Resumen y motivación

Todo servicio falla alguna vez. Lo que separa a un equipo que mejora de forma constante de uno que repite su peor semana es lo que ocurre en los días posteriores al fallo. Un análisis posterior (postmortem) es un relato escrito de un incidente o de un cuasi accidente: qué ocurrió, cómo se detectó y se manejó, qué condiciones lo hicieron posible y qué cambiará el equipo. ITIL llama a la actividad revisión posterior al incidente, y este tema usa ambos nombres de forma indistinta. Una reflexión regular del equipo es un pariente cercano que mira el trabajo ordinario en lugar de una caída.

Este tema cubre las medidas que dicen si ese ciclo de aprendizaje funciona. Plantea cuatro preguntas. ¿Se hacen realmente las revisiones que deberían hacerse? ¿Son lo bastante buenas como para encontrar algo real? ¿Terminan las acciones que producen? ¿Y sigue volviendo, pese a todo, la misma causa? Una quinta pregunta corre por debajo de las demás: ¿se sienten las personas lo bastante seguras como para describir lo que realmente ocurrió?

El tema se sitúa entre dos vecinos y evita repetirlos. Las métricas de incidentes graves (véase el tema 3.4, Métricas de incidentes graves) miden la puntualidad de la revisión y el seguimiento de sus acciones para los incidentes graves declarados, y son el hogar de esas dos medidas en ese marco estrecho. Las métricas de gestión de problemas (véase el tema 4.1, Métricas de gestión de problemas) poseen el registro del problema, el error conocido y el tiempo hasta la corrección permanente. Este tema amplía la vista a todas las gravedades de incidente, a los cuasi accidentes y a las retrospectivas de equipo, y posee la calidad del propio aprendizaje: cobertura, profundidad, cierre de acciones de todas las fuentes, repetición de las causas y las señales de ausencia de culpa que mantienen honestos los datos.

Términos usados en este tema

  • Análisis posterior o revisión posterior al incidente: un examen estructurado y sin culpa de un incidente después de restablecido el servicio, que termina en un registro escrito.
  • Cuasi accidente: un evento que podría haber causado un incidente o un daño pero no lo hizo, por ejemplo un despliegue fallido detectado en un entorno de pruebas o una alerta que saltó minutos antes de que los usuarios lo notaran.
  • Acción de seguimiento: un cambio específico con un equipo propietario con nombre, una fecha límite y una forma de saber cuándo está hecho.
  • Factor contribuyente: una condición que hizo posible o empeoró el incidente. La mayoría de los incidentes tienen varios. Una única "causa raíz" suele ser una simplificación, y el análisis de causa raíz se trata mejor como una búsqueda de condiciones, no de un culpable.
  • Clase de causa: una etiqueta estable de una lista corta y acordada (por ejemplo "límite de capacidad", "deriva de configuración", "falta de monitoreo", "propiedad poco clara") usada para detectar la repetición. Describe una condición del sistema, nunca a una persona.
  • Sin culpa: un estilo de revisión que pregunta cómo permitió el sistema que una persona razonable actuara como lo hizo, y no pregunta a quién castigar. Es una práctica, y está ligada a la idea de una cultura justa, en la que los errores honestos se tratan como aprendizaje y los actos temerarios se manejan aparte.
  • Biblioteca de Infraestructura de Tecnologías de la Información (ITIL): el marco ampliamente usado para la gestión de servicios de TI (ITSM). Este tema se refiere a las prácticas tal como se describen en ITIL 4 (2019), y el libro en conjunto está fechado a octubre de 2026. Véase ITIL.

En qué difieren las visiones ágil y de ITIL

ITIL aporta estructura. En ITIL 4, la gestión de incidentes restablece el servicio, la gestión de problemas reduce la probabilidad y el impacto de los incidentes al encontrar y gestionar las causas, y la mejora continua convierte lo aprendido en cambio financiado. La revisión es la bisagra entre las dos primeras y la tercera. ITIL tiende a preguntar si se celebró la revisión, si se abrió un registro de problema donde estaba justificado y si se registró la mejora.

Las tradiciones ágil y de ingeniería de fiabilidad de sitios (SRE) aportan hábitos. Las revisiones son sin culpa, breves, escritas para lectores más allá del equipo y ampliamente compartidas. La reflexión regular del equipo, un hábito de mejora continua, pregunta qué cambiar a continuación, y la preferencia ágil por el ajuste pequeño y frecuente sustituye al único gran programa de mejora. El libro Site Reliability Engineering de Google dedica un capítulo a la cultura de los análisis posteriores y sostiene que un proceso de revisión es tan bueno como la cultura que lo rodea.

Usadas juntas, las dos visiones son fuertes. ITIL da reglas de cobertura y un lugar donde viva la acción. Los hábitos ágiles y de SRE dan honestidad y rapidez. Medidas juntas, muestran si el ciclo se está cerrando.

Principios clave

  • El aprendizaje es el producto, no el documento. Una revisión ha tenido éxito cuando algo cambia en el sistema, en el proceso o en la comprensión compartida. Cuenta el cambio, no el papeleo.
  • La ausencia de culpa es una condición previa de unos buenos datos. Si la gente teme la culpa, la cronología será escasa, los factores contribuyentes serán ordenados y el mismo incidente volverá. Protege la sinceridad antes de medir nada más.
  • Mide el seguimiento y la repetición, no el volumen. El número de revisiones dice poco. La proporción de acciones terminadas y la proporción de causas que siguen ausentes dicen muchísimo.
  • Mantén las métricas a nivel de equipo y de sistema. Una revisión trata de condiciones. No cuentes nunca revisiones, acciones ni errores por persona, y no uses nunca estos números en conversaciones de desempeño.
  • Dimensiona la revisión. No todo evento merece un documento largo. Fija los desencadenantes según el impacto y el valor de aprendizaje, y deja que un evento pequeño tenga una revisión corta.
  • Deja que las acciones compitan con honestidad. Una acción es trabajo. Pertenece a la misma lista de pendientes que el resto del trabajo, se prioriza frente a él y puede rechazarse con un motivo registrado.
  • Lee las revisiones. Los números localizan el problema. Una persona que lee una muestra te dice si las revisiones son buenas.

Definiciones de métricas

Las métricas siguientes describen el ciclo de aprendizaje de un servicio o de un grupo de equipos. Cada una indica qué se cuenta, dónde arrancan y se detienen los relojes y qué se excluye. Las medidas de tiempo deben mostrarse como una mediana y un percentil alto (por ejemplo el 85) con la antigüedad del elemento abierto más antiguo, no como un promedio (véase el tema 1.6, Alfabetización estadística para métricas de servicio).

Métrica Definición Fórmula Unidad Fuente de datos Práctica de ITIL Equivalente ágil Cadencia
Cobertura de las revisiones Proporción de eventos que cumplen los requisitos que recibieron una revisión completada Eventos que cumplen los requisitos con una revisión publicada dentro de la ventana acordada / eventos que cumplen los requisitos cerrados en el periodo. Los eventos que cumplen los requisitos son los que satisfacen los desencadenantes escritos. Se excluyen los eventos dentro de la ventana aún abiertos al final del periodo. porcentaje Registros de incidentes de la herramienta ITSM unidos al repositorio de revisiones Gestión de incidentes; gestión de problemas Reflexión regular del equipo; acuerdos de trabajo del equipo Mensual
Puntaje de calidad de las revisiones Si una revisión publicada cumple una breve norma escrita Revisiones de una muestra que cumplen al menos [número acordado] de los elementos de la lista de verificación / revisiones de la muestra. La muestra es un número fijo de revisiones extraídas al azar cada trimestre y puntuadas por alguien ajeno al equipo propietario. porcentaje Muestra trimestral del repositorio de revisiones con una hoja de puntaje Mejora continua; gestión de problemas Definición de terminado de una revisión Trimestral
Tasa de cierre de acciones Proporción de acciones de revisión completadas en su fecha límite Acciones completadas o formalmente rechazadas (con un motivo) en la fecha límite / acciones con vencimiento en el periodo. El reloj arranca cuando se publica la revisión y se detiene cuando el equipo propietario marca la acción como hecha y un revisor lo confirma. Las acciones cerradas como "no se hará" se cuentan por separado y se informan. porcentaje Lista de pendientes del equipo o registro de mejoras de ITSM, vinculado a la revisión Mejora continua; gestión de problemas Lista de pendientes del equipo; acciones de mejora Mensual
Antigüedad de las acciones abiertas Antigüedad de las acciones de revisión aún abiertas Para cada acción abierta, hoy menos la fecha de publicación de su revisión. Informa la mediana, el percentil 85 y la más antigua. días Lista de pendientes del equipo o registro de mejoras Mejora continua Antigüedad del elemento de trabajo; trabajo en curso envejecido Mensual
Tasa de repetición de causas Proporción de eventos cuya clase de causa coincide con un evento anterior del mismo servicio Eventos del periodo cuya clase de causa principal coincide con una revisión cerrada en los doce meses anteriores para el mismo servicio / eventos con una clase de causa registrada en el periodo. Los eventos sin clase de causa registrada se excluyen y se cuentan por separado. porcentaje Campo de clase de causa del repositorio de revisiones unido a los registros de incidentes Gestión de problemas; gestión de incidentes Análisis de defectos escapados; temas de la retrospectiva Trimestral
Tasa de reporte de cuasi accidentes Volumen de cuasi accidentes y señales débiles que la gente elige reportar Cuasi accidentes registrados en el periodo / servicios activos, mostrado como una tendencia por servicio y nunca por persona. La tasa debe subir pronto en un programa sano y luego estabilizarse. recuento por servicio Registro de cuasi accidentes, o un campo etiquetado en el gestor de incidencias Gestión de incidentes; gestión de riesgos Comprobación de la salud del equipo; tablero de impedimentos Mensual
Alcance del aprendizaje Hasta dónde viaja una revisión más allá del equipo que la escribió Revisiones presentadas o discutidas fuera del equipo propietario (un foro compartido, una sesión entre equipos o una lectura documentada por un equipo dependiente) dentro de [número acordado] días de su publicación / revisiones publicadas en el periodo porcentaje Registros de foros o reuniones y el repositorio de revisiones Mejora continua; gestión del conocimiento Revisión con las partes interesadas; comunidades de práctica Trimestral
Arrastre de acciones de retrospectiva Proporción de acciones de la retrospectiva del equipo terminadas para la siguiente retrospectiva Acciones de retrospectiva completadas antes de la siguiente retrospectiva / acciones de retrospectiva acordadas en la anterior. Las acciones descartadas deliberadamente con un motivo se retiran de ambos recuentos. porcentaje Notas o tablero de la retrospectiva, guardados en la lista de pendientes del equipo Mejora continua Reflexión regular del equipo Por periodo de revisión, revisado trimestralmente
Pulso de seguridad para hablar Si la gente cree que puede describir errores sin culpa Proporción de respuestas en o por encima de [nivel acordado] en un breve conjunto anónimo de preguntas (por ejemplo "Puedo describir un error en una revisión sin miedo a que me culpen") / respuestas recibidas. El pulso se informa solo para grupos lo bastante grandes como para proteger el anonimato. porcentaje Encuesta de pulso anónima Mejora continua; cambio organizacional Comprobación de la salud del equipo; comprobación de seguridad psicológica Trimestral

Una revisión está "publicada" cuando es visible para los lectores previstos, no guardada como borrador. Una clase de causa la registra el grupo de revisión a partir de la propia revisión, de una lista corta acordada, nunca quien cerró el ticket.

Recomendaciones

Decide qué merece una revisión

1. Escribe los desencadenantes y publícalos. Una regla como "todo incidente grave, todo incidente de las dos mayores gravedades, cualquier evento con pérdida de datos de clientes y cualquier cuasi accidente que el equipo juzgue instructivo" elimina la discusión y hace medible la cobertura. Sin desencadenantes escritos, las revisiones siguen el estado de ánimo y la carga de trabajo, y la cifra de cobertura no significa nada.

2. Ajusta la revisión al evento. Un evento pequeño puede tener una revisión de media página escrita en treinta minutos, mientras que un incidente grave puede merecer una cronología completa y una sesión facilitada. Una vía ligera mantiene alta la cobertura sin convertir la práctica en una carga.

Juzga la calidad leyendo

3. Muestrea y lee las revisiones cada trimestre. Extrae una pequeña muestra al azar y haz que alguien ajeno al equipo propietario lea cada una frente a una breve lista de verificación. Los elementos útiles incluyen una cronología que muestre las decisiones y la información disponible cuando se tomaron, más de un factor contribuyente, una descripción de lo que fue bien, acciones con responsables y fechas, y un lenguaje que describa el sistema y no al individuo. Informa la proporción que cumple la norma y devuelve los hallazgos a quienes escriben como acompañamiento.

4. Enseña la habilidad de revisar. El sesgo retrospectivo hace que los eventos parezcan obvios a posteriori y empuja a los autores hacia "alguien debería haberse dado cuenta". Pide a los facilitadores que reconstruyan lo que la gente sabía en cada momento, y usa los cinco porqués como un estímulo para plantear preguntas, no como una receta para una única respuesta.

Haz que las acciones terminen

5. Pon las acciones en la lista de pendientes real. Una acción que vive solo en un documento de revisión es invisible para la planificación. Crea un elemento de trabajo en el gestor del equipo propietario, vincúlalo a la revisión y deja que compita por la capacidad como cualquier otro trabajo. Informa el cierre por equipo y por servicio para que una acción bloqueada sea visible para quienes pueden desbloquearla.

6. Permite un "no se hará" honesto y registra por qué. Algunas acciones resultan demasiado costosas o ya no son relevantes. Cerrarlas con un motivo declarado es más sano que dejarlas abiertas un año o marcarlas como hechas sin hacerlas. Informa la proporción rechazada, porque una proporción muy alta sugiere que el proceso de revisión propone acciones que nadie financiará.

7. Sigue la antigüedad de las acciones abiertas además de la tasa de cierre. El percentil 85 de la antigüedad de las acciones abiertas y la acción abierta más antigua muestran qué está atascado. Revisa la más antigua en la reunión que revisa la fiabilidad del servicio.

Vigila las repeticiones

8. Mantén una lista corta de clases de causa y etiqueta cada revisión. Una lista de entre ocho y quince clases basta. Revisa la lista cuando más de una pequeña proporción de eventos caiga en una clase "otros". El etiquetado permite responder con datos a la pregunta "¿hemos visto esto antes?", y alimenta a la gestión de problemas con patrones que ninguna revisión individual muestra (véanse el tema 4.1, Métricas de gestión de problemas, y el tema 4.6, Deuda técnica y errores conocidos).

9. Trata la repetición como una señal sobre la acción, no sobre las personas. Cuando una clase de causa vuelve, pregunta si las acciones anteriores se terminaron, si eran las acciones correctas y si la clase es demasiado amplia. La repetición tras cerrarse todas las acciones significa que las acciones no funcionaron, lo cual es una noticia útil.

Protege la honestidad

10. Mantén las revisiones sin culpa y hazlo visible. Indica en la plantilla que la revisión describe condiciones y decisiones y no asigna faltas, y haz que los líderes agradezcan a los autores su franqueza. La seguridad psicológica, en la investigación de Amy Edmondson sobre equipos de trabajo, es la creencia compartida de que el equipo es seguro para asumir riesgos interpersonales (véase el tema 9.2, Métricas de satisfacción y bienestar).

11. Premia la reporte de cuasi accidentes y lee al principio un recuento creciente como buena noticia. Un equipo que empieza a reportar cuasi accidentes verá subir el recuento, porque los eventos siempre ocurrían. Dilo de antemano, sigue la proporción de cuasi accidentes que produjeron un cambio y publica las historias con el consentimiento del equipo.

Vectores de manipulación y barreras de protección

Métrica Cómo se manipula Métrica o práctica de barrera de protección emparejada
Cobertura de las revisiones Estrechar los desencadenantes; rebajar la gravedad para que los eventos queden fuera de ellos; presentar una "revisión" de una línea para marcar la casilla Puntaje de calidad de las revisiones; comparar los recuentos de gravedad de incidentes con el impacto informado por los clientes; auditar las rebajas
Puntaje de calidad de las revisiones Escribir para la lista de verificación con texto de plantilla; puntuar por el equipo propietario; una muestra predecible Puntuador ajeno; muestra al azar; leer dos revisiones en voz alta cada trimestre; seguir si terminan las acciones de las revisiones con puntaje alta
Tasa de cierre de acciones Fijar fechas límite lejanas; dividir las acciones en piezas triviales; cerrar acciones sin verificación; declarar "no se hará" para despejar la lista Antigüedad de las acciones abiertas; proporción rechazada con motivos; confirmación del revisor de que el cambio funciona; tasa de repetición de causas
Antigüedad de las acciones abiertas Cerrar y reabrir o recrear una acción para reiniciar su antigüedad; mover acciones a una lista aparte de "ideas" Vincular las acciones nuevas con la revisión de origen y conservar la primera fecha; recuento de acciones movidas a ideas
Tasa de repetición de causas Registrar clases de causa vagas o cambiantes para que nada coincida; usar una clase amplia "otros"; vincular una repetición a una clase distinta Proporción de eventos en "otros"; una relectura periódica de las revisiones por clase; una revisión de la propia lista de clases
Tasa de reporte de cuasi accidentes Pedir notificaciones para alcanzar un número; registrar eventos triviales; o, en sentido contrario, leer el número como un fallo y suprimir las notificaciones Proporción de cuasi accidentes que condujeron a un cambio; sin metas sobre el recuento; opinión del pulso de seguridad para hablar
Alcance del aprendizaje Añadir nombres a una lista de distribución; presentar en sesiones poco concurridas; contar un enlace como una lectura Asistencia o notas reales de discusión; preguntar a los equipos dependientes qué cambiaron tras la última revisión
Arrastre de acciones de retrospectiva Acordar solo acciones triviales fáciles de terminar; saltarse la retrospectiva; marcar elementos como completos Impacto de las acciones juzgado por el equipo; tasa de retrospectivas celebradas; si el mismo tema aparece durante varias semanas
Pulso de seguridad para hablar Presionar a los encuestados; encuestar solo a los seguros de sí mismos; informar un promedio que oculta un grupo de puntaje baja Tasa de respuesta y composición de los encuestados; tamaño mínimo del grupo; comentarios abiertos leídos por completo; si cambia el lenguaje de las revisiones

Una lectura sana muestra revisiones de los eventos que importan, una norma de calidad que la mayoría cumple, acciones que terminan o se rechazan con honestidad, un puñado de acciones antiguas que los líderes saben nombrar, clases de causa que bajan en frecuencia una vez atendidas y un recuento de cuasi accidentes que subió y luego se estabilizó. El pulso se mantiene estable o mejora cuando ocurre un incidente duro. Un patrón demasiado limpio es en sí una señal para leer una muestra.

Compensaciones: ventajas e inconvenientes

Enfoque Fortaleza Debilidad
Revisar cada incidente Cobertura completa; sin discusión sobre los desencadenantes Pesado; las revisiones se vuelven superficiales; los equipos acaban resintiendo el proceso
Revisar según desencadenantes escritos Concentra el esfuerzo en el impacto y el valor de aprendizaje Los desencadenantes necesitan mantenimiento; los eventos límite se escapan
Etiquetado de clases de causa Encuentra patrones entre revisiones Las clases son una simplificación; las causas reales suelen ser varias cosas a la vez
Pulso anónimo sobre seguridad Señal honesta sobre una cuestión delicada Tosco; los equipos pequeños pueden ser identificables; fatiga de encuestas

La respuesta en prosa es mantener corto el ciclo y pocos los números: desencadenantes escritos, una pequeña muestra de calidad, un seguimiento único de acciones y una lista de clases de causa, y añadir el pulso de seguridad cuando el equipo confíe en el resto. Ninguna medida de aquí prueba que haya habido aprendizaje. Juntas muestran si las condiciones para ello están presentes.

Preguntas para conversar con tu equipo

1. ¿Cuáles de nuestros últimos cinco incidentes recibieron una revisión, y cambió alguien algo por ella? Parte de la lista de incidentes, no de la carpeta de revisiones, para que las revisiones que faltan sean visibles. Para cada revisión, pregunta qué es distinto hoy en el sistema o en el proceso. Si la respuesta es "nada", pregunta por qué se celebró la revisión y quién la leyó. El facilitador debe registrar las respuestas sin juzgar, porque muestran si la práctica produce cambio o papeleo.

2. ¿Qué haría más difícil que alguien dijera la verdad en una revisión aquí? Pide ejemplos concretos: la reacción de un gerente, una evaluación del desempeño, un escalado de un cliente, un tono en un correo. Invita a la gente a escribir primero las respuestas de forma anónima. Busca condiciones que puedan cambiarse, como quién asiste, quién lee y lo que dicen en voz alta los líderes. Esta es la conversación que protege cada otro número del tema.

3. ¿Qué acciones llevan abiertas más tiempo, y qué las detiene? Muestra las cinco más antiguas. Para cada una, pregunta si la acción sigue siendo la correcta, si tiene un responsable con capacidad y si debe hacerse, reprogramarse o rechazarse. Mantén el foco en el sistema de trabajo y no en el responsable. Acordad una decisión para cada una antes de terminar la sesión.

4. ¿Cuándo volvió el mismo tipo de problema, y qué dice eso sobre la corrección anterior? Usa las etiquetas de clase de causa para encontrar una repetición y lee la revisión anterior y sus acciones. Pregunta si las acciones se terminaron, si abordaban los factores contribuyentes y si la clase se trazó de forma demasiado amplia. El objetivo es una acción mejor, no una explicación.

5. ¿Notificamos los cuasi accidentes, y qué ocurre cuando alguien lo hace? Pide un ejemplo reciente y rastrea lo que siguió. Si no siguió nada, pregunta por qué la gente volvería a reportar. Si el recuento es bajo, pregunta qué temen las personas. El facilitador debe explicar que un recuento creciente es esperable al principio, y acordar cómo responderá el equipo a la siguiente reporte para que reportar parezca valer la pena.

6. ¿Cómo sabríamos que una revisión fue buena si no pudiéramos mirar ningún número? Esto pide al equipo que describa la calidad con sus propias palabras. Las respuestas comunes incluyen "alguien ajeno al equipo aprendió algo", "la corrección se sostuvo" y "el autor no tuvo miedo". Convierte las respuestas en la lista de verificación de la muestra trimestral y revísala tras dos trimestres.

Cuatro perspectivas

Equipos de producto y entrega

Los equipos de entrega escriben muchas revisiones y cargan con la mayoría de las acciones, por lo que sienten primero el costo de un proceso torpe. Les benefician las plantillas cortas, una regla de desencadenantes clara y un vínculo visible entre una acción y un elemento de la lista de pendientes del equipo. La reflexión regular del equipo merece la misma disciplina de seguimiento que una revisión de incidente, y un equipo que termina las acciones de su retrospectiva practica el mismo hábito a menor escala. Protégete de que las acciones queden desplazadas por la presión de las funcionalidades y lleva abiertamente esa compensación al responsable de producto (véase el tema 2.5, Métricas de pronóstico y planificación de entregas).

Equipos de servicio y operaciones

Los equipos de operaciones guardan la evidencia (cronologías, alertas, registros de chat) y son los mejor situados para etiquetar las clases de causa de forma coherente y para notar una repetición antes de que se convierta en una caída. Necesitan tiempo protegido para escribir, ya que las revisiones escritas al final de un turno largo son escasas. Vincula cada revisión a cualquier registro de problema que alimente (véase el tema 3.3, Tiempo de respuesta y resolución de incidentes).

Liderazgo y gobernanza

Los líderes fijan el tono de cada revisión por lo que preguntan después. "¿Quién hizo esto?" termina con las revisiones honestas, y "¿qué aprendimos y qué estamos cambiando?" las invita. Los órganos de gobernanza deben esperar la cobertura, la calidad, la antigüedad de las acciones y la repetición en la revisión de fiabilidad, financiar las acciones que necesitan inversión y no comparar nunca a los equipos por cuántos incidentes o revisiones tienen.

Clientes y usuarios

Los clientes rara vez ven la revisión, pero sienten su resultado: el mismo fallo que deja de volver y un relato honesto cuando vuelve. Donde los contratos lo permitan, publica un resumen en lenguaje llano tras un incidente significativo (véase el tema 3.4, Métricas de incidentes graves). El contacto repetido por el mismo asunto es la señal del lado del cliente de que el aprendizaje no ha aterrizado (véase el tema 6.1, Métricas de satisfacción del cliente).

En la práctica: un ejemplo de ITIL ágil

Un minorista en línea de tamaño medio opera una tienda de cara al cliente, un servicio de pagos y una plataforma interna de inventario. Cinco equipos de producto construyen y operan estos servicios, y un pequeño grupo de gestión de servicios mantiene el proceso de incidentes y problemas. Los números de este ejemplo son ilustrativos.

En un trimestre el minorista tiene 41 incidentes en las dos mayores gravedades. Los desencadenantes escritos los califican todos para una revisión, y se publican 36 revisiones en diez días laborables, de modo que la cobertura de las revisiones es de alrededor del 88 por ciento. La dirección está satisfecha. El grupo de gestión de servicios extrae una muestra al azar de ocho revisiones, pide a un equipo de otra área de producto que las puntúe y descubre que solo tres cumplen la norma acordada. La brecha común es que la cronología enumera lo que ocurrió pero no lo que la gente sabía cuando tomó cada decisión, y la sección de factores contribuyentes nombra una única causa.

La misma muestra muestra que, de 74 acciones con vencimiento en el trimestre, 51 se completaron en su fecha límite, una tasa de cierre de alrededor del 69 por ciento. La acción abierta más antigua, de 210 días, es un umbral de alerta de capacidad en la base de datos de pagos, aplazado en seis semanas sucesivas. El etiquetado de causas muestra "límite de capacidad" en 9 de las 36 revisiones, 4 de ellas del servicio de pagos. El pulso anónimo, respondido por 58 de las 70 personas invitadas, es más bajo en el grupo de guardia, donde varios comentarios dicen que los altos directivos hacen preguntas incisivas sobre personas concretas.

El equipo toma tres decisiones. Primero, celebran una sesión breve con los altos directivos que asisten a las revisiones y acuerdan una regla: las preguntas en la sala tratan de condiciones y decisiones, y cualquier seguimiento sobre una persona pasa por el responsable del equipo. Segundo, colocan la acción de capacidad más antigua en lo alto de la siguiente ronda de planificación del equipo de pagos, priorizada frente al trabajo de funcionalidades por el responsable de producto, e informan del resultado en la revisión de fiabilidad. Tercero, añaden dos elementos de lista de verificación a la plantilla de revisión (lo que la gente sabía en cada decisión y al menos dos factores contribuyentes) y organizan una sesión de acompañamiento para quienes escriben usando una revisión anonimizada.

El riesgo de manipulación aparece en el trimestre siguiente. La cobertura de las revisiones sube al 97 por ciento, pero la proporción de revisiones de menos de 300 palabras se duplica, y algunos equipos rebajaron incidentes de gravedad dos a tres justo por debajo del desencadenante. La muestra de calidad y una auditoría de los cambios de gravedad lo detectan. El grupo pregunta por qué ocurrieron las rebajas, descubre que los equipos sentían que una revisión era un castigo y relaja la expectativa de extensión para los eventos pequeños manteniendo el desencadenante de gravedad dos.

Perspectiva por sector

Startup. Un equipo pequeño puede aprender rápido porque todos asistieron al incidente. El riesgo es que no se escriba nada y la lección se vaya con la siguiente contratación. Mantén una plantilla de una página, celebra una revisión para todo lo que despierte a alguien de noche y sigue solo el cierre de acciones y las causas repetidas. Protege la sinceridad haciendo que los fundadores lean las revisiones sin comentar sobre individuos.

Pequeña empresa. La persona que arregló el problema suele ser la única que lo entiende. Usa una plantilla breve y revisa la acción abierta más antigua cada mes.

Gran empresa. Estandariza la plantilla, el desencadenante y la lista de clases de causa, y deja que los equipos adapten la profundidad. Aporta un lugar donde buscar revisiones, un foro entre equipos y un puntuador ajeno. Cuidado con las tablas de clasificación de equipos por recuentos de incidentes o revisiones, ya que castigan la transparencia.

Gobierno y sector público. Las revisiones pueden afrontar obligaciones legales, auditoría o solicitudes de acceso a la información, lo que vuelve cautelosos a los autores. Separa la revisión de aprendizaje de cualquier informe formal para la supervisión, y registra las acciones bloqueadas con su dependencia (véase el tema 8.5, Informes regulatorios y gubernamentales).

Caso de negocio: motivaciones, ROI y TCO

El costo de esta práctica es sobre todo tiempo. Los autores dedican horas a cada revisión y muchas personas pasan una hora en una sesión. Una muestra trimestral de calidad lleva unas horas de un lector ajeno. El etiquetado de causas y el seguimiento de acciones necesitan algo de herramientas, que pueden ser una hoja de cálculo y un campo en las herramientas existentes de tickets y de lista de pendientes. Hay un costo mayor y menos visible en el comportamiento de los líderes, porque el programa fracasa si los líderes reaccionan mal a las revisiones sinceras.

El retorno viene de las causas que dejan de repetirse y de los incidentes que son más cortos porque el equipo ha visto algo parecido. Menos incidentes repetidos liberan capacidad de ingeniería y operaciones, reducen los escalados y bajan el costo de la perturbación para los clientes. Una biblioteca compartida de revisiones acorta la curva de aprendizaje del personal nuevo y reduce la dependencia de unas pocas personas con experiencia. No cites un porcentaje de otra organización. Mide tu propia línea base de repetición de causas, antigüedad de las acciones abiertas y contactos repetidos antes de empezar, y compara tras dos o tres trimestres.

El límite honesto es que el aprendizaje es difícil de atribuir: una caída de la repetición puede deberse a una revisión mejor, a un cambio de arquitectura no relacionado o a la suerte. Para un tratamiento más amplio véase el tema 7.7, Retorno de la inversión y caso de negocio.

Antipatrones y trampas

  • Teatro de revisiones. Las revisiones satisfacen una regla y nadie las lee. En su lugar, muestrea y lee las revisiones, y júzgalas por el cambio que produjeron.
  • Buscar la causa raíz en una persona. La revisión nombra un error individual y se detiene. En su lugar, pregunta qué hizo probable el error y enumera varios factores contribuyentes.
  • Inflación de acciones. Las revisiones producen listas largas que el equipo no puede financiar. En su lugar, limita cada revisión a unas pocas acciones ordenadas y rechaza el resto con un motivo.
  • Acciones fuera de la lista de pendientes. Viven en un documento y nunca se planifican. En su lugar, crea elementos de trabajo en el gestor del equipo propietario y vincúlalos a la revisión.
  • Cierre sin verificación. La acción se marca como hecha y la causa vuelve. En su lugar, haz que un revisor confirme que el cambio funciona y vigila la repetición de la clase de causa.
  • Usar los recuentos para comparar equipos. Un equipo con más revisiones o cuasi accidentes parece peor. En su lugar, lee un recuento alto como apertura y compara cada equipo con su propio historial.
  • Castigar al mensajero. Un líder cuestiona a una persona tras una revisión sincera. En su lugar, acuerda una norma sobre cómo responden los líderes y comprueba el pulso tras los incidentes duros.
  • Tratar las métricas como prueba de aprendizaje. Un panel limpio se toma como evidencia de que la organización aprende. En su lugar, sigue leyendo una muestra de revisiones y preguntando a las personas que las escribieron.

Modelo de madurez

Dimensión 1 Iniciar 2 Desarrollar 3 Estandarizar 4 Gestionar 5 Orquestar
Desencadenantes y cobertura Las revisiones dependen de quién está disponible y de lo mal que se sintió Algunos equipos celebran revisiones de incidentes graves Desencadenantes escritos y una plantilla común; cobertura contada por gravedad Cobertura con seguimiento de su tendencia y auditada frente a las rebajas; vías ligera y completa Desencadenantes adaptados con clientes y proveedores; revisiones compartidas para incidentes conjuntos
Calidad y honestidad Las revisiones nombran a una persona o una causa única Algunos equipos escriben revisiones sin culpa Norma de lista de verificación; se espera un lenguaje sin culpa Muestra trimestral ajena; pulso revisado; acompañamiento para quienes escriben Revisiones coescritas con proveedores y usuarios; leer entre equipos es rutina
Acciones y repetición Las acciones viven en documentos y rara vez se terminan Acciones seguidas por algunos equipos; el cierre varía Acciones en la lista de pendientes real con responsables, fechas y rechazo honesto Cierre, antigüedad y repetición de causas revisados, con mejora financiada Acciones entre equipos y proveedores coordinadas; clases de causa revisadas a medida que cambian los patrones
Intercambio y aprendizaje Las lecciones se quedan con el equipo Revisiones publicadas para el equipo Revisiones consultables y compartidas en un foro regular Alcance medido; los equipos dependientes informan de los cambios hechos El aprendizaje fluye hacia el diseño, la incorporación y los contratos con proveedores

Lista de verificación

  • Los desencadenantes escritos dicen qué eventos reciben una revisión, incluidos los cuasi accidentes de alto valor de aprendizaje.
  • Existe una plantilla breve, con una vía ligera para los eventos pequeños.
  • Las revisiones son sin culpa por plantilla y por el comportamiento de los líderes.
  • Cada acción es un elemento de trabajo en la lista de pendientes del equipo propietario, con un responsable y una fecha.
  • Las acciones pueden rechazarse, y el motivo se registra y se informa.
  • Existe una lista corta de clases de causa, y cada revisión está etiquetada.
  • Un lector ajeno puntúa cada trimestre una muestra al azar de revisiones.
  • Las acciones abiertas más antiguas se revisan junto con la fiabilidad del servicio.
  • La antigüedad de las acciones abiertas se informa como una mediana, un percentil alto y la más antigua.
  • Existe una vía para los cuasi accidentes, y el equipo sabe qué ocurre tras una reporte.
  • Ninguna métrica de este tema se informa ni se usa por persona.
  • Un pulso de seguridad para hablar se ejecuta solo para grupos lo bastante grandes como para proteger el anonimato.

Prompts de IA

Revisa la calidad de un borrador de análisis posterior.

Este es un borrador de análisis posterior sobre [incident description] en
[service]. Compáralo con esta norma: [paste your review checklist]. Para cada
elemento, di si el borrador lo cumple, cita las líneas que respaldan tu juicio y
señala el lenguaje que asigna culpa a una persona en lugar de describir
condiciones. No añadas hechos que no estén en el texto. Enumera tus supuestos y
todo lo que no pudiste juzgar con lo que te di.

[paste the draft, with personal data removed]

Propón clases de causa a partir de revisiones pasadas.

A continuación hay resúmenes de [number] revisiones pasadas de [service or group
of services]. Propón una lista corta de clases de causa, de entre [minimum] y
[maximum], que describan condiciones del sistema y nunca a personas. Para cada
clase da una definición de una línea, las revisiones que encajan y las
revisiones ambiguas. No inventes causas que no estén respaldadas por el texto.
Enumera tus supuestos y las revisiones que no pudiste clasificar.

[paste summaries]

Analiza las acciones abiertas en busca de patrones de estancamiento.

Esta es una exportación de acciones de revisión de [team or service]: equipo
propietario, fecha de creación, fecha límite, estado y una descripción de una
línea. Informa la mediana, el percentil 85 y la antigüedad máxima de las acciones
abiertas, y agrupa luego las acciones más antiguas por el motivo probable de su
estancamiento (por ejemplo alcance poco claro, dependencia de otro equipo, falta
de capacidad o bajo valor). Informa patrones por equipo y servicio, nunca por
persona. No adivines motivos que los datos no respaldan. Enumera tus supuestos y
los campos adicionales que ayudarían.

[paste export with personal data removed]

Habilidades de IA

Puntos clave

  • Una revisión vale lo que cambia, así que mide la cobertura, la calidad, el cierre de acciones y la repetición de causas, y lee una muestra de las propias revisiones.
  • La ausencia de culpa es la condición previa de unos datos honestos, y los líderes la protegen con cómo responden a una revisión sincera.
  • Pon las acciones en la lista de pendientes real, limita su número, permite un rechazo honesto y vigila la antigüedad de las más viejas.
  • Etiqueta las revisiones con una lista corta de clases de causa para que las causas repetidas sean visibles y alimenten la gestión de problemas.
  • Lee un recuento creciente de cuasi accidentes como señal de apertura al principio, y no clasifiques nunca a personas ni equipos por volumen de revisiones.
  • Empareja cada número de aquí con una barrera de protección, porque el propio ciclo de aprendizaje es una meta que puede manipularse.

Referencias y lecturas complementarias

  1. Lunney, L., and Lueder, S., "Postmortem Culture: Learning from Failure," in Site Reliability Engineering, O'Reilly Media, 2016, https://sre.google/sre-book/postmortem-culture/
  2. Beyer, B., Jones, C., Petoff, J., and Murphy, N. R. (eds.), Site Reliability Engineering: How Google Runs Production Systems, O'Reilly Media, 2016, https://sre.google/sre-book/table-of-contents/
  3. Edmondson, A., "Psychological Safety and Learning Behavior in Work Teams," Administrative Science Quarterly, 44(2), 1999.
  4. Dekker, S., The Field Guide to Understanding 'Human Error', Ashgate, 2006.
  5. Reason, J., Human Error, Cambridge University Press, 1990.
  6. Derby, E., and Larsen, D., Agile Retrospectives: Making Good Teams Great, Pragmatic Bookshelf, 2006.
  7. Forsgren, N., Humble, J., and Kim, G., Accelerate: The Science of Lean Software and DevOps, IT Revolution, 2018.
  8. AXELOS (now PeopleCert), ITIL Foundation: ITIL 4 Edition, TSO, 2019.
  9. Goodhart, C. A. E., "Problems of Monetary Management: The U.K. Experience," in Papers in Monetary Economics, Reserve Bank of Australia, 1975.
  10. Wikipedia, Postmortem documentation.
  11. Wikipedia, Root cause analysis.
  12. Wikipedia, Just culture.
  13. Wikipedia, ITIL.
  14. Wikipedia, Site reliability engineering.
  15. Wikipedia, Agile software development.
  16. Wikipedia, Hindsight bias.
  17. Wikipedia, Five whys.
  18. Wikipedia, Psychological safety.