Kubernetes altyapısını kullanan ekipler, CI/CD boru hatlarının günde onlarca kez çalışmasını ve otomatik ölçeklemenin kapsayıcı replikalarını dinamik olarak ayarlamasını rutin olarak kabul etmişlerdir. Ancak bu otomatik süreçler genellikle uygulamaların işletilmesi ve dağıtılmasıyla sınırlı kalmakta, temel bilişim kaynakları üzerinde insan denetimini koruma eğilimi gösterilmektedir.
CPU ve bellek ayırmaları gibi kritik kaynakların yönetimi, birçok Kubernetes organizasyonu tarafından halen manuel veya yarı otomatik yaklaşımlarla ele alınmaktadır. Bu tutum, geçmiş otomatikleştirme hatalarına dayalı güven eksikliğinden ve yanlış yapılandırmaların potansiyel işletme risklerinden kaynaklanmaktadır.
Yapay zeka ve makine öğrenmesi teknolojilerinin gelişmesi, bu statükoyu sorgulamaya başlamıştır. Gelişmiş AI modelleri, iş yükleri, performans metrikleri ve kaynak talepleri üzerinde derin analiz yapabilmek için bu alandaki otomatikleştirmeyi yeniden değerlendirilmesine neden olmaktadır.
