La ingeniería de plataformas ha dedicado la última década a estandarizar clústeres de Kubernetes, pipelines, plataformas internas de desarrolladores (IDP) y procesos para cargas de trabajo web y de microservicios. Con la integración de grandes modelos de lenguaje (LLM) y agentes de IA en los flujos de producción, ese enfoque —ya conocido como ingeniería de plataformas 1.0— evoluciona hacia la versión 2.0, un cambio con implicaciones directas para la seguridad, el aislamiento y el cumplimiento normativo.
El artículo, basado en el blueprint Platform Engineering 2.0 presentado por PlatformEngineering.org y Broadcom, sostiene que la gobernanza y el cumplimiento ya no pueden limitarse a documentos y código de aplicación. Es necesario un marco estructurado con guardrails, políticas y procedimientos respaldados por controles técnicos, aplicados desde la propia plataforma y no añadidos a posteriori.
La IA amplifica un riesgo clásico: la introducción involuntaria o deliberada de código defectuoso en la infraestructura, ahora a mayor velocidad y escala. A esto se suma un marco regulatorio en expansión para datos y modelos, que exige residencia de datos y cumplimiento continuo. Para afrontarlo, la versión 2.0 automatiza el cumplimiento de políticas como código, ofrece una capa nativa para guardrails y reemplaza auditorías manuales sobre arquitecturas a medida.
El enfoque se organiza en torno a dos pilares. El primero es la gobernanza de modelos, mediante un plano de control centralizado con un registro de modelos aprobado, políticas unificadas, auditoría centralizada y flujos de acceso estandarizados que asignan solicitudes de desarrolladores a niveles de riesgo. El segundo es el aislamiento de cargas de trabajo, con dominios dedicados para separar sandboxes experimentales, cargas internas y datos regulados, pools de recursos etiquetados para evitar que inferencias pesadas degraden aplicaciones interactivas, identidades de servicio de cero confianza y políticas alineadas mediante computación confidencial.
En conjunto, ambos pilares dibujan un límite de confianza neutro a nivel de plataforma, donde los modelos se invocan a través de un plano gobernado y las cargas se ejecutan en dominios de aislamiento definidos.