Microsoft 365 cayó por tres fallos en cadena: un error latente, más tráfico y menos capacidad
El informe preliminar de Microsoft sitúa la caída entre el 12 y el 13 de noviembre y la atribuye a un defecto latente introducido en julio, un desplazamiento de tráfico de Teams y una pérdida de capacidad. Más del 80% de los servidores de la pasarela afectada dejaron de responder.
Publicidad

Microsoft ha publicado un informe preliminar sobre la interrupción que dejó sin correo y sin buena parte de Microsoft 365 a empresas y administraciones de todo el mundo. El documento sitúa el incidente entre las 16:20 UTC del 12 de noviembre y las 16:10 UTC del 13, algo menos de 24 horas, y mantiene la vigilancia sobre los sistemas afectados hasta el 14. La compañía lo clasifica como un problema técnico «no relacionado con ciberataques ni con IA o agentes».
La explicación no es un único error catastrófico. Son tres problemas que se encadenaron: un defecto latente en la pasarela en la nube, un cambio de tráfico durante tareas de mantenimiento y una reducción de la capacidad disponible. Ninguno habría bastado por sí solo. Juntos dejaron a la infraestructura sin margen para absorber la carga.
El error que llevaba dormido desde julio
El primero es un cambio desplegado en la pasarela a partir de julio. En determinadas condiciones, ese cambio podía agotar la CPU y la memoria de un servidor hasta dejarlo sin capacidad de respuesta. Microsoft sostiene que las pruebas previas al lanzamiento no lo detectaron porque el hardware utilizado era menos potente que algunas máquinas ya en producción: los equipos nuevos, con más núcleos, contribuyeron a que el bloqueo apareciera.
Es un patrón clásico en sistemas distribuidos. Un fallo que depende de la concurrencia y del tamaño del equipo puede pasar meses sin manifestarse. La prueba de preproducción no reproduce la escala real y el error queda latente hasta que coinciden carga, configuración y una ruta de ejecución concreta. En este caso, la coincidencia llegó en el peor momento.
El trasvase de Teams
El segundo factor fue el tráfico. Microsoft mantiene dos pasarelas independientes para acceder a Microsoft 365. Si una falla, la otra absorbe las peticiones. Unas 15 horas antes de la caída, durante un mantenimiento de red habitual, el tráfico de Teams se desplazó de la pasarela alternativa a la principal, la que da acceso a Exchange Online. El movimiento era una medida de protección prevista, pero dejó a esa pasarela con más carga y con una mezcla de solicitudes distinta.
La lección es incómoda: un mecanismo de resiliencia puede convertirse en un factor de riesgo si el sistema que recibe el tráfico no está dimensionado para el escenario completo. El failover funcionó como estaba diseñado. El problema fue que el destino no tenía margen para el volumen que recibió.
La capacidad que faltaba
El tercer elemento fue la reducción de capacidad. Según el informe, alrededor del 14% de la capacidad de la pasarela estaba fuera de servicio por tareas de mantenimiento, y más del 80% de los servidores de la pasarela afectada acabaron sin responder. Los mecanismos de contención —los «bulkheads» que debían aislar el fallo— no impidieron que la saturación se propagara. Exchange Online tampoco pudo conmutar a la otra pasarela en las condiciones previstas.
Publicidad
Cuando la cola de peticiones crece más rápido de lo que se atiende, cada nuevo intento añade presión. Los clientes que reintentan automáticamente agravan el problema; los que esperan, se quedan sin servicio. La recuperación exige retirar carga y restaurar capacidad, no solo reiniciar procesos. Por eso la intervención se alargó durante horas aunque la causa estuviera identificada.
Un día sin correo
El alcance fue global. En el Reino Unido, al menos 47 trusts del NHS informaron de dificultades y algunos servicios volvieron al papel y al bolígrafo. En Japón, la interrupción coincidió con la jornada laboral y algunas organizaciones recurrieron al fax y al teléfono, como recogió la prensa local. Los diputados británicos perdieron su canal habitual de comunicación. En muchos casos, el correo llegó con retraso horas después de que el servicio se declarara restablecido.
La comparación con el incidente de CrowdStrike de 2024 es inevitable, aunque el mecanismo sea distinto. Aquel fue un fallo de un proveedor de seguridad que afectó a equipos; este fue un fallo interno de la nube. En ambos casos, la dependencia de una capa común convirtió un error localizado en un problema sistémico. La cronología de la caída y su alcance por servicios están en la crónica del 13 de noviembre.
Qué deberían revisar las organizaciones
No todas las lecciones dependen de Microsoft. Las empresas y administraciones pueden comprobar si sus planes de continuidad cubren un corte de correo de 24 horas, si tienen un canal alternativo conocido por todo el personal y si sus procesos críticos funcionan sin Outlook. También conviene revisar los reintentos automáticos: en una caída de capacidad, la configuración agresiva de reintentos empeora la situación.
Para Microsoft, el informe deja tres tareas: probar los cambios con hardware y volúmenes comparables a producción, revisar los supuestos de capacidad de las pasarelas y verificar que los mecanismos de aislamiento funcionan bajo saturación. La compañía ha dicho que el informe definitivo llegará más adelante; el preliminar ya identifica el patrón, pero no responde a todas las preguntas.
Lo que falta por saber
No se ha publicado el número exacto de clientes afectados ni el coste del incidente. Tampoco está claro por qué la prueba de preproducción no incluyó equipos con más núcleos si ya estaban en producción, ni cuánto tiempo estuvo el defecto activo sin manifestarse. El informe definitivo deberá explicar también por qué los bulkheads no aislaron el fallo y qué cambios se aplicarán antes de la próxima temporada de mantenimiento.
Mientras tanto, la conclusión práctica es que la resiliencia no se demuestra con un diagrama de dos pasarelas. Se demuestra cuando una de ellas recibe todo el tráfico, con menos capacidad y con la mezcla de solicitudes equivocada. Ese es el escenario que hay que probar.
Fuentes
Publicidad






