Martes
17 de Noviembre de 2026
TECNOLOGIA
17/11/2026
Fuente: Netfan Servicios
El vicepresidente ejecutivo de Copilot atribuyó el colapso a tres problemas en la red de Microsoft 365
La explicación llegó de parte de Charles Lamanna, vicepresidente ejecutivo de Copilot en la compañía, a través de una publicación en X con un resumen del análisis de causa raíz.
"El incidente del jueves 12 de noviembre de 2026 fue provocado por tres factores principales que, juntos, causaron una caída global en la pasarela de red que da servicio a muchos servicios de Microsoft 365", escribió Lamanna.
El origen del problema fue un fallo "latente" que llevaba tres meses instalado en los servidores sin generar consecuencias visibles. Según detalló Lamanna, se trató de una contención de bloqueo dentro de un proceso interno que provocaba que la máquina quedara fuera de servicio bajo ciertas condiciones de carga.
Ese defecto surgió como resultado de una corrección preparada específicamente para los servidores de la pasarela de red de Microsoft 365, sin relación con otros despliegues de Windows.
El cambio comenzó a implementarse en julio y se propagó de forma global durante varias semanas sin que se observara ningún inconveniente.
"Nuestras pruebas de carga habituales no detectaron el problema latente debido a la diferente mezcla de tráfico y SKUs utilizada en nuestros laboratorios de prueba", explicó el directivo. El problema se agravaba en máquinas con más núcleos y hardware más moderno, mientras que los laboratorios de la empresa solían priorizar equipos más débiles y con menos núcleos.
Microsoft 365 mantiene dos sistemas de pasarela de red independientes, pensados para garantizar aislamiento y alta disponibilidad entre servicios.
Unas 15 horas antes de la caída, Teams se transfirió desde la pasarela alternativa hacia la pasarela principal, la misma que también da soporte a Exchange Online. Ese traspaso, parte de las operaciones normales de resiliencia de la compañía, incrementó la carga y modificó los patrones de tráfico habituales.
Al mismo tiempo, cerca del 14% de la capacidad de servidores de esa pasarela estaba fuera de servicio por un problema no vinculado, registrado el día anterior. Microsoft ya trabajaba en devolver esa capacidad mediante procesos rutinarios de mantenimiento, y aclaró que esa reducción "no tuvo impacto por sí sola".
La combinación de ambos factores sí resultó determinante. "Tomados en conjunto, el aumento de carga y la capacidad reducida de servidores hicieron que la pasarela de red encontrara el error latente de julio", señaló Lamanna. Las solicitudes se acumularon hasta que los servidores dejaron de responder, justo durante la ventana de mayor tráfico en Estados Unidos.
Los sistemas de gestión de tráfico redirigieron automáticamente a los usuarios hacia otros puntos sanos, un mecanismo que suele evitar interrupciones ante fallos de hardware, software o red. Pero esa redirección aumentó la probabilidad de que el mismo problema se replicara en los servidores restantes.
Así, en menos de dos horas, el defecto antes desconocido alcanzó a toda la flota de servidores y la dejó inoperativa. En su punto más bajo, más del 80% de los servidores no respondía.
Microsoft precisó además que, por un problema adicional, los compartimentos normales que aíslan las distintas particiones de capacidad no lograron contener la falla en cascada, lo que permitió que el impacto se extendiera a toda la infraestructura global de la pasarela de red.
La recuperación demandó más tiempo del habitual porque, cada vez que los servidores volvían a estar activos, la demanda de tráfico acumulado los saturaba de inmediato y los dejaba nuevamente sin responder.
Los procesos automatizados de recuperación de la compañía no estaban diseñados para restablecer el servicio desde un estado de falta de respuesta tan generalizado.
A esto se sumó que, al tratarse de un defecto latente desde hacía meses, los mecanismos habituales de reversión, despliegue controlado y banderas de funciones no pudieron revertir el cambio con rapidez.
Una vez que los ingenieros confirmaron el origen del problema, Microsoft desarrolló una actualización que devolvió el código a su estado anterior conocido como estable. Para aplicar la corrección de forma progresiva, la compañía retiró grupos de servidores del servicio, aplicó el cambio, los reinició y luego los reincorporó de manera gradual, en bloques de gran tamaño que llegaron a superar el 50% de una región a la vez.
Fuente: Netfan Servicios