Skip to content

Runbook de Incidentes en Producción

Proyecto: {{PROJECT_NAME}} · Clase SaMD: {{SAMD_CLASS}} · Versión: v0.1 · Fecha: 2026-01-01

Plantilla del SaMD Starter Kit. Adaptá nombres de servicios y canales a tu organización.


1. Regla de oro: leer los logs estructurados PRIMERO

Ante un incidente o un workflow en rojo, leer los logs estructurados frescos de producción antes de teorizar sobre cache, navegador o configuración. Los logs viejos pueden expirar: re-disparar para obtener el error real. Antes de asumir bug de código, descartar causa ambiental (OOM del runner, timeout, flaky).

<comando-ver-logs-estructurados>      # filtrar por severidad ERROR + ventana de tiempo

2. Triage inicial

Paso Acción
1 Confirmar el síntoma real (reproducir o ver evidencia), no el reportado de oído.
2 Medir alcance: ¿todos los usuarios o un subconjunto? ¿una plataforma (ej. móvil) o todas?
3 Clasificar severidad (sección 4).
4 ¿Coincide con un deploy reciente? Ver DEPLOY_RUNBOOK.md → rollback.

3. Síntomas comunes y causa probable

Síntoma Causa probable Acción
401 masivo + 500 sin autenticación Pool de conexiones de BD agotado (no caben más conexiones; auth no puede consultar) Revisar max-instances × pool_size vs límite del tier; reducir concurrencia o subir tier; ver logs de saturación
Latencia alta generalizada Saturación de cómputo / consultas lentas / dependencia externa lenta Escalar instancias; revisar consultas; circuit-breaker a la dependencia
503 + Retry-After esperado Fail-safe activo por carga Verificar que es degradación controlada, no caída; escalar si persiste
Errores solo en una plataforma (ej. móvil) Bug específico de cliente/WebView Capturar request/response del dispositivo; no guiar al usuario por DevTools
Migración falló en deploy Driver/schema incompatible El deploy abortó; producción intacta; investigar log del job
Tracebacks visibles al usuario Fail-safe roto Hotfix para envolver el error; revisar manejo de excepciones

4. Severidad y escalada

Nivel Definición Respuesta Escalar a
SEV-1 Caída total o riesgo clínico/seguridad (PHI expuesta, alerta clínica perdida) Inmediata, todo el equipo Propietario + responsable regulatorio + seguridad
SEV-2 Degradación grave de una función clínica < 1 h Líder técnico + responsable clínico
SEV-3 Función no crítica degradada Día hábil Líder técnico
SEV-4 Cosmético / sin impacto clínico Backlog —

Cualquier incidente con posible exposición de PHI/PII es SEV-1 y dispara obligaciones de notificación según la normativa de privacidad aplicable.


5. Comunicación

  • Interna: canal de incidentes; un único incident commander coordina.
  • A usuarios: mensajes claros y empáticos, sin jerga técnica. Un usuario en crisis no debe ver "500 Internal Server Error".
  • Regulatoria/legal: el responsable regulatorio evalúa si el incidente requiere reporte a la autoridad (vigilancia post-mercado) o notificación de brecha.

6. Post-mortem (sin culpa)

Tras resolver, dentro de días hábiles:

  • [ ] Línea de tiempo de los hechos (detección → mitigación → resolución).
  • [ ] Causa raíz (técnica y de proceso).
  • [ ] Impacto: usuarios afectados, datos, duración, ¿hubo daño clínico?
  • [ ] Qué funcionó y qué no en la respuesta.
  • [ ] Acciones correctivas con responsable y fecha.
  • [ ] Trazabilidad: ¿nuevo riesgo para la matriz ISO 14971? ¿deuda técnica? ¿RFC?
  • [ ] Test de regresión que habría cazado el incidente.

7. Versionado de este documento

Versión Fecha Autor Cambio
v0.1 2026-01-01 {{OWNER}} Plantilla inicial

Navegación: Índice del DHF · Master Map