Más del 80% de los servidores de correo de Microsoft quedaron sin respuesta en el peor momento del apagón de la semana pasada. Así lo reconoció la propia compañía en su informe preliminar del incidente, publicado el 15 de noviembre, donde por fin explica qué provocó que millones de personas se quedaran sin correo en Microsoft 365: un defecto de software que llevaba meses escondido y que se activó cuando se combinaron un aumento de carga y una caída de capacidad. No fue un ciberataque. Fue, en palabras de la propia Microsoft, un error latente introducido en julio.
El origen está en una corrección preparada específicamente para los servidores de puerta de enlace de red de Microsoft 365. Según el informe preliminar, esa actualización se desplegó a partir de julio de 2026 y se extendió por todo el mundo durante varias semanas sin que se observara ningún problema. Durante más de tres meses funcionó sin impacto aparente. El problema era una contención de bloqueos (lock contention) dentro de un proceso interno de Windows que agotaba los recursos de la máquina —CPU y memoria— hasta dejarla sin respuesta.
¿Por qué nadie lo detectó? Porque las pruebas de carga de Microsoft no reproducían las condiciones reales. La compañía admitió que sus pruebas “tendían a centrarse en hardware más débil, con menos núcleos”, mientras que el problema de contención empeora precisamente en las máquinas con más núcleos y hardware más nuevo. Además, en los laboratorios se usaba una mezcla de tráfico y de modelos de servidor distinta a la de producción. Dicho de otro modo: la actualización no se probó en las condiciones en las que tenía más probabilidades de fallar.
Dos factores que se combinaron para detonar la falla
El defecto necesitó dos detonantes simultáneos. Por un lado, Microsoft Teams hizo una conmutación por error (failover) hacia la puerta de enlace “principal” que da soporte a Exchange Online, lo que generó un aumento de carga que, por sí solo, no era especialmente inusual. Por otro, casi el 14% de la capacidad de los servidores de la puerta de enlace de red estaba fuera de servicio —en proceso de restauración— y, aunque Microsoft asegura que el servicio tenía “suficiente margen de capacidad”, la combinación de ambos factores empujó a la puerta de enlace directamente hacia el defecto.
Una falla en cascada sin vuelta atrás sencilla
A partir de ahí, el apagón se comportó como una clásica falla en cascada: cuando un servidor perdía conectividad, el tráfico se dirigía al siguiente servidor sano, que encontraba el mismo problema, y el tráfico se redirigía de nuevo. En menos de dos horas, el defecto ya se había encontrado en toda la flota. “En su punto más bajo, más del 80% de los servidores no respondían”, señala el informe. Devolver los servidores al servicio no ayudó: quedaban abrumados de inmediato y volvían a caer. Los procesos automatizados de recuperación “no estaban diseñados para restaurar el servicio desde este estado generalizado de falta de respuesta” y una reversión directa tampoco era posible, porque el defecto llevaba meses desplegado.
La salida fue desarrollar un parche para el parche: una actualización que devolvió la ruta de código a su estado previo conocido como bueno en Windows, aplicada por grupos de servidores hasta restaurar el servicio de forma gradual. Algunos servicios, como Teams, OneDrive, SharePoint y las aplicaciones de Office, pudieron salir de la infraestructura defectuosa de puerta de enlace; Exchange Online no puede hacerlo por razones de escala, y por eso el correo fue lo que más tardó en volver.
Cronología del apagón, hora por hora
- 12 de noviembre, 01:07 UTC: Teams realiza el failover hacia la puerta de enlace principal de Exchange Online.
- 12 de noviembre, 16:03 UTC: el monitor de detección de anomalías de conectividad de Microsoft identifica un aumento de problemas de conectividad.
- 12 de noviembre, 16:33 UTC: llega el primer caso de soporte.
- 12 al 13 de noviembre: durante unas 15 horas, nada de lo intentado resuelve el problema: se pausan todos los despliegues y cambios de configuración, se añade capacidad extra y se redirige el tráfico, pero los servidores siguen cayendo.
- 13 de noviembre, 00:30 UTC: Microsoft identifica la negociación de conexiones como la principal culpable: procesos en competencia impedían atender las conexiones.
- 13 de noviembre, 07:20 UTC: se identifica y aplica la mitigación, la actualización que revierte el cambio defectuoso.
- 13 de noviembre, 16:10 UTC: Microsoft confirma que el servicio vuelve a verse saludable.
- 14 de noviembre, 04:15 UTC: se emite la actualización final para los clientes.
El apagón dejó sin correo a millones de usuarios de Microsoft 365 durante el 12 y el 13 de noviembre, con Outlook, Teams y Copilot afectados. Desde el primer momento, Microsoft aseguró que se trataba de un problema técnico y no de un ciberataque, y negó que estuviera relacionado con los miles de despidos anunciados el mes anterior. Aun así, la escala y la duración del incidente generaron críticas y memes entre los usuarios. El responsable de plataforma, Charles Lamanna, admitió la gravedad: “En menos de dos horas, el defecto previamente desconocido se encontró en toda nuestra flota y los dejó sin respuesta”. El periodista Ben Lovejoy, de 9to5Mac, se mostró escéptico ante la explicación de la compañía y lo calificó como un error de principiante, al señalar que la falta de pruebas adecuadas y los recortes de personal plantean dudas legítimas. The Register, por su parte, reconoció el trabajo de los ingenieros que restauraron el servicio, pero advirtió que los procesos que permitieron que una actualización con un defecto latente llegara a producción “merecen una revisión larga y profunda”.
Qué sigue: el informe final llega el 20 de noviembre
Microsoft publicará su informe final del incidente el 20 de noviembre. Ese documento deberá responder las preguntas que el informe preliminar deja abiertas: por qué las pruebas de carga no reflejaban el hardware real de producción, cómo un cambio de julio pudo permanecer tres meses sin mostrar síntomas y qué controles cambiarán para que un defecto latente no vuelva a tumbar el correo de millones de personas. Mientras tanto, la lección ya es visible: en sistemas a esta escala, un error pequeño y silencioso puede convertirse en un apagón global cuando se alinean las condiciones.
En GeekAndLife seguimos la caída de Microsoft desde sus primeras horas: te contamos cómo millones de personas se quedaron sin correo, Teams ni Copilot, cómo se recuperaron Outlook y los demás servicios, y qué se sabe de las compensaciones que Microsoft podría ofrecer a las empresas afectadas. Este nuevo informe cambia el foco: ya no se trata solo de cuánto duró el apagón, sino de por qué ocurrió y de qué debe cambiar dentro de Microsoft para que no se repita.
Para más noticias de tecnología, cultura geek, gadgets y entretenimiento, visita: GeekAndLife.com.mx. Descubre más contenido en nuestras redes: Instagram | YouTube | TikTok

Fuente: 9to5Mac | The Register


