As empresas estão migrando rapidamente da experimentação com IA para a operação de IA. Essa mudança altera o que as organizações precisam da infraestrutura de entrega de aplicações.
Durante anos, o gerenciamento de tráfego do Kubernetes foi frequentemente tratado como um detalhe técnico de implementação. As equipes de plataforma selecionavam um controlador de ingresso, as equipes de aplicações configuravam rotas e as equipes de segurança adicionavam controles onde era possível. Esse modelo funcionava quando o principal desafio era disponibilizar aplicações web e APIs. No entanto, ele já não é suficiente quando a mesma plataforma precisa oferecer suporte a aplicações modernas, APIs distribuídas, políticas de segurança e cargas de trabalho de inferência de IA que consomem recursos computacionais escassos e caros.
O Relatório F5 sobre o Estado da Estratégia de Aplicações de 2026 mostra por que isso é importante agora: 78% das organizações operam a inferência de IA por conta própria, e 52% usam a orquestração de múltiplos modelos para adaptar e ampliar seus modelos de IA. Na prática, as empresas não estão apenas acessando um único modelo por meio de um único serviço. Elas executam inferências em diferentes ambientes, coordenam vários modelos e integram a IA à arquitetura de aplicações em produção.
A IA traz uma nova urgência a um desafio empresarial de longa data: como proporcionar às equipes a agilidade de que precisam, mantendo a governança, a segurança e a consistência operacional.
F5 NGINX Gateway Fabric ajuda a responder a essa questão ao reunir três recursos importantes: conformidade com a Gateway API 1.5, integração com o F5 WAF for NGINX e suporte à extensão de inferência da Gateway API. Juntos, esses recursos apontam para uma abordagem mais padronizada, segura e preparada para IA no gerenciamento de tráfego do Kubernetes.
“O gateway não serve mais apenas para direcionar tráfego para um cluster. Ele está se tornando um ponto de controle para a entrega, a proteção e a operação em escala de aplicações modernas, APIs e serviços de IA.”
Por que os padrões são importantes
A Gateway API está se tornando um padrão importante para o gerenciamento de tráfego no Kubernetes, pois aborda um desafio conhecido das empresas: muitas equipes resolvendo o mesmo problema de maneiras diferentes.
As abordagens tradicionais de ingresso geralmente dependem muito de anotações específicas da implementação e de configurações personalizadas. Isso pode funcionar para equipes individuais, mas se torna mais difícil de gerenciar em escala empresarial. As políticas são difíceis de auditar. Os caminhos de migração ficam mais complexos. As equipes de plataforma podem ter dificuldade para oferecer autoatendimento sem abrir mão do controle. As equipes de aplicações podem avançar rapidamente, mas o modelo operacional acaba se fragmentando.
A Gateway API introduz um modelo nativo do Kubernetes e mais orientado a funções. As equipes de plataforma podem gerenciar uma infraestrutura de gateway compartilhada. As equipes de aplicações podem definir o roteamento de seus próprios serviços. As equipes de segurança e operações passam a contar com uma estrutura mais clara para aplicar políticas. O valor não está apenas na elegância técnica, mas também em um modelo operacional mais organizado.
A conformidade do NGINX Gateway Fabric com a Gateway API 1.5 é importante nesse contexto. A conformidade não significa que todas as implementações sejam idênticas, nem elimina a necessidade de decisões arquiteturais. No entanto, ela dá às empresas mais confiança de que estão adotando um padrão que está amadurecendo e sendo testado em todo o ecossistema Kubernetes.
A importância é clara. Os padrões reduzem a complexidade desnecessária. Eles facilitam a expansão das decisões de plataforma entre equipes e clusters. Reduzem o risco de vincular todos os fluxos de trabalho a um modelo proprietário. E criam uma base para a modernização de longo prazo, permitindo que as equipes adotem modelos mais recentes de gerenciamento de tráfego sem obrigar que todas as aplicações migrem de uma só vez.
Isso é importante porque, em grandes empresas, o Kubernetes raramente se limita a um único cluster. As organizações costumam operar vários clusters em diferentes unidades de negócios, regiões, estágios de desenvolvimento e ambientes de nuvem. Sem uma abordagem comum, cada cluster pode acabar se tornando uma exceção. A Gateway API, implementada por meio do NGINX Gateway Fabric, oferece às equipes de plataforma um caminho para garantir consistência sem desacelerar a entrega de aplicações.
Segurança onde os aplicativos são executados
A segurança costuma ser mais robusta quando é incorporada à plataforma, em vez de adicionada após a implantação. Isso é especialmente verdadeiro no Kubernetes, em que as equipes de aplicações esperam autonomia e ciclos rápidos de lançamento.
A integração entre o NGINX Gateway Fabric e o F5 WAF for NGINX aproxima a segurança de aplicações empresariais da camada de gateway do Kubernetes. Com essa integração, as equipes de segurança podem definir e gerenciar políticas de proteção de aplicações, enquanto as equipes de plataforma disponibilizam essas proteções por meio de fluxos de trabalho nativos do Kubernetes.
O valor para o negócio não está no fato de que todo líder de TI precisa entender os detalhes técnicos de como uma política é vinculada. O valor está em permitir que as equipes de segurança mantenham o controle sobre as políticas de proteção, enquanto as equipes de plataforma e de aplicações continuam avançando com agilidade.
Essa separação de responsabilidades é fundamental. Se a segurança depender de cada equipe de aplicações implementar os controles corretamente, a empresa ficará sujeita a uma proteção inconsistente. Se a segurança atrasar cada lançamento, as equipes buscarão alternativas para contornar o processo. Um modelo melhor é a governança compartilhada: as equipes de segurança definem e gerenciam as políticas, as equipes de plataforma fornecem o ponto de aplicação dos controles e as equipes de aplicações continuam entregando software.
Isso é particularmente relevante à medida que mais aplicações voltadas para clientes, APIs e serviços habilitados por IA migram para o Kubernetes. O perfil de risco se amplia à medida que a plataforma se torna mais estratégica. Ataques a aplicações web, configurações incorretas, rotas não gerenciadas e uma postura de segurança inconsistente não são apenas questões técnicas; tornam-se preocupações relacionadas à continuidade dos negócios, à conformidade e à reputação.
Um modelo de WAF no nível do gateway não substitui práticas de desenvolvimento seguro nem programas mais abrangentes de segurança de aplicações. No entanto, ele oferece às organizações uma camada prática de aplicação de políticas próxima ao ponto em que as aplicações são disponibilizadas. Isso permite que a segurança faça parte da arquitetura da plataforma, em vez de ser um processo separado que precisa acompanhar cada implantação.
Preparação para inferência de IA
A inferência de IA muda o gerenciamento de tráfego porque as cargas de trabalho de IA não se comportam como solicitações web tradicionais.
Uma solicitação web convencional geralmente é de curta duração e relativamente previsível. As solicitações de inferência podem variar significativamente em duração, tamanho da carga útil, custo e impacto sobre os recursos. Uma única solicitação pode ocupar uma capacidade dispendiosa de GPU. Vários modelos podem ser usados para diferentes tarefas. Alguns modelos podem ser otimizados para custo, outros para desempenho e outros para precisão. A decisão de roteamento pode afetar a experiência do usuário, a utilização da infraestrutura e o custo operacional.
É por isso que a Gateway API Inference Extension é importante. Ela permite o roteamento com reconhecimento de modelos, para que as solicitações possam ser direcionadas de acordo com a versão e o tipo do modelo, bem como com o perfil de custo e desempenho. Com o suporte do NGINX Gateway Fabric, as organizações podem melhorar a experiência do usuário e a utilização da infraestrutura, ao mesmo tempo que direcionam solicitações de menor valor ou tolerantes à latência para modelos mais econômicos.
A questão não é o mecanismo de agendamento subjacente, mas sim que a entrega de IA exige maturidade operacional. Quando 78% das organizações operam a inferência de IA por conta própria, a inferência deixa de ser apenas uma preocupação da ciência de dados e passa a fazer parte da infraestrutura de entrega de aplicações empresariais. E, quando 52% usam orquestração de múltiplos modelos, o gerenciamento de tráfego precisa levar em conta um ambiente de IA mais dinâmico.
O suporte do NGINX Gateway Fabric à Inference Extension ajuda as equipes de plataforma e aprendizado de máquina a incorporar cargas de trabalho de IA a um modelo operacional conhecido do Kubernetes. Em vez de criar uma arquitetura de entrega separada para IA, as organizações podem começar a gerenciar serviços de IA juntamente com aplicações e APIs, usando uma abordagem de gateway alinhada aos padrões.
Isso não significa que todos os desafios de IA empresarial sejam resolvidos no gateway. A governança de modelos, a governança de dados, os testes de segurança, a gestão de custos e a conformidade ainda exigem controles mais abrangentes. No entanto, o roteamento é uma parte fundamental do ambiente de produção de IA. Se as solicitações não forem direcionadas com eficiência, se os sinais da infraestrutura forem ignorados ou se cada equipe criar seu próprio caminho para a inferência, a complexidade aumentará rapidamente.
A mudança mais importante é arquitetural: a IA passa a ser mais uma categoria de carga de trabalho de produção que exige uma entrega segura, observável e orientada por políticas.
Entrega moderna de aplicações para a era da IA
O NGINX Gateway Fabric não deve ser avaliado apenas como um componente de rede do Kubernetes. Ele deve ser considerado parte de uma estratégia de plataforma mais ampla para a entrega de aplicações modernas.
A combinação da conformidade com a Gateway API 1.5, da integração com o F5 WAF for NGINX e do suporte à Inference Extension é importante porque conecta três prioridades:
- Padronização: Reduza a fragmentação alinhando o gerenciamento de tráfego do Kubernetes a um padrão da comunidade em processo de amadurecimento.
- Segurança: Aplique a proteção de aplicações empresariais mais perto de onde as aplicações Kubernetes são expostas.
- Preparação para IA: Prepare a camada de entrega para cargas de trabalho de inferência mais dinâmicas, que exigem mais recursos e são mais críticas para os negócios do que os serviços tradicionais.
O benefício prático é um modelo operacional mais consistente. A engenharia de plataforma pode fornecer infraestrutura compartilhada e padrões de autoatendimento. As equipes de aplicações podem avançar mais rapidamente sem precisar criar seu próprio modelo de tráfego. As equipes de segurança podem aplicar políticas por meio de controles já estabelecidos. As equipes de ML podem incorporar cargas de trabalho de inferência ao Kubernetes sem tratar a entrega de IA como uma arquitetura pontual.
Isso é importante porque a próxima fase da adoção de IA não será medida apenas pela quantidade de projetos-piloto que uma organização lança. Ela será medida pela confiabilidade, segurança e eficiência com que as aplicações habilitadas por IA operam em produção.
Muitas empresas já contam com os elementos necessários: plataformas Kubernetes, infraestrutura de entrega de aplicações, programas de segurança, iniciativas de IA e equipes responsáveis por cada um deles. O desafio é integrar esses elementos de forma escalável. O NGINX Gateway Fabric ajuda ao oferecer às organizações uma camada de gateway alinhada aos padrões, capaz de oferecer suporte a aplicações tradicionais, APIs, políticas de segurança e novos padrões de inferência de IA.
Essa é uma proposta de valor prática. As organizações não precisam recomeçar nem reconstruir do zero sua arquitetura de entrega de aplicações. Elas podem aprimorar o gerenciamento de tráfego do Kubernetes, adotando um modelo mais consistente, mais seguro e mais bem preparado para cargas de trabalho de IA. Isso oferece a elas um caminho para aprimorar o gerenciamento de tráfego do Kubernetes, adotando um modelo mais consistente, mais seguro e mais bem preparado para cargas de trabalho de IA.
À medida que a IA se integra cada vez mais aos aplicativos empresariais, a discussão sobre infraestrutura precisa acompanhar essa evolução. O gateway não serve mais apenas para direcionar o tráfego para um cluster. Ele está se tornando um ponto de controle para a entrega, a proteção e a operação em escala de aplicativos modernos, APIs e serviços de IA.
Para saber mais, acesse a página do F5 NGINX Gateway Fabric.
Além disso, não deixe de participar do F5 AI Summit, um evento virtual de três horas que acontecerá na terça-feira, 23 de junho, no qual falaremos em detalhes sobre a entrega de cargas de trabalho de IA no Kubernetes durante a sessão “Entrega de IA no Kubernetes com o F5 NGINX”.
Sobre o autor
Publicações relacionadas no blog
Segurança de APIs sem concessões: apresentamos novas opções flexíveis de descoberta com F5 API security
As opções ampliadas de descoberta de APIs da F5 foram desenvolvidas para oferecer o máximo de flexibilidade e atender às organizações onde quer que estejam.
Governe sua IA no presente e antecipe o futuro da sua IA
Aprenda com nosso CISO de campo, Chuck Herrin, como se preparar para o novo desafio de proteger modelos e agentes de IA.
Segurança de IA para a cadeia de suprimentos
As cadeias de suprimentos são cada vez mais impulsionadas pela IA — desde a previsão de demanda e o planejamento logístico até a análise de riscos de fornecedores e a gestão de estoque em tempo real. Essas ferramentas ajudam as empresas a reduzir custos, aumentar a resiliência e se adaptar a disrupções globais. No entanto, elas também criam novos riscos em um vasto ecossistema: nossas soluções de segurança de IA em tempo de execução protegem o setor de Cadeia de Suprimentos […]
Segurança de IA para Recursos Humanos
A IA está revolucionando o RH. As empresas estão implementando copilotos de recrutamento com IA, assistentes de integração, chatbots de suporte aos funcionários e ferramentas de análise da força de trabalho para reduzir custos e melhorar a experiência dos colaboradores. No entanto, as aplicações de RH também apresentam riscos específicos que podem expor as organizações a falhas de conformidade, alegações de viés e danos à reputação: nossas soluções de segurança de IA em tempo de execução protegem o setor de RH com […]
Equilibrando o desempenho da IA e a gestão de recursos
As organizações dependem cada vez mais de ferramentas e iniciativas de IA para impulsionar a inovação e a transformação. Cada avanço incremental na sofisticação das ferramentas de IA torna o equilíbrio entre desempenho e gestão de recursos um desafio maior e mais relevante para as equipes de TI e segurança. No entanto, esse equilíbrio é essencial para maximizar o ROI, garantir a segurança e manter a eficiência em toda a […]
Integração de APIs em IA: a base técnica
A integração de APIs é um canal essencial no ecossistema de IA, por meio do qual diferentes sistemas, plataformas e aplicações interagem. Analisamos as nuances técnicas da integração de APIs em IA, com ênfase em sua importância para aprimorar a eficiência e os recursos dos sistemas de IA. As APIs permitem a troca fluida de dados e funcionalidades entre diferentes soluções de IA […]