Análisis
Postmortem de una integración caída
Apagar el canal del incidente no cierra el caso. El documento posterior sirve si reconstruye la línea de tiempo con evidencia y deja acciones con dueño, fecha y una prueba que las verifique.
Una integración de consultas deja de responder un martes a la mañana. Dos horas más tarde alguien reinicia un proceso, los resultados vuelven y el canal del incidente se apaga. Queda un hilo de mensajes y la impresión compartida de que el tema está resuelto.
El postmortem es el documento que convierte esas dos horas en algo que otra persona pueda leer dentro de seis meses y entender sin haber estado. No es el aviso que se manda mientras la fuente está caída ni el resumen que tranquiliza a un cliente: es posterior, se escribe con evidencia y responde a una sola pregunta útil, qué tiene que cambiar para que el próximo impacto sea menor.
En consultas de infracciones hay una segunda pregunta, propia del dominio: qué quedó creyendo el sistema del otro lado.
El parte y el documento no son el mismo texto
Mientras el problema está abierto conviene avisar poco y accionable: qué superficie está afectada, desde cuándo y qué hacer al respecto. Esa comunicación tiene su propia disciplina y su propia escalera de degradación, tratada en degradación elegante cuando un portal cae.
El postmortem llega después, con otra audiencia. No compite con el parte ni lo reemplaza. Si el equipo intenta escribir un solo texto que sirva para tranquilizar al cliente y para entender la falla, suele terminar con un documento que no hace ninguna de las dos cosas.
Una consecuencia práctica: el postmortem no se redacta durante el incidente. Durante el incidente se recolecta.
La línea de tiempo se reconstruye, no se recuerda
La memoria de una guardia es mala fuente. La reconstrucción sale de registros correlacionados: la recomendación W3C Trace Context define cómo propagar un identificador común entre servicios para que una misma operación pueda seguirse de punta a punta. Sin esa correlación, la línea de tiempo se arma pegando logs de relojes distintos y la discusión se vuelve interpretativa.
Cada marca lleva su hora con desplazamiento explícito y su origen. Registramos al menos cuatro momentos y no los mezclamos:
- el primer síntoma observable en los datos;
- la primera detección automática;
- la primera intervención humana;
- la mitigación efectiva y el cierre.
La distancia entre el primer síntoma y la primera detección es, por sí sola, un hallazgo. Suele decir más sobre las alertas que sobre la falla.
La línea de tiempo se escribe sin patentes, documentos ni cuerpos de respuesta completos: alcanzan identificadores internos y conteos, con el criterio de trazas y métricas sin patentes ni CUIT.
Qué recibió el consumidor mientras tanto
Acá está la parte que un postmortem de infraestructura suele omitir. Una integración caída no falla en el vacío: del otro lado hay un sistema que interpretó algo.
RFC 9457 define un formato de errores para APIs HTTP, con campos como tipo, título, estado y detalle, más miembros de extensión. La pregunta del postmortem es concreta: durante la ventana, ¿los clientes recibieron un error explícito, un tiempo agotado o una respuesta correcta con lista vacía?
Los tres casos tienen consecuencias distintas. Un error identificable se reintenta. Un tiempo agotado deja la duda. Una lista vacía sin marca de cobertura parcial puede archivarse como “sin infracciones” y no volver a consultarse nunca. Ese tercer caso no es una falla de disponibilidad sino de significado, y es el que conviene buscar primero.
Factores contribuyentes en lugar de un culpable
El catálogo de controles de NIST prevé que el manejo de incidentes alimente de vuelta los procedimientos, la capacitación y las pruebas. Esa realimentación no ocurre si el documento termina en el nombre de quien desplegó.
La pregunta productiva es otra: con la información disponible en ese momento, ¿por qué esa decisión parecía razonable? Las respuestas útiles suelen ser varias a la vez —un portal que cambió su formato sin aviso, una alerta que medía disponibilidad y no contenido, un reintento que amplificó la carga, un procedimiento escrito para una versión anterior— y cada una habilita una acción distinta.
La deuda de datos que deja la caída
Que el servicio vuelva a responder no cierra el incidente. Las guías de contingencia contemplan una etapa de validación antes de declarar operación normal, y en este dominio esa etapa es de datos.
Verificá qué quedó pendiente en la ventana afectada: consultas que hay que rehacer, exportaciones que salieron incompletas, avisos que no se emitieron y reportes ya entregados que necesitan corrección. Cada ítem con responsable y fecha, no como intención general.
El cierre del postmortem son las acciones. Cada una con dueño, plazo y una verificación que falle si el problema reaparece: una alerta nueva, una prueba automática, un cambio en el contrato de respuesta. Una revisión a los treinta días confirma si se hicieron.
Un postmortem que no cambia ninguna de esas tres cosas es una crónica bien escrita de algo que va a volver a pasar.
Preguntas frecuentes
¿El postmortem es el mismo texto que el aviso enviado durante la caída?
No. El aviso sale mientras el problema está abierto y prioriza lo accionable para quien lo recibe. El postmortem se escribe después, con evidencia ya reunida, y su destinatario es el equipo que va a mantener esa integración más adelante.
¿Conviene buscar una única causa raíz?
Rara vez alcanza. Una caída suele combinar un cambio externo, una alerta que medía otra cosa y un procedimiento desactualizado. Enumerar factores contribuyentes deja más acciones verificables que elegir un culpable único, y evita cerrar el caso antes de entenderlo.
¿Qué datos no deberían aparecer en un postmortem?
Patentes, documentos, CUIT, credenciales y cuerpos de respuesta completos. Para reconstruir lo ocurrido alcanza con identificadores internos, códigos de error y conteos. El documento se comparte más de lo previsto, así que conviene escribirlo desde el principio sin datos personales.
¿Cuándo se considera cerrado un incidente de integración?
Cuando el servicio volvió a responder, el reproceso pendiente terminó y alguien verificó que los resultados afectados quedaron corregidos. Las guías de contingencia contemplan una etapa de validación antes de declarar operación normal; declarar el cierre por la sola recuperación técnica suele dejar datos incompletos.
Fuentes consultadas 4 referencias
- W3C Trace Context (abre en una pestaña nueva) — World Wide Web ConsortiumConsultada el
- RFC 9457 — Problem Details for HTTP APIs (abre en una pestaña nueva) — RFC EditorConsultada el
- NIST SP 800-53 Revision 5 — Security and Privacy Controls (abre en una pestaña nueva) — National Institute of Standards and TechnologyConsultada el
- SP 800-34 Rev. 1, Contingency Planning Guide for Federal Information Systems (abre en una pestaña nueva) — National Institute of Standards and TechnologyConsultada el
Datos y metodología
- Alcance de la nota
- Cómo se documenta y se cierra la caída de una integración de consultas de infracciones, desde la reconstrucción de la línea de tiempo hasta el reproceso posterior. No cubre la comunicación durante el incidente ni el tratamiento de un incidente de seguridad.
- Unidad de análisis
- Un incidente, entendido como una integración afectada durante una ventana con inicio, detección, mitigación y cierre declarados.
- Cobertura
- Prácticas generales de manejo de incidentes y planificación de contingencias publicadas por NIST, correlación de solicitudes según la recomendación W3C Trace Context y formato de errores de RFC 9457, al 29 de agosto de 2026.
Limitaciones
- El documento describe un método de análisis interno; no reemplaza el acuerdo de nivel de servicio ni las obligaciones contractuales con cada cliente.
- La disponibilidad de una fuente oficial no está bajo nuestro control: un postmortem puede explicar el impacto sin poder evitar que la falla se repita.
- Las acciones correctivas dependen de la arquitectura de cada integración y no se trasladan de un caso a otro sin revisión.
Fecha declarada del contenido: . La fecha de consulta no reemplaza la vigencia de la norma ni una revisión independiente.
Notas relacionadas
Cobertura de una API: cómo comunicar fuentes caídas y resultados parciales
Una integración de infracciones necesita informar qué fuentes respondió, cuáles fallaron y si el resultado es completo. Un cero sin cobertura comprobada puede inducir decisiones incorrectas.
Timeout no significa “sin multas”: cómo informar resultados parciales en una integración
Cuando una fuente no responde, el resultado es parcial o indeterminado, nunca cero. Un contrato explícito permite reintentar, alertar y decidir sin producir falsos negativos.
RPO y RTO de una API de multas: probar la restauración
Un backup exitoso no demuestra que una API pueda recuperarse a tiempo. La evidencia aparece cuando se restaura en un entorno aislado y se mide la pérdida y la demora.