Postmortem de incidentes

Un postmortem de incidente es el documento que escribe un equipo después de que algo se rompe en producción: se cayó el sitio, fallaron los pagos, se perdieron datos. Una vez apagado el incendio, la gente se sienta a reconstruir qué pasó, minuto a minuto, para que la organización aprenda algo en lugar de seguir de largo.

Un postmortem típico tiene un resumen, el impacto (a quién afectó y por cuánto tiempo), una línea de tiempo, la causa raíz y los factores que contribuyeron, qué salió bien y qué salió mal en la respuesta, y una lista de acciones a seguir con responsable y fecha, como agregar una alerta, arreglar un script o cambiar un proceso de revisión. Las acciones son lo importante: un postmortem sin seguimiento es solo una anécdota.

La regla cultural clave es que sea sin culpables (blameless). Parte de la base de que las personas actuaron razonablemente con la información que tenían y pregunta por qué el sistema permitió que un error hiciera daño, no a quién castigar. Si los ingenieros temen que los culpen, esconden detalles y las causas reales quedan tapadas. Muchas empresas publican los postmortems de sus caídas grandes para que los clientes vean qué pasó y qué cambiaron.