
La combinación de la conformidad con Gateway API 1.5, la integración de F5 WAF for NGINX y la compatibilidad con Inference Extension es importante porque conecta tres prioridades:
- Estandarización: Reduzca la fragmentación alineando la gestión del tráfico de Kubernetes con un estándar comunitario en proceso de consolidación.
- Seguridad: Aplique la protección de aplicaciones empresariales más cerca del punto en el que se exponen las aplicaciones de Kubernetes.
- Preparación para la IA: Prepare la capa de entrega para cargas de trabajo de inferencia más dinámicas, que requieren más recursos y son más críticas para el negocio que los servicios tradicionales.
La ventaja práctica es un modelo operativo más coherente. Los equipos de ingeniería de plataformas pueden proporcionar una infraestructura compartida y patrones de autoservicio. Los equipos de aplicaciones pueden avanzar más rápido sin tener que crear su propio modelo de tráfico. Los equipos de seguridad pueden aplicar políticas mediante controles ya establecidos. Los equipos de aprendizaje automático pueden incorporar cargas de trabajo de inferencia a Kubernetes sin tratar la entrega de IA como una arquitectura específica y aislada.
Esto es importante porque la próxima fase de adopción de la IA no se medirá únicamente por el número de proyectos piloto que ponga en marcha una organización, sino por la fiabilidad, la seguridad y la eficiencia con las que funcionen en producción las aplicaciones basadas en IA.
Muchas empresas ya cuentan con los elementos necesarios: plataformas de Kubernetes, infraestructura de entrega de aplicaciones, programas de seguridad, iniciativas de IA y equipos responsables de cada uno de ellos. El reto consiste en integrar todas esas piezas de una forma escalable. NGINX Gateway Fabric ayuda proporcionando a las organizaciones una capa de puerta de enlace conforme con los estándares, capaz de admitir aplicaciones tradicionales, API, políticas de seguridad y nuevos patrones de inferencia de IA.
Se trata de una propuesta de valor práctica. Las organizaciones no necesitan empezar de cero ni reconstruir por completo su arquitectura de entrega de aplicaciones. Pueden hacer evolucionar la gestión del tráfico de Kubernetes hacia un modelo más coherente, más seguro y mejor preparado para las cargas de trabajo de IA. Esto les ofrece una vía para hacer evolucionar la gestión del tráfico de Kubernetes hacia un modelo más coherente, más seguro y mejor preparado para las cargas de trabajo de IA.
A medida que la IA se integra cada vez más en las aplicaciones empresariales, el debate sobre la infraestructura debe evolucionar con ella. La puerta de enlace ya no sirve únicamente para dirigir el tráfico hacia un clúster. Se está convirtiendo en un punto de control para la entrega, la protección y el funcionamiento a gran escala de las aplicaciones modernas, las API y los servicios de IA.
Para obtener más información, visite la página web de F5 NGINX Gateway Fabric.
Además, no te pierdas el F5 AI Summit, un evento virtual de tres horas que se celebrará el martes 23 de junio, en el que hablaremos en profundidad sobre cómo ejecutar cargas de trabajo de IA en Kubernetes durante la sesión «Implementación de IA en Kubernetes con F5 NGINX».
Sobre el autor
Artículos relacionados del blog
El imperativo empresarial de la IA en un mundo de nube híbrida y multinube
Cómo la IA redefine los patrones de tráfico, el riesgo de las API y el cumplimiento normativo, y por qué el paquete Distributed Cloud Services Enterprise ofrece la profundidad necesaria en entornos híbridos multicloud.
STIG de F5 NGINX: un plan de seguridad para el sector público y los entornos regulados
Descubra cómo las STIG de F5 NGINX proporcionan un modelo de seguridad para el Departamento de Defensa de EE. UU. y los entornos regulados, ayudándole a cumplir la normativa mientras crea una infraestructura sólida de confianza cero con mayor visibilidad y resiliencia.
Cómo el marco AEGIS de Forrester valida un enfoque centrado en la inferencia
El auge de la IA agéntica está transformando el panorama de la seguridad empresarial. Estos agentes de IA autodirigidos funcionan de forma autónoma, toman decisiones en tiempo real y pueden interactuar entre distintos sistemas de maneras para las que las arquitecturas tradicionales de ciberseguridad no fueron diseñadas. Aunque esto abre nuevas posibilidades, también introduce riesgos sistémicos: fallos en cascada, secuestro de objetivos y superficies de ataque hasta ahora invisibles. El reciente […] de Forrester
La nueva superficie de riesgo de la IA: invisible, autónoma y ya está dentro
James White, vicepresidente de Ingeniería de F5 A mediados de 2025, es un buen momento para hacer balance de la adopción de la IA en las empresas y del estado de la seguridad de la IA. El uso de la IA generativa ya es habitual en las empresas En general, las empresas cuentan al menos con unos conocimientos básicos sobre la IA generativa. Entienden qué es y dónde puede […]
Protegiendo el futuro: cómo CalypsoAI se alinea con el Top 10 de OWASP para los LLM
Cuando OWASP publicó su Top 10 de 2025 para grandes modelos de lenguaje (LLM), proporcionó al sector un referente de seguridad muy necesario. Pero los referentes no sirven de nada si no se actúa. CalypsoAI aborda el 80 % del Top 10 de OWASP, dando prioridad a los riesgos reales más urgentes. La plataforma combina protección en tiempo real durante la ejecución y pruebas adversariales exhaustivas, ofreciendo una cobertura inigualable frente a las […]
Implementación de LLM en la empresa: mediante una API local
Por sí solos, sin medidas de protección ni protocolos adicionales de seguridad para la IA, el despliegue de modelos de IA generativa —en particular, modelos de lenguaje de gran tamaño (LLM)— en toda la empresa supone una oportunidad de alto riesgo y grandes beneficios para cualquier organización. Sin embargo, determinar exactamente cómo debe dar su organización este gran paso hacia el ámbito de la IA generativa requiere una planificación minuciosa. Quizá […]