AIOps: Resuelve el Caos de Alertas y Transforma tus Operaciones IT

Este glosario recoge conceptos que salen cuando intentas meter “cabeza” en operaciones: desde lo que entra (métricas, logs, eventos y trazas) hasta cómo lo entiendes, lo ejecutas con seguridad y lo gobiernas para que la plataforma sea predecible y el equipo duerma.

AIOps

Piensa en AIOps como ese compañero que no se queda en la gráfica bonita: junta señales técnicas, cambios recientes, dependencias y memoria histórica para darte una historia breve y accionable. Te lo vas a encontrar cuando el monitor diga “todo verde” pero el usuario se queje; AIOps conecta los puntos y te sugiere por dónde empezar, con un nivel de confianza razonado.

Sonda de monitorización

La sonda es el “termómetro” que pones a un servicio para saber si respira: un ping sintético, una consulta HTTP, un chequeo a una base de datos. La verás en tus paneles cuando una sonda cae y arrastra 20 alertas; entender qué mide exactamente evita perseguir fantasmas.

Métricas

Son números que cambian con el tiempo: CPU, latencia, tamaño de cola. Te sirven para detectar tendencias y picos. En tu día a día, mira cómo saltan en paralelo con otros eventos para separar “ruido” de “síntoma real”.

Logs

Son frases que cuentan lo que pasó, quién lo hizo y a qué hora. Cuando una métrica sube rara, los logs te dicen el “por qué”. Te los encontrarás en cada investigación: si no hay logs útiles, vuelves a ciegas.

Trazas

Una traza sigue una petición de extremo a extremo por varios servicios. La usarás cuando “todo parece bien” por separado, pero el usuario sufre; la traza te enseña dónde se atasca el viaje.

Ingesta de datos

Es el embudo que recibe métricas, logs, eventos y trazas y decide cómo guardarlos. En la práctica, es donde resuelves formatos raros, cortes horarios y fuentes duplicadas. Si aquí hay chapuza, la inteligencia que viene después falla.

Normalización de datos

Es poner orden: mismos campos, mismas unidades y mismos nombres para cosas iguales. Te lo encontrarás cuando mezcles datos de herramientas distintas y necesites comparar peras con peras sin perder tiempo.

Etiquetado (tags)

Son pegatinas como servicio:ERP o entorno:prod que permiten agrupar, buscar y correlacionar. En el día a día, un buen etiquetado transforma 200 alertas dispersas en un único incidente con sentido.

Correlación de señales

Es juntar piezas que ocurren a la vez y tienen relación para contarte una sola historia. La usarás para reducir ruido: si la misma caída viene de monitor, syslog y un job, las unes y te quedas con el incidente que importa.

Incidente (vs alerta)

La alerta es el timbrazo aislado; el incidente es la película de lo que está roto y a quién afecta. En tu herramienta de ticketing, conviene que varias alertas alimenten un único incidente para no perderte en duplicados.

Latencia

Es el tiempo que tarda algo en responder. La verás cuando los usuarios digan “va lento” y la CPU esté baja: suele ser red, almacenamiento o una dependencia externa que se ha levantado con el pie izquierdo.

Idempotencia

Que un procedimiento puedas ejecutarlo dos o veinte veces y el resultado correcto sea el mismo. Lo vas a querer en tus scripts y runbooks para no liar producción cuando repites un paso o reintentas.

Rollback

Es la marcha atrás preparada: si algo falla, vuelves a un estado seguro sin improvisar. En el día a día, significa guardar snapshots, versiones y planes de reversión antes de tocar lo sensible.

Guardarraíles operativos

Son límites que impiden decisiones peligrosas: “sin aprobación humana, nunca más de 2 VMs”, “con datos sensibles, doble OK”. Te los vas a cruzar en automatizaciones y ChatOps para que la prisa no te pase factura.

ChatOps

Operar desde un chat con comandos o lenguaje natural, con contexto y confirmaciones. Lo verás cuando el equipo pregunte “¿qué cambios hubo en el ERP en 30 minutos?” y el sistema responda con evidencia y botones de “simular” o “confirmar”.

Runbook

Es el guion operativo paso a paso, con prechequeos, ejecución, validaciones y salida esperada. Lo usarás para que cualquiera del equipo arregle lo mismo de la misma forma, sin heroicidades de madrugada.

Trazabilidad (auditoría)

Dejar rastro de quién hizo qué, cuándo y con qué parámetros. En tu día a día te salva dos veces: para entender el impacto real de una acción y para demostrar que seguiste el procedimiento cuando haya que rendir cuentas.

Memoria operativa (post-incidente)

No es guardar logs a lo loco; es anotar qué pasó, causa probable, qué hiciste y qué vas a cambiar. La verás en retrospectivas cortas que evitan el “déjà-vu” del mismo problema la semana siguiente.

Causa raíz

Es la explicación más profunda que, si la solucionas, evita que el problema vuelva. En el día a día, separa “síntoma” (cola alta) de “origen” (un cambio en firmware o una dependencia saturada).

Versionado de procedimientos

Cada runbook con número de versión y registro de ejecuciones. Te ayuda a saber qué cambio arregló algo y cuál introdujo un fallo, y a reproducir exactamente lo que funcionó.

SLO (Service Level Objective)

Es el objetivo medible de servicio que te marca el listón: disponibilidad, latencia, tasa de errores. En tu jornada manda prioridades; si amenaza el SLO, eso va primero.

Vault y credenciales efímeras

El vault es la caja fuerte de secretos; las credenciales efímeras caducan solas y reducen riesgo. Te los encontrarás cuando automatices tareas: pides acceso temporal, ejecutas y el secreto desaparece sin dejar puertas abiertas.

Aprobaciones (simple y doble)

Controles humanos para acciones sensibles. En la práctica, cambios normales con un OK y cambios críticos con doble aprobación. Te aparecerán en flujos CI/CD, ChatOps y runbooks serios.

Política de retención de datos

Define cuánto tiempo guardas métricas, logs y trazas y a qué resolución. En el día a día equilibra coste, cumplimiento y capacidad de investigar incidentes antiguos sin ahogarte en almacenamiento.

Inventario de infraestructura

El mapa vivo de servicios, dueños, entornos y dónde corre cada cosa. Sin inventario, correlacionar señales y proponer acciones es jugar a adivinar; con él, entiendes impacto y priorizas.

Dependencias de servicio

Quién necesita a quién para funcionar. Cuando algo falla “a lo lejos” y te pega “aquí”, las dependencias explican el dominó. Las usarás para evaluar impacto real y cortar ruido.

Gobernanza

Son las reglas del juego para operar sin sustos: roles claros, secretos bien guardados, aprobaciones cuando toca y todo auditado. Te la encontrarás como el marco que permite automatizar sin convertir la plataforma en una caja de sorpresas.