[{"data":1,"prerenderedAt":573},["ShallowReactive",2],{"blog-ja-ai-platform-kubernetes-convergence-2026":3,"blog-related-ja-ai-platform-kubernetes-convergence-2026":522,"blog-ja-ai-platform-kubernetes-convergence-2026-alt":510},{"id":4,"title":5,"author":6,"body":7,"date":504,"description":505,"extension":506,"image":507,"locale":508,"meta":509,"navigation":510,"path":511,"seo":512,"stem":513,"tags":514,"__hash__":521},"blog\u002Fblog\u002Fja\u002Fai-platform-kubernetes-convergence-2026.md","生成AIを動かす企業の66%がKubernetesを選んだ——AI基盤はなぜK8sに収束するのか","Kubo Team",{"type":8,"value":9,"toc":484},"minimark",[10,23,26,29,32,37,48,58,80,88,91,100,102,106,112,121,126,129,144,162,165,169,172,180,184,187,190,192,196,202,209,217,221,224,232,235,239,246,249,258,260,264,270,279,282,337,340,345,366,369,371,375,381,392,396,402,408,414,420,426,429,432,441,443,446,449,463,466],[11,12,13,14,18,19,22],"p",{},"2026年1月、CNCFが発表した年次調査レポートは、インフラエンジニアとCTOの間で静かな衝撃を呼んだ。コンテナを本番利用する企業の",[15,16,17],"strong",{},"82%がKubernetesを本番稼働","させており、さらに生成AI組織の",[15,20,21],{},"66%がAI推論ワークロードにKubernetesを活用している","という。",[11,24,25],{},"かつて「Kubernetesは複雑すぎる」「中小規模のAIには不要」という声も少なくなかった。しかし今、クラウドネイティブの世界では「AIインフラの選択肢はKubernetesに収束しつつある」というのが大勢を占めている。",[11,27,28],{},"なぜ今、AI基盤としてKubernetesが選ばれるのか。GPUスケジューリング、マルチテナント対応、コスト最適化という三つの観点から、その必然性を解説する。",[30,31],"hr",{},[33,34,36],"h2",{"id":35},"生成aiを動かす企業の66がkubernetesを選ぶ2026年cncfサーベイの衝撃","生成AIを動かす企業の66%がKubernetesを選ぶ——2026年CNCFサーベイの衝撃",[11,38,42],{"className":39,"dir":41},[40],"content-paragraph","ltr",[43,44],"img",{"src":45,"alt":46,"width":47,"height":47},"https:\u002F\u002Fv3b.fal.media\u002Ffiles\u002Fb\u002F0aa1ac9f\u002FhY7KJtsgCKWoPZGR6CiSO_uJOIYfy1.webp","","inherit",[11,49,50,57],{},[51,52,56],"a",{"href":53,"rel":54},"https:\u002F\u002Fwww.cncf.io\u002Fannouncements\u002F2026\u002F01\u002F20\u002Fkubernetes-established-as-the-de-facto-operating-system-for-ai-as-production-use-hits-82-in-2025-cncf-annual-cloud-native-survey\u002F",[55],"nofollow","CNCF（Cloud Native Computing Foundation）の2025年版年次クラウドネイティブ調査","（2026年1月発表）によると、数値は明確だ。",[59,60,61,68,74],"ul",{},[62,63,64,67],"li",{},[15,65,66],{},"82%",": コンテナを利用する組織がKubernetesを本番環境で稼働（2024年の80%から増加）",[62,69,70,73],{},[15,71,72],{},"66%",": 生成AIを活用している組織のうち、AI推論ワークロードの一部または全部をKubernetesで運用",[62,75,76,79],{},[15,77,78],{},"98%",": 調査対象組織がクラウドネイティブ技術を採用済み",[11,81,82,87],{},[51,83,86],{"href":84,"rel":85},"https:\u002F\u002Fwww.cncf.io\u002Freports\u002Fthe-cncf-annual-cloud-native-survey\u002F",[55],"CNCF年次調査レポート","が示す数字が物語るのは、「KubernetesはAIの共通基盤になりつつある」という現実だ。",[11,89,90],{},"これは偶然ではない。AIインフラには、従来のWebアプリケーション基盤とは異なる固有の要件がある。GPUリソースの動的割り当て、大規模なモデル推論の水平スケーリング、複数チームのワークロード分離——これらを同時に解決できるオーケストレーション基盤として、Kubernetesが実質的な選択肢になっているのだ。",[11,92,93,94,99],{},"AI基盤の構築コストを抑えたいと考えるなら、",[51,95,98],{"href":96,"rel":97},"https:\u002F\u002Fkubo.hexabase.io\u002F",[55],"Kubo","のようなマネージドK8sサービスを使えば、EKSの約58%のコストで同等のKubernetes環境をすぐに用意できる。しかし、まずはKubernetesがなぜAIに必要なのかを理解することが重要だ。",[30,101],{},[33,103,105],{"id":104},"aiワークロードがk8sを必要とする3つの技術的理由","AIワークロードがK8sを必要とする3つの技術的理由",[11,107,109],{"className":108,"dir":41},[40],[43,110],{"src":111,"alt":46,"width":47,"height":47},"https:\u002F\u002Fv3b.fal.media\u002Ffiles\u002Fb\u002F0aa1ac96\u002FGmNkiN8q2kYOrynFLbp7m_Dei7n0QR.webp",[11,113,114,115,120],{},"AIワークロードには、一般的なWebアプリケーションと根本的に異なるインフラ要件がある。",[51,116,119],{"href":117,"rel":118},"https:\u002F\u002Fwww.cloudoptimo.com\u002Fblog\u002Fkubernetes-ai-infrastructure-in-2026-gpu-scheduling-and-production-realities\u002F",[55],"2026年のKubernetesとAIインフラの現状を分析したCloudOptimoのレポート","では、その要件を次のように整理している。",[122,123,125],"h3",{"id":124},"gpuスケジューリングkuberay-kueue-が変えた世界","GPUスケジューリング——KubeRay \u002F Kueue が変えた世界",[11,127,128],{},"AIの学習・推論にはGPUが不可欠だが、GPUは高価なリソースであり、効率的な割り当てが求められる。従来のKubernetesスケジューラはCPU\u002Fメモリを前提に設計されており、GPU特有の要件（マルチGPU間のバンド幅最適化、ギャングスケジューリング等）には対応していなかった。",[11,130,131,132,137,138,143],{},"この課題を解決したのが、",[51,133,136],{"href":134,"rel":135},"https:\u002F\u002Fdocs.ray.io\u002Fen\u002Flatest\u002Fcluster\u002Fkubernetes\u002Fk8s-ecosystem\u002Fkai-scheduler.html",[55],"KubeRay","と",[51,139,142],{"href":140,"rel":141},"https:\u002F\u002Fkueue.sigs.k8s.io\u002F",[55],"Kueue","だ。",[59,145,146,151],{},[62,147,148,150],{},[15,149,136],{},": Rayの分散学習とLLM推論をKubernetes上で管理するオペレーター。RayClusterとRayJobのCRDにより、マルチGPU推論エンドポイントの構築が容易になった",[62,152,153,155,156,161],{},[15,154,142],{},": バッチワークロードのジョブキュー管理。優先度制御、チーム間のリソース公平割り当て、アイドル時の自動借用によりGPU稼働率を最大化できる（",[51,157,160],{"href":158,"rel":159},"https:\u002F\u002Fgithub.com\u002Fkubernetes-sigs\u002Fkueue",[55],"Kueue GitHub","で詳細を確認できる）",[11,163,164],{},"MicrosoftがKubeCon 2026でGPUスケジューリング機能を強化したことも、エコシステムの成熟を象徴する。NVIDIAのKAI SchedulerとKubeRayの統合により、ギャングスケジューリング、ワークロード自動スケーリング、優先度付き推論ジョブの管理が可能になった。",[122,166,168],{"id":167},"llm推論サービングのスケーラビリティ","LLM推論サービングのスケーラビリティ",[11,170,171],{},"ChatGPTのようなLLMサービスを自社で運用する場合、推論リクエストの急増への対応が不可欠だ。Kubernetesの水平スケーリング（Horizontal Pod Autoscaler）とKubeRayのRayServeを組み合わせることで、GPUノードを自動追加しながら推論スループットをリクエストに追随させることができる。",[11,173,174,179],{},[51,175,178],{"href":176,"rel":177},"https:\u002F\u002Fwww.fairwinds.com\u002Fblog\u002F2026-kubernetes-playbook-ai-self-healing-clusters-growth",[55],"Fairwinds社の2026年Kubernetesプレイブック","によると、K8sのインテリジェントなリソース最適化により、クラウドコストを最大70%削減した事例も報告されている。",[122,181,183],{"id":182},"マルチテナント対応でaiチームを安全に分離する","マルチテナント対応でAIチームを安全に分離する",[11,185,186],{},"多くの組織では、データサイエンスチーム、MLエンジニア、本番運用チームが同一インフラを共有することになる。Kubernetesのネームスペース分離、RBAC（ロールベースアクセス制御）、NetworkPoliciesにより、各チームのワークロードを安全に分離しながら、リソースを効率的に共有できる。",[11,188,189],{},"Kueueのマルチテナント機能では、チームごとにGPUクォータを設定し、アイドルリソースを自動借用する「フェアシェアスケジューリング」が実現される。これにより、GPU稼働率を高く維持しながら、チーム間の公平なリソース配分が可能になる。",[30,191],{},[33,193,195],{"id":194},"プラットフォームエンジニアリングがai導入速度を決める","プラットフォームエンジニアリングがAI導入速度を決める",[11,197,199],{"className":198,"dir":41},[40],[43,200],{"src":201,"alt":46,"width":47,"height":47},"https:\u002F\u002Fv3b.fal.media\u002Ffiles\u002Fb\u002F0aa1ac99\u002F4Afbr3pILgnnuZ7YfLkKo_5UDD2Cly.webp",[11,203,204,205,208],{},"CNCFの調査で注目すべき知見がもう一つある。2026年には",[15,206,207],{},"大規模ソフトウェア組織の80%がプラットフォームエンジニアリングチームを設置する","という予測だ。",[11,210,211,216],{},[51,212,215],{"href":213,"rel":214},"https:\u002F\u002Fplatformengineering.org\u002Fblog\u002Fplatform-engineering-tools-2026",[55],"プラットフォームエンジニアリングの最新動向を分析した記事","では、その本質を「開発者がKubernetesを意識せずにAIを使えるようにする抽象化レイヤー」と説明している。",[122,218,220],{"id":219},"idpがai基盤への入り口を変える","IDPがAI基盤への入り口を変える",[11,222,223],{},"Internal Developer Platform（IDP）とは、インフラの複雑さをカプセル化し、開発者がセルフサービスでAIリソースを利用できる仕組みだ。Backstage、Port、Cortexなどのポータルツールと、KubernetesとTerraformを組み合わせることで構築できる。",[11,225,226,231],{},[51,227,230],{"href":228,"rel":229},"https:\u002F\u002Fwww.vcluster.com\u002Fblog\u002Fbuilding-an-internal-kubernetes-platform",[55],"vClusterによる内部Kubernetesプラットフォームの構築ガイド（2026年版）","では、「データサイエンティストはJupyterNotebookのURL一つで、GPU搭載K8sクラスタに接続できる」という状況が、プラットフォームエンジニアリングの理想形として示されている。",[11,233,234],{},"GitOpsがプラットフォームの標準的なデプロイ方法として定着し、ArgoCDやFluxを通じてKubernetesクラスタの状態をGitリポジトリと常に同期させることができる。Kuboは標準でArgoCD\u002FFluxとの統合に対応しており、こうしたIDPの構築を即座に開始できる。",[122,236,238],{"id":237},"文化的課題がkubernetes採用の最大のハードル","文化的課題がKubernetes採用の最大のハードル",[11,240,241,242,245],{},"CNCF調査が示した興味深い変化がある。2026年のKubernetes採用最大の障壁は、技術的複雑さではなく「",[15,243,244],{},"組織文化（47%）","」になったのだ。技術は成熟した。課題は人と組織の側にある。",[11,247,248],{},"プラットフォームエンジニアリングは、この文化的障壁を下げるための仕組みでもある。「K8sを覚えなくても使える」環境を整えることで、データサイエンティストや機械学習エンジニアがAIインフラを自律的に活用できるようになる。",[11,250,251,252,257],{},"AI基盤の構築スキルを組織として高めたいなら、",[51,253,256],{"href":254,"rel":255},"https:\u002F\u002Fwww.hexabase.com\u002Fservice\u002Fai-dev",[55],"AI駆動開発伴走セミナー","でKubernetes×AI基盤設計を体系的に学ぶ選択肢もある。実際の構築経験を持つエンジニアが、K8sとMLOpsの設計から運用まで伴走してくれる。",[30,259],{},[33,261,263],{"id":262},"ai基盤のk8s構築コストがネックになる現実","AI基盤のK8s構築コストがネックになる現実",[11,265,267],{"className":266,"dir":41},[40],[43,268],{"src":269,"alt":46,"width":47,"height":47},"https:\u002F\u002Fv3b.fal.media\u002Ffiles\u002Fb\u002F0aa1ac9c\u002FFpJgXVF3Enji1g1HNvwPz_Y2lBiLZR.webp",[11,271,272,273,278],{},"「Kubernetesがベストだと分かっていても、コストが合わない」——これが多くのCTOやインフラリードが直面するジレンマだ。",[51,274,277],{"href":275,"rel":276},"https:\u002F\u002Fsedai.io\u002Fblog\u002Fkubernetes-cost-eks-vs-aks-vs-gke",[55],"マネージドKubernetes各社のコスト詳細分析（Sedai, 2026年）","によると、コンピュートコストがK8sランニングコストの70〜85%を占めており、プロバイダー選定がTCOに直結する。",[11,280,281],{},"3ノード構成（4vCPU\u002F8GB\u002F40GB × 3）での月額コスト比較を見てほしい。",[283,284,285,298],"table",{},[286,287,288],"thead",{},[289,290,291,295],"tr",{},[292,293,294],"th",{},"プロバイダー",[292,296,297],{},"月額合計",[299,300,301,313,321,329],"tbody",{},[289,302,303,308],{},[304,305,306],"td",{},[15,307,98],{},[304,309,310],{},[15,311,312],{},"¥48,000",[289,314,315,318],{},[304,316,317],{},"AWS EKS",[304,319,320],{},"¥82,700",[289,322,323,326],{},[304,324,325],{},"Azure AKS",[304,327,328],{},"¥85,710",[289,330,331,334],{},[304,332,333],{},"GCP GKE",[304,335,336],{},"¥60,100",[11,338,339],{},"EKSの約58%のコストで、同等のKubernetes機能を利用できる。だが、コストだけが課題ではない。",[11,341,342],{},[15,343,344],{},"EKS\u002FAKS\u002FGKEで見落とされがちな3つのコスト要因:",[346,347,348,354,360],"ol",{},[62,349,350,353],{},[15,351,352],{},"ベンダーロックインリスク",": AWSやAzure固有のサービスと深く統合するほど、移行コストが増大する",[62,355,356,359],{},[15,357,358],{},"専門人材コスト",": クラウドプロバイダー固有のK8s運用知識が必要となり、採用・育成コストが増える",[62,361,362,365],{},[15,363,364],{},"運用管理コスト",": マネージドサービスでもノードのアップグレード、セキュリティパッチ適用、モニタリング設定は自社対応が必要",[11,367,368],{},"これらを合計すると、表面的なインスタンスコスト以上の費用が発生する。特にAIワークロードではGPUノードの追加コストが加算されるため、TCO（総保有コスト）での比較が不可欠だ。",[30,370],{},[33,372,374],{"id":373},"マネージドk3sでaiインフラをコスト12即日起動する","マネージドK3sでAIインフラをコスト1\u002F2・即日起動する",[11,376,378],{"className":377,"dir":41},[40],[43,379],{"src":380,"alt":46,"width":47,"height":47},"https:\u002F\u002Fv3b.fal.media\u002Ffiles\u002Fb\u002F0aa1aca0\u002FAuxu9IByZnsa0PA0ci95j_fWWxttpZ.webp",[11,382,383,386,387,391],{},[51,384,98],{"href":96,"rel":385},[55],"は、K3sをベースにしたマネージドKubernetesサービスだ。K3sは",[51,388,390],{"href":84,"rel":389},[55],"CNCF認定の軽量Kubernetesディストリビューション","であり、標準K8sとの完全な互換性を保ちながら、リソース消費を大幅に削減する。",[122,393,395],{"id":394},"kuboでai基盤を構築するメリット","KuboでAI基盤を構築するメリット",[11,397,398,401],{},[15,399,400],{},"1. AI-Driven Deployment（NoOps）","\n「このモデルをデプロイして」と自然言語で指示するだけでOK。YAMLの作成やkubectl操作が不要。データサイエンティストがインフラエンジニア不要でAIサービスを本番環境に展開できる。",[11,403,404,407],{},[15,405,406],{},"2. Kubo Captain UI（可視化された管理）","\nブラウザベースの管理UIで、GPUノードの使用状況、ポッドの状態、コストの推移をリアルタイムで把握できる。ブラックボックスにならない透明性がある。",[11,409,410,413],{},[15,411,412],{},"3. Pure Kubernetes（ベンダーロックインなし）","\n標準K8sのAPIとツールチェーン（Helm、ArgoCD、Prometheus等）がそのまま使える。AWS\u002FAzureのK8s知識・ツールを一切捨てずに移行できる。",[11,415,416,419],{},[15,417,418],{},"4. GitOps標準搭載","\nArgoCDとFluxの統合が最初から組み込まれている。Git pushだけでAIモデルのデプロイを自動化するGitOpsフローを即座に構築できる。",[11,421,422,425],{},[15,423,424],{},"5. モニタリング標準搭載","\nPrometheus + Grafanaが標準で入っており、GPU使用率、推論レイテンシ、コスト最適化のダッシュボードを追加設定なしで利用できる。",[122,427,428],{"id":428},"実際の移行シナリオ",[11,430,431],{},"「EKSで月額82,700円かけていたK8s環境をKuboに移行したら、48,000円になり、かつArgoCD連携もすぐに始められた」——こうしたシナリオが現実になる。",[11,433,434,435,440],{},"AI基盤の構成について具体的に相談したい場合は、",[51,436,439],{"href":437,"rel":438},"https:\u002F\u002Fwww.hexabase.com\u002Fcontact-us\u002F",[55],"お問い合わせ","から無料相談を利用いただける。AIインフラのコスト試算、K3sの本番運用設計、GPUノードの追加方法など、具体的な質問に対応している。",[30,442],{},[33,444,445],{"id":445},"まとめ",[11,447,448],{},"AIプラットフォームのKubernetesへの収束は、一過性のトレンドではなく構造的な変化だ。",[59,450,451,454,457,460],{},[62,452,453],{},"CNCF 2026の調査が明確に示す通り、生成AI組織の66%がK8sを選んでいる",[62,455,456],{},"GPUスケジューリング（KubeRay、Kueue）、LLM推論のスケーリング、マルチテナント管理——AIワークロードの要件がKubernetesの機能と合致している",[62,458,459],{},"プラットフォームエンジニアリングにより、開発者がK8sを意識せずにAIを使える抽象化が進んでいる",[62,461,462],{},"しかし、EKS\u002FAKS\u002FGKEは高コスト・ベンダーロックインというジレンマがある",[11,464,465],{},"この課題に対するKuboの答えは明確だ。K3sベースでEKSの約58%のコスト、標準K8sとの完全互換性、ArgoCD\u002FHelm\u002FPrometheus等の主要ツールを即日利用可能な状態で提供する。",[11,467,468,469,472,473,478,479,483],{},"AIワークロードを本番で動かすには、堅牢なK8s基盤が不可欠だ。",[51,470,98],{"href":96,"rel":471},[55],"なら、そのAI時代のインフラ基盤をすぐに構築できる。",[51,474,477],{"href":475,"rel":476},"https:\u002F\u002Fwww.hexabase.com\u002Fpricing\u002F",[55],"料金プラン","で詳細なコスト比較を確認するか、",[51,480,482],{"href":437,"rel":481},[55],"無料相談","でAI基盤の設計について話してほしい。",{"title":46,"searchDepth":485,"depth":485,"links":486},2,[487,488,494,498,499,503],{"id":35,"depth":485,"text":36},{"id":104,"depth":485,"text":105,"children":489},[490,492,493],{"id":124,"depth":491,"text":125},3,{"id":167,"depth":491,"text":168},{"id":182,"depth":491,"text":183},{"id":194,"depth":485,"text":195,"children":495},[496,497],{"id":219,"depth":491,"text":220},{"id":237,"depth":491,"text":238},{"id":262,"depth":485,"text":263},{"id":373,"depth":485,"text":374,"children":500},[501,502],{"id":394,"depth":491,"text":395},{"id":428,"depth":491,"text":428},{"id":445,"depth":485,"text":445},"2026-07-10","CNCF 2026年調査で生成AI組織の66%がKubernetesを採用。GPUスケジューリング、マルチテナント、コスト最適化——AIワークロードを本番で動かすためにK8sが選ばれる理由と、マネージドK8sで最短構築する方法を解説。","md","https:\u002F\u002Fcdn.kubo.hexabase.io\u002Fimages\u002Fblog\u002Fai-platform-kubernetes-convergence-2026\u002Feyecatch.webp","ja",{},true,"\u002Fblog\u002Fja\u002Fai-platform-kubernetes-convergence-2026",{"title":5,"description":505},"blog\u002Fja\u002Fai-platform-kubernetes-convergence-2026",[515,516,517,518,519,520],"kubernetes","ai","platform-engineering","mlops","k3s","gpu","a8oudyXqikh6-Ar0NRwBhnoauw08E8uHng6KheSIO2k",[523,532,541,548,556,565],{"path":524,"title":525,"description":526,"date":527,"tags":528},"\u002Fblog\u002Fja\u002Fkubernetes-mlops-gpu-scheduling-talent-shortage","AIがコードを書ける時代に、なぜインフラエンジニアの給料は上がったのか。企業のAI導入ラッシュが生んだ「MLOps人材不足」の実態","生成AIの普及でコードは誰でも書ける時代になったが、企業のAI導入が進むほどKubernetes上でGPUやモデルサービングを安定運用できるMLOps人材の需要は逆に高まっている。その理由と解決策を解説する。","2026-07-30",[515,519,518,529,530,531],"ai-infrastructure","gpu-scheduling","devops",{"path":533,"title":534,"description":535,"date":536,"tags":537},"\u002Fblog\u002Fja\u002Fplatform-engineering-kubernetes-idp-managed-k3s","生のKubernetesを渡すな。プラットフォームエンジニアリングという“隠す”設計思想と、Kuboという答え","プラットフォームエンジニアリングとKubernetesの関係を解説。開発者にK8sの複雑さを直接渡さない設計思想、IDP構築の3本柱、そしてマネージドK3sという選択肢を紹介する。","2026-07-16",[515,519,517,538,539,540],"internal-developer-platform","gitops","managed-kubernetes",{"path":542,"title":543,"description":544,"date":545,"tags":546},"\u002Fblog\u002Fja\u002Fmlops-kubernetes-devops-ai-skills-2026","「DevOpsエンジニアは不要になる」は嘘だった。AI時代のKubernetes運用者が今すぐ身につけるべきMLOpsスキル5選","AIがインフラ構築を自動化する時代、DevOpsエンジニアは本当に不要なのか？実態は逆で、MLOps Kubernetesを扱える人材の需要が急増。2026年に求められる5つのスキルと具体的な習得法を解説。","2026-07-11",[515,518,531,519,547,529],"ci-cd",{"path":549,"title":550,"description":551,"date":552,"tags":553},"\u002Fblog\u002Fja\u002Fkubernetes-ai-gpu-cost-optimization-dra","GPU利用率20%で満足してる？Kubernetes AI基盤で50-70%コスト削減を実現する動的リソース管理術","GPU利用率わずか20-30%の現状を打破。Kubernetes Dynamic Resource Allocationによる動的リソース管理で50-70%のAIインフラコスト削減を実現する2026年最新手法を解説。","2026-05-26",[515,516,520,554,555],"dra","cost-optimization",{"path":557,"title":558,"description":559,"date":560,"tags":561},"\u002Fblog\u002Fja\u002Fkubernetes-certificate-management-cert-manager-process-debt","証明書の更新、1行のコードより2ヶ月の会議が長かった。Kubernetesの証明書管理が『技術』ではなく『手続き』の問題である理由","Kubernetesの証明書管理は技術的には数日で終わる。だが実際に時間がかかるのは合意形成という『手続き』だ。cert-managerによる自動化と、組織的負債をなくす設計を解説する。","2026-08-09",[519,515,562,563,564],"cert-manager","tls","security",{"path":566,"title":567,"description":568,"date":569,"tags":570},"\u002Fblog\u002Fja\u002Fai-agent-sandbox-kata-containers-kubernetes","AIエージェントのコードは「信頼できる製品」じゃない。Kubernetesサンドボックス設計の答え","AIエージェントが生成・実行するコードはもう「信頼できる製品」ではない。KubernetesでAIエージェント向けサンドボックスを設計する際、コンテナ分離の限界とKata Containersによるマイクロ VM分離がなぜ必要になるのかを解説する。","2026-08-08",[519,515,571,572,564],"kata-containers","ai-agent",1786354647557]