Plantilla de postmortem de ingeniería (sin culpas, con acción)
Por qué los postmortems se convierten en sesiones de culpas
Los postmortems fallan de una manera específica: la sala empieza a asignar causas antes de tener una línea de tiempo compartida. Alguien dice "el despliegue causó esto" antes de que se confirme la hora del despliegue. Otro dice "la alerta no se disparó" sin saber si la alerta estaba configurada para ese escenario. La conversación se convierte en un debate sobre causalidad antes de que nadie haya establecido qué ocurrió realmente, en qué orden.
La solución es estructural: construir la línea de tiempo del incidente juntos al inicio del postmortem, antes de que nadie nombre una causa raíz. Una vez que toda la sala ha mirado la secuencia de eventos —qué cambió y cuándo, quién vio qué en qué momento— la causa es mucho más fácil de discutir y mucho menos probable que colapse en culpas. Este es el error de orden que la mayoría de las plantillas cometen: ponen la causa raíz antes de la línea de tiempo porque la causa raíz es para lo que está la plantilla. Pero la línea de tiempo es lo que hace que la causa raíz sea honesta.
La agenda (copia y pega esto)
Duración: 60 minutos para un incidente sencillo; 90 minutos para fallos complejos de múltiples sistemas Formato: Facilitado; todos los respondedores y el ingeniero de guardia presentes; preparación async con un documento de pre-lectura
Sección 1 — Resumen del incidente (5 min)
- Fechas y duración del incidente
- Clasificación de severidad y sistemas afectados
- Quién lo detectó y cómo (reporte de cliente, alerta, ingeniero, monitorización)
- Esta sección es solo factual; sin análisis todavía
Sección 2 — Línea de tiempo (20 min)
- Construye la línea de tiempo de forma colaborativa en pantalla, no a partir de un documento pre-escrito
- Secuencia: qué cambió, qué se observó, quién actuó, qué se decidió
- Cada timestamp debe tener fuente (línea de log, PagerDuty, mensaje de Slack)
- Cuando la línea de tiempo esté completa, pregunta: ¿todos estamos de acuerdo en que esto fue lo que ocurrió? Resuelve los desacuerdos antes de continuar
Sección 3 — Resumen de impacto (5 min)
- Impacto en clientes: quiénes se vieron afectados, durante cuánto tiempo y de qué manera
- Impacto en el negocio: ingresos, SLA, reputación
- Impacto interno: horas de guardia, perturbación del equipo
- Mantenlo factual; ancla la pregunta "¿cuán grave fue?" sin editorializar
Sección 4 — Causa raíz y factores contribuyentes (20 min)
- Causa raíz: el cambio o condición más próximo que hizo posible el incidente
- Factores contribuyentes: las condiciones que lo empeoraron, dificultaron su detección o ralentizaron la resolución
- Los postmortems más útiles identifican entre 3 y 5 factores contribuyentes junto a la causa raíz; arreglar solo la causa raíz frecuentemente pasa por alto las condiciones sistémicas
- Para cada factor, pregunta: ¿tomó algún individuo o equipo una decisión que parecía razonable dado el contexto disponible? Si sí, el factor es sistémico, no personal
Sección 5 — Qué salió bien (5 min)
- ¿Qué detección o respuesta funcionó mejor de lo esperado?
- ¿Qué proceso o herramienta existente limitó el radio de explosión?
- Estas son prácticas que vale la pena formalizar: si el runbook ahorró 20 minutos, anótalo para que el runbook se mantenga
Sección 6 — Elementos de acción (15 min)
- Cada elemento de acción aborda una causa raíz o un factor contribuyente, no una mejora general
- Un responsable por elemento; una fecha de entrega que refleje la urgencia
- Categoriza: detectar antes / recuperar más rápido / prevenir recurrencia
- Limita las acciones a lo que el equipo puede completar de forma realista antes del siguiente incidente, no a un roadmap integral de fiabilidad
Qué hace fallar las plantillas de postmortem
El orden con causa raíz primero es el principal problema estructural, ya cubierto arriba. El segundo es tratar "elementos de acción" como una única categoría. Las mejoras de detección, de recuperación y de prevención requieren propietarios y plazos diferentes. Mezclarlos produce una lista que abarca seis meses y tres equipos, lo que significa que la responsabilidad se diluye y ninguna se entrega.
El tercer modo de fallo es omitir "qué salió bien" porque parece optimismo inapropiado después de un incidente. No lo es: es la única manera sistemática de identificar y formalizar prácticas que funcionaron bajo presión. Si la monitorización que detectó el problema no estaba en el roadmap de nadie para construirla, saber que importó merece documentarse. De lo contrario, se desprioriza después de que el incidente se desvanece y quedas ciego la próxima vez.
El coste acumulado de incidentes donde los factores contribuyentes quedan sin abordar, y runbooks que funcionaron quedan sin mantenimiento, se acumula rápido. El impuesto de las reuniones cubre cómo la sobrecarga recurrente de reuniones y la deuda de revisión de incidentes interactúan.
Por qué la captura del postmortem es especialmente difícil
Las discusiones de postmortem generan contenido denso y desestructurado muy rápido: reconstrucción de la línea de tiempo, interpretaciones en competencia, asignaciones de elementos de acción entre varias personas, detalle técnico que no tendrá sentido en una transcripción sin contexto. Un resumen de postmortem escrito de memoria o a partir de audio editado es casi siempre incompleto, y los registros de postmortem incompletos son inútiles para el reconocimiento de patrones entre incidentes.
Pavleur captura la discusión completa del postmortem y genera el informe automáticamente: la línea de tiempo tal como se reconstruyó, los factores contribuyentes tal como se nombraron, los elementos de acción con responsables y categorías tal como se declararon en la reunión. Si alguien compartió su pantalla para mostrar un extracto de log, una gráfica de monitorización o la configuración de alerta que no se disparó, ese visual forma parte del informe. Las herramientas solo de audio pierden esto por completo; un registro de postmortem sin las gráficas es un registro sin evidencias. Cualquier persona del equipo —incluidos ingenieros que se incorporen después del incidente— puede leer el registro completo, con contexto visual incluido, sin pedirle a nadie que lo reconstruya. Para una comparación directa con otras herramientas en esto: Pavleur frente a alternativas.
Sobre la cadencia del postmortem
Realiza el postmortem dentro de las 48 horas posteriores a la resolución del incidente mientras los detalles están frescos. Cuanto más esperas, más depende la reconstrucción de la línea de tiempo de la memoria en lugar de los logs, y la memoria es poco fiable bajo presión. Para los incidentes de alta severidad, 24 horas es mejor. Para los incidentes menores, los postmortems async —un documento compartido con prompts estructurados, revisado de forma síncrona— pueden ser más eficientes que una reunión completa. El formato de reunión es más valioso cuando el incidente fue lo suficientemente ambiguo o de alta importancia como para que la interpretación compartida importe.