Kubernetes vs Serverless: cuándo usar cada uno en producción

La pregunta no es cuál tecnología es mejor. Es cuál resuelve tu caso de negocio con el menor costo total de propiedad y la menor fricción operativa. Equipos que eligen Kubernetes para cargas esporádicas terminan pagando clusters ociosos; equipos que eligen Serverless para procesos de larga duración chocan con límites de ejecución y facturas impredecibles.

Esta decisión define tu estructura de costos por los próximos 3 a 5 años, el perfil de talento que necesitas contratar y la velocidad con la que puedes desplegar nuevas funcionalidades. Equivocarse no es catastrófico, pero migrar después cuesta entre 4 y 9 meses de trabajo de ingeniería según la complejidad del stack.

En esta guía comparamos ambos paradigmas con criterios operativos reales: no teoría de arquitectura, sino decisiones que tomamos con clientes en producción en LATAM y USA.

Los dos paradigmas en 30 segundos

Kubernetes (K8s) es un orquestador de contenedores. Tú provisionas nodos (máquinas virtuales), defines cómo se despliegan tus servicios, y el clúster mantiene el estado deseado: réplicas, escalado, rolling updates, service discovery. Pagas por la infraestructura reservada, esté o no esté atendiendo tráfico. Controlas el runtime, el networking y la observabilidad.

Serverless (AWS Lambda, Google Cloud Functions, Azure Functions, Cloud Run) invierte el modelo: tú subes código o un contenedor, el proveedor gestiona la ejecución. Pagas por invocación y por milisegundos de cómputo consumido. No hay servidores que mantener, pero tampoco control fino sobre el runtime, los tiempos de arranque en frío o los límites de ejecución.

La diferencia estructural: Kubernetes optimiza para control y carga sostenida. Serverless optimiza para elasticidad y costo variable. Todo lo demás son consecuencias de esa elección inicial.

Tabla de decisión: 10 criterios

Criterio	Kubernetes	Serverless
Patrón de tráfico	Sostenido, predecible	Esporádico, bursty
Duración de ejecución	Sin límite	Hasta 15 min (Lambda) / 60 min (Cloud Run)
Control de runtime	Total	Limitado
Cold start	No aplica	100 ms – 2 s típico [VERIFICAR: rangos exactos de cold start Lambda 2025 según AWS]
Costo base mensual	Alto (clúster siempre activo)	Cero sin tráfico
Costo bajo alta carga	Eficiente	Puede dispararse
Complejidad operativa	Alta (requiere SRE)	Baja
Portabilidad entre clouds	Alta	Baja (vendor lock-in)
Observabilidad	Madura (Prometheus, Grafana)	Depende del proveedor
Tiempo a primer deploy	Semanas	Horas

Este cuadro no decide por ti. Pondera según el peso que tengan en tu contexto: una fintech regulada prioriza control; un MVP prioriza velocidad.

Cuándo Kubernetes gana (7 escenarios)

1. Tráfico sostenido 24/7. Una API con más de ~1M de requests diarios constantes suele ser más barata en K8s que en Lambda, según nuestros análisis de FinOps en AWS.
2. Procesos de larga duración. Entrenamiento de modelos, ETLs pesados, transcodificación de video: exceden los 15 minutos de Lambda.
3. Workloads stateful. Bases de datos gestionadas por el equipo, colas persistentes, sistemas con afinidad de sesión.
4. Control estricto del runtime. Compliance que exige versiones específicas de kernel, agentes de seguridad propios, o hardening a nivel de nodo.
5. Portabilidad multi-cloud. Si tu estrategia contempla AWS + GCP + on-premise, K8s abstrae el proveedor mejor que cualquier serverless propietario.
6. Ecosistema de microservicios maduro. Más de 20 servicios con service mesh (Istio, Linkerd), políticas de red complejas y despliegues coordinados.
7. Uso intensivo de GPU. Inferencia de modelos grandes, pipelines de ML con requerimientos de hardware específicos.

Cuándo Serverless gana (7 escenarios)

1. Tráfico impredecible o estacional. Eventos tipo Black Friday, campañas puntuales, APIs con picos de 100x sobre la media.
2. Event-driven puro. Procesamiento de archivos en S3, eventos de colas (SQS, EventBridge), webhooks de terceros.
3. MVPs y validaciones de producto. De idea a producción en días, sin operar infraestructura. Ideal para equipos pequeños.
4. Backends de aplicaciones móviles. Patrón request/response corto, autenticación, sincronización ligera.
5. Automatizaciones internas. Cron jobs, reportes programados, integraciones entre SaaS. Ver más en automatización de infraestructura.
6. Procesamiento batch esporádico. Cargas que corren una vez al día o a la semana: pagar por clúster 24/7 no tiene sentido.
7. Equipos sin perfil DevOps/SRE. Startups donde los desarrolladores no deben gestionar infraestructura.

Arquitectura híbrida (la realidad en producción)

La mayoría de nuestras implementaciones no son puras. Un patrón común en clientes que migran desde monolitos (ver guía empresarial de migración a AWS):

• Core transaccional en Kubernetes (EKS o GKE): APIs principales, servicios de dominio, bases de datos gestionadas.
• Perímetro y asincronía en Serverless: autenticación (Lambda + Cognito), procesamiento de uploads, notificaciones, integraciones externas.
• Pipelines de datos mixtos: Lambda para ingesta event-driven, K8s con Spark o Airflow para procesamiento pesado.

Esta combinación aprovecha la eficiencia de costo de K8s para carga base y la elasticidad de Serverless para picos y procesos accesorios. El trade-off: dos modelos operativos, dos stacks de observabilidad, dos perfiles de talento.

La regla práctica: empieza serverless, migra a K8s cuando el costo de Lambda supere el costo de un clúster + un SRE a tiempo parcial. Ese punto suele estar [VERIFICAR: umbral típico de invocaciones mensuales donde K8s supera a Lambda en TCO, benchmark 2025].

Costo real: comparativo con números

Tomemos una API con 10M de requests/mes, 200 ms promedio de ejecución, 512 MB de memoria:

• Lambda: ~[VERIFICAR: costo mensual Lambda 10M requests 512MB 200ms según calculadora AWS 2025], sin costos fijos.
• EKS equivalente: 3 nodos t3.medium (~USD 90/mes) + control plane EKS (USD 73/mes) + balanceador (~USD 20/mes) = ~USD 183/mes fijos, más ingeniería de operación.

A 10M requests, Lambda suele ser competitivo. A 100M requests con el mismo perfil, K8s se vuelve significativamente más barato en cómputo puro, pero hay que sumar el costo del equipo que lo opera: un SRE senior en LATAM cuesta [VERIFICAR: rango salarial SRE senior LATAM 2025 remoto USD] mensual fully-loaded.

El error común es comparar solo la factura de cloud. El costo total incluye: ingeniería de plataforma, tiempo de on-call, herramientas de observabilidad y el costo de oportunidad de features no entregadas porque el equipo está operando infraestructura.

Talento disponible LATAM

El mercado de Kubernetes en LATAM (Colombia, México, Argentina, Chile) está maduro pero concentrado. Perfiles senior con experiencia real en producción —no solo certificaciones CKA— son escasos y compiten con ofertas remotas en USD. Un equipo mínimo viable para operar K8s en producción son 2 SREs más desarrolladores con conocimiento de contenedores.

El talento Serverless es más abundante porque la curva de aprendizaje es menor: cualquier desarrollador backend con 2 años de experiencia puede ser productivo en Lambda en semanas. La contraparte: menos profesionales con experiencia profunda en optimización de cold starts, manejo de concurrencia y arquitecturas event-driven a escala.

Para proyectos con timeline agresivo, Serverless reduce el riesgo de contratación. Para plataformas que serán el core del negocio por 5+ años, invertir en talento K8s senior (o en staff augmentation premium) suele pagar dividendos.

Próximo paso

La elección correcta depende de tu patrón de tráfico, tu compliance, tu equipo actual y tu horizonte de producto. Si estás evaluando qué arquitectura cloud adoptar o cómo migrar una existente, Contáctanos para un diagnóstico de 30 minutos con nuestro equipo de arquitectura.

Preguntas frecuentes