Respuesta a incidentes

Qué es

La respuesta a incidentes es el trabajo coordinado ante una
interrupción o una amenaza grave para un sistema. El incidente es la
situación que justifica la intervención. La respuesta abarca su
detección y declaración, la asignación de acciones, el
restablecimiento de un servicio utilizable y la entrega de las
tareas pendientes a personas concretas. Pueden participar
desarrollo, operaciones y atención al cliente. Algunas situaciones
requieren también a alguien con autoridad para decidir sobre
seguridad o cuestiones jurídicas.

Las recomendaciones de NIST sobre incidentes de ciberseguridad
describen la detección, la respuesta y la recuperación, con el apoyo
de la preparación y la mejora continua. El documento trata de
ciberseguridad. Para un despliegue fallido también es útil saber
quién toma decisiones y cómo se comunican. Ante una posible
divulgación de datos, quizá sea necesario conservar pruebas y
proteger a las personas afectadas aunque el servicio funcione. En
una interrupción habitual puede primar recuperar un camino seguro
para el tráfico.

El modelo de gestión de incidentes descrito por Google distingue una
persona responsable de dirigir la respuesta, otra que coordina las
acciones técnicas y otra encargada de la comunicación. Al principio,
alguien puede cubrir varias funciones. Cuando la intervención crece,
anotar quién hace cada cosa evita cambios duplicados e instrucciones
incompatibles. El reparto debe tener sentido para un equipo de su
tamaño y para el caso que afronta.

Por qué importa

La información llega a ritmos distintos durante los primeros
minutos. Un indicador puede mostrar que aumentan los errores de
pago, mientras el equipo tarda más en saber qué clientes y qué
medios de pago están afectados. Atención al cliente puede reconocer
antes el patrón. Una cronología común conserva las observaciones, su
procedencia y su grado de certeza. Así, las personas que se
incorporan pueden investigar sin tomar por cierta la primera
explicación.

La coordinación limita los riesgos de los cambios hechos bajo
presión. Volver a la versión anterior y modificar una opción urgente
pueden parecer razonables por separado y estorbarse si se ejecutan a
la vez. Quien coordina operaciones necesita saber qué se propone,
cuándo se podrá observar el efecto y cómo se podría deshacer. El
equipo conserva margen para proponer soluciones y sabe dónde se toma
la decisión.

La recuperación y la investigación de las causas tienen plazos
distintos. Enviar el tráfico por otro camino puede devolver el
servicio antes de que se conozca la avería. Para declarar la
recuperación hace falta una observación acordada, por ejemplo que
las nuevas compras se completen y que se estén conciliando las
anteriores. El análisis posterior examina por qué ocurrió el
incidente, cómo funcionó la respuesta y qué cambiar. Sus
conclusiones son más sólidas cuando conserva decisiones, pruebas e
incertidumbres del momento.

Cómo se aplica en la práctica

Pensemos en un servicio de reservas que en ocasiones cobra sin
emitir el billete. Atención al cliente recibe las primeras quejas y
desarrollo confirma que hay solicitudes que fallan. La primera
persona que responde declara el incidente y apunta cuándo
aparecieron los síntomas. El equipo acuerda una descripción breve
del efecto conocido y designa a quien coordinará los cambios.
Atención al cliente sabe quién puede responder a sus dudas y cuándo
recibirá información nueva.

Operaciones revisa una muestra de reservas e identifica un cambio
reciente que coincide con el inicio. La persona responsable pide
verificar que los pagos ya efectuados seguirán visibles si se vuelve
a la versión anterior. Una persona ejecuta el cambio y otra observa
pagos y billetes. Atención al cliente conserva los identificadores
que necesitarán seguimiento y explica qué hacer con una reserva sin
confirmar. El mensaje puede cambiar conforme el equipo aprende.

La recuperación se comprueba con transacciones completas y con el
progreso de la lista de reservas pendientes. Se anota cuándo fue
posible volver a utilizar el servicio y quién conciliará las
reservas abiertas. También se registran las decisiones y los datos
que sirven para el análisis posterior. Cuando la operación habitual
puede hacerse cargo del riesgo restante, se cierra la intervención.
La investigación puede seguir con una persona responsable y un
plazo.

Tras un relevo conviene revisar la última observación confirmada,
quién controla el cambio en curso y cuándo se informará a los
clientes. La persona que asume el trabajo puede continuar sin
reconstruir todo el historial de mensajes durante la intervención.

El caso del crecimiento de memoria de una aplicación macOS de
Engineer recoge mediciones distintas y el trabajo de limitar los
eventos retenidos. Ilustra la necesidad de conservar qué cubre cada
observación. La reserva es un ejemplo ficticio de coordinación y
seguimiento de clientes.

Dónde surgen los problemas

Se espera a tener certeza absoluta. Puede investigarse un impacto
probable con un responsable y una hora de actualización. Defina qué
indicios justifican coordinar a varias personas y cierre la
intervención si los datos muestran que el problema era menor.

Todo el equipo cambia el sistema a la vez. Mantenga un registro
común de las acciones y de quien hace cada una. Siempre que sea
posible, observe el efecto de una antes de incorporar la siguiente.
Delimite cuáles pueden ejecutarse de forma independiente.

Los clientes reciben conjeturas. Explique qué pueden experimentar,
qué pueden hacer sin riesgo y cuándo habrá noticias. Destaque lo que
sigue sin determinarse. Una explicación de la causa puede esperar a
que haya pruebas.

El trabajo pendiente se pierde. Asigne una persona para conciliar
reservas, contactar a usuarios y sustituir medidas provisionales.
Traslade las tareas al lugar donde el equipo las sigue después de
cerrar el canal del incidente.

Lecturas adicionales

  * NIST SP 800-61, revisión 3 — respuesta a incidentes de
ciberseguridad, preparación y mejora.

  * Gestión de incidentes según Google — reparto de funciones,
comunicación y registro compartido.

  * Respuesta a incidentes en el manual práctico de SRE de Google —
ejemplos y aprendizajes de intervenciones reales.

hEsta página en la web	URL:https://engineer.company/es/glossary/incident-response/	engineer.company	70
