Google propone una migración de EKS a GKE asistida por IA, pero sujeta a revisión

La promesa de una migración asistida por IA no es que un modelo pueda reescribir archivos de configuración, sino que el equipo pueda comprobar lo que ha reescrito antes de desplegarlo. La herramienta de código abierto que Google presentó para pasar de Amazon EKS a Google Kubernetes Engine (GKE) busca sustituir las instrucciones improvisadas a un modelo de lenguaje por un proceso que combina su capacidad de razonamiento con herramientas y controles deterministas. 2

Traducir la configuración no equivale a conservar su comportamiento

EKS y GKE son servicios gestionados de Kubernetes, pero trasladar una carga de trabajo entre ambos exige más que cambiar nombres en los manifiestos o en el código que define la infraestructura. Hay que identificar qué recursos necesita cada aplicación, quién puede acceder a ellos y de qué depende su funcionamiento. La propia guía de migración de Google recomienda comenzar con un inventario de cargas de trabajo y dependencias. 19

En el flujo de migración planteado, tres conversiones merecen especial atención:

• Identidad de AWS a identidad de cargas de trabajo en GKE: comprobar que la aplicación conserva los accesos necesarios sin recibir permisos adicionales.
• Entrada mediante balanceadores de carga a Gateway API: verificar que las solicitudes siguen llegando a los servicios previstos y respetan las reglas de enrutamiento.
• Aprovisionamiento de nodos: confirmar que las cargas mantienen las condiciones de programación y la capacidad que necesitan.

Son preguntas para la revisión, no garantías de que la herramienta resuelva automáticamente todos los casos. Un archivo puede superar una comprobación de sintaxis y, aun así, alterar permisos, tráfico o supuestos de capacidad.

Qué aportan los controles y dónde terminan

Google describe su agente como una combinación de razonamiento mediante modelos de lenguaje y herramientas deterministas, protegida por controles de ese tipo. Una interfaz basada en el Protocolo de Contexto del Modelo (MCP) puede poner herramientas a disposición de un agente, pero no demuestra por sí sola que la configuración generada sea correcta. El extracto disponible del anuncio tampoco detalla todas las operaciones del complemento ni cada regla de conversión. 2

Las comprobaciones deterministas permiten aplicar las mismas reglas a los archivos propuestos antes de desplegarlos. Su alcance, sin embargo, se limita a lo que esas reglas comprueban: no prueban por sí solas que la aplicación vaya a comportarse igual tras el cambio. El anuncio disponible no especifica la cobertura completa de la validación fuera de línea. 2

Según el flujo descrito para la herramienta, presentar los cambios como pull requests —solicitudes de incorporación al repositorio— permitiría a los ingenieros examinar las diferencias y someterlas a pruebas, políticas y aprobaciones de CI/CD antes de llevarlas a producción, en lugar de modificar directamente un clúster activo. Ese enfoque encaja con las recomendaciones generales de Google sobre control de versiones y despliegue continuo en GKE, aunque el extracto del anuncio no confirma por separado todos los pasos de ese flujo. 172

Rahul Shrivastava, directivo de Persistent, compara el enfoque en el anuncio con una fábrica de migraciones «verificable» y «al nivel de un compilador». La comparación ayuda a entender la generación y comprobación de cambios, pero no constituye una prueba matemática de que toda la migración sea segura. Los permisos, las dependencias, el rendimiento y el comportamiento tras el cambio siguen requiriendo pruebas. 2

Una apuesta más amplia por herramientas abiertas

Dos días antes del anuncio de GKE, Intrinsic presentó Intrinsic Core en ROSCon 2026, celebrada en Toronto. Esta base de robótica industrial de código abierto, compatible con ROS y distribuida bajo licencia Apache 2.0, reúne capacidades reutilizables de control, planificación de movimientos y agarres, simulación y estimación de poses. Intrinsic también destaca su marco de control en tiempo real independiente del hardware y sus funciones de gemelo digital. 403337

La relación con la herramienta de GKE es estratégica, no técnica: una puede reducir el trabajo necesario para plantear una migración hacia Google Cloud; la otra, el necesario para desarrollar aplicaciones de robótica industrial. La prensa ha descrito esta segunda apuesta mediante la analogía de un «Android de los robots»: ofrecer una base ampliamente disponible sobre la que pueda crecer un ecosistema. Ninguno de los dos lanzamientos demuestra, por sí mismo, que los clientes de AWS vayan a cambiar de proveedor ni que los desarrolladores vayan a contratar servicios de IA de Google. 230

La conclusión práctica: el diseño anunciado para GKE intenta separar las propuestas generadas por IA de la validación y de la decisión de desplegarlas. Eso puede facilitar su evaluación dentro de los procesos de ingeniería existentes; no sustituye las pruebas de cada carga de trabajo. Las fuentes disponibles tampoco ofrecen cifras que demuestren una reducción de fallos o costes de migración. 219