Microsoft: fallo de julio dejó 80% de servidores caídos

Casi 24 horas de caída: qué pasó exactamente

La caída global de Microsoft 365 empezó el 12 de noviembre a las 16:20 UTC y se extendió hasta el 13 de noviembre a las 16:10 UTC: poco menos de 24 horas. Microsoft mantuvo monitoreo adicional sobre los sistemas afectados hasta el 14 de noviembre. Los incidentes quedaron registrados con los IDs EX1550543 (Exchange Online) y MO1550821 (Microsoft 365).

El informe preliminar post-incidente (PIR) clasifica el episodio como «un problema técnico no relacionado con ciberataques ni con IA o agentes». Charles Lamanna, vicepresidente ejecutivo de Copilot, Agents y Platform de Microsoft, lo resumió en X: «Lamentamos profundamente el impacto a todos nuestros clientes y reconocemos el efecto que esto tiene en su operación normal».

El alcance fue amplio. Además de Outlook, Teams, OneDrive, SharePoint y las apps de Office, el episodio afectó a Copilot. Según Fox Business, aerolíneas como IndiGo y Akasa Air reportaron problemas en sus sistemas de correo de atención al cliente, y OpenAI y Anthropic reportaron fallas en sus integraciones con Microsoft 365.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Los tres factores que se combinaron

Microsoft atribuye la caída a tres condiciones que coincidieron en el tiempo.

  • Un defecto latente. Una actualización desplegada en el gateway de red de Microsoft 365 desde julio introdujo un problema que, bajo ciertas condiciones de carga, agotaba CPU y memoria y dejaba a los servidores sin responder. Según BleepingComputer, se trataba de una contención de bloqueos (lock contention) dentro de un proceso interno de Windows.
  • Un failover de Teams. Aproximadamente 15 horas antes de la caída, el tráfico de Teams se movió del gateway alterno al primario, el mismo que sostiene el acceso a Exchange Online. El cambio era un mecanismo estándar de respaldo, pero dejó al gateway con más tráfico y una mezcla de solicitudes distinta a la habitual.
  • Menos capacidad disponible. Cerca del 14% de la capacidad de servidores del gateway estaba fuera de servicio por un problema no relacionado del día anterior. Microsoft sostuvo que el servicio tenía margen suficiente y que esa reducción por sí sola no debía causar problemas.

La combinación disparó el defecto. En menos de dos horas se propagó por toda la flota: en el peor momento, más del 80% de los servidores no respondían. Los mecanismos de aislamiento entre particiones de capacidad tampoco lograron contener la falla, que se extendió a nivel global.

¿Por qué las pruebas no detectaron el fallo?

Esta es la parte más incómoda del informe y, a la vez, la más útil para cualquier equipo de ingeniería. La actualización pasó las pruebas y estuvo desplegada más de tres meses sin incidentes reportados. El problema: las pruebas de carga se hacían sobre hardware menos potente, con menos núcleos, mientras que el defecto empeoraba en máquinas nuevas con más núcleos.

«El problema de contención empeora en máquinas con más núcleos y hardware más nuevo, mientras que nuestras pruebas de carga tendían a enfocarse en hardware más débil con menos núcleos», dice el informe preliminar citado por BleepingComputer. Traducido: el entorno de pruebas no representaba la producción.

¿Cómo se recuperó Microsoft y por qué tardó tanto?

La recuperación fue más difícil que la detección. Reiniciar los servidores no bastaba: al volver a servicio quedaban saturados de inmediato por el tráfico acumulado. Los sistemas automáticos de recuperación de Microsoft no estaban diseñados para una falla de esa magnitud.

Tampoco había rollback disponible. Como el defecto llevaba meses en producción, los controles de despliegue por etapas y los feature flags no podían revertir el cambio con rapidez. Los ingenieros tuvieron que desarrollar una actualización que devolviera el código a su estado anterior y aplicarla por grupos de servidores, reiniciándolos y devolviéndolos al servicio de forma gradual.

La línea de tiempo que reconstruyó la compañía: el monitor de conectividad detectó un aumento de problemas de red a las 16:03 UTC del 12 de noviembre; el primer caso de soporte llegó 30 minutos después; a las 00:30 UTC del 13 ya se había identificado la negociación de conexiones como la fuente principal de los fallos, y la mitigación se aplicó a las 07:20 UTC.

Un detalle clave: Teams, OneDrive, SharePoint y las apps de Office pudieron migrar a infraestructura alternativa y recuperarse antes. Exchange Online no pudo hacer ese cambio, y por eso Outlook quedó degradado durante más tiempo.

¿Fue un ciberataque?

No. Microsoft descartó explícitamente esa hipótesis: «No fue un ciberataque ni un problema causado por herramientas de IA», escribió Lamanna. El informe final del incidente lo clasifica como un problema técnico.

Vale la pena mirar el contexto que aportó SecurityWeek: la caída ocurrió dos días después de que Microsoft publicara sus actualizaciones de Patch Tuesday de noviembre, que corrigieron 1.094 vulnerabilidades, incluida CVE-2026-124194, una falla de suplantación en Outlook que la compañía reconoció como explotada. Los avisos de servicio de Microsoft no vincularon esa vulnerabilidad con la caída de Exchange Online.

El episodio también tuvo eco político. El representante Rich McCormick (R-Ga.) señaló que la interrupción expuso la vulnerabilidad de los sistemas digitales de los que dependen empresas, hospitales, escuelas y agencias de gobierno, y apuntó a su propuesta Common-Sense Cloud Security Act: «La pregunta no es solo cómo prevenimos la próxima falla. Es cómo limitamos el radio de daño cuando ocurre».

¿Qué significa esto para tu startup?

Tres lecciones concretas.

1. Tu plan de contingencia probablemente asume un solo fallo. El incidente no fue causado por un ataque ni por un error humano puntual: fue la coincidencia de un defecto dormido, un failover rutinario y una reducción de capacidad. Si tu arquitectura solo tolera una de esas cosas a la vez, no tolera nada. Pregúntate qué pasa si dos de tus supuestos se rompen al mismo tiempo.

2. Prueba en el hardware que realmente usas. El caso de Microsoft es un recordatorio caro: un test que corre en una máquina más débil que producción no valida el comportamiento en producción. Si tu equipo prueba con instancias más chicas que las de tu entorno real, está midiendo otra cosa.

3. No dependas de un solo proveedor para lo crítico. Si tu correo, tu identidad y tus documentos viven en la misma plataforma, una caída de esa plataforma es una caída total. Para funciones críticas, conviene tener un canal alternativo de comunicación con clientes y un plan explícito de «qué hacemos mientras tanto», aunque no migres nada.

Acciones concretas para esta semana

  • Mapea tus dependencias de un solo proveedor. Lista los servicios de nube de los que depende tu operación diaria y marca cuáles no tienen alternativa. Empieza por correo, autenticación y almacenamiento.
  • Define un protocolo de caída. Quién avisa a los clientes, por qué canal (uno que no dependa del proveedor caído) y con qué mensaje. Un outage sin comunicación se convierte en un problema de confianza.
  • Revisa tus SLA y tus créditos. Los créditos por incumplimiento de SLA rara vez cubren el costo real de una jornada perdida. Si tu contrato no lo refleja, es momento de negociarlo.
  • Documenta tu propio post-incidente. Aunque la falla sea del proveedor, tu equipo debería registrar cómo la vivió, qué no funcionó en su respuesta y qué cambió después.

Conclusión

El informe preliminar de Microsoft deja una conclusión incómoda: el sistema falló porque tres condiciones que individualmente eran manejables coincidieron. La compañía ya dijo que aumentó capacidad, mejoró el monitoreo y agregó salvaguardas para evitar que la redirección de tráfico vuelva a disparar una falla en cascada, y que publicará un informe final con más detalle.

Para un founder, la lección no es «Microsoft falló». Es que la resiliencia no se mide por la cantidad de redundancias que tienes, sino por si esas redundancias siguen funcionando cuando fallan dos cosas a la vez. Ese es el escenario que vale la pena ensayar antes de que ocurra.

Fuentes

¿te gustó o sirvió lo que leíste?, Por favor, comparte.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Daily Shot: Tu ventaja táctica

Lo que pasó en las últimas 24 horas, resumido para que tú no tengas que filtrarlo.

Suscríbete para recibir cada mañana la curaduría definitiva del ecosistema startup e inversionista. Sin ruido ni rodeos, solo la información estratégica que necesitas para avanzar:

  • Venture Capital & Inversiones: Rondas, fondos y movimientos de capital.
  • IA & Tecnología: Tendencias, Web3 y herramientas de automatización.
  • Modelos de Negocio: Actualidad en SaaS, Fintech y Cripto.
  • Propósito: Erradicar el estancamiento informativo dándote claridad desde tu primer café.

📡 El Daily Shot Startupero

Noticias del ecosistema startup en 2 minutos. Gratis, todos los días.

Share to...